UNIVERSIDADE FEDERAL DO ABC Bacharelado em Planejamento Territorial Métodos e técnicas de análise da informação para o planejamento territorial
|
|
- Maria do Loreto Catarina Philippi Rijo
- 6 Há anos
- Visualizações:
Transcrição
1 UNIVERSIDADE FEDERAL DO ABC Bacharelado em Planejamento Territorial Métodos e técnicas de análise da informação para o planejamento territorial ANÁLISE ESPACIAL DOS ÍNDICES DE GRAVIDEZ NA ADOLESCÊNCIA EM 2010 NO ESTADO DE SÃO PAULO Karina Vieira dos Santos São Bernardo do Campo Agosto/ 2015
2 Karina Vieira dos Santos ANÁLISE DOS ÍNDICES DE GRAVIDEZ NA ADOLESCÊNCIA EM 2010 NO ESTADO DE SÃO PAULO Trabalho final da disciplina Métodos e Técnicas de Análise da Informação para o Planejamento, ministrada pela Profª Dra. Flávia Feitosa da Graduação de Planejamento Territorial, na Universidade Federal do ABC. São Bernardo do Campo Agosto/ 2015
3 SUMÁRIO 1. INTRODUÇÃO 2. METODOLOGIA 3. RESULTADOS E DISCUSSÃO 3.1. Preparação dos dados e análise exploratória 3.2. Análise de Regressão Clássica 4. CONCLUSÃO 5. REFERÊNCIAS BIBLIOGRÁFICAS
4 1. INTRODUÇÃO A Constituição Federal estabelece em seu art.227: É dever da família, da sociedade e do Estado assegurar à criança, o adolescente e ao jovem, com absoluta prioridade, o direito à vida, à saúde, à alimentação, à educação, ao lazer, à profissionalização, à dignidade, ao respeito, à liberdade e a convivência comunitária e familiar, além de colocá la a salvo de toda forma de negligência, discriminação, exploratória, violência, crueldade e opressão conforme é também contemplado no art.4º do Estatuto da Criança e do Adolescente. Apesar de todo o aparato legislativo com uma série de recomendações, normas e resoluções, alguns estudos apontam para uma realidade que submete crianças e adolescentes à dimensões econômicas(renda) e sociais contextos de vulnerabilidade que compreendem as (educação). O estudo presente, tem como pretensão realizar um estudo em escala estadual, utilizando como objeto de estudo os municipios do Estado de São Paulo. A questão que norteará o diagnótisco será a relação entre a incidência de gravidez na adolescência, que abrange a faixa etária de 10 à 17 anos, com indicadores socioeconômicos do IDHM: longevidade, renda e educação. De acordo com estudos do Fundo de População das Nações Unidas instituição ligada a Organização das Nações Unidas somente no Brasil, cerca de 19,3% das crianças nascidas vivas em 2010 eram filhas de adolescentes, cujo fruto da gravidez precoce é resultado da falta de acesso a escola e violência social. Ressalta se, porém, que nos últimos anos o acesso aos serviços de saúde voltados ao amparo de mulheres grávidas tem aumentado, como o pré natal, natal e pós natal. incidência Ainda conforme aponta o relatório Situação da População Mundial 2013, de meninas grávidas precocemente ocorre em maior probabilidade em meninas com perfil pobres, com baixa escolaridade e residentes em áreas rurais do que com meninas ricas, com mais escolaridade e que vivem em área urbana. Além disso, afirma se que a alta taxa de gravidez na adolescência está relacionada a problemas sociais associados à pobreza, à cultura social machista, quando não resultado de violência sexual ou coerção. Outro apontamento
5 importante e que incitou o desenvolvimento desse trabalho foi o de que meninas que permanecem na escola por mais tempo são menos propensas a engravidar. Portanto, esse trabalho tem como objetivo investigar se existe correlação entre o indicador social de educação com a taxa de gravidez na adolescência nos 645 municípios do Estado de São Paulo com base nos Censos de 2000 e 2010, possibilitando de certa forma observar se ao longo dos anos houve um movimento de melhora, tanto no IDHM_E quanto na taxa de gravidez. 2. OBJETIVO Verificar por meio de análises estatísticas quais as correlações que se pode estabelecer entre as dimensões do Índice de Desenvolvimento Humano Municipal, no que tange às dimensões: renda e educação. para isso será utilizado dados do censo 1999 e Com base nisso, inicialmente, levantou se as seguintes hipóteses: Pode se estabelecer correlação entre renda média domiciliar e gravidez precoce? A dimensão educação estão correlacionada com aumento ou mesmo redução da taxa de gravidez na adolescência? No entanto, durante a realização de testes que estabelecem essa correlação, a dimensão que mais apresentou correlação foi a de educação. Sendo assim, todo o trabalho se desdobrará na análise das variáveis: educação e taxa de gravidez na adolescência no Estado de São Paulo. 3. METODOLOGIA O desenvolvimento do trabalho contou com duas fontes de dados: a base do Instituto Brasileiro de Geografia e Estatística IBGE (taxa de gravidez na adolescência, tendo como base o universo do Censo 2010) e o ATLAS Brasil, plataforma onde foram encontradas as informações relativas ao IDHM consolidadas por Estado.
6 Para o realiza as análises espaciais foram utilizadas as seguintes ferramentas: para a seleção dos dados necessários utilizou se o Excel, o cálculo e espacialização da regressão clássica foi feita no software Statistical Package for the Social Sciences SPSS e para a manipulação do shapefile e join do mapa com a tabela de atributos foi utilizado o Quantum GIS PREPARAÇÃO DOS DADOS E ANÁLISE EXPLORATÓRIA Inicialmente se fez necessário a manipulação de dados no Excel para realizar a seleção dos dados que compuseram a análise.terminada a seleção dos dados (variáveis dependente e independentes) a tabela foi salva no formato cujos valores são separados por vírgula, em inglês Comma Separated Values (.csv). Tabela em formato.csv para join com o mapa no QGIS e análise de dados no SPSS O segundo passo foi realizar o join entre a tabela com as variáveis e o shapefile cujo formato é o.shp do estado de São Paulo ANÁLISE DE REGRESSÃO CLÁSSICA Para realizar uma análise de regressão clássica usarei o software SPSS. O programa permitirá o desenvolvimento de análises estatísticas dos dado a partir da identificação da correlação ou não entre os indicadores escolhidos, ou seja, verificar se uma variável pode ser explicada por outras variáveis.
