MAPEAMENTO DE QTLS : UMA ABORDAGEM BAYESIANA
|
|
- Vera Domingues Campos
- 6 Há anos
- Visualizações:
Transcrição
1 MAPEAMENTO DE QTLS : UMA ABORDAGEM BAYESIANA Elsabeth Regna de TOLEDO 1 Rosel Aparecda LEANDRO 1 Cláudo Lopes de SOUZA JUNIOR Anete Perera de SOUZA 3 RESUMO: Caracteres vegetas e anmas de mportânca econômca, em sua maora, podem ser classfcados como quanttatvos. Caracteres desse tpo são aqueles cua expressão fenotípca apresenta uma varação contínua, atrbuída à segregação smultânea de mutos genes dstrbuídos pelo genoma, em regões defndas como QTLs ( Quanttatve Trat Loc ). Mapear um QTL sgnfca dentfcar sua posção no genoma e estmar seus efetos. Exstem, na lteratura, város métodos de mapeamento de QTLs, grande parte deles apresenta uma abordagem clássca. Neste trabalho apresenta-se o mapeamento de QTLs utlzando-se a abordagem Bayesana. Utlzandose métodos Bayesanos é possível ncorporar a ncerteza sobre as quantdades desconhecdas. Nesse trabalho a ncerteza com relação ao número de QTLs, também, será ncorporada. O mapeamento de QTLs será realzado consderando-se um conunto de dados de produção de grãos de mlho utlzando-se o software QTLCartographer versão.5 para Wndows. PALAVRAS-CHAVE: QTLs; abordagem Bayesana; fator de Bayes; MCMC com saltos reversíves. 1 Introdução Quanttatve trat loc desgnados por QTLs são regões do genoma responsáves pela expressão de caracteres fenotípcos, que possuem dstrbução contínua, tas como, altura e peso de plantas e de anmas; produção de grãos; teor de óleo etc. Com o advento dos marcadores moleculares (Lander; Bolsten, 1989) tornou-se possível mapear regões cromossômcas (QTLs) que afetam esses caracteres quanttatvos. Mapear um QTL sgnfca dentfcar sua posção no genoma e estmar seus efetos genétcos, tas como: o efeto adtvo, efeto de domnânca e outros efetos presentes no modelo adotado. Para realzar o mapeamento são necessáras nformações tas como: caractere quanttatvo de nteresse, dados de marcadores moleculares os quas são obtdos em laboratóros especalzados. Uma vez que esses dados esteam dsponíves é 1 Departamento de Cêncas Exatas, Escola Superor de Agrcultura Luz de Queroz - ESALQ, Unversdade de São Paulo - USP, CEP: , Praccaba, São Paulo, Brasl. E-mal: erdtoledo@gmal.com / raleandro@esalq.usp.br Departamento de Genétca, Escola Superor de Agrcultura Luz de Queroz - ESALQ, Unversdade de São Paulo - USP, CEP: , Praccaba, São Paulo, Brasl. E-mal: clsouza@esalq.usp.br 3 Departamento de Genétca e Evolução, Insttuto de Bologa, Unversdade Estadual de Campnas UNICAMP, Barão Geraldo, - Caxa-Postal: 6109, CEP: Campnas, SP Brasl. E-mal: anete@pq.cnpq.br Rev. Bras. Bom., São Paulo, v.6, n., p ,
2 necessáro: () dstrbur os marcadores utlzados em grupos, chamados grupos de lgação; () ordená-los no grupo; () dentro de cada grupo estmar a dstânca entre os marcadores adacentes ou marcadores flanqueadores. Realzados os passos (), () e () têm-se o mapa genétco. Apresenta-se na Fgura 1 um mapa genétco dos dez cromossomos de mlho com 139 marcadores, neste caso, cada cromossomo é consderado um grupo. Exstem váras técncas para a construção de mapas (Ragonha, 005; Lu, 1998, Wu et al., 00). Uma vez construído o mapa pode-se dar contnudade ao mapeamento de QTLs. Exstem, na lteratura, város métodos estatístcos para o mapeamento de QTLs (Lander e Bolsten, 1989; Zeng, 1993, 1994, 00), grande parte deles utlza a abordagem clássca. Neste trabalho apresenta-se o mapeamento de QTLs utlzando a abordagem Bayesana. A suposção adotada para a realzação desse mapeamento é de que entre dos marcadores flanqueadores (duas marcas adacentes) exste somente um QTL. Fgura 1 - Mapa genétco dos dez cromossomos de mlho com 139 marcas com os cnco QTLs obtdos pelo mapeamento por ntervalo Bayesano, representados pelos círculos. 108 Rev. Bras. Bom., São Paulo, v.6, n., p , 008
3 Materal e Métodos.1 Materal Os dados utlzados neste trabalho são provenentes de 56 progênes F :3 de mlho, obtdas a partr do cruzamento entre as lnhagens L0-03D e L0-01F contrastantes para város caracteres agronômcos. Ambas as lnhagens foram desenvolvdas no Departamento de Genétca da ESALQ/USP. Os dados genotípcos de marcadores moleculares para todas as progênes utlzadas no expermento foram obtdos no Laboratóro de Bologa Molecular e Análses Genétcas, stuado no Centro de Bologa Molecular e Engenhara Genétca (CBMEG), na Unversdade Estadual de Campnas/UNICAMP. As progênes foram avaladas em expermentos nstalados em látces smples 16 x 16 com duas repetções em nove ambentes, sendo cada ambente correspondente à combnação local x ano agrícola. O caractere estudado neste trabalho fo produção de grãos de mlho, em gramas planta -1. Os dados analsados são referentes à méda dos nove ambentes.. Métodos O mapeamento por ntervalo Bayesano (BIM, Bayesan Interval Mappng ) consdera o segunte modelo estatístco: em que P P a x + = 1 = 1 y = µ + d z + e y se refere ao valor fenotípco do -ésmo ndvíduo ( = 1,, n), µ é uma constante, e ~ N(0, σ ) o erro aleatóro, a e d é, respectvamente, o efeto de adtvdade e domnânca para do QTL, = 1,, p. A contrbução do -ésmo QTL para o ndvíduo, (Q ) é defnda pelas varáves ndcadoras x e z. A varável ndcadora x está assocada ao efeto adtvo e corresponde aos genótpos homozgótcos: assume valores -1 e 1 para qq e QQ, respectvamente; z está assocada ao efeto de domnânca e corresponde ao genótpo heterozgotcos, Qq; z = 1 x será gual a 1 quando x = 0 e, quando x = ± 1, z = 0. Os valores das varáves ndcadoras, que são os possíves genótpos do QTL, são quantdades desconhecdas que possuem dstrbução massa de probabldade que são estmadas utlzando-se a nformações dos marcadores flanqueadores (Satagopan et al., 1996). Uma notação equvalente é dada por: y = X Θ + (1) sendo y o vetor de valores fenotípcos de n ndvíduos; [ ] T o vetor de parâmetros desconhecdos: a e θ = µ σ, a, d, a, d,..., a, d, 1 1 d assocados aos efetos adtvo e domnânca p p Rev. Bras. Bom., São Paulo, v.6, n., p ,
4 do QTL, com p + 1 colunas (se o número de QTLs for consderado aleatóro, o comprmento do vetor de parâmetros, θ, também o será) ; é o vetor de erros, normalmente dstrbuídos, ~ N( 0, Iσ ) ; a matrz de delneamento X = [ 1 x z x z x z ] 1 1 p p, com n lnhas e p+1 colunas nclurá todas as nformações genotípcas do QTLs, sendo x = [ x x,, x ] T e z = [ z z,, z ] T 1, n 1, vetores ndcadores para os genótpos dos marcadores flanqueados ao QTL. (Gaffney, 001; Satagopan et al., 1996). O número de QTLs, e portanto o comprmento do vetor dos efetos de adtvdade e de domnânca, não é uma quantdade observável. Para utlzação da abordagem Bayesana é necessáro: () construr a verossmlhança; () atrbur dstrbuções a pror às quantdades não observáves, sto é, é necessáro especfcar dstrbuções a pror para a constante µ ; para os vetores de adtvdade, domnânca, posção e a varânca σ. Além dsso, consderando-se que o número de QTLs (P) é desconhecdo, também, especfa-se uma dstrbução a pror para P. Vsto que a dstrbução conunta a posteror para os parâmetros de nteresse do modelo possu forma analítca complexa, resumos a posteror para estes parâmetros apresentam cálculos nváves. Desse modo, empregam-se métodos computaconalmente ntensvos (algortmo Monte Carlo va Cadeas de MarkovCMC), para a obtenção de uma amostra da dstrbução conunta a posteror. A suposção de que o número de QTLs é desconhecdo, torna a obtenção da amostra da dstrbução conunta a posteror lgeramente mas complcada. Uma solução para esse problema está na utlzação de algortmos trans-dmensonas proetados para construr cadeas de Markov onde a dmensão do espaço de estados muda ao longo das terações, tas como algortmos MCMC com saltos reversíves (RJMCMC, Reversble Jump MCMC ) (Green, 1995; Sorensen e Ganola, 00). Para construção da amostra da dstrbução conunta a posteror fo utlzado o módulo BIM do programa QTLCartographer, versão.5 para Wndows. Fo gerada uma cadea de Markov com terações, burn-n de 000, pré burn-n de 1000 e thn de 100 terações sendo obtda uma amostra de tamanho Para a seleção do número de QTLs fo utlzado o Fator de Bayes (BF) defndo por P(M ) y P(M ) y BF(M ) =, P(M ) P(M ) sendo P(M y)ep(m y) as probabldades a posteror condconadas às observações para os modelos M e M respectvamente e, P(M ) e P(M ) as probabldades a pror para os modelos com e com +1 QTLs, ou sea e M (-1) M e M. A Tabela 1 apresenta uma calbração para o Fator de Bayes baseado no valor de BF(M ;M (-1) ) (Raftery, 1995): n 110 Rev. Bras. Bom., São Paulo, v.6, n., p , 008
5 Table 1 - Decsões sobre a evdênca de M em relação a M(-1) Valores de B(M (-1) ) 1 + ) Conclusão B ( M ( 1 ) 3 Evdênca a favor de M 3 < + ) B ( M ( 1 ) 10 Evdênca postva a favor de M 10 < B ( M ( + 1) ) 100 Forte evdênca a favor de M B ( M ( + 1) ) > 100 Evdênca decsva a favor de M Fonte: Jeffreys, 1935, apud Raftery, Resultados de Dscussão Consderando-se amostra aleatóra obtda para a quantdade P, conclu-se que o modelo com cnco QTLs austa- se melhor aos dados. O número de QTLs presente no genoma fo escolhdo utlzando-se o Fator de Bayes. Consderando-se o modelo com cnco QTLs (M 5 ) e consderando-se que o genoma do mlho possu dez cromossomos fo defnda a confguração cromossômca dos cnco QTLs, ou sea, fo escolhdo através do Fator de Bayes a possível dstrbução dos QTLs nos cromossomos. A segur, foram estmadas: sua posção ( ) no cromossomo escolhdo e seus os efetos: efeto adtvo (a) e de domnânca (d) e o tpo de nteração alélca (GD) ocorrda (LIU, 1998). A Tabela apresenta o resumo dos resultados obtdos na análse. Os nomes dos QTLs são compostos por códgo ndcando o caractere correspondente segudo por número ndcando o cromossomo no qual ele se encontra o QTL e por letra dentfcando os város QTLs localzados no mesmo cromossomo. Dessa forma, observase que QTL nomeado por qprod5 sgnfca presença de QTL para o caractere produção de grãos localzado no cromossomo cnco. As letras a, b dentfcam os város QTLs localzados no mesmo cromossomo. A maor parte dos alelos que contrbu de forma favorável para o caractere é provenente da lnhagem parental L0-03D, que apresentou maor produção de grãos. A contrbução através de alelos favoráves para essa lnhagem fo efetva para quatro dos cnco QTLs mapeados. Os QTLs detectados pelo mapeamento por ntervalo