Previsão de demanda quantitativa Regressão linear Regressão múltiplas Exemplos Exercícios

Tamanho: px
Começar a partir da página:

Download "Previsão de demanda quantitativa Regressão linear Regressão múltiplas Exemplos Exercícios"

Transcrição

1 Objetvos desta apresetação Plaejameto de produção: de Demada Aula parte Mauro Osak TES/ESALQ-USP Pesqusador do Cetro de Estudos Avaçados em Ecooma Aplcada Cepea/ESALQ/USP de demada quattatva Regressão lear Regressão múltplas Eemplos Eercícos Foe: - Fa: - E-mal: mosak@esalq.usp.br Referecal teórco Modelo geral da admstração da produção CHASE, R.B; JACOBS, F.R.; AQUALIANO, N.J. Admstração da produção para a vatagem compettva. 0 ed. Porto Alegre: Bookma, 00 CAP.. SLACK, N., CHAMBERS, S., HARLAND, C., JOHNSTON, R., Admstração da produção. ed. São Paulo: Atlas, 00 Iput Recursos a serem trasformados Matéras Iformações Cosumdores Iput Istalações Pessoas Ambete Projeto Estratéga de Produção Admstração da produção Plaejameto e Cotrole Objetvos estratégcos da produção Estratéga da produção Melhora Papel e posção compettva da produção Output Bes e Servços Iput Recursos de trasformação Ambete Fote: Slack et. al (00) Uso de Regressão: Aálse de Regressão Lear Regressão Lear Smples As varáves depedetes guardam uma relação lear com uma varável depedete. Regressão Lear Múltpla A varável depedete guarda uma relação lear com mas de uma varável depedete. Trata-se de relacoameto fucoal etre duas ou mas varáves correlacoadas; Utlzada para prever uma varável dada outra varável; O relacoameto fucoal é geralmete desevolvdo a partr de dados observados; A regressão é útl para realzar prevsão de grade ocorrêcas e plaejameto agregado da produção;

2 Regressão lear (RL) Método dos Mímos Quadrados =a + bx =a + bx Δ O método teta ajustar a lha aos dados que mmzam a soma dos quadrados da dstâca vertcal etre cada poto. Ode: a = varável depedete X = varável depedete a = Itercepto ( valor de quado X = 0) b = Coefcete agular ΔX a b X Lmtação Os dados passados e as projeções futuras supostamete devem ecaa uma lha reta. X * Ode: a = Itercepto ( valor de quado X = 0) b = Coefcete agular Ӯ = Méda de todos os s = Méda de todos os s = Valor de a cada poto de dados = Valor de a cada poto de dados = úmero de potos = Valor da varável depedete calculada com a equação da regressão. Eemplos: Regressão Lear smples As vedas de uma empresa para uma lha de produto durate os trmestres dos últmos três aos são os segutes: () () A empresa quer prever cada trmestre do quarto ao, sto é trmestres,, e. a b =a + bx * a b * *00 = o Passo: Cálculo do e Méda =a + bx 0 o Passo: Cálculo do e da méda de e. cálculo * * =.0 *0 = *00 = Méda 0..., ,, * =.00 * = * =.00 0 * = 0*0 = *00 = ,

3 Cálculo do tercepto, clação e o Passo: Cálculo do a, b e (prevsão). 0, Méda , Iclação * 00 ( *, *,), 0 * (, ) Itercepto a b a,,*,, Cálculo do tercepto, clação e 0 Cálculo para a prevsão de veda para os trmestres,, e. =a + b o Passo: (prevsão) ,+, (),+, (),+, () = = = 0,.0,.0,.0,.,.,.,0.,.,.0,.,., Méda 0, , ,.0,.0,.0,.,.,.,0.,.,.0,.,.,.,.,.,.,.000 Udades veddos real

4 SUMMAR OUTPUT Regresso Statstcs Multple R 0,0 R Square 0, Adjusted R 0,0 Stadard E, Observato ANOVA df SS MS F gfcace F,,E-0 Regresso Resdual 0 0 0, Total Coeffcetsadard Erro t Stat P-value Lower %Upper %ower,0%upper,0% Itercept,,, 0,0 -, 0, -, 0, X Varable, 0,,,E-0,,,, RESIDUAL OUTPUT ObservatoPredcted Resduals 0, -0, 0,,0 0, -0, 0, -0,, 0,, 00,, -,, -,,0, 0 0,,, -,,0, 0 Decomposção de uma sére temporal com tedêca e sazoaldade Sere temporal Trata-se de dados ordeados croologcamete que possam coter um ou mas compoetes de demada. Tedêca Vsualzação gráfca e observação da dreção da sére. A decomposção de uma sére temporal sgfca detfcar e separa os dados Sazoaldade Cíclca Autocorrelação Aleatóro Vsualzação gráfca e comparado o mesmo período a sére. Requer sére de dados logos. Requer uma sofstcação a modelagem e cohecmeto ecoométrco. Qualquer cosa que teha sobrado e ão detfcado o modelo. Fácl Médo Dfícl Varação SAZONAL ou Ídce SAZONAL Quado a sére cotém efetos sazoas e de tedêca ao mesmo tempo, tem-se que eteder como se relacoam etre s. Eama-se dos tpos de varação sazoal: sazoal é a quatdade de correção ecessára uma sére temporal para se ajustar à estação do ao. Varação sazoal Adtva Multplcatva Presume que a quatdade sazoal é uma CONSTANTE, ão mportado qual seja a quatdade da tedêca ou da méda. = Tedêca + Sazoal A tedêca é multplcada pelos fatores sazoas. Ela reflete a eperêca real, etão quato maor for a sére básca projetada, maor será a varação ao redor desta. = Tedêca Sazoal fs Fs : fator de sazoal o período t : quatdade méda de produto o período : quatdade de produto o período para o total de ao : total de ao

