Correlação. Frases. Roteiro. 1. Coeficiente de Correlação 2. Interpretação de r 3. Análise de Correlação 4. Aplicação Computacional 5.
|
|
- Zilda Candal Valgueiro
- 7 Há anos
- Visualizações:
Transcrição
1 Correlação Frases Uma probabldade razoável é a únca certeza Samuel Howe A experênca não permte nunca atngr a certeza absoluta. Não devemos procurar obter mas que uma probabldade. Bertrand Russel Rotero 1. Coefcente de Correlação. Interpretação de r 3. Análse de Correlação. Aplcação Computaconal 5. Referêncas 1
2 Coefcente de Correlação Dados Emparelhados Há uma relação? Se há, qual é a equação? Usar a equação para predção Correlação Entre duas varáves, exste correla ção quando uma delas está, de alguma forma, relaconada com a outra.
3 Suposções A amostra de dados emparelhados (X, Y) é uma amostra aleatóra. Os pares de dados (X, Y) tem dstrbução normal bvarada. Dagrama de Dspersão Gráfco de dados amostras emparelhados (x, y) com o exo das abcssas (exo x) e o exo das ordenadas (exo y). Cada par ndvdual (x, y) é plotado como um ponto. Exemplo Dados de algumas regões metropoltanas: Porcentagem da população economcamente atva empregada no setor prmáro Índce de analfabetsmo Planlha: analfabetsmo Fonte: Indcadores Socas para Áreas Urbanas, IBGE 1977 ( Bussab) 3
4 Regão Índce Setor Prmáro Analfabetsmo São Paulo,0 17,5 Ro de Janero,5 18,5 Belém,9 19,5 Belo Horzonte 3,3, Salvador,1 6,5 Porto Alegre,3 16,6 Recfe 7,0 36,6 Fortaleza 13,0 38, Fonte: Indcadores Socas para Áreas Urbanas - IBGE Dagrama de Dspersão 0 Dagrama de Dspersão Recfe F or taleza Índce de Analfabetsmo S alvad or Belo Horzonte B elém Ro de Jan ero São Paulo Porto Alegre % PEA no Set or Prmáro 1 1 Correlação Lnear Postva y y y Postva x Postva Forte x Postva Perfeta x Dagramas de Dspersão
5 Correlação Lnear Negatva y y y Negatva x Negatva Forte x Negatva Perfeta x Dagramas de Dspersão Sem Correlação Lnear y y Sem Correlação x Correlação não-lnear x Dagramas de Dspersão Notação x y x y : -ésmo valor observado da varável x : -ésmo valor observado da varável y : méda dos valores observados da varável x (méda amostral) : méda dos valores observados da varável y (méda amostral) 5
6 Soma de Quadrados Notação S S xx yy = = ( x x) = ( y y) = x y n( x) n( y) S = ( x x)( y y) = x y n ( x. y) xy Coefcente de Correlação Lnear Amostral Mede o grau de relaconamento lnear entre os valores emparelhados x e y em uma amostra. r = S S xx xy S yy Em geral, calculadoras fnanceras calculam o valor de r. Exemplo Regão Setor Índce Prmáro Analfabetsmo X Y X Y XY São Paulo 17,5,00 306,5 35,00 Ro de Janero,5 18,5 6,5 3,5 6,5 Belém,9 19,5 8,1 380,5 56,55 Belo Horzonte 3,3, 10,89 9,8 73,6 Salvador,1 6,5 16,81 70,5 108,65 Porto Alegre,3 16,6 18,9 75,56 71,38 Recfe 7 36,6 9, ,56 56,0 Fortaleza 13 38, 169,00 1.7,56 99,0 Total 39,10 195,80 8, ,5 1.16,9 x =,89 y =, 8 S 8,85 8(,89) xx = = 91, 75 = 5.313,5 8(,8) = 519,37 S yy S xy = 1.16,9 8(,89)(,8) = 188,83 r = 188,83 = 0,865 (91,75)(519,37) 6
7 HP 1C Cálculo do Coefcente de Correlação Para dados pareados: Dgte o valor y 1 Pressone ENTER Dgte o valor x 1 Pressone S + Repta a operação para todos os pares Pressone g ^x, r ou g ^y, r Pressone x? y e lea no vsor o valor de r HP 1C Correção de Estatístcas Acumuladas Caso tenha errado na entrada do últmo par de dados: Pressone g LST x e g S - Caso tenha errado algum par anteror ao últmo: Dgte novamente o par e pressone g S - Armazenamento das Estatístcas Acumuladas Regstro Estatístca R 1 (e vsor) n : # pares acumulados R? x : soma valores de x R? x : soma valores de x 3 R? y : soma valores de y R? y : soma valores de y 5 R 6? xy : soma valores de xy 7