Bayesano, localzados no genoma do mlho podem ser vstos na Fgura 1. As progênes F :3 avaladas apresentaram produção méda de 43,84 gramas planta -1. O coefcente de herdabldade ( ĥ ) fo de 15%, ndcando baxa herdabldade para o caractere. Os cnco QTLs assocados a produção de grãos, mapeados através da abordagem Bayesana, estão dstrbuídos nos cromossomos 1 (um QTL), 3 (um QTL), 5 (dos QTLs) e 9 (um QTL). Os efetos adtvos (a) dos QTLs para produção de grãos vararam de -0,3 a 0,9, enquanto os de domnânca (d) vararam de -0,16 a 0,34, para os QTLs qprod5b e qprod9a respectvamente. As estmatvas dos efetos genétcos e dos valores de d / a para cada QTL ndcaram a ocorrênca de dferentes tpos de nterações alélcas, mostrando que as nterações gêncas predomnantes foram de domnânca parcal ( QTLs) e adtva ( QTLs), segudas por sobredomnânca (1 QTL). O grau médo de domnânca estmado para o caractere produtvdade de grãos consderando todos os QTLs Rev. Bras. Bom., São Paulo, v.6, n., p ,
6 mapeados ponderados por seus respectvos R fo de 0,8, evdencando que o caractere apresenta em méda domnânca parcal. ˆ G Table - Resumo do mapeamento de QTLs para o caráter produção de grãos QTL Crom a Posção cm Intervalo a Efetos qprod1a 1 106,0 U1917-U1558 0,51 0,19 qprod3a 3 107,34 P073-B197 0,81 0,09 qprod5a 5 75,5 M08-U154 0,66 0,5 qprod5b 5 98,05 U154-U013 0,9-0,16 qprod9a 9 64,84 P065-B1714-0,3 0,34 Tabela - (contnuação) d GMD ˆ e QTL Crom a d ˆ / aˆ GD b Dreção Rˆ F (%) c Rˆ d G (%) qprod1a 1 0,38 DP L0-03D 0,19 1,31 qprod3a 3 0,11 A L0-03D 0,47 3,15 qprod5a 5 0,37 DP L0-03D 0,33,0 qprod5b 5 0,18 A L0-03D 0,60 4,04 qprod9a 9 1,45 SD L0-01F 0,08 0,53 0,8 DP R Total 1,66 11,3 (a) Cromossomo em que fo detectado o QTL; (b) GD (grau de domnânca): A=adtva ( d ˆ / aˆ < 0, ), DP=domnânca parcal ( 0, d ˆ / aˆ < 0, 8 ), DC=domnânca completa ( 0,8 d ˆ / aˆ < 1, ),SD=sobredomnâncal ( d ˆ / aˆ > 1, ); (c) ˆ R F (%) : Porcentagem da varação fenotípca explcada pelo QTL; (d) ˆ R G (%) : Porcentagem da varação genotípca explcada pelo QTL; (e) GM ˆ D (grau médo de domnânca) GD Rˆ G GMD ˆ. = Rˆ G ˆ F A proporção da varânca fenotípca ( R ) explcada pelos QTLs varou de 0,08% a 0,6%, enquanto a proporção da varânca genétca ( R ) varou de 0,53% a 4,04%, explcada, respectvamente, pelos QTLs qprod9a e qprod5b. Em conunto, os cnco QTLs detectados para produção de grãos, explcaram 1,66% da varânca fenotípca e 11,3% da varânca genétca do caractere. A Tabela 3 apresenta os ntervalos de credbldade de 95% para a localzação e os efetos adtvo (a) e de domnânca (d), ˆ G 11 Rev. Bras. Bom., São Paulo, v.6, n., p , 008
7 Tabela 3 - Intervalos de Credbldade para os efetos genétcos e localzação ( ) dos QTLs controladores do caráter produção de grãos QTL a Efetos qprod1a (1,56; 76,47) (-1,95; 3,10) (-1,61;,17) qprod3a (11,08; 75,7) (-,10; 3,70) (-1,93;,36) qprod5a (4,61; 153,48) (-,36; 3,84) (-1,93;,56) qprod5b (3,64; 40,11) (-,1; 3,76) (-,64; 1,96) qprod9a (,95; 141,9) (-,64; 3,37) (-,03;,73) d Conclusões Os resultados obtdos nesse trabalho possbltaram as seguntes conclusões: a) A vantagem de se utlzar nformações adconas sobre as quantdades desconhecdas (dstrbuções a pror) que conectadas às nformações dos dados observados (verossmlhança) são atualzadas segundo a abordagem Bayesana; b) Exstênca de cnco QTLs assocados à produção de grãos sendo 1 QTL nos cromossomos um, três e nove; e dos QTLs no cromossomo cnco. c) Na abordagem clássca é necessáro determnar o lmar crítco para a presença de QTLs enquanto que na abordagem Bayesana não exste essa necessdade; d) É possível calcular ntervalos de credbldade ( 1 α)% que garantem que o parâmetro de nteresse pertence a esse ntervalo. e) Uma fragldade verfcada, na metodologa Bayesana de mapeamento por ntervalo, através da análse de sensbldade fo com relação a especfcação da pror para a o número de QTLs presente no modelo, P. Estudos estão sendo realzados para soluconar essa fragldade. f) Anda, verfca-se a necessdade de mplementação de programas para obtenção de amostras da dstrbução a posteror conunta vsto que o software utlzado não permte nterações com o pesqusador. Agradecmentos Agradecemos ao departamento de Genétca da ESALQ/USP pelo fornecmento dos dados analsados neste trabalho e à CAPES pela concessão do suporte fnancero. TOLEDO, E. R.; LEANDRO, R. A.; SOUZA JUNIOR, C. L.; SOUZA, A. P. Mappng QTL: a Bayesan approach. Rev. Bras. Bom., São Paulo, v.6, n., p , 008. ABSTRACT: Characters of agronomcs mportance, n ts maorty, can be classfed as quanttatve, whose phenotpc expresson presents contnuous varaton, attrbuted to the Rev. Bras. Bom., São Paulo, v.6, n., p ,
