Métodos Experimentais em Ciências Mecânicas

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamanho: px
Começar a partir da página:

Download "Métodos Experimentais em Ciências Mecânicas"

Transcrição

1 Métodos Expermentas em Cêncas Mecâncas Professor Jorge Luz A. Ferrera

2 Sumáro.. Dagrama de Dspersão. Coefcente de Correlação Lnear de Pearson. Flosofa assocada a medda da Estatstca. este de Hpótese 3. Exemplos. Modelos de Regressão Lnear 3. Método dos Mínmos Quadrados 4. Qualdade do Modelo de Regressão

3 Deseja-se realzar uma nvestgação sobre a nfluenca da dureza do aço sobre as seguntes propredades mecâncas: - Módulo de Elastcdade, - ensão Lmte de Resstênca a ração, e - Lmte de Resstênca a Fadga Para verfcar tal nfluenca pode-se levantar na lteratura resultados observados de ensaos mecâncos. Pergunta Importante: Como verfcar se essas varáves estão assocadas?

4 Análse Vsual Dagrama de Dspersão Representação gráfca que permte a vsualzação do comportamento conjunto das duas varáves. Cada medda ndvdual é representada por um par ordenado, sendo que a posção de cada par é determnada pelos valores observados em um ndvíduo, para as duas característcas meddas (por exemplo, dureza e Resstenca). É denomnado, também, de gráfco.

5 Análse Vsual Dagrama de Dspersão entre a Dureza e o Módulo de Elastcdade Análse Módulo de Elastcdade Parece não haver uma 70 relação entre o 60 valor de Dureza e o 50 Módulo de Elastcdade Dureza Brnell

6 Análse Vsual Dagrama de Dspersão entre a Dureza e a Resstênca a Fadga 550 Análse Resstênca a Fadga Dureza Brnell Parece haver uma relação entre o valor de Dureza e o Resstênca a Fadga al relação parece ter um comportamento lnear, apesar de aparentemente exstr uma dspersão relatva entre as varáves

7 Análse Vsual Dagrama de Dspersão entre a Dureza e a Resstênca a ração Resstênca a ração Dureza Brnell Análse Parece haver uma relação entre o valor de Dureza e o Resstênca a Fadga al relação parece ter um comportamento lnear, com uma dspersão relatva baxa entre as varáves

8 Análse Vsual Dagrama de Dspersão - Característcas Resstênca a ração Dureza Brnell Dureza Brnell Resstênca a ração A análse não é alterada, se trocamos as varáves e, ou seja, a exstênca ou não da relação não depende de qual varável é consderada ndependente. OComomodelo Quantfca matemátco, a porém, Exstêncaserá dessa alterado Relaçãoa depender Lnear? de quem é.

9 Coefcente de Correlação Lnear de Pearson, r Valor numérco que mede a ntensdade da assocação lnear exstente entre as duas varáves, medda uma sére de observações. a partr de Karl Pearson ( )

10 Coefcente de Correlação Lnear de Pearson, r Como se Mede 800 d x 450 d x d geral E d global d y [( x x ) ( y y )] Problema: d geral é uma medda absoluta! d global d 00 y d v f [( ) ] v v ( E )

11 Coefcente de Correlação Lnear de Pearson, r Como se Mede r Onde: E [( x x ) ( y y )] ( x x ) E y E [ ] [( y) ] COV Var ( x, y) S x, y [ x] Var[ y] Sx S y s xy n ( x x ) ( y y ) covarânca n s x s y desvo-padrão de x desvo-padrão de y

12 Coefcente de Correlação Lnear de Pearson, r - Interpretação r - assume valores entre e +. x y r assocação lnear negatva forte; r 0 ausênca de assocação lnear; r + assocação lnear postva forte; x y

13 Coefcente de Correlação Lnear de Pearson, r - Interpretação Relação perfeta r + r + 0,80 r 0

14 Coefcente de Correlação Lnear de Pearson, r - Interpretação Relação perfeta r + r - 0,80 r - Relação perfeta

15 Coefcente de Correlação Lnear de Pearson, r este de Hpótese H 0 : r esta-se a hpótese nula: (bcaudal) A estatístca do teste é dada por: 0 t r n r e sob H 0, t tem dstrbução t-student com (n - ) graus de lberdade.

16 Dstrbução t-student A dstrbução t de Student, fo desenvolvda por Wllam Sealy Gosset (* ). A dstrbução t é smétrca, campanforme, e semelhante à curva normal padrão porém com caudas mas largas, ou seja, uma smulação da t de Student pode gerar valores mas extremos que uma smulação da normal. Aparecendo naturalmente no problema de se determnar a méda de uma população (que segue a dstrbução normal) a partr de uma amostra. Neste problema, não se sabe qual é a méda ou o desvo padrão da população, mas ela deve ser normal.