8 Mntab Cálculo do Coefcente de Correlação Em Sesson, Edtor > Enable Comando. MTB > Correlaton 'set_prm' 'analfab' Correlatons: set_prm; analfab Pearson correlaton of set_prm and analfab = 0,867 P-Value = 0,005 Ou através de: Stat > Basc Statstcs > Correlaton Propredades de r Mede a ntensdade de relaconamento lnear r é admensonal e 1 = r = 1 A conversão da escala de qualquer das varáves não altera o valor de r. O valor de r não é afetado pela escolha de x ou y. Propredades de r O valor de r não é alterado com a permutação de valores de x e y. Uma correlação baseada em médas de mutos elementos, em geral, é mas alta do que a correlação entre as mesmas varáves baseada em dados para os elementos 8
9 Outra expressão para Cálculo de r r = ( x x)( y y) ( n 1) s s x y s x : desvo padrão amostral de x s y : desvo padrão amostral de y Interpretação de r Exemplo Número de anos de servço (X) por número de clentes (Y) de uma seguradora: Agente Anos Servço Qte. Clentes (X) (Y) A 8 B 3 50 C 56 D 5 5 E 3 F 6 60 G 7 6 H 8 58 I 8 6 J
10 Dagrama de Dspersão dos Dados Qt e. Clen tes Anos Servço 8 10 O coefcente de correlação lnear é tamb ém uma medda da proxmdade dos dados a uma reta Consdere a orgem passando no centróde dos dados 7 5 5, Q te. Clentes , Anos Servç o Maora dos pontos está no 1º e no 3º quadrantes Nesses quadrantes, o produto das coordenadas será sempre postvo (soma dos produtos será postva) Para se obter esta vsão transfere-se a orgem para o centro da nuvem de dados y- med a(y ) x-meda( x)
11 Outro problema relevante é quanto à escala dos dados Y tem varabldade muto maor que X e o produto fcara muto mas afetado pelos valores de Y do que pelos de X Podemos reduzr as duas varáves a uma mesma escala, dvdndo-se os desvos pelos respectvos desvos padrões Agente X Y Z x Z y Z xz y A 8-1,6-0,99 1,5 B ,06-0,76 0,81 C 56-0,67-0,06 0,0 D 5 5-0,8-0,53 0,1 E 3-0,67-1,58 1,06 F ,1 0,1 0,05 G 7 6 0,51 0,6 0,33 H ,91 0,18 0,16 I 8 6 0,91 0,88 0,79 J ,69 1,81 3,07 Total ,00 0,00 7,891 Méda 5,70 56,50 D.Padrão,5 8,55 Z x x x = s x Como esperado, a soma é postva Mudança das escala dos exos 0 1 Zy Zx 1 11
12 A soma dos produtos das coordenadas depende (muto) do número de pontos Para facltar a comparação usa-se a méda da soma dos produtos das coordenadas Por razões técncas, dvde-se por (n-1) 7,891 r = = 9 0,877 Grau de assocação lnear quantfcado por 87,7% Expressão Fnal para r 1 x x y y = n s 1 s x y r = S S xx xy S yy O numerador mede o total da concentração de pontos pelos quatro quadrantes Dá orgem uma medda bastante usada Covarânca Amostral Dados n pares (x 1, y 1 ),..., (x n, y n ), a covarânca amostral entre as varáves X e Y é dada por: cov( X, Y ) = ( x x)( y y) Sxy = ( n 1) ( n 1) A covarânca pode ser entendda como uma méda de produtos centrados das varáves 1
13 Coefcente de Correlação Amostral Pode-se usar a covarânca para calcular r: cov( X, Y ) r = s x s y r = Justfcação para a Fórmula de r ( x x)( y y) ( n 1) s s x y x = 3 y x - x = 7-3 = (7, 3) (x, y) centróde da nuvem de dados II Quadrante III Quadrante (x, y) I Quadrante IV Quadrante y - y = 3-11 = 1 y = x Explcação da Varação A quantdade 100r pode ser entendda como a porcentagem de varação total dos y s que é explcada por sua rela ção com x (ou vce-versa) Se r = 0,80 então 100%(0,8) = 6% da vara ção total de uma varável é explcada pela outra varável Se r = 0,0 teremos 16% de explcação total entre as varáves; A correlação r é vezes mas forte que a correlação r. 13
14 Lneardade: Correlação Erros Comuns r mede apenas a ntensdade de rela ções lneares Pode haver alguma relação entre x e y mesmo quando não há correlação lnear sgnfcatva Y1 7 6 r = 0, , 0 7,5 X1 10,0 1,5 15, Y 6 5 r=0, , 0 7,5 X 10,0 1,5 15, 0 Outlers São observações muto extremas do conjunto de dados; Tal como a méda e o desvo-padrão, a correlação não é robusta, sendo fortemente afetadas por outlers Não devem ser descartados, a não ser que exsta razão sólda; Utlze a correlação com cautela quando houver outlers: a melhor estratéga é relatar ambos os valores de r (com e sem o outler) 1