8 smultaneous segregaton of many genes, n defnte regons as QTLs (Quanttatve Trat Loc), Mappng QTL s dentfy ts poston n the genoma and esteem ts effect, Some methods of mappng exst, great part of them present classc boardng, Ths work wll present Bayesan approach, KEYWORDS: Quanttatve trat loc; Bayesan approach; Bayes factor; reversble ump MCMC. Referêncas GAFFNEY, P. J. An effcent reversble ump Markov chan Monte Carlo approach to detect multple loc and ther effects n nbred crosses f. Ph. D. (Doctor of Phlosophy n Statstcs) - Unversty of Wsconsnadson, 001. GREEN, P. J. Reversble ump Markov chan Monte Carlo computaton and Bayesan model determnaton, Bometrka, Oxford, v.8, p , LIU, B. H. Statstcal genomcs: lnkage, mappng and QTL analyss. New York: CRC Press, p. RAFTERY, A. E. Bayesan model selecton n socal research. Socol. Methodol., Washngton, v.5, p , RAGONHA, F. Construção de mapas genétcos em espéces de polnzação aberta: Uma abordagem Bayesana com o uso de uma pror nformatva f. Dssertação (Mestrado em Expermentação Agrícola) - Escola Superor de Agrcultura Luz de Queroz, Unversdade de São Paulo, São Paulo, 005. SATAGOPAN, J. M. et al. A Bayesan approach to detect quanttatve trat loc usng Markov chan Monte Carlo. Genetcs, Pennsylvana, v.144, p , SILLANPÄÄ. J.; ARJAS, E. Bayesan mappng of multple quanttatve trat loc from ncomplete nbred lne cross data. Genetcs, Pennsylvana, v.148, p , SORENSEN, D.; GIANOLA, D. Lkelhood, Bayesan, and MCMC methods n quanttatve genetcs. Sprnger-Verlag, p. ZENG, Z. B. Theoretcal bass for separaton of multple lnked gene effects n mappng quanttatve trat loc. Proc. Nat. Acad. Sc., v.90, p , ZENG, Z. B. Precson mappng of quanttatve trat loc. Genetcs, Pennsylvana, v.136, n.4, p , ZENG, Z. B. Modelng eptass of quanttatve trat loc usng Cockerham s model. Genetcs, Pennsylvana, v.160, p , 00. WU, R.; MA, C. X.; PAINTER, I.; ZENG, Z. B. Smultaneous maxmum lkelhood estmaton of lnkage and lnkage phases n outcrossng speces. Theor. Popul. Bol., Sant Lous, v.61, p , 00. Recebdo Aprovado após revsão Rev. Bras. Bom., São Paulo, v.6, n., p , 008
3 Algoritmos propostos
Algortmos propostos 3 Algortmos propostos Nesse trabalho foram desenvolvdos dos algortmos que permtem classfcar documentos em categoras de forma automátca, com trenamento feto por usuáros Tas algortmos
Leia maisDELINEAMENTOS EXPERIMENTAIS
SUMÁRIO 1 Delneamentos Expermentas 2 1.1 Delneamento Interamente Casualzado..................... 2 1.2 Delneamento Blocos Casualzados (DBC).................... 3 1.3 Delneamento Quadrado Latno (DQL)......................
Leia maisUNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)
UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade
Leia maisVariação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.
Aplcação Por exemplo, se prepararmos uma área expermental com todo cudado possível e fzermos, manualmente, o planto de 100 sementes seleconadas de um mlho híbrdo, cudando para que as sementes fquem na
Leia maisOs modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.
MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,
Leia mais2 Incerteza de medição
2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr
Leia maisDEFINIÇÃO - MODELO LINEAR GENERALIZADO
DEFINIÇÃO - MODELO LINEAR GENERALIZADO 1 Um modelo lnear generalzado é defndo pelos seguntes três componentes: Componente aleatóro; Componente sstemátco; Função de lgação; Componente aleatóro: Um conjunto
Leia maisO problema da superdispersão na análise de dados de contagens
O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão
Leia maisModelagem do crescimento de clones de Eucalyptus via modelos não lineares
Modelagem do crescmento de clones de Eucalyptus va modelos não lneares Joselme Fernandes Gouvea 2 Davd Venanco da Cruz 3 Máco Augusto de Albuquerque 3 José Antôno Alexo da Slva Introdução Os fenômenos
Leia maisEstimação Bayesiana das Fragilidades Individuais de Pacientes em Tratamento de Hemodiálise
Estmação Bayesana das Fragldades Indvduas de Pacentes em Tratamento de Hemodálse Grazela Dutra Rocha Gouvêa 2 Vera Lúca Damasceno Tomazella 3 João Domngos Scalon 4 Introdução Em análse de sobrevvênca consdera-se,
Leia maisUMA VALIDAÇÃO MATEMÁTICA PARA UM ALGORITMO QUE SIMULA MISTURAS DE DISTRIBUIÇÕES
UMA VALIDAÇÃO MATEMÁTICA PARA UM ALGORITMO QUE SIMULA MISTURAS DE DISTRIBUIÇÕES Ana Paula Coelho MADEIRA Lucas Montero CHAVES Devanl Jaques de SOUZA Resumo: Uma valdação matemátca, utlzando o conceto de
Leia maisESTABILIDADE FENOTÍPICA DE CULTIVARES ELITES DE ALGODOEIRO HERBÁCEO 1
ESTABILIDADE FENOTÍICA DE CULTIVARES ELITES DE ALGODOEIRO HERBÁCEO 1 Francsco José Correa Faras (Embrapa Algodão - Núcleo do Mato Grosso / faras@cnpa.embrapa.br), Natal Antõno Vello (ESALQ US - Departamento
Leia maisAnálise de Regressão Linear Múltipla IV
Análse de Regressão Lnear Múltpla IV Aula 7 Guarat e Porter, 11 Capítulos 7 e 8 He et al., 4 Capítulo 3 Exemplo Tomando por base o modelo salaro 1educ anosemp exp prev log 3 a senhorta Jole, gerente do
Leia maisÉ 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 entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisO problema da superdispersão na análise de dados de contagens
O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão
Leia maisÍNDICE DE CONSISTÊNCIA TEMPORAL: UM NOVO MÉTODO PARA AVALIAÇÃO DA ESTABILIDADE TEMPORAL DE ARMAZENAMENTO DE ÁGUA NO SOLO
Anas Eletrônco ÍNDICE DE CONSISTÊNCIA TEMPORAL: UM NOVO MÉTODO PARA AVALIAÇÃO DA ESTABILIDADE TEMPORAL DE ARMAZENAMENTO DE ÁGUA NO SOLO Anderson Takash Hara, Heraldo Takao Hashgut, Antôno Carlos Andrade
