BE 180 INTRODUÇÃO À ECOLOGIA/ BE 181 ECOLOGIA DE CAMPO
|
|
- Valdomiro Canela Neiva
- 6 Há anos
- Visualizações:
Transcrição
1 BE 180 INTRODUÇÃO À ECOLOGIA/ BE 181 ECOLOGIA DE CAMPO Análise de dados Vimos até agora que cientistas são pessoas que fazem perguntas e para responder a essas perguntas propõem hipóteses e coletam dados para verificar as hipóteses. Baseado nos dados os cientistas aceitam ou rejeitam a hipótese e respondem a pergunta. Dados têm papel central na ciência! Toda afirmativa científica tem que ser embasada por dados. Se dois cientistas discordam sobre a resposta a uma pergunta, basta proporem hipóteses e coletarem dados para resolver qual a resposta correta! Assim, saber analisar dados é uma habilidade central de todo cientista. Vamos agora fazer um primeiro ensaio de análise de dados. Toda pergunta científica começa com uma observação sobre o mundo, essa observação leva a uma pergunta e para responder a pergunta levantamos hipóteses. Agora, vamos tratar de um novo elemento, as predições e análises estatísticas. Predições são proposições que podem ser diretamente medidas e cujo resultado dessas medições implicam em a hipótese ser falsa ou verdadeira. Elas permitem operacionalizar a hipótese. Já as análises estatísticas são necessárias para podermos extrapolar resultados, isso porque nunca podemos medir tudo (não temos censos!), mas temos de sempre trabalhar com informações limitadas, com amostras. A estatística nos ajuda a decidir a confiança que temos de extrapolar padrões que obtemos de amostras para as coisas que não medimos. Vamos fazer um estudo de caso para entender melhor: 1 Perturbações no cerrado afetam o tamanho das árvores? Motivação: O cerrado é um dos tipos de vegetação mais degradados no Brasil. No estado de São Paulo, não existem mais áreas contínuas de cerrado, apenas pequenos fragmentos. Esses fragmentos estão sujeitos a diferentes tipos de perturbações, dependendo da proximidade urbana, desmatamento 1 Os dados analisados nesse estudo foram coletados na disciplina BT792 em janeiro de 2017, por alunos de graduação e pós-graduação do IB-Unicamp, nossos agradecimentos a eles. Os resultados obtidos são reais e poderiam muito bem ser um projetinho desenvolvido na região. Aliás, todos os resultados e análises foram feitas para escrever esse texto e alguns dos resultados me surpreenderam! 1
2 seletivo e ocorrência de fogos de origem antrópica. Uma das possíveis consequências é uma mudança nas características da vegetação do cerrado. Pergunta: Eu gostaria de saber, se o nível de perturbação em áreas de cerrado afeta as características das árvores do cerrado. Hipótese 1: Áreas de cerrado mais perturbadas tem árvores menores que áreas menos perturbadas. Hipótese nula: Áreas de cerrado mais perturbadas tem árvores de mesmo tamanho que áreas menos perturbadas. Hipótese 2: Dentro de uma mesma área, regiões mais perturbadas tem árvores menores que regiões menos perturbadas. Hipótese nula: Dentro de uma mesma área, regiões mais perturbadas tem árvores de mesmo tamanho que regiões menos perturbadas. Vejam que nossas hipóteses não são testáveis. Não temos como medir perturbação e nem tamanho de árvores. Isso porque hipótese se aceita ou rejeita, porém não se testa diretamente. Hipóteses são teóricas. Chegamos agora às predições. Predições são necessariamente mensuráveis e testáveis. Não temos como medir perturbação, mas podemos usar indicadores de perturbação (frequência de ocorrência de fogo antropogênico e distância de ambientes antropogênicos, por exemplo). Não temos como medir tamanho de árvores, mas podemos medir características relacionadas ao tamanho (diâmetro e altura de árvores, por exemplo). Vamos propor duas predições, uma para cada hipótese: Predição 1: Áreas de cerrado com ocorrência de fogo mais frequente (muito perturbada) tem árvores de menor diâmetro que áreas com ocorrência de fogo menos frequente (menos perturbada). Predição 2: Com o aumento da distância da borda, as árvores de cerrado tem maior diâmetro. Temos agora predições que podem ser medidas e testadas! A frequência de fogo e a distância da borda são variáveis preditoras que 2
3 usamos para avaliar a resposta do diâmetro das árvores, que é a variável resposta. Podemos representar as predições graficamente: Outra característica das predições, é que podemos escrever elas matematicamente: Predição 1: Diâmetro = Diâmetro (não perturbado) Efeito do fogo + erro Leia: o diâmetro de uma árvore do cerrado é igual ao diâmetro de árvores do cerrado, reduzido do efeito da perturbação do fogo, quando presente, mais um erro. Erro, aqui, são variáveis que não foram medidas e que afetam diâmetro de árvores do cerrado (espécie, idade, disponibilidade de nutrientes, etc.). Predição 2: Diâmetro = a + bdistância + erro Leia: o diâmetro de uma árvore do cerrado é igual a uma constante a, mais uma constante b multiplicando a distância da borda mais um erro (variáveis não medidas). De forma semelhante, podemos formular predições nulas: Predição 1 nula: Diâmetro = Diâmetro(não perturbado) + erro Leia: O diâmetro de uma árvore de cerrado é igual ao diâmetro médio mais erro (fatores não medidos). Predição 2 nula: Diâmetro = a + erro 3