7 No primeiro momento serão realizadas as análises descritivas das variáveis, ou seja, explanaremos modelos estatísticos simples: média, moda, mediana, variância, desvio padrão, intervalo de confiança, assimetria e curtosis. A amostra utilizada para análise apresenta um número de observações, ou seja, n igual a 645. Antes de iniciar as análises, discorreremos rápida e superficialmente sobre as medidas de posição central e as medidas de dispersão. A média é a soma dos elementos de um conjunto dividido pelo numero de elementos do conjunto. A moda é o elementos que aparece com maior frequência, ou melhor, o maior número de vezes. A mediana é o valor que divide um conjunto ao meio e diferente da média é menos sensível a valores extremos, não comprometendo a representação desejada. (SARTORIS, 2013). No grupo referente às medidas de dispersão temos a variância, que é a amis comumente utilizada para indicar a variância de um conjunto de valores, assim como o desvio padrão. No entanto, o desvio padrão elimina o efeito dos quadrados. O intervalo de confiança significa estabelecer uma margem de erro para um estimador e calcular o grau de confiança a essa margem(sartoris, 2013). Para melhor visualização desses dados utilizaremos as ferramentas de represenação gráfica:o histograma que representa a distribuição de determinada categoria de dados agrupados em um gráfico de barras; o BoxPlot que representa a variação de uma variável, onde fica claro a presença de outliers e de outros dados estatísticos descritivos e o Q Plot indica resultado esperados e o que foi observado. Por fim, utilizaremos o modelo de regressão linear simples, ou seja, um modelo baseado sobre uma linha reta para explicar a relação entre as variáveis. A regressão é dada pelo modelo estimado por Yi= B0 + B1 X1 + e1, sendo a equação linear nos parâmetros Bo + B¹, onde Bo é o intercepto populacional, B1 é a inclinação populacional e Y é a variável resposta. A inclinação da reta de regressão indica que há mudança na média de Y quando é acrescido uma unidade de X (FEITOSA,2015) ANÁLISE DE REGRESSÃO ESPACIAL
8 O modelo de regressão espacial não será abracado no decorrer desse trabalho, pois conforme indicado na tabela abaixo, gerada pelo GeoDa, os erros não estão autocorrelacionados. A não existência de autocorrelação foi indicada pelo Índice de Moran com 0, RESULTADOS E DISCUSSÃO (Análise de Regressão Clássica) A tabela abaixo, gerada pelo software SPSS, apresenta estatísticas descritivas, que visa sintetizar grandes quantidades de quantidades de da variável em números informativos.
9 A variável escolhida para o desenvolvimento desse trabalho é IDHM_E Índice de Desenvolvimento Humano Municipal da dimensão educação, conforme a classificação do IBGE e Atlas Brasil. A tabela de resumo do processamento de caso mostra que a mostra apresenta 645 observações válidas. Esse N representa os municípios que compõem o Estado de São Paulo. Cabe ressaltar que dos casos caracterizados como ausentes, ou seja, os 354 casos identificados representam informações importadas da base que não fazem parte da amostra, não implicando, portanto, em distorções nas análises Índice de Escolaridade O histograma abaixo presenta a frequência em que dados estão distribuídos. Observamos que há uma certa concentração em torno da média, ou seja, temos poucos casos acima de,700 e poucos abaixo de,400. Contudo, chama a atenção os casos que estão distantes da média pela discrepância. No mais, o histograma apresenta curva semelhante à de uma distribuição normal. O desvio padrão identificado foi 0,072.
10 O gráfico Q Q Plot indica que os dados não estão linearmente distribuídos, apesentando apenas distribuição próximos de uma normal. Nesse caso, o ajuste dos valores pode levar à uma distribuição normal.
11 O Box plot caracteriza se por consolidar em forma de gráfico todas as informações relativas às estatísticas descritivas relativas aos dados analisados. Abaixo identifica se a presença de poucos outliers e casos observado inferiores ao menor valor não discrepante. Isso indica que há casos que apresentam um índice de educação extremamente baixo. Podemos supor que pode nesses municipios, não haver oferta adequada ou suficiente de equipamentos de educação(escolas) Índice de gravidez x Índice de escolaridade Abaixo temos o Resumo do modelo temos em destaque o R² (R quadrado) que é o coeficiente de correlação, este mostra o quanto o modelo captura da variância e é dada pela seguinte equação: SQM/ SQT= R². O O SQM, significa a soma dos quadrados do modelo divididos pela soma dos quadrados totais (variância em relação à média). O R²=0, indica que o modelo não serve, enquanto o R²=1 indica que o modelo explica algo. Nesse sentido, o nosso R² (0,064) indica que o nosso modelo explica 6%. O teste de Durbin Watson pode variar entre 0 e 4 e tem
12 o objetivo de detectar a presença de autocorrelação ou dependência dos resíduos. A análise de regressão apresentada na tabela indica autocorrelação dos erros de 1,991. A tabela de análise de variância, também conhecida como ANOVA, Analisys of Variance em inglês, nos apresenta as somas dos quadrados da regressão com os resíduos e a sua variância. Numa situação ideal a soma dos quadrados da regressão deveria ser grande e a dos resíduos pequena, pois o resíduo indica a diferença entre o modelo e a realidade(erro). A seguir a tabela ANOVA indica teste F 44,001 e significância alta de,000, ou seja ou seja, p valor< 0,001. Isso indica que com 99,9% de confiança podemos rejeitar a hipótese nula(ho) que indica a inexistência de relação entre o índice de gravidez na adolescência e o de educação. Correlação é uma inferência que mede o relacionamento linear entre duas ou mais variáveis. Na tabela seguinte, temos a representação da inferência de relação entre Y, onde a variável dependente é a taxa de gravidez na adolescência(t_m10a17cf) com X, onde a variável independente é índice de educação (IDHM_E) que mede pessoas em idade escolar que tenham concluído um