Leia maisAlgarismos Significativos Propagação de Erros ou Desvios
Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento
Leia maisRegressão Múltipla. Parte I: Modelo Geral e Estimação
Regressão Múltpla Parte I: Modelo Geral e Estmação Regressão lnear múltpla Exemplos: Num estudo sobre a produtvdade de trabalhadores ( em aeronave, navos) o pesqusador deseja controlar o número desses
Leia maisDIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS
177 DIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS Antôno Carlos da Slva Flho Un-FACEF Introdução Trend Strps (TS) são uma nova técnca de análse da dnâmca de um sstema,
Leia mais3 A técnica de computação intensiva Bootstrap
A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca
Leia maisMODELOS DE REGRESSÃO PARAMÉTRICOS
MODELOS DE REGRESSÃO PARAMÉTRICOS Às vezes é de nteresse nclur na análse, característcas dos ndvíduos que podem estar relaconadas com o tempo de vda. Estudo de nsufcênca renal: verfcar qual o efeto da
Leia maisUniversidade de São Paulo Escola Superior de Agricultura Luiz de Queiroz Departamento de Ciências Exatas
Unversdade de São Paulo Escola Superor de Agrcultura Luz de Queroz Departamento de Cêncas Exatas Prova escrta de seleção para DOUTORADO em Estatístca e Expermentação Agronômca Nome do canddato (a): Questão
Leia maisRISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%
Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $
Leia mais3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo
3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas
Leia mais4 Critérios para Avaliação dos Cenários
Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada
Leia maisEstatística I Licenciatura MAEG 2006/07
Estatístca I Lcencatura MAEG 006/07 AMOSTRAGEM. DISTRIBUIÇÕES POR AMOSTRAGEM.. Em determnada unversdade verfca-se que 30% dos alunos têm carro. Seleccona-se uma amostra casual smples de 0 alunos. a) Qual
Leia maisTeoria Elementar da Probabilidade
10 Teora Elementar da Probabldade MODELOS MATEMÁTICOS DETERMINÍSTICOS PROBABILÍSTICOS PROCESSO (FENÓMENO) ALEATÓRIO - Quando o acaso nterfere na ocorrênca de um ou mas dos resultados nos quas tal processo
Leia maisAnálise de Regressão Linear Múltipla VII
Análse de Regressão Lnear Múltpla VII Aula 1 Hej et al., 4 Seções 3. e 3.4 Hpótese Lnear Geral Seja y = + 1 x 1 + x +... + k x k +, = 1,,..., n. um modelo de regressão lnear múltpla, que pode ser escrto
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisRAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro
UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD1507 Estatístca Aplcada à Admnstração I Prof. Dr. Evandro Marcos adel Rbero
Leia maisCAPACIDADE COMBINATÓRIA ENTRE LINHAGENS DE ALGODÃO (Gossypium hirsutum L.) EM CONDIÇÕES DE CERRADO (*)
CAPACIDADE COMBINATÓRIA ENTRE LINHAGENS DE ALGODÃO (Gossypum hrsutum L.) EM CONDIÇÕES DE CERRADO (*) Camlo de Lels Morello 1, Eleuso Curvelo Frere 2, José Wellngton dos Santos 3, Francsco Perera de Andrade
Leia maisTestes não-paramétricos
Testes não-paramétrcos Prof. Lorí Val, Dr. http://www.mat.ufrgs.br/val/ val@mat.ufrgs.br Um teste não paramétrco testa outras stuações que não parâmetros populaconas. Estas stuações podem ser relaconamentos,
Leia maisAplicação de um modelo simulado na formação de fábricas
Aplcação de um modelo smulado na formação de fábrcas Márca Gonçalves Pzaa (UFOP) pzaa@ldapalm.com.br Rubson Rocha (UFSC) rubsonrocha@eps.ufsc.br Resumo O objetvo deste estudo é determnar a necessdade de
Leia maisX = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)
Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado
Leia maisReconhecimento Estatístico de Padrões
Reconhecmento Estatístco de Padrões X 3 O paradgma pode ser sumarzado da segunte forma: Cada padrão é representado por um vector de característcas x = x1 x2 x N (,,, ) x x1 x... x d 2 = X 1 X 2 Espaço
Leia maisREGRESSÃO NÃO LINEAR 27/06/2017
7/06/07 REGRESSÃO NÃO LINEAR CUIABÁ, MT 07/ Os modelos de regressão não lnear dferencam-se dos modelos lneares, tanto smples como múltplos, pelo fato de suas varáves ndependentes não estarem separados
Leia mais6 Modelo Proposto Introdução
6 Modelo Proposto 6.1. Introdução Neste capítulo serão apresentados detalhes do modelo proposto nesta dssertação de mestrado, onde será utlzado um modelo híbrdo para se obter prevsão de carga curto prazo
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ Em mutas stuações duas ou mas varáves estão relaconadas e surge então a necessdade de determnar a natureza deste relaconamento. A análse
Leia maisUM PROBLEMA ECONOMÉTRICO NO USO DE VARIÁVEIS CLIMÁTICAS EM FUNÇÕES DE PRODUÇÃO AJUSTADAS A DADOS EXPERIMENTAIS
UM PROBLEMA ECONOMÉTRICO NO USO DE VARIÁVEIS CLIMÁTICAS EM FUNÇÕES DE PRODUÇÃO AJUSTADAS A DADOS EXPERIMENTAIS Rodolfo Hoffmann * Vctor Hugo da Fonseca Porto ** SINOPSE Neste trabalho deduz-se qual é o
Leia maisDependência Espacial de espécies nativas em fragmentos. florestais
Dependênca Espacal de espéces natvas em fragmentos 1 Introdução florestas 1 Mestranda em Engenhara Florestal LEMAF/DCF UFLA. e-mal: cunhadase@yahoo.com.br 2 Mestrando em Engenhara Florestal LEMAF/DCF UFLA.
