Linha Técnica Sessão II: Ensaios Aleatórios
|
|
- Kátia Carolina César Pinhal
- 6 Há anos
- Visualizações:
Transcrição
1 Impact Evaluation Linha Técnica Sessão II: Ensaios Aleatórios Human Development Network Spanish Impact Evaluation Fund Ensaios Aleatórios Como pesquisadores aprendem sobre os estados contrafactuais do mundo na prática? Em muitas áreas, a evidência sobre contrafactuais é gerada através de ensaios ou experimentos aleatórios. Ex. pesquisa médica Sob determinadas condições, ensaios aleatórios garantem que os resultados do grupo de controle de fato capturam o contrafactual para o grupo de tratamento. 2 1
2 Aleatorização para inferência causal Estatísticos recomendam um modelo formal de aleatorização em duas etapas: Primeira etapa: uma amostra aleatória de unidades é selecionada de uma população definida Segunda etapa: essa amostra de unidades é aleatoriamente designada aos grupos de tratamento e controle 3 Universo / População Elegível amostra aleatória Amostra Grupo de Tratamento designação aleatória Grupo de Controle 4 2
3 Por que aleatorização em duas etapas? Primeira etapa: para Validade Externa I.e. garantir que os resultados na amostra serão representativos dos resultados na população dentro de um nível definido de erro amostral Segunda etapa: para Validade Interna I.e. garantir que o efeito observado sobre a variável dependente deve-se ao tratamento e não aos demais fatores de confundimento Você se lembra das duas condições? 5 Ensaios aleatórios em duas etapas Em amostras grandes, ensaios aleatórios em duas etapas garantem que: Y 1 D 1 Y 1 D 0 e Y 0 D 1 Y 0 D 0 Por que isso é verdade...? 6 3
4 A Lei dos Grandes Números LGN diz que Quando você aleatoriamente seleciona uma amostra de unidades de uma população grande, E à medida que o número de unidades que você seleciona aumenta, A média de qualquer característica da sua amostra tende a se aproximar de seu valor esperado. Se o número de unidades na sua amostra aumenta, a amostra se parecerá, em média, com sua população original 7 Universo / População Elegível amostra aleatória Amostra designação Grupo de Tratamento aleatória Grupo de Controle 8 4
5 Ensaios aleatórios em duas etapas Em amostras grandes, ensaios aleatórios em duas etapas garantem que: Y 1 D 1 Y 1 D 0 e Y 0 D 1 Y 0 D 0 Portanto, o estimador ^ ^ ^ Y 1 D 1 Y 0 D 0 consistentemente estima o Efeito de Tratamento Médio, ETM. 9 População vs. grupo selecionado? Se a aleatorização ocorre em um grupo selecionado de unidades o que estaremos estimando??? O efeito de tratamento naquele grupo selecionado de unidades! 10 5
6 População vs. grupo selecionado? Universo / População Elegível não aleatório Grupo Não Selecionado Grupo Selecionado, ex. voluntários Amostra aleatório Grupo de Tratamento designação aleatória Grupo de Controle 11 Designação aleatorizada: como? Se você quer designar 50% da amostra ao tratamento e 50% ao controle: jogue uma moeda para cada pessoa. Se você quer designar 40% da amostra ao grupo de tratamento: jogue um dado para cada pessoa. Os valores 1 ou 2 são tratamento; os valores 3, 4, 5 ou 6 são controle. Outras porcentagens: deixe que o Excel atribua um número aleatório a cada unidade. Decida quantas unidades estarão no grupo de tratamento (chame isso de X). Designe as X unidades que receberem os maiores números ao grupo de tratamento. 12 6
7 Exemplo COMPUTADORES PARA EDUCAR BARRERA E LINDEN (2009) 13 Ensaio aleatorizado na Colômbia, América Latina Atividades do programa: Restaurar computadores doados por firmas privadas e instalá-los em escolas públicas Treinar professores para o uso pedagógico dos computadores com o apoio de uma universidade local 2006: 97 escolas sujeitas à aleatorização 48 receberam computadores 49 não receberam computadores 2008: pesquisa de follow-up 14 7
8 Etapa 1: questão de avaliação Qual é o impacto da intervenção D sobre a variável de interesse Y? Pacote de intervenção D D = 1 se a escola foi selecionada para a instalação de computadores + treinamento de professores D = 0 caso contrário Variável de interesse Y aprendizado do aluno (resultado final) prática em sala de aula (resultado intermediário) número de professores treinados (produto) número de computadores funcionando nas escolas (produto) 15 Etapa 2: verificar balanceamento Objetivo: verificar se as características estão balanceadas entre os grupos de tratamento e controle Regressão: Y ij 0 1T j ij i é para o aluno i j é para a escola j T j = variável binária indicando se a escola j foi designada ao tratamento durante o processo de aleatorização Método: MQO com erros-padrão clustered no nível da escola 16 8
