UNIVERSIDADE FEDERAL FLUMINENSE. Programa de Mestrado e Doutorado em Engenharia de Produção. Disciplina: Estatística Multivariada
|
|
- Paula Manuella Fagundes Araújo
- 6 Há anos
- Visualizações:
Transcrição
1 UNIVERSIDADE FEDERAL FLUMINENSE Programa de Mestrado e Doutorado em Engenharia de Produção Disciplina: Estatística Multivariada Aula: Análise Discriminante Professor: Valdecy Pereira, D. Sc. valdecy.pereira@gmail.com
2 MVDA Aula 01) Introdução a MVDA e Revisão de Estatística. Aula 02) Pesquisa e Metodologia Científica. Aula 03) Análise Fatorial Exploratória. Aula 04) Escalonamento Multidimensional. Aula 05) Análise de Correspondência. Aula 06) Análise Discriminante. Aula 07) Regressão Linear Múltipla. Aula 08) Regressão Logística Binária. Aula 09) Regressão Logística Multinomial. Aula 10) Análise Fatorial Confirmatória.
3 Agenda 1. Introdução a DA & MDA 2. Funções Discriminantes 3. Premissas 4. Diagnóstico 5. SPSS 6. Referências 3
4 MVDA - Análise Discriminante A Análise Discriminante (DA Discrimant Analysis) é uma técnica usada para analisar as relações entre uma variável dependente não-métrica e variáveis independentes métricas ou dicotômicas. A DA usa as variáveis independentes métricas para poder distinguir os clusters (grupos ou categorias) da variável dependente não-métrica, ou seja, a técnica possui o objetivo de classificar objetos (casos) aos clusters com a ajuda das variáveis independentes. Quando a variável dependente não-métrica possui 2 clusters (grupos ou categorias) usamos a Análise Discriminante Simples, quando a variável dependente nãométrica possui 3 ou mais clusters (grupos ou categorias) usamos a Análise Discriminante Múltipla (MDA Multiple Discrimant Analysis). 4
5 MVDA - Análise Discriminante PREMISSAS Normalidade Multivariada: A Estatística é melhorada se as variáveis independentes possuírem normalidade multivariada ou a maior parte das variáveis independentes possuírem normalidade univariada. Multicolinearidade: A Estatística é melhorada se as variáveis independentes possuírem correlações com valores baixos. Valores altos de correlação indicam que as variáveis independentes são redundantes e uma delas deve ser descartada. Relação entre casos e clusters: n 20 pelo menos 20 casos (n) para cada g cluster (g). Relaxamento: 20 casos (n) por cada variável independente k. Homogeneidada da variância dos clusters: A Estatística é melhorada se os cluster possuírem variâncias parecidas. Se um dos clusters possuir uma maior variância do que outros, os casos (objetos) tenderão a ser classificados nele. Outliers: A Estatística é comprometida na presença de valores discrepantes para cada variável independente. 5
6 MVDA - Análise Discriminante A DA gera m funções discriminantes (Z m ) - combinações lineares das variáveis independentes - que ampliam a discriminação dos clusters da variável dependente não-métrica. Nem toda função discriminante é significativa, geralmente as duas primeiras são as mais importantes, e uma função discriminante é sempre ortogonal em relação as anteriores. O número máximo (M) mas apenas m são significativas de funções discriminantes é cálculado por: min = g 1; k g = Número de clusters da variável dependente não-métrica; k = Número total de variáveis independentes métricas ou dicotômicas. A função discriminante é definida por: Z m = B m0 + B m1 X B mk X k B 0 = Constante; X k = Variável independente k (Preditor k) métrica ou dicotômica; B mk = m-ésimo Coeficiente da Discrimante da variável independente k que maximiza a distância entre as médias dos clusters e minimiza a variância dentro dos mesmos. 6
7 MVDA - Análise Discriminante Seja: T = B + W T = Matriz da Soma dos Quadrados Total das Variáveis Independentes e Produto Cruzado; B = Matriz da Soma dos Quadrados entre os Clusters das Variáveis Independentes e Produto Cruzado; W = Matriz da Soma dos Quadrados dentro dos Clusters das Variáveis Independentes e Produto Cruzado. Seja também: W 1 BV = λv W 1 B λi V = 0 λ = Autovalor. Cada um é encontrado resolvendo-se o sistema W 1 B λi = 0; I = Matriz Identidade; V = Matriz de valores discriminantes intemediários. 7
8 MVDA - Análise Discriminante A valores discriminantes intemediários da matriz V possuem o formato: Onde: V m = v m0 + v m1 X v mk X k v m0 = k v mk X k A matriz V possui para cada autovalor infinitas soluções. No entanto os coeficientes discriminantes intermediários que originam os coeficientes da função discriminante são encontrados quando a razão entre soma dos quadrados entre clusters e soma dos quadrados dentro dos clusters é máxima. 8
9 MVDA - Análise Discriminante Finalmente os coeficientes discriminantes intermediários são calculados como: B mk = v mk n g e B m0 = k B mk X k n = Tamanho da amostra; X k = Média dos valores da variável independente k; g = Número de clusters. 9
10 MVDA - Análise Discriminante O centróide (coordenada central) do cluster g é obtido quando utilizamos a média de cada variável independentes k que pertença ao cluster g em cada função discriminante: Z gm = B m0 + B m1 X B mk X k ou Z gm = Z m Z m g Onde: Z gm = M-ésima coordenada do centróide g; Z m = Média dos valores da função discriminante para os casos de X k que pertençam a g; X k = Média da variável independente k (Preditor k) métrica ou dicotômica. 10