5 Demada com elmação do fator SAZONAL Demada com correção ecessára a sére temporal * t t fs * t : quatdade de produto sem sazoaldade o período o tempo t t : quatdade (observada) de produto o período o tempo t fs t : de sazoal do período Eemplos: Regressão Lear smples As vedas de uma empresa para uma lha de produto durate os trmestres dos últmos três aos são os segutes: A empresa quer prever cada trmestre do quarto ao, sto é trmestres,, e. Passos: Méda dos c/ mesmos elmação de sazoalda ) Determar o fator sazoal sazoal sazoalda trmestres sazoaldade de de () ) Elmar a sazoaldade dos dados orgas;.0 t ) Desevolver regressão por para os fs t dados com elmação de sazoaldade; ) Projetar a demada para cada trmestre do ao ; ) Crar prevsão para cada trmestre do ao.00 pelo fator sazoal; Fs t : de sazoal o período t t : quatdade de produto o período t : quatdade de produto o período : total de período Demada com Demada sem Passo. Sazoal Passo. Sazoal Calcula-se a méda para os mesmos trmestres o período de aos =, Méda dos mesmos trmestres sazoal 0,.,,/(0/)= 0,.0.0,.00,0 00,0/(0/)=,0.0,.00,0 00,0/(0/)= 0,.0,.00,0 00,0/(0/)=,.00., 0,.00.,,0..,0 0,.00.,,.00., 0, ,,0 t.000., fst 0,.00.,,.,.,.,.,.0 0,00 Méda,, 0

6 Passo : Elmar a sazoaldade dos dados orgas Passo : Regressão lear mímos quadrados * t t fs t Méda dos mesmos trmestres sazoal Demada com elmação de sazoaldade () 0,., 0,,,.0.0,.00,0,0.,.,.0,.00,0 0,.,0.,0.0,.00,0,.,.,.00., 0,.,.,0.00.,,0.,.,..,0 0,.,.,.00.,,., 0.,.00., 0,.,., ,,0.00,.00,0.000., 0,.,.0,.00.,,.,.,.,.,.,.,.0 0,00 0 0, Méda,,, Para elmar o efeto sazoal sobre os dados, dvdem-se os dados orgas pelo fator sazoal. Cálculo do tercepto, clação e Iclação b Itercepto * 0, (*,*,) b 0 *(, ) a b a,,*,,0, SUMMAR OUTPUT Regresso Statstcs Multple R 0, R Square 0, Adjusted R 0,0 Stadard E, Observato ANOVA df SS MS F gfcace F,,E-0 Regresso Resdual 0, Total Coeffcetsadard Err t Stat P-value Lower %Upper %ower,0%upper,0% Itercept,00,0, 0,0 -,0, -,0, X Varable,,,,E-0,0,,0, RESIDUAL OUTPUT ObservatoPredcted Resduals, -,,,0, -,, -,,,00 0,0, 0, -,0, -,, 0, 0,,0, -0,, -, Passo ) Projetar a demada para cada trmestre do ao Passo ) prevsão para cada trmestre do ao pelo fator sazoal Méda dos mesmos trmestres sazoal Demada com elmação de sazoaldade () Demada sem sazoaldade 0,., 0,,,.0.0,.00,0,0.,.,.0,.00,0 0,.,0.,0.0,.00,0,.,.,.00., 0,.,.,0.00.,,0.,.,..,0 0,.,.,.00.,,., 0.,.00., 0,.,., ,,0.00,.00,0.000., 0,.,.0,.00.,,.,.,.,.00,.,.,.,.,.,.0,.0 0,00 0 0, Méda,,, = +, ()=00, Demada com Méda dos mesmos Demada sem c/ elmação de trmestres sazoal sazoaldade sazoaldade sazoaldade () 0,., 0,,,.0.0,.00,0,0.,.,.0,.00,0 0,.,0.,0.0,.00,0,.,.,.00., 0,.,.,0.00.,,0.,.,..,0 0,.,.,.00.,,., 0.,.00., 0,.,., ,,0.00,.00,0.000., 0,.,.0,.00.,,.,.,.,.00,.00,.,.,.,.,.,..,.0,.,0.0 0,00 0 0, Méda,,, = 00, 0, = 00,

7 Regressão Lear Múltpla: a b X b X b X b X Ode: = quatdade de pzza demada a = tercepto. X = preço médo do pedaço de pzza. X = preço médo da educação. X = preço médo do refrgerate. X = localzação do campus. Eercíco Eercícos Supoha uma empresa teha veddo uma méda de000 toeladas de bacalhau a cada ao durate 0 aos. Na méda, foram veddas 00 toeladas a prmavera, 0 o verão, 00 o outoo e 0 o vero. a) Calcule o fator sazoal b) A empresa espera aumetar a veda em 0% o prómo ao, qual a quatdade de produto para cada estação Quatdade méda de veda de bacalhau para cada estação durate 0 aos Estação Prmavera 00 Verão 0 Outoo 00 Ivero Eercíco Tedêca e Sazoaldade va A empresa possu o segute quadro de veda trmestral para dos aos: Trmestre Quatdade a) Ecotre a equação lear pelo ; b) Calcule o fator sazoal médo para cada trmestre; c) Calcule a prevsão de veda para cada trmestre do ao cludo a tedêca e fator sazoal.

Tópicos Extras 2ª parte. Análise de Correlação e Regressão

Tópicos Extras 2ª parte. Análise de Correlação e Regressão Tópcos Extras ª parte Aálse de Correlação e Regressão 1 Defções báscas ANÁLISE DE CORRELAÇÃO Mesurar a força da assocação etre as varáves (geralmete através do cálculo de algum coefcete). ANÁLISE DE REGRESSÃO

Leia mais

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø.

