É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.
|
|
- Martín Bacelar Cavalheiro
- 7 Há anos
- Visualizações:
Transcrição
1 Prof. Lorí Val, Dr. É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou expermetal. Numa relação expermetal os valores de uma das varáves são cotrolados. No relacoameto correlacoal, por outro lado, ão se tem ehum cotrole sobre as varáves sedo estudadas. O Estoque de Moeda (M está relacoado com a varação dos preços. Verfque se exste correlação etre o IPC amercao com a oferta moetára, cosderado dados do período de 960 a 003. Ao M 40,7 45, 47,8 53,3 60,3 67,8... 7,9 0,4 87, IPC 9,6 9,9 30, 30,6 3,5 3, , 79,9 84,0
2 O prmero passo para determar se exste relacoameto etre as duas varáves é obter o dagrama de dspersão (scatter dagram. IPC M O dagrama de dspersão forece uma déa do tpo de relacoameto etre as duas varáves. Neste caso, percebe-se que exste um relacoameto lear. Quado o relacoameto etre duas varáves quattatvas for do tpo lear, ele pode ser meddo através do: Observado um relacoameto lear etre as duas varáves é possível determar a tesdade deste relacoameto. O coefcete que mede este relacoameto é deomado de Coefcete de Correlação (lear.
3 Quado se está trabalhado com amostras o coefcete de correlação é dcado pela letra r e é uma estmatva do coefcete de correlação populacoal que é represetado por ρ (rho. Para determar o coefcete de correlação (grau de relacoameto lear etre duas varáves vamos determar calmete a varação cojuta etre elas, sto é, a covarâca. A covarâca etre duas varáves e, é represetada por Cov Cov(; e calculada por: ( Cov(, ( ( Mas [ ( + ] Etão: ( Cov(, ( 3
4 A covarâca podera ser utlzada para medr o grau e o sal do relacoameto etre as duas varáves, mas ela é dfícl de terpretar por varar de - a +. Assm é mas coveete utlzar o coefcete de correlação lear de Pearso (mometo produto. O coefcete de correlação lear (de Pearso é defdo por: r Cov (, Ode: Cov(, Esta expressão ão é muto prátca para calcular o coefcete de correlação. Pode-se obter uma expressão mas coveete para o cálculo maual e o cálculo de outras meddas ecessáras mas tarde. r Tem-se: Cov (, ( ( Tem F a z Fazedo: e d o se : r. 4
5 A vatagem do coefcete de correlação (de Pearso é ser admesoal e varar de a +, que o tora de fácl terpretação. Assm se r -, temos uma relacoameto lear egatvo perfeto, sto é, os potos estão todos alhados e quado aumeta decresce e vce-versa r e r +, temos uma relacoameto lear postvo perfeto, sto é, os potos estão todos alhados e quado aumeta também aumeta r + Assm se r 0, temos uma ausêca de relacoameto lear, sto é, os potos ão mostram alhameto
6 50 r Assm se < r < 0, temos uma relacoameto lear egatvo, sto é, os potos estão mas ou meos alhados e quado aumeta decresce e vce-versa. 50 < r < Assm se 0 < r <, temos uma relacoameto lear postvo, sto é, os potos estão mas ou meos alhados e quado aumeta também aumeta < r < Uma correlação amostral ão sgfca ecessaramete uma correlação populacoal e vce-versa. É ecessáro testar o coefcete de correlação para verfcar se a correlação amostral é também populacoal. 6
7 Observada uma amostra de ses pares, pode-se perceber que a correlação é quase um, sto é, r. No etato, observe o que ocorre quado mas potos são acrescetados, sto é, quado se observa a população! r ρ Determar o grau de relacoameto lear etre as varáves Ídce de Preços ao Cosumdor versus Estoque de Moeda, para os valores da Ecooma Amercaa de 960 a 003. Ao Total 40,7 45, 47,8 53,3 60,3 67,8... 7,9 0,4 87, 5894,5 9,6 9,9 30, 30,6 3,5 3, , 79,9 84,0 40, , , 50387,97 Vamos calcular r utlzado a expressão em destaque vsta aterormete, sto é, através das quatdades, x, e. 7
8 Tem-se: ,50 588,54 93, , Etão: 40, , , , , ,8698 r. 8857, , ,8698 0,9863 Apesar de r ser um valor admesoal, ele ão é uma taxa. Assm o resultado ão deve ser expresso em percetagem. O valor de r é obtdo com base em uma amostra. Ele é portato, uma estmatva do verdadero valor da correlação populacoal (ρ. 8
9 A teora dos testes de hpóteses pode ser utlzada para verfcar se com base a estmatva r é possível coclur se exste ou ão correlação populacoal, sto é, desejamos testar : H 0 : ρ 0 H : ρ > 0 (teste ulateral/ucaudal à dreta ρ < 0 (teste ulateral/ucaudal à esquerda ρ 0 (teste blateral/bcaudal. O teste para a exstêca de correlação lear etre duas varáves é realzado por: r µ r r 0 t ˆσ r r r r t - > t c (teste ulateral/ucaudal à dreta t - < t c (teste ulateral/ucaudal à esquerda t - > t c (teste blateral/bcaudal. Ode t c é tal que: P(t t < t c α (teste ulateral/ucaudal à dreta P(t t < t c α (teste ulateral/ucaudal à esquerda P(t t < t c α/ ou P(t t > t c α/ (teste blateral/bcaudal. 9
10 upoha que uma amostra de, aluos foreceu um coefcete de correlação amostral de r 0,66, etre ota em cálculo e ota em Ecoometra. Verfque se é possível afrmar que uma ota boa em Cálculo está relacoada com uma ota boa em Ecoometra a % de sgfcâca. Hpóteses: H 0 : ρ 0 H : ρ > 0 Dados: r 0,66 α % Trata-se de um teste ulateral à dreta para o coefcete de correlação. Etão: A varável vel teste é: t r r,778 t r r 0, ,778 Regão o de Não N o Rejeçã ção α % RC [, 764; + A sgfcâca do resultado obtdo (,778, sto é, o valor-p é dada por P(T 0 >,778. Utlzado o Excel, tem-se: Como a sgfcâca ca do resultado (0,98% 0,98% é meor que a sgfcâca ca do teste (% % é possível rejetar a hpótese ula. 0
11 O procedmeto realzado para testar o coefcete de correlação só é váldo para testar a hpótese ula de que ão exste correlação, sto é, ρ 0. Outros tpos de testes só podem ser realzados através da trasformada zeta de Fsher. A trasformada ζ é dada por: + r ζ l r O que equvale a cosderar r como a tagete hperbólca de ζ A vatagem desta trasformação é que os valores de ζ estão dstrbuídos aproxmadamete de acordo com uma ormal de méda: + ρ µ ζ l ρ E desvo: σ ζ 3 Esta trasformação permte, realzar, testes de hpóteses e costrur tervalos de cofaça para o coefcete de correlação, através de ζ e da dstrbução ormal. H 0 : ρ ρ 0 H : ρ > ρ 0 (teste ulateral/ucaudal à dreta ρ < ρ 0 (teste ulateral/ucaudal à esquerda ρ ρ 0 (teste blateral/bcaudal.
