RAD5017 Estatística II Aula 2 Análise Fatorial (Conceitos Teóricos) 1. Validade (definição do conceito) x Confiabilidade (consistência da medida)
|
|
- Rosângela Diegues Guimarães
- 7 Há anos
- Visualizações:
Transcrição
1 Aula 2 Análise Fatorial (Conceitos Teóricos) 1 Conceitos importantes: Validade (definição do conceito) x Confiabilidade (consistência da medida) Análise Fatorial Técnica adequada para analisar os padrões das relações complexas multidimensionais encontradas por pesquisadores. Verificar a possibilidade de condensar ou resumir um conjunto de variáveis em um outro menor. O que é Análise Fatorial Nome genérico dado a uma classe de métodos estatísticos multivariados cujo propósito principal é definir (identificar) a estrutura subjacente em uma matriz de dados. Grande número Dimensões latentes Fatores de variáveis comuns Resumo: identificação das dimensões latentes Redução: cálculo dos escores fatoriais Análise fatorial auxilia na seleção de um subconjunto representativo de variáveis ou mesmo na criação de novas variáveis como substitutas das variáveis originais, e ainda mantendo seu caráter original. Profa. Dra. Adriana Backx Noronha Viana 1
2 Aula 2 Análise Fatorial (Conceitos Teóricos) 2 Técnicas de dependência x Técnicas de interdependência (previsão) (identificação de estrutura) Análise Fatorial Na análise fatorial, as variáveis estatísticas (fatores) são formadas para maximizar seu poder de explicação do conjunto inteiro de variáveis, e não para prever uma variável dependente. * Perspectiva Exploratória X Perspectiva Confirmatória consideram o que os dados oferecem testar hipóteses (avaliar o grau em que os dados satisfazem a estrutura esperada) Exemplo hipotético de Análise Fatorial: permitir que um conjunto menor de conceitos a serem considerados, por exemplo, em um plano de marketing. Profa. Dra. Adriana Backx Noronha Viana 2
3 Aula 2 Análise Fatorial (Conceitos Teóricos) 3 Estágio 1 Objetivos da Análise Fatorial Determinar objetivo que pode ser: a) Identificação da estrutura por meio do resumo dos dados Identifica a estrutura de relações entre variáveis ou respondentes examinando as correlações entre variáveis (tipo R) ou respondentes (tipo Q análise de agrupamentos dificuldades computacionais). b) Redução de dados Identificar variáveis representativas de um conjunto muito maior de variáveis para uso em análises multivariadas subseqüentes. Criar um conjunto inteiramente novo de variáveis, muito menor, para substituir parcial ou completamente o conjunto original de variáveis para inclusão em técnicas subseqüentes. o Cargas fatoriais o Escores fatoriais Uso de análise fatorial com outras técnicas multivariadas a) Resumo: fornece ao pesquisador uma clara compreensão sobre quais variáveis podem atuar juntas e quantas variáveis podem realmente ser consideradas como tendo impacto na análise; b) Uso de novas variáveis (escores fatoriais ou média, por exemplo). Seleção de variáveis Deve-se considerar as estruturas conceituais das variáveis e analisar (julgar) quais variáveis são adequadas para Análise Fatorial. Cuidado: entra lixo, sai lixo. Análise Fatorial não faz revelações O uso de Análise Fatorial como uma técnica de resumo de dados não exclui a necessidade de uma base conceitual para quaisquer variáveis analisadas. (é mais eficiente quando as variáveis estão de alguma forma, relacionadas com dimensões conceitualmente definidas). Profa. Dra. Adriana Backx Noronha Viana 3
4 Aula 2 Análise Fatorial (Conceitos Teóricos) 4 Estágio 2 Planejamento de uma Análise Fatorial a) Correlações entre variáveis ou respondentes Fatorial tipo Q X Fatorial tipo R (respondentes análise de agrupamento) (variáveis) b) Questões sobre seleção de variáveis e medidas Como as variáveis são medidas métricas (possibilidade variáveis dicotômicas) Cinco ou mais variáveis por fator (caso tenha uma estrutura proposta) Identificar diversas variáveis - chave. c) Tamanho da amostra Mínimo de 50 (preferencialmente 100) Mínimo 5 vezes mais observações do que o número de variáveis a serem analisadas (tamanho mais aceitável proporção de 10 para 1) Um número muito grande de variáveis pode gerar existência de correlações somente por sorte (Observe por exemplo que de 30 variáveis 435 correlações talvez 20 sejam significantes...) Profa. Dra. Adriana Backx Noronha Viana 4
5 Aula 2 Análise Fatorial (Conceitos Teóricos) 5 Estágio 3 Suposições na Análise Fatorial Suposições críticas: mais conceituais do que estatística (suposição básica: alguma estrutura latente de fato existe no conjunto de variáveis selecionadas) (Desvios de normalidade, homocedasticidade e de linearidade aplicam-se apenas no nível em que elas diminuem as correlações observadas). Matriz de dados tenha correlações suficientes para justificar a aplicação da análise fatorial (número substancial de correlações > 0,30). Correlação parcial: deverá ser pequena se existem fatores verdadeiros nos dados. Correlações entre variáveis quando os efeitos de outras variáveis são levados em consideração. Três variáveis: r ij, k = r ij (1 r r 2 ik ik. r jk )(1 r 2 jk ) Exemplo: r 12,3 = r (1 r r. r )(1 r ) Envolvendo quatro variáveis: r12,34 = r12,4 r13,4.r23,4 r12,3 r14,3.r24,3 = ( 1 r )(.1 r ) ( 1 r )(.1 r ) 2 13, , , , 3 Se as correlações parciais são altas, então não há fatores latentes verdadeiros e a análise fatorial é inadequada. Correlação parcial: pode ser analisada pela matriz de correlação antiimagem. Teste Bartlett de esfericidade (aumentar o tamanho da amostra faz com que o teste Bartlett se torne mais sensível na detecção de correlações entre as variáveis) Profa. Dra. Adriana Backx Noronha Viana 5