13 grau especificado pela metodologia do IDHM. A exploração da correlação se dará pela equação: Y= ax + b. Vale ressaltar que embora determine uma relação entre as variáveis, isso não significa que necessariamente ela exista. E mais uma vez, com 99,9% de confiança podemos rejeitar a hipótese nula, pois temos uma correlação de,253. Caso a medida se aproximasse de zero, a correlação seria menor. Nos coeficientes explanados na próxima tabela a variável X (IDHM_E) apresenta correlação negativa. Caso transformássemos o valor 18,31 multiplicando o por 100, teríamos o valor 0,1831. Como estamos tratando do IDHM que varia de 0 1, essa transformação no valor de X permitirá afirmar que o aumento de 1 ponto no IDHM_E reduziria em 0,18 o índice de gravidez na adolescência DISTRIBUIÇÃO ESPACIAL E GRÁFICA
14 No sentido de realizar uma análise espacial de forma superficial, os dois mapas a seguir indicam: I) expressa a variável dependente (taxa de gravidez na adolecência) e II) representa a distribuição espacial da variável independente( IDHM_E). Observa se que o mapa I apresenta maior concentração de incidência de casos de gravidez na adolescência na região sul do estado. Pode se perceber também que não houve formação de clusteres e que os casos estão espacialmente distribuidos aleatóriamente e portanto não é possível estabelecer uma correlação espacial, como já fora indicado anteriormente pelo Indice de Moran. O mapa II, apresenta o IDHM_E, e portanto quanto mais escuro for o laranja maior é o índice de escolaridade. Podemos observar que apesar de não haver clusteres bem definidos há uma certa uniformidade e concentração mais ao centro norte do estado. Essas inferências estão expressas no histograma e no boxplot quando observamos os valores abaixo da média e do menor valor discrepante respectivamente. Ao comparar ambos concomitantemente, podemos observar que na região onde o índice de educação é baixo (gráfico II) a incidência de gravidez precoce é alta (gráfico I). Pode se observar a mesma condição em outros pontos. Cabe aqui a ressalva de que em pontos onde não se estabelece essa relação são os casos que não são explicados apenas pela variável independente educação. Gráfico I: variável dependente Gráfico II: variável independente Análise dos Resíduos
15 O mapa e diagrama de espalhamento de Moran permite realizar uma análise quanto a existência de dependência espacial entre os resíduos. No primeiro mapa percebemos que os pontos destacados em vermelho indicam pior ajuste do modelo enquanto os azuis apontam para um melhor ajuste de modelo. Ou seja, a espacialização indica que em azul há baixa escolaridade e baixos índices de gravidez na adolescência(low low) e nos pontos em vermelho alto índice de escolaridade e alta taxa de gravidez(high high). Não obstante, percebe se que não há correlação espacial entre os resíduos visto que não há a formação de clusteres. 4. CONCLUSÃO Tendo em vista os aspectos observados podemos considerar que há, ainda que pequena, correlação entre os indicadores de gravidez e educação embora o modelo indique que em alguns dos casos observados apenas a variável Educação não é capaz de explicar a incidência de gravidez precoce. Nesse sentido o modelo estimado para essa análise aponta que o indicador não está autocorrelacionado espacialmente. 5. REFERÊNCIA BIBLIOGRÁFICA 1. Atlas do Desenvolvimento Humano no Brasil. Disponível em: <Acesso em 02/07/2015>
16 2. CEM CEBRAP CENTRO DE ESTUDOS DA METRÓPOLE. Disponível em: <Acesso em 02/07/2015> 3. DATASUS. Disponível em: < Acesso em 02/07/2015> 4. MINISTÉRIO DA SAÚDE. Disponível em: as_populacao_brasileira.pdf. < Acesso em 13/08/2015> 5. FUNDO DE POPULAÇÂO DAS NAÇÔES UNIDAS. Disponível em < Acesso em <17/07/2015> 6. INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA. Disponível em: < Acesso em 22/07/2015> 7. Ministério da Saúde/ Sinasc. Ver: Brasil/MS, Saúde Brasil 2011: uma análise da situação de saúde e a vigilância da saúde da mulher. Brasília: MS/SVS. Disponível em <Acesso em 13/08/2015> 8. Comissão Econômica para a América Latina e Caribenhas. Ver: Observatório de Igualdade de Gênero da América Latina e o Caribe, Informe Anual. Santiago do Chile: CEPAL. Disponível em e=1. < Acesso em 13/08/2015>
17
18
Análise espacial da incidência de Dengue no município de São Paulo
Análise espacial da incidência de Dengue no município de São Paulo João Vitor, Joyane, Nayara e Rafael TRABALHO FINAL - ETAPA III - MTI QUADRIMESTRE 2015.2 Introdução ESCALA: Distrital TEMPO: 2010 O uso
Leia maisCorrelação e Regressão
Correlação e Regressão Vamos começar com um exemplo: Temos abaixo uma amostra do tempo de serviço de 10 funcionários de uma companhia de seguros e o número de clientes que cada um possui. Será que existe
Leia maisRenda x Vulnerabilidade Ambiental
Renda x Vulnerabilidade Ambiental ANEXO D ANÁLISE EXPLORATÓRIA E PREPARAÇÃO DOS DADOS Identificamos tendência linear positiva. A correlação entre as variáveis é significativa, apresentando 99% de confiança.