15 Y r = 0, , 0 7,5 X3 10,0 1,5 15, Y3 7 6 r = 1, , 0 7,5 X3 1 0,0 1,5 15, Y r = 0, X Sem o outler, não há varação em x e o coefcente de correlação não pode ser calculado Causaldade: Correlação Erros Comuns Uma correla ção forte (r vznho de +1 ou 1) não mplca uma rela ção de causa e efeto. O fato de duas grandezas tenderem a varar no mesmo sentdo não mplca a presença de relaconamento causal entre elas. 15
16 Correlação e Causaldade Perguntas pertnentes, no caso de correlação sgnfcante entre as varáves: Há uma relação de causa e efeto entre as varáves? (x causa y? ou vce-versa) Ex.: Relação entre gastos com propaganda e vendas É razoável conclur que mas propaganda resulta mas vendas É possível que a relação entre duas varáves seja uma concdênca? Ex.: Obter uma correlação sgnfcante entre o número de espéces anmas vvendo em determnada área e o número de pessoas com mas de carros, não garante causaldade É bastante mprovável que as varáves estejam dretamente relaconadas. É possível que a relação das varáves tenha sdo causada por uma tercera varável (ou uma combnação de mutas outras varáves)? Ex: Tempo dos vencedores das provas masculna e femnna dos 100 m rasos Os dados tem correla ção lnear postva é duvdoso dzer que a dmnução no tempo masculno cause uma dmnução no tempo femnno; A relação deve depender de outras varáves: técnca de trenamento, clma, etc. 16
17 Correlação e Causaldade A flutuação de uma 3ª varável faz com que X e Y varem no mesmo sentdo; Esta 3ª varável é chamada varável ntercorrente (não-conhecda); A falsa correla ção orgnada pela 3ª varável é denomnada correla ção espúra; Análse de Correlação Coefcente de Correlação Lnear Populaconal Mede o grau de assoca ção de todos os dados emparelhados da população. E( X µ X )( Y µ ) Y ρ = Var( X ) Var( Y ) cov( X, Y ) ρ = DP( X ) DP( Y ) 17
18 Inferênca sobre? O coefcente de correlação amostral r é apenas uma estmatva do parâmetro populaconal? Hpóteses: H 0 :? = 0 (não h á correlação sgnfcatva) vs H 1 :?? 0 (há correlação sgnfcatva) Estatístcas de teste: t r Método 1: Estatístca de teste é t Estatístca de teste: r n t = 1 r Dstrbução da estatístca: t-student com n graus de lberdade Suposção sobre a população: modelo normal bvarado Exemplo Amostra: n=7 e r = 0,8. Usar a = 0,05 Rejeta? = 0 Não Rejeta? = 0 Rejeta? = 0 -,060 0,060 t 5; 0,05 =,060 t obs = 0,8 5 1 (0,8) = 7,16 Conclusão: A correlação é sgnfcatva 18
19 Método : Estatístca de teste é r Exge menos cálculos Valores crítcos: Tabela de Valores Crítcos do Coefcente de Correlação de Pearson Coefcente de Correlação Valores Crítcos n α =,05 α =,01,950,999,878,959,811,917,75,875,707,83,666,798,63,765,60,735,576,708,553,68,53,661,51,61,97,63,8,606,68,590,56,575,,561,396,505,361,63,335,30,31,0,9,378,79,361,5,330,36,305,0,86,07,69,196,56 Exemplo Amostra: n=7 e r = 0,8. Usar a = 0,05 Rejetar r = 0 Não rejetar r = 0 Rejetar r = 0-1 r = - 0,396 0 r = 0,396 1 n = 5 => 0,396 Valor amostral: r = 0,8 Conclusão: A correlação é sgnfcatva 19
20 Aplcação Computaconal Objetvos Análse de duas varáves quanttatvas: traçar dagramas de dspersão, para avalar possíves relações entre as duas varáves; calcular o coefcente de correlação entre as duas varáves; obter uma reta que se ajuste aos dados segundo o crt éro de mínmos quadrados. Exemplo - Dagramas de Dspersão e Correlação Dados de algumas regões metropoltanas: Porcentagem da população economcamente atva empregada no setor prmáro Índce de analfabetsmo Planlha: analfabetsmo Fonte: Indcadores Socas para Áreas Urbanas, IBGE 1977 ( Bussab) 0
21 Regão Índce Setor Prmáro Analfabetsmo São Paulo,0 17,5 Ro de Janero,5 18,5 Belém,9 19,5 Belo Horzonte 3,3, Salvador,1 6,5 Porto Alegre,3 16,6 Recfe 7,0 36,6 Fortaleza 13,0 38, Fonte: Indcadores Socas para Áreas Urbanas - IBGE Problema Exste alguma rela ção entre a porcentagem da população economcamente atva no setor prmáro e o índce de analfabetsmo? Em caso afrmatvo, como quantfc á-la? Obter o dagrama de dspersão dos dados: Graph > Scatter Plot > Smple 1
