CAPÍTULO 3 MODELO DE CALIBRAÇÃO REGRESSÃO LINEAR VS. REGRESSÃO LINEAR PONDERADA 3.1. FUNDAMENTOS
|
|
- Arthur Cipriano Godoi
- 7 Há anos
- Visualizações:
Transcrição
1 CAPÍTULO 3 MODELO DE CALIBRAÇÃO REGRESSÃO LINEAR VS. REGRESSÃO LINEAR PONDERADA 3.1. FUNDAMENTOS O êxto de um estudo farmacocnétco depende em grande medda da qualdade do método analítco utlzado. Por sso, a valdação do método analítco consttu um pré-requsto essencal, capaz de garantr a exactdão e a reprodutbldade dos dados obtdos. Por consegunte, qualquer que seja a metodologa analítca, a correcta nterpretação da curva de calbração afgura-se fundamental, uma vez que a qualdade dos dados obtdos se encontra fortemente dependente da curva de calbração que os gera. Normalmente, as concentrações de analto são avaladas utlzando os resultados da curva de calbração, defnda como a relação entre a resposta do nstrumento e concentrações conhecdas de analto (Gudance for Industry, 001). Muto embora, alguns procedmentos analítcos possam necesstar de um modelo de calbração não-lnear, a regressão lnear é claramente a abordagem mas adoptada, tomando mutas vezes a desgnação de recta de calbração. Neste caso, embora seja anda comum a utlzação de duas ou mas rectas de calbração para estudar dferentes ntervalos de concentração, a utlzação de um únco ntervalo de concentrações, amplo e dnâmco, é de grande utldade na rotna laboratoral. Geralmente, a utlzação do detector de UV ou de fluorescênca permte um ncremento lnear ao longo de um amplo ntervalo de concentrações. No entanto, em grande parte dos casos, pelo facto de estarmos perante ntervalos de concentração amplos normalmente, mas de uma ordem de grandeza é de esperar que a varânca em cada ponto da recta seja dferente (Johnson et al., 1988), pelo que, a condção de homogenedade de varânca, desgnada por homoscedastcdade, não é cumprda. Consequentemente, as concentrações mas elevadas tendem a nfluencar (ou pesar ) a recta 107
2 Capítulo 3 Modelo de Calbração de calbração, resultando na perda da exactdão, especalmente nos seus pontos mas baxos (Johnson et al., 1988; Karnes et al., 1991). A utlzação do modelo de Regressão Lnear Ponderada (RLP) é a forma mas smples e efectva de harmonzar as dscrepâncas entre as varâncas dos dferentes pontos que consttuem a recta (Garden et al., 1980; Johnson et al., 1988; Thompson, 1988; Karnes et al., 1991; Mller, 1991; Mulholland e Hbbert, 1997). Assm, mas do que entrar em consderações estatístcas complexas por mero rgor académco, pensámos ser de extrema mportânca a sstematzação de concetos cuja aplcabldade na rotna analítca é notóra. Para tal, fo objectvo deste capítulo o estudo do modelo de regressão da recta de calbração que melhor ajustara os dados obtdos durante a valdação da técnca cromatográfca (HPLC) desenvolvda para a quantfcação de lamotrgna em plasma humano (Capítulo ) Fundamentos da regressão lnear smples vs. ponderada O objectvo da regressão lnear é encontrar um modelo determnístco capaz de estmar os valores assumdos pela varável dependente (y) quando as varáves ndependentes (x n ) são conhecdas ou fxas. Este modelo defne o tpo de relação exstente entre as varáves, sendo o Método dos Mínmos Quadrados a metodologa mas utlzada para determnar os seus parâmetros. A expressão a mnmzar é a segunte: SS = ( y obs, y prev, ) (Equação 3.1) No modelo de regressão lnear a relação entre as varáves é descrta por uma lnha recta, matematcamente expressa por: y a+ bx = (Equação 3.) sendo y, a varável dependente; x, a varável ndependente; a, a ordenada na orgem; e b, o declve da recta. 108
3 Estudo da LTG em doentes epléptcos submetdos a montorzação VEEG Geralmente, o modelo de regressão lnear assume que (1) os valores da varável ndependente x são fxos, () os valores da varável x são meddos sem erro assocado, (3) para cada valor de x exste uma subpopulação de valores de y com dstrbução normal, (4) os valores de y são estatstcamente ndependentes, (5) as médas dos valores das subpopulações de y caem sobre uma lnha recta, e (6) as varâncas das subpopulações de y são guas (Danel, 1987). Porém, é muto comum encontrar stuações em que o desvo-padrão das subpopulações de y se altera com o valor de x, o que se descreve como uma stuação de heteroscedastcdade. Em mutos casos, o desvo-padrão aumenta proporconalmente com a concentração, o que conduz a um coefcente de varação constante. Não obstante poderem ser observados comportamentos dferentes, tendo em consderação que estes podem ser função do snal ou da concentração ou anda de outros factores, a ocorrênca mas comum de heteroscedastcdade é um aumento de varânca em função da concentração (Garden et al., 1980; Johnson et al., 1988; Thompson, 1988; Karnes et al., 1991; Mller, 1991; Pateman, 1995). Geralmente, um método analítco utlza um número de padrões de matrz dêntca na qual o analto se encontra em concentrações conhecdas e dferentes entre s. Para cada concentração o aparelho fornece uma resposta que está sujeta a um erro, pelo que medções repetdas orgnarão uma dstrbução de frequêncas. Esta noção encontra-se lustrada na Fgura 3.1, onde é possível observar as dstrbuções das meddas para cada concentração. Na Fgura 3.1a é assumdo que a dspersão das meddas é gual para cada padrão, ou seja, é ndependente da concentração de analto, e pode ser caracterzada por uma únca medda de varânca, o que se desgna por homoscedastcdade. Na Fgura 3.1b o desvo-padrão da medda aumenta progressvamente com a concentração de analto, o que se denomna por heteroscedastcdade. 109