4 Leia: O diâmetro de uma árvore de cerrado é igual a uma constante mais um erro (variáveis não medidas). Saber colocar predições na forma matemática é extremamente importante, pois somente nesse formato podemos aplicar ferramentas estatísticas para poder testar as predições e então aceitar ou rejeitar as hipóteses e responder às perguntas. Na análise estatística, basicamente verificamos se nossos dados são mais prováveis de serem obtidos caso a predição seja verdadeira ou caso a predição nula seja verdadeira. No fim das contas, a estatística é um dos pilares fundamentais da ciência. Agora, com as predições prontas, podemos definir um sistema (método) para coletar dados e testá-las: Método: Eu vou medir o diâmetro de árvores em uma área com baixa frequência de fogo (área pouco perturbada) e de árvores em uma área com alta frequência de fogo (área muito perturbada). Em cada área, eu vou fazer um transecto de 100 metros da borda para o interior. A cada 10 metros, vou medir o diâmetro de 40 árvores. Resultados: vejam abaixo parte dos resultados obtidos Área Distância da borda (m) Diâmetro do tronco (cm) Pouco perturbada Pouco perturbada Pouco perturbada Pouco perturbada Pouco perturbada Pouco perturbada Pouco perturbada Pouco perturbada Pouco perturbada Pouco perturbada Pouco perturbada Pouco perturbada Muito perturbada Muito perturbada Muito perturbada
5 Muito perturbada Muito perturbada Muito perturbada Muito perturbada Muito perturbada Muito perturbada Muito perturbada Muito perturbada Nessa tabela temos parte dos dados. Ao todo, são 400 árvores na área muito perturbada e 400 na área pouco perturbada. Bom, essa tabela não nos diz muita coisa, apenas que as árvores tem uma variedade de diâmetros diferentes. O primeiro passo em uma análise estatística é descrever nossos dados. Nesse momento, vamos usar apenas dois descritores estatísticos, a média e o desvio padrão. Enquanto a média é frequentemente usada no nosso cotidiano, o desvio padrão é usado menos frequentemente. Ele é um indicador de quão variável são nossos dados. Imagine que estivéssemos medindo diâmetros em uma plantação de eucaliptos, as árvores seriam muito parecidas e o desvio padrão então seria muito pequeno. Como estamos trabalhando com o cerrado, que é muito diverso, a variabilidade é muito grande e o desvio padrão também aumenta muito. Vamos analisar os dados de nossa primeira predição: Predição 1: Áreas de cerrado com ocorrência de fogo mais frequente (muito perturbadas) tem árvores de menor diâmetro que áreas com ocorrência de fogo menos frequente (pouco perturbadas). Área Diâmetro (cm) Desvio Padrão Pouco perturbada Muito perturbada Aparentemente, a área pouco perturbada tem diâmetros menores que a área perturbada, porém a área muito perturbada tem uma variabilidade maior (maior desvio padrão). Podemos explorar melhor nossos dados usando gráficos como histogramas: 5
6 Histogramas mostram a frequência (eixo y) com que um valor que medimos (eixo x) aparece em nossos dados. Podemos ver que diâmetros pequenos são mais frequentes na área não-perturbada que na área perturbada. Nossos dados mostram claramente que as árvores que foram medidas na área pouco perturbada tem, em média, diâmetros menores. Porém isso é válido apenas para as árvores medidas podemos apenas fazer essa afirmação para nossa amostragem. Será que se tivéssemos medido mais árvores, ou todas as árvores, esse padrão permaneceria? Será que podemos generalizar os dados que obtivemos para as duas áreas como um todo? As análises estatísticas nos ajudam justamente a dizer quão provável é o padrão que obtivemos, ou dito de outra forma, se as diferenças que obtivemos são devido ao acaso ou são padrões. Veja que se tivéssemos medido todas as árvores das duas áreas (se tivéssemos um censo), não precisaríamos da estatística, poderíamos afirmar com certeza que há um padrão. A estatística existe justamente por que utilizamos o conhecimento limitado de amostras para generalizar para um universo maior! Vamos fazer um teste T para testar se o padrão que obtivemos é acaso. O teste T nos indica a chance de obtermos diferenças em dois grupos por acaso. Por exemplo, homens são mais altos que mulheres, mas nem todo homem é mais alto que toda mulher. Se trabalharmos com amostras de 10 6
7 homens e mulheres, há uma chance de, por acaso, nessa amostra as mulheres serem mais altas que os homens O teste T nos indica essa probabilidade. Veremos na aula com detalhes o significado de diferentes testes estatísticos. O teste T nos indica que a chance de, por acaso de amostragem, os diâmetros da área pouco perturbada ser diferente da área muito perturbada é menor que 1 em 10000! Isso nos dá muita confiança para afirmar que a média dos diâmetros das duas áreas são diferentes. Porém, veja que esse resultado é o contrário do esperado, de que a área muito perturbada teria diâmetros menores que a área pouco perturbada! Predição 2: Com o aumento da distância da borda, as árvores de cerrado tem maior diâmetro. Nossa predição implica que conforme aumenta a distância da borda (variável preditora, eixo X), o diâmetro das árvores deve aumentar (variável resposta, eixo Y). Vamos analisar apenas os dados da área muito perturbada. Vejam como ficam os dados que coletamos em um gráfico de dispersão: Parece não haver nenhum padrão de aumento do diâmetro com aumento da distância da borda! Vamos fazer uma regressão linear para ver quantificar a relação entre a variável preditora e resposta nas nossas amostras. 7