11 MVDA - Análise Discriminante DIAGNÓSTICO Lambda de Wilks para variáveis independentes (Λ k ) ou Estatística-U: A Estatística- U varia entre 0 e 1, e para cada variável independente ele verifica a existência da diferença de médias entre grupos. Quanto mais próximo de0, mais discriminante é a variável independente. Seu valor pode ser transformado para distribuição conhecida (Distribuição F), sendo possível então testar a seguinte hipótese: É calculado como: H 0 : A média dos clusters é igual H a : A média dos clusters não é igual Λ k = SS wk SS wk + SS bk SS wk = Soma dos quadrados (variação) dentro dos cluster da variável independente k. SS bk = Soma dos quadrados (variação) entre os cluster da variável independente k. 11
12 MVDA - Análise Discriminante DIAGNÓSTICO Situações em que Lambda de Wilks para variáveis independentes (Λ k ) apresenta uma Distribuição F: Variáveis Independentes (k) Clusters (g) Tranformação Graus de Liberdade (g. l) k 2 1 Λ k n k 1 Λ k k k 3 1 Λ k n k 2 Λ k k 1 Qualquer 1 Λ k Λ k n g g 2 Qualquer 1 Λ k n g 1 Λ k g k; n k 1 2k; 2(n k 1) g 1; n g 2 g 1 ; 2(n g 1) 12
13 MVDA - Análise Discriminante DIAGNÓSTICO Autovalor (λ z ): O autovalor indica para cada função discriminante o percentual total de variância explicada para cada função, ou seja, o quão importante é a função para que se consiga discriminar os clusters. Pode ser calculado como: λ z = SS bz SS wz SS bz = Soma dos quadrados (variação) entre os cluster da m-ésima função discriminante Z m. SS wz = Soma dos quadrados (variação) dentro dos cluster da m-ésima função discriminante Z m. 13
14 MVDA - Análise Discriminante DIAGNÓSTICO Correlação Canônica (R cz ou R z ): A correlação canônica mede a correlação entre cada função discriminante e os clusters. Quanto mais próximo de 1 é o valor da correlação canônica, mais discriminadora é a função. O quadrado da correlação canônica é análogo ao coeficiente de determinação e indica o total de variância explicada pela função discriminante. É calculada como: R cz = SS bz SS wz + SS bz 14
15 MVDA - Análise Discriminante DIAGNÓSTICO Teste χ 2 de Lambda de Wilks (Λ z ): O Teste χ 2 de Lambda de Wilks testa globalmente as funções discriminantes, e a cada etapa se retira uma função até que reste apenas a última (Ex: Para 3 funções discriminantes, testam-se as funções de 1 a 3, depois de 2 a 3, e finalmente só a 3), através da seguinte hipótese, com k(g 1) graus de liberdade (g. l): H 0 : A s função ões não é são significante s para discriminar os clusters H a : A s função ões é são significante s para discriminar os clusters A rejeição do teste de hipótese global indica que pelo menos a primeira função discriminante é significante. Quanto mais próximo de 0 é o valor do Lambda de Wilks, mais discriminadora é a função. É calculado como: 1 Λ z = 1 + λ z e χ 2 = n k + g 2 1 ln(λ z ) 15
16 MVDA - Análise Discriminante DIAGNÓSTICO Teste M de Box (Box s M): O teste M de Box verifica se a matriz de variânciacovariância de cada cluster é igual, através do seguinte teste de hipótese: H 0 : As matrizes de variância covariância são iguais H a : Pelo menos 1 matriz de variância covariância é diferente Seja a matriz de variância-covariância em pool (S pool ) das variáveis independentes calculada como: S pool = 1 g n g g (n g 1) S g 1 ; S g = E E n g k 1 ; S Total = E E n 1 S g = Matriz de variância-covariância do cluster g; S Total = Matriz de variância-covariância de todas as variáveis independentes k; E = Matriz dos valores das variáveis independentes menos o seu valor esperado. 16
17 MVDA - Análise Discriminante DIAGNÓSTICO O Teste M de Box (M Box ) é calculado como: e Onde: M Box = 1 c c = g g g (n g 1) ln S pool 1 n g 1 M Box ~χ 2 g. l ; g. l = g g 2k 2 + 3k 1 6 k + 1 (g 1) (n g 1) ln S g k k + 1 (g 1) 2 A aceitação da hipótese nula indica que a variância de cada cluster é homogênea. 17
18 MVDA - Análise Discriminante DIAGNÓSTICO O Teste M de Box não é considerado robusto e pode ser substituído pela Tabela de Determinante de Log, que indica a homogeneidade se os valores do determinante para cada cluster e do pool forem similares. Os valores são calculados como: LD g = ln S g 18
19 MVDA - Análise Discriminante DIAGNÓSTICO Coeficientes Discrimantes Padronizados (w mk ): Os Coeficientes Discriminantes Padronizados (μ = 0; σ = 1) permitem verficar a importância relativa (pesos) de cada variável independente. É calculado como: 2 w mk = B mk σ k Onde: = Coeficiente Discriminante Padronizado (μ = 0; σ = 1). w mk σ k 2 = Variância da variável independente k da matriz de variância-covariância em pool. 19
20 MVDA - Análise Discriminante DIAGNÓSTICO Matriz de Estruturas (ι km ): A Matriz de Estruturas fornece informações análogas as cargas fatoriais da Análise Fatorial Exploratória. Somente os valores 0,30 devem ser interpretados. É calculada como: Seja: ι mk = r ij w mk φ = S pool n g e r ij = φ ij i j φ ii φ jj 1 i = j ι km = Matriz de Correlação Estrutural da variável k com a função discriminante m (análogo a carga fatorial da Análise Fatorial Exploratória); φ = Matriz de transformação; r kl = Matriz de Correlação em pool das variáveis independentes k. 20
21 MVDA - Análise Discriminante DIAGNÓSTICO A Matriz de Correlação em pool (r kl ) também pode ser calcula como: r ij = D 1 S pool D 1 Seja: D 1 = 1 S poolii i j 0 i = j D 1 = Inversa da matriz diagonal da matriz de covariância. 21
22 MVDA - Análise Discriminante No processo de classificação a DA realiza a previsão de classificação gerando funções discriminantes lineares (C) que calculam para os objetos (casos), uma pontuação para cada cluster. O objeto é alocado para o cluster que possuir maior pontuação. A função discriminante linear - para cluster de tamanhos n g similares - é definida por: C gi = P g0 + P g1 X i1 + + P gk X ik i = Cada caso de uma amostra de tamanho n; P g0 = Constante do cluster g; C gi = Pontuação de cada cluster g pra cada caso i; X ik = Valor da variável independente k (Preditor k) métrica ou dicotômica para o caso i; P gk = Peso k do cluster g da variável independente X k. A função discriminante linear corrigida é utilizada para cluster de tamanhos n g diferentes: C gi = P g0 + P g1 X i1 + + P gk X ik + ln( n g n ) 22