9 Verificar balanceamento: Notas nos Testes Notas Padronizadas Tratamento Controle Diferença Espanhol (0.10) (0.08) (0.13) Matemática (0.08) (0.08) (0.11) Total (0.11) (0.10) (0.15) 17 Verificar balanceamento: características demográficas Características Demográficas Tratamento Controle Diferença Sexo (0.02) (0.02) (0.03) Idade (0.27) (0.36) (0.45) N o pais no domicílio (0.02) (0.02) (0.03) N o irmãos (0.22) (0.20) (0.30) Recebe mesada (0.02) (0.03) (0.03) N o amigos (1.91) (1.15) (2.22) Horas de trabalho (0.40) (0.73) (0.83) 18 9
10 Etapa 3: estimar impacto Em palavras: comparar o Y médio para o grupo de tratamento com o Y médio para o grupo de controle Em uma tabela: % das questões respondidas corretamente Tratamento Controle Diferença Simples Espanhol Matemática Em uma regressão: Y ij 0 1T j Cluster no nível da escola 19 É daqui que tiramos os erros-padrão ij Etapa 3: resultados % das questões respondidas corretamente Tratamento Controle Diferença Simples Espanhol (0.01) (0.01) (0.02) Matemática (0.02) (0.01) (0.02) 20 10
11 Etapa 4: estimar impacto, multivariado Em palavras comparar o Y médio para os grupos de tratamento e controle adicionar controles para características na linha de base Em uma regressão multivariada Y ij 0 1T j 2 X ij ij X ij é um vetor de características na linha de base para o aluno i na escola j 21 Etapa 5: resultados % das questões respondidas corretamente Tratamento Controle Diferença Simples Diferença com Controles (multivariado) Espanhol (0.01) (0.01) (0.02) (0.02) Matemática (0.02) (0.01) (0.02) (0.02) Variável de Resultado Tratamento Controle Diferença Simples Número computadores na escola *** (1.28) (0.75) (1.49) % Professores treinados *** (0.03) (0.04) (0.05) Escola tratada *** (0.03) (0.03) (0.04) 22 11
12 Resultados Pouco efeito nas notas dos alunos Para todas as séries, matérias e sexos Por quê? Computadores não incorporados ao processo educacional 23 OUTRAS CONSIDERAÇÕES SOBRE ENSAIOS ALEATORIZADOS 24 12
13 Possíveis problemas Não-adesão Nem todas as unidades designadas ao tratamento de fato receberão o tratamento (não-adesão) Algumas unidades designadas à comparação podem receber tratamento mesmo assim (não-adesão) Para não-adesão limitada: usar variáveis instrumentais (ver sessão IV) Evasão: talvez não possamos observar o que acontece com todas as unidades Cuidado com evasão diferencial! 25 Mais possíveis problemas Efeito Hawthorne: a simples observação das unidades altera o comportamento das mesmas Tende a desaparecer ao longo do tempo Efeito John Henry: unidades no grupo de controle se esforçam mais para compensar o não-tratamento 26 13
14 Nível de aleatorização Distrito, vila, família, criança? Nível de aleatorização determina o poder do ensaio Mais unidades nos grupos de tratamento e controle estimativa da diferença entre grupos de tratamento e controle torna-se mais precisa Quanto menor o nível Maior o potencial para contaminação crianças em uma turma, famílias em uma vila E maior a dificuldade em administrar o programa Em geral: escolha o menor nível viável do ponto de vista administrativo 27 Ensaios aleatorizados vs. não-aleatorizados Experimentos aleatorizados Premissas desempenham um papel pequeno, Ou até mesmo nenhum papel, ao testar a hipótese de ausência de efeito de tratamento Na ausência de dificuldades como não-adesão ou evasão Métodos não-aleatorizados Requer premissas fortes a fim de validar o contrafactual Evasão é um problema tão relevante quanto em ensaios aleatorizados 28 14
15 Referências Rosenbaum, Paul (2002): Observational Studies, Springer. Chapter 2. Cochran, W. G. (1965): The planning of observational studies of human populations, Journal of the Royal Statistics Association Series A 128, pp , with discussion. Angrist, J., E. Bettinger, E. Bloom, E. King and M. Kremer (2002): Vouchers for Private Schooling in Colombia: Evidence from a Randomized Natural Experiment, American Economic Review, 92, pp Angrist, J. and V. Lavy (2002): The Effect of High School Matriculation Awards: Evidence from Randomized Trials, NBER Working Paper. Barrera-Osorio, F. and L. Linden (2009): The Use and Misuse of Computers in Education: Evidence from a Randomized Experiment in Colombia, World Bank Policy Research Working Paper WPS