6 Aula 2 Análise Fatorial (Conceitos Teóricos) 6 Medida de adequação da amostra MSA (0,80 ou ) admirável (0,70 < 0,80) mediano (0,60 < 0,70) medíocre (0,50 < 0,60) ruim (0,50 <) inaceitável Cuidado para não misturar variável dependente e variáveis independentes. Sempre que diferentes grupos são esperados na amostra, as análises fatoriais separadas devem ser realizadas e os resultados comparados para identificar diferenças não refletidas nos resultados da amostra combinada. (ex. amostra de homens e mulheres). Profa. Dra. Adriana Backx Noronha Viana 6
7 Aula 2 Análise Fatorial (Conceitos Teóricos) 7 Estágio 4 Determinação de fatores e avaliação do ajuste geral a) Método de extração dos fatores b) Número de fatores selecionados para representar a estrutura latente dos dados. a) Método de extração dos fatores Análise de fatores comuns: é usada principalmente para identificar fatores ou dimensões latentes que reflitam o que as variáveis têm em comum. Análise de componentes principais: usada quando o objetivo é resumir a maior parte da informação original (variância) a um número mínimo de fatores para propósitos de previsão. Diferença: A variância de uma variável pode ser dividida em três tipos de variância: (1) Variância comum (entre a variável em estudo e as demais variáveis) (2) Erro: variabilidade da variável atribuída às variáveis que não foram incluídas no modelo, ou seja, erro aleatório; (3) Específica (ou única). A escolha de um modelo ou outro é baseada em dois critérios. (1) objetivos da análise fatorial (2) montante de conhecimento prévio sobre a variância nas variáveis. Modelo de Componentes Principais é apropriado quando a preocupação principal é a previsão ou o número mínimo de fatores necessários para explicar Profa. Dra. Adriana Backx Noronha Viana 7
8 Aula 2 Análise Fatorial (Conceitos Teóricos) 8 a parte máxima da variância representada no conjunto original de variáveis, e quando conhecimento anterior sugere que as variâncias específicas e do erro representam uma porção relativamente pequena da variância total. Modelo de fatores comuns: é apropriada quando o objetivo principal é identificar as dimensões ou construtos latentes representados nas variáveis originais e o pesquisador tem pouco conhecimento sobre a quantia de variância específica e do erro e, portanto, deseja iluminar essa variância. Uso apenas de dimensões latentes: é vista como algo teoricamente mais fundamentado, porém, tem vários problemas: Indeterminância fatorial (escores fatoriais diferentes podem ser calculados para um mesmo respondente) Cálculos podem requerer um tempo razoável (recursos computacionais idem). Complicações da análise de fatores comuns: uso da análise de componentes. Existe certo debate sobre qual modelo é mais apropriado; entretanto, a pesquisa empírica tem demonstrado resultados análogos em muitos casos. Dúvidas nas suposições da análise de componentes: utilizar também a análise de fatores comuns. (avaliar representação da estrutura) Estimativa preliminar do número de fatores a extrair: matriz fatorial não rotacionada. b) Critérios para o número de fatores Não existe uma base quantitativa exata para decidir o número de fatores. Gerar uma solução inicial com um critério predeterminado, depois analisar diversas soluções alternativas adicionais; examinar as matrizes Profa. Dra. Adriana Backx Noronha Viana 8
9 Aula 2 Análise Fatorial (Conceitos Teóricos) 9 fatoriais e escolher a melhor representação dos dados: identificar o número de fatores a extrair. OBS: analogia ao microscópio: um ajuste muito alto ou muito baixo irá obscurecer uma estrutura que é óbvia quando o ajuste está correto. Número de fatores: (critérios para decisão) Critério do autovalor (eigenvalues ou raiz latente) (seleciona somente fatores com autovalores 1 são considerados) Autovalor: representa a variância total explicada para cada fator Parte-se do raciocínio que não pode ser considerado relevante um fator que não explique pelo menos uma variável. Critério bom para número de variáveis entre 20 e 50; nº variáveis < 20; nº conservador (muito pouco) de fatores; nº > 50: muitos fatores podem ser extraídos. Critério a priori Simples: o analista instrui o computador a parar o processo com um nº determinado de fatores. Critério porcentagem da variância Escolhe o número de fatores quando a porcentagem total de variância extraída pelos fatores possui um nível satisfatório. (ao menos 60%) (variante deste critério: número de fatores necessários para representar adequadamente cada uma das variáveis originais). Critério Scree Test (Apresentado pelo gráfico scree plot) Profa. Dra. Adriana Backx Noronha Viana 9
10 Aula 2 Análise Fatorial (Conceitos Teóricos) 10 Este teste é usado para identificar o número ótimo de fatores que podem ser extraídos antes que a quantidade de variância específica comece a dominar a quantidade de variância comum. A curva resultante é usada para identificar o número adequado de fatores. Critério divisão da amostra Dividir no meio e análise fatorial em cada metade e depois somente serão válidos os fatores que aparecem em ambas as amostras. Na prática, a maioria dos pesquisadores raramente usa um único critério para determinar quantos fatores devem ser extraídos. O pesquisador sempre deve se empenhar em ter o conjunto de fatores mais representativo e, parcimonioso possível. Profa. Dra. Adriana Backx Noronha Viana 10