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø. Professor Maurco Lutz 1 EGESSÃO LINEA SIMPLES A correlação lear é uma correlação etre duas varáves, cujo gráfco aproma-se de uma lha. O gráfco cartesao que represeta essa lha é deomado dagrama de dspersão.

Leia mais

Econometria: 3 - Regressão Múltipla

Econometria: 3 - Regressão Múltipla Ecoometra: 3 - Regressão Múltpla Prof. Marcelo C. Mederos mcm@eco.puc-ro.br Prof. Marco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo de regressão

Leia mais

Modelo de Regressão Simples

Modelo de Regressão Simples Modelo de Regressão Smples Hstora Hstóra Termo regressão fo troduzdo por Fracs Galto (8-9). Estudo sobre altura de pas e flhos. Karl Pearso coletou mas de ml regstros e verfcou a le de regressão uversal

Leia mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental.

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental. É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou Prof. Lorí Val, Dr. val@mat.ufrgs.r http://www.mat.ufrgs.r/~val/ expermetal. Numa relação expermetal os valores de uma das varáves

Leia mais

Relatório 2ª Atividade Formativa UC ECS

Relatório 2ª Atividade Formativa UC ECS Relatóro 2ª Atvdade Formatva Eercíco I. Quado a dstrbução de dados é smétrca ou apromadamete smétrca, as meddas de localzação méda e medaa, cocdem ou são muto semelhates. O mesmo ão acotece quado a dstrbução

Leia mais

Regressão Linear e Multilinear

Regressão Linear e Multilinear Regressão Lear e Multlear Deleameto Expermetal Mestrado em Sstemas de Produção em Agrcultura Medterrâca Modelo de Regressão Lear Smples X Varável Idepedete Y Varável Depedete y =β +β x +ε β ordeada a orgem

Leia mais

Modelos de regressão linear: abordagem clássica

Modelos de regressão linear: abordagem clássica Modelos de regressão lear: abordagem clássca Prof. Marcelo Rubes mrubes@me.uerj.br Depto. Estatístca Aálse de Regressão Objetvo: Determar uma fução matemátca que descreva a relação etre uma varável cotíua

Leia mais

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados Capítulo : Ajuste de curvas pelo método dos mímos quadrados. agrama de dspersão No capítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas por uma taela de valores. Frequetemete o etato

Leia mais

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento. Prof. Lorí Val, Dr. val@pucrs.r http://www.pucrs.r/famat/val/ Em mutas stuações duas ou mas varáves estão relacoadas e surge etão a ecessdade de determar a atureza deste relacoameto. A aálse de regressão

Leia mais

Construção e Análise de Gráficos

Construção e Análise de Gráficos Costrução e Aálse de Gráfcos Por que fazer gráfcos? Facldade de vsualzação de cojutos de dados Faclta a terpretação de dados Exemplos: Egehara Físca Ecooma Bologa Estatístca Y(udade y) 5 15 1 5 Tabela

Leia mais

Regressão Linear Simples uma revisão

Regressão Linear Simples uma revisão Regressã Lear mples uma revsã A regressã lear é útl quad a varável de teresse (depedete se relaca e é afetada pr uma u mas varáves (depedetes. Cmecems pel mdel que da frma mas smples pssível pde represetar

Leia mais

Regressão e Correlação

Regressão e Correlação Regressão e Correlação Júlo Osóro Regressão & Correlação: geeraldades Em mutas stuações de pesqusa cetífca, dspomos de uma amostra aleatóra de pares de dados (x, ), resultates da medda cocomtate de duas

Leia mais

CAPÍTULO 5. Ajuste de curvas pelo Método dos Mínimos Quadrados

CAPÍTULO 5. Ajuste de curvas pelo Método dos Mínimos Quadrados CAPÍTULO Ajuste de curvas pelo Método dos Mímos Quadrados Ajuste Lear Smples (ou Regressão Lear); Ajuste Lear Múltplo (ou Regressão Lear Múltpla); Ajuste Polomal; Regressão Não Lear Iterpolação polomal

Leia mais

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12 MEDIDAS DE POSIÇÃO: São meddas que possbltam represetar resumdamete um cojuto de dados relatvos à observação de um determado feômeo, pos oretam quato à posção da dstrbução o exo dos, permtdo a comparação

Leia mais

Regressão. Pedro Paulo Balestrassi

Regressão. Pedro Paulo Balestrassi Regressão Pedro Paulo Balestrass www.pedro.ufe.edu.br ppbalestrass@gmal.com 5-696 / 88776958 (cel) Questoametos comus: Como mplemetar a equação Y=f(X) a partr de dados hstórcos ou epermetas? Como fazer

Leia mais

ANÁLISE DE REGRESSÃO E CORRELAÇÃO

ANÁLISE DE REGRESSÃO E CORRELAÇÃO ANÁLISE DE REGRESSÃO E CORRELAÇÃO Quado se cosderam oservações de ou mas varáves surge um poto ovo: O estudo das relações porvetura estetes etre as varáves. A aálse de regressão e correlação compreedem

Leia mais

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População ESTATÍSTICA STICA DESCRITIVA Prof. Lorí Val, Dr. val@mat.ufrgs.br http://.ufrgs.br/~val/ Orgazação; Resumo; Apresetação. Cojuto de dados: Amostra ou População Um cojuto de dados é resumdo de acordo com

Leia mais

Estatística Básica - Continuação

Estatística Básica - Continuação Professora Adraa Borsso http://www.cp.utfpr.edu.br/borsso adraaborsso@utfpr.edu.br COEME - Grupo de Matemátca Meddas de Varabldade ou Dspersão Estatístca Básca - Cotuação As meddas de tedêca cetral, descrtas