PROGRAMA DE PÓS-GRADUAÇÃO EM POLÍTICAS PÚBLICAS, ESTRATÉGIA E DESENVOLVIMENTO. Ementa
PROGRAMA DE PÓS-GRADUAÇÃO EM POLÍTICAS PÚBLICAS, ESTRATÉGIA E DESENVOLVIMENTO Disciplina: IEP 705 - Métodos quantitativos para avaliação de políticas públicas Professor: Romero Rocha Horário: 2ª feira
Leia maisLinha Técnica Sessão I: Inferência Causal
Impact Evaluation Linha Técnica Sessão I: Inferência Causal Human Development Human Network Development Network Middle East and North Africa Region World Bank Institute Spanish Impact Evaluation Fund www.worldbank.org/sief
Leia maisLinha Técnica Sessão VI Métodos de Homogeneização
Impact Evaluation Linha Técnica Sessão VI Métodos de Homogeneização Human Development Network Spanish Impact Evaluation Fund www.worldbank.org/sief Quando podemos usar homogeneização? E se a designação
Leia maisMini curso: modelos de causalidade lógica e Marco Lógico
III Seminário de Avaliação de Políticas Públicas e Qualidade do Gasto FUNDAÇÃO JOÃO PINHEIRO Mini curso: modelos de causalidade lógica e Marco Lógico Aula 05 Oficina de Marco Lógico Victor Maia Senna Delgado
Leia maisDIME Impact Evaluation Workshop. Innovations for Agriculture June 2014, Kigali, Rwanda
DIME Impact Evaluation Workshop Innovations for Agriculture 16-20 June 2014, Kigali, Rwanda Impact Evaluation Workshop Innovations for Agriculture Medindo o Impacto II Métodos Não-Experimentais David Evans,
Leia maisDIME WORKSHOP OCTOBER 13-17, 2014 LISBON, PORTUGAL
DIME WORKSHOP OCTOBER 13-17, 2014 LISBON, PORTUGAL Métodos Experimentais Arianna Legovini October 13, 2014 DIME/Banco Mundial Provocações! 1. Você acha que o seu projeto é um sucesso ou vai se tornar quando
Leia maisQuer fazer uma Avaliação de Impacto (AI)? Aspectos Operacionais
Impact Evaluation Avaliando o impacto: Transformando promessas em evidências Paul Gertler Universidade da Califonia, Berkeley Human Development Human Network Development Network http://www.worldbank.org/hdchiefeconomist
Leia mais1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3.
1 1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3. Modelo de Resultados Potenciais e Aleatorização (Cap. 2 e 3
Leia maisLinha Técnica Sessão IV Variáveis Instrumentais
Impact Evaluation Linha Técnica Sessão IV Variáveis Instrumentais Human Development Human Network Development Network Middle East and North Africa Region World Bank Institute Spanish Impact Evaluation
Leia maisAULA 07 Inferência a Partir de Duas Amostras
1 AULA 07 Inferência a Partir de Duas Amostras Ernesto F. L. Amaral 10 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola,
Leia maisEconometria para Avaliação de Políticas Públicas
Aula 3: LATE Itaú Social 13/01/2016 Auto-seleção nos não-observáveis. Como estimar o ATE quando Pr [T = 1jY (1), Y (0), X ] 6= Pr [T = 1jX ] = p (X ) Na literatura econométrica, tem-se um problema equivalente:
Leia maisTipos de Estudos Científicos e Níveis de Evidência
Tipos de Estudos Científicos e Níveis de Evidência Francisco Batel Marques, PhD Professor, School of Pharmacy, University of Coimbra Director, CHAD Centro de Avaliação de Tecnologias em Saúde e Investigação
Leia maisVariáveis Instrumentais
Técnicas Econométricas para Avaliação de Impacto Variáveis Instrumentais Guilherme Issamu Hirata Centro Internacional de Pobreza (IPC/PNUD) Brasília, 2 de maio de 28. Introdução Qualidade do Ensino: Escola
Leia maisDIME Impact Evaluation Workshop. Innovations for Agriculture June 2014, Kigali, Rwanda
DIME Impact Evaluation Workshop Innovations for Agriculture 16-20 June 2014, Kigali, Rwanda Amostragem para Avaliações de Impacto Astrid Zwager (DIME) 2 introdução Para estimar o impacto do projeto, precisamos
Leia maisArianna Legovini Head, Development Impact Evaluation Initiative (DIME) World Bank. O Uso de Avaliações Aleatoria para Melhorar Políticas e Programas
Arianna Legovini Head, Development Impact Evaluation Initiative (DIME) World Bank O Uso de Avaliações Aleatoria para Melhorar Políticas e Programas 1 Objetivo Identificar o Verdadeiro Efeito de um Programa
Leia maisAnálise de Dados Longitudinais Aula
1/35 Análise de Dados Longitudinais Aula 08.08.2018 José Luiz Padilha da Silva - UFPR www.docs.ufpr.br/ jlpadilha 2/35 Sumário 1 Revisão para dados transversais 2 Como analisar dados longitudinais 3 Perspectiva
Leia maisMÉTODOS QUANTITATIVOS APLICADOS À AVALIAÇÃO DE POLÍTICAS PÚBLICAS USANDO STATA. Prof. Leonardo Sangali Barone