4 Capítulo 3 Modelo de Calbração a) b) Fgura 3.1. Modelos de regressão lnear: homoscedastcdade a) - gual desvo-padrão para todas as subpopulações de y; heteroscedastcdade b) ; aumento do desvo-padrão em função da concentração. 110
5 Estudo da LTG em doentes epléptcos submetdos a montorzação VEEG Assm, quando as concentrações mas elevadas tendem a nfluencar ( pesar ) mas a recta de regressão do que os pequenos desvos assocados às concentrações mas baxas, resultando na dmnução da exactdão (Johnson et al., 1988; Karnes et al., 1991), deve-se recorrer ao modelo de regressão lnear ponderada (Garden et al., 1980; Johnson et al., 1988; Mller e Mller, 1988; Thompson, 1988; Karnes et al., 1991; Mller, 1991). A expressão a ser mnmzada toma a segunte forma (Johnson et al., 1988): SS ( y obs y, prev, ) σ = (Equação 3.3) em que σ representa a varânca assocada à resposta dos padrões de calbração. Tomando o objectvo da RLP em conta, o factor de ponderação mas aproprado, W, corresponderá ao nverso da varânca: W σ 1 = (Equação 3.4) No entanto, este factor de ponderação é consderado pouco prátco, tendo em atenção que seram necessáras váras determnações de cada padrão de calbração para se calcular o valor de varânca, pelo que, outras aproxmações de varânca têm sdo apontadas, baseadas quer na varável ndependente x (concentração), quer na varável dependente y (resposta) (Johnson et al., 1988; Karnes et al., 1991) Teste de homoscedastcdade O modelo de regressão lnear é claramente o modelo mas utlzado nos métodos analítcos, em que a varável ndependente é a concentração e a varável dependente a resposta. Tal como já fo referdo, este tpo de regressão assume que a medda de x não está assocada a 111
6 Capítulo 3 Modelo de Calbração erros e que os resíduos calculados são ndependentes, normalmente dstrbuídos e possuem gual varânca, condção que se desgna por homoscedastcdade. Contudo, na maora das análses boanalítcas, a varânca não é constante em todos os pontos da recta de calbração e, por consegunte, a condção de homoscedastcdade não é cumprda. Assm sendo, é mportante verfcar a assunção de homoscedastcdade em qualquer análse de regressão lnear. Esta avalação é feta por análse gráfca da dstrbução dos resíduos em função da concentração (Garden et al., 1980; Johnson et al., 1988; Karnes et al., 1991; Szabo et al., 1994; Mulholland e Hbbert, 1997) e através da aplcação do F-teste (Cardone et al., 1990; 1990; Hartmann et al., 1995) Análse de resíduos A análse gráfca dos resíduos versus concentração permte-nos observar uma banda horzontal de resíduos aleatoramente dstrbuídos em redor do exo dos xx, em caso de homoscedastcdade (Fgura 3.a); por outro lado, um aumento gradual da varânca em função da concentração repercutr-se-á na dstrbução dos resíduos que tomam uma forma característca de leque ou cone (Fgura 3.b), a ocorrênca mas comum de heteroscedastcdade. a) b) Resíduos 0 Resíduos 0 Concentração Concentração Fgura 3.. Esquemas representatvos da dstrbução dos resíduos vs. concentração (zona sombreada) observada em caso de varânca constante a) e quando se verfca o aumento da varânca em função da concentração b). 11
7 Estudo da LTG em doentes epléptcos submetdos a montorzação VEEG Análse estatístca A varânca das concentrações é analsada nos lmtes da curva de calbração, tendo em consderação que: 1 S F exp = (Equação 3.5) S F tab (f 1, f ; 0,99) sendo que S 1 representa a varânca da resposta do padrão de calbração mas elevado e S a varânca do padrão de calbração mas baxo. Os valores expermentas F exp são expressos pela razão entre as varâncas obtdas para os padrões de concentração nos lmtes da curva de calbração, e os valores tabelados F tab para um nível de confança a 99% e f 1 = f = (n - 1) graus de lberdade (ISO, 1990). Por sua vez, a varânca da amostra é dada pela segunte equação: s ( y y ) = n 1 (Equação 3.6) Mantendo-se a varânca constante ao longo da recta de calbração, os resíduos devem dstrbur-se aleatoramente em redor do exo dos xx, e o valor do F exp deve ser nferor ao valor tabelado Escolha do modelo de regressão Perante a evdênca de que os dados são heteroscedástcos, a fase segunte passa pela escolha de um modelo de regressão mas adequado à sua natureza. Como já se referu, nesta stuação, o factor de ponderação mas adequado é o nverso da varânca, porém, esta 113
