Planejamento e Análise de Experimentos
|
|
- Mario Dinis Valente
- 6 Há anos
- Visualizações:
Transcrição
1 Planejamento e Análise de Experimentos Profª Lisiane Selau Departamento de Estatística - UFRGS
2 Matéria-prima da Estatística variabilidade É difícil encontrar duas coisas exatamente iguais Objetivo da Estatística A Estatística desenvolve métodos para descobrir e expor os padrões de comportamento (regularidade) que estão escondidos nos dados. Definição de Estatística A estatística engloba um conjunto de métodos científicos para: coleta, organização, resumo e análise de dados. obtenção de conclusões (suporte à tomada de decisão)
3 Estatística e Pesquisa Científica Definição do problema, objetivos Planejamento da pesquisa Metodologia da área de estudo Coleta dos dados Análise dos dados Metodologia estatística Resultados Conclusões
4 Estatística Aplicada à Experimentação A Estatística no contexto da Pesquisa Experimental se ocupa: 1. Planejamento de Experimentos 2. Execução: instalação, condução e coleta de informações de experimentos 3. Análise estatística dos dados
5 Exemplo - Capuccino Como chegar na melhor receita de cappuccino? Café granulado ou em pó Chocolate chocolate em pó ou achocolatado Leite integral ou desnatado O que é um bom cappuccino? Sabor, Consistência, Aparência,... Quem vai experimentar? Uma pessoa apenas experimenta? Cada pessoa experimenta uma receita? Experimentar todos na mesma ordem? O que mais pode influenciar no sabor? Como analisar os dados?
6 Objetivos do Experimento Como pode-se perceber, experimentos frequentemente envolvem diversos fatores (ou variáveis explicativas). O objetivo do experimentador é determinar a influência que estes fatores têm sobre a variável resposta. Para um experimento ser o mais eficiente possível, um procedimento científico para planejá-lo deve ser empregado. x 1 x 2 x n Variáveis controladas Entradas Processo/Sistema Saída Evidências para identificar mudanças na variável resposta z 1 z 2 z n Variáveis não controladas (e possivelmente desconhecidas)
7 Princípios Básicos Os princípios básicos da experimentação são: repetição bloqueamento (controle local) casualização (aleatorização)
8 Etapas da organização de um experimento 1. Enunciado do problema e formulação de hipóteses 2. Escolha dos fatores que devem ser incluídos no experimento e dos seus respectivos níveis (escolha dos tratamentos) 3. Escolha da unidade experimental e da unidade de observação 4. Escolha das variáveis a serem medidas na unidade de observação
9 Etapas da organização de um experimento 5. Determinação das regras para atribuição dos tratamentos às unidades experimentais (escolha do delineamento experimental) 6. Determinação do número de repetições 7. Escolha do procedimento de análise estatística dos resultados 8. Conclusões e recomendações
10 Engenharia de Software Exemplo de um Experimento Como avaliar diferentes tecnologias de Model-based Testing (MBT)? A B C
11 1. Enunciado do problema e formulação de hipóteses Uma pesquisa científica se inicia sempre com a formulação de hipóteses. As hipóteses são primeiramente formuladas em termos científicos dentro da área de estudo (hipótese científica ou de pesquisa) e em seguida devem ser expressas em termos estatísticos (hipótese estatística). No exemplo, a hipótese de interesse é verificar se há diferença de tempo de desenvolvimento, por exemplo, entre as diferentes tecnologias MBT. H 0 : µ A = µ B = µ C
12 2. Escolha dos fatores que devem ser incluídos no experimento e dos seus respectivos níveis Em um experimento o objetivo é observar de que maneira uma ou mais condições impostas (fatores) interferem no comportamento de variáveis importantes dentro do contexto da pesquisa (variáveis respostas). Fatores de tratamento: são aqueles que o pesquisador tem interesse em verificar a sua influência sobre as variáveis respostas (Ex.: Tecnologia MBT 3 níveis/tratamentos). Um experimento pode ter um ou mais fatores de tratamento. Fatores de restrição (bloqueamento): são aqueles que possibilitam que as conclusões a serem tomadas fiquem livres de determinados efeitos que se sabe serem importantes, e que podem ser controlados, mas cujo estudo não é o objetivo da pesquisa (Ex.: experiência do profissional ou complexidade do projeto).
13 3. Escolha da unidade experimental e da unidade de observação A unidade experimental constitui a menor subdivisão do material experimental a qual é aplicado o tratamento. Os tratamentos são aplicados às unidades experimentais, e a unidade de observação é aquela unidade realmente observada para avaliar o efeito de tratamento e pode corresponder a uma fração da unidade experimental. A escolha da unidade experimental, de um modo geral, deve ser orientada no sentido de minimizar o erro experimental, isto é, as unidades experimentais devem ser as mais homogêneas possíveis, para que, quando submetidas a diferentes tratamentos, seus efeitos sejam facilmente detectados. No exemplo, a unidade experimental é cada software desenvolvido.
14 4. Escolha das variáveis a serem medidas na unidade de observação As medidas realizadas nas unidades de observação, após terem sido submetidas aos tratamentos, constituem os valores da variável dependente ou variável resposta. A variável resposta, em geral, é pré-determinada pelo pesquisador, isto é, ele estabelece a variável a ser medida para verificação do efeito de tratamento. O que constitui problema, às vezes, é a maneira como a variável é medida, pois disso depende a precisão das observações e a distribuição de probabilidade da variável, a qual é essencial para a escolha do método de análise estatística. No exemplo, as variáveis respostas poderiam ser: Eficiência, Facilidade de uso/manutenção e Tempo de desenvolvimento.
15 5. Determinação das regras para atribuição dos tratamentos as unidades experimentais (escolha do delineamento ou planejamento experimental) Um experimento é composto de duas estruturas básicas: (i) Estrutura de tratamentos: que constitui o planejamento (delineamento) de tratamentos, que consiste em determinar os fatores, seus respectivos níveis e sua forma de organização (ex.: experimento unifatorial tipo de tecnologia). (ii) Estrutura de unidades: que constitui o planejamento (delineamento) experimental, que consiste na forma de atribuição dos tratamentos às unidades experimentais, e o agrupamento de unidades experimentais (bloqueamento) ou não (ex.: a experiência prévia do profissional ou a complexidade do projeto).
16 Classificação dos principais delineamentos experimentais Unidades Experimentais Sem agrupamento Blocos Unifatorial Fatorial Completamente Casualizado Completamente Casualizado Um agrupamento Completos Blocos Casualizados Blocos Casualizados Incompletos Blocos Incompletos Balanceados Blocos Incompletos Parcialmente Balanceados Confundimento Repetição Fracionada Reticulados (Lattices) Parcela Subdividida Dois agrupamentos Completos Quadrado Latino Quadrado Latino Incompletos Quadrado de Youden Quadrado Quase-Latino Quadrado Reticulado Três agrupamentos Completos Quadrado Greco-Latino
17 6. Determinação do número de repetições A identificação de um número adequado de repetições é importante no planejamento de um experimento, pois: com poucas repetições pode-se não descobrir diferenças importantes; com muitas repetições pode ocorrer desperdício de tempo e material. Portanto deve-se ter um número suficiente de repetições para detectar como significativa a diferença no efeito de tratamentos, se ela existir, gastando o mínimo possível. Regras práticas para determinação do número de repetições: (i) No mínimo 20 unidades e GL erro experimental 10 (Gomes, F.P., 1978). (ii) GL erro experimental 20 (Steel, R.G.D., et al., 1997).