Leia mais

Regressao Simples. Parte I: Introdução

Regressao Simples. Parte I: Introdução Regressao Smples Parte I: Itrodução Curso A aplcação da aálse de regressão requer cohecmeto teórco e eperêca com aálse de dados. Este curso procura combar a teora estatístca com a prátca, dado mas efâse

Leia mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou expermetal. Numa relação expermetal os valores de uma das varáves

Leia mais

Confiabilidade Estrutural

Confiabilidade Estrutural Professor Uversdade de Brasíla Departameto de Egehara Mecâca Programa de Pós graduação em Itegrdade Estrutural Algortmo para a Estmatva do Idce de Cofabldade de Hasofer-Ld Cofabldade Estrutural Jorge Luz

Leia mais

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL Faculdade de Tecologa de Cataduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL 5. Meddas de Posção cetral ou Meddas de Tedêca Cetral Meddas de posção cetral preocupam-se com a caracterzação e a

Leia mais

Regressao Simples. Parte II: Anova, Estimação Intervalar e Predição

Regressao Simples. Parte II: Anova, Estimação Intervalar e Predição egressao Smples Parte II: Aova, Estmação Itervalar e Predção Aálse de Varâca Nem todos os valores das amostras estão cotdos a reta de regressão, e quato mas afastados estverem por, a reta represetará a

Leia mais

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados 3.1. Meddas de Tedêca Cetral CAPÍTULO 3 MEDIDA DE TENDÊNCIA CENTRAL E VARIABILIDADE UFRG 1 Há váras meddas de tedêca cetral. Etre elas ctamos a méda artmétca, a medaa, a méda harmôca, etc. Cada uma dessas

Leia mais

Sumário. Mecânica. Sistemas de partículas

Sumário. Mecânica. Sistemas de partículas umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - stemas de partículas e corpo rígdo. - Cetro de massa. - Como determar o cetro de massa dum sstema de partículas. - Vetor

Leia mais

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA REGRESSÃO LINEAR CUIABÁ, MT 6/ INTRODUÇÃO Relação dos valores da varável depedete (varável resposta) aos valores de regressoras ou exógeas). SIMPLES MÚLTIPLA (varáves depedetes,... =,,, K=,,, k em que:

Leia mais

ANÁLISE DE REGRESSÃO E CORRELAÇÃO

ANÁLISE DE REGRESSÃO E CORRELAÇÃO ANÁLISE DE REGRESSÃO E CORRELAÇÃO Quado se cosderam oservações de ou mas varáves surge um poto ovo: O estudo das relações porvetura estetes etre as varáves A aálse de regressão e correlação compreedem

Leia mais

ESTATÍSTICA APLICADA À ZOOTECNIA

ESTATÍSTICA APLICADA À ZOOTECNIA ESTATÍSTICA APLICADA À ZOOTECNIA Eucldes Braga MALHEIROS *. INTRODUÇÃO.a) Somatóras e Produtóros Sejam,, 3,...,, valores umércos. A soma desses valores (somatóra) pode ser represetada por: = = = =. e o

Leia mais

Relações entre variáveis: Regressão

Relações entre variáveis: Regressão Dscpla: 04 Relações etre varáves: Regressão Prof. a Dr. a Smoe Daela Sartoro de Mederos DTASeR-Ar Itrodução Cosdere uma varável aleatóra Y de teresse. Já vmos que podemos escrever essa varável como sedo:

Leia mais

3 - ANÁLISE BIDIMENSIONAL

3 - ANÁLISE BIDIMENSIONAL INE 7001 - Aálse Bdmesoal 1 3 - ANÁLISE BIDIMENSIONAL É comum haver teresse em saber se duas varáves quasquer estão relacoadas, e o quato estão relacoadas, seja a vda prátca, seja em trabalhos de pesqusa,

Leia mais

Apostila de Introdução Aos Métodos Numéricos

Apostila de Introdução Aos Métodos Numéricos Apostla de Itrodução Aos Métodos Numércos PARTE III o Semestre - Pro a. Salete Souza de Olvera Buo Ídce INTERPOAÇÃO POINOMIA...3 INTRODUÇÃO...3 FORMA DE AGRANGE... 4 Iterpolação para potos (+) - ajuste

Leia mais

Noções Básicas de Medidas e Algarismos Significativos

Noções Básicas de Medidas e Algarismos Significativos Noções Báscas de Meddas e Algarsmos Sgfcatvos Prof. Theo Z. Pava Departameto de Físca - Faculdade de Flosofa, Cêcas e Letras de Rberão Preto-USP Físca Acústca Motvações Quas são os padrões de meddas? Podemos

Leia mais

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS ANÁLISE DE ERROS A oservação de um feómeo físco ão é completa se ão pudermos quatfcá-lo. Para é sso é ecessáro medr uma propredade físca. O processo de medda cosste em atrur um úmero a uma propredade físca;

Leia mais

15/03/2012. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações

15/03/2012. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações Itrodução.1 Juros Smples Juro: recompesa pelo sacrfíco de poupar o presete, postergado o cosumo para o futuro Maora das taxas de uros aplcadas o mercado facero são referecadas pelo crtéro smples Determa

Leia mais

( k) Tema 02 Risco e Retorno 1. Conceitos Básicos

( k) Tema 02 Risco e Retorno 1. Conceitos Básicos FEA -USP Graduação Cêcas Cotábes EAC05 04_0 Profa. Joaíla Ca. Rsco e Retoro. Cocetos Báscos Rotero BE-cap.6 Tema 0 Rsco e Retoro. Cocetos Báscos I. O que é Retoro? II. Qual é o Rsco de um Atvo Idvdual