Leia maisMais Informações sobre Itens do Relatório
Mais Informações sobre Itens do Relatório Amostra Tabela contendo os valores amostrados a serem utilizados pelo método comparativo (estatística descritiva ou inferencial) Modelos Pesquisados Tabela contendo
Leia mais1 Introdução aos Métodos Estatísticos para Geografia 1
1 Introdução aos Métodos Estatísticos para Geografia 1 1.1 Introdução 1 1.2 O método científico 2 1.3 Abordagens exploratória e confirmatória na geografia 4 1.4 Probabilidade e estatística 4 1.4.1 Probabilidade
Leia maisREGRESSÃO LINEAR Parte I. Flávia F. Feitosa
REGRESSÃO LINEAR Parte I Flávia F. Feitosa BH1350 Métodos e Técnicas de Análise da Informação para o Planejamento Julho de 2015 Onde Estamos Para onde vamos Inferência Esta5s6ca se resumindo a uma equação
Leia maisA UTILIZAÇÃO DE MÉTODOS ESTATÍSTICOS NO PLANEJAMENTO E ANÁLISE DE ESTUDOS EXPERIMENTAIS EM ENGENHARIA DE SOFTWARE (FONTE:
A UTILIZAÇÃO DE MÉTODOS ESTATÍSTICOS NO PLANEJAMENTO E ANÁLISE DE ESTUDOS EXPERIMENTAIS EM ENGENHARIA DE SOFTWARE (FONTE: ESELAW 09 MARCOS ANTÔNIO P. & GUILHERME H. TRAVASSOS) 1 Aluna: Luana Peixoto Annibal
Leia maisMétodos Quantitativos Aplicados
Métodos Quantitativos Aplicados Aula 10 http://www.iseg.utl.pt/~vescaria/mqa/ Tópicos apresentação Análise Regressão: Avaliação de relações de dependência em que se explica o comportamento de uma/várias
Leia maisModelos de Regressão Linear Simples - Análise de Resíduos
Modelos de Regressão Linear Simples - Análise de Resíduos Erica Castilho Rodrigues 1 de Setembro de 2014 3 O modelo de regressão linear é dado por Y i = β 0 + β 1 x i + ɛ i onde ɛ i iid N(0,σ 2 ). O erro
Leia maisModelos de Regressão Linear Simples - Análise de Resíduos
1 Modelos de Regressão Linear Simples - Análise de Resíduos Erica Castilho Rodrigues 27 de Setembro de 2016 2 3 O modelo de regressão linear é dado por 3 O modelo de regressão linear é dado por Y i = β
Leia maisProva de Estatística
Prova de Estatística 1. Para um número-índice ser considerado um índice ideal, ele precisa atender duas propriedades: reversão no tempo e o critério da decomposição das causas. Desta forma, é correto afirmar
Leia maisAnálise da Regressão. Prof. Dr. Alberto Franke (48)
Análise da Regressão Prof. Dr. Alberto Franke (48) 91471041 O que é Análise da Regressão? Análise da regressão é uma metodologia estatística que utiliza a relação entre duas ou mais variáveis quantitativas
Leia maisDesigualdade de renda entre Mulheres e Homens no Estado de São Paulo Influência do grau de Urbanização e Ensino Superior das Mulheres;
Desigualdade de renda entre Mulheres e Homens no Estado de São Paulo Influência do grau de Urbanização e Ensino Superior das Mulheres; Alunos: Lucas do Vale Moura Rodilei Silva Morais Thomaz Zebrowski
Leia maisUNIVERSIDADE FEDERAL DO ABC BACHARELADO EM PLANEJAMENTO TERRITORIAL ANÁLISE ESPACIAL DA INCIDÊNCIA DE DENGUE NO MUNICÍPIO DE SÃO PAULO
UNIVERSIDADE FEDERAL DO ABC BACHARELADO EM PLANEJAMENTO TERRITORIAL TRABALHO FINAL ANÁLISE ESPACIAL DA INCIDÊNCIA DE DENGUE NO MUNICÍPIO DE SÃO PAULO João Vitor Macarini, Joyane Ferreira Silva, Nayara
Leia maisInstituto Nacional de Pesquisas Espaciais - INPE. Divisão de Processamento de Imagens - DPI
1 Sumário 2 Introdução Técnicas de ESDA Matrizes de Proximidade Espacial Média Espacial Móvel (m i ) Indicadores Globais de Autocorrelação Espacial Índices Globais de Moran (I), Geary (C) e Getis e Ord
Leia maisAnálise Multivariada Aplicada à Contabilidade
Mestrado e Doutorado em Controladoria e Contabilidade Análise Multivariada Aplicada à Contabilidade Prof. Dr. Marcelo Botelho da Costa Moraes www.marcelobotelho.com mbotelho@usp.br Turma: 2º / 2016 1 Agenda
Leia mais9 Correlação e Regressão. 9-1 Aspectos Gerais 9-2 Correlação 9-3 Regressão 9-4 Intervalos de Variação e Predição 9-5 Regressão Múltipla
9 Correlação e Regressão 9-1 Aspectos Gerais 9-2 Correlação 9-3 Regressão 9-4 Intervalos de Variação e Predição 9-5 Regressão Múltipla 1 9-1 Aspectos Gerais Dados Emparelhados há uma relação? se há, qual
Leia maisRegression and Clinical prediction models
Regression and Clinical prediction models Session 6 Introducing statistical modeling Part 2 (Correlation and Linear regression) Pedro E A A do Brasil pedro.brasil@ini.fiocruz.br 2018 Objetivos Continuar
Leia maisAUTOCORRELAÇÃO ESPACIAL. Flávia F. Feitosa
AUTOCORRELAÇÃO ESPACIAL Flávia F. Feitosa BH1350 Métodos e Técnicas de Análise da Informação para o Planejamento Junho de 2015 AULAS ANTERIORES A importância analítica do espaço para o Planejamento Territorial
Leia maisEsse material foi extraído de Barbetta (2007 cap 13)
Esse material foi extraído de Barbetta (2007 cap 13) - Predizer valores de uma variável dependente (Y) em função de uma variável independente (X). - Conhecer o quanto variações de X podem afetar Y. Exemplos
Leia maisUNIVERSIDADE FEDERAL DO ABC
UNIVERSIDADE FEDERAL DO ABC MTI Métodos e Técnicas de Análise de Informação para o Planejamento Qualidade de vida, desenvolvimento econômico e infraestrutura sanitária Guilherme Lamounier Maschietto Almeida