18 7. Escolha do procedimento de análise estatística dos resultados Um dos métodos de análise de dados provenientes de experimentos é a Análise de Variância (ANOVA). Introduzida por Fisher, consiste em um processo aritmético para decompor a variação total das unidades experimentais em: Variação relacionada com causas controladas do experimento. Variação relacionada com o erro experimental. A ANOVA tem alguns pressupostos para sua utilização: y Aditividade ( ) ij = µ + τ + ε Variância constante (Homocedasticidade) Normalidade do erros (ε ij ~ N(0,σ 2 )) Erros não correlacionados (Independência) i ij
19 Como Técnicas de Complementação na ANOVA, tem-se: 1 Ajustamento de funções de resposta através de técnicas de Análise de Regressão para fatores quantitativos. 2 Contrastes Ortogonais para fatores quantitativos e qualitativos que permitem estruturação. 3 Comparações Múltiplas de médias para fatores quantitativos e qualitativos que permitem ou que não permitem estruturação.
20 Exemplo: Locadora de automóveis Variável resposta: Desgaste dos pneus (diferença de espessura após Km de uso) Variável principal: Marca de pneu (é um fator a níveis fixos - 4 marcas de pneu) Variáveis secundárias: Carro, posição dos pneus no carro, motorista, etc. Variáveis não controláveis: Temperatura, Umidade, Terreno, etc.
21 Exemplo: Locadora de automóveis Usando letras para indicar as 4 marcas de pneus e números romanos para indicar os carros, o experimento poderia ser efetuado da seguinte forma: Falha: os totais para as marcas também serão os totais para os carros. Nesse projeto, o efeito das marcas e dos carros está confundido e a análise fica prejudicada.
22 Exemplo: Locadora de automóveis Uma segunda tentativa poderia ser um delineamento completamente casualizado. Nesse tipo de planejamento, a distribuição dos pneus nos carros é feita de modo completamente aleatório. O propósito da aleatorização é espalhar, sobre os totais de todas as marcas, qualquer efeito de carros ou de outras variáveis não controladas.
23 Exemplo: Locadora de automóveis Um exame mais cuidadoso do planejamento completamente casualizado irá revelar algumas desvantagens. Por exemplo, nota-se que a marca A não foi usada no carro III, mas foi usada duas vezes no carro II, etc. Assim, pode estar embutido na marca A algum efeito que possa existir entre os carros II e III.
24 Exemplo: Locadora de automóveis Seria interessante desenvolver uma estratégia para bloquear um possível efeito dos carros. Isso pode ser feito usando um planejamento em blocos casualizados. Nesse tipo de planejamento, impõe-se que cada marca apareça um mesmo número de vezes em cada carro
25 Exemplo: Locadora de automóveis Mas poderia se suspeitar também de um possível efeito da posição sobre o desgaste dos pneus. Pneus dianteiros e traseiros, e mesmo pneus localizados em lados distintos de um mesmo carro podem apresentar desgastes diferentes.
26 Exemplo: Locadora de automóveis Um planejamento onde cada marca (tratamento) aparece uma e somente uma vez em cada carro (linha) e em cada posição (coluna) é chamado de Quadrado Latino.
27 Exemplo: Locadora de automóveis Outros fatores poderiam ser de interesse do pesquisador como, por exemplo, o tamanho do pneu. Neste caso teríamos um Experimento Fatorial (Marca x Tamanho). Veremos esses tipos de planejamento com exemplos na área de Engenharia de Software. Completamente Casualizado Blocos Casualizados Quadrado Latino Fatorial
28 EXEMPLO: Considere o problema em que se quer comparar cinco diferentes métodos de projeto (design) para fazer evolução de software (A, B, C, D e E) em termos de tempo de desenvolvimento. Realizou-se o experimento com cinco repetições (5 projetos desenvolvidos com cada método), aleatorizando os 25 projetos, desenvolvidos por um mesmo profissional. Método Repetições A B C D E 1 4,65 4,58 5,80 5,18 4,14 2 4,58 5,10 5,13 5,12 3,71 3 4,84 5,60 6,10 4,70 4,68 4 4,10 4,92 4,86 4,31 4,79 5 4,36 5,50 4,81 5,40 3,93 Soma 22,5 25,7 26,7 24,7 21,3 Média 4,51 5,14 5,34 4,94 4,25
29 Delineamento Completamente Casualisado (DCC) Quando as unidades experimentais são homogêneas, não existe um fundamento lógico para formação de grupos (blocos) de unidades experimentais. No delineamento completamente casualizado cada unidade experimental recebe por sorteio um dos tratamentos que deverão ser comparados. Nesse caso nenhuma restrição é imposta quanto à casualização/aleatorização, ou seja, a atribuição dos tratamentos às unidades experimentais é feita considerando o conjunto completo das unidades experimentais.
30 Análise de Variância: Tabela ANOVA Causas de variação GL SQ QM F Tratamentos t - 1 SQT QMT QMT (Entre tratamentos) QME Erro Experimental t(r 1) SQE QME (Dentro dos tratamentos) Total rt - 1 SQTotal A hipótese de nulidade (H 0 ) que se formula é de que não há diferença entre as médias dos tratamentos H 0 : µ = µ = L = 1 2 µ t O teste da hipótese é dado por: QMTratamentos F = = QMErroExperimental QMT QME
31 Voltando ao exemplo... Análise no Software R Para iniciar a análise, salvamos os dados em um arquivo.txt Importando o banco de dados e definindo os fatores do experimento. dados_dcc<-read.table("c:/.../dcc.txt",header=t) attach(dados_dcc) Metodo = as.factor(metodo)
32 Análise no Software R Análise Descritiva boxplot(tempo~metodo,ylab="tempo",xlab="metodo")
33 Análise no Software R Procedimento para a ANOVA Análise de Variância modelo_aux = aov(tempo ~ Metodo) anova(modelo_aux) Conclui-se que existe diferença significativa entre os Métodos no que diz respeito ao tempo de desenvolvimento
34 Análise no Software R Pressupostos da ANOVA par(mfrow=c(2,2)) plot(modelo_aux)
35 Análise no Software R Comparações Múltiplas comparacoes = TukeyHSD(modelo_aux, "Metodo", ord=t, conf.level=0.95)
36 Análise no Software R Comparações Múltiplas gráfico com IC plot(comparacoes)
37 Análise no Software R Comparações Múltiplas sistema de letras install.packages("agricolae") require(agricolae) df<-df.residual(modelo_aux) Ms.erro<-deviance(modelo_aux)/df letras=hsd.test(tempo,metodo,df,ms.erro, alpha=0.05,group=t) Conclui-se que o Método E deveria ser escolhido por obter o menor tempo de desenvolvimento.
38 EXEMPLO: Considere o problema em que se quer comparar cinco diferentes métodos de projeto (design) para fazer evolução de software (A, B, C, D e E) em termos de tempo de desenvolvimento. Realizou-se o experimento com cinco desenvolvedores diferentes. Um mesmo desenvolvedor trabalhou em cinco projetos utilizando cada um dos métodos. Método Desenvolvedor A B C D E Soma Média 1 4,65 4,58 5,80 5,18 4,14 24,4 4,87 2 4,58 5,10 5,13 5,12 3,71 23,6 4,73 3 4,84 5,60 6,10 4,70 4,68 25,9 5,18 4 4,10 4,92 4,86 4,31 4,79 23,0 4,60 5 4,36 5,50 4,81 5,40 3,93 24,0 4,80 Soma 22,5 25,7 26,7 24,7 21,3 120,9 Média 4,51 5,14 5,34 4,94 4,25 4,84
39 Delineamento em Blocos Casualisados (DBC) O delineamento em blocos casualizados é um dos mais importantes delineamentos experimentais utilizados nas pesquisas em diferentes áreas. É um delineamento experimental com uma restrição na aleatorização, onde as unidades experimentais são primeiro organizadas em grupos homogêneos, chamados blocos, para então os tratamentos serem alocados aleatoriamente dentro de cada bloco. Reduz a variância do erro experimental, aumentando a precisão e a validade das inferências sobre os efeitos de tratamentos. Os tratamentos são repetidos nos vários blocos.