Leia mais

Disciplina: Prof. a Dr. a Simone Daniela Sartorio de Medeiros. DTAiSeR-Ar

Disciplina: Prof. a Dr. a Simone Daniela Sartorio de Medeiros. DTAiSeR-Ar Dscpla: 04 Relações etre varáves: Regressão Prof. a Dr. a Smoe Daela Sartoro de Mederos DTASeR-Ar Itrodução Cosdere uma varável aleatóra Y de teresse. Já vmos que podemos escrever essa varável como sedo:

Leia mais

Introdução à Correlação e Regressão Linear

Introdução à Correlação e Regressão Linear Itrodução à Correlação e Regressão Lear Ru Carvalho Olvera rolv@st.utl.pt Estatístca Descrtva amostras bvaradas Amostras bvaradas: cada etdade (dvíduo/objecto é caracterzado por um par de varáves (atrbutos

Leia mais

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS No caítulo IV, Iterolação Polomal, estudamos uma forma de ldar com fuções matemátcas defdas or taelas de valores. Frequetemete, estas taelas são

Leia mais

AVALIAÇÃO DE GANHOS E PERDAS EM FUNDOS DE INVESTIMENTOS UTILIZANDO REGRESSÃO LINEAR. José Antonio Stark Ferreira

AVALIAÇÃO DE GANHOS E PERDAS EM FUNDOS DE INVESTIMENTOS UTILIZANDO REGRESSÃO LINEAR. José Antonio Stark Ferreira 1 AVALIAÇÃO DE GANHOS E PERDAS EM FUNDOS DE INVESTIMENTOS UTILIZANDO REGRESSÃO LINEAR José Atoo Stark Ferrera I - INTRODUÇÃO O presete estudo fo desevolvdo objetvado mesurar os gahos e perdas patrmoas

Leia mais

Atividades Práticas Supervisionadas (APS)

Atividades Práticas Supervisionadas (APS) Uversdade Tecológca Federal do Paraá Prof: Lauro Cesar Galvão Campus Curtba Departameto Acadêmco de Matemátca Cálculo Numérco Etrega: juto com a a parcal DATA DE ENTREGA: da da a PROVA (em sala de aula

Leia mais

Análise da Informação Económica e Empresarial

Análise da Informação Económica e Empresarial Aálse da Iformação Ecoómca e Empresaral Aula 8: Redução de Dados: Meddas de Dspersão e Cocetração Aálse da Iformação Ecoómca e Empresaral Guão Aula 8: Redução de Dados: Meddas de Dspersão e Cocetração

Leia mais

Cap. 5. Testes de Hipóteses

Cap. 5. Testes de Hipóteses Cap. 5. Testes de Hpóteses Neste capítulo será estudado o segudo problema da ferêca estatístca: o teste de hpóteses. Um teste de hpóteses cosste em verfcar, a partr das observações de uma amostra, se uma

Leia mais

TESTES DE PROPORÇÕES TESTE DE UMA PROPORÇÃO POPULACIONAL

TESTES DE PROPORÇÕES TESTE DE UMA PROPORÇÃO POPULACIONAL TESTES DE PROPORÇÕES TESTE DE UMA PROPORÇÃO POPULACIONAL As hpóteses a serem testadas serão: H 0 : p p 0 H : p p 0 p > p 0 p < p 0 Estatístca do Teste: pˆ p0 z c p ( p ) 0 0 EXEMPLOS. Uma máqua está regulada

Leia mais

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD Dstrbuções Amostras Estatístca 8 - Dstrbuções Amostras 08- Dstrbuções Amostras Dstrbução Amostral de Objetvo: Estudar a dstrbução da população costtuída de todos os valores que se pode obter para, em fução

Leia mais

Revisão de Estatística X = X n

Revisão de Estatística X = X n Revsão de Estatístca MÉDIA É medda de tedêca cetral mas comumete usada ara descrever resumdamete uma dstrbução de freqüêca. MÉDIA ARIMÉTICA SIMPLES São utlzados os valores do cojuto com esos guas. + +...

Leia mais

MÓDULO 8 REVISÃO REVISÃO MÓDULO 1

MÓDULO 8 REVISÃO REVISÃO MÓDULO 1 MÓDULO 8 REVISÃO REVISÃO MÓDULO A Estatístca é uma técca que egloba os métodos cetícos para a coleta, orgazação, apresetação, tratameto e aálse de dados. O objetvo da Estatístca é azer com que dados dspersos

Leia mais

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística BAC 0 - Estatístca Uversdade Federal de Itajubá - Campus Itabra BAC0 - ESTATÍSTICA ESTATÍSTICA DESCRITIVA MEDIDAS DE CENTRO Méda Medda de cetro ecotrada pela somatóra de todos os valores de um cojuto,

Leia mais

6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS

6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS 7 6 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS A medção dreta é aquela cuja dcação resulta aturalmete da aplcação do sstema de medção sobre o mesurado Há apeas uma gradeza de etrada evolvda

Leia mais

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS No caítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas or taelas de valores. Frequetemete, estas taelas são otdas com ase em

Leia mais

Análise de Regressão

Análise de Regressão Aálse de Regressão Prof. Paulo Rcardo B. Gumarães. Itrodução Os modelos de regressão são largamete utlzados em dversas áreas do cohecmeto, tas como: computação, admstração, egeharas, bologa, agrooma, saúde,

Leia mais

7 Análise de covariância (ANCOVA)

7 Análise de covariância (ANCOVA) Plejameto de Expermetos II - Adlso dos Ajos 74 7 Aálse de covarâca (ANCOVA) 7.1 Itrodução Em algus expermetos, pode ser muto dfícl e até mpossível obter udades expermetas semelhtes. Por exemplo, pode-se