MÉTODOS QUANTITATIVOS APLICADOS À AVALIAÇÃO DE POLÍTICAS PÚBLICAS USANDO STATA Prof. Leonardo Sangali Barone Objetivos do Curso O curso tem como objetivo oferecer ao participante instrumental básico para
Leia maisMeta-análise de impactos: uso de evidências para priorizar investimentos educacionais
ANDRÉ PORTELA Meta-análise de impactos: uso de evidências para priorizar investimentos educacionais André Portela Souza EESP/FGV São Paulo 16 de Setembro de 2016 Apresentação I. A importância das tomadas
Leia maisAULAS 04, 05 E 06 AVALIAÇÃO UTILIZANDO EXPERIMENTOS
1 AULAS 04, 05 E 06 AVALIAÇÃO UTILIZANDO EXPERIMENTOS Ernesto F. L. Amaral 14, 19 e 21 de março de 2013 Técnicas Avançadas de Avaliação de Políticas Públicas (DCP 098) Fonte: Curso Técnicas Econométricas
Leia maisArianna Legovini Head, Development Impact Evaluation Initiative (DIME) World Bank. O Uso de Avaliações Aleatoria para Melhorar Políticas e Programas
Arianna Legovini Head, Development Impact Evaluation Initiative (DIME) World Bank O Uso de Avaliações Aleatoria para Melhorar Políticas e Programas 2 Objetivo Identificar o Verdadeiro Efeito de um Programa
Leia maisMETÓDOS EXPERIMENTAIS PARTE 1. Seminário de Avaliação de Impacto Luanda, Angola
METÓDOS EXPERIMENTAIS PARTE 1 Seminário de Avaliação de Impacto Luanda, Angola Novembro 19 20, 2015 Referência Versão em Espanhol & Versão em Francês e também disponível em Portuguese. http://runningres.com
Leia maisSeminário Internacional do Itaú sobre Avaliação de Projetos Sociais
Seminário Internacional do Itaú sobre Avaliação de Projetos Sociais Miguel N. Foguel (Ipea) Outubro 2012 Comentários sobre: Visualizing Development: Eyeglasses and Academic Performance in Rural Primary
Leia maisEstimação de Efeito Causal
Estimação de Efeito Causal Rafael Borges June 4, 2012 Outline Resultados Potenciais Aleatorização Seleção em observáveis Seleção em não-observáveis: Variáveis Instrumentais Seleção em não-observáveis:
Leia mais1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3.
1 1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3. Modelo de Resultados Potenciais e Aleatorização (Cap. 2 e 3
Leia maisAnálise Multivariada Aplicada à Contabilidade
Mestrado e Doutorado em Controladoria e Contabilidade Análise Multivariada Aplicada à Contabilidade Prof. Dr. Marcelo Botelho da Costa Moraes www.marcelobotelho.com mbotelho@usp.br Turma: 2º / 2016 1 Agenda
Leia maisPRINCÍPIOS BÁSICOS DE EXPERIMENTAÇÃO. Profª. Sheila Regina Oro
PRINCÍPIOS BÁSICOS DE EXPERIMENTAÇÃO Livro: Curso de estatística experimental Autor: Frederico PIMENTEL-GOMES Capítulo: 2 Livro: Estatística experimental Autor: Sonia VIEIRA Capítulo: 1 Profª. Sheila Regina
Leia maisENSINO MISTO E SINGLE-SEX: DEVEMOS ACABAR COM O DEBATE?
ENSINO MISTO E SINGLE-SEX: DEVEMOS ACABAR COM O DEBATE? Enrique G. Gordillo V Congresso Latino Americano de Educação Single-Sex Curitiba, 23-24 de Outubro do 2015 PRIMEIRA PARTE O debate NO CONTEXTO DO
Leia maisMeta-análise: comparação de proporções para o caso de duas amostras independentes
Meta-análise: comparação de proporções para o caso de duas amostras independentes Arminda Lucia Siqueira 1 Edna Afonso Reis 1 Ilka Afonso Reis 1 Luana Sílvia dos Santos 1 Pollyanna Vieira Gomes da Silva
Leia maisDELINEAMENTO INTEIRAMENTE CASUALIZADO. Profª. Sheila Regina Oro
DELINEAMENTO INTEIRAMENTE CASUALIZADO Profª. Sheila Regina Oro Delineamento experimental Para planejar um experimento é preciso definir os tratamentos em comparação e a maneira de designar os tratamentos
Leia maisTécnicas econométricas para avaliação de impacto O uso de métodos de regressão e introdução aos métodos de diferençasdas-diferenças
Técnicas econométricas para avaliação de impacto O uso de métodos de e introdução aos métodos de diferençasdas-diferenças Bruno César Araújo Instituto de Pesquisa Econômica Aplicada IPEA Brasília, 30 de
Leia maisCONTEÚDO PROGRAMÁTICO E BIBLIOGRAFIA OBRIGATÓRIA E COMPLEMENTAR:
Universidade Federal de Santa Catarina Centro de Filosofia e Ciências Humanas Programa de Pós-Graduação em Sociologia Política (PPGSP) Disciplina: SPO 510063 - Metodologia II - 02 créditos - (Mestrado/Doutorado)
Leia maisRemuneração Variável: O que mostram as pesquisas
Remuneração Variável: O que mostram as pesquisas Teresa Cozetti Pontual, Ed.M. Harvard Graduate School of Education A remuneração por resultado para professores tem o potencial de: Aumentar a motivação
Leia maisMétodos de Investigação II