40 DBC - Análise de Variância A tabela apresenta o modelo geral de análise de variância para o delineamento blocos casualizados. Causas da Variação GL SQ QM F Blocos r - 1 SQB QMB QMB/QME Tratamentos t - 1 SQT QMT QMT/QME Erro experimental (t - 1)(r - 1) SQE QME Total rt - 1 SQ Total H = µ 0 : µ 1 = µ 2 =... t
41 Voltando ao exemplo... Análise no Software R Para iniciar a análise, salvamos os dados em um arquivo.txt Importando o banco de dados e definindo os fatores do experimento. dados_dbc<-read.table("c:/.../dbc.txt",header=t) attach(dados_dbc) Metodo = as.factor(metodo) Desenvolvedor = as.factor(desenvolvedor)
42 Análise no Software R Análise Descritiva boxplot(tempo~metodo,ylab="tempo",xlab="metodo") boxplot(tempo~desenvolvedor,ylab="tempo",xlab="desenvolvedor")
43 Análise no Software R Procedimento para a ANOVA Análise de Variância modelo_aux = aov(tempo ~ Metodo+Desenvolvedor) anova(modelo_aux) Conclui-se que existe diferença significativa entre os Métodos no que diz respeito ao tempo de desenvolvimento
44 Análise no Software R Pressupostos da ANOVA par(mfrow=c(2,2)) plot(modelo_aux)
45 Análise no Software R Comparações Múltiplas comparacoes = TukeyHSD(modelo_aux, "Metodo", ord=t, conf.level=0.95)
46 Análise no Software R Comparações Múltiplas gráfico com IC plot(comparacoes)
47 Análise no Software R Comparações Múltiplas sistema de letras install.packages("agricolae") require(agricolae) df<-df.residual(modelo_aux) Ms.erro<-deviance(modelo_aux)/df letras=hsd.test(tempo,metodo,df,ms.erro, alpha=0.05,group=t) Conclui-se que o Método E deveria ser escolhido por obter o menor tempo de desenvolvimento.
48 EXEMPLO: Considere o problema em que se quer comparar cinco diferentes métodos de projeto (design) para fazer evolução de software (A, B, C, D e E) em termos de tempo de desenvolvimento. Realizou-se o experimento com cinco desenvolvedores diferentes e cinco projetos com diferentes complexidades. Projeto Desenvolvedor Soma Média 1 (A) 4,65 (D) 5,12 (C) 6,10 (E) 4,79 (B) 5,50 26,2 5,23 2 (C) 5,80 (A) 4,58 (E) 4,68 (B) 4,92 (D) 5,40 25,4 5,08 3 (D) 5,18 (B) 5,10 (A) 4,84 (C) 4,86 (E) 3,93 23,9 4,78 4 (E) 4,14 (C) 5,13 (B) 5,60 (D) 4,31 (A) 4,36 23,5 4,71 5 (B) 4,58 (E) 3,71 (D) 4,70 (A) 4,10 (C) 4,81 21,9 4,38 Soma 24,4 23,6 25,9 23,0 24,0 120,9 Média 4,87 4,73 5,18 4,60 4,80 4,84 Método A B C D E Soma 22,5 25,7 26,7 24,7 21,3 Média 4,51 5,14 5,34 4,94 4,25
49 Quadrado Latino - Caracterização No quadrado latino as unidades experimentais que devem receber os tratamentos são agrupadas em duas séries de blocos: linhas e colunas. É igual o número de linhas e o número de colunas. Cada tratamento aparece uma vez em cada linha e cada coluna, tendo, portanto, o mesmo número. Através de análise apropriada é possível separar do erro experimental a variabilidade devida a diferenças, tanto entre linhas como entre colunas, ou seja, às duas fontes de variação controladas pelo experimento. O quadrado latino é mais útil para experimentos em que se comparam 5 a 8 tratamentos.
50 Quadrado Latino - ANOVA A soma dos quadrados da variação total é decomposta em 4 partes, correspondentes à variação entre linhas, entre colunas, entre tratamentos e o erro experimental.
51 Voltando ao exemplo... Análise no Software R Para iniciar a análise, salvamos os dados em um arquivo.txt Importando o banco de dados e definindo os fatores do experimento. dados_dql<-read.table("c:/.../dql.txt",header=t) attach(dados_dql) Metodo = as.factor(metodo) Desenvolvedor = as.factor(desenvolvedor) Projeto = as.factor(projeto)
52 Análise no Software R Análise Descritiva boxplot(tempo~metodo,ylab="tempo",xlab="metodo") boxplot(tempo~desenvolvedor,ylab="tempo",xlab="desenvolvedor") boxplot(tempo~projeto,ylab="tempo",xlab="projeto")
53 Análise no Software R Procedimento para a ANOVA Análise de Variância modelo_aux = aov(tempo ~ Metodo+Desenvolvedor+Projeto) anova(modelo_aux) Conclui-se que existe diferença significativa entre os Métodos no que diz respeito ao tempo de desenvolvimento
54 Análise no Software R Pressupostos da ANOVA par(mfrow=c(2,2)) plot(modelo_aux)
55 Análise no Software R Comparações Múltiplas comparacoes = TukeyHSD(modelo_aux, "Metodo", ord=t, conf.level=0.95)
56 Análise no Software R Comparações Múltiplas gráfico com IC plot(comparacoes)
57 Análise no Software R Comparações Múltiplas sistema de letras install.packages("agricolae") require(agricolae) df<-df.residual(modelo_aux) Ms.erro<-deviance(modelo_aux)/df letras=hsd.test(tempo,metodo,df,ms.erro, alpha=0.05,group=t) Conclui-se que o Método E deveria ser escolhido por obter o menor tempo de desenvolvimento.
58 EXEMPLO: Considere o problema em que se quer comparar cinco diferentes métodos de projeto (design) para fazer evolução de software (A, B e C) e três projetos com complexidades diferentes (P1, P2 e P3), sendo avaliado o tempo de desenvolvimento. Realizou-se o experimento com cinco repetições para cada combinação método x projeto. Método Projeto A B C 6,82 7,83 7,88 7,01 7,6 7,05 P1 7,24 7,91 7,53 6,9 7,63 7,58 7,07 7,54 7,03 8,02 9,35 9,67 7,43 8,12 8,67 P2 8,34 8,72 9,44 7,74 8,15 8,59 8,17 8,83 9,85 6,54 6,48 6,85 6,54 6,83 6,98 P3 5,87 6,03 6,14 7,16 6,58 7,38 7,84 7,1 7,95 Soma 108,7 115,0 119,0 Média 7,25 7,65 7,91 Soma Média 110,6 7,37 129,1 8,61 102,3 6,82 342,0 7,60
59 Experimentos Fatoriais Num experimento, em vez de se estudar uma série apenas de tratamentos, duas ou mais séries de tratamentos poderão ser incluídas. Cada série de tratamentos constitui-se um fator. Vários fatores estudados simultaneamente, em todas as combinações possíveis dos respectivos níveis, constituem um experimento fatorial ou, simplesmente, um fatorial. O efeito de um fator é definido como a variação na resposta produzida pela mudança no nível do fator EFEITO PRINCIPAL. Em alguns experimentos, a diferença na resposta entre os níveis de um fator não é a mesma em todos os níveis dos outros fatores INTERAÇÃO.