12 O teste para a exstêca de correlação lear populacoal etre duas varáves e é realzado por: z ζ µ σ ζ ζ + ρ ζ l ρ 3 z> z c (teste ulateral/ucaudal à dreta z< z c (teste ulateral/ucaudal à esquerda z >z c (teste blateral/bcaudal. Ode z c étal que: Φ(z c α (teste ulateral/ucaudal à dreta Φ(z c α (teste ulateral/ucaudal à esquerda Φ(z c α/ ou Φ(z c α/ (teste blateral/bcaudal. upoha que uma amostra de 35, aluos foreceu um coefcete de correlação amostral de r 0,75, etre úmero de horas de estudo e ota em Ecoometra. Verfque se é possível afrmar que o o úmero de horas de estudo apreseta uma correlação de pelo meos 0,5 a população com a Ecoometra, a % de sgfcâca. Hpóteses: H 0 : ρ 0,5 H : ρ > 0,5 Dados: 35 r 0,75 α % Trata-se de um teste ulateral à dreta para o coefcete de correlação.
13 A varável vel teste é: ζ µ z σζ Etão: ζ l ζ ζ + 0, 75 0, 75 + ρ l ρ 3 0,9730 µ ζ A méda m vale: + ρ l ρ l E o desvo padrão o vale: σ ζ ,5 0,5 3 0,5493 0,768 Padrozado, tem-se: + ρ ζ l ζ µ ζ z ρ σζ 3 0,9730 0,5493 0,768,40 O valor crítco z c P(Z > z c α %. Ou Φ(z c 99%. Etão z c,33. Assm RC [,33; é tal que: Regão o de Não N o Rejeçã ção,40 α % RC [,33; + A sgfcâca do resultado obtdo (,40, sto é, o valor-p. Para sto, devese calcular P(Z >,40, sto é, Φ(-,40 0,8%. Como p 0,8% < α %. Rejeto H 0. 3
14 Em mutas stuações duas ou mas varáves estão relacoadas e surge etão a ecessdade de determar a atureza deste relacoameto. A aálse de regressão é uma técca estatístca para modelar e vestgar o relacoameto etre duas ou mas varáves. De fato a regressão pode ser dvdda em dos problemas: ( o da especfcação e ( o da determação. O problema da especfcação é descobrr detre os possíves modelos (lear, quadrátco, expoecal, etc. qual o mas adequado. O problema da determação é uma vez defdo o modelo (lear, quadrátco, expoecal, etc. estmar os parâmetros da equação. 4
15 Normalmete é suposto que exsta uma varável (depedete ou resposta, que está relacoada a k varáves (depedetes ou regressoras (,,..., k. A varável resposta é aleatóra, equato que as varáves regressoras são ormalmete cotroladas. O relacoameto etre elas é caracterzado por uma equação deomada de equação de regressão Quado exstr apeas uma varável regressora ( tem-se a regressão smples, se depeder de duas ou mas varáves regressoras, etão tem-se a regressão múltpla. Vamos supor que a regressão é do tpo smples e que o o modelo seja lear, sto é, vamos supor que a equação de regressão seja do tpo: α + β + U y α + β + U; x x x x O termo U é o termo erro, sto é, U represeta outras fluêcas sobre a varável, além da exercda pela varável. A varação resdual (termo U é suposto de méda zero e desvo costate e gual a σ. 5
16 Ou ada pode-se admtr que o modelo forece o valor médo de, para um dado x, sto é, E(/x α + β α + β + U; E(/x α + β, sto é, E(U 0 V(/x σ ; Cov(U, Uj 0, para j; A varável permaece fxa em observações sucessvas e os erros U são ormalmete dstrbuídos. O modelo suposto E(/x α + β é populacoal. Vamos supor que se teha pares de observações, dgamos: (x, y, (x, y,..., (x, y e que através deles queremos estmar o modelo acma. A reta estmada será represetada por: Ŷ a + b ou a + b + E Ode a é um estmador de α e b é um estmador de β, sedo Ŷ um estmador de E(/x. Exstem dversos métodos para a determação da reta desejada. Um deles, deomado de MMQ (Métodos dos Mímos Quadrados, cosste em mmzar a soma dos quadrados das dstâcas da reta aos potos. Tem-se: a + bx + E, Etão: E - (a + bx 6
17 7 7 Deve-se mmzar: φ b a ( Ŷ ( E E b a + + E y ŷ x Dervado parcalmete tem-se: b a ( x b b a ( a φ φ Igualado as dervadas parcas a zero vem: 0 b a ( x 0 b a ( Isolado as cógtas, tem-se: + + b b a Resolvedo para a e b, segue: b a y b
18 Lembrado que: Fazedo: Cosderado os valores das varáves Oferta Moetára e Ídce de Preços ao Cosumdor, cosderadas aterormete, determar uma equação de regressão lear para prever o IPC dado um determado ível de Oferta Moetára. Ao IPC 9,6 9,9 30, 30,6 3,5 3, , 79,9 84,0 M 40,7 45, 47,8 53,3 60,3 67,8... 7,9 0,4 87, Da mesma forma que para calcular o coefcete de correlação é ecessáro a costrução de três ovas coluas. Uma para, uma para e outra para. Ao Total 40,7 45, 47,8 53,3 60,3 67,8... 7,9 0,4 87, 5894,5 9,6 9,9 30, 30,6 3,5 3, , 79,9 84,0 40, , , 50387,97 8
19 Tem-se: ,50 588,54 93, , Etão: 40, , , , , ,8698 b a A equação de regressão, será, etão: b 93,477 0,33.588,54 4, , ,7043 4,89 ˆ 4,89 + 0,3 x 0,33 0,3 A perguta que cabe agora é: este modelo represeta bem os potos dados? A resposta é dada através do erro padrão da regressão. O objetvo do MMQ é mmzar a varação resdual em toro da reta de regressão. Uma avalação desta varação é dada por: E ( a b 9
20 O cálculo da varâca resdual, por esta expressão, é muto trabalhoso, pos é ecessáro prmero determar os valores prevstos. Etretato é possível obter uma expressão que ão requera o cálculo dos valores prevstos, sto é, de Ŷ a + b Desevolvedo o umerador da expressão, vem: ( a b [ + b b ] ( b [ ( b b ] + b [ b( ] b ( ( + b ( Uma vez que: ( ( ( ( Mas: Deste modo, tem-se: ( a b b + b Etão: b ( ab b + b b b + b b Assm: E s - erá, falmete: ( -a -b - s -b - -b - 0
