NOTAS DE AULA DA DISCIPLINA CE076
|
|
- Ângelo Flores Bergler
- 6 Há anos
- Visualizações:
Transcrição
1 NOTAS DE AULA DA DISCIPLINA CE76 6. ANÁLISE FATORIAL 6.. Introdução A Análse Fatoral teve níco odernaente no prncípo do século XX co K. Pearson e C. Spearan, que estudara as eddas de ntelgnca. A dfculdade nos cálculos pedu u desenvolvento aor da técnca. O advento dos coputadores altaente velozes trouxe de novo o nteresse nos aspectos teórcos e coputaconas da Análse Fatoral. O obetvo da Análse Fatoral. é explcar as correlações entre u conunto grande de varáves e teros de u conunto de poucas varáves aleatóras nãoobserváves chaadas fatores. Suponha que varáves possa ser agrupadas por suas correlações, sto é, todas as varáves dentro de u grupo partcular são altaente correlaconadas entre s, as t correlações relatvaente baxas co varáves de u grupo dferente. É adssível que cada grupo de varáves represente u FATOR, que é responsável pelas correlações observadas. Exeplo: E ua pesqusa sobre prefernca do consudor, ua a.a de consudores fo toada e perguntou-se sobre os dversos atrbutos de u novo produto (sanduíche). Especfcaente perguntou-se sobre a avalação dos consudores para as varáves: sabor, preço, aroa, refeção rápda e o grau de nutrção. As respostas, e notas nua escala até 7 pontos, fora tabuladas e a atrz de correlação R construída adante, R = Voc dstngura, levando e conta as correlações, alguns grupos nessa atrz? 6. Modelo Fatoral Ortogonal Sea o v.a. observável X, co p coponentes, X ~. (µ,σ). O odelo fatoral postula que X é lnearente dependente sobre alguas varáves aleatóras não observáves F, F,,F, chaadas fatores couns e p fontes de varação adtvas ε, ε,..,ε p, chaadas erros ou, alguas vezes, fatores específcos, Materal Retrado das Apostlas dos Profs. Jar Mendes Marques e Anselo Chaves Neto Págna
2 NOTAS DE AULA DA DISCIPLINA CE76 ou e notação atrcal : X - µ = l F + l F + + l F + ε X - µ = l F + l F + + l F + ε X - µ = l F + l F + + l F + ε X p - µ p = l p F +l p F + +l p F + ε p X µ = L F + ε px px x px O coefcente l é chaado peso ou carregaento na -ésa varável do -éso fator, tal que a atrz L é a atrz de carregaento dos fatores. px Note que o fator específco ou erro ε, é assocado soente co a -ésa resposta X. Os desvos X - µ, X - µ,, X p - µ p são expressos e teros de p+ varáves aleatóras: F, F,, F, ε, ε,, ε p que não são observáves. Isto dstngue o odelo fatoral do odelo de regressão ultvarada, cuas varáves ndependentes (cuas posções são ocupadas por F ) pode ser observadas. Agora vaos assur que : E(F) =, x Cov(F) = E(FF ) = I E(ε) =, px Ψ Ψ Cov(ε) = E(εε ) = Ψ = Ψ3 pxp Ψ p e que F e ε são ndependentes, ass cov (ε,f) = E(ε,F ) = co = p pxp Co estas suposções o relaconaento construído e X µ = L F + ε chaado odelo fatoral ortogonal e pode ser escrto por: px px x px é X = µ + L F + ε px px px x px Materal Retrado das Apostlas dos Profs. Jar Mendes Marques e Anselo Chaves Neto Págna
3 NOTAS DE AULA DA DISCIPLINA CE76 MATRIZ DE COVARIÂNCIA DO VETOR X: Consderando a atrz : (X - µ) (X - µ) = (LF + ε) (LF + ε) = (LF + ε) ((LF) + ε ) = LF(LF) + ε(lf) + LFε + εε a atrz de covarânca de X é : Σ = cov (X) = E(X - µ) (X - µ) = E[LF(LF) + ε(lf) + LFε + εε ] Σ = LE(FF )L + E(εF ) L + LE(Fε ) + E(εε ) = LL Ψ pxp pxp pxp pxp Σ = LL + ψ e cov(x,f) = E(X - µ)(f - ) = E(X - µ)f = E(µ + LF + ε - µ)f = E(LF + ε)f = LE(FF ) + E(εF ) = LI + = L Consequenteente teos: V(X ) = l + l + + l + ψ cov(x, X k ) = l l k + l l k + + l l k cov(x, F ) = l COMUNALIDADES E VARIÂNCIAS ESPECÍFICAS A porção da varânca da -ésa varável aleatóra X advnda coo contrbução dos fatores couns é chaada COMUNALIDADE e a porção da V(X ) = σ orunda do fator específco é a varânca específca, ass V(X ) = V[µ + l F +l F ++l F +ε ] = =V(µ )+ l V F l V F l V F V ( ) + ( ) + + ( ) + ( ε ) = + l + l + + l + ψ V(X ) = ll l l Ψ { counaldade var anca especfca V(X ) = h + Ψ =,,, p co h = l + l + + l, a -ésa counaldade é a soa de quadrados dos carregaentos na -ésa varável dos fatores couns. Materal Retrado das Apostlas dos Profs. Jar Mendes Marques e Anselo Chaves Neto Págna 3