60 Exemplo 1: Interação Nula Exemplo 2: Interação Positiva A para b 2 (-) Exemplo 3: A para b 1 (+) Interação Negativa
61 Fatorial - Análise de Variância Fonte de Variação Soma de Quadrados GL Quadrados Médios Teste F A SQA (a-1) QMA QMA/QME B SQB (b-1) QMB QMB/QME AB SQAB (a-1)(b-1) QMAB QMAB/QME Erro SQE ab(r-1) QME Total SQT abr-1 Para o fator A: Para o fator B: Para a interação AB: H 0 : µ 1 = µ 2 =... = µ a H 1 : Pelo menos duas médias diferem H 0 : µ 1 = µ 2 =... = µ b H 1 : Pelo menos duas médias diferem H 0 : µ 11 = µ 12 =... = µ ab H 1 : Pelo menos duas médias diferem
62 Voltando ao exemplo... Análise no Software R Para iniciar a análise, salvamos os dados em um arquivo.txt Importando o banco de dados e definindo os fatores do experimento. dados_fat2<-read.table("c:/.../fat2.txt",header=t) attach(dados_fat2) Metodo = as.factor(metodo) Projeto = as.factor(projeto)
63 Análise no Software R Análise Descritiva boxplot(tempo~metodo,ylab="tempo",xlab="metodo") boxplot(tempo~projeto,ylab="tempo",xlab="projeto") boxplot(tempo~metodo*projeto,ylab="tempo",xlab="metodo*projeto")
64 Análise no Software R Análise Descritiva install.packages("lattice") require("lattice") xyplot(tempo~metodo, group=projeto, type=c("p","a"), auto.key=list(space="bottom",columns=3)) xyplot(tempo~projeto, group=metodo, type=c("p","a"), auto.key=list(space="bottom",columns=3))
65 Análise no Software R Procedimento para a ANOVA Análise de Variância modelo_aux = aov(tempo ~ Metodo+Projeto+Metodo*Projeto) anova(modelo_aux) Conclui-se que existe diferença significativa entre os Métodos no que diz respeito ao tempo de desenvolvimento
66 Análise no Software R Pressupostos da ANOVA par(mfrow=c(2,2)) plot(modelo_aux)
67 Análise no Software R Comparações Múltiplas para o projetos comparacoes_p = TukeyHSD(modelo_aux, "Projeto", ord=t, conf.level=0.95) Como já era esperado todos os tipos de projeto diferem entre si no que diz respeito ao tempo médio de desenvolvimento. Mas essa conclusão não tem muito interesse.
68 Análise no Software R Comparações Múltiplas para métodos comparacoes_m = TukeyHSD(modelo_aux, "Metodo", ord=t, conf.level=0.95) Somente os métodos A e C diferem significativamente entre si, sendo o método A melhor no que se refere ao tempo médio de desenvolvimento. Mas essa conclusão não tem muito interesse, pois, se a interação existe, a conclusão pode ser diferente ao se considerar os diferentes projetos.
69 Análise no Software R Comparações Múltiplas fixando o tipo de projeto install.packages("phia") library(phia) testinteractions(modelo_aux, pairwise="metodo", fixed="projeto") Existe diferença significativa somente entre os métodos A e C para o projeto P2, sendo que o método A leva menos tempo de desenvolvimento.
70 Referências ARANHA, E.; FERRAZ, C.; BORBA, P. Projeto de Experimentos em Engenharia de Software. SBES Disponível em: BARBETTA, P. A.; REIS, M. M.; BORNIA, A. C. Estatística para Cursos de Engenharia e Informática. Atlas. 3ed CIRILO, E. Projeto de Experimento Controlado com Quadrado Latino by Example. PUC-Rio. Disponível em: MONTGOMERY, D. C. Design and Analysis of Experiments. John Wiley. 6ed GOMES, F. P. Curso de Estatística Experimental. FEALQ. 15ed RIBOLDI, J. Planejamento e Análise de Experimentos. Porto Alegre, UFRGS/Instituto de Matemática. Série B, n STEEL, R. G.; TORRIE, J. H.; DICKEY, D. A. Principles and Procedures of Statistical: A Biometrical Approach. McGraw-Hill
Métodos Estatísticos Avançados em Epidemiologia
Métodos Estatísticos Avançados em Epidemiologia Análise de Variância - ANOVA Cap. 12 - Pagano e Gauvreau (2004) - p.254 Enrico A. Colosimo/UFMG Depto. Estatística - ICEx - UFMG 1 / 39 Introdução Existem
Leia maisPressuposições à ANOVA
UNIVERSIDADE FEDERAL DE RONDÔNIA CAMPUS DE JI-PARANÁ DEPARTAMENTO DE ENGENHARIA AMBIENTAL Estatística II Aula do dia 09.11.010 A análise de variância de um experimento inteiramente ao acaso exige que sejam
Leia maisModelos de Regressão Linear Simples - Erro Puro e Falta de Ajuste
Modelos de Regressão Linear Simples - Erro Puro e Falta de Ajuste Erica Castilho Rodrigues 2 de Setembro de 2014 Erro Puro 3 Existem dois motivos pelos quais os pontos observados podem não cair na reta
Leia maisAULA 4 DELINEAMENTO EM QUADRADO LATINO (DQL)
AULA 4 DELINEAMENTO EM QUADRADO LATINO (DQL) Características Utiliza-se de três princípios básicos da experimentação: repetição, casualização e controle local. Possui um controle local mais eficiente que
Leia maisArquitecturas de Software Enunciado de Projecto 2007 2008
UNIVERSIDADE TÉCNICA DE LISBOA INSTITUTO SUPERIOR TÉCNICO Arquitecturas de Software Enunciado de Projecto 2007 2008 1 Introdução Na primeira metade da década de 90 começaram a ser desenvolvidas as primeiras
Leia maisA presença de Outliers interfere no Teste f e no teste de comparações múltiplas de médias
A presença de Outliers interfere no Teste f e no teste de comparações múltiplas de médias CHICARELI, L.S 1 ; OLIVEIRA, M.C.N. de 2 ; POLIZEL, A 3 ; NEPOMUCENO, A.L. 2 1 Universidade Estadual de Londrina
Leia maisCurso de Engenharia de Produção. Organização do Trabalho na Produção
Curso de Engenharia de Produção Organização do Trabalho na Produção Estrutura Organizacional Organização da Empresa: É a ordenação e agrupamento de atividades e recursos, visando ao alcance dos objetivos
Leia maisFundamentos de Teste de Software
Núcleo de Excelência em Testes de Sistemas Fundamentos de Teste de Software Módulo 1- Visão Geral de Testes de Software Aula 2 Estrutura para o Teste de Software SUMÁRIO 1. Introdução... 3 2. Vertentes
Leia maisDureza Rockwell. No início do século XX houve muitos progressos. Nossa aula. Em que consiste o ensaio Rockwell. no campo da determinação da dureza.
A UU L AL A Dureza Rockwell No início do século XX houve muitos progressos no campo da determinação da dureza. Introdução Em 1922, Rockwell desenvolveu um método de ensaio de dureza que utilizava um sistema
Leia maisPESQUISA OPERACIONAL -PROGRAMAÇÃO LINEAR. Prof. Angelo Augusto Frozza, M.Sc.