11 Aula 2 Análise Fatorial (Conceitos Teóricos) 11 Estágio 5 Interpretação de fatores a) Análise da matriz fatorial inicial não-rotacionada (cargas fatoriais): correlação de cada variável com o fator. b) Utilizar um método rotacional para conseguir soluções fatoriais mais simples e teoricamente mais significativas. c) Analisar a necessidade de reespecificar o modelo fatorial devido: À eliminação de variáveis da análise Empregar método rotacional diferente para interpretação. Necessidade de extrair número diferente de fatores Desejo de mudar de um método de extração para outro. Rotação de fatores Por que rotacionar? O primeiro fator tende a ser um fator em geral com quase toda a variável com carga significante, e explica a quantia maior de variância. O segundo fator e os seguintes são então baseados na quantia residual de variância.... O efeito final de rotacionar a matriz fatorial é redistribuir a variância dos primeiros fatores para os últimos com o objetivo de atingir um padrão fatorial mais simples e teoricamente significativo. Maximizar a carga de uma variável em um único fator. Ortogonal Oblíqua (é mais realista porque as dimensões inerentes que são teoricamente importantes não são supostas sem correlações entre si). Profa. Dra. Adriana Backx Noronha Viana 11
12 Aula 2 Análise Fatorial (Conceitos Teóricos) 12 Ortogonal Quartimax (técnica se concentra em simplificar as linhas: muitas variáveis podem ter carga alta no mesmo fator). Varimax (se concentra na simplificação das colunas da matriz fatorial: parece fornecer uma separação mais clara dos fatores). Equimax (tenta atingir um pouco de cada: Quartimax e Varimax). Oblíqua (deve-se utilizar a rotação oblíqua quando os fatores na população tendem a ser fortemente correlacionados). (Cuidado com generalizações com amostras pequenas ou proporção de casos para variáveis). Seleção entre métodos rotacionais Não existe regra específica A escolha deve ser feita de acordo com as necessidades do estudo 1) Reduzir número de variáveis para número menor de variáveis não correlacionadas, para uso subseqüente: rotação ortogonal. 2) Obter diversos fatores ou construtos teoricamente significativos: rotação oblíqua. Critérios para significância de cargas fatoriais Garantia de significância prática Cargas maiores do que (±) 0,30 atingem nível mínimo (±) 0,40 consideradas mais importantes (±) 0,50 consideradas com significância prática Aplicável quando tamanho da amostra 100. Profa. Dra. Adriana Backx Noronha Viana 12
13 Aula 2 Análise Fatorial (Conceitos Teóricos) 13 Carga ao quadrado: quantia de variância total da variável explicada pelo fator. Avaliação de significância estatística Exemplos: Carga fatorial Tamanho necessário da amostra 0, , , , , , , , , ,75 50 Ajustes baseados no número de variáveis À medida que o número de variáveis aumenta, o nível aceitável para considerar uma carga significante diminui. Resumo dos critérios de significância de cargas fatoriais 1) Quanto maior o tamanho da amostra, menor a carga a ser considerada significante. 2) Quanto maior o número de variáveis a serem analisadas, menores as cargas a serem consideradas significantes. 3) Quanto maior o número de fatores, maior o tamanho de cargas em fatores posteriores a serem considerados significantes para interpretação. Interpretação da Matriz Fatorial Profa. Dra. Adriana Backx Noronha Viana 13
14 Aula 2 Análise Fatorial (Conceitos Teóricos) 14 A dificuldade surge porque uma variável com diversas cargas significantes deve ser considerada na interpretação (rotulação) de todos os fatores nos quais ela tem uma carga significante. Uma variável com diversas cargas altas é uma candidata à eliminação. Examinar a matriz fatorial para identificar variáveis que não carregam sobre qualquer fator. Analisar as comunalidades (comunalidades menores que 0,50 não tem explicação suficiente). Variáveis que não carregam em qualquer fator ou comunalidades consideradas muito baixa tem-se duas opções: 1) Interpretar a solução como é e ignorar essas variáveis. 2) Analisar a possibilidade de eliminar a variável. Nomear fatores As variáveis com cargas mais altas são consideradas mais importantes e têm maior influência sobre o nome ou rótulo selecionado para representar um fator. O rótulo é desenvolvido intuitivamente pelo pesquisador. Em alguns casos, não é possível designar um nome a cada fator; pode-se rotular como indefinido ; neste caso, interpretar apenas os fatores significativos e desconsiderar os indefinidos ou menos significativos. Profa. Dra. Adriana Backx Noronha Viana 14
15 Aula 2 Análise Fatorial (Conceitos Teóricos) 15 Estágio 6 Validação da Análise Fatorial O processo de validação não é muito simples. Ele pode ser feito de duas formas: utilizando-se de modelagem de equações estruturais ou utilizando-se de análise paralela. A primeira forma não faz parte do escopo deste estudo. A segunda parte consiste em dividir a amostra em duas partes e então verificar se a estrutura (itens em fatores) é a mesma para as duas aplicações realizadas. Um outro procedimento importante, mas que consiste na avaliação do ajuste e não validação propriamente dita, consiste na avaliação do índice relacionado à correlação reproduzida. Geralmente esse valor não deveria ser algo muito maior que 20%. Para maiores informações, veja o manual com a análise de tabela. Profa. Dra. Adriana Backx Noronha Viana 15