4 NOTAS DE AULA DA DISCIPLINA CE Estação Dadas as observações x, x,,x n de p varáves geralente correlaconadas a Análse Fatoral procura responder a pergunta : Representará o odelo fatoral os dados adequadaente co u núero baxo de fatores?. A atrz de covarânca aostral S é u estador da atrz de covarâncas populaconal desconhecda Σ. Se os eleentos fora da dagonal de S são baxos ou equvalenteente na atrz de correlação aostral R são pratcaente nulos, as varáves não são relaconadas e a Análse Fatoral não é útl. Por outro lado quando Σ é sgnfcatvaente dferente de ua atrz dagonal, então o odelo fatoral pode ser usado e o problea ncal é o de estar os carregaentos l e as varâncas específcasψ. Vaos consderar no nosso estudo a estação pelo Método das Coponentes Prncpas. Sea Σ a atrz de covarâncas de X, então, dado que Σ é postva defnda, podeos decopô-la na fora abaxo, segundo a decoposção espectral: ' ' ' p p p Σ = λ e e + λ e e +. + λ e e = [ λ e λ e λ p e p] ' λ e ' λ e ' λp e p = LL pxp se = p e ψ = Ass, se Σ = LL + ψ te-se p ψ p = p p no auste do odelo fatoral. Exceto pelo escalar λ, os carregaentos no -éso fator são os coefcentes populaconas na - ésa coponente prncpal. Ebora a representação de Σ = LL + = LL sea exata, ela não é partcularente útl (te utos fatores couns). É preferível u odelo que explque a estrutura de covarânca e teros de poucos fatores couns. Ua aproxação, quando p - autovalores são baxos, é neglgencar a contrbução de λ + e + e + + λ + e + e λ p e p e p para Σ na decoposção espectral. Ass, te-se, λ e λ e Σ λ e λ e λ e ] = LL de orde pxp λ e Esta representação aproxada assue que os fatores específcos ε são de enor portânca e pode tabé ser gnorados na fatorzação de Σ. Se os fatores específcos ε são ncluídos no odelo, suas varâncas são os eleentos da dagonal da atrz dferença Σ - LL e consequenteente ψ = σ - l para =,,.,p. Materal Retrado das Apostlas dos Profs. Jar Mendes Marques e Anselo Chaves Neto Págna 4 =
5 NOTAS DE AULA DA DISCIPLINA CE76 Pode-se, tabé, trabalhar co as varáves padronzadas, x x s x x z = s x p x p s pp =,,.., n cua atrz de covarânca aostral é a atrz de correlação R das observações orgnas x, x,,x n. A representação Σ LL + ψ, quando se usa a atrz de covarânca S, ou então, a atrz de correlação R é conhecda coo Solução por Coponentes Prncpas. RESUMO DA SOLUÇÃO POR COMPONENTES PRINCIPAIS PARA O MODELO FATORIAL A Análse Fatoral por Coponentes Prncpas da atrz de covarânca S é especfcada e teros de seus pares de autovalor/autovetor (, ), (, ),.. ( p, p ) onde p. Sea < p o núero de fatores couns. A atrz dos carregaentos estados l $ é dada por: Lˆ = [ ˆ λ e ˆ ˆ λ e ˆ ˆλ ] As varâncas específcas estadas são dadas pelos eleentos da dagonal prncpal da atrz Ψˆ = Ŝ - Lˆ Lˆ, ψˆ ψˆ Ψˆ = co ψˆ = s - ˆl = ψˆ p As counaldades das varáves orgnas são estadas pela segunte expressão: ĥ ˆ ˆ ˆ = l + l + + l e, para deternar o núero de fatores couns, o ndcado é basear-se na proporção da varânca aostral devdo a cada fator, que é: s + s + + s ˆ λ p ˆ λ pp para a análse feta a partr de S para análse feta a partr de R Materal Retrado das Apostlas dos Profs. Jar Mendes Marques e Anselo Chaves Neto Págna 5
6 NOTAS DE AULA DA DISCIPLINA CE76 Consderando a solução por coponentes prncpas partndo-se da atrz S ou R que fornece os pares de autovalores/autovetores ( ˆλ, ), ( ˆλ, ),,( p, p ) onde ˆλ ˆλ p teos a atrz de carregaentos (pesos, loads) Lˆ = px λ λ ˆ ˆ = e a atrz de varâncas específcas é: Ψˆ = pxp p ψˆ ψˆ p ˆ e onde as counaldades estadas são ˆ h = l ˆ lˆ + + ˆl nterpretar estes resultados coo: ψ p + = = - a contrbução do o. fator p/ a varânca s da v.a é ˆl p co ψˆ = s - ˆl = ˆl e podeos - a contrbução do o. fator p/ a varânca total s +s + +s pp = tr(s) é ˆl 6.4 Seleção de Fatores: ] - Expernca no assunto pesqusado (étodo subetvo) - Crtéro de Kaser: tantos fatores quanto for o núero de autovalores aores que. - Escolher o núero de fatores que explca ua proporção especfcada da varânca total. = 6.5 Rotação de Fatores: Os carregaentos obtdos a partr dos carregaentos ncas, edante ua transforação ortogonal t a esa habldade para reproduzr a atrz de covarânca ou de correlação. Da álgebra atrcal, nós sabeos que ua transforação ortogonal corresponde a ua rotação rígda dos exos coordenados. Se $ L é a atrz estada dos carregaentos dos fatores, então: $L * = $ L T, onde TT = T T = I, T ortogonal, é a atrz dos carregaentos rotaconados, alé dsso a atrz de covarânca (ou de correlação) peranece ntacta, pos Materal Retrado das Apostlas dos Profs. Jar Mendes Marques e Anselo Chaves Neto Págna 6