PESQUISA OPERACIONAL -PROGRAMAÇÃO LINEAR Prof. Angelo Augusto Frozza, M.Sc. ROTEIRO Esta aula tem por base o Capítulo 2 do livro de Taha (2008): Introdução O modelo de PL de duas variáveis Propriedades
Leia maisProbabilidade e Estatística
Probabilidade e Estatística TESTES DE HIPÓTESES (ou Testes de Significância) Estimação e Teste de Hipóteses Estimação e teste de hipóteses (ou significância) são os aspectos principais da Inferência Estatística
Leia maisMODELO SUGERIDO PARA PROJETO DE PESQUISA
MODELO SUGERIDO PARA PROJETO DE PESQUISA MODELO PARA ELABORAÇÃO DE PROJETO DE PESQUISA (Hospital Regional do Mato Grosso do Sul- HRMS) Campo Grande MS MÊS /ANO TÍTULO/SUBTÍTULO DO PROJETO NOME DO (s) ALUNO
Leia maisInteligência Artificial
Inteligência Artificial Aula 7 Programação Genética M.e Guylerme Velasco Programação Genética De que modo computadores podem resolver problemas, sem que tenham que ser explicitamente programados para isso?
Leia maisModelagem De Sistemas
Modelagem De Sistemas UNIP Tatuapé - SP Aplicações em Linguagem de Programação Prof.Marcelo Nogueira Uma empresa de software de sucesso é aquela que consistentemente produz software de qualidade que vai
Leia maisENGENHARIA DE SOFTWARE
INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DO RIO GRANDE DO NORTE Curso Técnico em Informática : ENGENHARIA DE SOFTWARE Prof.: Clayton Maciel Costa clayton.maciel@ifrn.edu.br Um conjunto estruturado
Leia maisGIL, Antonio Carlos. Como elaborar projetos de pesquisa. São Paulo, Editora Atlas, 2002....
GIL, Antonio Carlos. Como elaborar projetos de pesquisa. São Paulo, Editora Atlas, 2002.... 1 Como encaminhar uma Pesquisa? A pesquisa é um projeto racional e sistemático com objetivo de proporcionar respostas
Leia maisAvaliação Econômica Projeto de Inclusão Digital. Naercio Aquino Menezes Filho Centro de Políticas Públicas Insper FEA-USP e Fundação Itaú Social
Avaliação Econômica Projeto de Inclusão Digital Naercio Aquino Menezes Filho Centro de Políticas Públicas Insper FEA-USP e Fundação Itaú Social Estrutura da Apresentação 1) O que é a Avaliação Econômica?
Leia maisPós-Graduação em Computação Distribuída e Ubíqua
Pós-Graduação em Computação Distribuída e Ubíqua INF612 - Aspectos Avançados em Engenharia de Software Engenharia de Software Experimental [Head First Statistics] Capítulos 10, 11, 12 e 13 [Experimentation
Leia mais5. BLOCOS ALEATORIZADOS QUADRADOS LATINOS
5. BLOCOS ALEATORIZADOS e QUADRADOS LATINOS Vamos analisar 4 tipos de experimentos: I) Projetos completamente aleatorizados II) Projetos em blocos aleatorizados III) Quadrados Latinos IV) Quadrados Greco-Latinos
Leia maisAULA 19 Análise de Variância
1 AULA 19 Análise de Variância Ernesto F. L. Amaral 18 de outubro de 2012 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro: LTC. Capítulo
Leia maisDISTRIBUIÇÕES ESPECIAIS DE PROBABILIDADE DISCRETAS
VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADES 1 1. VARIÁVEIS ALEATÓRIAS Muitas situações cotidianas podem ser usadas como experimento que dão resultados correspondentes a algum valor, e tais situações
Leia maisAnálise de Variância (ANOVA)
Análise de Variância (ANOVA) A Regressão Linear visa modelar uma variável resposta numérica (quantitativa), à custa de uma ou mais variáveis preditoras, igualmente numéricas. Mas uma variável resposta
Leia maisEngenharia de Software II
Engenharia de Software II Aula 26 http://www.ic.uff.br/~bianca/engsoft2/ Aula 26-21/07/2006 1 Ementa Processos de desenvolvimento de software Estratégias e técnicas de teste de software Métricas para software
Leia maisUM JOGO BINOMIAL 1. INTRODUÇÃO
1. INTRODUÇÃO UM JOGO BINOMIAL São muitos os casos de aplicação, no cotidiano de cada um de nós, dos conceitos de probabilidade. Afinal, o mundo é probabilístico, não determinístico; a natureza acontece
Leia maisContrata Consultor na modalidade Produto
Contrata Consultor na modalidade Produto PROJETO 914BRZ4012 EDITAL Nº 005/2010 1. Perfil: TR 007/2010-CGS - CIÊNCIAS SOCIAIS APLICÁVEIS 3. Qualificação educacional: Graduação na área de CIÊNCIAS SOCIAIS
Leia maisAULA 07 Distribuições Discretas de Probabilidade
1 AULA 07 Distribuições Discretas de Probabilidade Ernesto F. L. Amaral 31 de agosto de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro:
Leia maisGUIA DE FUNCIONAMENTO DA UNIDADE CURRICULAR
GUIA DE FUNCIONAMENTO DA UNIDADE CURRICULAR Estatística Biologia Ano lectivo: 2011 /2012 Docentes Responsável Júri Vogal Vogal Responsável pela pauta Docentes que leccionam a UC Ana Maria Caeiro Lebre
Leia maisDIMENSÕES DE PESQUISA EM ENGENHARIA DE SOFTWARE
ESPECIAL Engenharia de Software DIMENSÕES DE PESQUISA EM ENGENHARIA DE SOFTWARE por Paulo Borba DECISÕES IMPORTANTES A SEREM TOMADAS NOS PROJETOS E NA CARREIRA DE UM PESQUISADOR EM ENGENHARIA DE SOFTWARE.
Leia maisTécnicas de Contagem I II III IV V VI
Técnicas de Contagem Exemplo Para a Copa do Mundo 24 países são divididos em seis grupos, com 4 países cada um. Supondo que a escolha do grupo de cada país é feita ao acaso, calcular a probabilidade de
Leia maisTeste de hipótese em modelos normais lineares: ANOVA
Teste de hipótese em modelos normais lineares: ANOVA Prof Caio Azevedo Prof Caio Azevedo Exemplo 1 No primeiro modelo, o interesse primário, de certa forma, é testar se a carga não contribui para explicar
Leia maisObtenção Experimental de Modelos Matemáticos Através da Reposta ao Degrau
Alunos: Nota: 1-2 - Data: Obtenção Experimental de Modelos Matemáticos Através da Reposta ao Degrau 1.1 Objetivo O objetivo deste experimento é mostrar como se obtém o modelo matemático de um sistema através
Leia maisEstatística Analítica
Teste de Hipótese Testes Estatísticos 2 Teste de Hipótese Testes Estatísticos 3 1 Teste de Hipótese Testes Estatísticos 4 Principais Testes: Teste Qui-quadrado Teste T de Student Teste ANOVA Teste de Correlação
Leia maisLógica de Programação. Profas. Simone Campos Camargo e Janete Ferreira Biazotto
Lógica de Programação Profas. Simone Campos Camargo e Janete Ferreira Biazotto O curso Técnico em Informática É o profissional que desenvolve e opera sistemas, aplicações, interfaces gráficas; monta estruturas
Leia maisANOVA. "ANalysis Of VAriance" - Análise de Variância. ANOVA One Way ANOVA de um fator. Comparar mais de dois grupos através de suas médias
Tópico 10 ANOVA ANOVA "ANalysis Of VAriance" - Análise de Variância ANOVA One Way ANOVA de um fator Utilidade: Comparar mais de dois grupos através de suas médias Grupo A Grupo B Grupo C Grupo D ANOVA
Leia maisUNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL INSTITUTO DE MATEMÁTICA CADERNO DE MATEMÁTICA E ESTATÍSTICA SERIE B: TRABALHO DE APOIO DIDÁTICO
UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL INSTITUTO DE MATEMÁTICA CADERNO DE MATEMÁTICA E ESTATÍSTICA SERIE B: TRABALHO DE APOIO DIDÁTICO ANÁLISE ESTATÍSTICA JOÃO RIBOLDI SERIE B, N 56, PORTO ALEGRE, MAIO
Leia maisMétodos de Estudo & Investigação Científica. Elaborando um projeto de pesquisa
Elaborando um projeto de pesquisa A pesquisa é a realização concreta de uma investigação planeada, desenvolvido e redigida de acordo com as normas das metodologias consagradas pela ciência; Requerida quando
Leia maisFísica Experimental III
Física Experimental III Unidade 4: Circuitos simples em corrente alternada: Generalidades e circuitos resistivos http://www.if.ufrj.br/~fisexp3 agosto/26 Na Unidade anterior estudamos o comportamento de
Leia maisNo contexto das ações de Pesquisa e Desenvolvimento
Um método para avaliar o desempenho ótico de LEDs O LABelectron desenvolveu um método de testes para analisar influências ópticas em diferentes modos de acionamentos de LEDs André Andreta No contexto das
Leia maisA dissertação é dividida em 6 capítulos, incluindo este capítulo 1 introdutório.