23 MVDA - Análise Discriminante Os pesos da função discriminante linear (exceto a constante) é calculada como: P = X S pool 1 P = Matriz dos pesos (P gk ) da função discriminante linear (com exceção da constante P g0 ), onde as linhas são os pesos para cada variável independente k e as colunas são os clusters g; X = Matriz das médias dos clusters, onde as linhas são os clusters g e as colunas são as médias das variáveis independentes k ( x gk ). A constante (P g0 ) de cada função discriminante linear é calculada como: P g0 = ln n g n 1 2 x gk P gk 23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52 MVDA - Análise Discriminante 52
53 X X1 53
54 54
55 O SPSS fornece dois métodos para incluir variáveis: Insira independents juntos (analisa todas as variáveis de uma só vez) e Usar método stepwise (analisa a entrada e saída de variáveis independentes de acordo com uma regra). É necessário indicar o número que corresponde ao primeiro (Mínimo) e ao último (Máximo) grupo. O intervalo é discreto. 55
56 Médias: Apresenta a média e desvio padrão de cada variável independente e para cada cluster e o total. ANOVAs de apenas uma variável: Realiza o teste de Lambda de Wilks para as variáveis independentes e o F-ratio. M de Box: Realiza o teste Box s M e apresenta a Tabela de Determinante Log. Coeficientes de Fisher: Apresenta os Coeficientes Discriminantes Lineares de Fisher (classificadores). Coeficientes Não padronizados: Apresenta os Coeficientes Discriminantes de cada função discriminante significativa. Correlação dentro de grupos: Apresenta a correlação em pool das variáveis independentes. Covariância dentro de grupos: Apresenta a covariância em pool das variáveis independentes. Covariância de grupos separados: Apresenta a covariância das variáveis independentes dentro de cada cluster. Covariância Total: Apresenta a covariância total das variáveis independentes. 56
57 Lambda de Wilks: Seleciona as variáveis que entram se elas minimizarem, significantemente, o Lambda de Wilks do modelo. Variância inexplicada: Seleciona as variáveis que entram se elas minimizarem, significantemente, a variância inexplicada entre clusters. Distância de Mahalanobis: Seleciona as variáveis que entram baseadas nos casos de cada uma. Variáveis com muitos casos com valores discrepantes são excluídas. Menor razão F: Seleciona variáveis que a maximizam a menor razão F para a distância de Mahalanobis. V de Rao: Também conhecido como Traço de Lawley-Hotelling e que mede a distância entre clusters. Uma varável é selecionada se aumentar significantemente o valor de V de Rao. Usar valor F: O valor da entrada deve ser maior do que o valor da remoção. Uma variável é selecionada para um valor maior ou igual ao valor de entrada e excluída para um valor menor ou igual ao valor de remoção. Usar probailidade F: O valor de significância de entrada deve ser maior do que valor de significância remoção. Uma variável é selecionada para um valor menor ou igual a significância de entrada e excluída para um valor maior ou57igual a significância de remoção.
58 Todos os grupos iguais: Selecione essa opção caso os clusters possuam tamanhos iguais. Calcular a partir de tamanhos de grupo: Selecione essa opção caso os clusters possuam tamanhos diferentes, para que a classificação seja ajustada. Resultado por caso: Apresenta a classificação para cada caso. Tabela Resumo: Apresenta o Hit Ratio ou Matriz de Confusão (Percentual de erros e acertos). Classificação com exclusão de um item: Classificação do caso se o mesmo fosse excluído pelo modelo e depois previsto (Validação Cruzada). Dentro de grupos: A matriz de covariância em pool é utilizada. Grupos separados: A matriz de covariância das funções discriminantes de cada cluster é utilizada (utilize essa opção se os clusters não forem homogêneos). Grupos combinados: Apresenta o gráfico com todos os clusters para as primeiras duas funções discriminantes. Grupos separados: Apresenta o gráfico individual de cada cluster para as primeiras duas funções discriminantes. 58 Mapa territorial: Apresenta o mapa territorial, quando a variável dependente possui 3 clusters o mais.
59 Associação de grupo prevista: Indica a qual cluster o caso pretence. Pontuações de discriminante: Apresenta o valor de cada função discriminante para cada caso. Probabilidades de associação do grupo: Apresenta a probabilidade de um caso pertencer a um cluster, baseado no valor da função discriminante linear. 59
60 60
61 MVDA - Análise Discriminante 61
62 62
63 63
64 64
65 A Posição indica o número de variáveis independentes. 65
66 66
67 67
68 68
69 69
70 70
71 71
72 72
73 73
74 74
75 75
76 76
77 77
78 X X1 78
79 79
80 Referências BRUNI, A. L. SPSS Aplicado à Pesquisa Acadêmica. ATLAS, CORRAR, L.J.; PAULO, E.; DIAS FILHO, J. M. Análise Multivariada para Cursos de Administração, Ciências Contábeis e Economia. ATLAS, FÁVERO, L. P.; BELFIORE, P.; SILVA, F. L.; CHAN, B. Análise de Dados: Modelagem Multivariada para Tomada de Decisões. CAMPUS, HAIR, J. F.; BLACK, W. C.; BABIN, B. J.; ANDERSON, R. E.; TATHAM, R. L. Análise Multivariada de Dados. BOOKMAN, LATTIN, J.; CARROLL, J. D.; GREEN, P. E. Análise de Dados Multivariados. CENGAGE Learning, LEVINE, D. M.; STEPHAN, D. F.; KREHBIEL, T. C.; BERENSON, M. L. Estatística - Teoria e Aplicações - Usando Microsoft Excel. LTC, 2012.