7 NOTAS DE AULA DA DISCIPLINA CE76 $L $ L + $ Ψ = $ L TT $ L + $ Ψ = $ L * $ L * + $ Ψ e tabé a atrz dos resíduos S - $ L $ L - $ Ψ = S - $ L * $ L * - $ Ψ peranece ntacta, e anda as varâncas específcas ψ e as counaldades h não se altera. Portanto, do ponto de vsta ateátco, não é portante se L $ ou L $ * é defnda. As vezes não é fácl nterpretar os carregaentos orgnas, e então é usual fazer ua rotação dos carregaentos até que ua estrutura sples sea alcançada. Idealente, nós gostaríaos de ver ua estrutura de cargas tal que cada varável tvesse u alto peso, e u únco fator deternado, e baxos ou oderados pesos nos deas fatores. Não é sepre possível obter essa estrutura sples, ebora a rotação dos fatores forneça ua estrutura próxa da deal. Ua edda analítca da estrutura sples é o conhecdo crtéro VARIMAX, que defne ~ * * e = e$ / h $ coo sendo os coefcentes escalonados pela raz quadrada das counaldades. O crtéro selecona a transforação ortogonal T que faz V = p p e~ ( e~ p p *4 * ) / tão grande quanto = = = possível. Escalonar os coefcentes rotaconados e$ * te o efeto de dar às varáves co pequenas counaldades aor peso na deternação da estrutura sples. Após a transforação T ser deternada, os pesos e$ * são ultplcados por h $ tal que as counaldades orgnas sea preservadas. Quando =, ou se consderaros dos fatores couns de ua vez, a transforação para ua estrutura sples pode freqüenteente ser deternada grafcaente. U gráfco dos pares de carregaentos ( e$,$ e ) =,,,n produze p pontos, u para cada varável. Então os exos pode ser rotaconados de u ângulo, e os novos carregaentos obtdos e$ * são deternados: p L $ *p = p L $ T. cosϕ senϕ A atrz T é neste caso, T = senϕ cosϕ co rotação no sentdo horáro. 6.6 Escores Fatoras: Na Análse Fatoral, o nteresse usual está nos parâetros do odelo fatoral. Contudo, os valores estados dos fatores couns, tabé chaados escores fatoras, pode ser necessáros. Estas quantdades são frequenteente usadas para dagnostcar propostas da esa fora que a análse anteror. Escores fatoras não são estatvas de parâetros desconhecdos no sentdo usual, as na verdade eles são estatvas de valores não observados dos vetores de fatores aleatóros F, =,,,. Isto é, escore fatoral $ f é a estatva do valor f assudo por F. A estação é coplcada pelo fato de que as quantdades f e ε supera e núero os valores observados x. Para superar esta dfculdade são usadas aproxações para estar os valores fatoras. Exste, bascaente, dos étodos que t dos eleentos e cou: Materal Retrado das Apostlas dos Profs. Jar Mendes Marques e Anselo Chaves Neto Págna 7
8 NOTAS DE AULA DA DISCIPLINA CE76. Eles trata os carregaentos estados $ l e as varâncas específcas ψ, coo se eles fosse os verdaderos valores ;. 3. Eles envolve transforações dos dados orgnas, padronzados. Tpcaente, os carregaentos rotaconados são elhores do que os carregaentos obtdos dos dados orgnas para se calcular os escores fatoras. Método dos Mínos Quadrados Supondo, de níco, que o vetor édo µ, a atrz de carregaentos L e a atrz de varâncas específcas ψ sea conhecdos para o odelo X - µ = LF + ε, então a soa dos quadrados dos erros, ponderados pelos recíprocos das suas varâncas é: p ε = ε ψ - ε = (X - µ - LF) ψ - ((X - µ - LF), ψ = Bartlett propôs escolher os estadores $ f de f que nza a expressão anteror, resultando co as estatvas dos parâetros populaconas, pelo Método da Máxa Verosslhança, no estador: fˆ = ( L $ L Lˆ ' ψˆ ˆ) ψˆ ( x x ) =,,..,n ou se a análse é feta a partr da atrz de correlação R fˆ = ( L ' ˆ z ˆ ˆ ' ψ z z ) zψ z z =,,.,n Lˆ Lˆ Mas, quando usaos Coponentes Prncpas para estaros os carregaentos é costue estaros os escores fatoras usando os Mínos Quadrados Ordnáros. Desta fora, ψ são consderadas coo guas ou coo aproxadaente guas e os escores são: fˆ = ( L $ L $ ) - $ L (x - x ) =,,3,.,n ou se a análse é feta a partr da atrz de correlação R fˆ = ( L ' ˆ z Lˆ ) z =,,.,n z Lˆ' z Materal Retrado das Apostlas dos Profs. Jar Mendes Marques e Anselo Chaves Neto Págna 8