8 Capítulo 3 Modelo de Calbração abordagem não se coaduna com a rotna laboratoral, pos requer váras determnações por ponto, o que torna o processo mpratcável, dada a necessdade efectva de preparar rectas de calbração daramente ou sempre que o método é utlzado. Por consegunte, o recurso a outras aproxmações deve ser equaconado, nomeadamente, a utlzação de factores de ponderação empírcos, denomnados como aproxmação de varânca, tas como, 1/x 1/, 1/x, 1/x, 1/y 1/, 1/y e 1/y. O factor de ponderação mas adequado é escolhdo com base no cálculo do Erro Relatvo percentual (%ER), o qual compara a concentração obtda através da equação resultante da regressão (C exp ), com a concentração teórca ou nomnal (C nom ): C % ER= exp C C nom nom 100 (Equação 3.7) O erro relatvo percentual, avalado quer pela análse gráfca dos seus valores em função da concentração, quer pela soma de todos os valores para o total da gama de concentrações, é um ndcador sensível da qualdade do ajuste na avalação da regressão lnear ponderada (Johnson et al., 1988). O melhor factor de ponderação será aquele que for capaz de orgnar valores de %ER aleatoramente dstrbuídos em redor do exo do x, em forma de uma banda horzontal estreta, e que smultaneamente, apresente a menor soma de valores de %ER ao longo do ntervalo de concentrações Equação de regressão lnear ponderada Os parâmetros do modelo (a e b) da equação de regressão lnear ponderada podem agora ser determnados. A conversão das equações da regressão lnear smples nas suas contrapartes ponderadas é faclmente realzada por multplcação de um factor por cada somatóro da equação, e alterando n por Σw (Leve, 1986; Johnson et al., 1988). Assm, sabendo que os valores dos parâmetros a e b para a regressão lnear smples (RLS) podem ser obtdos pelas seguntes fórmulas: 114
9 Estudo da LTG em doentes epléptcos submetdos a montorzação VEEG b a n x y x n x ( x) = x y x n x ( x) = y x y (Equação 3.8) (Equação 3.9) os valores dos parâmetros a e b para a RLP são obtdos pelas seguntes fórmulas modfcadas: w w w x y w x ( w x) w y = w x b (Equação 3.10) w x w w y w x ( w x) = w x w x y a (Equação 3.11) onde (x, y ) representam o par de dados do n total de pares de dados e w representa o factor de ponderação. O grau de dependênca estabelecdo entre as duas varáves, expresso pelo coefcente de correlação (r), é obtdo pela fórmula segunte: w w w x y w x w y ( w x) w w y ( w y) r = (Equação 3.1) w x As fórmulas acma apresentadas para a RLP podem ser nserdas numa folha de cálculo (Mcrosoft Excel ) de modo a proceder à determnação dos parâmetros de regressão das rectas de calbração, utlzando, para tal, o factor de ponderação desejado. Este tpo de estudo pode também ser realzado através de um programa nformátco que nclua nas suas funções a 115
10 Capítulo 3 Modelo de Calbração regressão lnear ponderada, com a possbldade de selecconar o factor de ponderação pretenddo na regressão. O programa estatístco SPSS (release 11.5 for Wndows; 00) possu essas potencaldades e permte anda obter dados relatvos à qualdade do ajuste dessa recta. Todo o processo de análse de dados, desde a observação dos resíduos vs. concentração até ao cálculo da equação que melhor exprme a natureza dos dados pode ser esquematcamente traduzdo pela Fgura 3.3. DADOS ANALÍTICOS Homogenedade de varânca? Teste de homogenedade de varânca Resíduos vs. concentração Teste F SIM Homoscedastcdade NÃO Heteroscedastcdade Modelo de calbração? Escolha do modelo de calbração W? % ER vs. concentração % ER Regressão lnear smples Regressão lnear ponderada Fgura 3.3. Representação esquemátca da escolha do modelo de regressão (ER=Erro relatvo; W=Ponderação). 116
11 Estudo da LTG em doentes epléptcos submetdos a montorzação VEEG 3.. RESULTADOS Para exemplfcar este processo de escolha do modelo de regressão utlzámos o conjunto de dados gerados no ensao ntra-da (Tabela.1) durante a valdação da técnca de determnação de lamotrgna em plasma humano (Capítulo ) Teste de homoscedastcdade A dstrbução dos resíduos obtdos para o conjunto de dados do ensao ntra-da da valdação da técnca de lamotrgna pode ser analsada através da Fgura 3.4. Esta fgura demonstra uma aumento gradual da magntude do erro em função da concentração, não sendo possível observar uma banda horzontal de erro aleatoramente dstrbuído em redor do exo das abcssas, ndcatva de homoscedastcdade. 0,5 0,3 Resíduos (y obs - y prev) 0,1-0,1-0,3-0,5 0,0,0 4,0 6,0 8,0 10,0 1,0 14,0 16,0 Concentração (mg/l) Fgura 3.4. Dstrbução dos resíduos vs. concentração obtda no ensao ntra-da da valdação da técnca analítca de determnação de lamotrgna em plasma humano (prev=prevsto; obs=observado). 117