21 Cosderado os valores do exemplo ateror, determar o erro padrão da regressão. Tem-se se: b 060, , , ,7043 0,33 Etão: s -b - 060,8698 8,878 8,83-0, ,46 A perguta, agora, é: este erro é razoável?, quer dzer, ele ão é muto grade? A resposta evolve o cálculo do erro relatvo, sto é, devemos comparar este resultado com a varável de teresse. A varável evolvda aqu é a, sto é, a base moetára, etão, o erro relatvo, será: g s s 8,878 93,477 9,47% Os valores de a e b são estmadores de α e β. As propredades estatístcas destes estmadores são útes para testar a adequação do modelo. Eles são varáves aleatóras uma vez que são combações leares dos que são, por sua vez, varáves aleatóras.
22 As prcpas propredades de teresse são a méda (expectâca, a varabldade (erro padrão e a dstrbução de probabldade de cada um dos estmadores. Comportameto de a ( Expectâca ( Varâca V( a V ( b α E( a E... ( b... σ + Portato a dstrbução da estatístca a, será: a ~ N ( α, σ + Como o valor σ ão é cohecdo e precsa ser estmado por s, etão, de fato, utlza-se a dstrbução t -. Comportameto de b ( Expectâca E ( b E... β ( Varâca σ V ( b V... Portato a dstrbução da estatístca b, será: b ~ N ( β, σ Como o valor σ ão é cohecdo e precsa ser estmado por s, etão, de fato, utlza-se a dstrbução t -. Covarâca etre a e b Por defção: Cov(a, b E(ab - E(a.E(b E(ab - αβ. Mas E ( ab E [( b.b ] E ( b E ( E ( b E ( b β( β β ( σ b αβ σ β b σ b b
23 Etão: Assm: Cov( a,b E( ab αβ αβ Cov( a,b σ σ b αβ V ( b σ b V Da mesma forma que foram obtdos IC para a méda, a proporção e a varâca de uma população, pode-se determar tervalos para os parâmetros α e β da regressão. " α" O IC de α de cofaça para o coefcete lear α é dado por: P( a t α + α a + t + " β" O IC de α de cofaça para o coefcete da regressão β é dado por: P( b t β b + t α 3
24 Determar tervalos de cofaça de 95% para os parâmetros da equação de regressão, utlzado os dados do exercíco ateror. Ŷ 4,89 + 0,3x 060, , , ,54 93,477 a 4,8857 b 0,33 s 8, α 95% O IC de - α para o Coef. Lear α é dado por: a ± t + Etão: 4,8857 ± 4,8857 ± 4,96 [9,97; 9,80],08.8, , , O IC de - α para o Coef. Agular β é dado por: Etão: 0,33 ±,08. 0,33 ± 0,0069 [0,6; 0,40] [0,3; 0,4] b ± t 8, , 7043 Da mesma forma que foram obtdos IC para os parâmetros da regressão, pode-se obter IC para os valores estmados de para um dado x. Vamos cosderar dos casos: (a Cosderado somete a certeza da lha de regressão; (b Cosderado a certeza da lha mas a varação da varável. 4
25 Para costrur o IC de α para o valor médo de, dado x, é ecessáro Etão IC de α de cofaça para o um valor médo de, dado x, é: cohecer sua dstrbução. Tem-se: Ŷ ~ N( α+βx ; σ ( + Ŷ ± t ( + Uma estmatva do valor dvdual de é dado por a + bx e a dstrbução Etão IC de α de cofaça para o um valor dvdual de, dado x, será: desta estmatva será dada por: Ŷ ~ N( 0; ( σ + + Ŷ ± t ( + + Determar tervalos de cofaça de 95% para os valores médo e dvdual de, a hpótese de x 00. 5
26 93, ,30 x 00 a,7394 b 0,4830 s 0, α 95% O IC de - α para o valor médo de, dado x é: ( Ŷ ± t + Etão: ŷ, , , , ,8606 ± ± [9,36; 95,36],306.0,9503, ( O IC de - α para o valor dvdual de, dado x é: Etão: Ŷ ± t ( ,8606 ±,306.0, ,8606 ±,6539 [9,; 96,5] + 0 ( Da mesma forma que foram testados todos os parâmetros até etão pode-se testar os parâmetros α e β da regressão. A varável teste para testar o coefcete lear é dado por: t a α + " α" 6
27 " β" A varável teste para testar o coefcete da regressão β é dada por: t b β (a Testar, a % de sgfcâca, se é possível afrmar que a lha de regressão, do exemplo dado, ão passa pela orgem. (b Testar se é possível, a % de sgfcâca, afrmar que exste regressão postva etre as duas varáves. a, 7394 b 0,4830 s 0, α % 93, Hpóteses: H 0 : α 0 H : α 0 Dados: 0 a -,739 α % Trata-se de um teste blateral para o coefcete lear da regressão. Etão: t A varável vel teste é: t, , a α,77 7
28 O valor crítco t c é tal que: P( T > t c α Etão t c -3,355. Assm RC [-3,355; DECIÃO O e CONCLUÃO: O: Como t 8 -,77 RC ou -,77 > -3,355. Aceto H 0, sto é,, a % de sgfcâca, ca, ão se pode afrmar que a lha de regressão o ão o passe pela orgem. Hpóteses: H 0 : β 0 H : β > 0 Dados: 0 b 0,4830 α % Trata-se de um teste ulateral para o coefcete agular da regressão. Etão: A varável vel teste é: t b β 0, t 8 46,65 0,9503 / 850 O valor crítco t c é tal que: P(T > t c α Etão t c,896. Assm RC [,896; DECIÃO O e CONCLUÃO: O: Como t 8 46,65 RC ou 46,65 >,896. Rejeto H 0, sto é,, a % de sgfcâca, ca, pode-se afrmar que exste regressão o etre as duas varáves. ves. Ŷ Ŷ Ŷ Ŷ + Ŷ ( ( Ŷ + ( Ŷ VT VR + VE x 8
29 VR (a Varação Total: VT VT ( (b Varação Resdual: VR ( Ŷ b VT VE (c Varação Explcada: VE VE ( ˆ b Uma maera de medr o grau de aderêca (adequação de um modelo é verfcar o quato da varação total de é explcada pela reta de regressão. Para sto, toma-se o quocete etre a varação explcada, VE, pela varação total,vt: R VE / VT Este resultado é deomado de Coefcete de Determação. R VE b b VT Este resultado mede o quato as varações de uma das varáves são explcadas pelas varações da outra varável. Ou ada, ele mede a parcela da varação total que é explcada pela reta de regressão, sto é: VE b R A varação resdual correspode a: VR ( R Assm R é o Coefcete de Idetermação. 9
É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental.