Leia maisANÁLISE ESTATÍSTICA DA RELAÇÃO ENTRE A ATITUDE E O DESEMPENHO DOS ALUNOS
ANÁLISE ESTATÍSTICA DA RELAÇÃO ENTRE A ATITUDE E O DESEMPENHO DOS ALUNOS Nível de significância No processo de tomada de decisão sobre uma das hipóteses levantadas num estudo, deve-se antes de tudo definir
Leia mais5 Análise dos resultados
5 Análise dos resultados Os dados foram analisados utilizando o software SPSS (Statistical Package for Social Sciences) base 18.0. Para Cooper e Schindler (2003) a análise de dados envolve a redução de
Leia maisMétodos Quantitativos para Avaliação de Políticas Públicas
ACH3657 Métodos Quantitativos para Avaliação de Políticas Públicas Aula 11 Análise de Resíduos Alexandre Ribeiro Leichsenring alexandre.leichsenring@usp.br Alexandre Leichsenring ACH3657 Aula 11 1 / 26
Leia maisRESUMO DO CAPÍTULO 3 DO LIVRO DE WOOLDRIDGE ANÁLISE DE REGRESSÃO MÚLTIPLA: ESTIMAÇÃO
RESUMO DO CAPÍTULO 3 DO LIVRO DE WOOLDRIDGE ANÁLISE DE REGRESSÃO MÚLTIPLA: ESTIMAÇÃO Regressão simples: desvantagem de apenas uma variável independente explicando y mantendo ceteris paribus as demais (ou
Leia maisRegressão linear simples
Regressão linear simples Universidade Estadual de Santa Cruz Ivan Bezerra Allaman Introdução Foi visto na aula anterior que o coeficiente de correlação de Pearson é utilizado para mensurar o grau de associação
Leia maisCORRELAÇÃO. Flávia F. Feitosa
CORRELAÇÃO Flávia F. Feitosa BH1350 Métodos e Técnicas de Análise da Informação para o Planejamento Junho de 2015 Revisão Inferência Estatística: Método científico para tirar conclusões sobre os parâmetros
Leia mais1 Que é Estatística?, 1. 2 Séries Estatísticas, 9. 3 Medidas Descritivas, 27
Prefácio, xiii 1 Que é Estatística?, 1 1.1 Introdução, 1 1.2 Desenvolvimento da estatística, 1 1.2.1 Estatística descritiva, 2 1.2.2 Estatística inferencial, 2 1.3 Sobre os softwares estatísticos, 2 1.4
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS 2003 2004 2005 2006 2007 2008 2009 2010 X 39,0 39,5 39,5 39,0 39,5 41,5 42,0 42,0 Y 46,5 65,5 86,0 100,0 121,0 150,5 174,0 203,0 A tabela acima mostra as quantidades, em milhões
Leia maisModelos de Regressão Linear Simples - parte III
1 Modelos de Regressão Linear Simples - parte III Erica Castilho Rodrigues 20 de Setembro de 2016 2 3 4 A variável X é um bom preditor da resposta Y? Quanto da variação da variável resposta é explicada
Leia maisVERIFICAÇÃO DOS RECURSOS NECESSÁRIOS. Capítulo 1 VARIÁVEIS E AMOSTRAS 1
PREFÁCIO VERIFICAÇÃO DOS RECURSOS NECESSÁRIOS xiii DO EXCEL... xv Capítulo 1 VARIÁVEIS E AMOSTRAS 1 VARIÁ VEIS 4 NÚMERO DE VARIÁVEIS 5 CLASSIFICAÇÃO DAS VARIÁVEIS 6 ESCALA DE MEDIÇÃO DAS VARIÁVEIS 7 POPULAÇÃO
Leia maisCORRELAÇÃO E REGRESSÃO
CORRELAÇÃO E REGRESSÃO Permite avaliar se existe relação entre o comportamento de duas ou mais variáveis e em que medida se dá tal interação. Gráfico de Dispersão A relação entre duas variáveis pode ser
Leia maisAula 3: Análise Exploratória de Dados Espaciais (AEDE) Prof. Eduardo A. Haddad
Aula 3: Análise Exploratória de Dados Espaciais (AEDE) Prof. Eduardo A. Haddad Exercício 4 (spatial scale and rate of density) Inferência pode mudar com a escala espacial Problemas de agregação espacial
Leia maisUNIVERSIDADE FEDERAL DO PARANÁ CURSO DE ESTATÍSTICA. Jayme Gomes dos Santos Junior Luciana Helena Kowalski
UNIVERSIDADE FEDERAL DO PARANÁ CURSO DE ESTATÍSTICA Jayme Gomes dos Santos Junior Luciana Helena Kowalski MODELAGEM DA EXPECTATIVA DE VIDA NOS MUNICÍPIOS DO PARANÁ A PARTIR DE COVARIÁVEIS DO CENSO 2010
Leia maisANÁLISE DE REGRESSÃO
ANÁLISE DE REGRESSÃO Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 09 de janeiro de 2017 Introdução A análise de regressão consiste na obtenção de uma equação
Leia maisAulas 4-5: Análise Exploratória de Dados Espaciais (AEDE) Prof. Eduardo A. Haddad
Aulas 4-5: Análise Exploratória de Dados Espaciais (AEDE) Prof. Eduardo A. Haddad Exercício 8 (Moran scatter plot) Exercício 7 Detectar a influência de outliers ± dois desvios-padrão Como os outliers detectados
Leia maisCAPÍTULO 4 DESCRIÇÃO E EXPLORAÇÃO DOS DADOS 2ª parte
CAPÍTULO 4 DESCRIÇÃO E EXPLORAÇÃO DOS DADOS 2ª parte 4.3 Medidas de posição 4.4 Medidas de dispersão 4.5 Separatrizes Prof. franke 2 Vimos que a informação contida num conjunto de dados pode ser resumida
Leia maisProbabilidade e Estatística (Aula Prática - 23/05/16 e 24/05/16)
Probabilidade e Estatística (Aula Prática - 23/05/16 e 24/05/16) Resumo: Veremos nesta aula tabelas, cálculos de porcentagem e gráficos; amostras e tipo de amostragem; Medidas de tendência central e medidas
Leia maisRegressão. PRE-01 Probabilidade e Estatística Prof. Marcelo P. Corrêa IRN/Unifei
Regressão PRE-01 Probabilidade e Estatística Prof. Marcelo P. Corrêa IRN/Unifei Regressão Introdução Analisar a relação entre duas variáveis (x,y) através da equação (equação de regressão) e do gráfico
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.