17 Coefcente de Correlação Lnear de Pearson, r este de Hpótese α/ O teste é construído da segunte forma: Para um coefcente específco r, um número de observações amostras, n, e um nível de sgnfcânca α temos: t n r t ( ) Crtco f α, n r Se t > t crtco rejeta-se H 0 r 0 Se t < t crtco aceta H 0 r 0 -t Crítco Crítco (H ser verdadera) 0

18 Coefcente de Correlação Lnear de Pearson, r este de Hpótese Exemplo : Calcular o coefcente de Pearson entre as varáves Dureza e Resstênca a ração. HBn Srt 55,84 898,397 73, , ,87 65,709 33,5 30,544 79, ,36 77,075 06,568 96, ,034 Cov(HBn,Srt) 4844,990 33,944 93,34 Desvo(HBn) 34,659 35,409 40,309 Desvo(Srt) 48,94 3,773 03,3 38,58 86,943 r 0,939 3,97 736,569 60,0 85,87 34,4 48,706 58,33 97,58 75,95 05,33 Resstenca a ração - MPa Dureza - HBn

19 Coefcente de Correlação Lnear de Pearson, r este de Hpótese Exemplo : Consderando os dados do exemplo anteror, avalar se a um nível de sgnfcânca, α, gual a,5%, o coefcente de correlação de Pearson, r, pode ser admtdo gual a 0,88. am Amostra 6 Graus de Lberdade 4 Nvel de Sgnfcanca (%),5 Coef. de Pearson, r 0,88 t 6,93 t crtco,4 Se t > t crtco rejeta-se H 0 r 0 Se t < t crtco aceta H 0 r 0 Há correlação entre Dureza e Resstênca a ração

20 Coefcente de Correlação Lnear de Pearson, r este de Hpótese Exemplo 3: Calcular o coefcente de Pearson entre as varáves Dureza e Módulo de Elastcdade. HBn E 55,84 00,67 73,568,74 333,87,379 33,5 07,83 79,494 97,454 77,075 99,53 96,969 03,40 Cov(HBn,Srt) -54,935 33,944 87,888 Desvo(HBn) 34,659 35,409 9,48 Desvo(Srt) 9,594 3,773 96,647 38,58 88,570 r -0,65 3,97,839 60,0 95,459 34,4 03,80 58,33,686 75,95 87,360 Módulo de Elastcdade - GPa Dureza - HBn

21 Coefcente de Correlação Lnear de Pearson, r este de Hpótese Exemplo 4: Consderando os dados do exemplo anteror, avalar se a um nível de sgnfcânca, α, gual a,5%, o coefcente de correlação de Pearson, r, pode ser admtdo gual a 0,. am Amostra 6 Graus de Lberdade 4 Nvel de Sgnfcanca (%),5 Coef. de Pearson, r 0, t 0,376 t crtco,448 Se t > t crtco rejeta-se H 0 r 0 Se t < t crtco aceta H 0 r 0 Não há correlação entre Dureza e Resstênca a ração

22 Regressão Lnear Regressão lnear é um método para se estmar a condconal (valor esperado) de uma varável v, dados os valores de algumas outras varáves v.

23 Modelos de Regressão Lnear Problema Fundamental: Uma vez verfcada a exstênca de uma relação entre duas varáves, v e v, deseja-se desenvolver um modelo para estmar o valor da medda da varável v a partr do conhecmento do valor meddo para a varável v v Questão Importante: v Qual a reta que melhor se ajusta a estes dados?

24 Modelos de Regressão Lnear Hpóteses Báscas A varânca de y é gual para cada valor de x; Os valores de y são ndependentes; A varânca dos erros é gual para cada valor de x; Os valores dos erros são ndependentes; A reta não pode ser estendda além dos pontos meddos; Modelo bem ajustado não garante presvbldade; Sensível aos valores aberrantes (outlers).

25 Modelos de Regressão Lnear Equação da Reta Intercepto y b 0 v b v b0 + b v b0 e b parâmetros da reta 5 0 Inclnação da reta v

26 Modelos de Regressão Lnear Método dos Mínmos Quadrados y erro ( y $ y ) 0 4 x O objetvo é mnmzar a soma do quadrado dos erros: n $ y ( y ) Obtendo as estmatvas de b 0 e b que mnmzam a equação acma.