12 Capítulo 3 Modelo de Calbração O teste F (Tabela 3.1) relevou uma dferença sgnfcatva de varâncas entre os dos extremos da recta de calbração quando o valor expermental (F exp = 1,45x10 5 ) fo comparado com o valor tabelado (F tab = 15,98). Os resultados ndcam que a assunção de homoscedastcdade não fo cumprda; os dados são heteroscedástcos. Tabela 3.1. Teste de homogenedade de varâncas (s ): Teste F. Concentração (mg/l) A A P Resposta (A/ A P) 0, ,0 5,5x , , , ,04 15, ,763 7,60x , , , ,17 s 7,60 10 exp 15 0,1 + 5 = = 1, ,5 10, 0 F F tab = s s (4; 4; 0,99) = 15,98 A=Área do pco de lamotrgna; A P=Área do pco do padrão nterno Escolha do modelo de regressão A dstrbução do erro relatvo percentual (%ER) em função da concentração encontra-se representada na Fgura 3.5, para o modelo de regressão lnear smples (Modelo 1) e para os modelos de regressão ponderada (Modelos -7). O Modelo 1 orgnou uma subestmação das concentrações próxmas do extremo nferor da curva de calbração, prncpalmente no lmte de quantfcação (LQ). Os Modelo 4 e 7 apresentaram os melhores resultados nesses pontos da recta. 118
13 Estudo da LTG em doentes epléptcos submetdos a montorzação VEEG % ER Modelo Conc (mg/l) Modelo Modelo % ER 5-5 % ER Conc (mg/l) Conc (mg/l) Modelo 3 Modelo % ER 5-5 % ER Conc (mg/l) Conc (mg/l) Modelo 4 Modelo % ER 5-5 % ER Conc (mg/l) Conc (mg/l) Fgura 3.5. Dstrbução do erro relatvo percentual (%ER) em função da concentração de lamotrgna (Conc.) obtda para o Modelo 1 (w=1), Modelo (w=1/y 1/ ), Modelo 3 (w=1/y), Modelo 4 (w=1/y ), Modelo 5 (w=1/x 1/ ), Modelo 6 (w=1/x) e Modelo 7(w=1/x ). 119
14 Capítulo 3 Modelo de Calbração Os parâmetros de regressão gerados a partr de cada factor de ponderação e o respectvo somatóro dos erros relatvos percentuas encontram-se resumdos na Tabela 3.. Estes parâmetros de regressão foram obtdos com base nas equações 3.10, 3.11 e 3.1, ntroduzdas numa folha de cálculo (Mcrosoft Excel, versão 00). A análse estatístca destes resultados fo levada a cabo pelo SPSS (release 11.5 for Wndows; 00). Tabela 3.. Parâmetros de regressão da recta de calbração gerada para cada factor de ponderação (w) e respectva soma dos erros relatvos percentuas (Σ %ER); n = 30. Modelo w b a r Σ % ER 1 1 0,713 +0,081 0, ,90 1/y 1/ 0,743 +0,0033 0,998 64,31 3 1/y 0,76-0,0034 0, ,48 4 1/y 0,789-0,0048 0, ,47 5 1/x 1/ 0,747 +0,0037 0,998 71,34 6 1/x 0,770-0,0033 0, ,71 7 1/x 0,804-0,0049 0,999 11,38 O modelo 7 aparece assocado ao somatóro mas baxo, pelo que a aproxmação de varânca 1/x apresenta-se como a mas válda de todas as estudadas. Estes resultados estão de acordo com a dstrbução gráfca assumda pelos erros (Fgura 3.5). Por consegunte, o Modelo 7 fo escolhdo como o modelo de regressão mas adequado ao conjunto de dados estudados Equação de regressão lnear ponderada A recta de calbração obtda através do Modelo 7, modelo de regressão ponderada, que utlza o factor de ponderação 1/x, é gual a y = 0,804x 0,0049, com r= 0,999. A exactdão dos dados, expressa pelo valor de Bas ou Vés, avalada ao longo do ntervalo de concentrações estudadas, utlzando os Modelo 1 e 7, encontra-se na Tabela
15 Estudo da LTG em doentes epléptcos submetdos a montorzação VEEG Tabela 3.3. Comparação da exactdão do modelo de regressão lnear smples (w =1) e do modelo de regressão ponderado (w =1/x ) durante o ensao de valdação da lamotrgna a. Concentração nomnal (mg/l) Modelo 1 w = 1 [y = 0,713x 0,081] % BIAS Modelo 7 w = 1/x [y = 0,804x 0,0049] 0,1-117,99 +0,8 0,5-3,38 -,33,5 +1,31 +,73 5,0 +4,50 +3,46 10,0 +1,64-0,48 15,0-1,1-3,63 a Os valores representam a méda de cnco réplcas. 11
16 Capítulo 3 Modelo de Calbração 3.3. DISCUSSÃO A curva de calbração e a natureza da função matemátca utlzada no modelo de regressão têm merecdo, nos últmos anos, a atenção de alguns grupos de trabalho (Baumann e Watzg, 1995; Mulholland e Hbbert, 1997; Nagaraja et al., 1999; Krkup e Mulholland, 004). O reconhecmento das lmtações dos modelos de regressão lnear e as consequêncas da sua aplcação a dados provenentes de métodos analítcos, frequentemente caracterzados por heteroscedastcdade, chamaram a atenção para a necessdade de se escolher o modelo de regressão mas adequado durante a valdação dos procedmentos analítcos (Baumann e Watzg, 1995; Mulholland e Hbbert, 1997; Nagaraja et al., 1999; Krkup e Mulholland, 004). Apesar de ser anda comum a utlzação de duas ou mas rectas de calbração para abranger dferentes ntervalos de concentração (Alberton et al., 1995; Mccrudden e Tett, 1999), não obstante a maor dfculdade encontrada na sua aplcação na rotna laboratoral, a utlzação de modelos de regressão lnear ponderada tem sdo apontada por város autores como forma de harmonzar as dferenças de varânca (Baumann e Watzg, 1995; Nagaraja et al., 1999; Sadray et al., 003), assstndo-se nos últmos anos a uma crescente aplcação desta abordagem, não só nos métodos cromatográfcos (Sparreboom et al., 1999; Sadray et al., 003; Santoyo e Verma, 003; Zhou et al., 003), mas também noutros campos de análse, por exemplo, a electroforese caplar (Baumann e Watzg, 1995), ou a reacção em cadea da polmerase em tempo real, mas conhecda por real-tme PCR (Burns et al., 004). Contraramente ao que acontece nas análses de produtos farmacêutcos, em que a concentração de analto se encontra defnda entre lmtes conhecdos, os métodos de determnação de substâncas em matrzes bológcas, caracterzam-se