Leia maisLucas Santana da Cunha de julho de 2018 Londrina
Análise de Correlação e Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 26 de julho de 2018 Londrina 1 / 17 Há casos em que pode existir um relacionamento entre duas variáveis:
Leia mais'HVFULomRH$QiOLVH([SORUDWyULDGRV'DGRV
69 'HVFULomRH$QiOLVH([SORUDWyULDGRV'DGRV O presente capítulo objetiva entender o comportamento das séries de retorno financeiras para as carteiras de investimento elaboradas no capítulo anterior. Tal análise
Leia maisEstatística Aplicada
Estatística Aplicada Correlação e Regressão Professor Lucas Schmidt www.acasadoconcurseiro.com.br Estatística Aplicada REGRESSÃO Correlação não implica Causalidade! O coeficiente de correlação não mede
Leia maisSUMÁRIO. 1.1 Introdução, Conceitos Fundamentais, 2
SUMÁRIO 1 CONCEITOS BÁSICOS, 1 1.1 Introdução, 1 1.2 Conceitos Fundamentais, 2 1.2.1 Objetivo, 2 1.2.2 População e amostra, 2 1.3 Processos estatísticos de abordagem, 2 1.4 Dados estatísticos, 3 1.5 Estatística
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS Em uma grande escola, 10% dos alunos são comprovadamente fracos. Um teste educacional conseguiu identificar corretamente 80% entre aqueles que são fracos e 85% entre aqueles que
Leia maisA Segurança das Mulheres nas Cidades
Métodos e Técnicas de Análise da Informação para o Planejamento A Segurança das Mulheres nas Cidades Fernanda Gomes Neuhold Gustavo Sérgio de Oliveira Sumário 1. Introdução 2. Metodologia 3. Análises 3.1-
Leia maisIntrodução ao modelo de Regressão Linear
Introdução ao modelo de Regressão Linear Prof. Gilberto Rodrigues Liska 8 de Novembro de 2017 Material de Apoio e-mail: gilbertoliska@unipampa.edu.br Local: Sala dos professores (junto ao administrativo)
Leia maisUNIVERSIDADE FEDERAL DA FRONTEIRA SUL Campus CERRO LARGO. PROJETO DE EXTENSÃO Software R: de dados utilizando um software livre.
UNIVERSIDADE FEDERAL DA FRONTEIRA SUL Campus CERRO LARGO PROJETO DE EXTENSÃO Software R: Capacitação em análise estatística de dados utilizando um software livre. Fonte: https://www.r-project.org/ Módulo
Leia maisAULA 09 Regressão. Ernesto F. L. Amaral. 17 de setembro de 2012
1 AULA 09 Regressão Ernesto F. L. Amaral 17 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario F. 2008. Introdução à
Leia maisEstatística aplicada ao Melhoramento animal
Qual é a herdabilidade para uma característica? Qual é a variabilidade de desempenho para essa característica? Selecionando para a característica X, característica Y será afetada? Como predizer os valores
Leia maisAnálise de Regressão EST036
Análise de Regressão EST036 Michel Helcias Montoril Instituto de Ciências Exatas Universidade Federal de Juiz de Fora Regressão sem intercepto; Formas alternativas do modelo de regressão Regressão sem
Leia maisAULAS 14 E 15 Modelo de regressão simples
1 AULAS 14 E 15 Modelo de regressão simples Ernesto F. L. Amaral 18 e 23 de outubro de 2012 Avaliação de Políticas Públicas (DCP 046) Fonte: Wooldridge, Jeffrey M. Introdução à econometria: uma abordagem
Leia maisAula 4: Análise Exploratória de Dados Espaciais (AEDE) Prof. Eduardo A. Haddad
Aula 4: Análise Exploratória de Dados Espaciais (AEDE) Prof. Eduardo A. Haddad Exercício 8 (Moran scatter plot) Exercício 7 Detectar a influência de outliers ± dois desvios-padrão Como os outliers detectados
Leia maisMÉTODOS QUANTITATIVOS APLICADOS. Prof. Danilo Monte-Mor
MÉTODOS QUANTITATIVOS APLICADOS Prof. Danilo Monte-Mor Métodos Quantitativos Aulas 1 e 2 Análise Exploratória de Dados 2 Danilo Soares Monte Mor Currículum Vitae Prof. Dr. e especialista em Métodos Quantitativos
Leia maisAplicação da análise descritiva e espacial em dados de capacidade de troca de cátions
Aplicação da análise descritiva e espacial em dados de capacidade de troca de cátions SIBALDELLI, R. N. R. 1 ; OLIVEIRA, M. C. N. de, CAPECHE, C. L. 3, DA SILVA, E. F.3, HISSA, H. R. 3, MACEDO, J. R. 3
Leia maisModelo de Regressão Múltipla
Modelo de Regressão Múltipla Modelo de Regressão Linear Simples Última aula: Y = α + βx + i i ε i Y é a variável resposta; X é a variável independente; ε representa o erro. 2 Modelo Clássico de Regressão
Leia maisBioestatística UNESP. Prof. Dr. Carlos Roberto Padovani Prof. Titular de Bioestatística IB-UNESP/Botucatu-SP
Bioestatística UNESP Prof. Dr. Carlos Roberto Padovani Prof. Titular de Bioestatística IB-UNESP/Botucatu-SP Perguntas iniciais para reflexão I - O que é Estatística? II - Com que tipo de informação (dados)
Leia maisFilho, não é um bicho: chama-se Estatística!
Paulo Jorge Silveira Ferreira Filho, não é um bicho: chama-se Estatística! Estatística aplicada uma abordagem prática FICHA TÉCNICA EDIÇÃO: Paulo Ferreira TÍTULO: Filho, não é um bicho: chama-se Estatística!