27 Modelos de Regressão Lnear Método dos Mínmos Quadrados Sejam B 0 e B os estmadores de MQ dos parâmetros 0 e, respectvamente. As estmatvas e são os valores resultantes de B 0 e B. 0 Assm, se, o mn S( 0, ) é expresso como:

28 Modelos de Regressão Lnear Método dos Mínmos Quadrados Resultando nos seguntes estmadores: n x x n y x y x B n n n n n / / x b y B 0

29 Regressão Lnear Qualdade do Modelo de Regressão Realzada por meo de uma medda chamada de coefcente de correlação, R : Sgnfcado de R : Procura medr a proporção da varabldade de y que é explcada pelo modelo (reta de regressão) 0 R Se R 0,90 sgnfca que 90% da varação em y pode ser explcada pela equação obtda.

30 Qualdade do Modelo de Regressão Modelagem de R Quando fazemos uma regressão lnear, os valores observados (x,y ) estão espalhados ao redor da reta de regressão. Quanto menor for este espalhamento, melhor a reta de regressão representa o conjunto de valores observados. A varânca amostral total, como estmador do espalhamento, pode ser decomposta da segunte forma:

31 Qualdade do Modelo de Regressão Modelagem de R n n n ( ) ( $ ) ( ) $ y y y y + y y y ( y y) ( y ) y ( y y) y y Valores observados y $ y Valor médo Valores estmados x

32 Qualdade do Modelo de Regressão Modelagem de R onde: $ ( ) $ ( ) ( ) n n n y y y y + y y SQ total SQR --- Regressão SQE --- Erro y ( y y) ( y ) y ( y y) y y y $ y Valores observados Valor médo Valores estmados x

33 Qualdade do Modelo de Regressão Modelagem de R R SQR SQ r onde r é o coefcente de correlação de Pearson.

34 Qualdade do Modelo de Regressão Modelagem de R Forma Alternatva ( y y) d y s y n Desvo Padrão da v.a. y d y, y s yx ( y y ) n Erro Padrão da Estmatva y d y, y d y, y d y d y r s y s s y yx s yx s y Coefcente de Explcação

35 Propredades dos estmadores de mínmos quadrados Se as pressuposções do modelo de regressão lnear forem atenddas, os estmadores de mínmos quadrados b 0 e b são não tendencosos (unbsed) e com varânca mínma, entre todos os estmadores lneares não tendencosos (eorema de Gauss-Markov). Isto quer dzer: E(b 0 ) 0 e E(b ).

36 Modelos de Regressão Dca Importante A análse de r deve vr acompanhada do dagrama de dspersão, pos a assocação pode não ser lnear r 0 r 0, Correlação não mplca relação de Causa & Efeto!!!!!!!

37 Exemplo: O nível de desgaste de rolamentos está ntmamente lgado à sua temperatura de operação. Em uma aplcação específca, é necessáro garantr que para as condções de carregamento e velocdade do rolamento, a temperatura de trabalha nduza um desgaste máxmo de 8 mg de materal por 00 horas de operação do componente (8 mg/00hr). A fm de encontrar a temperatura de operação lmte fo realzado uma sére de ensaos sob condções de temperatura de operação, o que resultou na tabela abaxo apresentada. Assm, com base nos resultados obtdos determnar qual deve ser a temperatura lmte de funconamento do rolamento? emperatura de Operação, ( o C ) 93,3, 48,9 04,4 3, 60,0 87,8 35,6 343,3 37, Quantdade de Desgaste, mg/00hr ,5 6 7,5 8,8 0,

38 Resolução Análse Gráfca Desgaste (mm/00hr) ,0 50,0 00,0 50,0 00,0 50,0 300,0 350,0 400,0 em peratura (Graus Celsus) Aparentemente Exste Relação de Dependênca entre o Desgaste e a emperatura de Operação. Coef. de Correlação de Pearson, r r E [( x x ) ( y y )] ( x x ) E y E [ ] [( y ) ] Cov [,W] 59,5 Var[ ] 9053 Var[ W ] 9,53 r 0,884 OK!!!!!

39 Desgaste (mm/00hr) Unversdade de Brasíla Resolução Análse Numérca W B + B 0 0,0 50,0 00,0 50,0 00,0 50,0 300,0 350,0 400,0 em peratura (Graus Celsus) Σ B B n 0 x n y x n x n x n n y b W *W 93,3 3,0 87, 80,0, 4,0 4667,9 484,4 48,9 5,0 67,9 744,4 04,4 5,5 4797,5 4,4 3, 6,0 5397, 393,3 60,0 7, ,0 950,0 87,8 8,8 886,0 53,4 35,6 0, ,3 355,6 343,3, 7877,8 38,0 37,,0 3773,5 4453,3 377,8 7, , 999,0 n 0 E[] 37,8 E[W ] 7,3 n B 0,03 B 0-0,83 y x