por utlzarem, geralmente, ntervalos de concentração amplos, pos só assm é possível quantfcar substâncas sujetas a processos dnâmcos como a absorção, dstrbução, metabolsmo e excreção (Buck et al., 1990). Quando o ntervalo de concentrações utlzado para uma dada recta de calbração é extenso, é provável que as varâncas encontradas para cada ponto da recta não sejam guas, pelo que a assunção de homoscedastcdade, nerente ao método de regressão lnear smples, não é cumprda. Apesar de alguns autores preconzarem a escolha do modelo de regressão durante a prévaldação (Lang e Bolton, 1991; Welng et al., 1996), a utlzação das amostras dos ensaos da valdação propramente dta, com as váras curvas de calbração em város lotes, permte smular mas adequadamente as condções da rotna (Nagaraja et al., 1999), pelo que o presente estudo do modelo de regressão fo realzado com o conjunto de dados obtdos durante a valdação da 1
17 Estudo da LTG em doentes epléptcos submetdos a montorzação VEEG técnca analítca (Capítulo ). Neste estudo, as concentrações utlzadas para a recta de calbração encontram-se compreenddas entre 0,1 e 15,0 mg/l, tendo o teste de homoscedastcdade sdo levado a cabo. Se o modelo de regressão lnear smples ajustasse bem os dados, os resíduos dstrbur-se-am aleatoramente numa banda horzontal em redor do exo das abcssas (Karnes et al., 1991). No entanto, os dados obtdos durante o ensao ntra-da demonstraram claramente um aumento gradual do valor dos resíduos em função da concentração. O teste F veo demonstrar a exstênca de dferentes varâncas nos extremos da recta, confrmando, por sso, a exstênca de heteroscedastcdade. A escolha do modelo de regressão fo realzada de acordo com a análse gráfca da dstrbução dos ER percentuas e com o seu somatóro. O melhor factor de ponderação é aquele que apresenta a menor soma de erros (Johnson et al., 1988). O modelo 7, correspondente ao factor de ponderação 1/x, apresentou os valores mas baxos de somatóro de erros, ao mesmo tempo que exbu os melhores resultados de dstrbução gráfca de erros em redor do exo dos xx na zona do lmte de quantfcação (Tabela 3. e Fgura 3.5). Para além dsso, à semelhança do que acontece na maora dos métodos analítcos (Pateman, 1995), o desvo-padrão da resposta fo proporconal à concentração (Fgura 3.4). De acordo com estas crcunstâncas o factor de ponderação selecconado fo o 1/x. Fcou anda demonstrado que uma larga percentagem de erros no extremo nferor da recta de calbração pode coexstr com valores de coefcente de correlação (r) acetáves (Tabela 3.). Este aspecto é partcularmente mportante, se pensarmos que alguns analstas contnuam a utlzar o coefcente de correlação (de 0,999 a 1,000) como únco crtéro de acetação na avalação do Método dos Mínmos Quadrados, preocupação que fo também expressa por Krkup e Mulholland (004). De facto, o valor de r é apenas um ndcador de assocação ou correlação entre duas varáves, e não um ndcador de lneardade (Analytcal Methods Commttee, 1988). Este estudo revelou um aumento da exactdão para o modelo de regressão baseado no factor de ponderação 1/x (Modelo 7), aumento esse partcularmente evdente no extremo nferor da recta, tal como era esperado, sem que por sso fosse alterada a exactdão exstente a nível das porções méda e superor da recta de calbração. O valor de Bas encontrado para o Modelo 1 fo consderavelmente superor aos lmtes acetáves de 0% (Shah et al., 199) para os valores mas baxos da recta, especalmente no lmte de quantfcação (Tabela 3.3). Contraramente, a regressão lnear ponderada, expressa no Modelo 7, fo capaz de apresentar bons resultados de exactdão, orgnando portanto, uma dmnução do LQ. Esta redução do LQ através da utlzação da regressão lnear ponderada fo também referda por Szabo et al. (1994). Desta forma é possível utlzar um ntervalo de concentrações alargado e dnâmco com elevado 13
18 Capítulo 3 Modelo de Calbração grau de exactdão (Johnson et al., 1988; Karnes et al., 1991), orgnando assm, o aumento da precsão na análse de rotna laboratoral (Garden et al., 1980). Um estudo recente refere que o modelo de regressão lnear ponderado permte melhorar a avalação de parâmetros como a sensbldade e o lmte de detecção (Santoyo e Verma, 003). A quantfcação exacta de baxas concentrações sércas ao longo do tempo assume partcular relevânca nos estudos farmacocnétcos e farmacodnâmcos, no desenvolvmento e avalação de medcamentos. Por fm, uma vez que a regressão lnear é o modelo mas utlzado para a obtenção das curvas de calbração, fornecendo um nstrumento efcaz de ajuste de dados a um dado modelo, mporta referr que é fundamental certfcarmo-nos da legtmdade da assunção do modelo matemátco utlzado. A regressão lnear smples assume que o resíduo surge aleatoramente e que a magntude das dferenças entre os pontos de calbração e a lnha ajustada são ndependentes da concentração. Embora a regressão lnear ponderada seja naturalmente mas complexa do que a regressão lnear smples, esse facto não deve demover os