Leia maisExercício Área - SPRING
Exercício Área - SPRING Figura 01 - Visualização dos dados contidos no projeto ativo. Comentários - Nesta etapa foi aberto o banco de dados, neste caso denominado São Paulo e foi definido o projeto, também
Leia maisAULAS 21 E 22 Análise de Regressão Múltipla: Estimação
1 AULAS 21 E 22 Análise de Regressão Múltipla: Estimação Ernesto F. L. Amaral 28 de outubro e 04 de novembro de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Cohen, Ernesto, e Rolando Franco. 2000. Avaliação
Leia maisMódulo 16- Análise de Regressão
Módulo 6 Análise de Regressão Módulo 6- Análise de Regressão Situação Problema Um grupo de investidores estrangeiros deseja aumentar suas atividades no Brasil. Considerando a conjuntura econômica de moeda
Leia maisEstatística Aplicada II. } Regressão Linear
Estatística Aplicada II } Regressão Linear 1 Aula de hoje } Tópicos } Regressão Linear } Referência } Barrow, M. Estatística para economia, contabilidade e administração. São Paulo: Ática, 007, Cap. 7
Leia maisA ANÁLISE EXPLORATÓRIA DE DADOS ESPACIAIS: breve introdução José Irineu Rangel Rigotti
A ANÁLISE EXPLORATÓRIA DE DADOS ESPACIAIS: breve introdução José Irineu Rangel Rigotti A análise de dados espaciais pode ser empreendida sempre que as informações estiverem espacialmente localizadas e
Leia maisSCC0173 Mineração de Dados Biológicos
SCC073 Mineração de Dados Biológicos Análise Exploratória de Dados Parte A: Revisão de Estatística Descritiva Elementar Prof. Ricardo J. G. B. Campello SCC / ICMC / USP Tópicos Análise Exploratória de
Leia maisModelos de Regressão Linear Simples parte I
Modelos de Regressão Linear Simples parte I Erica Castilho Rodrigues 27 de Setembro de 2017 1 2 Objetivos Ao final deste capítulo você deve ser capaz de: Usar modelos de regressão para construir modelos
Leia maisi j i i Y X X X i j i i i
Mario de Andrade Lira Junior lira.pro.br\wordpress lira.pro.br\wordpress Diferença Regressão - equação ligando duas ou mais variáveis Correlação medida do grau de ligação entre duas variáveis Usos Regressão
Leia maisLista de Exercícios Cap. 2
Lista de Exercícios Cap. 2 ) Considere os dados de Sexo e Raça para os dados abaixo: Sexo F M M F M F F F M M M M M M F F F M F F F F M M F M M Raça B B B B B B B B B B B B B B B B B P B B B A B B B B
Leia maisProva de Estatística
UNIVERSIDADE FEDERAL DO PARÁ CURSO DE MESTRADO EM ECONOMIA PROCESSO SELETIVO 2010 Prova de Estatística INSTRUÇÕES PARA A PROVA Leia atentamente as questões. A interpretação das questões faz parte da prova;
Leia mais3.4. Análise da configuração espacial do IDH-M no Estado de São Paulo
63 3.4. Análise da configuração espacial do IDH-M no Estado de ão Paulo esta etapa busca-se explicitar, através do geoprocessamento e de técnicas de análise exploratória espacial, a configuração espacial
Leia maisAnálise da Regressão múltipla: MQO Assintótico y = β 0 + β 1 x 1 + β x +... β k x k + u 3. Propriedades assintóticas Antes, propriedades sobre amostra
Análise da Regressão múltipla: MQO Assintótico Capítulo 5 do Wooldridge Análise da Regressão múltipla: MQO Assintótico y = β 0 + β 1 x 1 + β x +... β k x k + u 3. Propriedades assintóticas Antes, propriedades
Leia maisEstatística Descritiva
C E N T R O D E M A T E M Á T I C A, C O M P U T A Ç Ã O E C O G N I Ç Ã O UFABC Estatística Descritiva Centro de Matemática, Computação e Cognição March 17, 2013 Slide 1/52 1 Definições Básicas Estatística
Leia maisAula 4: Análise Exploratória de Dados Espaciais (AEDE) Prof. Eduardo A. Haddad
Aula 4: Análise Exploratória de Dados Espaciais (AEDE) Prof. Eduardo A. Haddad Exercício 8 (Moran scatter plot) Exercício 7 Detectar a influência de outliers ± dois desvios-padrão Como os outliers detectados
Leia maisCapítulo 9 - Regressão Linear Simples (RLS): Notas breves
Capítulo 9 - Regressão Linear Simples RLS: Notas breves Regressão Linear Simples Estrutura formal do modelo de Regressão Linear Simples RLS: Y i = β 0 + β 1 x i + ε i, 1 onde Y i : variável resposta ou
Leia maisContabilometria. Aula 9 Regressão Linear Inferências e Grau de Ajustamento
Contabilometria Aula 9 Regressão Linear Inferências e Grau de Ajustamento Interpretação do Intercepto e da Inclinação b 0 é o valor estimado da média de Y quando o valor de X é zero b 1 é a mudança estimada
Leia maisAnálise da Relação entre a Precariedade Habitacional e Renda na RMBS
Universidade Federal do ABC Análise da Relação entre a Precariedade Habitacional e Renda na RMBS Profª Drª Flávia Feitosa Gabriel Marques - 21055715 Gabrielle Rosa - 21074015 Gilmara Gonçalves - 11044913
Leia maisEstatística Aplicada ao Serviço Social
Estatística Aplicada ao Serviço Social Módulo 7: Correlação e Regressão Linear Simples Introdução Coeficientes de Correlação entre duas Variáveis Coeficiente de Correlação Linear Introdução. Regressão
Leia maisCORRELAÇÃO E REGRESSÃO
UNIVERSIDADE FEDERAL DA BAHIA ESCOLA POLITÉCNICA DEPARTAMENTO DE TRANSPORTES MEAU- MESTRADO EM ENGENHARIA AMBIENTAL URBANA CORRELAÇÃO E REGRESSÃO Professora: Cira Souza Pitombo Disciplina: ENG C 18 Métodos
Leia maisESTATÍSTICA EXPERIMENTAL. ANOVA. Aula 05
ESTATÍSTICA EXPERIMENTAL ANOVA. Aula 05 Introdução A ANOVA ou Análise de Variância é um procedimento usado para comparar a distribuição de três ou mais grupos em amostras independentes. A análise de variância
Leia maisUNIVERSIDADE FEDERAL DE RONDÔNIA CAMPUS DE JI-PARANÁ DEPARTAMENTO DE ENGENHARIA AMBIENTAL LISTA DE EXERCÍCIOS 5
UNIVERSIDADE FEDERAL DE RONDÔNIA CAMPUS DE JI-PARANÁ DEPARTAMENTO DE ENGENHARIA AMBIENTAL Disciplina: Estatística II LISTA DE EXERCÍCIOS 5 1. Quando que as amostras são consideradas grandes o suficiente,
Leia maisVamos conversar sobre BRUNI
Vamos conversar sobre Aviso importante!!! Estes slides apresentam o conteúdo do livro Estatística Aplicada à Gestão Empresarial, de Adriano Leal Bruni, publicado pela Editora Atlas Capítulo 2 Gráficos
Leia maisModelos de Regressão Linear Simples - parte I
Modelos de Regressão Linear Simples - parte I Erica Castilho Rodrigues 19 de Agosto de 2014 Introdução 3 Objetivos Ao final deste capítulo você deve ser capaz de: Usar modelos de regressão para construir
Leia maisCapacitação em R e RStudio PROJETO DE EXTENSÃO. Software R: capacitação em análise estatística de dados utilizando um software livre.