40 Resolução Qualdade de Modelo Estmado Desgaste (mm/00hr) Coefcente de Explcação r s y y 0,038x - 0,87 R 0,964 s s y 0 0,0 50,0 00,0 50,0 00,0 50,0 300,0 350,0 400,0 yx em peratura (Graus Celsus) s s yx y s yx ( y y ) n W s y W ( y y) n B 0,03 B 0-0,83 93,3 3,0,69 0,0, 4,0 3,57 0,8 48,9 5,0 4,46 0,9 04,4 5,5 6,3 0,53 3, 6,0 7,,4 60,0 7,5 8,00 0,5 87,8 8,8 8,88 0,0 35,6 0,0 9,77 0,05 343,3, 0,65 0,0 37,,0,54 0, y 7,3 Σ 3,06 s y 3,09 s x.y 0,6 ( W W ) r 0,96

41 Modelos de Regressão Causaldade Com muta freqüênca somos tentados a nferr uma relação de causa e efeto entre e quando eles ajustam um modelo de regressão ou resultam em uma forte correlação. Uma assocação sgnfcatva entre e em ambas as stuações não necessaramente mplca numa relação de causa e efeto. Exemplo: (Box, Hunter & Hunter, Statstcs for Expermenters, p.8) O gráfco mostra a população de Oldemberg, Alemanha, no fm de cada um dos 7 anos () contra o número de cegonhas (pássaros) naquele ano ().

42 Modelos de Regressão Causaldade. Exstênca de assocação;. Intensdade de assocação (estatístca); 3. Consstênca (reprodutbldade); 4. Especfcdade (máxmo: um fator produz um únco efeto); 5. emporaldade (causa antecede o efeto); 6. Gradente Fenomenológco (relação Indução-resposta); 7. Plausbldade (concordânca com outros conhecmentos); 8. Coerênca (concordânca com conhecmento específco); 9. Evdênca expermental; 0. Evdêncas por analoga (efetos smlares)

43 Modelos de Regressão Regressão Lnear Múltpla Exemplos: Em um estudo com 67 escrtóros de uma rede fnancera, a varável resposta fo o custo operaconal no ano que se fndou. Havam 4 varáves predtoras: ) o valor médo emprestado aos clentes durante o ano, ) o número médo de empréstmos, ) o número total de novos empréstmos processados, e v) o índce de saláros dos escrtóros. Num estudo sobre a produtvdade de trabalhadores ( em aeronave, navos) o pesqusador deseja controlar o número desses trabalhadores e o bônus pago (remuneração). Num estudo sobre a resposta à uma droga, o pesqusador deseja controlar as doses da droga e o método de aplcação. No estudo do desgaste do rolamento, além da temperatura, exstam as seguntes varáves também nfluencavam no desgasto: ) carga de operação:.a) carga méda,.b) carga dnâmca, ) velocdade de operação, ) vscosdade do lubrfcante, etc

44 Modelos de Regressão Regressão Lnear Múltpla Exemplos:» Em todos os exemplos a utlzação de todas as varáves predtoras no modelo pode oferecer um modelo matemátco que permta explcar de forma mas completa o fenômeno estudado.» Ou seja, um modelo contendo váras varáves predtoras resulta numa estmação mas precsa.

45 Modelos de Regressão Regressão Lnear Múltpla Modelo de regressão de prmera ordem com duas varáves predtoras De forma dêntca a construção anterormente utlzada o modelo de ( ;, ) regressão lnear é dado por: + ε Onde é a resposta no -ésmo ensao, e são os valores das duas varáves ( ;, ) ( 3 ; 3, 3 ) predtoras no -ésmo ensao. Os parâmetros do modelo são 0,, e o termo do erro é ε. A função de regressão na regressão múltpla é chamada de superfíce de resposta.

46 Modelos de Regressão Regressão Lnear Múltpla Modelo de regressão de prmera ordem com duas varáves predtoras Plano de resposta E( ) 0,00 ε Intercepto (,33;,67) 0

47 Modelos de Regressão Regressão Lnear Múltpla Utlzando o Método dos Mínmos Quadrados O método consste na determnação do estmador que mnmza a soma do quadrado das dferenças entre valores observados e valores predtos pelo modelo. Assm, consderando o sstema de n equações lneares (número de observações) e p ncógntas (número de varáves predtoras) : pn p n n n n p p p p B B B B B B B B B B B B B B B L M L M M M L L [ ] n L [ ] n L pn n n n p p L M M M M M M L L Valores predtos pelo Modelo de Regressão