Leia maisSELEÇÃO DE MODELOS VOLUMÉTRICOS PARA CLONES DE EUCALYPTUS SPP., NO PÓLO GESSEIRO DO ARARIPE
SELEÇÃO DE MODELOS VOLUMÉTRICOS PARA CLONES DE EUCALYPTUS SPP, NO PÓLO GESSEIRO DO ARARIPE Jáder da Slva Jale Joselme Fernandes Gouvea Alne Santos de Melo Denns Marnho O R Souza Kléber Napoleão Nunes de
Leia mais1. CORRELAÇÃO E REGRESSÃO LINEAR
1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação
Leia maisCorreção para estrutura de população baseada em análise de covariância via autovetores da matriz de parentesco genômico
Correção para estrutura de população baseada em análse de covarânca va autovetores da matrz de parentesco genômco Camla Ferrera Azevedo 1,6 Marcos Deon Vlela de Resende 2 Fabyano Fonseca e Slva 3 José
Leia maisAnais do Congresso de Pesquisa, Ensino e Extensão- CONPEEX (2010)
Anas do Congresso de Pesqusa, Ensno e Extensão- CONPEEX (00) 59-596 CRUZAMENTOS DIALÉLICOS ENTRE GENÓTIPOS DA COLEÇÃO NUCLEAR DE ARROZ DA EMBRAPA João Antôno Mendonça, Jason Perera de Olvera, Paulo Hdeo
Leia maisModelo linear clássico com erros heterocedásticos. O método de mínimos quadrados ponderados
Modelo lnear clássco com erros heterocedástcos O método de mínmos quadrados ponderados 1 Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal
Leia maisMELHORAMENTO DE MILHO-PIPOCA PARA PRODUÇÃO DE MINIMILHO
ISBN 978-85-61091-05-7 V EPCC Encontro Internaconal de Produção Centífca Cesumar 27 a 30 de outubro de 2009 MELHORAMENTO DE MILHO-PIPOCA PARA PRODUÇÃO DE MINIMILHO Glberto Barbosa Sandoval Junor 1, Klayton
Leia maisMétodos 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 maisDIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS
DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS 1 A análse de dagnóstco (ou dagnóstco do ajuste) confgura uma etapa fundamental no ajuste de modelos de regressão. O objetvo prncpal da análse de dagnóstco
Leia maisIdentidade dos parâmetros de modelos segmentados
Identdade dos parâmetros de modelos segmentados Dana Campos de Olvera Antono Polcarpo Souza Carnero Joel Augusto Munz Fabyano Fonseca e Slva 4 Introdução No Brasl, dentre os anmas de médo porte, os ovnos
Leia maisPrograma de Certificação de Medidas de um laboratório
Programa de Certfcação de Meddas de um laboratóro Tratamento de dados Elmnação de dervas Programa de calbração entre laboratóros Programa nterno de calbração justes de meddas a curvas Tratamento dos resultados
Leia maisInferência Estatística e Aplicações II. Edson Zangiacomi Martinez Departamento de Medicina Social FMRP/USP
Inferênca Estatístca e Aplcações II Edson Zangacom Martnez Departamento de Medcna Socal FMRP/USP edson@fmrp.usp.br Métodos Bayesanos Edson Zangacom Martnez Cênca Hoje, julho de 2006 Thomas Bayes Thomas
Leia maisPRESSUPOSTOS DO MODELO DE REGRESSÃO
PREUPOTO DO MODELO DE REGREÃO A aplcação do modelo de regressão lnear múltpla (bem como da smples) pressupõe a verfcação de alguns pressupostos que condensamos segudamente.. Os erros E são varáves aleatóras
Leia maisANÁLISE DA CAPACIDADE COMBINATÓRIA EM BERINJELA (1)
ANÁLISE DA CAPACIDADE COMBINATÓRIA EM BERINJELA 7 ANÁLISE DA CAPACIDADE COMBINATÓRIA EM BERINJELA DERLY JOSÉ HENRIQUES DA SILVA (2), CYRO PAULINO DA COSTA (3), VICENTE WAGNER DIAS CASALI (2), LUÍZ ANTÔNIO
Leia mais(1) A uma parede totalmente catalítica quanto para uma parede com equilíbrio catalítico. No caso de uma parede com equilíbrio catalítico, tem-se:
1 RELATÓRIO - MODIFICAÇÃO DA CONDIÇÃO DE CONTORNO DE ENTRADA: MODELOS PARCIALMENTE CATALÍTICO E NÃO CATALÍTICO PARA ESCOAMENTOS COM TAXA FINITA DE REAÇÃO 1. Condções de contorno Em escoamentos reatvos,
Leia maisModelo Logístico. Modelagem multivariável com variáveis quantitativas e qualitativas, com resposta binária.