22 Dagrama de Dspersão 0 Dagrama de Dspersão Recfe F or taleza Índce de Analfabetsmo S alvad or Belo Horzonte B elém Ro de Jan ero São Paulo Porto Alegre % PEA no Set or Prmáro 1 1 Há dependênca lnear entre as varáves? Coefcente de Correlação 1 n ( x x)( y y) r = n 1 = 1 = n n 1 1 ( x x) ( y y) n 1 = 1 n 1 = 1 S S XY XX S YY Cálculo do Coefcente de Correlação Em Sesson, Edtor > Enable Comando. MTB > Correlaton 'set_prm' 'analfab' Correlatons: set_prm; analfab Pearson correlaton of set_prm and analfab = 0,867 P-Value = 0,005 Ou através de: Stat > Basc Statstcs > Correlaton
23 Correlação Há alguma regão com comportamento dferente Dagrama de D spersão das demas? 0 F o rtale za Rec fe Índce de Analfa betsmo Sa lv ad or 5 Belo Ho rzo nte 0 Belém Ro de Janero São P aulo Po rto Aleg re % PEA no S eto r Prmáro Em caso afrmatvo, retre-a da base de dados e recalcule a correla ção. dados Dagrama de Dspersão 0 Fo rtaleza Rec fe Índce de A nalfabetsmo S alva do r Belo Horzonte Belém Ro de Janero São Paulo Porto Alegre % PEA no Setor Prmáro 1 1 Porto Alegre Correlação sem dados da regão metropoltana de Porto Alegre (lnha 6 da base de dados). MTB > correlaton 'set_prm' 'analfab'; SUBC> exclude; SUBC> rows 6. Correlatons: set_prm; analfab Excludng specfed rows: 6 1 rows excluded Pearson correlaton of set_prm and analfab = 0,908 P-Value = 0,005 3
24 Porcentagem de Varação r( ) r 100 r r: correlação calculada com todas as observações r():correla ção calculada sem a -ésma observação. 0,908 0, =,7% 0,867 Dagrama de Dspersão 0 Fo rtaleza Rec fe Índce de A nalfabetsmo S alva do r Belo Horzonte Belém Ro de Janero São Paulo Porto Alegre % PEA no Setor Prmáro 1 1 Fortaleza Correlação sem dados da regão metropoltana de Fortaleza (lnha 8 da base de dados). MTB > correlaton 'set_prm' 'analfab'; SUBC> exclude; SUBC> rows 8. Correlatons: set_prm; analfab Excludng specfed rows: 8 1 rows excluded Pearson correlaton of set_prm and analfab = 0,858 P-Value = 0,013 porcentagem de varação em relação à correlação ncal: 0,858 0, = 1,0% 0,867
25 Dagrama de Dspersão 0 Fo rtaleza Rec fe Índce de A nalfabetsmo S alva do r Belo Horzonte Belém Ro de Janero São Paulo Porto Alegre % PEA no Setor Prmáro 1 1 Recfe Correlação sem dados da regão metropoltana de Recfe (lnha 7 da base de dados). MTB > correlaton 'set_prm' 'analfab'; SUBC> exclude; SUBC> rows 7. Correlatons: set_prm; analfab Excludng specfed rows: 7 1 rows excluded Pearson correlaton of set_prm and analfab = 0,916 P-Value = 0,00 porcentagem de varação em 0,916 0,867 relação à correlação ncal: 100 = 5,7% 0,867 Dagrama de Dspersão 0 Fo rtaleza Rec fe Índce de A nalfabetsmo S alva do r Belo Horzonte Belém Ro de Janero São Paulo Porto Alegre % PEA no Setor Prmáro 1 1 5
26 Salvador Correlação sem dados da regão metropoltana de Salvador (lnha 5 da base de dados). MTB > correlaton 'set_prm' 'analfab'; SUBC> exclude; SUBC> rows 5. Correlatons: set_prm; analfab Excludng specfed rows: 5 1 rows excluded Pearson correlaton of set_prm and analfab = 0,88 P-Value = 0,009 porcentagem de varação em 0,88 0,867 relação à correlação ncal: 100 = 1,7% 0,867 Resumo Regão Retrada Porto Alegre Fortaleza Salvador Recfe Varação (%),8 1,0 1,7 5,7 Comentáros (1) As regões metropoltanas mas nfluentes no valor da correla ção são Porto Alegre e Recfe. Porto Alegre tem um comportamento dferente, pos sua taxa de analfabetsmo é pequena comparada à sua PEA em relação às demas regões. 6
27 Comentáros () Recfe tem uma taxa de analfabetsmo alta comparada sua PEA com as demas regões. Apesar de ser um ponto afastado dos demas, Fortaleza mantém o padrão da maora das regões. Referêncas Bblografa Recomendada Freund, J. E. e Smon, G. A. (Artmed) Estatístca aplcada: economa, admnstração e contabldade Bussab, W. O. e Morettn, P. A. (Sarava) Estatístca básca 7
Análise Exploratória de Dados
Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: traçar dagramas de dspersão, para avalar possíves relações entre as duas varáves; calcular o coefcente de correlação entre as duas
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.
