Planejamento e Análise de Experimentos: Experimento do tempo que uma criança demora para dormir

Tamanho: px
Começar a partir da página:

Download "Planejamento e Análise de Experimentos: Experimento do tempo que uma criança demora para dormir"

Transcrição

1 Planejamento e Análise de Experimentos: Experimento do tempo que uma criança demora para dormir Frederico Augusto de Cezar Almeida Gonçalves Programa de Pós-graduação em Engenharia Elétrica Universidade Federal de Minas Gerais Av. Antônio Carlos, 6627, Belo Horizonte fred@nti.ufop.br Felipe Campelo Programa de Pós-graduação em Engenharia Elétrica Universidade Federal de Minas Gerais Av. Antônio Carlos, 6627, Belo Horizonte fcampelo@cpdee.ufmg.br Resumo Neste trabalho é apresentado um estudo sobre o planejamento e análise de um experimento aplicado na avaliação da influência de alguns fatores no tempo gasto para se fazer uma criança dormir. Os seguintes fatores foram analisados: se a criança tirou uma soneca durante a tarde, se jantou cedo ou perto da hora de dormir e se alguma canção de ninar foi cantada para fazê-la dormir. Apenas uma criança foi avaliada durante as observações. Este experimento pode ser caracterizado como planejamento fatorial 2 3, ou seja, três fatores analisados com dois níveis de avaliação para cada fator. I. INTRODUÇÃO Neste trabalho é apresentado um estudo completo do planejamento e análise de um experimento aplicado na avaliação da influência de alguns fatores no tempo gasto para se fazer uma criança dormir. É comum que pessoas com um certo grau de experiência na criação dos filhos, aconselhem outras menos experientes sobre maneiras mais adequadas de se cuidar de uma criança. E com o passar dos anos, os responsáveis pelas crianças acabam ganhando experiência e validando certos conselhos seguidos no passado. Dentre os tipos de aconselhamentos, podem ser citados aqueles relacionados a como se fazer uma criança dormir, sendo alguns deles: fazer a criança jantar mais cedo, deixar a criança brincar e gastar toda a energia e não tirar uma soneca a tarde, músicas de ninar, balançar a criança no colo e etc. Diante dos vários aconselhamentos sobre como se fazer uma criança dormir, optou-se estudar três dos fatores citados anteriormente, sendo eles: se a criança tirou uma soneca durante a tarde, se jantou cedo ou perto da hora de dormir e se alguma canção de ninar foi cantada para fazê-la dormir. Ressalta-se que não foi realizada uma pesquisa por respostas científicas sobre a influência dos fatores avaliados neste trabalho. Contudo, os experimentos realizados buscam explicar estatisticamente com um certo grau de confiança a influência dos fatores. O planejamento apresentado a seguir, pode ser classificado como planejamento fatorial 2 3 de efeitos fixos, ou seja, três fatores analisados e dois níveis fixos de avaliação para cada fator. II. PLANEJAMENTO PRÉ-EXPERIMENTAL Como boa prática para a definição de inferências coerentes sobre o experimento, o pré-planejamento é uma ferramenta essencial para o desenvolvimento deste experimento. Na Subseção II-A é discutida a escolha dos fatores e a variável de saída do problema. As condições experimentais e a coleta dos dados são descritas nas Subseções [II-B,II-C], respectivamente. Os testes de hipóteses são exibidos na Subseção II-D. Por fim, os resultados e conclusões são apresentados nas Seções [III,IV], respectivamente. A. Fatores, Níveis e Variável de Resposta Os seguintes fatores de interesse foram escolhidos para serem observados: soneca durante a tarde, jantar cedo e cantar música de ninar. Com base em conhecimento prévio sobre os hábitos da criança observada, definiu-se uma rotina de horários para os fatores analisados em acordo com a rotina atual da criança. Desta maneira, definiu-se como hora inicial para a soneca da tarde, um horário qualquer entre 14:00h às 15:00h, não sendo restrito o tempo de soneca. O intervalo definido para se caracterizar o jantar mais cedo ficou entre 19:30h e 20:30h, e jantar mais tarde de 20:31h às 21:30h. Além disso, foi escolhido o intervalo de 22:00h às 22:30h para se começar a fazer a criança dormir. A Tabela I resume as informações anteriores. Tabela I INFORMAÇÕES E HORÁRIOS Informação Horário Soneca a tarde Iniciar entre 14:00h e 15:00h Jantar Cedo: 19:30h às 20:30h; Tarde: 20:31h às 21:30h Dormir Iniciar entre 22:00h e 22:30h Também foi considerado o estudo do efeito relacionado a pessoa que faria a criança dormir. Entretanto, este fator se mostrou não controlável, uma vez que a criança a ser observada tem por costume decidir quem a faz dormir. Em virtude deste problema, as observações programadas poderiam não ser cumpridas na ordem estabelecida, ou mesmo cumpridas. Impossibilitando assim, um estudo correto do fator. Para

2 contornar este problema, uma análise de covariância poderia ser empregada. E assim, o efeito do fator poderia ser isolado durante análise. Contudo, o fator cantar música de ninar se mostrou mais interessante, e acabou substituindo o estudo da pessoa que faria a criança dormir. A variável de saída escolhida para investigação foi o tempo gasto para a criança dormir. A seguir, é apresentado na Tabela II, um resumo dos fatores e níveis do problema. Tabela II QUADRO DE FATORES E NÍVEIS Fator Nível 1 (-) Nível 2 (+) Soneca a Tarde (a) Não Sim Jantar Cedo (b) Não Sim Cantar Música de Ninar (c) Não Sim B. Condições do Experimento Com o intuito de isolar na medida do possível a interferência de fatores espúrios e de deixar o experimento o mais homogêneo possível, uma série de condições pré-experimentais foram definidas. A seguir, são listados alguns cuidados tomados durante as observações: Devido a natureza do experimento, não haveria como se impor todos os horários descritos na Subseção II-A. Assim, todas as observações com divergências nos horários determinados podem ser descartadas. Primou-se por uma avaliação mais homogênea durante todas as observações. Para a execução dos experimentos, tomou-se o cuidado de definir uma rotina diária para a criança durante as observações, isto é, só poderiam ser consideradas as observações coletadas em dias normais dentro da rotina da criança. Não considerou-se coletar as informações em dias onde houvessem passeios em lugares tais como: shopping, parque municipal, sítio e etc. A justificava para isto, se baseia na ideia de que um passeio em tais lugares poderia resultar na violação dos horários impostos. Além disso, a criança também poderia ficar mais cansada em função do passeio, o que poderia interferir no horário do sono. Pode-se descartar toda e qualquer observação em caso de manifestação de algum sintoma que pudesse indicar o possível adoecimento da criança. Tais sintomas incluem: febre, tosse, coriza e etc. Em caso de confirmação da doença, as observações só seriam retomadas após a cura da doença. A temperatura do dia também foi algo previsto para coleta dos dados. Neste caso, pode-se descartar as observações em dias considerados atípicos pelos veículos especializados no estudo do clima e tempo das regiões do Brasil. Como de dias atípicos podem ser citados: o dia mais quente do ano até o momento, o dia mais frio do ano o até o momento, o dia com a umidade relativa do ar mais baixa até o momento e etc. Como parte da rotina da criança, manteve-se restrição de fazer a criança dormir somente no quarto dos pais. Com o começo do horário de verão, programou-se o retorno das observações apenas três dias após o início do horário de verão. Esta decisão foi tomada com base em notícias veiculadas nos meios de comunicação sobre a necessidade de três dias para o relógio biológico se ajustar aos novos horários. Com relação ao método para se fazer a criança dormir, definiu-se como o método padrão, balançar a criança sentada na cama durante todas as observações. Em relação ao problema citado na Subseção II-A referente a influência de quem faria a criança dormir, foram programadas algumas observações piloto com intuito acostumar a criança dormir com um dos pais somente. Além disso, utilizou-se a ideia de trabalho escolar para influenciar e incentivar a criança seguir a programação de observações definida. C. Coleta dos Dados Realizou-se a coleta de dados com base na medição do tempo gasto para se fazer a criança dormir. Foi feita uma observação para cada nível de cada fator, também foram utilizadas duas replicações completas do experimento. No total, foram realizadas 16 observações. A equação (1) resume esta contagem. N t = N c N r = = 16 (1) De acordo com a equação (1), N t representa o total de observações, N c o total de combinações entre níveis e fatores e N r o número de replicações. Com respeito ao processo de coleta do tempo, destaca-se a utilização de um cronômetro para calcular o tempo. Sendo o cronômetro disparado a cada início de observação e parado após se deitar a criança no berço, e a mesma permanecer dormindo. Para determinar se a criança de fato encontravase em estado de sono antes de deitá-la no berço, confiouse na experiência e capacidade dos pais em lerem os sinais demonstrados pela criança em tal situação. Dentre os vários sinais, podem ser citados: Olhos totalmente fechados; Nenhuma resposta a certos estímulos tais como: perguntas, carícias e etc; Braços totalmente soltos e etc. Para ajudar a atender a premissa de independência necessária para análise dos resíduos como parte do processo de validação do modelo, a execução das observações foi totalmente aleatorizada[1]. Na Tabela III é apresentada a ordem de distribuição e execução das observações. Ressalta-se também que em virtude da natureza e condições experimentais do problema, não foi necessário o cegamento dos envolvidos no experimento. Por fim, não foi considerado o uso de blocagem, confundimento dos blocos/efeitos.