48 Modelos de Regressão Regressão Lnear Múltpla Utlzando o Método dos Mínmos Quadrados Assm, o problema a ser resolvdo consste em se ajustar um modelo de regressão que mnmze o erro entre as respostas observadas ao longo dos ensaos,, e os seus valores predtos,, ou seja: ε ^ p pn n n p p n n e e e,,, 0 L L L L L L L L L L L ε

49 Modelos de Regressão Regressão Lnear Múltpla Utlzando o Método dos Mínmos Quadrados Assm, tomando o somatóro ao quadrado das dferenças dos erros pode ser representado na forma matrcal por: ( ) ( ) Z ( ) + Z

50 Modelos de Regressão Regressão Lnear Múltpla Utlzando o Método dos Mínmos Quadrados Analsando + Z + Z São transpostas entre s e são de dmensão x, então as matrzes são guas, logo: Verfca-se que

51 Modelos de Regressão Regressão Lnear Múltpla Utlzando o Método dos Mínmos Quadrados Dervando Z em relação a dz + d d ( ) + d + As matrzes (d ) e (d) são transpostas entre s e também são de dmensão x, então as matrzes são guas.

52 Modelos de Regressão Regressão Lnear Múltpla Utlzando o Método dos Mínmos Quadrados Assm: [ ] + d d d dz Assumndo dz 0, teremos então que: [ ] 0 d

53 Modelos de Regressão Regressão Lnear Múltpla Utlzando o Método dos Mínmos Quadrados Analsando: [ ] Logo: 0 d [ ] 0 d 0 Solução rval!!!!!!

54 Modelos de Regressão Regressão Lnear Múltpla Utlzando o Método dos Mínmos Quadrados Desenvolvendo: [ ] 0 Vetor Estmador dos Parâmetros de Beta. O vetor beta chapéu é determnado resolvendo-se o sstema de equações normas:

55 Modelos de Regressão Regressão Lnear Múltpla Utlzando o Método dos Mínmos Quadrados Assm: ( ) ( ) ( ) I Modelo Lnear de Gauss-Markov-Normal. Andre Andreyevch Markov (856 9) ( ), ~, σ µ N ε ε +

56 Exemplo: A umdade e a pressão atmosférca podem afetar o nível de oxdo de ntrogêno (NO) exaurdo pelo cano de descarga de um motor de combustão nterna. Projetou-se um expermento para determnar o quanto a pressão atmosférca e a umdade afetam o nível de emssão de NO. Neste expermento foram meddos os níves de NO para algumas combnações de umdade e pressão atmosférca, obtendo-se os seguntes resultados: Umdade (gr/lb ar seco) Pressão Atmosférca (nhg) Nível de Emssão de NO (ppm)

57 Exemplo: A umdade e a pressão atmosférca podem afetar o nível de oxdo de ntrogêno (NO) exaurdo pelo cano de descarga de um motor de combustão nterna. Projetou-se um expermento para determnar o quanto a pressão atmosférca e a umdade afetam o nível de emssão de NO. Neste expermento foram meddos os níves de NO para algumas combnações de umdade e pressão atmosférca, obtendo-se os seguntes resultados: Umdade (gr/lb ar seco) Pressão Atmosférca (nhg) : : Nível de Emssão de NO (ppm) ( ) : NO Hum Patm

58 Outras Análses: Umdade (gr/lb ar seco) Pressão Atmosférca (nhg) Nível de Emssão de NO (ppm) Dagramas de Dspersão Dagramas de Dspersão 3D

59 Outras Análses: Umdade (gr/lb ar seco) Pressão Atmosférca (nhg) Nível de Emssão de NO (ppm)

Prof. Lorí Viali, Dr.

Prof. 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 mais

Prof. Lorí Viali, Dr.

Prof. 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 mais

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,

Leia mais

Análise de Regressão

Análise 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 mais

Associação entre duas variáveis quantitativas

Associação 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 mais

1. CORRELAÇÃO E REGRESSÃO LINEAR

1. 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 mais

Análise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA

Análise 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 mais

CORRELAÇÃO E REGRESSÃO

CORRELAÇÃO E REGRESSÃO CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr

Leia mais

MOQ-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 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 mais

Estatística II Antonio Roque Aula 18. Regressão Linear

Estatística 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 mais

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.