Leia mais

Dados Experimentais. Isto é chamado de experimento controlado. Uma das vantagens

Dados Experimentais. Isto é chamado de experimento controlado. Uma das vantagens Dados xpermetas Para medr a produção de certa varedade de mlho, faremos um expermeto o qual a varedade de mlho semete é platada em váras parcelas homogêeas com o mesmo fertlzate, pestcda etc. Depos mede-se

Leia mais

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) [ ] ( ) ( k) ( k ) ( ) ( ) Questões tipo exame

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) [ ] ( ) ( k) ( k ) ( ) ( ) Questões tipo exame Questões tpo eame Pá O poto U tem coordeadas (6, 6, 6) e o poto S pertece ao eo Oz, pelo que as suas coordeadas são (,, 6) Um vetor dretor da reta US é, por eemplo, US Determemos as suas coordeadas: US

Leia mais

1) Planejamento da Produção - Modelos de dimensionamento de lotes (lot sizing)

1) Planejamento da Produção - Modelos de dimensionamento de lotes (lot sizing) Departameto de Egehara de Produção UFPR 28 1) Plaeameto da Produção - Modelos de dmesoameto de lotes (lot szg) É cohecdo horzote de plaeameto T, dvddo em períodos; demada (geralmete varável) de cada tem

Leia mais

5 Critérios para Análise dos Resultados

5 Critérios para Análise dos Resultados 5 Crtéros para Aálse dos Resultados Este capítulo tem por objetvos forecer os crtéros utlzados para aálse dos dados ecotrados a pesqusa, bem como uma vsão geral dos custos ecotrados e a forma de sua evolução

Leia mais

MEDIDAS DE TENDÊNCIA CENTRAL I

MEDIDAS DE TENDÊNCIA CENTRAL I Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, edca Veterára, uscoterapa, Odotologa, Pscologa EDIDAS DE TENDÊNCIA CENTRAL I 7 7. EDIDAS DE

Leia mais

Regressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança

Regressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança Regressão Smples Parte III: Coefcete de determação, regressão a orgem e método de máxma verossmlhaça Coefcete de determação Proporção da varabldade explcada pelo regressor. R Varação explcada Varação total

Leia mais

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão Estatístca Descrtva Meddas estatístcas: Localzação, Dspersão Meddas estatístcas Localzação Dspersão Meddas estatístcas - localzação Méda artmétca Dados ão agrupados x x Dados dscretos agrupados x f r x

Leia mais

NOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling

NOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling 4 INFERÊNCIA SOBRE O VETOR DE MÉDIAS 4. TESTE PARA UM VETOR DE MÉDIAS µ Lembrado o caso uvarado: H : µ = µ H : µ µ Nível de sgfcâca: α Estatístca do teste: X µ t = s/ ~ t Decsão: se t > t - (α/) rejeta-se

Leia mais

Análise Exploratória de Dados

Análise Exploratória de Dados Aálse Eploratóra de Dados Objetvos Aálse bvarada: uma varável qualtatva e uma quattatva: represetar grafcamete as duas varáves combadas; defr e calcular uma medda de assocação etre as varáves. Eemplo 1

Leia mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional. ou experimental.

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional. ou experimental. É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal Prof. Lorí Val, Dr. val@pucrs.br http://www.pucrs.br/famat/val/ ou expermetal. Numa relação expermetal os valores de uma das varáves

Leia mais

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples.

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples. Estudo das relações etre peso e altura de estudates de estatístca através da aálse de regressão smples. Waessa Luaa de Brto COSTA 1, Adraa de Souza COSTA 1. Tago Almeda de OLIVEIRA 1 1 Departameto de Estatístca,

Leia mais

Estatística: uma definição

Estatística: uma definição Prof. Lorí Val, Dr. - val@pucrs.br http://www.pucrs.br/famat/val/ Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Estatístca: uma defção Coleç Coleção de ú úmeros estatí estatístcas O ú ú mero

Leia mais

HIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia

HIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia Aálse estatístca aplcada à hdrologa. Séres hdrológcas oções complemetares HIDROLOGIA E RECURSOS HÍDRICOS Aálse estatístca aplcada à hdrologa O Egehero HIDRÁULICO Echerá? Que população pode abastecer e

Leia mais

Organização; Resumo; Apresentação.

Organização; Resumo; Apresentação. Prof. Lorí Val, Dr. val@ufrgs.br http://www.ufrgs.br/~val/ Grade Cojutos de Dados Orgazação; Resumo; Apresetação. Amostra ou População Defetos em uma lha de produção Lascado Deseho Torto Deseho Torto Lascado

Leia mais

Sumário. Mecânica. Sistemas de partículas

Sumário. Mecânica. Sistemas de partículas Sumáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - Sstemas de partículas e corpo rígdo. - Cetro de massa. - Como determar o cetro de massa dum sstema de partículas. -

Leia mais

Momento Linear duma partícula

Momento Linear duma partícula umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - Mometo lear de uma partícula e de um sstema de partículas. - Le fudametal da dâmca para um sstema de partículas. - Impulso

Leia mais

Centro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola

Centro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola Cetro de Cêcas Agráras e Ambetas da UFBA Departameto de Egehara Agrícola Dscpla: AGR Boestatístca Professor: Celso Luz Borges de Olvera Assuto: Estatístca TEMA: Somatóro RESUMO E NOTAS DA AULA Nº 0 Seja

Leia mais

Aula 9. Aula de hoje. Aula passada. Self-normalized Importance Sampling Gerando amostras complicadas Variância amostral Simulação

Aula 9. Aula de hoje. Aula passada. Self-normalized Importance Sampling Gerando amostras complicadas Variância amostral Simulação Aula 9 Aula passada Método da rejeção (rejecto samplg) Exemplos Importace Samplg Exemplos Geeralzação Aula de hoje Self-ormalzed Importace Samplg Gerado amostras complcadas Varâca amostral Smulação Importace