3 D. Teste de Hipóteses Tabela III DISTRIBUIÇÃO DAS OBSERVAÇÕES Observação Fatores Ordenada a b c 1 N N N 2 N N S 3 N S N 4 N S S 5 S N N 6 S N S 7 S S N 8 S S S 9 N N N 10 N N S 11 N S N 12 N S S 13 S N N 14 S N S 15 S S N 16 S S S A formulação da análise dos fatores estudados neste trabalho é apresentada no modelo de efeitos da Equação (2). y ijk = µ + τ i + β j + γ k + (τβ) ij + (τγ) ik + (βγ) jk + (τβγ) ijk + ɛ ijkl i = 1,..., a j = 1,..., b k = 1,..., c l = 1,..., n Na Equação 2, µ é a média geral. As variáveis τ i, β j e γ k representam os efeitos principais dos níveis dos fatores a, b e c, respectivamente. O restante da equação representa o efeito das interações de segunda e terceira ordem entre os fatores estudados. As hipóteses de teste foram definidas como sendo: 1) H 0 : τ 1 = τ 2 =... = τ a = 0 (sem efeito no fator principal soneca a tarde); H 1 : Pelo menos um τ i 0. 2) H 0 : β 1 = β 2 =... = β b = 0 (sem efeito no fator principal jantar cedo); H 1 : Pelo menos um β j 0. 3) H 0 : γ 1 = γ 2 =... = γ c = 0 (sem efeito no fator principal canção de ninar); H 1 : Pelo menos algum γ k 0. 4) H 0 : (τβ) 11 = (τβ) 12 =... = (τβ) ab = 0 (sem efeito na interação dos fatores); H 1 : Pelo menos algum (τβ) ij 0. (2) 5) H 0 : (τγ) 11 = (τγ) 12 =... = (τγ) ac = 0 (sem efeito na interação dos fatores); H 1 : Pelo menos algum (τγ) ik 0. 6) H 0 : (βγ) 11 = (βγ) 12 =... = (βγ) bc = 0 (sem efeito na interação dos fatores); H 1 : Pelo menos algum (βγ) jk 0. 7) H 0 : (τβγ) 111 = (τβγ) 112 =... = (τβγ) abc = 0 (sem efeito na interação dos fatores); H 1 : Pelo menos algum (τβγ) ijk 0. O intervalo de confiança foi definido em 95%, implicando em um nível de significância α = 0, 05. III. RESULTADOS E DISCUSSÃO Nesta Seção são discutidos os resultados obtidos. Para tal, é apresentado na Tabela IV os tempos coletados durante todo o experimento. Algumas informações adicionais inerentes ao processo de coleta dos dados são apresentadas na tabela V. Tabela IV COLETA DOS RESULTADOS Observação Fatores Tempo para dormir Aleatória a b c (s) (mm:ss) 6 S N S :43 5 S N N :40 14 S N S :10 11 N S N :21 13 S N N :20 1 N N N :20 8 S S S :40 15 S S N :00 3 N S N :00 2 N N S :30 16 S S S :00 4 N S S :20 7 S S N :40 9 N N N :00 10 N N S :24 12 N S S :57 Tabela V INFORMAÇÕES ADICIONAIS Observação Tempo de Soneca a tarde Hora que acordou Quem fez dormir Tempo para dormir Aleatória (hh:mm) (hh:mm) (mm:ss) 6 01:20 10:35 Mãe 15: :00 10:30 Mãe 16: :30 09:30 Mãe 16: :15 Mãe 09: :30 09:10 Mãe 12: :45 Mãe 10: :30 09:40 Mãe 11: :40 09:30 Mãe 12: :15 Mãe 10: :00 Mãe 08: :20 09:40 Mãe 09: :00 Mãe 08: :30 09:15 Mãe 13: :20 Mãe 10: :00 Mãe 08: :30 Mãe 05:57 A análise estatística dos dados foi feita por meio da variância (ANOVA - Analysis of Variance). Na Tabela VI é