16 Aula 2 Análise Fatorial (Conceitos Teóricos) 16 Protocolo para Análise de artigos que utilizam a Análise Fatorial Estágio Itens Analisados Procedimento Estágio 1 Objetivo da Análise Fatorial Estágio 2 Planejamento de uma Análise Fatorial Objetivo da aplicação Base conceitual definida Correlação inicial entre as variáveis Medida das variáveis utilizadas (deve ser métrica ou binária, em casos especiais de análise fatorial) Proporção entre número de variáveis e número de fatores esperados ou obtidos Tamanho de amostra Número de variáveis maior do que 30 Proporção entre número de variáveis e casos Correlação parcial Teste de Bartlett Valor da medida de adequação da amostra MSA Verificar se os autores deixaram claro qual seria o objetivo da aplicação Verificar a existência de base conceitual (dimensões e variáveis que pretendem medir essas dimensões); Verificar se existe estrutura latente de fato no conjunto de variáveis selecionadas Verificar se os autores mencionam ou calculam as correlações iniciais entre as variáveis; Existem correlações suficientes na matriz de correlações (> 0,30 em módulo) Identificar qual é a medida da variável escolhida para aplicar a análise fatorial Analisar se foi dimensionado o número de fatores esperados para a análise em estudo. Verificar se no mínimo o tamanho da amostra é igual a 50 casos. Verificar a possibilidade de existência de correlações por sorte quando a quantidade de variáveis é grande Verificar se a proporção é adequada, considerando-se que o número de casos deve ser no mínimo cinco vezes o número de variáveis. Analisou a correlação parcial (se as correlações parciais são altas, então não há fatores latentes verdadeiros e a análise fatorial é inadequada; é analisada pela matriz de correlação anti-imagem.) Verificar se analisou o teste de Bartlett, que indica se para o conjunto de dados é possível identificar correlações suficientes que justifique a aplicação da análise fatorial. Verificar se o MSA obtido foi maior do que 0,5. Analisar o valor obtido de MSA. Estágio 3 Pressupostos Básicos da Análise Fatorial Valor da medida de adequação da amostra MSA para cada variável Utilização de outras técnicas em conjunto Amostras com possíveis comportamentos diferentes, Verificar se o MSA obtido foi maior do que 0,5. Analisar o valor obtido de MSA para cada variável Verificar se, caso irá utilizar outras técnicas, misturou variável dependente (a ser utilizada posteriormente) com independente; este tipo de erro pode acontecer, quando se considera o uso posterior de alguma técnica de dependência, tal como a Análise de Regressão ou Discriminante. Verificar a existência de grupos com características diferentes o que implica que a análise fatorial deveria ser aplicada separadamente em ambos os grupos Profa. Dra. Adriana Backx Noronha Viana 16
17 Aula 2 Análise Fatorial (Conceitos Teóricos) 17 Estágio Itens Analisados Procedimento Estágio 4 Determinação de fatores e avaliação do ajuste geral Estágio 5 Interpretação de fatores Estágio 6 Validação da Análise Fatorial Outras questões extras Método utilizado para extração de fatores Porcentagem da variância explicada Número de fatores em relação ao número de variáveis Rotação de Fatores Cargas Fatoriais Comunalidade Nomeação dos fatores Divisão da amostra em duas partes ou repetitividade da análise Análise de resíduos Software Bibliografia utilizada como apoio para aplicação da análise fatorial Verificar se o método utilizado foi das Componentes Principais ou outro Verificar se o número de fatores extraídos implica em uma % de variância maior do que 60%. Verificar se existe fatores definidos com o agrupamento de duas variáveis ou menos. Em caso positivo, tem-se uma possível inadequação do uso da Análise Fatorial. Utilizou algum tipo de rotação? Em caso positivo, que tipo de rotação foi? Analisar se existe carga fatorial adequada Verificar a análise das comunalidades (comunalidades menores que 0,50 não são explicadas o suficiente) Que tipo de critério utilizou para nomear os fatores obtidos Verificar se foi avaliada a repetitividade dos resultados, seja repartindo a amostra do estudo ou com uma nova amostra considerada. Verificar se foi realizada a comparação entre as correlações observadas e as correlações reproduzidas Identificar o software utilizado para obter os resultados da Análise Fatorial Verificar nas referências qual livro texto foi utilizado como referência no uso da Análise Fatorial Fonte: Adaptado de Hair et al (1998); tese de livre docência Profa. Dra Adriana Backx Noronha Viana Profa. Dra. Adriana Backx Noronha Viana 17
Análise Fatorial Exploratória (AFE) Disciplina: Medidas em Psicologia Professora: Ana Carolina Rodrigues
Análise Fatorial Exploratória (AFE) Disciplina: Medidas em Psicologia Professora: Ana Carolina Rodrigues O que é análise fatorial? É uma técnica de interdependência, cujo propósito principal é definir
Leia maisAnálise Multivariada Aplicada à Contabilidade
Mestrado e Doutorado em Controladoria e Contabilidade Análise Multivariada Aplicada à Contabilidade Prof. Dr. Marcelo Botelho da Costa Moraes www.marcelobotelho.com mbotelho@usp.br Turma: 2º / 2016 1 Agenda
Leia maisAnálise estatística multivariada
Análise estatística multivariada Conjunto de procedimentos para a análise simultânea de duas ou mais medidas de cada caso/observação Os dados coletados p variáveis - de uma amostra de tamanho n podem ser
Leia maisMétodos Quantitativos Aplicados
Métodos Quantitativos Aplicados Aula 7 http://www.iseg.utl.pt/~vescaria/mqa/ Tópicos apresentação Relações de interdependência entre variáveis quantitativas: A Análise Factorial Análise Factorial: técnica
Leia maisTutorial SPSS Módulo 17- Análise fatorial Tutorial SPSS Geração de Tabelas
Tutorial SPSS Módulo 17- Análise fatorial Tutorial SPSS Geração de Tabelas Situação Problema Uma empresa que fabrica solados de borracha desejava saber o comportamento atitudinal do consumidor final em
Leia maisUNIVERSIDADE FEDERAL FLUMINENSE. Programa de Mestrado e Doutorado em Engenharia de Produção. Disciplina: Estatística Multivariada
UNIVERSIDADE FEDERAL FLUMINENSE Programa de Mestrado e Doutorado em Engenharia de Produção Disciplina: Estatística Multivariada Aula: Análise Fatorial Exploratória Professor: Valdecy Pereira, D. Sc. /
Leia mais5 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 maisProfessora: Cira Souza Pitombo. Disciplina: Aplicações de técnicas de análise de dados