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 mais1. CORRELAÇÃO E REGRESSÃO LINEAR
1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação
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 maisCap. 11 Correlação e Regressão
Estatístca para Cursos de Engenhara e Informátca Pedro Alberto Barbetta / Marcelo Menezes Res / Antono Cezar Borna São Paulo: Atlas, 2004 Cap. 11 Correlação e Regressão APOIO: Fundação de Apoo à Pesqusa
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 maisCORRELAÇÃO E REGRESSÃO
CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr
Leia maisAssociação entre duas variáveis quantitativas
Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa
Leia maisNOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES
NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES 1 O nosso objetvo é estudar a relação entre duas varáves quanttatvas. Eemplos:. Idade e altura das cranças.. v. Tempo de prátca de esportes e rtmo cardíaco
Leia maisEstatística Aplicada II CORRELAÇÃO. AULA 21 07/11/16 Prof a Lilian M. Lima Cunha
09//06 Estatístca Aplcada II CORRELAÇÃO AULA 07//6 Prof a Llan M. Lma Cunha CORRELAÇÃO: Identfcar a estênca ou não de assocação lnear entre varáves: -Preço de um produto em regões; -Frete e Km percorrdo;
Leia maisAnálise Exploratória de Dados
Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: obter uma reta que se ajuste aos dados segundo o crtéro de mínmos quadrados; apresentar outros crtéros para a determnação de uma
Leia maisR X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais
30 Varáves aleatóras bdmensonas Sea ε uma experênca aleatóra e S um espaço amostral assocado a essa experênca. Seam X X(s) e Y Y(s) duas funções cada uma assocando um número real a cada resultado s S.
Leia maisCurso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos
Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,
Leia maisPRESSUPOSTOS DO MODELO DE REGRESSÃO
PREUPOTO DO MODELO DE REGREÃO A aplcação do modelo de regressão lnear múltpla (bem como da smples) pressupõe a verfcação de alguns pressupostos que condensamos segudamente.. Os erros E são varáves aleatóras
Leia mais1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de
Leia mais3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo
3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas
Leia maisMétodos Avançados em Epidemiologia
Unversdade Federal de Mnas Geras Insttuto de Cêncas Exatas Departamento de Estatístca Métodos Avançados em Epdemologa Aula 5-1 Regressão Lnear Smples: Estmação e Interpretação da Reta Tabela ANOVA e R
Leia mais3. Estatística descritiva bidimensional
3. Estatístca descrtva bdmensonal (Tabelas, Gráfcos e números) Análse bvarada (ou bdmensonal): avala o comportamento de uma varável em função da outra, por exemplo: Quantas TV Phlps são venddas na regão
Leia maisRedução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma
Redução dos Dados Júlo Osóro Meddas Característcas da Dstrbução Tendênca Central (Localzação) Varação (Dspersão) Forma 1 Meddas Característcas da Dstrbução Meddas Estatístcas Tendênca Central Dspersão
Leia maisAnálise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA
Análse de Regressão Profa Alcone Mranda dos Santos Departamento de Saúde Públca UFMA Introdução Uma das preocupações estatístcas ao analsar dados, é a de crar modelos que explctem estruturas do fenômeno
Leia maisRISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%
Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $
Leia maisRegressão Múltipla. Parte I: Modelo Geral e Estimação
Regressão Múltpla Parte I: Modelo Geral e Estmação Regressão lnear múltpla Exemplos: Num estudo sobre a produtvdade de trabalhadores ( em aeronave, navos) o pesqusador deseja controlar o número desses
Leia maisREGRESSÃO E CORRELAÇÃO
Relaconamento entre varáves : - requer conhecmento REGRESSÃO E CORRELAÇÃO Y = f ( ) + ε Ex: 1. Y = Lucro de uma Empresa = Investmento em Publcdade Y(v.aleatóra) em função de (v.determnístca), onde Y é
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 maisGabarito da Lista de Exercícios de Econometria I
Gabarto da sta de Exercícos de Econometra I Professor: Rogéro lva Mattos Montor: eonardo enrque A. lva Questão Y X y x xy x ŷ ˆ ˆ y ŷ (Y - Y ) (X - X ) (Ŷ - Y ) 360 00-76 -00 35.00 40.000 36-4 30.976 3076
Leia maisGráficos de Controle para Processos Autocorrelacionados
Gráfcos de Controle para Processos Autocorrelaconados Gráfco de controle de Shewhart: observações ndependentes e normalmente dstrbuídas. Shewhart ao crar os gráfcos de controle não exgu que os dados fossem
Leia maisEstatística II Antonio Roque Aula 18. Regressão Linear
Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão
Leia maisPrograma do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall
Sstemas Intelgentes Aplcados Carlos Hall Programa do Curso Lmpeza/Integração de Dados Transformação de Dados Dscretzação de Varáves Contínuas Transformação de Varáves Dscretas em Contínuas Transformação
Leia maisINSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO
Área Centfca Curso Matemátca Engenhara Electrotécnca º Semestre º 00/0 Fcha nº 9. Um artgo da revsta Wear (99) apresenta dados relatvos à vscosdade do óleo e ao desgaste do aço maco. A relação entre estas
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 maisO problema da superdispersão na análise de dados de contagens
O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão
Leia maisCovariância na Propagação de Erros
Técncas Laboratoras de Físca Lc. Físca e Eng. omédca 007/08 Capítulo VII Covarânca e Correlação Covarânca na propagação de erros Coefcente de Correlação Lnear 35 Covarânca na Propagação de Erros Suponhamos
Leia maisNOTAS DE AULA DA DISCIPLINA CE076
5. COMPONENTES PRINCIPAIS 5. Introdução A análse de Comonentes Prncas está relaconada com a exlcação da estrutura de covarânca or meo de oucas combnações lneares das varáves orgnas em estudo, ou sea, rocura
Leia maisEventos coletivamente exaustivos: A união dos eventos é o espaço amostral.