8 A regressão linear nos mostra que a relação entre x e y para os dados que medimos é: Diâmetro = Distância(da borda) Isso significa que, baseado no que medimos, na borda, as árvores tem em média 9.4 cm de diâmetro e para cada metro que entramos no cerrado o diâmetro diminui 0.02cm. Porém será que essa relação é ao acaso? Podemos generalizar ela para o que não medimos? A regressão linear também nos diz que a chance de obtermos essa relação entre diâmetro e distância da borda ao acaso é de 8 em 100. Esse é um valor bastante alto e indica que não temos confiança para falar que existe um padrão. Assim, nossa análise conclui que não há relação entre diâmetro das árvores e distância da borda, que é nossa predição nula. Discussão: os resultados nos permitem avaliar nossas predições, que são mensuráveis. Agora na discussão, vamos retomar nossas hipóteses e baseado na análise dos dados medidos e nas predições, vamos aceitar ou rejeitá-las. Hipótese 1: Áreas de cerrado mais perturbadas tem árvores menores que áreas menos perturbadas. Predição 1: Áreas de cerrado com ocorrência de fogo mais frequente (muito perturbada) tem árvores de menor diâmetro que áreas com ocorrência de fogo menos frequente (menos perturbada). Nossos dados não suportam essa predição, ao contrário, na área onde ocorre mais fogo as árvores tem diâmetros maiores! Assim, rejeitamos nossa hipótese e, ao contrário de aceitarmos nossa hipótese nula, vamos aceitar o contrário da hipótese que propomos: Quanto maior a perturbação, maior o tamanho das árvores de cerrado. Enquanto o início da discussão é retomar nossas hipóteses e aceitar, rejeitar ou modificar elas baseada nos resultados, o restante da discussão é abordar como esses dados respondem nossa pergunta e quais mecanismos 8
9 biológicos podem explicar os padrões encontrados e quais novas perguntas nossos resultados levantam. Para essa hipótese, eu discutiria que é provável que no cerrado a perturbação leve a eliminação de árvores de menor diâmetro e que as árvores de maior diâmetro são as mais resistentes a perturbação e por isso sobrevivem. Possivelmente isso ocorra pois a perturbação antrópica predominante no cerrado é a queimada, enquanto em outros tipos de vegetações, como florestas tropicais, uma das principais perturbações é o corte de árvores grandes para uso da madeira. Se isso é verdade, será que as consequências de perturbações para florestas tropicais e para o cerrado são diferentes? Uma hipótese possível de testar é que a consequência de perturbações antrópicas no cerrado é a redução da regeneração natural da vegetação e talvez os cerrados perturbados tendam a virar campos, já que árvores jovens não conseguem sobreviver. Porém veremos mais para frente como fazer uma boa discussão! Hipótese 2: Dentro de uma mesma área, regiões mais perturbadas tem árvores menores que regiões menos perturbadas. Predição 2: Com o aumento da distância da borda, as árvores de cerrado tem maior diâmetro. Nossos dados não suportam essa predição, indicando que, dentro de uma mesma área, a distância da borda não afeta o diâmetro das árvores. Assim, aceitamos nossa hipótese nula. Eu discutiria esse resultado propondo duas possibilidades: 1) a variabilidade de perturbação dentro de uma área é menor que a diferença de perturbação entre as duas áreas, assim não conseguimos detectar nenhum padrão. 2) o tipo de perturbação que medimos distância da borda não representa a perturbação que reduz o diâmetro das árvores no cerrado. Se essa perturbação é o fogo, possivelmente o fogo ocorra tanto nas bordas quanto nos interiores do cerrado. Conclusão: Retomando nossa pergunta - o nível de perturbação de áreas de cerrado afeta as características das árvores do cerrado? podemos concluir 9
10 que sim, mas de uma forma complexa, dependendo se analisamos entre áreas ou dentro de uma mesma área. Finalizando, fizemos aqui um estudo de caso partindo desde a elaboração de perguntas e hipóteses, a elaboração de predições e a análise estatística das predições. Vimos que a estatística é fundamental para podermos avaliar as predições e chegar a uma conclusão quanto a nossas hipóteses para então podermos discutir processos ecológicos. Agora, vamos ter um primeiro contato com uma ferramenta de processamento e análise de dados que praticamente todo cientista e todo ecólogo usa, o R. O R é um ambiente de programação simples com suporte para várias análises. O uso do R tem revolucionado a forma como fazemos ciências ao permitir que pessoas que não são especialistas em programação consigam processar grandes volumes de dados e fazer análises com facilidade. Nesse estudo, vamos fazer as análises mostradas neste estudo de caso aqui. Para isso, abra o arquivo Como instalar e usar o R.pptx, enviado por , e siga as instruções. 10
Resultados possíveis do nosso estudo