Leia mais

Contabilometria. Aula 8 Regressão Linear Simples

Contabilometria. Aula 8 Regressão Linear Simples Contalometra Aula 8 Regressão Lnear Smples Orgem hstórca do termo Regressão Le da Regressão Unversal de Galton 1885 Galton verfcou que, apesar da tendênca de que pas altos tvessem flhos altos e pas axos

Leia mais

d s F = m dt Trabalho Trabalho

d s F = m dt Trabalho Trabalho UNIVERSIDADE DO ESTADO DE MATO GROSSO CAMPUS UNIVERSITÁRIO DE SINOP FACULDADE DE CIÊNCIAS EXATAS E TECNOLÓGICAS CURSO DE ENGENHARIA CIVIL DISCIPLINA: CÁLCULO DIFERENCIAL E INTEGRAL I Trabalho 1. Itrodução

Leia mais

ESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA

ESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA ESTATÍSTICA MÓDULO OS RAMOS DA ESTATÍSTICA Ídce. Os Ramos da Estatístca...3.. Dados Estatístcos...3.. Formas Icas de Tratameto dos Dados....3. Notação por Ídces...5.. Notação Sgma ()...5 Estatístca Módulo

Leia mais

Centro de massa, momento linear de sistemas de partículas e colisões

Centro de massa, momento linear de sistemas de partículas e colisões Cetro de massa, mometo lear de sstemas de partículas e colsões Prof. Luís C. Pera stemas de partículas No estudo que temos vdo a fazer tratámos os objectos, como, por exemplo, blocos de madera, automóves,

Leia mais

Estudo do intervalo de confiança da regressão inversa utilizando o software R

Estudo do intervalo de confiança da regressão inversa utilizando o software R Estudo do tervalo de cofaça da regressão versa utlzado o software R Llae Lopes Cordero João Domgos Scalo. Itrodução Na maora das aplcações evolvedo regressão, determa-se o valor de Y correspodete a um

Leia mais

Modelos de Regressão Linear Simples e Múltipla. Fabio Antonio Avilla (Matemática) Profª Dra. Carine Savalli Redígolo (Orientadora)

Modelos de Regressão Linear Simples e Múltipla. Fabio Antonio Avilla (Matemática) Profª Dra. Carine Savalli Redígolo (Orientadora) Modelos de Regressão Lear Smples e Múltpla Fabo Atoo Avlla (Matemátca) Profª Dra. Care Savall Redígolo (Oretadora) Resumo Dversas áreas do cohecmeto cetífco procuram valdar suas hpóteses por meo de pesqusas

Leia mais

Í N D I C E. Séries de Pagamentos ou Rendas Renda Imediata ou Postecipada Renda Antecipada Renda Diferida...

Í N D I C E. Séries de Pagamentos ou Rendas Renda Imediata ou Postecipada Renda Antecipada Renda Diferida... Curso: Pós-graduação / MBA Campus Vrtual Cruzero do Sul - 2009 Professor Resposável: Carlos Herque de Jesus Costa Professores Coteudstas: Carlos Herque e Douglas Madaj UNIVERSIDADE CRUZEIRO DO SUL Cohecedo

Leia mais

Momento Linear duma partícula

Momento Linear duma partícula umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - Mometo lear de uma partícula e de um sstema de partículas. - Le fudametal da dâmca para um sstema de partículas. - Impulso

Leia mais

EAD Métodos Estatísticos de Projeção

EAD Métodos Estatísticos de Projeção EAD 655 - Método Etatítco de Projeção Prof. Cear Aleadre de Souza 2º. Semetre - 207 Modelagem Quattatva em Admtração Na admtração, a matemátca e a etatítca cotrbuem para a cração de modelo para auílo a

Leia mais

MEDIDAS DE DISPERSÃO 9. MEDIDAS DE DISPERSÃO

MEDIDAS DE DISPERSÃO 9. MEDIDAS DE DISPERSÃO Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, Medca Veterára, Muscoterapa, Odotologa, Pscologa MEDIDAS DE DISPERSÃO 9 9. MEDIDAS DE DISPERSÃO

Leia mais

Estatística: uma definição

Estatística: uma definição Prof. Lorí Val, Dr. val@ufrgs.br http://www.ufrgs.br/~val/ Estatístca: uma defção Coleção de úmeros estatístcas O úmero de carros veddos o país aumetou em 30%. A taa de desemprego atge, este mês, 7,5%.

Leia mais

Estatística: uma definição

Estatística: uma definição Estatístca: uma defção Coleção de úmeros estatístcas O úmero de aumetou em 30%. carros veddos o país A taa de desemprego atge, este mês, 7,5%. As ações da Telebrás subram R$,5, hoje. Resultados do Caraval

Leia mais

Estatística: uma definição

Estatística: uma definição Coleção de úmeros estatístcas Estatístca: uma defção O úmero de carros veddos o país aumetou em 30%. A taa de desemprego atge, este mês, 7,5%. As ações da Telebrás subram R$,5, hoje. Resultados do Caraval

Leia mais

de uma variável em função da outra, por exemplo: Quantas vendas da Marca Philips na região Norte? Quantos homens são fumantes?

de uma variável em função da outra, por exemplo: Quantas vendas da Marca Philips na região Norte? Quantos homens são fumantes? Estatístca descrtva bdmesoal (Tabelas, Gráfcos e Estatístcas) Aálse bvarada (ou bdmesoal): avala o comportameto de uma varável em fução da outra, por exemplo: Quatas vedas da Marca Phlps a regão Norte?