UNIVERSIDADE FEDERAL FLUMINENSE. Programa de Mestrado e Doutorado em Engenharia de Produção. Disciplina: Estatística Multivariada
UNIVERSIDADE FEDERAL FLUMINENSE Programa de Mestrado e Doutorado em Engenharia de Produção Disciplina: Estatística Multivariada Aula: Introdução a MVDA e Revisão Estatística Professor: Valdecy Pereira,
Leia maisUNIVERSIDADE FEDERAL FLUMINENSE. Programa de Mestrado e Doutorado em Engenharia de Produção. Disciplina: Estatística Multivariada
UNIVERSIDADE FEDERAL FLUMINENSE Programa de Mestrado e Doutorado em Engenharia de Produção Disciplina: Estatística Multivariada Aula: Análise Fatorial Exploratória Professor: Valdecy Pereira, D. Sc. /
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 maisAnálise Discriminante
Universidade Técnica de Lisboa INSTITUTO SUPERIOR DE ECONOMIA E GESTÃO Informática e Sistemas de Informação Aplicados em Economia Análise Discriminante Análise Discriminante 1 Análise discriminante - A
Leia maisUNIVERSIDADE FEDERAL FLUMINENSE. Programa de Mestrado e Doutorado em Engenharia de Produção. Disciplina: Estatística Multivariada
UNIVERSIDADE FEDERAL FLUMINENSE Programa de Mestrado e Doutorado em Engenharia de Produção Disciplina: Estatística Multivariada Aula: Escalonamento Multidimensional Professor: Valdecy Pereira, D. Sc. /
Leia maisANÁLISE DISCRIMINANTE (MÓDULO I)
Universidade Federal do Pará Instituto de Ciências Exatas e Naturais Faculdade de Estatística Estatística Aplicada ANÁLISE DISCRIMINANTE (MÓDULO I) Franciely Farias da Cunha (201007840014), aluna do curso
Leia maisProfessora: Cira Souza Pitombo. Disciplina: Aplicações de técnicas de análise de dados
UNIVERSIDADE FEDERAL DA BAHIA ESCOLA POLITÉCNICA MESTRADO EM ENGENHARIA AMBIENTAL E URBANA Apresentação do Curso Introdução Professora: Cira Souza Pitombo Disciplina: Aplicações de técnicas de análise
Leia mais29 e 30 de julho de 2013
Programa de Pós-Graduação em Estatística e Experimentação Agronômica ESALQ/USP 29 e 30 de julho de 2013 Dia 2 - Conteúdo 1 2 3 Dados multivariados Estrutura: n observações tomadas de p variáveis resposta.
Leia maisÍNDICE. Variáveis, Populações e Amostras. Estatística Descritiva PREFÁCIO 15 NOTA À 3ª EDIÇÃO 17 COMO USAR ESTE LIVRO? 21 CAPÍTULO 1 CAPÍTULO 2
COMO USAR ESTE LIVRO ÍNDICE PREFÁCIO 15 NOTA À 3ª EDIÇÃO 17 COMO USAR ESTE LIVRO? 21 CAPÍTULO 1 Variáveis, Populações e Amostras 1.1. VARIÁVEIS ESTATÍSTICAS E ESCALAS DE MEDIDA 27 1.2. POPULAÇÃO VS. AMOSTRA
Leia maisEstatística Aplicada à Administração II
Estatística Aplicada à Administração II Tópico: Análise Discriminante (No SPSS e no Minitab) Bibliografia: R.A. Johnson, Applied Multivariate Statistical Analysis, Prentice Hall, 1992 L.J. Corrar; E. Paulo;
Leia maisESTUDO COMPARATIVO DOS ESCORES FATORIAIS E DE COMPONENTES PRINCIPAIS EM DADOS ARQUEOMÉTRICOS.
ESTUDO OMPRTIVO DOS ESORES FTORIIS E DE OMPONENTES PRINIPIS EM DDOS RQUEOMÉTRIOS. P.T.M.S. Oliveira, IME-USP,poliveir@ime.usp.br.. S. Munita, IPEN-NEN/SP, munita@curiango.ipen.br RESUMO: Em estudos arqueométricos
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 maisMineração de Dados. Análise e Seleção de Variáveis
Mineração de Dados Análise e Seleção de Variáveis 1 Análise e Seleção de Variáveis Parte da uma área chamada de Redução de Dados Obtenção de uma representação reduzida em volume mas que produz resultados
Leia maisTécnicas Multivariadas em Saúde. Vetores Aleatórios. Métodos Multivariados em Saúde Roteiro. Definições Principais. Vetores aleatórios:
Roteiro Técnicas Multivariadas em Saúde Lupércio França Bessegato Dep. Estatística/UFJF 1. Introdução 2. Distribuições de Probabilidade Multivariadas 3. Representação de Dados Multivariados 4. Testes de
Leia maisSeminário de Análise Multivariada
Seminário de Análise Multivariada Capítulo 1 - Introdução Conteúdo 1 Introdução 1 11 Aplicações de Técnicas Multivariadas 2 12 Organização de Dados 3 121 Arranjos 3 122 Exemplo 11 - Seleção de recibos
Leia maisAULA 09 Regressão. Ernesto F. L. Amaral. 17 de setembro de 2012
1 AULA 09 Regressão Ernesto F. L. Amaral 17 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario F. 2008. Introdução à
Leia maisÍNDICE Janelas Menus Barras de ferramentas Barra de estado Caixas de diálogo
XXXXXXXX ÍNDICE INTRODUÇÃO 15 1. VISÃO GERAL DO SPSS PARA WINDOWS 17 1.1. Janelas 17 1.2. Menus 20 1.3. Barras de ferramentas 21 1.4. Barra de estado 21 1.5. Caixas de diálogo 22 2. OPERAÇÕES BÁSICAS 23
Leia maisRalph S. Silva
ANÁLISE ESTATÍSTICA MULTIVARIADA Ralph S Silva http://wwwimufrjbr/ralph/multivariadahtml Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Revisão:
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 maisTécnicas Multivariadas em Saúde
Roteiro Técnicas Multivariadas em Saúde Lupércio França Bessegato Dep. Estatística/UFJF 1. Introdução 2. Distribuições de Probabilidade Multivariadas 3. Representação de Dados Multivariados 4. Testes de