4 apresentado um resumo das informações geradas pelo aplicativo estatístico Minitab, versão 16. Em relação a Tabela VI, a coluna DF representa os graus de liberdade (Degrees of Freedom), SS representa a soma de quadrados (Sum of Squares), MS representa os quadrados médios (Mean Square), F e P representam teste estatístico tipo F e valor P associado, respectivamente. Tabela VI ANOVA Source of Variation DF SS MS F 0 P Soneca a Tarde ,65 0,000 Jantar Cedo ,39 0,015 Cantar ,21 0,111 Soneca a Tarde*Jantar Cedo ,42 0,102 Soneca a Tarde*Cantar ,16 0,313 Jantar Cedo*Cantar ,58 0,147 Soneca a Tarde*Jantar Cedo*Cantar ,11 0,322 Error Total Ainda em relação ao comportamento dos efeitos principais, observou-se que não jantar cedo levou a um tempo médio maior para a criança dormir. Por outro lado, jantar cedo resultou em um menor tempo empreendido para se fazer a criança dormir. Por fim, o último fator estudado demonstrou que cantar para criança levou a uma diminuição do tempo gasto para ela dormir. A ausência do canto durante o processo, implicou em um tempo médio maior. Observou-se também, que este fator apresentou o efeito principal de menor influência. É possível verificar que inclinação do segmento de reta do efeito é a menor também De acordo com a tabela ANOVA, é possível verificar que os fatores Soneca a Tarde e Jantar Cedo possuem significância, ou seja, parte da variabilidade dos resultados é explicada por estes fatores. Assim, pode-se rejeitar as hipóteses nulas referentes as estes fatores a um grau de confiança de 95%. Na Figura 1, o experimento realizado é projetado em um cubo contendo os fatores estudados e as médias dos tempos referentes as devidas combinações de fatores. De acordo com esta figura, a menor média apresentada é aquela dada pela seguinte combinação: Soneca a Tarde = N; Jantar Cedo = S; Cantar = S. Figura 1. Cubo das Médias O comportamento dos efeitos principais são apresentados na Figura 2. Com base nos comportamentos, é possível verificar que a soneca durante a tarde contribuiu em um tempo médio maior para a criança dormir, ao passo que não dormir a tarde, implicou em menos tempo gasto para se fazer a criança dormir. Figura 2. Efeitos Principais A seguir, é apresentado na Figura 3 um gráfico das interações entre os efeitos principais. É possível confirmar no gráfico de interações todas as tendências explicadas pelos efeitos principais. Por exemplo, o bloco de interação entre soneca a tarde e jantar cedo, indica na reta vermelha (Soneca a Tarde igual a S) e jantar cedo igual a não um tempo médio maior, ao passo que em jantar cedo igual a sim este tempo diminui. Pela interação do bloco citado, é possível dizer que o efeito da Soneca a Tarde possui maior significância em relação aos outros efeitos. Para avaliar a adequação do modelo em relação as premissas determinadas[1], são apresentados a seguir três gráficos inerentes a normalidade, independência e homoscedasticidade. Na Figura 4, é apresentado um gráfico de probabilidade normal dos resíduos. Verifica-se no gráfico que os pontos espalhados em torno da reta não violam a premissa definida, ou seja, não há presença de um ponto afastado significativamente da reta diagonal. A premissa de independência do modelo pode ser checada no gráfico da Figura 5. Não há a formação clara de uma estrutura padrão em relação ao espalhamento dos resíduos. Ressalta-se que as observações foram totalmente aleatorizadas, o que tende a evitar estruturas nos resíduos Como último item de validação tem-se a homoscedasticidade. O gráfico apresentado na Figura 6, evidencia a não

5 Figura 3. Interação dos Efeitos Principais Figura 5. Independência Figura 4. Normalidade violação da premissa. Não há um padrão claro da igualdade de variância em relação aos valores ajustados. A. Considerações Finais De acordo com o coeficiente de determinação R 2 (full), pode-se dizer que modelo gerado explica 88% da variabilidade dos resultados. O modelo de regressão completo é definido na equação (3). ŷ = 667, , 312x 1 68, 063x 2 39, 812x 3 41, 063x 1 x , 938x 1 x 3 35, 688x 2 x 3 23, 438x 1 x 2 x 3 (3) Com base apenas nos efeitos significativos, um novo modelo de regressão é apresentado na equação (4). ŷ = 667, , 312x 1 68, 063x 2 (4) Figura 6. Homoscedasticidade IV. CONCLUSÃO Apresentou-se no presente trabalho um planejamento fatorial do tipo 2 3 para estudar a influência de três fatores no tempo gasto para se fazer uma criança dormir. Os fatores estudados foram: Soneca a tarde (Sim e Não), Jantar Cedo (Sim e Não) e Cantar canção de ninar (Sim e Não). A análise estatística dos dados foi feita com base na variância, considerando um intervalo de confiança de 95%. O teste estatístico utilizado foi o teste tipo F. Foram utilizadas técnicas de planejamento experimental para a definição de um planejamento robusto. Várias restrições foram definidas (horários, rotina, tempo e etc), e todas as observações atenderam as restrições impostas. Ressalta-se que todas as observações foram executados da forma mais homogênea possível, dado que o experimento foi planejado de forma robusta.

6 Pela tabela ANOVA apresentada, foi possível verificar que os fatores Soneca a Tarde e Jantar Cedo tiveram significância na variabilidade dos resultados. De acordo com os fatores estudados, observou-se que não dormir a tarde, jantar cedo e cantar canção de ninar implicaram em um tempo médio menor para se fazer a criança dormir. No cubo de médias apresentado na Figura 1, a menor média entre os vértices é dada pela configuração: Soneca a Tarde = N; Jantar Cedo = S; Cantar = S. Segundo o coeficiente de determinação R 2 (full), pode-se dizer que modelo gerado explica 88% da variabilidade dos resultados Avaliou-se também a adequação do modelo em relação as premissas de normalidade, independência e homoscedasticidade. Constatou-se que o modelo atendeu a todas as premissas determinadas. Em virtude dos resultados apresentados, é possível concluir a um grau de confiança de 95%, que dentro das restrições apresentadas e níveis avaliados, o tempo gasto para se fazer a criança observada dormir, é influenciado pela soneca da tarde e jantar mais cedo. REFERÊNCIAS [1] D. Montgomery and G. Runger, Applied Statistics and Probability for Engineers. John Wiley & Sons Inc, [Online]. Available:

Planejamento e Análise de Experimentos: Experimento sobre o crescimento de bolos

Planejamento e Análise de Experimentos: Experimento sobre o crescimento de bolos Planejamento e Análise de Experimentos: Experimento sobre o crescimento de bolos Tatiana Alves Costa Programa de Pós-Graduação em Engenharia Elétrica Universidade Federal de Minas Gerais Av. Antônio Carlos,

Leia mais

PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) EXPERIMENTOS COM DOIS FATORES E O PLANEJAMENTO FATORIAL

PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) EXPERIMENTOS COM DOIS FATORES E O PLANEJAMENTO FATORIAL PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) EXPERIMENTOS COM DOIS FATORES E O PLANEJAMENTO FATORIAL Dr Sivaldo Leite Correia CONCEITOS E DEFINIÇÕES FUNDAMENTAIS Muitos experimentos são realizados visando

Leia mais

5.3 Experimentos fatoriais a dois fatores (Revisando...)

5.3 Experimentos fatoriais a dois fatores (Revisando...) 5. Experimentos Fatoriais 5.3 Experimentos fatoriais a dois fatores (Revisando...) Modelo de Efeitos Y ijk = µ+τ i +β j +(τβ) ij +ɛ ijk, i = 1, 2,..., a j = 1, 2,..., b k = 1, 2,..., n Ambos os fatores

Leia mais

Planejamento e Análise de Experimentos: Aquecimento de Leite por Forno Micro-ondas

Planejamento e Análise de Experimentos: Aquecimento de Leite por Forno Micro-ondas Planejamento e Análise de Experimentos 2012/1 1 Planejamento e Análise de Experimentos: Aquecimento de Leite por Forno Micro-ondas Wagner A. M. Ursine Abstract Este trabalho apresenta as etapas de planejamento

Leia mais

do fator A no valor da variável de resposta considerada.

do fator A no valor da variável de resposta considerada. Aquecimento da Água: Análise do Efeito do Material Utilizado (inox ou alumínio) do Sistema de Aquecimento (recipiente aberto ou fechado) e da Solução Utilizada (água pura, água com sal ou água com açúcar),

Leia mais

MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel

MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semana Conteúdo 1 Apresentação da disciplina. Princípios de modelos lineares

Leia mais

Planejamento de Experimentos

Planejamento de Experimentos Planejamento de Experimentos 1 6.4 Os Modelos fatoriais 2 k : o caso geral. O modelo estatístico para um plano 2 k inclui k ( k 2 ( k ) ) efeitos principais efeitos de interação de ordem 2 efeitos de interação

Leia mais

Planejamento e Análise de Experimentos

Planejamento e Análise de Experimentos Planejamento e Análise de Experimentos Aula 3 Felipe Campelo http://www.cpdee.ufmg.br/~fcampelo Programa de Pós-Graduação em Engenharia Elétrica Belo Horizonte Agosto de 2011 ANOVA para Fator Único Análise

Leia mais

Análise de Regressão EST036

Análise de Regressão EST036 Análise de Regressão EST036 Michel Helcias Montoril Instituto de Ciências Exatas Universidade Federal de Juiz de Fora Regressão sem intercepto; Formas alternativas do modelo de regressão Regressão sem

Leia mais

2 ou mais fatores são de interesse.