Os 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 mais

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de

Leia mais

INSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO

INSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO Área Centfca Curso Matemátca Engenhara Electrotécnca º Semestre º 00/0 Fcha nº 9. Um artgo da revsta Wear (99) apresenta dados relatvos à vscosdade do óleo e ao desgaste do aço maco. A relação entre estas

Leia mais

PRESSUPOSTOS DO MODELO DE REGRESSÃO

PRESSUPOSTOS 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 mais

Gabarito da Lista de Exercícios de Econometria I

Gabarito da Lista de Exercícios de Econometria I Gabarto da sta de Exercícos de Econometra I Professor: Rogéro lva Mattos Montor: eonardo enrque A. lva Questão Y X y x xy x ŷ ˆ ˆ y ŷ (Y - Y ) (X - X ) (Ŷ - Y ) 360 00-76 -00 35.00 40.000 36-4 30.976 3076

Leia mais

Capítulo 1. Exercício 5. Capítulo 2 Exercício

Capítulo 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 mais

Análise de Regressão Linear Múltipla IV

Análise 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 mais

Modelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados

Modelo 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 mais

O problema da superdispersão na análise de dados de contagens

O 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 mais

MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel

MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel MOQ-14 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Prncípos de cração de modelos empírcos: Modelos (matemátcos, lógcos, ) são comumente utlzados na

Leia mais

AULA 4. Segundo Quartil ( Q observações são menores que ele e 50% são maiores.

AULA 4. Segundo Quartil ( Q observações são menores que ele e 50% são maiores. Estatístca Aplcada à Engenhara AULA 4 UNAMA - Unversdade da Amazôna.8 MEDIDA EPARATRIZE ão valores que separam o rol (os dados ordenados) em quatro (quarts), dez (decs) ou em cem (percents) partes guas.

Leia mais

UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR

UMA 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 mais

2 Incerteza de medição

2 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 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

Correlação. Frases. Roteiro. 1. Coeficiente de Correlação 2. Interpretação de r 3. Análise de Correlação 4. Aplicação Computacional 5.

Correlação. Frases. Roteiro. 1. Coeficiente de Correlação 2. Interpretação de r 3. Análise de Correlação 4. Aplicação Computacional 5. Correlação Frases Uma probabldade razoável é a únca certeza Samuel Howe A experênca não permte nunca atngr a certeza absoluta. Não devemos procurar obter mas que uma probabldade. Bertrand Russel Rotero

Leia mais

Análise de Variância. Comparação de duas ou mais médias

Análise 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 mais

Redução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma

Redução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma Redução dos Dados Júlo Osóro Meddas Característcas da Dstrbução Tendênca Central (Localzação) Varação (Dspersão) Forma 1 Meddas Característcas da Dstrbução Meddas Estatístcas Tendênca Central Dspersão

Leia mais

MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel

MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel MOQ-4 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Programa do curso: Semana Conteúdo Apresentação da dscplna. Prncípos de modelos lneares de regressão.

Leia mais

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)

X = 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 mais

R X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais

R X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais 30 Varáves aleatóras bdmensonas Sea ε uma experênca aleatóra e S um espaço amostral assocado a essa experênca. Seam X X(s) e Y Y(s) duas funções cada uma assocando um número real a cada resultado s S.

Leia mais

Prof. Cláudio Serra, Esp. 1. Produção de Leite x índice Pluviométrico y = 0.8x R 2 =

Prof. Cláudio Serra, Esp. 1. Produção de Leite x índice Pluviométrico y = 0.8x R 2 = Análse de Regressão Cap.. Introdução Análse de regressão é uma técnca de modelagem utlzada para analsar a relação entre uma varável dependente () e uma ou mas varáves ndependentes,, 3,..., n. O ojetvo

Leia mais

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas

3.6. 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 mais

Universidade de São Paulo Escola Superior de Agricultura Luiz de Queiroz Departamento de Ciências Exatas

Universidade 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 mais

Probabilidade e Estatística. Correlação e Regressão Linear

Probabilidade e Estatística. Correlação e Regressão Linear Probabldade e Estatístca Correlação e Regressão Lnear Correlação Este uma correlação entre duas varáves quando uma delas está, de alguma forma, relaconada com a outra. Gráfco ou Dagrama de Dspersão é o

Leia mais

ANÁLISE DA VARIÂNCIA DA REGRESSÃO

ANÁLISE 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 mais

(B) Considere X = antes e Y = depois e realize um teste t para dados pareados e um teste da ANOVA de um DBC com 5 blocos. Compare os resultados.

(B) Considere X = antes e Y = depois e realize um teste t para dados pareados e um teste da ANOVA de um DBC com 5 blocos. Compare os resultados. INF 6 Notas de aula sujeto a correções Prof. Luz Alexandre Peternell (B) Consdere X antes e Y depos e realze um teste t para dados pareados e um teste da ANOVA de um DBC com 5 blocos. Compare os resultados.