UFFS Universidade Federal da Fronteira Sul Campus Cerro Largo PROJETO DE EXTENSÃO Software R: capacitação em análise estatística de dados utilizando um software livre Fonte: https://www.r-project.org/
Leia maisAULAS 14 E 15 Modelo de regressão simples
1 AULAS 14 E 15 Modelo de regressão simples Ernesto F. L. Amaral 30 de abril e 02 de maio de 2013 Avaliação de Políticas Públicas (DCP 046) Fonte: Wooldridge, Jeffrey M. Introdução à econometria: uma abordagem
Leia maisResolução da Prova de Matemática Financeira e Estatística do ISS Teresina, aplicada em 28/08/2016.
de Matemática Financeira e Estatística do ISS Teresina, aplicada em 8/08/016. 11 - (ISS Teresina 016 / FCC) Joana aplicou todo seu capital, durante 6 meses, em bancos ( e Y). No Banco, ela aplicou 37,5%
Leia maisGEOESTATÍSTICA APLICADA NA AGRICULTURA DE PRECISÃO UTILIZANDO O VESPER
Empresa Brasileira de Pesquisa Agropecuária Embrapa Solos Ministério da Agricultura, Pecuária e Abastecimento Secretaria de Desenvolvimento Agropecuário e Cooperativismo Departamento de Propriedade Intelectual
Leia maisExemplo 1. Conjunto de dados de uma amostra de 12 meninas da escola: y i x i
Exemplo 1 Y : peso (kg) de meninas de 7 a 11 anos de uma certa escola de dança X : altura (m) das meninas A partir de 3 valores prefixados de X, foram obtidas, para cada valor de X, 4 observações independentes
Leia maisCapítulo 9 - Regressão Linear Simples (RLS): Notas breves
Capítulo 9 - Regressão Linear Simples RLS: Notas breves Regressão Linear Simples Estrutura formal do modelo de Regressão Linear Simples RLS: Y i = β 0 + β 1 x i + ε i, 1 onde Y i : variável resposta ou
Leia maisHomocedasticidade? Exemplo: consumo vs peso de automóveis
REGRESSÃO Análise de resíduos Homocedasticidade? Exemplo: consumo vs peso de automóveis 60 50 Consumo (mpg) 40 30 0 10 0 1500 000 500 3000 3500 4000 4500 Peso 0 Diagrama de resíduos 15 10 Resíduos 5 0-5
Leia maisVERIFICAÇÃO DA ADEQUAÇÃO DO MODELO DE ANÁLISE DE VARIÂNCIA ANÁLISE DE RESÍDUOS
VERIFICAÇÃO DA ADEQUAÇÃO DO MODELO DE ANÁLISE DE VARIÂNCIA ANÁLISE DE RESÍDUOS Conforme foi apresentado anteriormente, o modelo de análise de variância assume que as observações são independentes e normalmente
Leia maisMETODOLOGIA DE INVESTIGAÇÃO CIENTÍFICA
METODOLOGIA DE INVESTIGAÇÃO CIENTÍFICA A FASE ANALÍTICA TCOR ENGEL SILVA COSTA costa.pms@ium.pt/226013 2 METODOLOGIA DE INVESTIGAÇÃO CIENTÍFICA Previamente ao início da recolha de dados, o investigador
Leia maisUNIVERSIDADE FEDERAL DE MINAS GERAIS FACULDADE DE FILOSOFIA E CIÊNCIAS HUMANAS DEPARTAMENTO DE CIÊNCIA POLÍTICA CURSO DE GESTÃO PÚBLICA
1 UNIVERSIDADE FEDERAL DE MINAS GERAIS FACULDADE DE FILOSOFIA E CIÊNCIAS HUMANAS DEPARTAMENTO DE CIÊNCIA POLÍTICA CURSO DE GESTÃO PÚBLICA Professor: Ernesto Friedrich de Lima Amaral Disciplina: Avaliação
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semana Conteúdo 1 Apresentação da disciplina. Princípios de modelos lineares
Leia maisEstatística 1. Resumo Teórico
Estatística 1 Resumo Teórico Conceitos do Curso 1. Tipos de Variáveis e Representações Gráficas a. Tipos de Variáveis b. Distribuição de Frequências c. Histograma 2. Estatística Descritiva Medidas Estatísticas
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS A distribuição dos tempos de permanência dos estudantes nos cursos de graduação de certa universidade é uma distribuição normal com média igual a 6 anos e desvio padrão igual
Leia maisEstatística Descritiva. Objetivos de Aprendizagem. 6.1 Sumário de Dados. Cap. 6 - Estatística Descritiva 1. UFMG-ICEx-EST. Média da amostra: Exemplo:
6 ESQUEMA DO CAPÍTULO Estatística Descritiva 6.1 IMPORTÂNCIA DO SUMÁRIO E APRESENTAÇÃO DE DADOS 6.2 DIAGRAMA DE RAMO E FOLHAS 6.3 DISTRIBUIÇÕES DE FREQUÊNCIA E HISTOGRAMAS 6.4 DIAGRAMA DE CAIXA 6.5 GRÁFICOS
Leia maisCapítulo 1. Análise Exploratória de Dados
Capítulo 1 Análise Exploratória de Dados Introdução A finalidade da Análise Exploratória de Dados (AED) é examinar os dados previamente à aplicação de qualquer técnica estatística. Desta forma o analista
Leia maisSUMÁRIO. Prefácio, Espaço amostrai, Definição de probabilidade, Probabilidades finitas dos espaços amostrais fin itos, 20
SUMÁRIO Prefácio, 1 3 1 CÁLCULO DAS PROBABILIDADES, 15 1.1 Introdução, 15 1.2 Caracterização de um experimento aleatório, 15 1.3 Espaço amostrai, 16 1.4 Evento, 17 1.5 Eventos mutuamente exclusivos, 17
Leia mais