Modelagem multvarável com varáves quanttatvas e qualtatvas, com resposta bnára. O modelo de regressão não lnear logístco ou modelo logístco é utlzado quando a varável resposta é qualtatva com dos resultados
Leia maisAnálise de Variância. Comparação de duas ou mais médias
Análse de Varânca Comparação de duas ou mas médas Análse de varânca com um fator Exemplo Um expermento fo realzado para se estudar dabetes gestaconal. Desejava-se avalar o comportamento da hemoglobna (HbA)
Leia maisEstatística Espacial: Dados de Área
Estatístca Espacal: Dados de Área Dstrbução do número observado de eventos Padronzação e SMR Mapas de Probabldades Mapas com taxas empírcas bayesanas Padronzação Para permtr comparações entre dferentes
Leia maisMOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES
MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES 1. Obtenha os estmadores dos coefcentes lnear e angular de um modelo de regressão lnear smples utlzando o método
Leia maisDelineamento Aleatorizado em Blocos Completos (DABC)
Delneamento Aleatorzado em Blocos Completos (DABC) Motvação Por que planear um expermento? Como dmnur o efeto resdual? Como controlar o efeto de fontes de varação conhecdas mas que não são de nteresse
Leia mais1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de
Leia maisMAE 317 Planejamento e Pesquisa I Profa. Júlia Maria Pavan Soler
MAE 317 Planeamento e Pesqusa I Profa. Júla Mara Pavan Soler pavan@me.usp.br IME/USP 1º Semestre/019 Delneamento Aleatorzado em Blocos Completos (DABC) Motvação Por que planear um expermento? Como dmnur
Leia maisCapítulo 1. Exercício 5. Capítulo 2 Exercício
UNIVERSIDADE FEDERAL DE GOIÁS CIÊNCIAS ECONÔMICAS ECONOMETRIA (04-II) PRIMEIRA LISTA DE EXERCÍCIOS Exercícos do Gujarat Exercíco 5 Capítulo Capítulo Exercíco 3 4 5 7 0 5 Capítulo 3 As duas prmeras demonstrações
Leia mais3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas
3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas
Leia maisAnálise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA
Análse de Regressão Profa Alcone Mranda dos Santos Departamento de Saúde Públca UFMA Introdução Uma das preocupações estatístcas ao analsar dados, é a de crar modelos que explctem estruturas do fenômeno
Leia maisAplicações de Estimadores Bayesianos Empíricos para Análise Espacial de Taxas de Mortalidade
Aplcações de Estmadores Bayesanos Empírcos para Análse Espacal de Taxas de Mortaldade Alexandre E. dos Santos, Alexandre L. Rodrgues, Danlo L. Lopes Departamento de Estatístca Unversdade Federal de Mnas
Leia maisPrograma do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall
Sstemas Intelgentes Aplcados Carlos Hall Programa do Curso Lmpeza/Integração de Dados Transformação de Dados Dscretzação de Varáves Contínuas Transformação de Varáves Dscretas em Contínuas Transformação
Leia maisAssociação entre duas variáveis quantitativas
Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa
Leia maisClassificação de Padrões
Classfcação de Padrões Introdução Classfcadores Paramétrcos Classfcadores Sem-paramétrcos Redução da Dmensonaldade Teste de Sgnfcânca 6.345 Sstema de Reconhecmento de Voz Teora Acústca da Produção de Voz
Leia maisA redução na pressão sangüínea (mm Hg) em um período de quatro semanas observadas em cães experimentais está tabulada abaixo:
UNIVERSIDADE ESTADUAL PAULISTA FACULDADE DE CIÊNCIAS AGRÁRIAS E VETERINÁRIAS CAMPUS DE JABOTICABAL ª PROVA DE ESTATÍSTICA EXPERIMENTAL - MEDICINA VETERINÁRIA NOME: DATA / / ª QUESTÃO (,): A redução da
Leia maisESCOAMENTO EM UMA ESTRUTURA POROSA FORMADA POR UM ARRANJO INFINITO DE HASTES CILÍNDRICAS. Rodolfo Oliveira 1, Renato A. Silva 2
ESCOAMENTO EM UMA ESTRUTURA POROSA FORMAA POR UM ARRANJO INFINITO E HASTES CILÍNRICAS Rodolfo Olvera 1, Renato A. Slva Unversdade Federal do Espírto Santo Centro Unverstáro Norte do Espírto Santo epartamento
Leia maisEstudo quantitativo do processo de tomada de decisão de um projeto de melhoria da qualidade de ensino de graduação.
Estudo quanttatvo do processo de tomada de decsão de um projeto de melhora da qualdade de ensno de graduação. Rogéro de Melo Costa Pnto 1, Rafael Aparecdo Pres Espíndula 2, Arlndo José de Souza Júnor 1,
Leia maisMedidas de Tendência Central. Prof.: Ademilson Teixeira
Meddas de Tendênca Central Prof.: Ademlson Texera ademlson.texera@fsc.edu.br 1 Servem para descrever característcas báscas de um estudo com dados quanttatvos e comparar resultados. Meddas de Tendênca Central
Leia maisESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL
Revsta Matz Onlne ESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL Valera Ap. Martns Ferrera Vvane Carla Fortulan Valéra Aparecda Martns. Mestre em Cêncas pela Unversdade de São Paulo- USP.