Resultados possíveis do nosso estudo Interpretação de gráficos, decisão baseada nas hipóteses, interpretação. Para termos isso, precisamos fazer uma inferência estatística! Número de visitas Inferência
Leia maisEstimação parâmetros e teste de hipóteses. Prof. Dr. Alberto Franke (48)
Estimação parâmetros e teste de hipóteses Prof. Dr. Alberto Franke (48) 91471041 Intervalo de confiança para média É um intervalo em que haja probabilidade do verdadeiro valor desconhecido do parâmetro
Leia maisTestes de Hipótese para uma única Amostra - parte I
Testes de Hipótese para uma única Amostra - parte I 26 de Junho de 2014 Objetivos Ao final deste capítulo você deve ser capaz de: Estruturar problemas de engenharia como testes de hipótese. Entender os
Leia maisAnálise de dados. Mathias M Pires BE180
Análise de dados Mathias M Pires BE180 Objetivo: Como testar hipóteses a partir da análise dos dados e como interpretar os resultados da análise A essência do método científico é o teste de hipóteses com
Leia maisModelos de Regressão Linear Simples - parte I
Modelos de Regressão Linear Simples - parte I Erica Castilho Rodrigues 19 de Agosto de 2014 Introdução 3 Objetivos Ao final deste capítulo você deve ser capaz de: Usar modelos de regressão para construir
Leia maisModelos de Regressão Linear Simples parte I
Modelos de Regressão Linear Simples parte I Erica Castilho Rodrigues 27 de Setembro de 2017 1 2 Objetivos Ao final deste capítulo você deve ser capaz de: Usar modelos de regressão para construir modelos
Leia maisTESTE DE HIPÓTESES. Licenciatura em Ciências USP/ Univesp. Métodos estatísticos: coleta, tratamento e análise de dados; aplicação
3.1 Introdução 3.2 Hipótese nula e alternativa 3.3 Etapas de um teste de hipóteses 3.4 Testes bicaudais e monocaudais 3.5 O valor p 3.6 Conclusão Referências 3 Dirce Maria Trevisan Zanetta TESTE DE HIPÓTESES
Leia mais1 Teoria da Decisão Estatística
1 Teoria da Decisão Estatística 1.1 Teste de Hipótese É uma metodologia estatística que permite tomar decisão sobre uma ou mais populações baseando no conhecimento de informações da amostra. Ao tentarmos
Leia maisGE-814: Introdução à Avaliação Operacional
GE-814: Introdução à Avaliação Operacional Objetivo Que a audiência se familiarize com os testes estatísticos que visam estabelecer a garantia da performance de um sistema específico e comparações entre
Leia maisTestes de Hipótese PARA COMPUTAÇÃO
Testes de Hipótese MONITORIA DE ESTATÍSTICA E PROBABILIDADE PARA COMPUTAÇÃO Testes de Hipóteses Um teste de hipótese é uma técnica de análise usada para estimar se uma hipótese sobre a população está correta,
Leia maisTeste de hipóteses. Camila de Toledo Castanho
Teste de hipóteses Camila de Toledo Castanho 2018 Conteúdo da aula 1. Procedimento científico 1.1. Pergunta, Hipótese Científica e Previsão 2. Teste de hipóteses 2.1. Hipótese Científica x Hipótese Estatística
Leia maisRESOLUÇÃO DAS QUESTÕES DE ESTATÍSTICA E RACIOCÍNIO LÓGICO
RESOLUÇÃO DAS QUESTÕES DE ESTATÍSTICA E RACIOCÍNIO LÓGICO Caro aluno, Disponibilizo abaixo a resolução das questões de Estatística e Raciocínio Lógico da prova de Analista da SEFAZ/PI 015. Resolvi as questões
Leia maisO Papel da Estatística em áreas do conhecimento
O Papel da Estatística em áreas do conhecimento 2012/02 Site: http://www.est.ufmg.br/ marcosop e-mail: marcosop@est.ufmg.br 1 O Pensamento Estatístico 2 3 4 Distribuição de Pontos 3 provas - 30, 35 e 35
Leia maisPROJETO E ANÁLISES DE EXPERIMENTOS (PAE) INTRODUÇÃO AOS MÉTODOS ESTATÍSTICOS EM ENGENHARIA
PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) INTRODUÇÃO AOS MÉTODOS ESTATÍSTICOS EM ENGENHARIA VARIABILIDADE NA MEDIDA DE DADOS CIENTÍFICOS Se numa pesquisa, desenvolvimento de um processo ou produto, o valor
Leia maisUnidade III ESTATÍSTICA. Prof. Fernando Rodrigues
Unidade III ESTATÍSTICA Prof. Fernando Rodrigues Medidas de dispersão Estudamos na unidade anterior as medidas de tendência central, que fornecem importantes informações sobre uma sequência numérica. Entretanto,
Leia maisTeste Anova. Prof. David Prata Novembro de 2016
Teste Anova Prof. David Prata Novembro de 2016 Tipo de Variável Introduzimos o processo geral de teste de hipótese. É hora de aprender a testar a sua própria hipótese. Você sempre terá que interpretar
Leia maisTeste de hipóteses. Camila de Toledo Castanho
Teste de hipóteses Camila de Toledo Castanho 2017 1. Estatística Estatística é ciência que tem por objetivo orientar a coleta, o resumo, a apresentação, a análise e a interpretação de dados. Estatística
Leia mais7 Teste de Hipóteses
7 Teste de Hipóteses 7-1 Aspectos Gerais 7-2 Fundamentos do Teste de Hipóteses 7-3 Teste de uma Afirmação sobre a Média: Grandes Amostras 7-4 Teste de uma Afirmação sobre a Média : Pequenas Amostras 7-5
Leia mais(Hipótese alternativa unilateral)
Nível descritivo e Teste de Hipóteses para a média populacional µ 1 Exemplo 1: Pelo Anuário do IBGE de 2010, a proporção de analfabetos em uma cidade era de 15%. Em 2015, entre 200 entrevistados dessa
Leia maisTópicos em Gestão da Informação II
Tópicos em Gestão da Informação II Aula 05 Variabilidade estatística Prof. Dalton Martins dmartins@gmail.com Gestão da Informação Faculdade de Informação e Comunicação Universidade Federal de Goiás Exercício