analstas de persegurem o seu objectvo, ou seja assegurar a fabldade dos resultados. Fnalmente, resta salentar que o nteresse gerado em torno da curva de calbração, e por consegunte, do modelo de regressão deve-se também, em parte, à globalzação e formação de grupos económcos, como a Unão Europea (UE), que levou as entdades governamentas a nsttuírem drectvas e recomendações, num esforço conjunto de harmonzação, sendo notóra a preocupação relatvamente a este assunto por parte de entdades regulamentares como a EMEA (EMEA, 1995b; EMEA, 1995a; EMEA, 1998) ou a FDA (Gudance for Industry, 001), ou anda de outros organsmos nternaconas como a EURACHEM (1998; 000). Esta preocupação pela valdação dos métodos analítcos não é um problema exclusvo dos estudos farmacocnétcos e estudos de boequvalênca, mas também de outras áreas que dependem da químca analítca, algumas das quas com elevado mpacto económco, como é o caso do controlo de resíduos de medcamentos em almentos, dada a mportânca da determnação dos lmtes máxmos de resíduos (LMRs) e dos ntervalos de segurança dos medcamentos veternáros (European Commsson, 003). Uma das recomendações da Conferênca de Washngton referente ao tema curva de calbração fo a de que a curva deve ser ajustada aos padrões utlzando a função mas smples (Shah et al., 199). Alguns autores classfcaram esta conclusão de smplfcação pergosa (Hooper, 1995), não obstante, esse facto levou a que as entdade regulamentares exgssem uma justfcação para a utlzação de qualquer algortmo que não seja o modelo lnear smples - a ponderação e a utlzação de uma equação de regressão complexa deve ser justfcada (Gudance for Industry, 001). 14
19 Estudo da LTG em doentes epléptcos submetdos a montorzação VEEG O presente trabalho pode contrbur para clarfcar as crcunstâncas em que é necessáro utlzar o modelo de regressão lnear ponderada, fornecendo a metodologa para atngr esse fm. Para além dsso, a regressão lnear ponderada poder-se-á tornar tanto mas mportante quanto maor for o grau de exgênca por parte de futura legslação da UE (European Commsson, 000; Burns et al., 004). 15
2 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 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 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 maisEletroquímica 2017/3. Professores: Renato Camargo Matos Hélio Ferreira dos Santos.
Eletroquímca 2017/3 Professores: Renato Camargo Matos Hélo Ferrera dos Santos http://www.ufjf.br/nups/ Data Conteúdo 07/08 Estatístca aplcada à Químca Analítca Parte 2 14/08 Introdução à eletroquímca 21/08
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 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 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 maisCap. IV Análise estatística de incertezas aleatórias
TLF 010/11 Cap. IV Análse estatístca de ncertezas aleatóras Capítulo IV Análse estatístca de ncertezas aleatóras 4.1. Méda 43 4.. Desvo padrão 44 4.3. Sgnfcado do desvo padrão 46 4.4. Desvo padrão da méda
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 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 maisAula Características dos sistemas de medição
Aula - Característcas dos sstemas de medção O comportamento funconal de um sstema de medção é descrto pelas suas característcas (parâmetros) operaconas e metrológcas. Aqu é defnda e analsada uma sére destes
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 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 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 maisPrograma de Certificação de Medidas de um laboratório
Programa de Certfcação de Meddas de um laboratóro Tratamento de dados Elmnação de dervas Programa de calbração entre laboratóros Programa nterno de calbração justes de meddas a curvas Tratamento dos resultados
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 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 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 maisU N I V E R S I D A D E D O S A Ç O R E S D E P A R T A M E N T O D E M A T E M Á T I C A ARMANDO B MENDES ÁUREA SOUSA HELENA MELO SOUSA
U N I V E R S I D A D E D O S A Ç O R E S D E P A R T A M E N T O D E M A T E M Á T I C A CLASSIFICAÇÃO DE MONOGRAFIAS UMA PROPOSTA PARA MAIOR OBJECTIVIDADE ARMANDO B MENDES ÁUREA SOUSA HELENA MELO SOUSA
Leia maisAlgarismos Significativos Propagação de Erros ou Desvios
Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento
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 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 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 mais7 - Distribuição de Freqüências
7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste
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 maisDELINEAMENTOS EXPERIMENTAIS
SUMÁRIO 1 Delneamentos Expermentas 2 1.1 Delneamento Interamente Casualzado..................... 2 1.2 Delneamento Blocos Casualzados (DBC).................... 3 1.3 Delneamento Quadrado Latno (DQL)......................