É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou Prof. Lorí Val, Dr. val@mat.ufrgs.r http://www.mat.ufrgs.r/~val/ expermetal. Numa relação expermetal os valores de uma das varáves
Leia maisEm muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.
Prof. Lorí Val, Dr. val@pucrs.r http://www.pucrs.r/famat/val/ Em mutas stuações duas ou mas varáves estão relacoadas e surge etão a ecessdade de determar a atureza deste relacoameto. A aálse de regressão
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.
É o grau de assocação etre duas ou mas varáves. Pode ser: Prof. Lorí Val, Dr. val@pucrs.br http://www.pucrs.br/famat/val www.pucrs.br/famat/val/ correlacoal ou expermetal. Numa relação expermetal os valores
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional. ou experimental.
É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal Prof. Lorí Val, Dr. val@pucrs.br http://www.pucrs.br/famat/val/ ou expermetal. Numa relação expermetal os valores de uma das varáves
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ Em mutas stuações duas ou mas varáves estão relaconadas e surge então a necessdade de determnar a natureza deste relaconamento. A análse
Leia maisCap. 5. Testes de Hipóteses
Cap. 5. Testes de Hpóteses Neste capítulo será estudado o segudo problema da ferêca estatístca: o teste de hpóteses. Um teste de hpóteses cosste em verfcar, a partr das observações de uma amostra, se uma
Leia maisREGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA
REGRESSÃO LINEAR CUIABÁ, MT 6/ INTRODUÇÃO Relação dos valores da varável depedete (varável resposta) aos valores de regressoras ou exógeas). SIMPLES MÚLTIPLA (varáves depedetes,... =,,, K=,,, k em que:
Leia maisModelo de Regressão Simples
Modelo de Regressão Smples Hstora Hstóra Termo regressão fo troduzdo por Fracs Galto (8-9). Estudo sobre altura de pas e flhos. Karl Pearso coletou mas de ml regstros e verfcou a le de regressão uversal
Leia maisEstatística - exestatmeddisper.doc 25/02/09
Estatístca - exestatmeddsper.doc 5/0/09 Meddas de Dspersão Itrodução ão meddas estatístcas utlzadas para avalar o grau de varabldade, ou dspersão, dos valores em toro da méda. ervem para medr a represetatvdade
Leia maisRegressao Simples. Parte II: Anova, Estimação Intervalar e Predição
egressao Smples Parte II: Aova, Estmação Itervalar e Predção Aálse de Varâca Nem todos os valores das amostras estão cotdos a reta de regressão, e quato mas afastados estverem por, a reta represetará a
Leia maisTópicos Extras 2ª parte. Análise de Correlação e Regressão
Tópcos Extras ª parte Aálse de Correlação e Regressão 1 Defções báscas ANÁLISE DE CORRELAÇÃO Mesurar a força da assocação etre as varáves (geralmete através do cálculo de algum coefcete). ANÁLISE DE REGRESSÃO
Leia maisEconometria: 3 - Regressão Múltipla
Ecoometra: 3 - Regressão Múltpla Prof. Marcelo C. Mederos mcm@eco.puc-ro.br Prof. Marco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo de regressão
Leia maisRegressão e Correlação
Regressão e Correlação Júlo Osóro Regressão & Correlação: geeraldades Em mutas stuações de pesqusa cetífca, dspomos de uma amostra aleatóra de pares de dados (x, ), resultates da medda cocomtate de duas
Leia maisRegressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança
Regressão Smples Parte III: Coefcete de determação, regressão a orgem e método de máxma verossmlhaça Coefcete de determação Proporção da varabldade explcada pelo regressor. R Varação explcada Varação total
Leia maisA análise de variância de uma classificação (One-Way ANOVA) verifica se as médias de k amostras independentes (tratamentos) diferem entre si.
Prof. Lorí Va, Dr. http://www. ufrgs.br/~va/ va@mat.ufrgs.br aáse de varâca de uma cassfcação (Oe-Way NOV) verfca se as médas de amostras depedetes (tratametos) dferem etre s. Um segudo tpo de aáse de
Leia maisProbabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ
Duração: 90 mutos Grupo I Probabldades e Estatístca LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBol, MEBom, MEEC, MEFT, MEMec, MEQ Justfque coveetemete todas as respostas 1 o semestre 018/019 10/01/019 09:00 o
Leia maisProbabilidades e Estatística LEGM, LEIC-A, LEIC-T, MA, MEMec
Duração: 90 mutos Grupo I Probabldades e Estatístca LEGM, LEIC-A, LEIC-T, MA, MEMec Justfque coveetemete todas as respostas 2 o semestre 2017/2018 14/06/2018 11:00 2 o Teste B 10 valores 1. Os dvíduos
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional. ou experimental.
Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~vall/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal http://www.mat.ufrgs.br/~vall/ ou expermental. Numa relação
Leia maisMacroeconometria Aula 3 Revisão de estatística e teste de hipótese
Macroecoometra 008. Aula 3 Revsão de estatístca e teste de hpótese 3.5. Estmação No estudo das probabldades, o objetvo é calcular a probabldade de evetos préespecfcados. De agora em date o objetvo muda.
Leia maisProbabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC
Duração: 90 mutos Grupo I Probabldades e Estatístca LEAN, LEGI, LEGM, LMAC, MEAer, MEAmb, MEC Justfque coveetemete todas as respostas 1 o semestre 2018/2019 10/01/2019 11:00 2 o teste B 10 valores 1. Cosdere-se
Leia maisMAE0229 Introdução à Probabilidade e Estatística II
Exercíco Cosdere a dstrbução expoecal com fução de desdade de probabldade dada por f (y; λ) = λe λy, em que y, λ > 0 e E(Y) = /λ Supor que o parâmetro λ pode ser expresso proporcoalmete aos valores de
Leia maisConstrução e Análise de Gráficos
Costrução e Aálse de Gráfcos Por que fazer gráfcos? Facldade de vsualzação de cojutos de dados Faclta a terpretação de dados Exemplos: Egehara Físca Ecooma Bologa Estatístca Y(udade y) 5 15 1 5 Tabela
Leia maisProfessor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø.
Professor Maurco Lutz 1 EGESSÃO LINEA SIMPLES A correlação lear é uma correlação etre duas varáves, cujo gráfco aproma-se de uma lha. O gráfco cartesao que represeta essa lha é deomado dagrama de dspersão.
Leia maisEm muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.
Prof. Lorí Vl, Dr. vll@mt.ufrgs.r http://www.mt.ufrgs.r/~vll/ Em muts stuções dus ou ms vráves estão relcods e surge etão ecessdde de determr turez deste relcometo. A álse de regressão é um técc esttístc
Leia maisMEDIDAS DE DISPERSÃO:
MEDID DE DIPERÃO: fução dessas meddas é avalar o quato estão dspersos os valores observados uma dstrbução de freqüêca ou de probabldades, ou seja, o grau de afastameto ou de cocetração etre os valores.
Leia maisANÁLISE DE REGRESSÃO E CORRELAÇÃO
ANÁLISE DE REGRESSÃO E CORRELAÇÃO Quado se cosderam oservações de ou mas varáves surge um poto ovo: O estudo das relações porvetura estetes etre as varáves A aálse de regressão e correlação compreedem
Leia mais7 Análise de covariância (ANCOVA)
Plejameto de Expermetos II - Adlso dos Ajos 74 7 Aálse de covarâca (ANCOVA) 7.1 Itrodução Em algus expermetos, pode ser muto dfícl e até mpossível obter udades expermetas semelhtes. Por exemplo, pode-se
Leia maisx n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População
ESTATÍSTICA STICA DESCRITIVA Prof. Lorí Val, Dr. val@mat.ufrgs.br http://.ufrgs.br/~val/ Orgazação; Resumo; Apresetação. Cojuto de dados: Amostra ou População Um cojuto de dados é resumdo de acordo com
Leia maisCapítulo 5: Ajuste de curvas pelo método dos mínimos quadrados
Capítulo : Ajuste de curvas pelo método dos mímos quadrados. agrama de dspersão No capítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas por uma taela de valores. Frequetemete o etato
Leia maisCAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados
3.1. Meddas de Tedêca Cetral CAPÍTULO 3 MEDIDA DE TENDÊNCIA CENTRAL E VARIABILIDADE UFRG 1 Há váras meddas de tedêca cetral. Etre elas ctamos a méda artmétca, a medaa, a méda harmôca, etc. Cada uma dessas
Leia mais6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS
7 6 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS A medção dreta é aquela cuja dcação resulta aturalmete da aplcação do sstema de medção sobre o mesurado Há apeas uma gradeza de etrada evolvda
Leia maisRelatório 2ª Atividade Formativa UC ECS
Relatóro 2ª Atvdade Formatva Eercíco I. Quado a dstrbução de dados é smétrca ou apromadamete smétrca, as meddas de localzação méda e medaa, cocdem ou são muto semelhates. O mesmo ão acotece quado a dstrbução
Leia maisESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano
ESTATÍSTICA Aula 7 Prof. Dr. Marco Atoo Leoel Caetao Dstrbuções de Probabldade DISCRETAS CONTÍNUAS (Números teros) Bomal Posso Geométrca Hper-Geométrca Pascal (Números reas) Normal t-studet F-Sedecor Gama
Leia maisANÁLISE DE REGRESSÃO E CORRELAÇÃO
ANÁLISE DE REGRESSÃO E CORRELAÇÃO Quado se cosderam oservações de ou mas varáves surge um poto ovo: O estudo das relações porvetura estetes etre as varáves. A aálse de regressão e correlação compreedem
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRGS Insttuto de Matemátca
Leia maisProf. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística
Prof. Lorí Val, Dr. http://www.pucrs.br/famat/val/ val@pucrs.br Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Obetvos A Aálse de
Leia maisDistribuições de Probabilidades
Estatístca - aulasestdstrnormal.doc 0/05/06 Dstrbuções de Probabldades Estudamos aterormete as dstrbuções de freqüêcas de amostras. Estudaremos, agora, as dstrbuções de probabldades de populações. A dstrbução
Leia mais? Isso é, d i= ( x i. . Percebeu que
Estatístca - Desvo Padrão e Varâca Preparado pelo Prof. Atoo Sales,00 Supoha que tehamos acompahado as otas de quatro aluos, com méda 6,0. Aluo A: 4,0; 6,0; 8,0; méda 6,0 Aluo B:,0; 8,0; 8,0; méda 6,0
Leia maisREGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi
REGESD Prolc Matemátca e Realdade- Profª Suz Samá Pto e Profº Alessadro da Slva Saad Meddas de Posção ou Tedêca Cetral As meddas de posção ou meddas de tedêca cetral dcam um valor que melhor represeta
Leia maisNOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling
4 INFERÊNCIA SOBRE O VETOR DE MÉDIAS 4. TESTE PARA UM VETOR DE MÉDIAS µ Lembrado o caso uvarado: H : µ = µ H : µ µ Nível de sgfcâca: α Estatístca do teste: X µ t = s/ ~ t Decsão: se t > t - (α/) rejeta-se
Leia maisRegressão Linear e Multilinear
Regressão Lear e Multlear Deleameto Expermetal Mestrado em Sstemas de Produção em Agrcultura Medterrâca Modelo de Regressão Lear Smples X Varável Idepedete Y Varável Depedete y =β +β x +ε β ordeada a orgem
Leia maisESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO
Área Cetífca Matemátca Udade Curso Egehara do Ambete Ao º Semestre º Folha Nº 8: Aálse de Regressão e de Correlação Probabldades e Estatístca Ao 00/0. Pretede-se testar um strumeto que mede a cocetração
Leia maisParte 3 - Regressão linear simples
Parte 3 - Regressão lear smples Defção do modelo Modelo de regressão empregado para eplcar a relação lear etre duas varáves (ajuste de uma reta). O modelo de regressão lear smples pode ser epresso a forma:
Leia maisNas Instituições de Ensino Superior(IES), há uma relação direta entre a qualidade do ensino e a taxa de inadimplência. A taxa de inadimplência das
CORRELAÇÃO Nas Isttuções de Eso Superor(IES), há uma relação dreta etre a qualdade do eso e a taxa de admplêca. A taxa de admplêca das IES que obtveram cocetos A e B o Provão é,%, as que obtveram C é 6%
Leia maisEstatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual
Estatístca: Aplcação ao Sesorameto Remoto SER 04 - ANO 08 Estmação Potual Camlo Daleles Reó camlo@dp.pe.br http://www.dp.pe.br/~camlo/estatstca/ Iferêca Estatístca Cosdere o expermeto: retram-se 3 bolas
Leia maisEstudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples.
Estudo das relações etre peso e altura de estudates de estatístca através da aálse de regressão smples. Waessa Luaa de Brto COSTA 1, Adraa de Souza COSTA 1. Tago Almeda de OLIVEIRA 1 1 Departameto de Estatístca,
Leia maisIntrodução à Correlação e Regressão Linear
Itrodução à Correlação e Regressão Lear Ru Carvalho Olvera rolv@st.utl.pt Estatístca Descrtva amostras bvaradas Amostras bvaradas: cada etdade (dvíduo/objecto é caracterzado por um par de varáves (atrbutos
Leia maisCAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS
CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS No caítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas or taelas de valores. Frequetemete, estas taelas são otdas com ase em
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS Uma uversdade oferece um curso para capactação profssoal de joves caretes. Ao fal do curso, cada jovem partcpate será avalado por meo de uma prova teórca e de uma prova prátca,
Leia maisRevisão de Estatística X = X n
Revsão de Estatístca MÉDIA É medda de tedêca cetral mas comumete usada ara descrever resumdamete uma dstrbução de freqüêca. MÉDIA ARIMÉTICA SIMPLES São utlzados os valores do cojuto com esos guas. + +...
Leia mais( k) Tema 02 Risco e Retorno 1. Conceitos Básicos
FEA -USP Graduação Cêcas Cotábes EAC05 04_0 Profa. Joaíla Ca. Rsco e Retoro. Cocetos Báscos Rotero BE-cap.6 Tema 0 Rsco e Retoro. Cocetos Báscos I. O que é Retoro? II. Qual é o Rsco de um Atvo Idvdual
Leia maisTabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f
Lsta de exercícos Gabarto e chave de respostas Estatístca Prof.: Nelse 1) Calcule 1, e para o segute cojuto de valores. A,1,8,0,11,,7,8,6,,9, 1 O úmero que correspode a 5% do rol é o valor. O úmero que
Leia maisMEDIDAS DE TENDÊNCIA CENTRAL I
Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, edca Veterára, uscoterapa, Odotologa, Pscologa EDIDAS DE TENDÊNCIA CENTRAL I 7 7. EDIDAS DE
Leia maisProbabilidades e Estatística
Departameto de Matemátca robabldades e Estatístca LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmb, MEBol, MEEC, MEMec 2 o semestre 20/202 2 o Teste B 08/06/202 :00 Duração: hora e 30 mutos Justfque coveetemete
Leia maisCAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS
CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS No caítulo IV, Iterolação Polomal, estudamos uma forma de ldar com fuções matemátcas defdas or taelas de valores. Frequetemete, estas taelas são
Leia maisModelos de regressão linear: abordagem clássica
Modelos de regressão lear: abordagem clássca Prof. Marcelo Rubes mrubes@me.uerj.br Depto. Estatístca Aálse de Regressão Objetvo: Determar uma fução matemátca que descreva a relação etre uma varável cotíua
Leia maisRegressão. Pedro Paulo Balestrassi
Regressão Pedro Paulo Balestrass www.pedro.ufe.edu.br ppbalestrass@gmal.com 5-696 / 88776958 (cel) Questoametos comus: Como mplemetar a equação Y=f(X) a partr de dados hstórcos ou epermetas? Como fazer
Leia maisESTATÍSTICA Exame Final 1ª Época 3 de Junho de 2002 às 14 horas Duração : 3 horas
Faculdade de cooma Uversdade Nova de Lsboa STTÍSTIC xame Fal ª Época de Juho de 00 às horas Duração : horas teção:. Respoda a cada grupo em folhas separadas. Idetfque todas as folhas.. Todas as respostas
Leia maisMEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12
MEDIDAS DE POSIÇÃO: São meddas que possbltam represetar resumdamete um cojuto de dados relatvos à observação de um determado feômeo, pos oretam quato à posção da dstrbução o exo dos, permtdo a comparação
Leia maisConfiabilidade Estrutural
Professor Uversdade de Brasíla Departameto de Egehara Mecâca Programa de Pós graduação em Itegrdade Estrutural Algortmo para a Estmatva do Idce de Cofabldade de Hasofer-Ld Cofabldade Estrutural Jorge Luz
Leia maisEstatística Descritiva. Medidas estatísticas: Localização, Dispersão
Estatístca Descrtva Meddas estatístcas: Localzação, Dspersão Meddas estatístcas Localzação Dspersão Meddas estatístcas - localzação Méda artmétca Dados ão agrupados x x Dados dscretos agrupados x f r x
Leia maisAvaliação da qualidade do ajuste
Avalação da qualdade do ajuste 1 Alguma termologa: Modelo ulo: é o modelo mas smples que pode ser defdo, cotedo um úco parâmetro ( µ) comum a todos os dados; Modelo saturado: é o modelo mas complexo a
Leia maisMédia. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística
BAC 0 - Estatístca Uversdade Federal de Itajubá - Campus Itabra BAC0 - ESTATÍSTICA ESTATÍSTICA DESCRITIVA MEDIDAS DE CENTRO Méda Medda de cetro ecotrada pela somatóra de todos os valores de um cojuto,
Leia maisANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS
ANÁLISE DE ERROS A oservação de um feómeo físco ão é completa se ão pudermos quatfcá-lo. Para é sso é ecessáro medr uma propredade físca. O processo de medda cosste em atrur um úmero a uma propredade físca;
Leia maisObjetivos. O Modelo Linear Geral (GLM - General Linear Model) suporta, também, variáveis categóricas dependentes.