2 ou mais fatores são de interesse. 5. Experimentos Fatoriais 5.1 Definições e Princípios Básicos 2 ou mais fatores são de interesse. Experimentos Fatoriais: em cada replicação do experimento todas as combinações dos níveis de tratamento

Leia mais

5.3 Experimentos fatoriais a dois fatores. Ambos os fatores são supostos fixos e os efeitos de tratamento são definidos como desvios da média tal que

5.3 Experimentos fatoriais a dois fatores. Ambos os fatores são supostos fixos e os efeitos de tratamento são definidos como desvios da média tal que 5. Experimentos Fatoriais 5.3 Experimentos fatoriais a dois fatores. Modelo de Efeitos Y ijk = µ+τ i +β j +(τβ) ij +ɛ ijk, i = 1, 2,..., a j = 1, 2,..., b k = 1, 2,..., n Ambos os fatores são supostos

Leia mais

EXPERIMENTO FATORIAL BLOCADO PARA DETERMINAÇÃO DE DIFERENÇAS ENTRE TEMPO DE QUEIMA DE VELAS DE PARAFINA

EXPERIMENTO FATORIAL BLOCADO PARA DETERMINAÇÃO DE DIFERENÇAS ENTRE TEMPO DE QUEIMA DE VELAS DE PARAFINA Revista da Estatística da UFOP, Vol I, 2011 - XI Semana da Matemática e III Semana da Estatística, 2011 ISSN 2237-8111 EXPERIMENTO FATORIAL BLOCADO PARA DETERMINAÇÃO DE DIFERENÇAS ENTRE TEMPO DE QUEIMA

Leia mais

ESQUEMA FATORIAL. Lucas Santana da Cunha Universidade Estadual de Londrina Departamento de Estatística

ESQUEMA FATORIAL. Lucas Santana da Cunha   Universidade Estadual de Londrina Departamento de Estatística ESQUEMA FATORIAL Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha Universidade Estadual de Londrina Departamento de Estatística 22 de julho de 2017 Esquema Fatorial Nos experimentos mais simples

Leia mais

Cap. 9 Comparação entre tratamentos

Cap. 9 Comparação entre tratamentos Estatística para Cursos de Engenharia e Informática Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 004 Cap. 9 Comparação entre tratamentos APOIO: Fundação de Apoio

Leia mais

Delineamento e Análise Experimental Aula 4

Delineamento e Análise Experimental Aula 4 Aula 4 Castro Soares de Oliveira ANOVA Significativa Quando a aplicação da análise de variância conduz à rejeição da hipótese nula, temos evidência de que existem diferenças entre as médias populacionais.

Leia mais

à Avaliação Operacional

à Avaliação Operacional EA-01: Introdução à Avaliação Operacional Objetivo Que a audiência se familiarize com o conceito de delineamentos fatoriais completos. Principais razões para usar delineamentos fatoriais Delineamentos

Leia mais

Curso de MINITAB Universidade Federal de Ouro Preto. Planejamento de Experimentos (DOE)

Curso de MINITAB Universidade Federal de Ouro Preto. Planejamento de Experimentos (DOE) Planejamento de Experimentos (DOE) - Introdução Um experimento é um procedimento no qual as alterações propositais são feitas nas variáveis de entrada de um processo ou sistema, de modo que se possa avaliar

Leia mais

Esquema Fatorial. Esquema Fatorial. Lucas Santana da Cunha 06 de outubro de 2018 Londrina

Esquema Fatorial. Esquema Fatorial. Lucas Santana da Cunha   06 de outubro de 2018 Londrina Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha 06 de outubro de 2018 Londrina Nos experimentos mais simples comparamos níveis (tratamentos) de apenas um fator; Nos experimentos mais simples comparamos

Leia mais

Planejamento de Experimentos

Planejamento de Experimentos Planejamento de Experimentos 6. Os Modelos fatoriais 2 k Trataremos agora de um caso especial de experimentos fatoriais no qual todos os fatores têm apenas dois níveis. Tais níveis podem ser quantitativos

Leia mais

Tópicos Extras 1ª parte. Testes Não Paramétricos, Análise Multivariada, Outras Técnicas

Tópicos Extras 1ª parte. Testes Não Paramétricos, Análise Multivariada, Outras Técnicas Tópicos Extras 1ª parte Testes Não Paramétricos, Análise Multivariada, Outras Técnicas 1 2 Técnicas de dependência 3 4 Situações Comparar 3 tipos de rede de computadores, C1, C2 e C3, em termos do tempo

Leia mais

Planejamento de Experimentos. 13. Experimentos com fatores aleatórios

Planejamento de Experimentos. 13. Experimentos com fatores aleatórios Planejamento de Experimentos 13. Experimentos com fatores aleatórios Até aqui assumimos que os fatores nos experimentos eram fixos, isto é, os níveis dos fatores utilizados eram níveis específicos de interesse.

Leia mais

Experimentos Fatoriais

Experimentos Fatoriais Experimentos Fatoriais Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha 14 de março de 2019 Londrina Nos experimentos mais simples comparamos níveis (tratamentos) de apenas um fator; Nos experimentos

Leia mais

Esse material foi extraído de Barbetta (2007 cap 13)

Esse material foi extraído de Barbetta (2007 cap 13) Esse material foi extraído de Barbetta (2007 cap 13) - Predizer valores de uma variável dependente (Y) em função de uma variável independente (X). - Conhecer o quanto variações de X podem afetar Y. Exemplos

Leia mais

Planejamento de Experimentos. 7 Blocagem e Confundimento(Superposição) nos Planos 2 k

Planejamento de Experimentos. 7 Blocagem e Confundimento(Superposição) nos Planos 2 k Planejamento de Experimentos 7 Blocagem e Confundimento(Superposição) nos Planos 2 k 7.1 Introdução Em muitas situações é impossível rodar todas as combinações de tratamento num plano 2 k sob condições

Leia mais

DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM

DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM Morgana Pizzolato, Dr a. Aula 20 Introdução à otimização experimental e experimentos de um fator DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM TÓPICOS DESTA AULA Projetos de Experimentos

Leia mais

ANOVA FACTORIAL EXEMPLO 1. ANOVA TWO-WAY COM O SPSS. a capacidade de reconhecimento do odor materno

ANOVA FACTORIAL EXEMPLO 1. ANOVA TWO-WAY COM O SPSS. a capacidade de reconhecimento do odor materno ANOVA FACTORIAL Quando a variável dependente é influenciada por mais do que uma variável independente (Factor) estamos interessados em estudar o efeito não só de cada um dos factores mas e também a possível

Leia mais

Análise do tempo médio gasto para travessia de uma avenida durante três horários de pico de trânsito do dia.