1 Introdução A escolha racional dos sistemas estruturais em projetos de galpões industriais é um fator de grande importância para o desenvolvimento de soluções padronizadas e competitivas. No mercado brasileiro
Leia maisCap. II EVENTOS MUTUAMENTE EXCLUSIVOS E EVENTOS NÃO- EXCLUSIVOS
Cap. II EVENTOS MUTUAMENTE EXCLUSIVOS E EVENTOS NÃO- EXCLUSIVOS Dois ou mais eventos são mutuamente exclusivos, ou disjuntos, se os mesmos não podem ocorrer simultaneamente. Isto é, a ocorrência de um
Leia maisTipos de investigação educacional diferenciados por:
Bento Março 09 Tipos de investigação educacional diferenciados por: Praticalidade Básica Aplicada Método Qualitativo Quantitativo Experimental Não experimental Questões Etnográfica Histórica Descritiva
Leia maisMANUAL DO AVALIADOR O que é uma Feira de Ciência? Por que avaliar os trabalhos? Como os avaliadores devem proceder?
MANUAL DO AVALIADOR O que é uma Feira de Ciência? É uma exposição que divulga os resultados de experimentos ou de levantamentos realizados, com rigor científico, por alunos, sob a orientação de um professor.
Leia maisTecnologia da Construção Civil - I Locação de Obra e Serviços em Terra. Roberto Monteiro
Tecnologia da Construção Civil - I Locação de Obra e Serviços em Terra Limpeza do terreno Dependendo do porte da obra e da declividade do terreno serão necessários a utilização de equipamentos de grande
Leia maisMódulo de Equações do Segundo Grau. Equações do Segundo Grau: Resultados Básicos. Nono Ano
Módulo de Equações do Segundo Grau Equações do Segundo Grau: Resultados Básicos. Nono Ano Equações do o grau: Resultados Básicos. 1 Exercícios Introdutórios Exercício 1. A equação ax + bx + c = 0, com
Leia maisRegistro Hospitalar de Câncer Conceitos Básicos Planejamento Coleta de Dados Fluxo da Informação
Registro Hospitalar de Câncer Conceitos Básicos Planejamento Coleta de Dados Fluxo da Informação Registro Hospitalar de Câncer Este tipo de registro se caracteriza em um centro de coleta, armazenamento,
Leia maisCampus Capivari Análise e Desenvolvimento de Sistemas (ADS) Prof. André Luís Belini E-mail: prof.andre.luis.belini@gmail.com /
Campus Capivari Análise e Desenvolvimento de Sistemas (ADS) Prof. André Luís Belini E-mail: prof.andre.luis.belini@gmail.com / andre.belini@ifsp.edu.br MATÉRIA: QUALIDADE DE SOFTWARE Tema: Testes de Caixa
Leia maisEstatística: Aplicação ao Sensoriamento Remoto SER 202 - ANO 2016. Análise de Variância (ANOVA)
Estatística: Aplicação ao Sensoiamento Remoto SER 0 - ANO 016 Análise de Vaiância (ANOVA) Camilo Daleles Rennó camilo@dpi.inpe.b http://www.dpi.inpe.b/~camilo/estatistica/ Compaando-se médias de duas populações
Leia maisORIENTAÇÕES PARA ELABORAÇÃO DE RELATÓRIO DE INICIAÇÃO CIENTÍFICA
1 ORIENTAÇÕES PARA ELABORAÇÃO DE RELATÓRIO DE INICIAÇÃO CIENTÍFICA ORIENTAÇÕES GERAIS Cada aluno deve elaborar seu relatório, mesmo que o trabalho esteja sendo desenvolvido em grupo. Os relatórios devem
Leia maisComandos de Eletropneumática Exercícios Comentados para Elaboração, Montagem e Ensaios
Comandos de Eletropneumática Exercícios Comentados para Elaboração, Montagem e Ensaios O Método Intuitivo de elaboração de circuitos: As técnicas de elaboração de circuitos eletropneumáticos fazem parte
Leia maisIntrodução. Ou seja, de certo modo esperamos que haja uma certa
UNIVERSIDADE FEDERAL DA PARAÍBA Teste de Independência Luiz Medeiros de Araujo Lima Filho Departamento de Estatística Introdução Um dos principais objetivos de se construir uma tabela de contingência,
Leia maisIV Seminário de Iniciação Científica
385 AVALIAÇÃO DA RESISTÊNCIA À COMPRESSÃO E DO MÓDULO DE ELASTICIDADE DO CONCRETO QUANDO SUBMETIDO A CARREGAMENTO PERMANENTE DE LONGA DURAÇÃO (Dt = 9 dias) Wilson Ferreira Cândido 1,5 ;Reynaldo Machado
Leia maisPlano de Projeto. Tema 3. Gerência de Projetos Profa. Susana M. Iglesias
Plano de Projeto Tema 3. Gerência de Projetos Profa. Susana M. Iglesias Modelos Empíricos Modelos de Estimativas de Custo e Esforço. Modelos Empíricos: Usam formulas empíricas para predizer esforço em
Leia maisCódigos de bloco. Instituto Federal de Santa Catarina Curso superior de tecnologia em sistemas de telecomunicação Comunicações móveis 2
Instituto Federal de Santa Catarina Curso superior de tecnologia em sistemas de telecomunicação Comunicações móveis 2 Códigos de bloco Prof. Diego da Silva de Medeiros São José, maio de 2012 Codificação
Leia maisProbabilidade. Evento (E) é o acontecimento que deve ser analisado.
Probabilidade Definição: Probabilidade é uma razão(divisão) entre a quantidade de eventos e a quantidade de amostras. Amostra ou espaço amostral é o conjunto formado por todos os elementos que estão incluídos
Leia maisEstudo sobre a dependência espacial da dengue em Salvador no ano de 2002: Uma aplicação do Índice de Moran
Estudo sobre a dependência espacial da dengue em Salvador no ano de 2002: Uma aplicação do Índice de Moran Camila Gomes de Souza Andrade 1 Denise Nunes Viola 2 Alexandro Teles de Oliveira 2 Florisneide
Leia maisMBA em Gerenciamento de Projetos. Teoria Geral do Planejamento. Professora: Maria Erileuza do Nascimento de Paula
MBA em Gerenciamento de Projetos Teoria Geral do Planejamento Professora: Maria Erileuza do Nascimento de Paula SOBRAL - CE 2014 O que é Planejamento É um processo contínuo e dinâmico que consiste em um
Leia maisINTRODUÇÃO DEFINIÇÕES DE CIÊNCIA CIÊNCIA DEFINIÇÕES DE CIÊNCIA METODOLOGIA DA PESQUISA APLICADA À CONTABILIDADE
METODOLOGIA DA PESQUISA APLICADA À CONTABILIDADE Mabel Moreira Vasconcelos INTRODUÇÃO Metodologia Científica nada mais é do que a disciplina que estuda os caminhos do saber, se entendermos que método quer
Leia maisGerenciamento do Escopo do Projeto (PMBoK 5ª ed.)