DEFINIÇÕES ADICIONAIS: PROBABILIDADE Espaço amostral (Ω) é o conjunto de todos os possíves resultados de um expermento. Evento é qualquer subconjunto do espaço amostral. Evento combnado: Possu duas ou
Leia maisO problema da superdispersão na análise de dados de contagens
O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão
Leia maisVariação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.
Aplcação Por exemplo, se prepararmos uma área expermental com todo cudado possível e fzermos, manualmente, o planto de 100 sementes seleconadas de um mlho híbrdo, cudando para que as sementes fquem na
Leia maisANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de métodos
Leia maisUNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)
UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade
Leia mais4 Critérios para Avaliação dos Cenários
Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada
Leia maisRegressão Linear Simples. Frases. Roteiro
Regressão Lnear Smples Frases Por serem mas precsos que as palavras, os números são partcularmente adequados para transmtr conclusões centífcas Pagano e Gauvre, 4 Rotero. Modelagem de Relação. Modelo Lnear
Leia maisEscola Superior de Tecnologia de Viseu. Fundamentos de Estatística 2006/2007 Ficha nº 7
Escola Superor de Tecnologa de Vseu Fundamentos de Estatístca 006/00 Fcha nº. Um artgo da revsta Wear (99) apresenta dados relatvos à vscosdade do óleo e ao desgaste do aço maco. A relação entre estas
Leia maisOs modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.
MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,
Leia maisContabilometria. Aula 8 Regressão Linear Simples
Contalometra Aula 8 Regressão Lnear Smples Orgem hstórca do termo Regressão Le da Regressão Unversal de Galton 1885 Galton verfcou que, apesar da tendênca de que pas altos tvessem flhos altos e pas axos
Leia mais1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 011 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de
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 maisANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de métodos
Leia maisRegressão Linear Simples by Estevam Martins
Regressão Lnear Smples by Estevam Martns stvm@uol.com.br "O únco lugar onde o sucesso vem antes do trabalho, é no dconáro" Albert Ensten Introdução Mutos estudos estatístcos têm como objetvo estabelecer
Leia maisRegressão Linear Múltipla. Frases. Roteiro
Regressão Lnear Múltpla Frases Por serem mas precsos que as palavras, os números são partcularmente adequados para transmtr conclusões centífcas Pagano e Gauvre, 004 Rotero 1. Especfcação do Modelo. Modelo
Leia mais2ª Atividade Formativa UC ECS
I. Explque quando é que a méda conduz a melhores resultados que a medana. Dê um exemplo para a melhor utlzação de cada uma das meddas de localzação (Exame 01/09/2009). II. Suponha que um professor fez
Leia maisProbabilidade e Estatística. Correlação e Regressão Linear
Probabldade e Estatístca Correlação e Regressão Lnear Correlação Este uma correlação entre duas varáves quando uma delas está, de alguma forma, relaconada com a outra. Gráfco ou Dagrama de Dspersão é o
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
Leia maisREGRESSÃO LINEAR ANÁLISE DE REGRESSÃO LINEAR MÚLTIPLA REGRESSÃO CURVILÍNEA FUNÇÃO QUADRÁTICA
ANÁLISE DE REGRESSÃO LINEAR MÚLTIPLA REGRESSÃO LINEAR Verfcado, pelo valor de r, que ocorre uma sgnfcante correlação lnear entre duas varáves há necessdade de quantfcar tal relação, o que é feto pela análse
Leia maisElementos de Estatística e Probabilidades II
Elementos de Estatístca e Probabldades II Varáves e Vetores Aleatóros dscretos Inês Das 203 O prncpal objetvo da deste documento é fornecer conhecmentos báscos de varáves aleatóras dscretas e pares aleatóros
Leia maisAULA 4. Segundo Quartil ( Q observações são menores que ele e 50% são maiores.
Estatístca Aplcada à Engenhara AULA 4 UNAMA - Unversdade da Amazôna.8 MEDIDA EPARATRIZE ão valores que separam o rol (os dados ordenados) em quatro (quarts), dez (decs) ou em cem (percents) partes guas.
Leia maisMétodos Experimentais em Ciências Mecânicas
Métodos Expermentas em Cêncas Mecâncas Professor Jorge Luz A. Ferrera Sumáro.. Dagrama de Dspersão. Coefcente de Correlação Lnear de Pearson. Flosofa assocada a medda da Estatstca. este de Hpótese 3. Exemplos.