9 NOTAS DE AULA DA DISCIPLINA CE76 EXERCÍCIOS:. E ua pesqusa sobre prefernca do consudor, ua a.a de consudores fo toada e perguntou-se sobre os dversos atrbutos de u novo produto. As respostas, e notas nua escala até 7 pontos, fora tabuladas e a atrz de correlação R construída abaxo, R = a) Especfque o núero de fatores couns na Análse Fatoral; b) Este a atrz dos carregaentos L; c) Este as counaldades; d) Este as varâncas específcas; e) Monte ua tabela co os carregaentos estados dos fatores, counaldades e varâncas específcas. Interprete os fatores.. Dados sobre valores de ações consste de n = taxas seanas de p = 5 ações (cnco epresas). Construída a atrz R de correlação obteve-se a partr daí os autovalores e autovetores. Sabeos especfcaente que os carregaentos (pesos) estados são os coefcentes das coponentes prncpas aostras ultplcados pela raz quadrada dos autovalores correspondentes. Calcule os carregaentos estados dos fatores e as varâncas específcas. Monte ua tabela co os resultados, nclusve proporção da varânca aostral (padronzada) explcada por cada fator para as soluções co = e = fatores. Procure nterpretar os resultados da Análse Fatoral R = Faça ua rotação nos fatores do problea 5 e construa o quadro copleto da Análse Fatoral co os pesos antes e depos da rotação. Materal Retrado das Apostlas dos Profs. Jar Mendes Marques e Anselo Chaves Neto Págna 9
10 NOTAS DE AULA DA DISCIPLINA CE76 4. E ua Análse Fatoral obteve-se a atrz de carregaentos rotaconados obtdos por Máxa Verosslhança e a atrz das varâncas específcas correspondente. Te-se tabé a atrz de carregaentos e atrz de varâncas específcas correspondente obtdos por Coponentes Prncpas. Te-se, anda, u vetor de dados (que corresponde a taxas seanas de retorno de nvestentos e 5 copanhas do setor quíco (trs preras varáves) e setor petrolífero (duas últas varáves)) e o vetor édo para seanas observadas. Obtenha os escores fatoras correspondentes aos fatores e para a 5 a. seana (vetor de dados apresentado). Repta o processo co os dados padronzados e para a observação ndcada por z abaxo Lˆ = ˆ* L z = Ψ ˆ =.5 Ψˆ z = x = [ ] ' x = [ ] z = [ ] Materal Retrado das Apostlas dos Profs. Jar Mendes Marques e Anselo Chaves Neto Págna
NOTAS DE AULA DA DISCIPLINA CE076
5. COMPONENTES PRINCIPAIS 5. Introdução A análse de Comonentes Prncas está relaconada com a exlcação da estrutura de covarânca or meo de oucas combnações lneares das varáves orgnas em estudo, ou sea, rocura
Leia maisFigura 7.1: O problema do ajuste de funções a um conjunto de dados
Fgura 7: O problea do ajuste de funções a u conjunto de dados Capítulo 7 Aproxação de Funções por Mínos Quadrados 7 Introdução Dado u conjunto de observações (dados), frequenteente deseja-se condensar
Leia maisCÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano
CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 7 e 8 06/204 Ajuste de Curvas AJUSTE DE CURVAS Cálculo Nuérco 3/64 INTRODUÇÃO E geral, experentos gera ua gaa de dados que
Leia maisAnálise Multivariada
Análse Multvarada Aula 3: Análse Fatoral Prof. Admr Antono Betarell Junor Juz de Fora Análse Fatoral ACP procura seleconar um n mínmo de componentes, não correlaconados, para expressar o máxmo possível
Leia maisANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS
Físca Arqutectura Pasagístca Análse de erros ANÁLISE DE ERROS A ervação de u fenóeno físco não é copleta se não puderos quantfcá-lo Para é sso é necessáro edr ua propredade físca O processo de edda consste
Leia maisPÊNDULO ELÁSTICO. Fig. 1. Considere o sistema da figura 1. Quando se suspende uma massa, m, na mola, o seu comprimento aumenta de l 0
PÊNDULO ELÁSTICO. Resuo U corpo lgado a ua ola é posto e ovento osclatóro. Deterna-se as característcas do ovento e estuda-se a conservação da energa ecânca.. Tópcos teórcos Y l 0 l Fg. F r el P r X Consdere
Leia mais2a VERIFICAÇÃO REFINO DOS AÇOS I Julho Um aço é dessulfurado por uma escória, em condições desoxidantes.