Leia maisAnálise Fatorial Exploratória (AFE) Disciplina: Medidas em Psicologia Professora: Ana Carolina Rodrigues
Análise Fatorial Exploratória (AFE) Disciplina: Medidas em Psicologia Professora: Ana Carolina Rodrigues O que é análise fatorial? É uma técnica de interdependência, cujo propósito principal é definir
Leia mais1 Introdução aos Métodos Estatísticos para Geografia 1
1 Introdução aos Métodos Estatísticos para Geografia 1 1.1 Introdução 1 1.2 O método científico 2 1.3 Abordagens exploratória e confirmatória na geografia 4 1.4 Probabilidade e estatística 4 1.4.1 Probabilidade
Leia maisLes-0773: ESTATÍSTICA APLICADA III ANÁLISE DE AGRUPAMENTO. Junho de 2017
Les-0773: ESTATÍSTICA APLICADA III ANÁLISE DE AGRUPAMENTO AULA 4 02/06/17 Prof a Lilian M. Lima Cunha Junho de 2017 DEFINIÇÃO Análise de conglomerados (Cluster Analysis) é uma das técnicas de análise multivariada
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 maisCURTA DURAÇÃO APLICAÇÕES DE ESTATÍSTICA
CURTA DURAÇÃO APLICAÇÕES DE ESTATÍSTICA OBJETIVO O curso tem como objetivo apresentar algumas técnicas de estatística aplicada utilizar a na análise de dados. PERFIL DO ALUNO Destina-se a executivos das
Leia maisCONHECIMENTOS ESPECÍFICOS
fonte de graus de soma de quadrado variação liberdade quadrados médio teste F regressão 1 1,4 1,4 46,2 resíduo 28 0,8 0,03 total 2,2 A tabela de análise de variância (ANOVA) ilustrada acima resulta de
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 mais4. ANÁLISE DOS RESULTADOS DA PESQUISA
68 4. ANÁLISE DOS RESULTADOS DA PESQUISA Conforme já comentado, este estudo visa analisar a relação entre o EVA e o retorno das ações no mercado acionário brasileiro, através da aplicação de dois modelos
Leia maisDisciplina de Modelos Lineares Professora Ariane Ferreira
Disciplina de Modelos Lineares 2012-2 Regressão Logística Professora Ariane Ferreira O modelo de regressão logístico é semelhante ao modelo de regressão linear. No entanto, no modelo logístico a variável
Leia maisANÁLISE DISCRIMINANTE. Análise discriminante. Função discriminante. Análise de agrupamentos e Análise das componentes principais
Análise de agrupamentos e Análise das componentes principais Ambas as análises são técnicas de redução de dados. ANÁLISE DISCRIMINANTE Objetivo da análise de agrupamentos é formar grupos, reduzindo o número
Leia maisAnálise de dados, tipos de amostras e análise multivariada
Les-0773: ESTATÍSTICA APLICADA III Análise de dados, tipos de amostras e análise multivariada AULA 1 12/05/17 Prof a Lilian M. Lima Cunha Maio de 2017 Introdução O que significa o termo estatística? No
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 maisMOQ 13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ 13 PROBABILIDADE E ESTATÍSTICA Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semanas 1 3 4 5 6 7 8 9 10 11 1 13 14 15 e 16 Introdução à probabilidade (eventos,
Leia maisMÉTODOS QUANTITATIVOS APLICADOS. Prof. Danilo Monte-Mor
MÉTODOS QUANTITATIVOS APLICADOS Prof. Danilo Monte-Mor Métodos Quantitativos Aulas 1 e 2 Análise Exploratória de Dados 2 Danilo Soares Monte Mor Currículum Vitae Prof. Dr. e especialista em Métodos Quantitativos
Leia maisEstatística Aplicada II. } Correlação e Regressão
Estatística Aplicada II } Correlação e Regressão 1 Aula de hoje } Tópicos } Correlação e Regressão } Referência } Barrow, M. Estatística para economia, contabilidade e administração. São Paulo: Ática,
Leia maisVariância pop. * conhecida Teste t Paramétrico Quantitativa Distribuição normal Wilcoxon (teste dos sinais, Wilcoxon p/ 1 amostra)
Testes de Tendência Central (média, mediana, proporção) Classificação Variável 1 Variável 2 Núm ero Gru pos Dependência Teste Z Paramétrico Quantitativa - 1 - Premissas Variância pop. * conhecida Teste
Leia maisAnálise de Correspondência (ANACOR)
Universidade de São Paulo Faculdade de Economia, Administração e Contabilidade EAC 0355 Análise Multivariada Análise de Correspondência (ANACOR) F 1 1 INTRODUÇÃO ANACOR: A ANÁLISE DE CORRESPONDÊNCIA SIMPLES
Leia maisMétodos Empíricos de Pesquisa I. } Análise Bidimensional
Métodos Empíricos de Pesquisa I } Análise Bidimensional 1 Aula de hoje } Temas } Associação entre variáveis } Qualitativas e Quantitativas } Covariância: conceitos e propriedades } Coeficiente de correlação
Leia maisAnálise estatística multivariada
Análise estatística multivariada Conjunto de procedimentos para a análise simultânea de duas ou mais medidas de cada caso/observação Os dados coletados p variáveis - de uma amostra de tamanho n podem ser
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 maisInstituto Nacional de Pesquisas Espaciais - INPE. Divisão de Processamento de Imagens - DPI