Métodos de Investigação II Estudos experimentais Permitem examinar as causas do comportamento. Procuram atingir o 3º objectivo da investigação psicológica: a explicação. Tem de incluir: V.I.: Manipulada
Leia maisAvaliação experimental
Técnicas Econométricas para Avaliação de Impacto Avaliação experimental Fabio Veras Soares Centro Internacional de Pobreza (IPEA/PNUD) Brasília, 16 de abril de 2008. Introdução: como aleatorização resolve
Leia maisCapítulo 11 Análise da Variância. Statistics for Managers Using Microsoft Excel, 5e 2008 Prentice-Hall, Inc. Chap 11-1
Capítulo 11 Análise da Variância Statistics for Managers Using Microsoft Excel, 5e 2008 Prentice-Hall, Inc. Chap 11-1 Objetivos do Aprendizado Neste capítulo você aprenderá: Os conceitos básicos da modelagem
Leia maisInferência Estatística:
Inferência Estatística: Amostragem Estatística Descritiva Cálculo de Probabilidade Inferência Estatística Estimação Teste de Hipótese Pontual Por Intervalo Conceitos básicos Estimação É um processo que
Leia maisExemplos Equações de Estimação Generalizadas
Exemplos Equações de Estimação Generalizadas Bruno R. dos Santos e Gilberto A. Paula Departamento de Estatística Universidade de São Paulo, Brasil giapaula@ime.usp.br Modelos Lineares Generalizados dos
Leia maisInstituto de Estudos Sociais e Políticos (IESP-UERJ) Lego II - Modelo de Regressão Linear
Lego II - Modelo de Regressão Linear 1 Instituto de Estudos Sociais e Políticos (IESP-UERJ) Lego II - Modelo de Regressão Linear Carlos Costa Ribeiro carloscr@iesp.uerj.br Thiago Moreira da Silva thiagomoreira@iesp.uerj.br
Leia mais1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3.
1 1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3. Modelo de Resultados Potenciais e Aleatorização (Cap. 2 e 3
Leia maisExperimentos Fatoriais 2 k
Experimentos Fatoriais 2 k Carla A. Vivacqua Departamento de Estatística UFRN vivacqua@ccet.ufrn.br Encontro de Engenharia de Software Experimental UFRN 1 Agenda Planos Experimentais Abordados Formas de
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 maisPESQUISA CAUSAL: Experimentação
RAD 1404 Pesquisa de Marketing PESQUISA CAUSAL: Experimentação Cap. 7 Pesquisa de Marketing Naresh K. Malhotra Prof. Dirceu Tornavoi de Carvalho Qual o Conceito de Causalidade? Pesquisa Causal Quando a
Leia maisPor que aleatorizar? Cecilia Machado FGV-EPGE Abdul Latif Jameel Poverty Action Lab.
Por que aleatorizar? Cecilia Machado FGV-EPGE Abdul Latif Jameel Poverty Action Lab www.povertyactionlab.org Contexto do curso 1 - Monitoramento e Avaliação 2 Avaliação de programas 3 - Avaliação de impacto
Leia maisIntrodução ao Projeto e Análise de Experimentos
Introdução ao Projeto e Análise de Experimentos Prof. Moacir Ponti www.icmc.usp.br/~moacir Instituto de Ciências Matemáticas e de Computação USP 2017/1 Sumário Amostragem Estratégias de amostragem Experimentos
Leia maisEducação influencia o crescimento econonômico através dos resultados de aprendizagem
O QUE FUNCIONA PARA PROMOVER UMA EDUCAÇÃO DE QUALIDADE? EVIDÊNCIAS GLOBAIS RECENTES Abril 27, 2010 Barbara Bruns (LCSHE) Educação influencia o crescimento econonômico através dos resultados de aprendizagem
Leia maisExemplo MLG Misto. Gilberto A. Paula. Departamento de Estatística IME-USP, Brasil
Exemplo MLG Misto Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2015 G. A. Paula (IME-USP) Placas Dentárias 2 o Semestre 2015 1 / 16 Placas Dentárias Sumário
Leia maisProva de Estatística
UNIVERSIDADE FEDERAL DO PARÁ CURSO DE MESTRADO EM ECONOMIA PROCESSO SELETIVO 2010 Prova de Estatística INSTRUÇÕES PARA A PROVA Leia atentamente as questões. A interpretação das questões faz parte da prova;
Leia maisMétodos Quantitativos para Avaliação de Políticas Públicas
ACH3657 Métodos Quantitativos para Avaliação de Políticas Públicas Aula 11 Análise de Resíduos Alexandre Ribeiro Leichsenring alexandre.leichsenring@usp.br Alexandre Leichsenring ACH3657 Aula 11 1 / 26
Leia maisAmostragem e distribuições por amostragem
Amostragem e distribuições por amostragem Carla Henriques e Nuno Bastos Departamento de Matemática Escola Superior de Tecnologia de Viseu Contabilidade e Administração População, amostra e inferência estatística
Leia maisProfessora Ana Hermínia Andrade. Período
Noções de Amostragem Professora Ana Hermínia Andrade Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise Período 2017.1 Passos de um Planejamento Identificar
Leia maisMetodologia Científica. Prof. Gilson Yukio Sato Departamento Acadêmico de Eletrônica Programa de pós-graduação em Engenharia Biomédica