a VERIFICAÇÃ REFIN D AÇ I Julho 8 U aço é dessulfurado por ua escóra, e condções desoxdantes. Reação quíca na nterface: + - = - +. Faça u esquea da nterface aço-escóra, lstando todas as etapas que pode
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 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 maisESPECTROSCOPIA ROTACIONAL
05/03/08 ESPECTOSCOPIA OTACIONAL Prof. Harley P. Martns Flho O odelo do rotor rígdo Partícula de assa grando no espaço a ua dstânca constante de u ponto fxo no espaço: Moento angular da partícula: = rp
Leia maisDinâmica Estocástica. Instituto de Física, novembro de Tânia -Din Estoc
Dnâca Estocástca Insttuto de Físca, novebro de 06 Modelo de Glauber-Isng Equação de evolução para agnetzação Abordage de capo édo & transção de fase no odelo e expoentes crítcos Equação Mestra para dnâcas
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 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 mais( ) (8.1) ( ) v = 2v sen ω t ( ) ( ) = ω (8.4) v 3v cos t ( ) = ω (8.5) v 3v sen t
CAPÍTUO 8 ETUDO ANAÍTICO DE AGUN TANITÓIO EÉTICO DO MOTO DE INDUÇÃO 8. TANITÓIO EÉTICO DE PATIDA Vaos consderar o caso de u otor de ndução co constante de tepo ecânca uto aor que as constantes de tepo
Leia maisUNIVERSIDADE ESTADUAL PAULISTA "JÚLIO DE MESQUISTA FILHO" FACULDADE DE CIÊNCIAS AGRONÔMICAS CAMPUS DE BOTUCATU
UNIVERSIDADE ESTADUAL PAULISTA "JÚLIO DE MESQUISTA FILHO" FACULDADE DE CIÊNCIAS AGRONÔMICAS CAMPUS DE BOTUCATU COMPARAÇÃO ENTRE OS ESTIMADORES DE MÍNIMOS QUADRADOS ORDINÁRIOS E MÍNIMOS DESVIOS ABSOLUTOS
Leia maisFísica. Física Módulo 1. Sistemas de Partículas e Centro de Massa. Quantidade de movimento (momento) Conservação do momento linear
Físca Módulo 1 Ssteas de Partículas e Centro de Massa Quantdade de ovento (oento) Conservação do oento lnear Partículas e ssteas de Partículas Átoos, Bolnhas de gude, Carros e até Planetas... Até agora,
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 maisPARTE II EQUILÍBRIO DA PARTÍCULA E DO CORPO RÍGIDO
1 PARTE II EQUILÍBRIO DA PARTÍULA E DO ORPO RÍGIDO Neste capítulo ncalente trataos do equlíbro de partículas. E seguda são apresentadas as defnções dos centros de gravdade, centros de assa e centródes
Leia maisCap. 11 Correlação e Regressão
Estatístca para Cursos de Engenhara e Informátca Pedro Alberto Barbetta / Marcelo Menezes Res / Antono Cezar Borna São Paulo: Atlas, 2004 Cap. 11 Correlação e Regressão APOIO: Fundação de Apoo à Pesqusa
Leia maisSeja o problema primal o qual será solucionado utilizando o método simplex Dual: (P)
PROGRAMA DE MESTRADO PROGRAMAÇÃO LIEAR PROFESSOR BALEEIRO Método Splex Dual no Tableau Garfnkel-ehauser E-al: abaleero@gal.co Ste: www.eeec.ufg.br/~baleero Sea o problea pral o qual será soluconado utlzando
Leia mais5.1 Método de Ponderação da Linha de Rotação
5 etodologa O copressor é o coponente de aor nfluênca no desepenho da turbna a gás ass a precsão de sua odelage te pacto sgnfcatvo na efcáca do odelo nuérco coputaconal desta ara a odelage do copressor
Leia maisAtivos de Risco. Universidade Federal de Santa Catarina. From the SelectedWorks of Sergio Da Silva
Unversdade Federal de anta Catarna Fro the electedworks o ergo Da lva 009 Atvos de Rsco ergo Da lva, Federal Unversty o anta Catarna Avalable at: https://orks.bepress.co/sergodaslva/4/ Atvos de Rsco Hal
Leia maisPRESSUPOSTOS DO MODELO DE REGRESSÃO
PREUPOTO DO MODELO DE REGREÃO A aplcação do modelo de regressão lnear múltpla (bem como da smples) pressupõe a verfcação de alguns pressupostos que condensamos segudamente.. Os erros E são varáves aleatóras
Leia 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 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 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 maisMétodos Numéricos no Traçado de Campos
Métodos Nuércos no Traçado de Capos ELECTROTECNIA TEÓRICA LEEC Aníbal Castlho Cobra de Matos Mara Inês Barbosa de Carvalho Dezebro de 5 Nota ntrodutóra Estes apontaentos destna-se apoar as aulas da dscplna
Leia maisX = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)
Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado
Leia maisSoftware de Telecomunicações. Curvas elípticas
Software de Telecouncações Curvas elíptcas Prof RG Crespo Software de Telecouncações Curvas elíptcas : /4 Curvas elíptcas sobre corpos () Curvas elíptcas tê sdo estudadas há quase séculos A dfculdade torna-as
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 maisMECÂNICA CLÁSSICA. AULA N o 8. Invariância de Calibre-Partícula em um Campo Eletromagnético-Colchetes de Poisson