Leia maisESTATÍSTICA APLICADA II ANO LECTIVO 2011/2012. Exame Final 26 de Julho de 2012
ETATÍTICA APLICADA II ANO LECTIVO / Exame Fnal 6 de Julho de Duração : H 3 M Nota: Responder um grupo por folha (utlze frente e verso de cada folha) Em todas as questões apresentar os cálculos efectuados
Leia maisDIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS
DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS 1 A análse de dagnóstco (ou dagnóstco do ajuste) confgura uma etapa fundamental no ajuste de modelos de regressão. O objetvo prncpal da análse de dagnóstco
Leia maisUNIVERSIDADE DE PERNAMBUCO. Física Experimental. Prof o José Wilson Vieira
UNIVERSIDADE DE PERNAMBUCO ESCOLA POLITÉCNICA DE PERNAMBUCO Físca Expermental Prof o José Wlson Vera wlson.vera@upe.br AULA 01: PROCESSOS DE ANÁLISE GRÁFICA E NUMÉRICA MODELO LINEAR Recfe, agosto de 2015
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-14 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Prncípos de cração de modelos empírcos: Modelos (matemátcos, lógcos, ) são comumente utlzados na
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
Leia maisX = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)
Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado
Leia maisAEP FISCAL ESTATÍSTICA
AEP FISCAL ESTATÍSTICA Módulo 11: Varáves Aleatóras (webercampos@gmal.com) VARIÁVEIS ALEATÓRIAS 1. Conceto de Varáves Aleatóras Exemplo: O expermento consste no lançamento de duas moedas: X: nº de caras
Leia maisREGRESSÃO NÃO LINEAR 27/06/2017
7/06/07 REGRESSÃO NÃO LINEAR CUIABÁ, MT 07/ Os modelos de regressão não lnear dferencam-se dos modelos lneares, tanto smples como múltplos, pelo fato de suas varáves ndependentes não estarem separados
Leia maisESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11. EXERCÍCIOS PRÁTICOS - CADERNO 1 Revisões de Estatística
ESTATÍSTICA MULTIVARIADA º SEMESTRE 010 / 11 EXERCÍCIOS PRÁTICOS - CADERNO 1 Revsões de Estatístca -0-11 1.1 1.1. (Varáves aleatóras: função de densdade e de dstrbução; Méda e Varânca enquanto expectatvas
Leia maisTabela 1. Porcentagem de crianças imunizadas contra DPT e taxa de mortalidade de menores de 5 anos para 20 países, 1992.
Regressão Lnear Algumas vezes estamos nteressados não apenas se exste assocação entre duas varáves quanttatvas x e y, mas nós temos também uma hpótese a respeto de uma provável relação de causa e efeto
Leia maisCapítulo 1. Exercício 5. Capítulo 2 Exercício
UNIVERSIDADE FEDERAL DE GOIÁS CIÊNCIAS ECONÔMICAS ECONOMETRIA (04-II) PRIMEIRA LISTA DE EXERCÍCIOS Exercícos do Gujarat Exercíco 5 Capítulo Capítulo Exercíco 3 4 5 7 0 5 Capítulo 3 As duas prmeras demonstrações
Leia mais3 A técnica de computação intensiva Bootstrap
A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.
Leia maisUNIVERSIDADE NOVA DE LISBOA Faculdade de Economia Análise de Dados e Probabilidade 2º Semestre 2008/2009 Exame Final 1ª Época. Grupo I (4 Valores)
UNIVERSIDADE NOVA DE LISBOA Faculdade de Economa Análse de Dados e Probabldade º Semestre 008/009 Exame Fnal ª Época Clara Costa Duarte Data: 8/05/009 Graça Slva Duração: h0 Grupo I (4 Valores) A gelatara
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
Leia mais3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas
3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas
Leia maisAnálise de Variância. Comparação de duas ou mais médias
Análse de Varânca Comparação de duas ou mas médas Análse de varânca com um fator Exemplo Um expermento fo realzado para se estudar dabetes gestaconal. Desejava-se avalar o comportamento da hemoglobna (HbA)
Leia maisANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 0 Estatístca Descrtva e Análse Eploratóra Realzadas em etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de grande quantdade de dados e
Leia maisProbabilidade e Estatística. Correlação e Regressão Linear
Probabldade e Estatístca Correlação e Regressão Lnear Varáves Varável: característcas ou tens de nteresse de cada elemento de uma população ou amostra Também chamada parâmetro, posconamento, condção...
Leia mais2 Incerteza de medição
2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr
Leia maisOcorrência (i) Total Freq. Observada (n i )
apítulo 4 Problema H L : p p p6 / 6 Ocorrênca ( 3 4 5 6 Total Freq. Observada (n 43 49 56 45 66 4 3 Freq. Esperada ( n * 5 5 5 5 5 5 3 ( n / n n,98,,7,5 5,,6 8,96 8,96 ; s 6; g.l. 5. ˆ 5 α P ( χ > 8,96,.
Leia maisNOTAS DE AULA DA DISCIPLINA CE DENSIDADE NORMAL MULTIVARIADA E SUAS PROPRIEDADES
NOTAS DE AULA DA DISCIPLINA CE76 3 DISTRIBUIÇÃO NORMAL MULTIVARIADA 3 DENSIDADE NORMAL MULTIVARIADA E SUAS PROPRIEDADES A densdade normal multvarada é uma generalação da densdade normal unvarada ara dmensões
Leia maisINTRODUÇÃO À CALIBRAÇÃO MULTIVARIADA
INTRODUÇÃO À CALIBRAÇÃO MULTIVARIADA APLICAÇÃO NO CONTROLE DE QUALIDADE DE FÁRMACOS Prof. Dr. Marcelo Martns de Sena MÓDULO 04 Undade Unverstára de Cêncas Eatas e Tecnológcas UnUCET Anápols 1 MÓDULO 04
Leia maisAo se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.