Prof. Lorí Val, Dr. http://www. ufrgs.br/~val val/ val@mat.ufrgs.br Obetvos álse de varâca (NOV) É utlzada para mostrar os efetos prcpas de varáves categórcas depedetes (deomadas de fatores) sobre uma
Leia maisDistribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD
Dstrbuções Amostras Estatístca 8 - Dstrbuções Amostras 08- Dstrbuções Amostras Dstrbução Amostral de Objetvo: Estudar a dstrbução da população costtuída de todos os valores que se pode obter para, em fução
Leia mais( ) ( IV ) n ( ) Escolha a alternativa correta: A. III, II, I, IV. B. II, III, I, IV. C. IV, III, I, II. D. IV, II, I, III. E. Nenhuma das anteriores.
Prova de Estatístca Epermetal Istruções geras. Esta prova é composta de 0 questões de múltpla escolha a respeto dos cocetos báscos de estatístca epermetal, baseada os lvros BANZATTO, A.D. e KRONKA, S.N.
Leia maisMEDIDAS DE DISPERSÃO 9. MEDIDAS DE DISPERSÃO
Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, Medca Veterára, Muscoterapa, Odotologa, Pscologa MEDIDAS DE DISPERSÃO 9 9. MEDIDAS DE DISPERSÃO
Leia maisCAPÍTULO 5. Ajuste de curvas pelo Método dos Mínimos Quadrados
CAPÍTULO Ajuste de curvas pelo Método dos Mímos Quadrados Ajuste Lear Smples (ou Regressão Lear); Ajuste Lear Múltplo (ou Regressão Lear Múltpla); Ajuste Polomal; Regressão Não Lear Iterpolação polomal
Leia maisEstatística Básica - Continuação
Professora Adraa Borsso http://www.cp.utfpr.edu.br/borsso adraaborsso@utfpr.edu.br COEME - Grupo de Matemátca Meddas de Varabldade ou Dspersão Estatístca Básca - Cotuação As meddas de tedêca cetral, descrtas
Leia maisInferência Estatística e Aplicações I. Edson Zangiacomi Martinez Departamento de Medicina Social FMRP/USP
Iferêca Estatístca e Aplcações I Edso Zagacom Martez Departameto de Medca Socal FMRP/USP edso@fmrp.usp.br Rotero Parte I Escola frequetsta Defções: parâmetros, estmatvas Dstrbuções de probabldade Estmação
Leia maisEstatística: uma definição
Prof. Lorí Val, Dr. - val@pucrs.br http://www.pucrs.br/famat/val/ Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Estatístca: uma defção Coleç Coleção de ú úmeros estatí estatístcas O ú ú mero
Leia maisEstudo do intervalo de confiança da regressão inversa utilizando o software R
Estudo do tervalo de cofaça da regressão versa utlzado o software R Llae Lopes Cordero João Domgos Scalo. Itrodução Na maora das aplcações evolvedo regressão, determa-se o valor de Y correspodete a um
Leia maisEconometria: 4 - Regressão Múltipla em Notação Matricial
Ecoometra: 4 - Regressão últpla em Notação atrcal Prof. arcelo C. ederos mcm@eco.puc-ro.br Prof. arco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo
Leia maisTestes não-paramétricos
Testes não-paramétrcos Prof. Lorí Val, Dr. http://www.mat.ufrgs.br/val/ val@mat.ufrgs.br Um teste não paramétrco testa outras stuações que não parâmetros populaconas. Estas stuações podem ser relaconamentos,
Leia maisRACIOCÍNIO LÓGICO / ESTATÍSTICA LISTA 2 RESUMO TEÓRICO
RACIOCÍIO LÓGICO - Zé Carlos RACIOCÍIO LÓGICO / ESTATÍSTICA LISTA RESUMO TEÓRICO I. Cocetos Icas. O desvo médo (DM), é a méda artmétca dos desvos de cada dado da amostra em toro do valor médo, sto é x
Leia maisDados Experimentais. Isto é chamado de experimento controlado. Uma das vantagens
Dados xpermetas Para medr a produção de certa varedade de mlho, faremos um expermeto o qual a varedade de mlho semete é platada em váras parcelas homogêeas com o mesmo fertlzate, pestcda etc. Depos mede-se
Leia maisDifusão entre Dois Compartimentos
59087 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 4 Dfusão etre Dos Compartmetos A le de Fck para membraas (equação 4 da aula passada) mplca que a permeabldade de uma membraa a um soluto é dada pela razão
Leia maisCAPÍTULO 9 - Regressão linear e correlação
INF 6 Prof. Luz Alexadre Peterell CAPÍTULO 9 - Regressão lear e correlação Veremos esse capítulo os segutes assutos essa ordem: Correlação amostral Regressão Lear Smples Regressão Lear Múltpla Correlação
Leia maisa) 1,8 e 4,6. b) 2,0 e 2,2. c) 1,8 e 5,2. d) 2,0 e 4,6. e) 2,0 e 1,9.