Leia mais

A redução na pressão sangüínea (mm Hg) em um período de quatro semanas observadas em cães experimentais está tabulada abaixo:

A 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 mais

Análise de Regressão Linear Múltipla VII

Análise 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 mais

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%

RISCO. 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 mais

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

1. 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 mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média. Estatístca Dscplna de Estatístca 0/ Curso de Admnstração em Gestão Públca Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos uns dos

Leia mais

4. MODELAMENTOS EM POLUIÇÃO DO AR: PREDITIVOS E RECEPTORES

4. MODELAMENTOS EM POLUIÇÃO DO AR: PREDITIVOS E RECEPTORES 4. MODELAMENTOS EM POLUIÇÃO DO AR: PREDITIVOS E RECEPTORES Para o Curso de Físca da Polução do Ar FAP346, º Semestre/006 Prof. Amérco Sansgolo Kerr Montora: Mara Emíla Rehder aver 4. INTRODUÇÃO No modelamento

Leia mais

Programa de Certificação de Medidas de um laboratório

Programa 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 mais

CAPÍTULO 9 REGRESSÃO LINEAR PPGEP REGRESSÃO LINEAR SIMPLES REGRESSÃO LINEAR SIMPLES REGRESSÃO LINEAR SIMPLES UFRGS. Regressão Linear Simples

CAPÍTULO 9 REGRESSÃO LINEAR PPGEP REGRESSÃO LINEAR SIMPLES REGRESSÃO LINEAR SIMPLES REGRESSÃO LINEAR SIMPLES UFRGS. Regressão Linear Simples CAPÍTULO 9 REGREÃO LINEAR IMPLE REGREÃO LINEAR IMPLE UFRG Em mutos problemas há duas ou mas varáves que são relaconadas, e pode ser mportante modelar essa relação. Por exemplo, a resstênca à abrasão de

Leia mais

Estatística I Licenciatura MAEG 2006/07

Estatística 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 mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média. Estatístca Dscplna de Estatístca 0/ Curso Superor de tecnólogo em Gestão Ambental Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos

Leia mais

8.16. Experimentos Fatoriais e o Fatorial Fracionado

8.16. 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 mais

Regressão Linear Múltipla. Frases. Roteiro

Regressão Linear Múltipla. Frases. Roteiro Regressão Lnear Múltpla Frases Por serem mas precsos que as palavras, os números são partcularmente adequados para transmtr conclusões centífcas Pagano e Gauvre, 004 Rotero 1. Especfcação do Modelo. Modelo

Leia mais

PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2010/2011

PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2010/2011 Instruções: PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 00/0 Cada uestão respondda corretamente vale (um) ponto. Cada uestão respondda ncorretamente vale - (menos um) ponto. Cada uestão

Leia mais

Elementos de Estatística e Probabilidades II

Elementos de Estatística e Probabilidades II Elementos de Estatístca e Probabldades II Varáves e Vetores Aleatóros dscretos Inês Das 203 O prncpal objetvo da deste documento é fornecer conhecmentos báscos de varáves aleatóras dscretas e pares aleatóros

Leia mais

Tipo tratamento idade Tipo tratamento sexo

Tipo tratamento idade Tipo tratamento sexo Modelos de Regressão em Saúde Rejane Sobrno Pnhero Tâna Zdenka Gullén de Torres Modelos de Regressão Famíla de técncas estatístcas város fatores meddos (predtor, covarável, varável ndependente) relaconados

Leia mais

Experiência V (aulas 08 e 09) Curvas características

Experiência V (aulas 08 e 09) Curvas características Experênca (aulas 08 e 09) Curvas característcas 1. Objetvos 2. Introdução 3. Procedmento expermental 4. Análse de dados 5. Referêncas 1. Objetvos Como no expermento anteror, remos estudar a adequação de

Leia mais

AULA EXTRA Análise de Regressão Logística

AULA EXTRA Análise de Regressão Logística 1 AULA EXTRA Análse de Regressão Logístca Ernesto F. L. Amaral 13 de dezembro de 2012 Metodologa de Pesqusa (DCP 854B) VARIÁVEL DEPENDENTE BINÁRIA 2 O modelo de regressão logístco é utlzado quando a varável

Leia mais

Aplicando o método de mínimos quadrados ordinários, você encontrou o seguinte resultado: 1,2

Aplicando o método de mínimos quadrados ordinários, você encontrou o seguinte resultado: 1,2 Econometra - Lsta 3 - Regressão Lnear Múltpla Professores: Hedbert Lopes, Prscla Rbero e Sérgo Martns Montores: Gustavo Amarante e João Marcos Nusdeo QUESTÃO 1. Você trabalha na consultora Fazemos Qualquer