Gerenciamento do Escopo do Projeto (PMBoK 5ª ed.) De acordo com o PMBok 5ª ed., o escopo é a soma dos produtos, serviços e resultados a serem fornecidos na forma de projeto. Sendo ele referindo-se a: Escopo
Leia maisM =C J, fórmula do montante
1 Ciências Contábeis 8ª. Fase Profa. Dra. Cristiane Fernandes Matemática Financeira 1º Sem/2009 Unidade I Fundamentos A Matemática Financeira visa estudar o valor do dinheiro no tempo, nas aplicações e
Leia mais3 Metodologia de pesquisa
3 Metodologia de pesquisa Esta pesquisa foi concebida com o intuito de identificar como a interação entre o gerenciamento de projetos e o planejamento estratégico estava ocorrendo nas empresas do grupo
Leia maisProcesso de Gerenciamento do Catálogo de Serviços de TIC
de TIC Escritório de Gerenciamento de Processos de Tecnologia da Informação e Comunicação EGPr-TIC João Pessoa 2016 Versão 1.0 Tribunal Regional do Trabalho da 13ª Região Desembargador Presidente Ubiratan
Leia maiswww.isaia.com.br Porto Alegre/RS
I Curso de Introdução em Pesquisa Clínica Delineamento de Estudos Clínicos e Randomização Biom. Carlo Isaia Neto carlo@isaia.com.br O delineamento de um ensaio clínico apoia-se em cinco colunas mestras:
Leia maisGestão da Qualidade. Aula 5. Prof. Pablo
Gestão da Qualidade Aula 5 Prof. Pablo Proposito da Aula 1. Gestão da Qualidade Total; 2. Planejamento; Gestão da Qualidade Total Gestão da Qualidade Total Como vimos na última aula a Gestão da Qualidade
Leia maisAnálise Qualitativa no Gerenciamento de Riscos de Projetos
Análise Qualitativa no Gerenciamento de Riscos de Projetos Olá Gerente de Projeto. Nos artigos anteriores descrevemos um breve histórico sobre a história e contextualização dos riscos, tanto na vida real
Leia mais25 a 30 de novembro de 2013
LSD Introdução à Programa de Pós-Graduação em Estatística e Experimentação Agronômica ESALQ/USP 25 a 30 de novembro de 2013 LSD 1 2 3 LSD 4 Parte 2 - Conteúdo LSD Quando o F da ANOVA está sendo utilizado
Leia maisEFEITO DO PRODUTO DIFLY S3 NO CONTROLE DO CARRAPATO BOOPHILUS MICROPLUS EM BOVINOS DA RAÇA GIR, MESTIÇA E HOLANDESA
EFEITO DO PRODUTO DIFLY S3 NO CONTROLE DO CARRAPATO BOOPHILUS MICROPLUS EM BOVINOS DA RAÇA GIR, MESTIÇA E HOLANDESA Cláudia Santos Silva (1), Américo Iorio Ciociola Júnor (2), José Mauro Valente Paes (2),
Leia maisTestes em Laboratório - Análise
Introdução à Interação Humano-Computador Testes com Usuários Professora: Raquel Oliveira Prates http://www.dcc.ufmg.br/~rprates/ihc \ Aula 8: 09/10 Testes em Laboratório - Análise Análise dos dados coletados
Leia maisConsulta à Sociedade: Minuta de Resolução Complementar sobre Acreditação de Comitês de Ética em Pesquisa do Sistema CEP/CONEP
São Paulo, 13 de julho de 2015. Ilmo Sr. Jorge Alves de Almeida Venâncio Coordenador da Comissão Nacional de Ética em Pesquisa - CONEP Consulta à Sociedade: Minuta de Resolução Complementar sobre Acreditação
Leia maisMOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 3
MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 3 1. Chapas de uma liga metálica de mesma procedência foram submetidas, de forma aleatória, a três diferentes tratamentos térmicos: A, B e C.
Leia maisÁGUAS DO CENTRO ALENTEJO, S.A. PROGRAMA DE PROCEDIMENTO
ÁGUAS DO CENTRO ALENTEJO, S.A. PRESTAÇÃO DE SERVIÇOS DE LIMPEZA E DESOBSTRUÇÃO DE INFRAESTRUTURAS DA AdCA PROGRAMA DE PROCEDIMENTO Página 1 de 11 ÁGUAS DO CENTRO ALENTEJO, S.A. PRESTAÇÃO DE SERVIÇOS DE
Leia maisANOVA. (Analysis of Variance) Prof. Dr. Guanis de Barros Vilela Junior
ANOVA (Analysis of Variance) Prof. Dr. Guanis de Barros Vilela Junior Para que serve a ANOVA? Para comparar três ou mais variáveis ou amostras. Por exemplo, queremos testar os efeitos cardiorrespiratórios
Leia maisLINEARIZAÇÃO DE GRÁFICOS
LINEARIZAÇÃO DE GRÁFICOS Física Básica Experimental I Departamento de Física / UFPR Processo de Linearização de Gráficos O que é linearização? procedimento para tornar uma curva que não é uma reta em uma
Leia maisOPERAÇÕES COM FRAÇÕES
OPERAÇÕES COM FRAÇÕES Adição A soma ou adição de frações requer que todas as frações envolvidas possuam o mesmo denominador. Se inicialmente todas as frações já possuírem um denominador comum, basta que
Leia maisPlanejamento e Análise Estatística de Experimentos Fatoriais em blocos completos
Planejamento e Análise Estatística de Experimentos Fatoriais em blocos completos Contexto Já vimos como analisar um experimento em blocos na presença de um único fator de interesse. Podemos ter experimentos
Leia maisMOQ-14 Projeto e Análise de Experimentos
Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica MOQ-14 Projeto e Análise de Experimentos Profa. Denise Beatriz Ferrari www.mec.ita.br/ denise denise@ita.br Regressão Linear
Leia maisESCOLA ESTADUAL DR. MARTINHO MARQUES VERA LUCIA DOS SANTOS GIVANILZA ALVES DOS SANTOS MARIA APARECIDA CRIVELI SIRLEI R. C. DO P.
ESCOLA ESTADUAL DR. MARTINHO MARQUES VERA LUCIA DOS SANTOS GIVANILZA ALVES DOS SANTOS MARIA APARECIDA CRIVELI SIRLEI R. C. DO P. VITORINO SÓLIDOS GEOMÉTRICOS E OS POLIEDROS DE PLATÃO TAQUARUSSU = MS AGOSTO
Leia maisA dependência entre a inflação cabo-verdiana e a portuguesa: uma abordagem de copulas.