UNIVERSIDADE FEDERAL DA BAHIA ESCOLA POLITÉCNICA MESTRADO EM ENGENHARIA AMBIENTAL E URBANA Apresentação do Curso Introdução Professora: Cira Souza Pitombo Disciplina: Aplicações de técnicas de análise
Leia maisEstatística II. Tópico: Análise Fatorial. Exemplo completo (Livro Corrar modificado)
Estatística II Tópico: Análise Fatorial Exemplo completo (Livro Corrar modificado) Bibliografia: L.J. Corrar; E. Paulo; J.M. Dias Filho, Analise multivariada..., Atlas, 2007 1 Análise Fatorial x i explicada
Leia maisAnálise de Correlação Canônica
Análise de Correlação Canônica Objetivos de aprendizagem Ao concluir este capítulo, você deverá ser capaz de: Enunciar as semelhanças e diferenças entre regressão múltipla, análise fatorial, análise discriminante
Leia maisEstudo dirigido de Análise Multivariada
Estudo dirigido de Análise Multivariada Conceitos Iniciais De um modo geral, os métodos estatísticos de análise multivariada são aplicados para analisar múltiplas medidas sobre cada indivíduo ou objeto
Leia maisUniversidade Federal do Pará UFPA Instituto de Ciências Exatas e Naturais - ICEN Faculdade de Estatística
Universidade Federal do Pará UFPA Instituto de Ciências Exatas e Naturais - ICEN Faculdade de Estatística Disciplina: Estatística Aplicada Aluno: Emerson de Souza Vieira Professor: Heliton Tavares Profª:
Leia maisMódulo 16- Análise de Regressão
Módulo 16 Análise de Regressão 1 Módulo 16- Análise de Regressão Situação Problema Um grupo de investidores estrangeiros deseja aumentar suas atividades no Brasil. Considerando a conjuntura econômica de
Leia maisMódulo 17- Análise fatorial Tutorial SPSS Análise dos Resultados
Tutorial SPSS Módulo 17 Análise Fatorial 1 Módulo 17- Análise fatorial Tutorial SPSS Análise dos Resultados Situação Problema Para facilitar o entendimento da análise dos resultados obtidos pelo SPSS,
Leia maisDisciplina de Modelos Lineares
Disciplina de Modelos Lineares 2012-2 Seleção de Variáveis Professora Ariane Ferreira Em modelos de regressão múltipla é necessário determinar um subconjunto de variáveis independentes que melhor explique
Leia maisAula 25: Análise Fatorial. Prof. Eduardo A. Haddad
Aula 25: Análise Fatorial Prof. Eduardo A. Haddad Utilização específica Como identificar o potencial de desenvolvimento agropecuário dos municípios brasileiros? Banco de dados municipais: Tamanho do rebanho,
Leia maisGeometria (X 6 ) Português (X 3 ) Álgebra (X 4 )
ROTAÇÃO E INTERPRETAÇÃO DAS COMPONENTES PRINCIPAIS Consideremos o seguinte exemplo (exercício 6): 15 alunos de uma determinada escola foram sujeitos a testes de 6 disciplinas e os resultados obtidos encontram-se
Leia maisAULA 07 Inferência a Partir de Duas Amostras
1 AULA 07 Inferência a Partir de Duas Amostras Ernesto F. L. Amaral 10 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola,
Leia maisVariância pop. * conhecida Teste t Paramétrico Quantitativa Distribuição normal Wilcoxon (teste dos sinais, Wilcoxon p/ 1 amostra)
Testes de Tendência Central (média, mediana, proporção) Classificação Variável 1 Variável 2 Núm ero Gru pos Dependência Teste Z Paramétrico Quantitativa - 1 - Premissas Variância pop. * conhecida Teste
Leia maisUNIVERSIDADEFEDERAL DE ITAJUBÁ INSTITUTO DE SISTEMAS ELÉTRICOS E ENERGIA PROGRAMADEPÓS-GRADUAÇÃO EMENGENHARIADEENERGIA
UNIVERSIDADEFEDERAL DE ITAJUBÁ INSTITUTO DE SISTEMAS ELÉTRICOS E ENERGIA PROGRAMADEPÓS-GRADUAÇÃO EMENGENHARIADEENERGIA José Almir da Silva MODELAGEM MULTIVARIADA PARA PREVISÃO DE DEMANDA DE GASOLINA E
Leia maisaula 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 mais9 Análise Multivariada de Dados
9 Análise Multivariada de Dados 9.1 Introdução Uma das dificuldades inerentes em estatística multivariada é a visualização dos dados, principalmente em dimensões maiores que três. No entanto, é importante
Leia maisDesenvolvimento da Versão em Português do PSWQ
3 Estudo 1 3.1 Metodologia da pesquisa 3.1.1 Participantes A amostra consistiu de 871 graduandos de diferentes Universidades do Rio de Janeiro com uma faixa de idade de 17 a 68 anos (M = 23,41; DP = 5,80).
Leia maisEsse 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 maisvariável dependente natureza dicotômica ou binária independentes, tanto podem ser categóricas ou não estimar a probabilidade associada à ocorrência
REGRESSÃO LOGÍSTICA É uma técnica recomendada para situações em que a variável dependente é de natureza dicotômica ou binária. Quanto às independentes, tanto podem ser categóricas ou não. A regressão logística
Leia maisCoeficiente de determinação R 2 no modelo de regressão linear normal
Coeficiente de determinação R 2 no modelo de regressão linear normal Fernando Lucambio Departamento de Estatística Universidade Federal do Paraná Curitiba/PR, 81531 990, Brasil email: lucambio@ufpr.br
Leia maisAnálise Fatorial. Matriz R de coeficientes de correlação: Não confundir análise de componentes principais com análise fatorial!
Análise Fatorial 1 Na análise fatorial as variáveis y1, y,..., Yp, são combinações lineares de umas poucas variáveis F1, F,..., Fm (m
Leia maisO que é Análise de Fatores. As principais aplicações da técnica da Análise de Fatores (Factor Analysis) são:
Prof. Lorí Viali, Dr. viali@pucrs.br; viali@mat.ufrgs.br; http://www.pucrs.br/famat/viali; http://www.mat.ufrgs.br/~viali/ A teoria dos métodos estatísticos multivariados pode ser explicada razoavelmente
Leia maisREGRESSÃO 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 maisMultivariada de dados aplicada à administração
Multivariada de dados aplicada à administração PROFA. DRA. LUCIANA ORANGES CEZARINO -AULA PPGAO/FEARP 2017 11 1 AGENDA 26/7 14h: Apresentações 14:15h 15:45h: Técnicas da pesquisa quantitativa : AF e Regressão
Leia maisESTUDO COMPARATIVO DOS ESCORES FATORIAIS E DE COMPONENTES PRINCIPAIS EM DADOS ARQUEOMÉTRICOS.