Análise do tempo médio gasto para travessia de uma avenida durante três horários de pico de trânsito do dia. Metodologia de Planejamento e Análise de Experimentos 1 Análise do tempo médio gasto para travessia de uma avenida durante três horários de pico de trânsito do dia. Carlos Roberto Castelano Júnior Universidade

Leia mais

MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel

MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semana Conteúdo 1 Apresentação da disciplina. Princípios de modelos lineares

Leia mais

Correlação e Regressão

Correlação e Regressão Correlação e Regressão Vamos começar com um exemplo: Temos abaixo uma amostra do tempo de serviço de 10 funcionários de uma companhia de seguros e o número de clientes que cada um possui. Será que existe

Leia mais

i j i i Y X X X i j i i i

i j i i Y X X X i j i i i Mario de Andrade Lira Junior lira.pro.br\wordpress lira.pro.br\wordpress Diferença Regressão - equação ligando duas ou mais variáveis Correlação medida do grau de ligação entre duas variáveis Usos Regressão

Leia mais

rio de Guerra Eletrônica EENEM 2008 Estatística stica e Probabilidade de Variância (ANOVA) 1/24

rio de Guerra Eletrônica EENEM 2008 Estatística stica e Probabilidade de Variância (ANOVA) 1/24 ITA - Laboratório rio de Guerra Eletrônica EENEM 2008 Estatística stica e Probabilidade Aula 07: Análise de Variância (ANOVA) 1/24 Definição A análise de variância (ANOVA) é um método para testar a igualdade

Leia mais

Projeto de Experimentos

Projeto de Experimentos Projeto de Experimentos O uso de Projeto de Experimentos conduz a uma seqüência estruturada de ensaios, que assegura o máximo de informação com um gasto mínimo de tempo/dinheiro. Entrada Processo Saída

Leia mais

Esquema Fatorial. Lucas Santana da Cunha Universidade Estadual de Londrina

Esquema Fatorial. Lucas Santana da Cunha    Universidade Estadual de Londrina Esquema Fatorial Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 22 de junho de 2016 Muitos experimentos envolvem o estudo dos efeitos

Leia mais

UNIVERSIDADE FEDERAL DA FRONTEIRA SUL Campus CERRO LARGO. PROJETO DE EXTENSÃO Software R: de dados utilizando um software livre.

UNIVERSIDADE FEDERAL DA FRONTEIRA SUL Campus CERRO LARGO. PROJETO DE EXTENSÃO Software R: de dados utilizando um software livre. UNIVERSIDADE FEDERAL DA FRONTEIRA SUL Campus CERRO LARGO PROJETO DE EXTENSÃO Software R: Capacitação em análise estatística de dados utilizando um software livre. Fonte: https://www.r-project.org/ Módulo

Leia mais

Delineamento e Análise Experimental Aula 3

Delineamento e Análise Experimental Aula 3 Aula 3 Castro Soares de Oliveira Teste de hipótese Teste de hipótese é uma metodologia estatística que permite tomar decisões sobre uma ou mais populações baseando-se no conhecimento de informações da

Leia mais

Análise da Regressão. Prof. Dr. Alberto Franke (48)

Análise da Regressão. Prof. Dr. Alberto Franke (48) Análise da Regressão Prof. Dr. Alberto Franke (48) 91471041 O que é Análise da Regressão? Análise da regressão é uma metodologia estatística que utiliza a relação entre duas ou mais variáveis quantitativas

Leia mais

Modelo de Regressão Múltipla

Modelo de Regressão Múltipla Modelo de Regressão Múltipla Modelo de Regressão Linear Simples Última aula: Y = α + βx + i i ε i Y é a variável resposta; X é a variável independente; ε representa o erro. 2 Modelo Clássico de Regressão

Leia mais

EXPERIMENTOS EM PARCELAS SUBDIVIDIDAS

EXPERIMENTOS EM PARCELAS SUBDIVIDIDAS EXPERIMENTOS EM PARCELAS SUBDIVIDIDAS Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 06 de julho de 2016 Nos experimentos fatoriais, todas

Leia mais

DELINEAMENTO EM BLOCOS CASUALIZADOS COM REPETIÇÕES. Profª. Sheila Regina Oro

DELINEAMENTO EM BLOCOS CASUALIZADOS COM REPETIÇÕES. Profª. Sheila Regina Oro DELINEAMENTO EM BLOCOS CASUALIZADOS COM REPETIÇÕES Profª. Sheila Regina Oro Delineamento em Blocos Casualizados com Repetições (DBCr) Utilizado quando temos mais de uma repetição de cada tratamento dentro

Leia mais

4. Experimentos em Blocos aleatorizados, quadrados latinos e experimentos relacionados

4. Experimentos em Blocos aleatorizados, quadrados latinos e experimentos relacionados 4. Experimentos em Blocos aleatorizados, quadrados latinos e experimentos relacionados 4.2 Quadrados Latinos (QL) Suponha que um experimentador esteja estudando o efeito de 5 formulações diferentes de

Leia mais

Comparação entre Algoritmos para a Solução do Controle Just-in-Time em Sistemas Max-Plus Lineares

Comparação entre Algoritmos para a Solução do Controle Just-in-Time em Sistemas Max-Plus Lineares 1 Comparação entre Algoritmos para a Solução do Controle Just-in-Time em Sistemas Max-Plus Lineares Guilherme Gomes da Silva Universidade Federal de Minas Gerais - Programa de Pós-Graduação em Engenharia

Leia mais

PROBABILIDADE E ESTATÍSTICA INFERÊNCIA ESTATÍSTICA Parte II

PROBABILIDADE E ESTATÍSTICA INFERÊNCIA ESTATÍSTICA Parte II PROBABILIDADE E ESTATÍSTICA INFERÊNCIA ESTATÍSTICA Parte II Prof.ª Sheila Regina Oro Projeto Recursos Educacionais Digitais Autores: Bruno Baierle e Maurício Furigo TESTE PARA UMA PROPORÇÃO H0: p = p 0

Leia mais

BIOESTATÍSTICA. Parte 5 Testes de Hipóteses

BIOESTATÍSTICA. Parte 5 Testes de Hipóteses BIOESTATÍSTICA Parte 5 Testes de Hipóteses Aulas Teóricas de 05/05/2011 a 19/05/2011 5.1. Conceito de erro, estatística de teste, região de rejeição, nível de significância, valor de prova, potência do

Leia mais

Regressão linear simples

Regressão linear simples Regressão linear simples Universidade Estadual de Santa Cruz Ivan Bezerra Allaman Introdução Foi visto na aula anterior que o coeficiente de correlação de Pearson é utilizado para mensurar o grau de associação

Leia mais

Análise de Regressão

Análise de Regressão Análise de Regressão Tópicos em Avaliação de Desempenho de Sistemas Aline Oliveira Camila Araujo Iure Fé Janailda aso2@cin.ufpe.br cga2@cin.ufpe.br isf2@cin.ufpe.br jbs4@cin.ufpe.br Agenda Parte I: Contextualização

Leia mais

Variável dependente Variável independente Coeficiente de regressão Relação causa-efeito

Variável dependente Variável independente Coeficiente de regressão Relação causa-efeito Unidade IV - Regressão Regressões Lineares Modelo de Regressão Linear Simples Terminologia Variável dependente Variável independente Coeficiente de regressão Relação causa-efeito Regressão correlação Diferença