Leia maisTrabalhando a Matemática na Horta
Trabalhando a Matemática na Horta Eixo temático: Eixo temático II (Funções elementares e modelagem). Conteúdo: Funções Público-alvo: Alunos do 1º ano do ensino médio. Objetivos: Além de desenvolver as
Leia maisTeste de hipóteses para uma média populacional com variância conhecida e desconhecida
Teste de hipóteses para uma média populacional com variância conhecida e desconhecida Teste de hipóteses para uma média populacional com variância conhecida Tomando-se como exemplo os dados de recém-nascidos
Leia maisO Papel da Estatística em outras áreas
5 de Março de 2012 Site: http://ericaestatistica.webnode.com.br/ e-mail: ericaa_casti@yahoo.com.br O método de Engenharia e o Pensamento Estatístico Distribuição de Pontos 3 provas - 30 pontos cada; Listas
Leia maisAula 4 Conceitos Básicos de Estatística
Aula 4 Conceitos Básicos de Estatística A Estatística é a ciência de aprendizagem a partir de dados. Trata-se de uma disciplina estratégica, que coleta, analisa e interpreta informações numéricas para
Leia maisMétodos Matemáticos para Gestão da Informação
Métodos Matemáticos para Gestão da Informação Aula 03 Taxas de variação e função lineares I Dalton Martins dmartins@gmail.com Bacharelado em Gestão da Informação Faculdade de Informação e Comunicação Universidade
Leia maisAULA 04 Teste de hipótese
1 AULA 04 Teste de hipótese Ernesto F. L. Amaral 03 de outubro de 2013 Centro de Pesquisas Quantitativas em Ciências Sociais (CPEQS) Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal
Leia maisVariável Explicativa e de Resposta. Prof. David Prata Março de 2017
Variável Explicativa e de Resposta Prof. David Prata Março de 2017 Questão Básica Associação entre duas Variáveis Por enquanto, vimos representações gráficas considerando dados obtidos a partir de uma
Leia maisCORRELAÇÃO. Flávia F. Feitosa
CORRELAÇÃO Flávia F. Feitosa BH1350 Métodos e Técnicas de Análise da Informação para o Planejamento Junho de 2015 Revisão Inferência Estatística: Método científico para tirar conclusões sobre os parâmetros
Leia maisX ~ Binomial (n ; p) H: p = p 0 x A: p p 0 (ou A: p > p 0 ou A: p < p 0 ) { X k 1 } U { X k 2 } (ou { X k } ou { X k }) x RC não rejeitamos H
NOÇÕES DE TESTE DE HIPÓTESES (II) Nível Descritivo valor P Resumo X ~ Binomial (n ; p) (1) Estabelecer as hipóteses sobre p: H: p = p 0 x A: p p 0 (ou A: p > p 0 ou A: p < p 0 ) (2) Escolher um nível de
Leia maisAULA 05 Teste de Hipótese
1 AULA 05 Teste de Hipótese Ernesto F. L. Amaral 03 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario F. 2008. Introdução
Leia maisEstatística Aplicada. Teste de hipóteses ou teste de significância Cap. 11
Estatística Aplicada Teste de hipóteses ou teste de significância Cap. 11 Conceito Objetivo: decidir se uma afirmação sobre um parâmetro populacional é verdadeira a partir de informações obtidas de uma
Leia maisTESTES DE HIPÓTESES. Conceitos, Testes de 1 proporção, Testes de 1 média
TESTES DE HIPÓTESES Conceitos, Testes de 1 proporção, Testes de 1 média 1 Testes de Hipóteses População Conjectura (hipótese) sobre o comportamento de variáveis Amostra Decisão sobre a admissibilidade
Leia maisRegressão Linear. Renato Martins Assunção DCC - UFMG. Renato Martins Assunção (DCC - UFMG) Regressão Linear / 25
Regressão Linear Renato Martins Assunção DCC - UFMG 2015 Renato Martins Assunção (DCC - UFMG) Regressão Linear 2015 1 / 25 Predição de preços imobiliários Qual o valor de um imóvel? Existem softwares para
Leia maisMÓDULO V: Análise Bidimensional: Correlação, Regressão e Teste Qui-quadrado de Independência
MÓDULO V: Análise Bidimensional: Correlação, Regressão e Teste Qui-quadrado de Independência Introdução 1 Muito frequentemente fazemos perguntas do tipo se alguma coisa tem relação com outra. Estatisticamente
Leia maisInferência Estatística Básica. Teste de Hipóteses: decidindo na presença de incerteza
Inferência Estatística Básica Teste de Hipóteses: decidindo na presença de incerteza Exemplo Inicial A ProCare Industries LTDA lançou, certa vez, um produto chamado Gender Choice. De acordo com a propaganda,
Leia maisANOVA - parte I Conceitos Básicos
ANOVA - parte I Conceitos Básicos Erica Castilho Rodrigues 9 de Agosto de 2011 Referências: Noções de Probabilidade e Estatística - Pedroso e Lima (Capítulo 11). Textos avulsos. Introdução 3 Introdução
Leia maisTestes de Aderência, Homogeneidade e Independência
Testes de Aderência, Homogeneidade e Independência Prof. Marcos Vinicius Pó Métodos Quantitativos para Ciências Sociais O que é um teste de hipótese? Queremos saber se a evidência que temos em mãos significa
Leia maisLista de Exercícios #8 Assunto: Teste de Hipóteses
. ANPEC 8 - Questão 5 Indique se as seguintes considerações sobre a teoria dos testes de hipótese são verdadeiras (V) ou falsas (F): () No teste de hipótese para proporções, se a variância da proporção
Leia maisaula ANÁLISE DO DESEMPENHO DO MODELO EM REGRESSÕES
ANÁLISE DO DESEMPENHO DO MODELO EM REGRESSÕES 18 aula META Fazer com que o aluno seja capaz de realizar os procedimentos existentes para a avaliação da qualidade dos ajustes aos modelos. OBJETIVOS Ao final
Leia maisHipóteses. Hipótese. É uma pressuposição de um determinado problema.