ESTUDO OMPRTIVO DOS ESORES FTORIIS E DE OMPONENTES PRINIPIS EM DDOS RQUEOMÉTRIOS. P.T.M.S. Oliveira, IME-USP,poliveir@ime.usp.br.. S. Munita, IPEN-NEN/SP, munita@curiango.ipen.br RESUMO: Em estudos arqueométricos
Leia maisModelo 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 maisRalph S. Silva
ANÁLISE ESTATÍSTICA MULTIVARIADA Ralph S Silva http://wwwimufrjbr/ralph/multivariadahtml Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Revisão:
Leia maisCONHECIMENTOS ESPECÍFICOS
fonte de graus de soma de quadrado variação liberdade quadrados médio teste F regressão 1 1,4 1,4 46,2 resíduo 28 0,8 0,03 total 2,2 A tabela de análise de variância (ANOVA) ilustrada acima resulta de
Leia maisConceitos centrais em análise de dados
Conceitos centrais em análise de dados Conceitos básicos em Estatística Estatística Ciência que tem por objetivo orientar a coleta, o resumo, a apresentação, a análise e a interpretação dos dados. Divide-se
Leia maisAnálise Fatorial. Matriz R de coeficientes de correlação: Não confundir análise de componentes principais com análise fatorial!
Análise Fatorial 1 Na análise fatorial as variáveis y1, y,..., Yp, são combinações lineares de umas poucas variáveis F1, F,..., Fm (m
Leia maisÍNDICE Janelas Menus Barras de ferramentas Barra de estado Caixas de diálogo
XXXXXXXX ÍNDICE INTRODUÇÃO 15 1. VISÃO GERAL DO SPSS PARA WINDOWS 17 1.1. Janelas 17 1.2. Menus 20 1.3. Barras de ferramentas 21 1.4. Barra de estado 21 1.5. Caixas de diálogo 22 2. OPERAÇÕES BÁSICAS 23
Leia mais4 Modelos de Regressão Dinâmica
4 Modelos de Regressão Dinâmica Nos modelos de regressão linear (Johnston e Dinardo, 1998) estudados comumente na literatura, supõe-se que os erros gerados pelo modelo possuem algumas características como:
Leia maisDeterminação e Modelagem do Volume Total de Pinus carabea var bahamensis: Uma Abordagem Multivariada
VIII ERMAC 8 o Encontro Regional de Matemática Aplicada e Computacional 20-22 de Novembro de 2008 Universidade Federal do Rio Grande do Norte Natal/RN Determinação e Modelagem do Volume Total de Pinus
Leia maisTeste Inferencial para Análise Fatorial
5 Teste Inferencial para Análise Fatorial Ao interpretar fatores, é preciso tomar a decisão sobre quais cargas fatoriais valem à pena considerar. A discussão a seguir detalha formalmente questões relativas
Leia maisCORRELAÇÃO. Flávia F. Feitosa
CORRELAÇÃO Flávia F. Feitosa BH1350 Métodos e Técnicas de Análise da Informação para o Planejamento Junho de 2015 Revisão Inferência Estatística: Método científico para tirar conclusões sobre os parâmetros
Leia maisProbabilidade e Estatística (Aula Prática - 23/05/16 e 24/05/16)
Probabilidade e Estatística (Aula Prática - 23/05/16 e 24/05/16) Resumo: Veremos nesta aula tabelas, cálculos de porcentagem e gráficos; amostras e tipo de amostragem; Medidas de tendência central e medidas
Leia maisMario de Andrade Lira Junior
Mario de Andrade Lira Junior www.lira.pro.br 1 Apenas uma breve apresentação Para não dizerem que nunca viram Um conjunto de técnicas de análise que usa diversas variáveis dependentes simultaneamente Mais
Leia maisi 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 maisAnálise 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 maisAprendizado de Máquina (Machine Learning)
Ciência da Computação (Machine Learning) Aula 02 Representação dos dados Pré-processamento Max Pereira Tipo de Dados Os atributos usados para descrever objetos de dados podem ser de diferentes tipos: Quantitativos
Leia maisAnálise fatorial aplicada à avaliação da satisfação de discentes do Instituto de Ciências Sociais Aplicadas da Universidade Federal de Ouro Preto.
Análise fatorial aplicada à avaliação da satisfação de discentes do Instituto de Ciências Sociais Aplicadas da Universidade Federal de Ouro Preto. Flávia Sílvia Corrêa Tomaz 1, Camila Regina Carvalho 2.
Leia maisFaculdade de Economia, Administração e Contabilidade da Universidade de São Paulo. Disciplina: EAD 351. Técnicas Estatísticas de Agrupamento
Faculdade de Economia, Administração e Contabilidade da Universidade de São Paulo Disciplina: EAD 351 Técnicas Estatísticas de Agrupamento Análise Fatorial Tem o objetivo de obter um número menor de variáveis
Leia maisMONTAGEM DE HIPÓTESES
MONTAGEM DE HIPÓTESES Metodologia Científica Graduação Tecnológica O Enunciado das Hipóteses * Toda pesquisa científica consiste em enunciar e verificar hipóteses... Hipótese é: * uma suposição que se
Leia mais4 ANÁLISE DE DADOS. Erro do balanço iônico (%) = Σ cátions - Σ ânions x 100 Σ (cátions + ânions) (1)
ANÁLISE DE DADOS 4 ANÁLISE DE DADOS A definição das características das águas subterrânea baseou-se nas análises químicas e físico-químicas e na utilização de métodos estatísticos, como a estatística multivariada
Leia maisUNIVERSIDADE FEDERAL FLUMINENSE. Programa de Mestrado e Doutorado em Engenharia de Produção. Disciplina: Estatística Multivariada
UNIVERSIDADE FEDERAL FLUMINENSE Programa de Mestrado e Doutorado em Engenharia de Produção Disciplina: Estatística Multivariada Aula: Análise Discriminante Professor: Valdecy Pereira, D. Sc. email: valdecy.pereira@gmail.com
Leia maisMódulo 16- Análise de Regressão
Módulo 6 Análise de Regressão Módulo 6- Análise de Regressão Situação Problema Um grupo de investidores estrangeiros deseja aumentar suas atividades no Brasil. Considerando a conjuntura econômica de moeda