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 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 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 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 XI. Teste do Qui-quadrado. (χ 2 )
TLF 00/ Cap. XI Teste do Capítulo XI Teste do Qu-quadrado ( ).. Aplcação do teste do a uma dstrbução de frequêncas 08.. Escolha de ntervalos para o teste do.3. Graus de lberdade e reduzdo.4. Tabela de
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 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 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 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 maisLaboratório de Mecânica Aplicada I Estática: Roldanas e Equilíbrio de Momentos
Laboratóro de Mecânca Aplcada I Estátca: Roldanas e Equlíbro de Momentos 1 Introdução O conhecmento das condções de equlíbro de um corpo é mprescndível em númeras stuações. Por exemplo, o estudo do equlíbro
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 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 maisEstudo quantitativo do processo de tomada de decisão de um projeto de melhoria da qualidade de ensino de graduação.
Estudo quanttatvo do processo de tomada de decsão de um projeto de melhora da qualdade de ensno de graduação. Rogéro de Melo Costa Pnto 1, Rafael Aparecdo Pres Espíndula 2, Arlndo José de Souza Júnor 1,
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 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 mais3 Método Numérico. 3.1 Discretização da Equação Diferencial
3 Método Numérco O presente capítulo apresenta a dscretação da equação dferencal para o campo de pressão e a ntegração numérca da expressão obtda anterormente para a Vscosdade Newtonana Equvalente possbltando
Leia maisFigura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma
Capítulo 8 Dferencação Numérca Quase todos os métodos numércos utlzados atualmente para obtenção de soluções de equações erencas ordnáras e parcas utlzam algum tpo de aproxmação para as dervadas contínuas
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 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 mais5 Relação entre Análise Limite e Programação Linear 5.1. Modelo Matemático para Análise Limite
5 Relação entre Análse Lmte e Programação Lnear 5.. Modelo Matemátco para Análse Lmte Como fo explcado anterormente, a análse lmte oferece a facldade para o cálculo da carga de ruptura pelo fato de utlzar
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 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 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 mais7 Tratamento dos Dados
7 Tratamento dos Dados 7.. Coefcentes de Troca de Calor O úmero de usselt local é dado por h( r )d u ( r ) (7-) k onde h(r), o coefcente local de troca de calor é h( r ) q''- perdas T q''- perdas (T( r
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 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 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 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 maisÍNDICE DE CONSISTÊNCIA TEMPORAL: UM NOVO MÉTODO PARA AVALIAÇÃO DA ESTABILIDADE TEMPORAL DE ARMAZENAMENTO DE ÁGUA NO SOLO
Anas Eletrônco ÍNDICE DE CONSISTÊNCIA TEMPORAL: UM NOVO MÉTODO PARA AVALIAÇÃO DA ESTABILIDADE TEMPORAL DE ARMAZENAMENTO DE ÁGUA NO SOLO Anderson Takash Hara, Heraldo Takao Hashgut, Antôno Carlos Andrade
Leia maisUMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EATAS DEPARTAMENTO DE ESTATÍSTICA UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
Leia maisLaboratório de Mecânica Aplicada I Determinação de Centros de Gravidade
Laboratóro de Mecânca Aplcada I Determnação de Centros de Gravdade Em mutos problemas de mecânca o efeto do peso dos corpos é representado por um únco vector, aplcado num ponto denomnado centro de gravdade.
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 maisAnálise 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 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 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 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 mais6 Análises de probabilidade de ruptura de um talude
6 Análses de probabldade de ruptura de um talude 6.. Introdução No presente capítulo, apresentam-se prevsões de probabldades de ruptura para o talude de jusante da Barragem de Benguê mostrada na fgura
Leia mais2. Validação e ferramentas estatísticas
. Valdação e ferramentas estatístcas Mutos aspectos relaconados à socedade são suportados, de alguma forma, por algum tpo de medção analítca. Mlhões de medções analítcas são realzadas todos os das, em
Leia maisModelo linear clássico com erros heterocedásticos. O método de mínimos quadrados ponderados
Modelo lnear clássco com erros heterocedástcos O método de mínmos quadrados ponderados 1 Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal
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 maisIdentidade dos parâmetros de modelos segmentados
Identdade dos parâmetros de modelos segmentados Dana Campos de Olvera Antono Polcarpo Souza Carnero Joel Augusto Munz Fabyano Fonseca e Slva 4 Introdução No Brasl, dentre os anmas de médo porte, os ovnos
Leia maisDados ajustáveis a uma linha recta
Capítulo VI juste dos Mínmos Quadrados Dados ajustáves a uma lnha recta Determnação das constantes e B Incerteza nas meddas de Incerteza na determnação de e B juste dos mínmos quadrados a outras curvas:
Leia maisAnálise de Regressão Linear Múltipla IV