Leia mais

TÉCNICAS EXPERIMENTAIS APLICADAS EM CIÊNCIA DO SOLO

TÉCNICAS EXPERIMENTAIS APLICADAS EM CIÊNCIA DO SOLO TÉCNICAS EXPERIMENTAIS APLICADAS EM CIÊNCIA DO SOLO Mario de Andrade Lira Junior lira.pro.br\wordpress REGRESSÃO X CORRELAÇÃO Diferença Regressão - equação ligando duas ou mais variáveis Correlação medida

Leia mais

Regressão. PRE-01 Probabilidade e Estatística Prof. Marcelo P. Corrêa IRN/Unifei

Regressão. PRE-01 Probabilidade e Estatística Prof. Marcelo P. Corrêa IRN/Unifei Regressão PRE-01 Probabilidade e Estatística Prof. Marcelo P. Corrêa IRN/Unifei Regressão Introdução Analisar a relação entre duas variáveis (x,y) através da equação (equação de regressão) e do gráfico

Leia mais

Delineamento em Quadrado Latino (DQL)

Delineamento em Quadrado Latino (DQL) Delineamento em Quadrado Latino () Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha 14 de março de 2019 Londrina Na Seção anterior introduziu-se o delineamento em blocos ao acaso como um delineamento

Leia mais

i j i i Y X X X i j 1 i 2 i i

i j i i Y X X X i j 1 i 2 i i Mario de Andrade Lira Junior lira.pro.br\wordpress lira.pro.br\wordpress Diferença Regressão - equação ligando duas ou mais variáveis Correlação medida do grau de ligação entre duas variáveis Usos Regressão

Leia mais

Métodos Quantitativos para Avaliação de Políticas Públicas

Métodos Quantitativos para Avaliação de Políticas Públicas ACH3657 Métodos Quantitativos para Avaliação de Políticas Públicas Aula 11 Análise de Resíduos Alexandre Ribeiro Leichsenring alexandre.leichsenring@usp.br Alexandre Leichsenring ACH3657 Aula 11 1 / 26

Leia mais

UFRJ - CCMN - IM - Departamento de Métodos Estatísticos Planejamento de Experimentos - P2 Turma: MAA

UFRJ - CCMN - IM - Departamento de Métodos Estatísticos Planejamento de Experimentos - P2 Turma: MAA UFRJ - CCMN - IM - Departamento de Métodos Estatísticos Planejamento de Experimentos - P2 Turma: MAA 18-06-2012 1. (Montgomery e Runger) Quatro fatores influenciam o sabor de um refrigerante, a saber,

Leia mais

Bibliografia Recomendada.

Bibliografia Recomendada. Bibliografia Recomendada http://paginapessoal.utfpr.edu.br/ebona Bibliografia Recomendada Montgomery, D. C. Design and Analysis of Experiments. Bibliografia Recomendada Barros Neto, B.; Scarminio, I. S.;

Leia mais

PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) INTRODUÇÃO AOS MÉTODOS ESTATÍSTICOS EM ENGENHARIA

PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) INTRODUÇÃO AOS MÉTODOS ESTATÍSTICOS EM ENGENHARIA PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) INTRODUÇÃO AOS MÉTODOS ESTATÍSTICOS EM ENGENHARIA VARIABILIDADE NA MEDIDA DE DADOS CIENTÍFICOS Se numa pesquisa, desenvolvimento de um processo ou produto, o valor

Leia mais

Testes de Hipóteses para. uma Única Amostra. Objetivos de Aprendizagem. 9.1 Teste de Hipóteses. UFMG-ICEx-EST-027/031 07/06/ :07

Testes de Hipóteses para. uma Única Amostra. Objetivos de Aprendizagem. 9.1 Teste de Hipóteses. UFMG-ICEx-EST-027/031 07/06/ :07 -027/031 07/06/2018 10:07 9 ESQUEMA DO CAPÍTULO 9.1 TESTE DE HIPÓTESES 9.2 TESTES PARA A MÉDIA DE UMA DISTRIBUIÇÃO NORMAL, VARIÂNCIA CONHECIDA 9.3 TESTES PARA A MÉDIA DE UMA DISTRIBUIÇÃO NORMAL, VARIÂNCIA

Leia mais

Correlação e Regressão Linear

Correlação e Regressão Linear Correlação e Regressão Linear Prof. Marcos Vinicius Pó Métodos Quantitativos para Ciências Sociais CORRELAÇÃO LINEAR Coeficiente de correlação linear r Mede o grau de relacionamento linear entre valores

Leia mais

REGRESSÃO E CORRELAÇÃO

REGRESSÃO E CORRELAÇÃO REGRESSÃO E CORRELAÇÃO A interpretação moderna da regressão A análise de regressão diz respeito ao estudo da dependência de uma variável, a variável dependente, em relação a uma ou mais variáveis explanatórias,

Leia mais

USO DE PLANEJAMENTO COMPOSTO CENTRAL NA AVALIAÇÃO DAS VARIÁVEIS TEMPERAURA E CONCENTRAÇÃO DE SOLVENTES NO ESTUDO DA SOLUBILIDADE DA UREIA

USO DE PLANEJAMENTO COMPOSTO CENTRAL NA AVALIAÇÃO DAS VARIÁVEIS TEMPERAURA E CONCENTRAÇÃO DE SOLVENTES NO ESTUDO DA SOLUBILIDADE DA UREIA USO DE PLANEJAMENTO COMPOSTO CENTRAL NA AVALIAÇÃO DAS VARIÁVEIS TEMPERAURA E CONCENTRAÇÃO DE SOLVENTES NO ESTUDO DA SOLUBILIDADE DA UREIA F. M. A. S. COSTA 1, A. P. SILVA 1, M. R. FRANCO JÚNIOR 1 e R.

Leia mais

NOÇÕES SOBRE EXPERIMENTOS FATORIAIS

NOÇÕES SOBRE EXPERIMENTOS FATORIAIS 3 NOÇÕES SOBRE EXPERIMENTOS FATORIAIS Planejamento de Experimentos Design of Experiments - DOE Em primeiro lugar devemos definir o que é um experimento: Um experimento é um procedimento no qual alterações

Leia mais

EXPERIMENTOS EM PARCELAS SUBDIVIDIDAS

EXPERIMENTOS EM PARCELAS SUBDIVIDIDAS EXPERIMENTOS EM PARCELAS SUBDIVIDIDAS Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha Universidade Estadual de Londrina Departamento de Estatística 29 de julho de 2017 Parcelas Subdivididas Tal

Leia mais

Regressão linear múltipla. Regressão linear múltipla

Regressão linear múltipla. Regressão linear múltipla Regressão linear múltipla 35 R 2 = 61% Maria Virginia P Dutra Eloane G Ramos Vania Matos Fonseca Pós Graduação em Saúde da Mulher e da Criança IFF FIOCRUZ Baseado nas aulas de M. Pagano e Gravreau e Geraldo

Leia mais

GE-814: Introdução à Avaliação Operacional

GE-814: Introdução à Avaliação Operacional GE-814: Introdução à Avaliação Operacional Objetivo Que a audiência se familiarize com o conceito de delineamentos fatoriais completos. Principais razões para usar delineamentos fatoriais Delineamentos

Leia mais

Trabalho 5. Gustavo Mello Reis Página 1

Trabalho 5. Gustavo Mello Reis Página 1 Trabalho 5 Gustavo Mello Reis Página ) a) Uma empresa fabricante de pentes deseja melhorar seu controle de qualidade. Para isto, a empresa selecionou 5 lotes de 00 unidades. Para cada lote foram amostrados

Leia mais

SUMÁRIO. 2 Tabelas 10

SUMÁRIO. 2 Tabelas 10 SUMÁRIO 1 Regressão na análise de variância 2 1.1 Polinômio Ortogonal................................ 2 1.1.1 Constraste Polinomial............................ 5 1.1.2 Regressão por polinômio ortogonal.....................