Leia maisRegressão 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 maisNOÇÕES 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 maisNOSSA SÃO PAULO. Um Estudo Sobre Indicadores Sociais, Ambientais, Econômicos, Políticos e Culturais sobre a Cidade de São Paulo. CARLOS ADRIANO ROCHA
NOSSA SÃO PAULO Um Estudo Sobre Indicadores Sociais, Ambientais, Econômicos, Políticos e Culturais sobre a Cidade de São Paulo. CARLOS ADRIANO ROCHA PONTIFÍCIA UNIVERSIDADE CATÓLICA DE SÃO PAULO FEA Faculdade
Leia maisAnálise 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 maisDelineamento 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 maisMais Informações sobre Itens do Relatório
Mais Informações sobre Itens do Relatório Amostra Tabela contendo os valores amostrados a serem utilizados pelo método comparativo (estatística descritiva ou inferencial) Modelos Pesquisados Tabela contendo
Leia maisPatrícia de Siqueira Ramos. 29 de Agosto de 2018
UNIFAL-MG, campus Varginha 29 de Agosto de 2018 Conteúdo programático A disciplina Introdução à análise multivariada Álgebra matricial Análise de componentes principais Análise de agrupamento (cluster
Leia maisA UTILIZAÇÃO DE MÉTODOS ESTATÍSTICOS NO PLANEJAMENTO E ANÁLISE DE ESTUDOS EXPERIMENTAIS EM ENGENHARIA DE SOFTWARE (FONTE:
A UTILIZAÇÃO DE MÉTODOS ESTATÍSTICOS NO PLANEJAMENTO E ANÁLISE DE ESTUDOS EXPERIMENTAIS EM ENGENHARIA DE SOFTWARE (FONTE: ESELAW 09 MARCOS ANTÔNIO P. & GUILHERME H. TRAVASSOS) 1 Aluna: Luana Peixoto Annibal
Leia maisPESQUISA EM MERCADO DE CAPITAIS. Prof. Patricia Maria Bortolon, D. Sc.
PESQUISA EM MERCADO DE CAPITAIS Prof. Patricia Maria Bortolon, D. Sc. Cap. 7 A Estrutura de Correlações dos Retornos dos Ativos: modelo de índice único ELTO, E.; GRUBER, M.; BROW, S., GOETZMA, W. Moderna
Leia maisPrincípios em Planejamento e Análise de Dados Ecológicos. Regressão linear. Camila de Toledo Castanho
Princípios em Planejamento e Análise de Dados Ecológicos Regressão linear Camila de Toledo Castanho 217 Conteúdo da aula 1. Regressão linear simples: quando usar 2. A reta de regressão linear 3. Teste
Leia maisAnálise de Regressão Linear Simples e
Análise de Regressão Linear Simples e Múltipla Carla Henriques Departamento de Matemática Escola Superior de Tecnologia de Viseu Introdução A análise de regressão estuda o relacionamento entre uma variável
Leia maisAULA 09 Regressão. Ernesto F. L. Amaral. 17 de setembro de 2012
1 AULA 09 Regressão Ernesto F. L. Amaral 17 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario F. 2008. Introdução à
Leia mais4 Análise dos Resultados
53 4 Análise dos Resultados Este capítulo apresenta os resultados obtidos a partir de survey realizada com jovens universitários brasileiros (203 alunos de graduação da PUC-Rio) e americanos (207 alunos
Leia maisPESQUISA CAUSAL: Experimentação
RAD 1404 Pesquisa de Marketing PESQUISA CAUSAL: Experimentação Cap. 7 Pesquisa de Marketing Naresh K. Malhotra Prof. Dirceu Tornavoi de Carvalho Qual o Conceito de Causalidade? Pesquisa Causal Quando a
Leia maisAnálise Multivariada Aplicada à Contabilidade
Mestrado e Doutorado em Controladoria e Contabilidade Análise Multivariada Aplicada à Contabilidade Prof. Dr. Marcelo Botelho da Costa Moraes www.marcelobotelho.com mbotelho@usp.br Turma: 2º / 2016 1 Agenda
Leia maisParte 8 Testes de hipóteses Comparação de dois grupos
Parte 8 Testes de hipóteses Comparação de dois grupos Um objetivo frequente em estudos de diferentes áreas é a comparação de dois ou mais grupos (ou populações). Alguns exemplos: o Comparação dos salários
Leia maisAnálise Multivariada Aplicada à Contabilidade
Mestrado e Doutorado em Controladoria e Contabilidade Análise Multivariada Aplicada à Contabilidade Prof. Dr. Marcelo Botelho da Costa Moraes www.marcelobotelho.com mbotelho@usp.br Turma: 2º / 2016 1 Agenda
Leia maisSumário. Prefácio, xix Apresentação, xxi
Prefácio, xix Apresentação, xxi 1 Introdução à Análise Multivariada (Adriano Rodrigues e Edilson Paulo), 1 1.1 Análise multivariada: conceitos e técnicas, 2 1.2 Exame gráfico dos dados, 10 1.2.1 Exemplo
Leia maisTópicos 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 maisRegressão 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 maisMétodos 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 maisTécnicas Multivariadas em Saúde
Roteiro Técnicas Multivariadas em Saúde Lupércio França Bessegato Dep. Estatística/UFJF 1. Introdução 2. Distribuições de Probabilidade Multivariadas 3. Representação de Dados Multivariados 4. Testes de
Leia maisParte II Inferência estatística
Parte II Inferência estatística 4. Correlação Ana Maria Lopez Calvo de Feijoo SciELO Books / SciELO Livros / SciELO Libros FEIJOO, AMLC. Correlação. In: A pesquisa e a estatística na psicologia e na educação
Leia maisCURTA DURAÇÃO APLICAÇÕES DE ESTATÍSTICA
CURTA DURAÇÃO APLICAÇÕES DE ESTATÍSTICA OBJETIVO O curso tem como objetivo apresentar algumas técnicas de estatística aplicada utilizar a na análise de dados. PERFIL DO ALUNO Destina-se a executivos das
Leia mais29 e 30 de julho de 2013
Programa de Pós-Graduação em Estatística e Experimentação Agronômica ESALQ/USP 29 e 30 de julho de 2013 Dia 2 - Conteúdo 1 2 3 Dados multivariados Estrutura: n observações tomadas de p variáveis resposta.