1 MECÂNICA CLÁSSICA AULA N o 8 Invarânca de Calbre-Partícula e u Capo Eletroagnétco-Colchetes de Posson Vaos ver novaente, agora co as detalhes, o ovento de ua partícula carregada e u capo eletroagnétco,
Leia mais, para. Assim, a soma (S) das áreas pedida é dada por:
(9) - wwweltecapnascobr O ELITE RESOLE FUEST 9 SEGUND FSE - MTEMÁTIC MTEMÁTIC QUESTÃO Na fgura ao lado, a reta r te equação x + no plano cartesano Ox lé dsso, os pontos B, B, B, B estão na reta r, sendo
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 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 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 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 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 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 maisTecnologia de Grupo. 1. Justificativa e Importância da Tecnologia de Grupo. 2. Algoritmo de Ordenação Binária. = 1 se a máquina i
Tecnologa de Grpo 1. Jstfcatva e Iportânca da Tecnologa de Grpo Tecnologa de grpos é conceto portante aplcado na foração de céllas de anfatra. A organzação do sstea de prodção e céllas de anfatra poss
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 mais4.5 Métodos de defuzificação. Métodos de defuzificação. Métodos. Centro de área (centro de gravidade, centróide)
4.5 Métodos de defuzfcação A nterpretação e utlzação dos conjuntos fuzz resultantes dos processos de nferênca pode ser fetas de fora dstntas, dependendo do tpo de sstea e da aplcação: Traduzr para u valor
Leia maisDepartamento de Informática. Modelagem Analítica. Modelagem Analítica do Desempenho de Sistemas de Computação. Disciplina: Medida de Probabilidade
Departaento de Inforátca Dscplna: do Desepenho de Ssteas de Coputação Medda de Probabldade Prof. Sérgo Colcher colcher@nf.puc-ro.br Teora da Probabldade Modelo ateátco que perte estudar, de fora abstrata,
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 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 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 maisAula de Hoje. Introdução a Sistemas Inteligentes. Motivação (PCA) Redes Neurais para PCA. Motivação para PCA Redes Neurais para PCA
Introdução a Ssteas Intelgentes Tópcos e Redes Neuras I: Aprendzado Hebbano de Rede Auto-Organzada para Análse de Coponentes Prncpas (PCA) Aula de Hoje otvação para PCA Algorto Hebbano Eeplos Eeplo pedagógco
Leia maisCapítulo 1. Exercício 5. Capítulo 2 Exercício
UNIVERSIDADE FEDERAL DE GOIÁS CIÊNCIAS ECONÔMICAS ECONOMETRIA (04-II) PRIMEIRA LISTA DE EXERCÍCIOS Exercícos do Gujarat Exercíco 5 Capítulo Capítulo Exercíco 3 4 5 7 0 5 Capítulo 3 As duas prmeras demonstrações
Leia maisMíriam Márcia Carvalho da Conceição
Míra Márca arvalho da onceção UMA PROPOSTA DO ÍNDIE PM MULTIVARIADO E IMPLEMENTAÇÃO OMPUTAIONAL NO SOFTAWE MINITAB FOR WINDOWS DOS ÍNDIES DE APAIDADE MULTIVARIADOS DE HEN MODIFIADOS, PROPOSTOS POR MINGOTI
Leia maisPrograma do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall
Sstemas Intelgentes Aplcados Carlos Hall Programa do Curso Lmpeza/Integração de Dados Transformação de Dados Dscretzação de Varáves Contínuas Transformação de Varáves Dscretas em Contínuas Transformação
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional. ou experimental.
Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~vall/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal http://www.mat.ufrgs.br/~vall/ ou expermental. Numa relação
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRGS Insttuto de Matemátca
Leia maisDelineamento Aleatorizado em Blocos Completos (DABC)
Delneamento Aleatorzado em Blocos Completos (DABC) Motvação Por que planear um expermento? Como dmnur o efeto resdual? Como controlar o efeto de fontes de varação conhecdas mas que não são de nteresse
Leia maisCapítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES
Capítulo. Aproxmações numércas 1D em malhas unformes 9 Capítulo. AROXIMAÇÕS NUMÉRICAS 1D M MALHAS UNIFORMS O prncípo fundamental do método das dferenças fntas (MDF é aproxmar através de expressões algébrcas
Leia maisMAE 317 Planejamento e Pesquisa I Profa. Júlia Maria Pavan Soler
MAE 317 Planeamento e Pesqusa I Profa. Júla Mara Pavan Soler pavan@me.usp.br IME/USP 1º Semestre/019 Delneamento Aleatorzado em Blocos Completos (DABC) Motvação Por que planear um expermento? Como dmnur
Leia maisA redução na pressão sangüínea (mm Hg) em um período de quatro semanas observadas em cães experimentais está tabulada abaixo:
UNIVERSIDADE ESTADUAL PAULISTA FACULDADE DE CIÊNCIAS AGRÁRIAS E VETERINÁRIAS CAMPUS DE JABOTICABAL ª PROVA DE ESTATÍSTICA EXPERIMENTAL - MEDICINA VETERINÁRIA NOME: DATA / / ª QUESTÃO (,): A redução da