Leia mais

Aula inaugural do curso Análise de Regressão

Aula inaugural do curso Análise de Regressão Aula inaugural do curso Prof a Silvia Nagib Elian Sala 215 - Bloco A Instituto de Matemática e Estatística Universidade de São Paulo Agenda 1. Exemplo 2. Introdução 3. Modelo de regressão linear simples

Leia mais

Estatística para Cursos de Engenharia e Informática

Estatística para Cursos de Engenharia e Informática Estatística para Cursos de Engenharia e Informática BARBETTA, Pedro Alberto REIS, Marcelo Menezes BORNIA, Antonio Cezar MUDANÇAS E CORREÇOES DA ª EDIÇÃO p. 03, após expressão 4.9: P( A B) = P( B A) p.

Leia mais

Especialização em Engenharia de Processos e de Sistemas de Produção

Especialização em Engenharia de Processos e de Sistemas de Produção Especialização em Engenharia de Processos e de Sistemas de Produção Projetos de Experimento e Confiabilidade de Sistemas da Produção Prof. Claudio Luis C. Frankenberg 3ª parte Conforme foi apresentado

Leia mais

CE219 - Controle Estatístico de Qualidade

CE219 - Controle Estatístico de Qualidade CE219 - Controle Estatístico de Qualidade Cesar Augusto Taconeli 06 de junho, 2018 Cesar Augusto Taconeli CE219 - Controle Estatístico de Qualidade 06 de junho, 2018 1 / 15 Aula 8 - Análise da capacidade

Leia mais

Planejamento e Otimização de Experimentos

Planejamento e Otimização de Experimentos Planejamento e Otimização de Experimentos Planejamentos 3 k, Box-Behnken e Plackett-Burman Prof. Dr. Anselmo E de Oliveira anselmo.quimica.ufg.br anselmo.disciplinas@gmail.com Planejamento Fatorial 3 k

Leia mais

5 Análise dos resultados

5 Análise dos resultados 5 Análise dos resultados Os dados foram analisados utilizando o software SPSS (Statistical Package for Social Sciences) base 18.0. Para Cooper e Schindler (2003) a análise de dados envolve a redução de

Leia mais

4 Parte experimental Desenvolvimento do Método

4 Parte experimental Desenvolvimento do Método 35 4 Parte experimental Desenvolvimento do Método O vanádio por suas características e baixos níveis no soro levou os experimentos a condições extremas. Conseqüentemente, foram obtidos resultados com maiores

Leia mais

aula ANÁLISE DO DESEMPENHO DO MODELO EM REGRESSÕES

aula ANÁLISE DO DESEMPENHO DO MODELO EM REGRESSÕES ANÁLISE DO DESEMPENHO DO MODELO EM REGRESSÕES 18 aula META Fazer com que o aluno seja capaz de realizar os procedimentos existentes para a avaliação da qualidade dos ajustes aos modelos. OBJETIVOS Ao final

Leia mais

Bibliografia Recomendada

Bibliografia Recomendada Bibliografia Recomendada Barros Neto, B.; Scarminio, I. S.; Bruns, R. E. Como Fazer Experimentos. Montgomery, D. C. Design and Analysis of Experiments. Box, G. E. P.; Hunter, J. S.; Hunter, W. G. Statistics

Leia mais

Caros Alunos, segue a resolução das questões de Estatística aplicadas na prova para o cargo de Auditor Fiscal da Receita Municipal de Teresina.

Caros Alunos, segue a resolução das questões de Estatística aplicadas na prova para o cargo de Auditor Fiscal da Receita Municipal de Teresina. Caros Alunos, segue a resolução das questões de Estatística aplicadas na prova para o cargo de Auditor Fiscal da Receita Municipal de Teresina. De forma geral, a prova manteve o padrão das questões da

Leia mais

ANÁLISE DE REGRESSÃO

ANÁLISE DE REGRESSÃO ANÁLISE DE REGRESSÃO Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 09 de janeiro de 2017 Introdução A análise de regressão consiste na obtenção de uma equação

Leia mais

Capítulo 9 - Regressão Linear Simples (RLS): Notas breves

Capítulo 9 - Regressão Linear Simples (RLS): Notas breves Capítulo 9 - Regressão Linear Simples RLS: Notas breves Regressão Linear Simples Estrutura formal do modelo de Regressão Linear Simples RLS: Y i = β 0 + β 1 x i + ε i, 1 onde Y i : variável resposta ou

Leia mais

Conceitos Básicos Teste t Teste F. Teste de Hipóteses. Joel M. Corrêa da Rosa

Conceitos Básicos Teste t Teste F. Teste de Hipóteses. Joel M. Corrêa da Rosa 2011 O 1. Formular duas hipóteses sobre um valor que é desconhecido na população. 2. Fixar um nível de significância 3. Escolher a Estatística do Teste 4. Calcular o p-valor 5. Tomar a decisão mediante

Leia mais

CE219 - Controle Estatístico de Qualidade

CE219 - Controle Estatístico de Qualidade CE219 - Controle Estatístico de Qualidade Cesar Augusto Taconeli 30 de maio, 2017 Cesar Augusto Taconeli CE219 - Controle Estatístico de Qualidade 30 de maio, 2017 1 / 14 Aula 8 - Análise da capacidade

Leia mais

Delineamento e Análise Experimental Aula 7. Anderson Castro Soares de Oliveira

Delineamento e Análise Experimental Aula 7. Anderson Castro Soares de Oliveira Aula 7 Castro Soares de Oliveira Experimentos Fatoriais Nos experimentos mais simples comparamos tratamentos de apenas um tipo ou fator. Em algumas situações existem vários fatores envolvidos em um experimento,

Leia mais

Comparação de métodos para tratamento de parcelas perdidas em delineamento em blocos casualizados via simulação Monte Carlo

Comparação de métodos para tratamento de parcelas perdidas em delineamento em blocos casualizados via simulação Monte Carlo Comparação de métodos para tratamento de parcelas perdidas em delineamento em blocos casualizados via simulação Monte Carlo Marcela Costa Rocha 1 Maria de Lourdes Lima Bragion 1 1 Introdução A perda de

Leia mais

Modelos de Regressão Linear Simples - parte III

Modelos de Regressão Linear Simples - parte III 1 Modelos de Regressão Linear Simples - parte III Erica Castilho Rodrigues 20 de Setembro de 2016 2 3 4 A variável X é um bom preditor da resposta Y? Quanto da variação da variável resposta é explicada

Leia mais

DELINEAMENTO EM BLOCOS CASUALIZADOS (DBC)

DELINEAMENTO EM BLOCOS CASUALIZADOS (DBC) DELINEAMENTO EM BLOCOS CASUALIZADOS (DBC) Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha Universidade Estadual de Londrina Departamento de Estatística 08 de julho de 2017 DBC O delineamento em