Bioestatística Aula 7 Teoria dos Teste de Hitóteses Prof. Tiago A. E. Ferreira 1 Hipóteses Hipótese É uma pressuposição de um determinado problema. Uma vez formulada, a hipótese estará sujeita a uma comprovação
Leia maisaula DISTRIBUIÇÃO NORMAL - PARTE I META OBJETIVOS PRÉ-REQUISITOS Apresentar o conteúdo de distribuição normal
DISTRIBUIÇÃO NORMAL - PARTE I 4 aula META Apresentar o conteúdo de distribuição normal OBJETIVOS Ao final desta aula, o aluno deverá: determinar a média e a variância para uma função contínua; padronizar
Leia maisREGRESSÃO LINEAR Parte I. Flávia F. Feitosa
REGRESSÃO LINEAR Parte I Flávia F. Feitosa BH1350 Métodos e Técnicas de Análise da Informação para o Planejamento Julho de 2015 Onde Estamos Para onde vamos Inferência Esta5s6ca se resumindo a uma equação
Leia maisIntervalos de Confiança
Intervalos de Confiança INTERVALOS DE CONFIANÇA.1 Conceitos básicos.1.1 Parâmetro e estatística Parâmetro é a descrição numérica de uma característica da população. Estatística é a descrição numérica de
Leia maisAula 5. Teste de Hipóteses II. Capítulo 12, Bussab&Morettin Estatística Básica 7ª Edição
Aula 5. Teste de Hipóteses II. Capítulo 12, Bussab&Morettin Estatística Básica 7ª Edição Procedimento teste de hipótese para proporção. Resumo. (1) Estabelecer as hipóteses: H: p = p 0 contra uma das alternativas
Leia maisDOMINÓ DAS QUATRO CORES
DOMINÓ DAS QUATRO CORES Aparecida Francisco da SILVA 1 Hélia Matiko Yano KODAMA 2 Resumo: O jogo Quatro Cores tem sido objeto de estudo de muitos profissionais que se dedicam à pesquisa da aplicação de
Leia maisConceitos centrais em análise de dados
Conceitos centrais em análise de dados Conceitos básicos em Estatística Estatística Ciência que tem por objetivo orientar a coleta, o resumo, a apresentação, a análise e a interpretação dos dados. Divide-se
Leia maisTeste para a Média Populacional com Variância Conhecida
Teste para a Média Populacional com Variância Conhecida Quando o desvio padrão σ for conhecido, a estatística do teste é: x µ z obs = σ n onde: x é a média amostral; µ é a média populacional testada (sob
Leia maisAprendizado de Máquina (Machine Learning)
Ciência da Computação (Machine Learning) Aula 01 Motivação, áreas de aplicação e fundamentos Max Pereira Nem todo conhecimento tem o mesmo valor. O que torna determinado conhecimento mais importante que
Leia maisPrincípios em Planejamento e Análise de Dados Ecológicos. Regressão linear. Camila de Toledo Castanho
Princípios em Planejamento e Análise de Dados Ecológicos Regressão linear Camila de Toledo Castanho 217 Conteúdo da aula 1. Regressão linear simples: quando usar 2. A reta de regressão linear 3. Teste
Leia maisAfirmações Matemáticas
Afirmações Matemáticas Na aula passada, vimos que o objetivo desta disciplina é estudar estruturas matemáticas, afirmações sobre elas e como provar essas afirmações. Já falamos das estruturas principais,
Leia maisAmostragem Aleatória e Descrição de Dados - parte I
Amostragem Aleatória e Descrição de Dados - parte I 2012/02 1 Amostra e População 2 3 4 Objetivos Ao final deste capítulo você deve ser capaz de: Calcular e interpretar as seguintes medidas de uma amostra:
Leia maisRegressão linear simples
Regressão linear simples Universidade Estadual de Santa Cruz Ivan Bezerra Allaman Introdução Foi visto na aula anterior que o coeficiente de correlação de Pearson é utilizado para mensurar o grau de associação
Leia maisMedidas de Dispersão ou variabilidade
Medidas de Dispersão ou variabilidade A média - ainda que considerada como um número que tem a faculdade de representar uma série de valores - não pode, por si mesma, destacar o grau de homogeneidade ou
Leia maisTeste de Hipóteses. Prof.: Joni Fusinato
Teste de Hipóteses Prof.: Joni Fusinato joni.fusinato@ifsc.edu.br jfusinato@gmail.com Teste de Hipótese Teste de Hipóteses Objetivo: Decidir se uma afirmação sobre um parâmetro populacional é verdadeira,
Leia maisRESOLUÇÃO DAS QUESTÕES DE ESTATÍSTICA
RESOLUÇÃO DAS QUESTÕES DE ESTATÍSTICA Caro aluno, Disponibilizo abaixo a resolução resumida das questões de Estatística da prova de Auditor da SEFAZ/PI 2015. Vale dizer que utilizei a numeração da prova
Leia maisÁlgebra Linear Semana 01
Álgebra Linear Semana 01 Diego Marcon 27 de Março de 2017 Conteúdo 1 Estrutura do Curso 1 2 Sistemas Lineares 1 3 Formas escalonadas e formas escalonadas reduzidas 4 4 Algoritmo de escalonamento 5 5 Existência
Leia maisEstatística Descritiva (aula 2) Curso de Farmácia Prof. Hemílio Fernandes
Estatística Descritiva (aula 2) Curso de Farmácia Prof. Hemílio Fernandes 1 Estatística População Características Técnicas de amostragem Amostra Análise descritiva Conclusões sobre as características da
Leia maisRegressão. PRE-01 Probabilidade e Estatística Prof. Marcelo P. Corrêa IRN/Unifei