1 Sumário 2 Introdução Técnicas de ESDA Matrizes de Proximidade Espacial Média Espacial Móvel (m i ) Indicadores Globais de Autocorrelação Espacial Índices Globais de Moran (I), Geary (C) e Getis e Ord
Leia mais2 Processo de Agrupamentos
20 2 Processo de Agrupamentos A análise de agrupamentos pode ser definida como o processo de determinação de k grupos em um conjunto de dados. Para entender o que isso significa, observe-se a Figura. Y
Leia maisRalph S. Silva
ANÁLISE ESTATÍSTICA MULTIVARIADA Ralph S. Silva http://www.im.ufrj.br/ralph/multivariada.html Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário
Leia maisFaculdade de Economia, Administração e Contabilidade da Universidade de São Paulo. Disciplina: EAD 351. Técnicas Estatísticas de Agrupamento
Faculdade de Economia, Administração e Contabilidade da Universidade de São Paulo Disciplina: EAD 351 Técnicas Estatísticas de Agrupamento Análise Fatorial Tem o objetivo de obter um número menor de variáveis
Leia maisMAE Introdução à Probabilidade e Estatística II Resolução Lista 5
MAE 229 - Introdução à Probabilidade e Estatística II Resolução Lista 5 Professor: Pedro Morettin e Profa. Chang Chian Exercício 1 (a) De uma forma geral, o desvio padrão é usado para medir a dispersão
Leia maisPressuposições à ANOVA
UNIVERSIDADE FEDERAL DE RONDÔNIA CAMPUS DE JI-PARANÁ DEPARTAMENTO DE ENGENHARIA AMBIENTAL Estatística I - UNIR Estatística II Pressuposições à ANOVA Prof. a Renata Gonçalves Aguiar 1 2 A análise de variância
Leia maisANÁLISE DISCRIMINANTE
ANÁLISE DISCRIMINANTE 56 ª Reunião Anual da Região Brasileira da Sociedade Internacional de Biometria 4 º Simpósio de Estatística Aplicada à Experimentação Agronômica Prof. Edwirde L. Silva 5 A 9 de Julho
Leia maisMario de Andrade Lira Junior
Mario de Andrade Lira Junior www.lira.pro.br 1 Apenas uma breve apresentação Para não dizerem que nunca viram Um conjunto de técnicas de análise que usa diversas variáveis dependentes simultaneamente Mais
Leia mais1 Que é Estatística?, 1. 2 Séries Estatísticas, 9. 3 Medidas Descritivas, 27
Prefácio, xiii 1 Que é Estatística?, 1 1.1 Introdução, 1 1.2 Desenvolvimento da estatística, 1 1.2.1 Estatística descritiva, 2 1.2.2 Estatística inferencial, 2 1.3 Sobre os softwares estatísticos, 2 1.4
Leia maisSéries Temporais e Modelos Dinâmicos. Econometria. Marcelo C. Medeiros. Aula 9
em Econometria Departamento de Economia Pontifícia Universidade Católica do Rio de Janeiro Aula 9 Data Mining Equação básica: Amostras finitas + muitos modelos = modelo equivocado. Lovell (1983, Review
Leia maisPÓS-GRADUAÇÃO ANÁLISE DE DATA MINING
PÓS-GRADUAÇÃO ANÁLISE DE DATA MINING OBJETIVOS Na era da informação, as empresas capturam e armazenam muitos dados, e existe a real necessidade da aplicação de técnicas adequadas para a rápida tomada de
Leia maisANÁLISE DISCRIMINANTE. Análise discriminante. Função discriminante. Análise de agrupamentos e Análise das componentes principais
Análise de agrupamentos e Análise das componentes principais Ambas as análises são técnicas de redução de dados. ANÁLISE DISCRIMINANTE Objetivo da análise de agrupamentos é formar grupos, reduzindo o número
Leia maisAnálise de Correlação Canônica
Análise de Correlação Canônica Objetivos de aprendizagem Ao concluir este capítulo, você deverá ser capaz de: Enunciar as semelhanças e diferenças entre regressão múltipla, análise fatorial, análise discriminante
Leia maisModelo de Regressão Múltipla
Modelo de Regressão Múltipla Modelo de Regressão Linear Simples Última aula: Y = α + βx + i i ε i Y é a variável resposta; X é a variável independente; ε representa o erro. 2 Modelo Clássico de Regressão
Leia mais9 Correlação e Regressão. 9-1 Aspectos Gerais 9-2 Correlação 9-3 Regressão 9-4 Intervalos de Variação e Predição 9-5 Regressão Múltipla
9 Correlação e Regressão 9-1 Aspectos Gerais 9-2 Correlação 9-3 Regressão 9-4 Intervalos de Variação e Predição 9-5 Regressão Múltipla 1 9-1 Aspectos Gerais Dados Emparelhados há uma relação? se há, qual
Leia maisAula 2 Uma breve revisão sobre modelos lineares
Aula Uma breve revisão sobre modelos lineares Processo de ajuste de um modelo de regressão O ajuste de modelos de regressão tem como principais objetivos descrever relações entre variáveis, estimar e testar
Leia maisAULA 07 Regressão. Ernesto F. L. Amaral. 05 de outubro de 2013
1 AULA 07 Regressão Ernesto F. L. Amaral 05 de outubro de 2013 Centro de Pesquisas Quantitativas em Ciências Sociais (CPEQS) Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas
Leia maisANÁLISE DE COMPONENTES PRINCIPAIS/PCA ou ACP
Procedimento para a determinação de novas variáveis (componentes) que expliquem a maior variabilidade possível existente em uma matriz de dados multidimensionais. ANÁLISE DE COMPONENTES PRINCIPAIS/PCA
Leia maisECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc.