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 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 maisMódulo 4 Sistema de Partículas e Momento Linear
Módulo 4 Sstea de Partículas e Moento Lnear Moento lnear Moento lnear (quantdade de oento) de ua partícula: Grandeza etoral Undades S.I. : kg./s p Moento lnear e ª Le de ewton: Se a assa é constante: F
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 maisNotas Processos estocásticos. Nestor Caticha 23 de abril de 2012
Notas Processos estocástcos Nestor Catcha 23 de abrl de 2012 notas processos estocástcos 2 O Teorema de Perron Frobenus para matrzes de Markov Consdere um processo estocástco representado por um conunto
Leia maisTratamento de Dados 2º Semestre 2005/2006 Tópicos de Resolução do Trabalho 1
Trataento de Dados º Seestre 5/6 Tópcos de Resolução do Trabalho. a) A éda, para dados não classfcados, é calculada a partr da segunte expressão: x x 57,75,555 Dado que a densão da aostra é par,, a edana
Leia mais3 Metodologia de análise
3 Metodologa de análse O étodo de eleentos fntos é utlzado coo a base para as análses realzadas neste trabalho. As equações que resulta da aplcação deste étodo na conservação de oentu deve levar e conta
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 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 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 maisCAPÍTULO III. Aproximação de funções pelo método dos Mínimos Quadrados
Métodos Nuércos CAPÍULO III C. Balsa & A. Satos Aproxação de fuções pelo étodo dos Míos Quadrados. Algus cocetos fudaetas de Álgebra Lear Relebraos esta secção algus cocetos portates da álgebra Lear que
Leia maisFísica I para Engenharia. Aula 7 Massa variável - colisões
Físca I para Engenhara º Seestre de 04 Insttuto de Físca- Unersdade de São Paulo Aula 7 Massa aráel - colsões Proessor: Valdr Guarães E-al: aldrg@.usp.br Massa Contnuaente Varáel F res F res F res dp d(
Leia maisCELSO BERNARDO NÓBREGA FREITAS. Integração numérica de sistemas não lineares semi-implícitos via teoria de controle geométrico
CELSO BERNARDO NÓBREGA FREITAS Integração nuérca de ssteas não lneares se-plíctos va teora de controle geoétrco Defnção do Problea (, x t = f x t u t y ( t = h( x( t = 0 DAE (Equações Dferencas Algébrcas
Leia maisUNIVERSIDADE TÉCNICA DE LISBOA INSTITUTO SUPERIOR DE ECONOMIA E GESTÃO MERCADOS E INVESTIMENTOS FINANCEIROS FORMULÁRIO
UIVESIDADE TÉCICA DE LISBOA ISTITUTO SUEIO DE ECOOIA E GESTÃO ECADOS E IVESTIETOS IACEIOS OULÁIO 0. Apresentação O desenvolvento da teora e Gestão de Carteras de Valores obláros deve uto dos prncpas conhecentos
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 maisEventos coletivamente exaustivos: A união dos eventos é o espaço amostral.
DEFINIÇÕES ADICIONAIS: PROBABILIDADE Espaço amostral (Ω) é o conjunto de todos os possíves resultados de um expermento. Evento é qualquer subconjunto do espaço amostral. Evento combnado: Possu duas ou
Leia 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 maisComo descrever matematicamente a energia livre das diferentes fases?
UFF-Terodnâca plcada a cara Modelos de Soluções e sepre é possível edr as propredades terodnâcas para todas as coposções e teperaturas de nteresse de u sstea. Ua das alternatvas para tentar resolver este
Leia maisANÁLISE DE COMPONENTES PRINCIPAIS, ANÁLISE FATORIAL: Exemplos em STATA. Prof. Dr. Evandro Marcos Saidel Ribeiro RESUMO
UNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE DEPARTAMENTO DE ADMINISTRAÇÃO ANÁLISE DE COMPONENTES PRINCIPAIS, ANÁLISE FATORIAL: Eemplos em STATA. Prof. Dr. Evandro Marcos
Leia maisResolução. Capítulo 32. Força Magnética. 6. C Para que não haja desvio devemos garantir que as forças magnética ( F M. ) e elétrica ( F E
esolução orça Magnétca E D 3 C 4 D 5 Capítulo 3 Dos vetores são antparalelos quando suas dreções são concdentes (paralelos) e seus sentdos são opostos, sto é, θ 8º, coo ostra a fgura adante: E Deste odo,
Leia mais1ª PROVA DE ESTATÍSTICA EXPERIMENTAL
UNIVERSIAE ESTAUAL PAULISTA FACULAE E CIÊNCIAS AGRÁRIAS E VETERINÁRIAS CAMPUS E JABOTICABAL ª PROVA E ESTATÍSTICA EXPERIMENTAL - MEICINA VETERINÁRIA NOME: ATA / / ª QUESTÃO (5,5): Vnte suínos foram dstrbuídos
Leia maisREGRESSÃO E CORRELAÇÃO
Relaconamento entre varáves : - requer conhecmento REGRESSÃO E CORRELAÇÃO Y = f ( ) + ε Ex: 1. Y = Lucro de uma Empresa = Investmento em Publcdade Y(v.aleatóra) em função de (v.determnístca), onde Y é
Leia 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 maisNeste capítulo abordam-se os principais conceitos relacionados com os cálculos de estatísticas, histogramas e correlação entre imagens digitais.