Regressão PRE-01 Probabilidade e Estatística Prof. Marcelo P. Corrêa IRN/Unifei Regressão Introdução Analisar a relação entre duas variáveis (x,y) através da equação (equação de regressão) e do gráfico
Leia maisTESTES DE HIPÓTESES. Lucas Santana da Cunha Universidade Estadual de Londrina
TESTES DE HIPÓTESES Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 26 de setembro de 2016 Introdução Viu-se a construção de intervalos
Leia maisEstatística Aplicada
Estatística Aplicada Testes de Hipóteses Professor Lucas Schmidt www.acasadoconcurseiro.com.br Estatística Aplicada TESTES DE HIPÓTESES Inferência estatística: tomar decisões sobre a população com base
Leia maisIntrodução à inferência estatística
Introdução à inferência estatística Cristian Villegas clobos@usp.br http://www.lce.esalq.usp.br/arquivos/aulas/2014/lce0216/ 1 Introdução Agora, vamos ver como reunir a Análise Exploratória de Dados, Modelos
Leia maisENTENDENDO OS CONCEITOS DE RISCO E RETORNO - (Parte II)
ENTENDENDO OS CONCEITOS DE RISCO E RETORNO - (Parte II)! Como calcular o retorno usando dados históricos?! Como calcular a variância e o desvio padrão?! A análise do retorno através da projeção de retornos
Leia maisLógica Proposicional Parte 2
Lógica Proposicional Parte 2 Como vimos na aula passada, podemos usar os operadores lógicos para combinar afirmações criando, assim, novas afirmações. Com o que vimos, já podemos combinar afirmações conhecidas
Leia maisEstatística e Probabilidade
Teste de hipóteses Objetivo: Testar uma alegação sobre um parâmetro: Média, proporção, variação e desvio padrão Exemplos: - Um hospital alega que o tempo de resposta de sua ambulância é inferior a dez
Leia maisContabilometria. Aula 9 Regressão Linear Inferências e Grau de Ajustamento
Contabilometria Aula 9 Regressão Linear Inferências e Grau de Ajustamento Interpretação do Intercepto e da Inclinação b 0 é o valor estimado da média de Y quando o valor de X é zero b 1 é a mudança estimada
Leia mais1. Entendendo os erros que aparecem no Excel:
Este conteúdo faz parte da série: Excel Fórmulas Avançadas Ver 10 posts dessa série Todo mundo que usa o Excel, desde o básicão até as funções mais avançadas pode ter tido a experiência de ver as mesmas
Leia maisINFERÊNCIA ESTATÍSTICA. ESTIMAÇÃO PARA A PROPORÇÃO POPULACIONAL p
INFERÊNCIA ESTATÍSTICA ESTIMAÇÃO PARA A PROPORÇÃO POPULACIONAL p Objetivo Estimar uma proporção p (desconhecida) de elementos em uma população, apresentando certa característica de interesse, a partir
Leia maisOs Atrasos das Dezenas na Mega Sena Parte 02
Os Atrasos das Dezenas na Mega Sena Parte 02 (b) Atraso Esperado e Atraso Médio Vamos supor que houvesse uma sucessão de Sorteios, um após o outro, sem repetir uma Dezena já sorteada. Assim, seriam sorteadas
Leia maisUnidade B Síntese Essencial do Capítulo 4. Estatística: Revelando o Poder dos Dados Lock 5
Unidade B Síntese Essencial do Capítulo 4 Lock 5 Seção 4.1 Introdução aos Testes de Hipóteses Lock 5 Teste Estatístico Um teste estatístico usa dados de uma amostra para avaliar uma afirmativa sobre uma
Leia maisIntrodução à análise exploratória de dados
Introdução à análise exploratória de dados Wagner H. Bonat Elias T. Krainski Fernando P. Mayer Universidade Federal do Paraná Departamento de Estatística Laboratório de Estatística e Geoinformação LEG/DEST/UFPR
Leia maisAula 9: Estouro e Representação em Ponto Flutuante
Aula 9: Estouro e Representação em Ponto Flutuante Diego Passos Universidade Federal Fluminense Fundamentos de Arquiteturas de Computadores Diego Passos (UFF) Estouro e Ponto Flutuante FAC 1 / 43 Revisão
Leia maisMONTAGEM DE HIPÓTESES
MONTAGEM DE HIPÓTESES Metodologia Científica Graduação Tecnológica O Enunciado das Hipóteses * Toda pesquisa científica consiste em enunciar e verificar hipóteses... Hipótese é: * uma suposição que se
Leia maisTestes de Hipóteses: Média e proporção
Testes de Hipóteses: Média e proporção Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 12 de setembro de 2018 Londrina 1 / 27 Viu-se a construção de intervalos de confiança
Leia maisTestes de Hipóteses. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Testes de Hipóteses Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução e notação Em geral, intervalos de confiança são a forma mais
Leia maisTESTE DE HIPÓTESE. Introdução
TESTE DE HIPÓTESE Introdução O teste de hipótese estatística objetiva decidir se uma afirmação sobre uma população, usualmente um parâmetro desta, é, ou não, apoiada pela evidência obtida dos dados amostrais.
Leia maisGQS Medidas. André Luís Duarte. exatasfepi.com.br
exatasfepi.com.br GQS Medidas André Luís Duarte O que adquire entendimento ama a sua alma; o que cultiva a inteligência achará o bem. Provérbios 19:8 Qualidade de software Papel dos números Fontes de ruído
Leia maisBases Matemáticas. Como o Conhecimento Matemático é Construído. Aula 2 Métodos de Demonstração. Rodrigo Hausen. Definições Axiomas.