Estatístca Dscplna de Estatístca 0/ Curso de Admnstração em Gestão Públca Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos uns dos
Leia maisCAPÍTULO 2 - Estatística Descritiva
INF 16 Prof. Luz Alexandre Peternell CAPÍTULO - Estatístca Descrtva Exercícos Propostos 1) Consderando os dados amostras abaxo, calcular: méda artmétca, varânca, desvo padrão, erro padrão da méda e coefcente
Leia maisTermo-Estatística Licenciatura: 4ª Aula (08/03/2013)
Termo-Estatístca Lcencatura: 4ª Aula (08/03/013) Prof. Alvaro Vannucc RELEMBRADO Dstrbução dscreta (hstogramas) x contínua (curvas de dstrbução): Dada uma Função de Dstrbução de Densdade de Probabldade,
Leia maisEstatística Espacial: Dados de Área
Estatístca Espacal: Dados de Área Dstrbução do número observado de eventos Padronzação e SMR Mapas de Probabldades Mapas com taxas empírcas bayesanas Padronzação Para permtr comparações entre dferentes
Leia maisCAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA
CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de
Leia maisY X Baixo Alto Total Baixo 1 (0,025) 7 (0,175) 8 (0,20) Alto 19 (0,475) 13 (0,325) 32 (0,80) Total 20 (0,50) 20 (0,50) 40 (1,00)
Bussab&Morettn Estatístca Básca Capítulo 4 Problema. (b) Grau de Instrução Procedênca º grau º grau Superor Total Interor 3 (,83) 7 (,94) (,) (,33) Captal 4 (,) (,39) (,) (,3) Outra (,39) (,7) (,) 3 (,3)
Leia maisNeste capítulo abordam-se os principais conceitos relacionados com os cálculos de estatísticas, histogramas e correlação entre imagens digitais.
1 1Imagem Dgtal: Estatístcas INTRODUÇÃO Neste capítulo abordam-se os prncpas concetos relaconados com os cálculos de estatístcas, hstogramas e correlação entre magens dgtas. 4.1. VALOR MÉDIO, VARIÂNCIA,
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-4 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Programa do curso: Semana Conteúdo Apresentação da dscplna. Prncípos de modelos lneares de regressão.
Leia maisMOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES
MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES 1. Obtenha os estmadores dos coefcentes lnear e angular de um modelo de regressão lnear smples utlzando o método
Leia maisREGRESSÃO LINEAR ANÁLISE DE REGRESSÃO LINEAR MÚLTIPLA REGRESSÃO CURVILÍNEA FUNÇÃO QUADRÁTICA VERIFICAÇÃO DO AJUSTE A UMA RETA PELO COEFICIENTE 3 X 3
ANÁLISE DE REGRESSÃO LINEAR MÚLTIPLA REGRESSÃO LINEAR Verfcado, pelo valor de r, que ocorre uma sgnfcante correlação lnear entre duas varáves há necessdade de quantfcar tal relação, o que é feto pela análse
Leia maisMODELOS DE REGRESSÃO PARAMÉTRICOS
MODELOS DE REGRESSÃO PARAMÉTRICOS Às vezes é de nteresse nclur na análse, característcas dos ndvíduos que podem estar relaconadas com o tempo de vda. Estudo de nsufcênca renal: verfcar qual o efeto da
Leia maisRAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro
UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD1507 Estatístca Aplcada à Admnstração I Prof. Dr. Evandro Marcos adel Rbero
Leia maisIntrodução às Medidas em Física a Aula
Introdução às Meddas em Físca 4300152 8 a Aula Objetvos: Experênca Curvas Característcas Meddas de grandezas elétrcas: Estudar curvas característcas de elementos resstvos Utlzação de um multímetro Influênca
Leia maisModelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados
Modelo lnear normal com erros heterocedástcos O método de mínmos quadrados ponderados Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal
Leia mais1ª PROVA DE ESTATÍSTICA EXPERIMENTAL
UNIVERSIAE ESTAUAL PAULISTA FACULAE E CIÊNCIAS AGRÁRIAS E VETERINÁRIAS CAMPUS E JABOTICABAL ª PROVA E ESTATÍSTICA EXPERIMENTAL - MEICINA VETERINÁRIA NOME: ATA / / ª QUESTÃO (5,5): Vnte suínos foram dstrbuídos
Leia maisAo se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.
Estatístca Dscplna de Estatístca 0/ Curso Superor de tecnólogo em Gestão Ambental Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos
Leia maisa média populacional do i-ésimo tratamento; o efeito do i-ésimo tratamento na variável dependente Y e mede o afastamento da média µ
UNIVERSIDADE ESTADUAL PAULISTA FACULDADE DE CIÊNCIAS AGRÁRIAS E VETERINÁRIAS CAMPUS DE JABOTICABAL ª PROVA DE ESTATÍSTICA EXPERIMENTAL - MEDICINA VETERINÁRIA NOME: DATA / / ª QUESTÃO (5,5): Vnte e cnco
Leia mais