Leia mais

Teoria da Regressão Espacial Aplicada a. Sérgio Alberto Pires da Silva

Teoria da Regressão Espacial Aplicada a. Sérgio Alberto Pires da Silva Teora da Regressão Espacal Aplcada a Modelos Genércos Sérgo Alberto Pres da Slva ITENS DE RELACIONAMENTOS Tópcos Báscos da Regressão Espacal; Banco de Dados Geo-Referencados; Modelos Genércos Robustos;

Leia mais

CONHECIMENTOS ESPECÍFICOS

CONHECIMENTOS ESPECÍFICOS CONHECIMENTOS ESPECÍFICOS Uma uversdade oferece um curso para capactação profssoal de joves caretes. Ao fal do curso, cada jovem partcpate será avalado por meo de uma prova teórca e de uma prova prátca,

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Análise de Regressão

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Análise de Regressão Estatístca: Aplcação ao Sesorameto Remoto SER 4 - ANO 8 Aálse de Regressão Camlo Daleles Reó camlo@dp,pe,r http://www,dp,pe,r/~camlo/estatstca/ Relacoameto etre Varáves atrutos Em qualquer tpo de estudo,

Leia mais

16 - PROBLEMA DO TRANSPORTE

16 - PROBLEMA DO TRANSPORTE Prof. Volr Wlhel UFPR TP05 Pesqusa Operacoal 6 - PROBLEMA DO TRANSPORTE Vsa zar o custo total do trasporte ecessáro para abastecer cetros cosudores (destos) a partr de cetros forecedores (orges) a, a,...,

Leia mais

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES 1 O nosso objetvo é estudar a relação entre duas varáves quanttatvas. Eemplos:. Idade e altura das cranças.. v. Tempo de prátca de esportes e rtmo cardíaco

Leia mais

MÉTODO DOS MÍNIMOS QUADRADOS

MÉTODO DOS MÍNIMOS QUADRADOS MÉTODO DOS MÍNIMOS QUADRADOS I - INTRODUÇÃO O processo de medda costtu uma parte essecal a metodologa cetífca e também é fudametal para o desevolvmeto e aplcação da própra cêca. No decorrer do seu curso

Leia mais

1. Conceitos básicos de estatística descritiva 1.3. Noção de extracção aleatória e de probabilidade

1. Conceitos básicos de estatística descritiva 1.3. Noção de extracção aleatória e de probabilidade Sumáro (3ª aula). Cocetos báscos de estatístca descrtva.3. Noção de etracção aleatóra e de probabldade.4 Meddas de tedêca cetral.4. Méda artmétca smples.4. Méda artmétca poderada.4.3 Méda artmétca calculada

Leia mais

Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística

Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Val, Dr. http://www.pucrs.br/famat/val/ val@pucrs.br Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Obetvos A Aálse de

Leia mais

50 Logo, Número de erros de impressão

50 Logo, Número de erros de impressão Capítulo 3 Problema. (a) Sedo o úmero médo de erros por pága, tem-se: 5 + + 3 + 3 + 4 33,66 5 5 Represetado o úmero medao de erros por md, tem-se, pela ordeação dos valores observados, que os valores de

Leia mais

Métodos Avançados em Epidemiologia

Métodos Avançados em Epidemiologia Unversdade Federal de Mnas Geras Insttuto de Cêncas Exatas Departamento de Estatístca Métodos Avançados em Epdemologa Aula 5-1 Regressão Lnear Smples: Estmação e Interpretação da Reta Tabela ANOVA e R

Leia mais

Forma padrão do modelo de Programação Linear

Forma padrão do modelo de Programação Linear POGAMAÇÃO LINEA. Forma Padrão do Modelo de Programação Lear 2. elações de Equvalêca 3. Suposções da Programação Lear 4. Eemplos de Modelos de PPL 5. Suposções da Programação Lear 6. Solução Gráfca e Iterpretação

Leia mais

Probabilidade II Aula 10

Probabilidade II Aula 10 Probabldade II Aula 0 Mao de 009 Môca Barros, D.Sc. Coteúdo Esperaça Matemá (Valores esperados) Mometos e Mometos Cetras Valores esperados de uma fução de Covarâca e Correlação Matrz de covarâca, matrz

Leia mais

Descritiva. Francisco Cysneiros DE - UFPE

Descritiva. Francisco Cysneiros DE - UFPE Noções de Estatístca Descrtva Dr. Fracsco Cyseros Profº. Adjuto do Departameto de Estatístca-CCEN/UFPE E-mal: cyseros@de.ufpe.br web-page: www.de.ufpe.br/~cyseros/dscpla/farmaca/farmaca.htm Foe: (8) 6

Leia mais

Lista de Exercícios #9 Assunto: Análise de Regressão Método de Mínimos Quadrados

Lista de Exercícios #9 Assunto: Análise de Regressão Método de Mínimos Quadrados Lsta de Exercícos #9 Assuto: Aálse de Regressão Método de Mímos Quadrados ANPEC 8 Questão 4 Cosdere o segute modelo de regressão lear smples: () y = β + β x + u Para uma amostra com 3 observações, foram

Leia mais

Objetivos. O Modelo Linear Geral (GLM - General Linear Model) suporta, também, variáveis categóricas dependentes.

Objetivos. O Modelo Linear Geral (GLM - General Linear Model) suporta, também, variáveis categóricas dependentes. Prof. Lorí Val, Dr. http://www. ufrgs.br/~val val/ val@mat.ufrgs.br Obetvos álse de varâca (NOV) É utlzada para mostrar os efetos prcpas de varáves categórcas depedetes (deomadas de fatores) sobre uma

Leia mais

Análise de Regressão e Correlação

Análise de Regressão e Correlação Aálse e Regressão e Correlação Fo já estuao a forma e escrever um cojuto e oservações e uma só varável. Quao se coseram oservações e uas ou mas varáves surge um ovo poto. O estuo as relações porvetura

Leia mais