ECONOMETRIA Prof. Patricia Maria Bortolon, D. Sc. Cap. 10 Multicolinearidade: o que acontece se os regressores são correlacionados? Fonte: GUJARATI; D. N. Econometria Básica: 4ª Edição. Rio de Janeiro.
Leia maisMétodos Quantitativos Aplicados
Métodos Quantitativos Aplicados Aula 10 http://www.iseg.utl.pt/~vescaria/mqa/ Tópicos apresentação Análise Regressão: Avaliação de relações de dependência em que se explica o comportamento de uma/várias
Leia maisAGA Análise de Dados em Astronomia I 7. Modelagem dos Dados com Máxima Verossimilhança: Modelos Lineares
1 / 0 AGA 0505- Análise de Dados em Astronomia I 7. Modelagem dos Dados com Máxima Verossimilhança: Modelos Lineares Laerte Sodré Jr. 1o. semestre, 018 modelos modelagem dos dados dado um conjunto de dados,
Leia maisMestrado Profissional em Administração. Disciplina: Análise Multivariada Professor: Hedibert Freitas Lopes 1º trimestre de 2015
Mestrado Profissional em Administração Disciplina: Análise Multivariada Professor: Hedibert Freitas Lopes º trimestre de 05 Inferência Multivariada MANOVA MANLY, Cap. 4 HAIR et al., Cap. 6 Exemplo Uma
Leia maisi j i i Y X X X i j i i i
Mario de Andrade Lira Junior lira.pro.br\wordpress lira.pro.br\wordpress Diferença Regressão - equação ligando duas ou mais variáveis Correlação medida do grau de ligação entre duas variáveis Usos Regressão
Leia maisRAD5017 Estatística II Aula 2 Análise Fatorial (Conceitos Teóricos) 1. Validade (definição do conceito) x Confiabilidade (consistência da medida)
Aula 2 Análise Fatorial (Conceitos Teóricos) 1 Conceitos importantes: Validade (definição do conceito) x Confiabilidade (consistência da medida) Análise Fatorial Técnica adequada para analisar os padrões
Leia maisMestrado Profissional em Administração. Disciplina: Análise Multivariada Professor: Hedibert Freitas Lopes 1º trimestre de 2015
Mestrado Profissional em Administração Disciplina: Análise Multivariada Professor: Hedibert Freitas Lopes 1º trimestre de 2015 Análise Discriminante MANLY, Cap. 8 HAIR et al., Cap. 5 2 Objetivos o Construir
Leia maisTécnicas Multivariadas em Saúde
Roteiro Técnicas Multivariadas em Saúde Lupércio França Bessegato Dep. Estatística/UFJF 1. Introdução 2. Distribuições de Probabilidade Multivariadas 3. Representação de Dados Multivariados 4. Testes de
Leia maisSCC0173 Mineração de Dados Biológicos
SCC073 Mineração de Dados Biológicos Análise Exploratória de Dados Parte A: Revisão de Estatística Descritiva Elementar Prof. Ricardo J. G. B. Campello SCC / ICMC / USP Tópicos Análise Exploratória de
Leia maisDisciplina de Modelos Lineares
Disciplina de Modelos Lineares 2012-2 Seleção de Variáveis Professora Ariane Ferreira Em modelos de regressão múltipla é necessário determinar um subconjunto de variáveis independentes que melhor explique
Leia maisAnálise e Previsão de Séries Temporais Aula 1: Introdução às séries temporais. Eraylson Galdino
Análise e Previsão de Séries Temporais Aula 1: Introdução às séries temporais egs@cin.ufpe.br Agenda Séries Temporais: Definições Exemplos Modelos simples com média zero: Ruído I.I.D Processo Binário Random
Leia maisG3 de Álgebra Linear I
G3 de Álgebra Linear I 2.2 Gabarito ) Considere a matriz 4 N = 4. 4 Observe que os vetores (,, ) e (,, ) são dois autovetores de N. a) Determine uma forma diagonal D de N. b) Determine uma matriz P tal
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 maisi j i i Y X X X i j 1 i 2 i i
Mario de Andrade Lira Junior lira.pro.br\wordpress lira.pro.br\wordpress Diferença Regressão - equação ligando duas ou mais variáveis Correlação medida do grau de ligação entre duas variáveis Usos Regressão
Leia maisFundação Oswaldo Cruz Escola Nacional de Saúde Pública Departamento de Epidemiologia. Estatística espacial. Áreas
Fundação Oswaldo Cruz Escola Nacional de Saúde Pública Departamento de Epidemiologia Estatística espacial Áreas Áreas Na análise de áreas o atributo estudado é em geral resultando de uma contagem ou um
Leia maisEstatística: Aplicação ao Sensoriamento Remoto SER ANO Componentes Principais
Estatística: Aplicação ao Sensoriamento Remoto SER 4 - ANO 9 Componentes Principais Camilo Daleles Rennó camilorenno@inpebr http://wwwdpiinpebr/~camilo/estatistica/ Associação entre Variáveis r = < r
Leia mais5 Análise dos resultados
5 Análise dos resultados Os dados foram analisados utilizando o software SPSS (Statistical Package for Social Sciences) base 18.0. Para Cooper e Schindler (2003) a análise de dados envolve a redução de
Leia maisG4 de Álgebra Linear I
G4 de Álgebra Linear I 27.1 Gabarito 1) Considere a base η de R 3 η = {(1, 1, 1); (1,, 1); (2, 1, )} (1.a) Determine a matriz de mudança de coordenadas da base canônica para a base η. (1.b) Considere o
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semana Conteúdo 1 Apresentação da disciplina. Princípios de modelos lineares
Leia maisTransformações e Ponderação para corrigir violações do modelo
Transformações e Ponderação para corrigir violações do modelo Diagnóstico na análise de regressão Relembrando suposições Os erros do modelo tem média zero e variância constante. Os erros do modelo tem
Leia maisAnálise de dados multivariados I