1 1Imagem Dgtal: Estatístcas INTRODUÇÃO Neste capítulo abordam-se os prncpas concetos relaconados com os cálculos de estatístcas, hstogramas e correlação entre magens dgtas. 4.1. VALOR MÉDIO, VARIÂNCIA,
Leia maisFísica I p/ IO FEP111 ( )
Físca I p/ IO FEP (4300) º Seestre de 03 Insttuto de Físca Unersdade de São Paulo Proessor: Luz Carlos C M Nagane E-al: nagane@.usp.br Fone: 309.6877 4 e 0 de outubro Quantdade de Moento º Seestre de 03
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 mais16 - PROBLEMA DO TRANSPORTE
Prof. Volr Wlhel UFPR TP05 Pesqusa Operacoal 6 - PROBLEMA DO TRANSPORTE Vsa zar o custo total do trasporte ecessáro para abastecer cetros cosudores (destos) a partr de cetros forecedores (orges) a, a,...,
Leia maisA redução na pressão sangüínea (mm Hg) em um período de quatro semanas observadas em cães experimentais está tabulada abaixo:
UNIVERSIDADE ESTADUAL PAULISTA FACULDADE DE CIÊNCIAS AGRÁRIAS E VETERINÁRIAS CAMPUS DE JABOTICABAL ª PROVA DE ESTATÍSTICA EXPERIMENTAL - MEDICINA VETERINÁRIA NOME: DATA / / ª QUESTÃO (5,5): A redução da
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 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 maisRadiação Térmica Processos, Propriedades e Troca de Radiação entre Superfícies (Parte 2)
Radação Térmca Processos, Propredades e Troca de Radação entre Superfíces (Parte ) Obetvo: calcular a troca por radação entre duas ou mas superfíces. Essa troca depende das geometras e orentações das superfíces,
Leia mais4 Autovetores e autovalores de um operador hermiteano
T (ψ) j = ψ j ˆT ψ = k ψ j ˆT φ k S k = k,l ψ j φ l T (φ) S k = k,l φ l ψ j T (φ) S k = k,l SljT (φ) S k. Após todos esses passos vemos que T (ψ) j = k,l S jl T (φ) S k ou, em termos matrcas T (ψ) = S
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 maisMecânica e Ondas 1º Ano -2º Semestre 1º Teste 04/05/ :00h
Lcencatura e Engenhara Geológca e de Mnas Lcencatura e Mateátca Aplcada e Coputação Mestrado Integrado e Engenhara Boédca Mecânca e Ondas 1º Ano -º Seestre 1º Teste 04/05/017 19:00h Duração do teste: 1:30h
Leia maisAEP FISCAL ESTATÍSTICA
AEP FISCAL ESTATÍSTICA Módulo 11: Varáves Aleatóras (webercampos@gmal.com) VARIÁVEIS ALEATÓRIAS 1. Conceto de Varáves Aleatóras Exemplo: O expermento consste no lançamento de duas moedas: X: nº de caras
Leia maisUniversidade de São Paulo Escola Superior de Agricultura Luiz de Queiroz
Universidade de São Paulo Escola Superior de Agricultura Luiz de Queiroz O Biplot na análise fatorial multivariada Paula Cristina de Oliveira Klefens Dissertação apresentada para obtenção do título de
Leia maisANÁLISE DA VARIÂNCIA DA REGRESSÃO
ANÁLISE DA VARIÂNCIA DA REGRESSÃO PROCEDIMENTO GERAL DE REGRESSÃO Em um modelo de análse de varânca, como no DIA, o fator em estudo pode ser quanttatvo ou qualtatvo. FATOR QUANTITATIVO: é aquele cujos
Leia maisVariáveis Aleatórias
Unversdade Federal do Pará Insttuto de Tecnologa Estatístca Aplcada I Prof. Dr. Jorge Teóflo de Barros Lopes Campus de Belém Curso de Engenhara Mecânca /08/06 7:39 ESTATÍSTICA APLICADA I - Teora das Probabldades
Leia maisEstatística Aplicada II CORRELAÇÃO. AULA 21 07/11/16 Prof a Lilian M. Lima Cunha
09//06 Estatístca Aplcada II CORRELAÇÃO AULA 07//6 Prof a Llan M. Lma Cunha CORRELAÇÃO: Identfcar a estênca ou não de assocação lnear entre varáves: -Preço de um produto em regões; -Frete e Km percorrdo;
Leia maisAnálise de Regressão Linear Múltipla VII
Análse de Regressão Lnear Múltpla VII Aula 1 Hej et al., 4 Seções 3. e 3.4 Hpótese Lnear Geral Seja y = + 1 x 1 + x +... + k x k +, = 1,,..., n. um modelo de regressão lnear múltpla, que pode ser escrto
Leia maisCœlum Australe. Jornal Pessoal de Astronomia, Física e Matemática - Produzido por Irineu Gomes Varella
Cœlu Australe Jornal Pessoal de Astronoa, Físca e Mateátca - Produzdo por Irneu Goes Varella Crado e 1995 Retoado e Junho de 01 Ano VI Nº 37 - Março de 015 CENTRO DE MASSA DO SISTEMA SOLAR Prof. Irneu
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 maisQUATRO ALTERNATIVAS PARA RESOLVER A EQUAÇÃO DE SCHRÖDINGER PARA O ÁTOMO DE HIDROGÊNIO
Qu Nova Vol 5 No 59-70 00 QUATRO ALTERNATIVAS PARA RESOLVER A EQUAÇÃO DE SCHRÖDINGER PARA O ÁTOMO DE HIDROGÊNIO Rogéro Custodo José Roberto dos Santos Polt # Maxlano Segala Roberto Luz Andrade Hadue Departaento
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 mais