Leia maisRegressão Logística Aplicada aos Casos de Sífilis Congênita no Estado do Pará
Regressão Logístca Aplcada aos Casos de Sífls Congênta no Estado do Pará Crstane Nazaré Pamplona de Souza 1 Vanessa Ferrera Montero 1 Adrlayne dos Res Araújo 2 Edson Marcos Leal Soares Ramos 2 1 Introdução
Leia maisCap. IV Análise estatística de incertezas aleatórias
TLF 010/11 Cap. IV Análse estatístca de ncertezas aleatóras Capítulo IV Análse estatístca de ncertezas aleatóras 4.1. Méda 43 4.. Desvo padrão 44 4.3. Sgnfcado do desvo padrão 46 4.4. Desvo padrão da méda
Leia mais5 Implementação Procedimento de segmentação
5 Implementação O capítulo segunte apresenta uma batera de expermentos prátcos realzados com o objetvo de valdar o método proposto neste trabalho. O método envolve, contudo, alguns passos que podem ser
Leia maisUMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EATAS DEPARTAMENTO DE ESTATÍSTICA UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
Leia maisVariável discreta: X = número de divórcios por indivíduo
5. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas
Leia maisEstudo e Previsão da Demanda de Energia Elétrica. Parte II
Unversdade Federal de Paraná Setor de Tecnologa Departamento de Engenhara Elétrca Estudo e Prevsão da Demanda de Energa Elétrca Parte II Prof: Clodomro Unshuay-Vla Etapas de um Modelo de Prevsão Objetvo
Leia mais2 Metodologia de Medição de Riscos para Projetos
2 Metodologa de Medção de Rscos para Projetos Neste capítulo remos aplcar os concetos apresentados na seção 1.1 ao ambente de projetos. Um projeto, por defnção, é um empreendmento com metas de prazo, margem
Leia maisRepresentação e Descrição de Regiões
Depos de uma magem ter sdo segmentada em regões é necessáro representar e descrever cada regão para posteror processamento A escolha da representação de uma regão envolve a escolha dos elementos que são
Leia maisAnálise de Regressão
Análse de Regressão método estatístco que utlza relação entre duas ou mas varáves de modo que uma varável pode ser estmada (ou predta) a partr da outra ou das outras Neter, J. et al. Appled Lnear Statstcal
Leia maisEstatística II Antonio Roque Aula 18. Regressão Linear
Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão
Leia maisModelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados
Modelo lnear normal com erros heterocedástcos O método de mínmos quadrados ponderados Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal
Leia maisNome: Nº: Estatística para Economia e Gestão Licenciaturas em Economia e Gestão. 2.º Semestre de 2008/2009
Estatístca para Economa e Gestão Lcencaturas em Economa e Gestão.º Semestre de 008/009 Exame Fnal (.ª Época) 16 de Junho de 009; 17h30m Duração: 10 mnutos INSTRUÇÕES Escreva o nome e número de aluno em
Leia maisAvaliação do tamanho da amostra de segmentos regulares para estimar a área plantada com café na região sul de Minas Gerais
Avalação do tamanho da amostra de segmentos regulares para estmar a área plantada com café na regão sul de Mnas Geras Marcos Adam Maurco Alves Morera Bernardo Fredrch Theodor Rudorff Insttuto Naconal de
Leia mais6 Análises de probabilidade de ruptura de um talude
6 Análses de probabldade de ruptura de um talude 6.. Introdução No presente capítulo, apresentam-se prevsões de probabldades de ruptura para o talude de jusante da Barragem de Benguê mostrada na fgura
Leia maisGestão e Teoria da Decisão
Gestão e Teora da Decsão Logístca e Gestão de Stocks Estratégas de Localzação Lcencatura em Engenhara Cvl Lcencatura em Engenhara do Terrtóro 1 Estratéga de Localzação Agenda 1. Classfcação dos problemas
Leia mais8.16. Experimentos Fatoriais e o Fatorial Fracionado
8.6. Expermentos Fatoras e o Fatoral Fraconado Segundo Kng (995) os arranos fatoras e fatoral fraconado estão dentre os arranos mas usados em expermentos ndustras. Veremos aqu alguns casos mas geras e
Leia maisFigura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma
Capítulo 8 Dferencação Numérca Quase todos os métodos numércos utlzados atualmente para obtenção de soluções de equações erencas ordnáras e parcas utlzam algum tpo de aproxmação para as dervadas contínuas
Leia mais7 - Distribuição de Freqüências
7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste
Leia maisANÁLISE DA VARIÂNCIA DA REGRESSÃO
ANÁLISE DA VARIÂNCIA DA REGRESSÃO PROCEDIMENTO GERAL DE REGRESSÃO Em um modelo de análse de varânca, como no DIA, o fator em estudo pode ser quanttatvo ou qualtatvo. FATOR QUANTITATIVO: é aquele cujos
Leia maisUNIVERSIDADE FEDERAL DE MINAS GERAIS JORIA MARTINHO GONÇALVES SOLUÇÕES PARA O PROBLEMA DE SEPARAÇÃO QUASE-COMPLETA EM REGRESSÃO LOGÍSTICA
UNIVERSIDADE FEDERAL DE MINAS GERAIS JORIA MARTINHO GONÇALVES SOLUÇÕES PARA O PROBLEMA DE SEPARAÇÃO QUASE-COMPLETA EM REGRESSÃO LOGÍSTICA BELO HORIZONTE 28 JORIA MARTINHO GONÇALVES SOLUÇÕES PARA O PROBLEMA
Leia maisUniversidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Classificadores Lineares. Luiz Eduardo S. Oliveira, Ph.D.
Unversdade Federal do Paraná Departamento de Informátca Reconhecmento de Padrões Classfcadores Lneares Luz Eduardo S. Olvera, Ph.D. http://lesolvera.net Objetvos Introduzr os o conceto de classfcação lnear.
Leia mais7 Tratamento dos Dados
7 Tratamento dos Dados 7.. Coefcentes de Troca de Calor O úmero de usselt local é dado por h( r )d u ( r ) (7-) k onde h(r), o coefcente local de troca de calor é h( r ) q''- perdas T q''- perdas (T( r
Leia maisREGRESSÃO APLICADA À DADOS FLORESTAIS
3/6/8 REGRESSÃO APLICADA À DADOS FLORESTAIS INTRODUÇÃO SOFTWARE R IRATI, PR 8 HISTÓRICO O R é uma lnguagem orentada a objetos, crada em 996 por Ross Ihaka e Robert Gentleman, que alada a um ambente ntegrado,
Leia mais