1 Bases Matemáticas Aula 2 Métodos de Demonstração Rodrigo Hausen v. 2012-9-21 1/15 Como o Conhecimento Matemático é Construído 2 Definições Axiomas Demonstrações Teoremas Demonstração: prova de que um
Leia maisModelos de Regressão Linear Simples - Análise de Resíduos
1 Modelos de Regressão Linear Simples - Análise de Resíduos Erica Castilho Rodrigues 27 de Setembro de 2016 2 3 O modelo de regressão linear é dado por 3 O modelo de regressão linear é dado por Y i = β
Leia maisEstatística (MAD231) Turma: IGA. Período: 2018/2
Estatística (MAD231) Turma: IGA Período: 2018/2 Aula #03 de Inferência Estatística: 09/11/2018 1 Testes de Hipóteses: Na aula de hoje veremos a terminologia usada em testes de hipóteses (hipóteses nula
Leia maisEXPERIMENTAÇÃO ZOOTÉCNICA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
EXPERIMENTAÇÃO ZOOTÉCNICA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda.perticarrari@unesp.br INTRODUÇÃO Um dos principais objetivos da estatística é a tomada de decisões a respeito da população,
Leia maisÁlgebra Matricial - Nota 03 Eliminação Gaussiana e Método de Gauss-Jordan
Álgebra Matricial - Nota 03 Eliminação Gaussiana e Método de Gauss-Jordan Márcio Nascimento da Silva Universidade Estadual Vale do Acaraú Curso de Licenciatura em Matemática marcio@matematicauva.org 8
Leia maisAMOSTRAGEM EM AUDITORIA
AMOSTRAGEM EM AUDITORIA ALCANCE Esta Norma se aplica quando o auditor independente decide usar amostragem na execução de procedimentos de auditoria. Essa Norma trata do uso de amostragem estatística e
Leia maisIntrodução à Bioestatística Turma Nutrição
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística Introdução à Bioestatística Turma Nutrição Aula 9: Testes de Hipóteses - Conceitos Básicos e Testes para Média
Leia maisFernando de Pol Mayer
Fernando de Pol Mayer Laboratório de Estatística e Geoinformação (LEG) Departamento de Estatística (DEST) Universidade Federal do Paraná (UFPR) Este conteúdo está disponível por meio da Licença Creative
Leia maisModelos de Regressão Linear Simples - Análise de Resíduos
Modelos de Regressão Linear Simples - Análise de Resíduos Erica Castilho Rodrigues 1 de Setembro de 2014 3 O modelo de regressão linear é dado por Y i = β 0 + β 1 x i + ɛ i onde ɛ i iid N(0,σ 2 ). O erro
Leia maisEspecialização em Engenharia de Processos e de Sistemas de Produção
Especialização em Engenharia de Processos e de Sistemas de Produção Projetos de Experimento e Confiabilidade de Sistemas da Produção Prof. Claudio Luis C. Frankenberg 3ª parte Conforme foi apresentado
Leia maisProfessora Ana Hermínia Andrade. Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise. Período 2017.
Professora Ana Hermínia Andrade Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise Período 2017.1 Distribuições Amostrais O intuito de fazer uma amostragem
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Aula 9 Fundamentos de Testes de Hipóteses Leitura: Devore, Capítulo 8 Chap 9-1 Objetivos Neste capítulo, vamos aprender: Os princípios básicos de testes de hipóteses Estabelecer
Leia maisAula 4 Medidas de dispersão
AULA 4 Aula 4 Medidas de dispersão Nesta aula, você estudará as medidas de dispersão de uma distribuição de dados e aprenderá os seguintes conceitos: amplitude desvios em torno da média desvio médio absoluto
Leia maisNessa situação, a média dessa distribuição Normal (X ) é igual à média populacional, ou seja:
Pessoal, trago a vocês a resolução da prova de Estatística do concurso para Auditor Fiscal aplicada pela FCC. Foram 10 questões de estatística! Não identifiquei possibilidade para recursos. Considero a
Leia maisUniversidade Federal de Goiás Instituto de Ciências Biológicas Programa de Pós-Graduação em Ecologia e Evolução. Prova de Seleção 2012 ATENÇÃO!
Universidade Federal de Goiás Instituto de Ciências Biológicas Programa de Pós-Graduação em Ecologia e Evolução Prova de Seleção 2012 ATENÇÃO! Instruções para realização da prova a) Deixe todos os seus
Leia maisAnálise da Base Nacional Comum Curricular de Matemática. Revisado por Phil Daro, USA Common Core Standards
Análise da Base Nacional Comum Curricular de Matemática Revisado por Phil Daro, USA Common Core Standards Complementando a Versão Muitas características excelentes Estrutura de tabela é muito útil Perspectiva
Leia maisMedidas de Dispersão para uma Amostra. Conteúdo: AMPLITUDE VARIÂNCIA DESVIO PADRÃO COEFICIENTE DE VARIAÇÃO
Medidas de Dispersão para uma Amostra Conteúdo: AMPLITUDE VARIÂNCIA DESVIO PADRÃO COEFICIENTE DE VARIAÇÃO Medidas de Dispersão para uma Amostra Para entender o que é dispersão, imagine que quatro alunos
Leia maisRaciocínio Lógico. Quantificadores Lógicos: Todo, Nenhum e Existente. Professor Edgar Abreu.
Raciocínio Lógico Quantificadores Lógicos: Todo, Nenhum e Existente Professor Edgar Abreu www.acasadoconcurseiro.com.br Raciocínio Lógico QUANTIFICADORES LÓGICOS Chama-se argumento a afirmação de que
Leia maisUnidade I ESTATÍSTICA APLICADA. Prof. Mauricio Fanno
Unidade I ESTATÍSTICA APLICADA Prof. Mauricio Fanno Estatística indutiva Estatística descritiva Dados no passado ou no presente e em pequena quantidade, portanto, reais e coletáveis. Campo de trabalho:
Leia maisAULA 06 Correlação. Ernesto F. L. Amaral. 04 de outubro de 2013
1 AULA 06 Correlação Ernesto F. L. Amaral 04 de outubro de 2013 Centro de Pesquisas Quantitativas em Ciências Sociais (CPEQS) Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de
Leia maisTestes de Aderência, Homogeneidade e Independência
Testes de Aderência, Homogeneidade e Independência Prof. Marcos Vinicius Pó Métodos Quantitativos para Ciências Sociais O que é um teste de hipótese? Queremos saber se a evidência que temos em mãos significa
Leia maisAULA 1 - Modelos determinísticos vs Probabiĺısticos
AULA 1 - Modelos determinísticos vs Probabiĺısticos Susan Schommer Econometria I - IE/UFRJ O que é Econometria? Aplicação de métodos estatísticos e matemáticos para analisar os dados econômicos, com o
Leia mais