Análise de dados multivariados I Tópico: Análise de Conglomerados ou Agrupamentos (ou ainda, Cluster Analysis) Bibliografia: R.A. Johnson, Applied Multivariate Statistical Analysis, Prentice Hall, 199
Leia maisvariável dependente natureza dicotômica ou binária independentes, tanto podem ser categóricas ou não estimar a probabilidade associada à ocorrência
REGRESSÃO LOGÍSTICA É uma técnica recomendada para situações em que a variável dependente é de natureza dicotômica ou binária. Quanto às independentes, tanto podem ser categóricas ou não. A regressão logística
Leia maisCORRELAÇÃO E REGRESSÃO
CORRELAÇÃO E REGRESSÃO Permite avaliar se existe relação entre o comportamento de duas ou mais variáveis e em que medida se dá tal interação. Gráfico de Dispersão A relação entre duas variáveis pode ser
Leia maisANÁLISE DE COMPONENTES PRINCIPAIS/PCA ou ACP
Procedimento para a determinação de novas variáveis (componentes) que expliquem a maior variabilidade possível existente em uma matriz de dados multidimensionais. ANÁLISE DE COMPONENTES PRINCIPAIS/PCA
Leia mais1 - Noções de álgebra matricial
1 - Noções de álgebra matricial Apêndice A Revisão de alguns conceitos estatísticos Apêndice B Rudimentos de álgebra matricial Representação vetorial de um problema ecológico E1 E2 S1 X 11 X 12 S2 X 21
Leia maisProfissinais que desejam adquirir ou aprimorar seus conhecimentos em modelagem de dados, analytics e estatística aplicada
MBA ANALYTICS OBJETIVOS Na era da informação, as empresas capturam e armazenam muitos dados, e existe a real necessidade da aplicação de técnicas adequadas para a rápida tomada de decisão com base nas
Leia maisEstatística Aplicada II. } Regressão Linear
Estatística Aplicada II } Regressão Linear 1 Aula de hoje } Tópicos } Regressão Linear } Referência } Barrow, M. Estatística para economia, contabilidade e administração. São Paulo: Ática, 007, Cap. 7
Leia maisECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc.
ECONOMETRIA Prof. Patricia Maria Bortolon, D. Sc. Cap. 8 Análise de Regressão Múltipla: o Problema da Inferência Fonte: GUJARATI; D. N. Econometria Básica: 4ª Edição. Rio de Janeiro. Elsevier- Campus,
Leia maisDelineamento e Análise Experimental Aula 4
Aula 4 Castro Soares de Oliveira ANOVA Significativa Quando a aplicação da análise de variância conduz à rejeição da hipótese nula, temos evidência de que existem diferenças entre as médias populacionais.
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 maisREGRESSÃO E CORRELAÇÃO
REGRESSÃO E CORRELAÇÃO A interpretação moderna da regressão A análise de regressão diz respeito ao estudo da dependência de uma variável, a variável dependente, em relação a uma ou mais variáveis explanatórias,
Leia maisAnálise da Regressão. Prof. Dr. Alberto Franke (48)
Análise da Regressão Prof. Dr. Alberto Franke (48) 91471041 O que é Análise da Regressão? Análise da regressão é uma metodologia estatística que utiliza a relação entre duas ou mais variáveis quantitativas
Leia maisExemplo 1: Variáveis padronizadas Z t = ( Z 1 (1), Z 2 (1), Z 1 (2), Z 2 Z 1 (1) Z (1) = Z (2) = Z 2. Matriz de correlações:
Exemplo : Variáveis padronizadas t = (,,, ) = = Matriz de correlações: Ρ Ρ Ρ Ρ Ρ.0 0.4 0.5 0.6 0.4.0 0.3 0.4 0.5 0.3.0 0. 0.6 0.4 0..0 De onde se obtém: /.068 0.9.047 0.083 Ρ Ρ 0.9.068 0.083.047 Ρ / /
Leia maisMultivariada de dados aplicada à administração
Multivariada de dados aplicada à administração PROFA. DRA. LUCIANA ORANGES CEZARINO -AULA PPGAO/FEARP 2017 11 1 AGENDA 26/7 14h: Apresentações 14:15h 15:45h: Técnicas da pesquisa quantitativa : AF e Regressão
Leia maisSumário. Prefácio, xix Apresentação, xxi
Prefácio, xix Apresentação, xxi 1 Introdução à Análise Multivariada (Adriano Rodrigues e Edilson Paulo), 1 1.1 Análise multivariada: conceitos e técnicas, 2 1.2 Exame gráfico dos dados, 10 1.2.1 Exemplo
Leia maisDiscriminação e Classificação
Semana da Estatística 2016 - Roteiro 1. Introdução 2. Classificação e Discriminação 3. Análise Discriminante 4. Regressão Logística Multinomial 5. Outras Abordagens 6. Referências Lupércio França Bessegato
Leia maisMÉTODOS MULTIVARIADOS. Rodrigo A. Scarpel
MÉTODOS MULTIVARIADOS Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo INTRODUÇÃO Semana Conteúdo Introdução aos métodos multivariados 1 Análise de componentes principais 2 Aplicações de análise
Leia maisSensoriamento Remoto II
Sensoriamento Remoto II Componentes principais Revisão de matemática Análise de componentes principais em SR UFPR Departamento de Geomática Prof. Jorge Centeno 2016 copyright@ centenet Revisão matemática
Leia maisEstatística Aplicada I. } Análise Bidimensional
Estatística Aplicada I } Análise Bidimensional 1 Aula de hoje } Temas } Associação entre variáveis } Qualitativas e Quantitativas } Covariância: conceitos e propriedades } Coeficiente de correlação } Observações
Leia maisTRANSFORMAÇÕES. 1 Tornar comparáveis descritores medidos em diferentes unidades
TRANSFORMAÇÕES Razões para transformar os dados antes das análises: 1 Tornar comparáveis descritores medidos em diferentes unidades Isso é feito através da padronização (Standardization), que significa
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 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 mais