Questão : As otas de dez aluos, um exame, estão dadas a segur:, 5, 8, 3, 6, 5, 8, 7, 6, 0 O desvo médo e a varâca dessas otas podem ser expressos, respectvamete, por: a),8 e 4,6 b),0 e, c),8 e 5, d),0
Leia maisAnálise de Regressão
Análse de Regressão método estatístco que utlza relação entre duas ou mas varáves de modo que uma varável pode ser estmada (ou predta) a partr da outra ou das outras Neter, J. et al. Appled Lnear Statstcal
Leia maisFaculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL
Faculdade de Tecologa de Cataduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL 5. Meddas de Posção cetral ou Meddas de Tedêca Cetral Meddas de posção cetral preocupam-se com a caracterzação e a
Leia maisOrganização; Resumo; Apresentação.
Prof. Lorí Val, Dr. val@ufrgs.br http://www.ufrgs.br/~val/ Grade Cojutos de Dados Orgazação; Resumo; Apresetação. Amostra ou População Defetos em uma lha de produção Lascado Deseho Torto Deseho Torto Lascado
Leia maisCálculo Numérico. Ajuste de Curvas Método dos Mínimos Quadrados. Profa. Vanessa Rolnik 1º semestre 2015
Cálculo Numérco Ajuste de Curvas Método dos Mímos Quadrados Profa. Vaessa Rolk º semestre 05 Ajuste de curvas Para apromar uma fução f por um outra fução de uma famíla prevamete escolhda (caso cotíuo)
Leia maisLista de Exercícios #9 Assunto: Análise de Regressão Método de Mínimos Quadrados
Lsta de Exercícos #9 Assuto: Aálse de Regressão Método de Mímos Quadrados ANPEC 8 Questão 4 Cosdere o segute modelo de regressão lear smples: () y = β + β x + u Para uma amostra com 3 observações, foram
Leia maisMÉTODO DOS MÍNIMOS QUADRADOS
MÉTODO DOS MÍNIMOS QUADRADOS I - INTRODUÇÃO O processo de medda costtu uma parte essecal a metodologa cetífca e também é fudametal para o desevolvmeto e aplcação da própra cêca. No decorrer do seu curso
Leia maisTESTES DE PROPORÇÕES TESTE DE UMA PROPORÇÃO POPULACIONAL
TESTES DE PROPORÇÕES TESTE DE UMA PROPORÇÃO POPULACIONAL As hpóteses a serem testadas serão: H 0 : p p 0 H : p p 0 p > p 0 p < p 0 Estatístca do Teste: pˆ p0 z c p ( p ) 0 0 EXEMPLOS. Uma máqua está regulada
Leia maisAula 9. Aula de hoje. Aula passada. Self-normalized Importance Sampling Gerando amostras complicadas Variância amostral Simulação
Aula 9 Aula passada Método da rejeção (rejecto samplg) Exemplos Importace Samplg Exemplos Geeralzação Aula de hoje Self-ormalzed Importace Samplg Gerado amostras complcadas Varâca amostral Smulação Importace
Leia maisMÓDULO 8 REVISÃO REVISÃO MÓDULO 1
MÓDULO 8 REVISÃO REVISÃO MÓDULO A Estatístca é uma técca que egloba os métodos cetícos para a coleta, orgazação, apresetação, tratameto e aálse de dados. O objetvo da Estatístca é azer com que dados dspersos
Leia maisNOTAS DE AULA DA DISCIPLINA CE076 = 2. ], T 2 = conhecido como T 2 de Hotelling
NOTAS DE AULA DA DISCIPLINA CE76 4 INFERÊNCIA SOBRE O VETOR DE MÉDIAS 4. TESTE PARA UM VETOR DE MÉDIAS µ Lembrado o caso uvarado: H : µ µ H : µ µ Nível de sfcâca: α Estatístca do teste: t X µ s/ ~ t Decsão:
Leia maisAVALIAÇÃO DE GANHOS E PERDAS EM FUNDOS DE INVESTIMENTOS UTILIZANDO REGRESSÃO LINEAR. José Antonio Stark Ferreira
1 AVALIAÇÃO DE GANHOS E PERDAS EM FUNDOS DE INVESTIMENTOS UTILIZANDO REGRESSÃO LINEAR José Atoo Stark Ferrera I - INTRODUÇÃO O presete estudo fo desevolvdo objetvado mesurar os gahos e perdas patrmoas
Leia maisMétodos iterativos. Capítulo O Método de Jacobi
Capítulo 4 Métodos teratvos 41 O Método de Jacob O Método de Jacob é um procedmeto teratvo para a resolução de sstemas leares Tem a vatagem de ser mas smples de se mplemetar o computador do que o Método
Leia maisPrevisão de demanda quantitativa Regressão linear Regressão múltiplas Exemplos Exercícios
Objetvos desta apresetação Plaejameto de produção: de Demada Aula parte Mauro Osak TES/ESALQ-USP Pesqusador do Cetro de Estudos Avaçados em Ecooma Aplcada Cepea/ESALQ/USP de demada quattatva Regressão
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.
Leia maisProf. Janete Pereira Amador 1
Prof. Jaete Perera Amador 1 1 Itrodução Mutas stuações cotdaas podem ser usadas como expermeto que dão resultados correspodetes a algum valor, e tas stuações podem ser descrtas por uma varável aleatóra.
Leia mais3. ANPEC Questão 15 Ainda em relação à questão anterior pode-se concluir que, exceto por erro de arredondamento:
Lsta de Exercícos #9 Ass uto: Aáls e de Re gres s ão Mé todo de Mímos Quadrados. ANPEC 99 - Questão 8 A capacdade de produção stalada (Y), em toeladas, de uma frma, pode ser fução da potêca stalada (X),
Leia maisESCOLA SUPERIOR DE TECNOLOGIA UNIVERSIDADE DO ALGARVE
SCOLA SUPIO D CNOLOGIA UNIVSIDAD DO ALGAV CUSO BIÁPICO M NGNHAIA CIVIL º cclo egme Duro/Nocturo Dscpla de COMPLMNOS D MAMÁICA Ao lectvo de 7/8 - º Semestre Ídce. egressão lear múltpla.... Itrodução....
Leia mais