Metodologia Científica Prof. Gilson Yukio Sato Departamento Acadêmico de Eletrônica Programa de pós-graduação em Engenharia Biomédica Pesquisa Experimental Introdução Abordagem quantitativa Adequado para
Leia maisMétodos Não-Experimentais. Caio Piza - DIME 22/06/2015 ieconnect Impact Evaluation Workshop Rio de Janeiro, Brazil June 22-25, 2015
Métodos Não-Experimentais Caio Piza - DIME 22/06/2015 ieconnect Impact Evaluation Workshop Rio de Janeiro, Brazil June 22-25, 2015 Tudo o que você gostaria de saber sobre métodos não-experimentais, mas
Leia maisDesenhos Quasi-Experimentais com Grupos de Controle e sem Pré-testes
Universidade de Brasília Programa de Pós-Graduação em Administração - PPGA Grupo de Pesquisa Impacto Desenhos Quasi-Experimentais com Grupos de Controle e sem Pré-testes Experimental and Quasi-Experimental
Leia maisEstatística aplicada a ensaios clínicos
Estatística aplicada a ensaios clínicos RAL - 5838 Luís Vicente Garcia lvgarcia@fmrp.usp.br Faculdade de Medicina de Ribeirão Preto Estatística aplicada a ensaios clínicos aula 12 1 grupo 2 grupos > 2
Leia maisEnsino técnico e profissional para efetiva ampliação de oportunidades CAROLINA DA COSTA
Ensino técnico e profissional para efetiva ampliação de oportunidades CAROLINA DA COSTA O que modelos pelo mundo nos mostram? mais cedo (durante) Formação para ensino superior Ensino médio com superior
Leia maisCapítulo 4 Inferência Estatística
Capítulo 4 Inferência Estatística Slide 1 Resenha Intervalo de Confiança para uma proporção Intervalo de Confiança para o valor médio de uma variável aleatória Intervalo de Confiança para a diferença de
Leia mais5.3 Experimentos fatoriais a dois fatores. Ambos os fatores são supostos fixos e os efeitos de tratamento são definidos como desvios da média tal que
5. Experimentos Fatoriais 5.3 Experimentos fatoriais a dois fatores. Modelo de Efeitos Y ijk = µ+τ i +β j +(τβ) ij +ɛ ijk, i = 1, 2,..., a j = 1, 2,..., b k = 1, 2,..., n Ambos os fatores são supostos
Leia maisComo Randomizar? Seminário de Avaliação de Impacto Luanda, Angola
Como Randomizar? Seminário de Avaliação de Impacto Luanda, Angola Novembro 19 20, 2015 Visão Geral 1. Oportunidades para Randomizar 2. Defina o grupo alvo 3. Selecione aspectos do programa para avaliar
Leia maisIntrodução ao Projeto e Análise de Experimentos
Introdução ao Projeto e Análise de Experimentos Prof. Moacir Ponti www.icmc.usp.br/~moacir Instituto de Ciências Matemáticas e de Computação USP 2017/1 Sumário Amostragem Estratégias de amostragem Experimentos
Leia maisAvaliação de impacto de políticas públicas
Avaliação de impacto de políticas públicas Ernesto F. L. Amaral www.rand.org 1 Avaliação de políticas Melhorar projeto: estudar implementação, objetivos, correções de percurso, decisões sobre futuro Projeto
Leia maisAULAS 25 E 26 VARIÁVEIS INSTRUMENTAIS
1 AULAS 25 E 26 VARIÁVEIS INSTRUMENTAIS Ernesto F. L. Amaral 11 e 13 de junho de 2013 Técnicas Avançadas de Avaliação de Políticas Públicas (DCP 098) Fonte: Curso Técnicas Econométricas para Avaliação
Leia maisAnálise da Regressão múltipla: MQO Assintótico y = β 0 + β 1 x 1 + β x +... β k x k + u 3. Propriedades assintóticas Antes, propriedades sobre amostra
Análise da Regressão múltipla: MQO Assintótico Capítulo 5 do Wooldridge Análise da Regressão múltipla: MQO Assintótico y = β 0 + β 1 x 1 + β x +... β k x k + u 3. Propriedades assintóticas Antes, propriedades
Leia maisTópicos Extras 1ª parte. Testes Não Paramétricos, Análise Multivariada, Outras Técnicas
Tópicos Extras 1ª parte Testes Não Paramétricos, Análise Multivariada, Outras Técnicas 1 2 Técnicas de dependência 3 4 Situações Comparar 3 tipos de rede de computadores, C1, C2 e C3, em termos do tempo
Leia maisCap. 9 Comparação entre tratamentos
Estatística para Cursos de Engenharia e Informática Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 004 Cap. 9 Comparação entre tratamentos APOIO: Fundação de Apoio
Leia maisAULA 03 Estimativas e tamanhos amostrais
1 AULA 03 Estimativas e tamanhos amostrais 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
Leia maisDistribuições por Amostragem
Distribuições por Amostragem Departamento de Matemática Escola Superior de Tecnologia de Viseu (DepMAT ESTV) Distribuições por Amostragem 2007/2008 1 / 27 Introdução: População, amostra e inferência estatística
Leia maisUniversidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística. Introdução à Bioestatística Turma Nutrição.