A dependência entre a inflação cabo-verdiana e a portuguesa: uma abordagem de copulas. Jailson da Conceição Teixeira Oliveira 1 Murilo Massaru da Silva 2 Robson Oliveira Lima 3 Resumo: Cabo Verde é um
Leia maisManual de preenchimento da planilha de cálculo do índice de nacionalização
Manual de preenchimento da planilha de cálculo do índice de nacionalização Atualizado em 02/07/15 Pág.: 1/9 SUMÁRIO Introdução... 3 1. Índice de nacionalização... 3 2. Objetivo da planilha... 4 3. O preenchimento
Leia maisAvaliação de Empresas Profa. Patricia Maria Bortolon
Avaliação de Empresas RISCO E RETORNO Aula 2 Retorno Total É a variação total da riqueza proporcionada por um ativo ao seu detentor. Fonte: Notas de Aula do Prof. Claudio Cunha Retorno Total Exemplo 1
Leia maisCapítulo1 Tensão Normal
- UNIVERSIDADE FEDERAL FLUMINENSE ESCOLA DE ENGENHARIA INDUSTRIAL METALÚRGICA DE VOLTA REDONDA PROFESSORA: SALETE SOUZA DE OLIVEIRA BUFFONI DISCIPLINA: RESISTÊNCIA DOS MATERIAIS Referências Bibliográficas:
Leia maisTESTES SOCIOMÉTRICOS
TESTES SOCIOMÉTRICOS Docente: Mestre Mª João Marques da Silva Picão Oliveira TESTES SOCIOMÉTRICOS * O Teste Sociométrico ajuda-nos a avaliar o grau de integração duma criança/jovem no grupo; a descobrir
Leia maisGuia Sudoe - Para a elaboração e gestão de projetos Versão Portuguesa Ficha 7.0 Auxílio estatal
Guia Sudoe - Para a elaboração e gestão de projetos Versão Portuguesa Ficha 7.0 Auxílio estatal 2 Ficha 7.0 Auxílio estatal Índice 1 Princípio... 5 2 Definição do conceito de auxílios estatais... 6 3 Quem
Leia maisANÁLISE ESTATÍSTICA DA INFLUÊNCIA DO ÍNDICE DE DESENVOLVIMENTO HUMANO MUNICIPAL NO ÍNDICE DE CRIMINALIDADE DO ESTADO DE MINAS GERAIS NO ANO DE 2000.
ANÁLISE ESTATÍSTICA DA INFLUÊNCIA DO ÍNDICE DE DESENVOLVIMENTO HUMANO MUNICIPAL NO ÍNDICE DE CRIMINALIDADE DO ESTADO DE MINAS GERAIS NO ANO DE 2000. Charles Shalimar F. da Silva Mestrando em Estatística
Leia maisSistemas Distribuídos
Comunicação em Grupo Referência Sistemas operacionais modernos Andrew S. TANENBAUM Prentice-Hall, 1995 Seção 10.4 pág. 304-311 2 Comunicação em Grupo Suponha que se deseja um serviço de arquivos único
Leia maisFundamentos de Programação. Diagrama de blocos
Fundamentos de Programação Diagrama de blocos Prof. M.Sc.: João Paulo Q. dos Santos E-mail: joao.queiroz@ifrn.edu.br Página: http://docente.ifrn.edu.br/joaoqueiroz/ O processo de desenvolvimento (programação),
Leia maisA pesquisa é uma atividade voltada para a solução de problemas teóricos ou práticos com o emprego de processos científicos.
PESQUISA CONCEITOS E DEFINIÇÕES A pesquisa é uma atividade voltada para a solução de problemas teóricos ou práticos com o emprego de processos científicos. A pesquisa parte, então, de uma dúvida ou problema
Leia maisAula 5. Uma partícula evolui na reta. A trajetória é uma função que dá a sua posição em função do tempo:
Aula 5 5. Funções O conceito de função será o principal assunto tratado neste curso. Neste capítulo daremos algumas definições elementares, e consideraremos algumas das funções mais usadas na prática,
Leia maisUNIVERSIDADE FEDERAL DA BAHIA ESCOLA POLITÉCNICA DEPARTAMENTO DE ENGENHARIA QUÍMICA ENG 008 Fenômenos de Transporte I A Profª Fátima Lopes
Equações básicas Uma análise de qualquer problema em Mecânica dos Fluidos, necessariamente se inicia, quer diretamente ou indiretamente, com a definição das leis básicas que governam o movimento do fluido.
Leia maisLista de Exercícios 1
Conceitos envolvidos: a) Memória de Dados (interna e externa) b) Memória de Programa (interna e externa) c) Operações aritméticas e lógicas d) Portas e) Endereçamento a Bit f) Contadores e Temporizadores
Leia maisGerenciamento dos Riscos do Projeto (PMBoK 5ª ed.)
Gerenciamento dos Riscos do Projeto (PMBoK 5ª ed.) Esta é uma área essencial para aumentar as taxas de sucesso dos projetos, pois todos eles possuem riscos e precisam ser gerenciados, ou seja, saber o
Leia maisDispõe sobre procedimentos para o licenciamento ambiental no âmbito da Secretaria do Meio Ambiente.
RESOLUÇÃO Nº 49, DE 28 DE SETEMBRO DE 2004 DOE SP DE 29/09/2004 Dispõe sobre procedimentos para o licenciamento ambiental no âmbito da Secretaria do Meio Ambiente. O Secretário de Estado do Meio Ambiente,
Leia maisAnálise e Projeto de Sistemas
Análise e Projeto de Sistemas Gerenciamento de Projetos Conteúdo: Gerenciamento de Riscos Aula: II Prof.: Eude Lacerda E-mail: eude.lacerda@ifnmg.edu.br Apresentação Nesta aula você conhecerá o gerenciamento
Leia maisFÍSICA EXPERIMENTAL 3001
FÍSICA EXPERIMENTAL 3001 EXPERIÊNCIA 1 CIRCUITO RLC EM CORRENTE ALTERNADA 1. OBJETIOS 1.1. Objetivo Geral Apresentar aos acadêmicos um circuito elétrico ressonante, o qual apresenta um máximo de corrente
Leia maisProbabilidade. Luiz Carlos Terra
Luiz Carlos Terra Nesta aula, você conhecerá os conceitos básicos de probabilidade que é a base de toda inferência estatística, ou seja, a estimativa de parâmetros populacionais com base em dados amostrais.
Leia maisROTEIRO PARA ELABORAÇÃO DO PROJETO DE PESQUISA
ROTEIRO PARA ELABORAÇÃO DO PROJETO DE PESQUISA O objetivo desse roteiro é orientar os estudantes de Estatística para a realização do trabalho proposto conforme previsto no plano de ensino da disciplina.
Leia maisAvaliação de Interfaces Humano- Computador
Avaliação de Interfaces Humano- Computador Avaliação de Interfaces A avaliação deve ocorrer durante o ciclo de vida do design e seus resultados utilizados para melhorias gradativas da interface. Se faz
Leia maisProf. Daniela Barreiro Claro
O volume de dados está crescendo sem parar Gigabytes, Petabytes, etc. Dificuldade na descoberta do conhecimento Dados disponíveis x Análise dos Dados Dados disponíveis Analisar e compreender os dados 2
Leia maisAvaliação do Risco Isolado
Avaliação do Risco Isolado! O que é! Onde é utilizada! Análise de Sensibilidade! Análise de Cenários! Exemplos Francisco Cavalcante (francisco@fcavalcante.com.br) Sócio-Diretor da Cavalcante & Associados,
Leia maisPlano de Manejo Parque Natural Municipal Doutor Tancredo de Almeida Neves. Encarte 6 MONITORAMENTO E AVALIAÇÃO. IVB-2012 Página 1
Encarte 6 MONITORAMENTO E AVALIAÇÃO IVB-2012 Página 1 CONTEÚDO 6 MONITORAMENTO E AVALIAÇÃO 6.1 Monitoramento e avaliação anual da implementação do Plano 6.2 Monitoramento e avaliação da efetividade do
Leia mais