Leia mais

Capítulo 9 - Regressão Linear Simples (RLS): Notas breves

Capítulo 9 - Regressão Linear Simples (RLS): Notas breves Capítulo 9 - Regressão Linear Simples RLS: Notas breves Regressão Linear Simples Estrutura formal do modelo de Regressão Linear Simples RLS: Y i = β 0 + β 1 x i + ε i, 1 onde Y i : variável resposta ou

Leia mais

Experimentos Fatoriais 2 k

Experimentos Fatoriais 2 k Experimentos Fatoriais 2 k Carla A. Vivacqua Departamento de Estatística UFRN vivacqua@ccet.ufrn.br Encontro de Engenharia de Software Experimental UFRN 1 Agenda Planos Experimentais Abordados Formas de

Leia mais

Redes de Computadores sem Fio

Redes de Computadores sem Fio Redes de Computadores sem Fio Prof. Marcelo Gonçalves Rubinstein Programa de Pós-Graduação em Engenharia Eletrônica Faculdade de Engenharia Universidade do Estado do Rio de Janeiro Programa Introdução

Leia mais

Planejamento de Experimentos Introdução - Teste t

Planejamento de Experimentos Introdução - Teste t 1/22 Planejamento de Experimentos Introdução - Teste t Enrico A. Colosimo/UFMG http://www.est.ufmg.br/ enricoc/ Depto. Estatística - ICEx - UFMG 2/22 Introdução - Planejamento de Experimentos Experimento:

Leia mais

BAC011 - ESTATÍSTICA ANÁLISE DE VARIÂNCIA. Análise de Variância ANOVA. Prof. Dr. Emerson José de Paiva

BAC011 - ESTATÍSTICA ANÁLISE DE VARIÂNCIA. Análise de Variância ANOVA. Prof. Dr. Emerson José de Paiva BAC011 - ESTATÍSTICA Análise de Variância ANÁLISE DE VARIÂNCIA 1 A é utilizada para se verificar a influência de certos fatores sobre uma resposta de interesse. Testa-se como os diversos fatores exercem

Leia mais

Ensaios Fatoriais. Universidade Estadual de Santa Cruz. Ivan Bezerra Allaman

Ensaios Fatoriais. Universidade Estadual de Santa Cruz. Ivan Bezerra Allaman Ensaios Fatoriais Universidade Estadual de Santa Cruz Ivan Bezerra Allaman INTRODUÇÃO As estruturas fatorias são utilizadas quando se tem interesse em avaliar a relação entre dois ou mais fatores no estudo.

Leia mais

AULAS 17 E 18 Análise de regressão múltipla: estimação

AULAS 17 E 18 Análise de regressão múltipla: estimação 1 AULAS 17 E 18 Análise de regressão múltipla: estimação Ernesto F. L. Amaral 22 e 24 de outubro de 2013 Avaliação de Políticas Públicas (DCP 046) Fonte: Cohen, Ernesto, e Rolando Franco. 2000. Avaliação

Leia mais

Teste F-parcial 1 / 16

Teste F-parcial 1 / 16 Teste F-parcial A hipótese nula, H 0, define o modelo restrito. Ingredientes SQR r : soma de quadrado dos resíduos sob H 0. R 2 r: coeficiente de determinação sob H 0. g: número de restrições a serem testadas

Leia mais

ANÁLISE ESTATÍSTICA DA RELAÇÃO ENTRE A ATITUDE E O DESEMPENHO DOS ALUNOS

ANÁLISE ESTATÍSTICA DA RELAÇÃO ENTRE A ATITUDE E O DESEMPENHO DOS ALUNOS ANÁLISE ESTATÍSTICA DA RELAÇÃO ENTRE A ATITUDE E O DESEMPENHO DOS ALUNOS Nível de significância No processo de tomada de decisão sobre uma das hipóteses levantadas num estudo, deve-se antes de tudo definir

Leia mais

Escola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo

Escola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo Escola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo Regressão Polinomial e Análise da Variância Piracicaba Setembro 2014 Estatística Experimental 18 de Setembro de 2014 1 / 20 Vimos

Leia mais

Análise Estatística de Experimentos

Análise Estatística de Experimentos Agosto, 2013 Sumário 1 Termos e conceitos 2 Experimentos Problema Planejamento Protocolo 3 Conceitos Testes 4 Um Fator Dois Fatores Fatorial Completo 5 Pesquisa Científica Termos e conceitos Processo de

Leia mais

DELINEAMENTO EM BLOCOS AO ACASO

DELINEAMENTO EM BLOCOS AO ACASO DELINEAMENTO EM BLOCOS AO ACASO Sempre que não houver condições experimentais homogêneas, devemos utilizar o principio do controle local, instalando Blocos, casualizando os tratamentos, igualmente repetidos.

Leia mais

Aplicação de Planejamento de Experimentos Fatorial para verificação do peso final de três marcas de Macarrão Instantâneo

Aplicação de Planejamento de Experimentos Fatorial para verificação do peso final de três marcas de Macarrão Instantâneo Aplicação de Planejamento de Experimentos Fatorial para verificação do peso final de três marcas de Macarrão Instantâneo Introdução Aline dos Santos Ferreira André Luis Alves Costa Elaine do Carmo de Lima

Leia mais

Técnicas Experimentais Aplicadas à Zootecnia UNIDADE 1. NOÇÕES DE PLANEJAMENTO EXPERIMENTAL

Técnicas Experimentais Aplicadas à Zootecnia UNIDADE 1. NOÇÕES DE PLANEJAMENTO EXPERIMENTAL Técnicas Experimentais Aplicadas à Zootecnia UNIDADE 1. NOÇÕES DE PLANEJAMENTO EXPERIMENTAL Experimentos (testes) são realizados por pesquisadores em todos os campos de investigação, usualmente para descobrir

Leia mais

DELINEAMENTO EM QUADRADO LATINO (DQL)

DELINEAMENTO EM QUADRADO LATINO (DQL) DQL DELINEAMENTO EM QUADRADO LATINO (DQL) Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha Universidade Estadual de Londrina Departamento de Estatística 08 de julho de 2017 DQL Na Seção anterior

Leia mais

ANÁLISE DE RESULTADOS

ANÁLISE DE RESULTADOS ANÁLISE DE RESULTADOS Conteúdo 2 1. Planejamento de Experimentos 2. Introdução Medidas de Desempenho Análise Estatística dos Resultados Comparação de Resultados Procedimento para análise de resultados

Leia mais

INSTRUÇÕES. O tempo disponível para a realização das duas provas e o preenchimento da Folha de Respostas é de 5 (cinco) horas no total.

INSTRUÇÕES. O tempo disponível para a realização das duas provas e o preenchimento da Folha de Respostas é de 5 (cinco) horas no total. INSTRUÇÕES Para a realização desta prova, você recebeu este Caderno de Questões. 1. Caderno de Questões Verifique se este Caderno de Questões contém a prova de Conhecimentos Específicos referente ao cargo

Leia mais

TESTE DE COMPARAÇÃO MÚLTIPLA

TESTE DE COMPARAÇÃO MÚLTIPLA SUMÁRIO 1 TESTE DE COMPARAÇÃO MÚLTIPLA Quando a aplicação da análise de variância conduz à rejeição da hipótese nula, temos evidência de que existem diferenças entre as médias populacionais. Mas, entre

Leia mais