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística Inferência Estatística: Inferência Básica Introdução à Bioestatística Turma Nutrição decidindo na presença
Leia maisDISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia
ROTEIRO 1. Introdução; DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL. Teorema Central do Limite; 3. Conceitos de estimação pontual; 4. Métodos de estimação pontual; 5. Referências. 1 POPULAÇÃO E AMOSTRA População:
Leia maisAula 9 - Tópicos Especiais
Aula 9 - Tópicos Especiais PhD. Wagner Hugo Bonat Laboratório de Estatística e Geoinformação-LEG Universidade Federal do Paraná 1/2017 Bonat, W. H. (LEG/UFPR) 1/2017 1 / 13 Comparação de duas médias Comparar
Leia maisFICHA DE COMPONENTE CURRICULAR
UNIVERSIDADE FEDERAL DE UBERLÂNDIA PROGRAMA DE PÓS-GRADUAÇÃO EM ADMINISTRAÇÃO FICHA DE COMPONENTE CURRICULAR CÓDIGO: FAGEN41037 COMPONENTE CURRICULAR: Tópicos Especiais IV em Gestão Organizacional e Regionalidade
Leia maisO que é população? O que é amostra? Curso de Bacharelado em Educação Física e Saúde
Curso de Bacharelado em Educação Física e Saúde Disciplina de Epidemiologia da Atividade Física Prof. Alex Antonio Florindo Prof. Douglas Andrade População e amostra O que é população e amostra; Tipos
Leia maisIntrodução à Bioestatística Turma Nutrição
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística Introdução à Bioestatística Turma Nutrição Aula 8: Intervalos de Confiança para Média e Proporção Distribuição
Leia mais1. Computação Evolutiva
Computação Bioinspirada - 5955010-1 1. Computação Evolutiva Prof. Renato Tinós Programa de Pós-Graduação Em Computação Aplicada Depto. de Computação e Matemática (FFCLRP/USP) 2 Computação Bioinspirada
Leia maisDelineamento e Análise Experimental Aula 3
Aula 3 Castro Soares de Oliveira Teste de hipótese Teste de hipótese é uma metodologia estatística que permite tomar decisões sobre uma ou mais populações baseando-se no conhecimento de informações da
Leia maisEstatística (MAD231) Turma: IGA. Período: 2017/2
Estatística (MAD231) Turma: IGA Período: 2017/2 Aula #01 de Probabilidade: 27/09/2017 1 Probabilidade: incerteza? como medir e gerenciar a Introdução Os jornais informaram que há uma chance de 60% de chover
Leia maisElaboração e Delineamento de Projetos
Universidade Federal de Goiás Programa de Pós-Graduação em Ecologia e Evolução Elaboração e Delineamento de Projetos www.ecologia.ufrgs.br/~adrimelo/planejamento Prof. Adriano S. Melo asm.adrimelo gmail.com
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Aula 7: Intervalos de Confiança com uma amostra Leitura obrigatória: Devore, cap 7 ou Montgomery e Runger, cap 8 Chap 8-1 Objetivos Como inferir sobre um parâmetro da população,
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 maisDesenhos de Estudos Epidemiológicos
UNIVERSIDADE FEDERAL DO RIO DE JANEIRO CENTRO DE CIÊNCIAS DA SAÚDE INSTITUTO DE ESTUDOS EM SAÚDE COLETIVA DESENHOS DE ESTUDOS EPIDEMIOLÓGICOS Desenhos de Estudos Epidemiológicos Profª. Amanda de Moura
Leia maisInferência. 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média. Renata Souza
Inferência 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média Renata Souza Aspectos Gerais A estatística descritiva tem por objetivo resumir ou descrever características importantes
Leia maisDesafios para a produção de conhecimento científico em educação à serviço das políticas públicas RICARDO A. MADEIRA (FEA-USP)
RICARDO MADEIRA Desafios para a produção de conhecimento científico em educação à serviço das políticas públicas RICARDO A. MADEIRA (FEA-USP) Roteiro 1. MOTIVAÇÃO 2. CONTRIBUIÇÕES DA CIÊNCIA PARA AVALIAÇÃO
Leia maisAULA 13 Análise de Regressão Múltipla: MQO Assimptótico
1 AULA 13 Análise de Regressão Múltipla: MQO Assimptótico Ernesto F. L. Amaral 15 de abril de 2010 Métodos Quantitativos de Avaliação de Políticas Públicas (DCP 030D) Fonte: Wooldridge, Jeffrey M. Introdução
Leia maisExemplo Placas Dentárias
Exemplo Placas Dentárias Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2016 G. A. Paula (IME-USP) Placas Dentárias 2 o Semestre 2016 1 / 20 Placas Dentárias
Leia maisPlanejamento de instalação de experimentos no campo