Leia maisTESTES NÃO-PARAMÉTRICOS
Les-0773: ESTATÍSTICA APLICADA III TESTES NÃO-PARAMÉTRICOS AULA 3 26/05/17 Prof a Lilian M. Lima Cunha Maio de 2017 Revisão... Teste dos Sinais A Comparar valores de medianas de uma amostra com um valor
Leia maisPesquisador. Planejamento de Experimentos Design of Experiments - DOE NOÇÕES SOBRE EXPERIMENTOS FATORIAIS. 1 - Fixar T e variar P até > Pureza
3 NOÇÕES SOBRE EXPERIMENTOS FATORIAIS Planeamento 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 maisEscala de Atitudes em relação à Estatística: estudo de validação. Resumo
1 Escala de Atitudes em relação à Estatística: estudo de validação. Juliana Alvares Duarte Bonini Campos*; Lívia Nordi Dovigo**; Fernanda Salloumé Sampaio Bonafé**; João Maroco*** *Profa. Dra. Da Disciplina
Leia maisDelineamento 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 maisGilberto Müller Beuren
Gilberto Müller Beuren Coleta dos dados: Processo de obtenção dos dados Validação Interna: O quão bem o instrumento mede o que está proposto a medir Validação Externa: Refere-se às hipóteses do estudo
Leia maisNa aula do dia 24 de outubro analisamos duas variáveis quantitativas conjuntamente com o objetivo de verificar se existe alguma relação entre elas.
Regressão Múltipla Na aula do dia 24 de outubro analisamos duas variáveis quantitativas conjuntamente com o objetivo de verificar se existe alguma relação entre elas. 1. definimos uma medida de associação
Leia maisTestes 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 maisEspecialização 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 mais4 Análise dos resultados
4 Análise dos resultados 4.1. Exame dos dados Convém examinar os dados antes de conduzir qualquer análise, pois é possível obter várias informações relevantes relacionadas às suas características (Hair
Leia maisUNIVERSIDADE FEDERAL DE MINAS GERAIS FACULDADE DE FILOSOFIA E CIÊNCIAS HUMANAS DEPARTAMENTO DE CIÊNCIA POLÍTICA CURSO DE GESTÃO PÚBLICA
1 UNIVERSIDADE FEDERAL DE MINAS GERAIS FACULDADE DE FILOSOFIA E CIÊNCIAS HUMANAS DEPARTAMENTO DE CIÊNCIA POLÍTICA CURSO DE GESTÃO PÚBLICA Professor: Ernesto Friedrich de Lima Amaral Disciplina: Avaliação
Leia maisEstatística Descritiva. Objetivos de Aprendizagem. 6.1 Sumário de Dados. Cap. 6 - Estatística Descritiva 1. UFMG-ICEx-EST. Média da amostra: Exemplo:
6 ESQUEMA DO CAPÍTULO Estatística Descritiva 6.1 IMPORTÂNCIA DO SUMÁRIO E APRESENTAÇÃO DE DADOS 6.2 DIAGRAMA DE RAMO E FOLHAS 6.3 DISTRIBUIÇÕES DE FREQUÊNCIA E HISTOGRAMAS 6.4 DIAGRAMA DE CAIXA 6.5 GRÁFICOS
Leia maisRespostas aos Riscos Avaliados
Respostas aos Riscos Avaliados Avaliação de Riscos Respostas aos Riscos Significativos Estratégia Global Plano de Auditoria NBC TA 330 Respostas do Auditor aos Riscos Avaliados O auditor deve planejar
Leia mais7 Resultados e Discussão
114 7 Resultados e Discussão A fim de avaliar a importância da utilização de imagens polarizadas em medidas de textura, cujo processamento necessita de imagens nos dois modos de captura (campo claro e
Leia maisAnálise de Dados Longitudinais Aula
1/35 Análise de Dados Longitudinais Aula 08.08.2018 José Luiz Padilha da Silva - UFPR www.docs.ufpr.br/ jlpadilha 2/35 Sumário 1 Revisão para dados transversais 2 Como analisar dados longitudinais 3 Perspectiva
Leia maisAnálise Fatorial e Componentes Principais Aplicadas na Engenharia de Avaliações
Análise Fatorial e Componentes Principais Aplicadas na Engenharia de Avaliações Diogo de Carvalho Bezerra Universidade Federal de Pernambuco Núcleo de Gestão e-mail:dicbezerra@hotmail.com SOBREA Sociedade
Leia maisRECONHECIMENTO DE PADRÕES - RP
RECONHECIMENTO DE PADRÕES - RP Definições Básicas O que é? 2 Ramo do aprendizado de máquina Consiste em atribuir um rótulo (ou classe) para uma certa amostra ou valor de entrada Exemplo: classificação
Leia maisAnálise Multivariada Aplicada à Contabilidade
Mestrado e Doutorado em Controladoria e Contabilidade Análise Multivariada Aplicada à Contabilidade Prof. Dr. Marcelo Botelho da Costa Moraes www.marcelobotelho.com mbotelho@usp.br Turma: 2º / 2016 1 Agenda
Leia maisMOQ-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 mais3URFHGLPHQWRUHFRPHQGDGRSDUDDYDOLGDomRGRPpWRGRGH5LHWYHOG
129 &21&/86 2(5(&20(1'$d 23$5$1292675$%$/+26 Conclui-se a tese apresentando o resultado da pesquisa realizada no Laboratório de Difração de Raio X e elaborando algumas recomendações para outros trabalhos
Leia maisPor que atributos irrelevantes são um problema Quais tipos de algoritmos de aprendizado são afetados Abordagens automáticas
Por que atributos irrelevantes são um problema Quais tipos de algoritmos de aprendizado são afetados Abordagens automáticas Wrapper Filtros Muitos algoritmos de AM são projetados de modo a selecionar os
Leia mais5.3 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