Análse de Regressão Lnear Múltpla IV Aula 7 Guarat e Porter, 11 Capítulos 7 e 8 He et al., 4 Capítulo 3 Exemplo Tomando por base o modelo salaro 1educ anosemp exp prev log 3 a senhorta Jole, gerente do
Leia maisTeoria Elementar da Probabilidade
10 Teora Elementar da Probabldade MODELOS MATEMÁTICOS DETERMINÍSTICOS PROBABILÍSTICOS PROCESSO (FENÓMENO) ALEATÓRIO - Quando o acaso nterfere na ocorrênca de um ou mas dos resultados nos quas tal processo
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 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 maisEstatística I Licenciatura MAEG 2006/07
Estatístca I Lcencatura MAEG 006/07 AMOSTRAGEM. DISTRIBUIÇÕES POR AMOSTRAGEM.. Em determnada unversdade verfca-se que 30% dos alunos têm carro. Seleccona-se uma amostra casual smples de 0 alunos. a) Qual
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 maisDEFINIÇÃO - MODELO LINEAR GENERALIZADO
DEFINIÇÃO - MODELO LINEAR GENERALIZADO 1 Um modelo lnear generalzado é defndo pelos seguntes três componentes: Componente aleatóro; Componente sstemátco; Função de lgação; Componente aleatóro: Um conjunto
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 maisMODELO RECEPTOR MODELO RECEPTOR MODELO RECEPTOR. Princípio do modelo:
MODELO RECEPTOR Não modela a dspersão do contamnante. MODELO RECEPTOR Prncípo do modelo: Atacar o problema de dentfcação da contrbução da fonte em ordem nversa, partndo da concentração do contamnante no
Leia maisMEDIÇÕES DE VIBRAÇÕES NO CORPO HUMANO ESTIMATIVA DA INCERTEZA
Acústca 008 0 - de Outubro, Combra, Portugal Unversdade de Combra MEDIÇÕES DE VIBRAÇÕES NO CORPO HUMANO ESTIMATIVA DA INCERTEZA Jorge Fradque, Fátma Inglês Drecção Regonal da Economa de Lsboa e Vale do
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 maisCONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues
CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogéro Rodrgues I) TABELA PRIMITIVA E DISTRIBUIÇÃO DE FREQÜÊNCIA : No processo de amostragem, a forma de regstro mas
Leia maisPrioridades com Teste de Escalonabilidade
rordades + Teste de Escalonabldade Sstemas de Tempo Real: rordades com Teste de Escalonabldade Rômulo Slva de Olvera Departamento de Automação e Sstemas DAS UFSC Cada tarefa recebe uma prordade Escalonamento
Leia mais3 Algoritmos propostos
Algortmos propostos 3 Algortmos propostos Nesse trabalho foram desenvolvdos dos algortmos que permtem classfcar documentos em categoras de forma automátca, com trenamento feto por usuáros Tas algortmos
Leia maisNOTA II TABELAS E GRÁFICOS
Depto de Físca/UFMG Laboratóro de Fundamentos de Físca NOTA II TABELAS E GRÁFICOS II.1 - TABELAS A manera mas adequada na apresentação de uma sére de meddas de um certo epermento é através de tabelas.
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 maisUniversidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Classificadores Lineares. Luiz Eduardo S. Oliveira, Ph.D.
Unversdade Federal do Paraná Departamento de Informátca Reconhecmento de Padrões Classfcadores Lneares Luz Eduardo S. Olvera, Ph.D. http://lesolvera.net Objetvos Introduzr os o conceto de classfcação lnear.
Leia mais5 Implementação Procedimento de segmentação
5 Implementação O capítulo segunte apresenta uma batera de expermentos prátcos realzados com o objetvo de valdar o método proposto neste trabalho. O método envolve, contudo, alguns passos que podem ser
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 maisPROGRAMA INTERLABORATORIAL PARA ENSAIOS EM CHAPAS DE PAPELÃO ONDULADO CICLO 2013 PROTOCOLO
PROGRAMA INTERLABORATORIAL PARA ENSAIOS EM CHAPAS DE PAPELÃO ONDULADO CICLO 013 PROTOCOLO CT-Floresta - LPC - FOI/004 7/11/01 Aprovado: Mara Luza Otero D'Almeda / SUMÁRIO 1 INTRODUÇÃO... 1 PÚBLICO ALVO...
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 maisPROGRAMA INTERLABORATORIAL PARA ENSAIOS EM CHAPAS DE PAPELÃO ONDULADO CICLO 2013 PROTOCOLO
PROGRAMA INTERLABORATORIAL PARA ENSAIOS EM CHAPAS DE PAPELÃO ONDULADO CICLO 013 PROTOCOLO CT-Floresta - LPC - FOI/004 05/0/013 Aprovado: Mara Luza Otero D'Almeda / SUMÁRIO 1 INTRODUÇÃO... 1 PÚBLICO ALVO...
Leia maisIntrodução à Análise de Dados nas medidas de grandezas físicas
Introdução à Análse de Dados nas meddas de grandezas físcas www.chem.wts.ac.za/chem0/ http://uregna.ca/~peresnep/ www.ph.ed.ac.uk/~td/p3lab/analss/ otas baseadas nos apontamentos Análse de Dados do Prof.
Leia maisVariável discreta: X = número de divórcios por indivíduo
5. 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 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 maisD- MÉTODO DAS APROXIMAÇÕES SUCESSIVAS
D- MÉTODO DAS APROXIMAÇÕES SUCESSIVAS O método das apromações sucessvas é um método teratvo que se basea na aplcação de uma fórmula de recorrênca que, sendo satsfetas determnadas condções de convergênca,
Leia mais5 Métodos de cálculo do limite de retenção em função da ruína e do capital inicial
5 Métodos de cálculo do lmte de retenção em função da ruína e do captal ncal Nesta dssertação serão utlzados dos métodos comparatvos de cálculo de lmte de retenção, onde ambos consderam a necessdade de
Leia maisReconhecimento Estatístico de Padrões
Reconhecmento Estatístco de Padrões X 3 O paradgma pode ser sumarzado da segunte forma: Cada padrão é representado por um vector de característcas x = x1 x2 x N (,,, ) x x1 x... x d 2 = X 1 X 2 Espaço
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 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 mais