Planejamento de instalação de experimentos no campo Antonio Williams Moita Embrapa Hortaliças Goiânia, 28 de novembro de 2012 Experimentação Agrícola Histórico John Bennet Lawes - após prolongadas experimentações
Leia mais4. Experimentos em Blocos aleatorizados, quadrados latinos e experimentos relacionados. 4.4 Experimentos em Blocos Incompletos Balanceados
4. Experimentos em Blocos aleatorizados, quadrados latinos e experimentos relacionados 4.4 Experimentos em Blocos Incompletos Balanceados (EBIB) Em certos experimentos que usam blocos aleatorizados, podemos
Leia maisCentro Internacional de Pobreza (PNUD/IPEA) Fabio Veras Soares. Estimação do Impacto de Múltiplos Tratamentos e do. Escore de Propensão Generalizado
Estimação do Impacto de Múltiplos Tratamentos e do Efeito Dosagem: Escore de Propensão Generalizado Fabio Veras Soares Centro Internacional de Pobreza (PNUD/IPEA) Vimos nas aulas anteriores que o escore
Leia maisInstituto de Estudos Sociais e Políticos - IESP-UERJ Lego II - análise de dados quantitativos
Instituto de Estudos Sociais e Políticos - IESP-UERJ Lego II - análise de dados quantitativos Fernando Guarnieri fhguarnieri@iesp.uerj.br 2 o semestre 2017 1 Ementa O cientista político e o sociólogo,
Leia maisTestes de hipóteses. Wagner H. Bonat Fernando P. Mayer Elias T. Krainski
Testes de hipóteses Wagner H. Bonat Fernando P. Mayer Elias T. Krainski Universidade Federal do Paraná Departamento de Estatística Laboratório de Estatística e Geoinformação 07/06/2018 WB, FM, EK ( LEG/DEST/UFPR
Leia maisESTATÍSTICA EXPERIMENTAL. ANOVA. Aula 05
ESTATÍSTICA EXPERIMENTAL ANOVA. Aula 05 Introdução A ANOVA ou Análise de Variância é um procedimento usado para comparar a distribuição de três ou mais grupos em amostras independentes. A análise de variância
Leia maisAmostragem de estudantes para estudos de avaliação educacional no Brasil. Pedro Silva ENCE Escola Nacional de Ciências Estatísticas
Amostragem de estudantes para estudos de avaliação educacional no Brasil Pedro Silva ENCE Escola Nacional de Ciências Estatísticas Avaliação Educacional (Externa, Padronizada) Área de forte crescimento
Leia maisAULAS 20 E 21 ESCORE DE PROPENSÃO DE PAREAMENTO
1 AULAS 20 E 21 ESCORE DE PROPENSÃO DE PAREAMENTO Ernesto F. L. Amaral 21 e 23 de maio de 2013 Técnicas Avançadas de Avaliação de Políticas Públicas (DCP 098) Fonte: Curso Técnicas Econométricas para Avaliação
Leia maisCERTIFICAÇÃO E VALORIZAÇÃO DE PROFESSORES DA REDE ESTADUAL DO RIO DE JANEIRO
CERTIFICAÇÃO E VALORIZAÇÃO DE PROFESSORES DA REDE ESTADUAL DO RIO DE JANEIRO DESENHO DE AVALIAÇÃO DE IMPACTO Equipe Portunhol Tupiniquim 19 de Abril de 2013 Santiago, Chile 1 O Programa Professores que
Leia maisPlanejamento e pesquisa
Planejamento e pesquisa Introdução Lane Alencar Lane Alencar - Planejamento e Pesquisa 1-2 Pesquisa Experimental: o pesquisador pode interferir nos valores de variáveis explicativas, por exemplo, indicando
Leia maisLES0773 Estatística Aplicada III
LES0773 Estatística Aplicada III Prof. Luciano Rodrigues Aula 4 Departamento de Economia, Administração e Sociologia Escola Superior de Agricultura Luiz de Queiroz-ESAQ Universidade de São Paulo-USP lurodrig2209@gmail.com
Leia maisPredicting the Demographics of Twitter Users from Website Traffic Data
Predicting the Demographics of Twitter Users from Website Traffic Data Aluno: Jhonata Emerick Ramos Seminário da Disciplina de Inteligência Artificial Maio/2016 1 Conteúdo 1. Objetivos... 4 2. Dados...
Leia maisCapítulo 9 - Regressão Linear Simples (RLS): Notas breves
Capítulo 9 - Regressão Linear Simples RLS: Notas breves Regressão Linear Simples Estrutura formal do modelo de Regressão Linear Simples RLS: Y i = β 0 + β 1 x i + ε i, 1 onde Y i : variável resposta ou
Leia maisPolíticas Educacionais para Atingir as Metas
Políticas Educacionais para Atingir as Metas Naercio Aquino Menezes Filho Centro de Políticas Públicas Ibmec São Paulo e USP Metas de Educação - FGV - 27/04/2009 Roteiro 1) Introdução O papel da educação
Leia maisInferência Estatistica
Inferência Estatistica Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Modelos e Inferência Um modelo é uma simplificação da realidade (e alguns
Leia mais