Leia mais

AEP FISCAL ESTATÍSTICA

AEP FISCAL ESTATÍSTICA AEP FISCAL ESTATÍSTICA Módulo 11: Varáves Aleatóras (webercampos@gmal.com) VARIÁVEIS ALEATÓRIAS 1. Conceto de Varáves Aleatóras Exemplo: O expermento consste no lançamento de duas moedas: X: nº de caras

Leia mais

Algarismos Significativos Propagação de Erros ou Desvios

Algarismos 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 mais

REGRESSÃO LINEAR ANÁLISE DE REGRESSÃO LINEAR MÚLTIPLA REGRESSÃO CURVILÍNEA FUNÇÃO QUADRÁTICA VERIFICAÇÃO DO AJUSTE A UMA RETA PELO COEFICIENTE 3 X 3

REGRESSÃO LINEAR ANÁLISE DE REGRESSÃO LINEAR MÚLTIPLA REGRESSÃO CURVILÍNEA FUNÇÃO QUADRÁTICA VERIFICAÇÃO DO AJUSTE A UMA RETA PELO COEFICIENTE 3 X 3 ANÁLISE DE REGRESSÃO LINEAR MÚLTIPLA REGRESSÃO LINEAR Verfcado, pelo valor de r, que ocorre uma sgnfcante correlação lnear entre duas varáves há necessdade de quantfcar tal relação, o que é feto pela análse

Leia mais

Classificação de Padrões

Classificação 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 mais

CAPÍTULO 2 - Estatística Descritiva

CAPÍTULO 2 - Estatística Descritiva INF 16 Prof. Luz Alexandre Peternell CAPÍTULO - Estatístca Descrtva Exercícos Propostos 1) Consderando os dados amostras abaxo, calcular: méda artmétca, varânca, desvo padrão, erro padrão da méda e coefcente

Leia mais

A redução na pressão sangüínea (mm Hg) em um período de quatro semanas observadas em cães experimentais está tabulada abaixo:

A 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 (5,5): A redução da

Leia mais

NOTA II TABELAS E GRÁFICOS

NOTA II TABELAS E GRÁFICOS Depto de Físca/UFMG Laboratóro de Fundamentos de Físca NOTA II TABELAS E GRÁFICOS II.1 - TABELAS A manera mas adequada na apresentação de uma sére de meddas de um certo epermento é através de tabelas.

Leia mais

2 Agregação Dinâmica de Modelos de Turbinas e Reguladores de Velocidade: Teoria

2 Agregação Dinâmica de Modelos de Turbinas e Reguladores de Velocidade: Teoria Agregação Dnâmca de Modelos de urbnas e Reguladores de elocdade: eora. Introdução O objetvo da agregação dnâmca de turbnas e reguladores de velocdade é a obtenção dos parâmetros do modelo equvalente, dados

Leia mais

7 - Distribuição de Freqüências

7 - 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 mais

Professor Mauricio Lutz CORRELAÇÃO

Professor Mauricio Lutz CORRELAÇÃO Professor Maurco Lutz 1 CORRELAÇÃO Em mutas stuações, torna-se nteressante e útl estabelecer uma relação entre duas ou mas varáves. A matemátca estabelece város tpos de relações entre varáves, por eemplo,

Leia mais

Análise Descritiva com Dados Agrupados

Análise Descritiva com Dados Agrupados 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 descrtvas

Leia mais

DEFINIÇÃO - MODELO LINEAR GENERALIZADO

DEFINIÇÃO - 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 mais

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma

Figura 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 mais

x Ex: A tabela abaixo refere-se às notas finais de três turmas de estudantes. Calcular a média de cada turma:

x Ex: A tabela abaixo refere-se às notas finais de três turmas de estudantes. Calcular a média de cada turma: Professora Janete Perera Amador 1 8 Meddas Descrtvas Vmos anterormente que um conjunto de dados pode ser resumdo através de uma dstrbução de freqüêncas, e que esta pode ser representada através de uma

Leia mais

Notas Processos estocásticos. Nestor Caticha 23 de abril de 2012

Notas Processos estocásticos. Nestor Caticha 23 de abril de 2012 Notas Processos estocástcos Nestor Catcha 23 de abrl de 2012 notas processos estocástcos 2 O Teorema de Perron Frobenus para matrzes de Markov Consdere um processo estocástco representado por um conunto

Leia mais

Estudo quantitativo do processo de tomada de decisão de um projeto de melhoria da qualidade de ensino de graduação.

Estudo 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 mais

ANÁLISE DAS TENSÕES TÉRMICAS EM MATERIAIS CERÂMICOS. Palavras-chave: Tensões térmicas, Propriedades variáveis, Condução de calor, GITT

ANÁLISE DAS TENSÕES TÉRMICAS EM MATERIAIS CERÂMICOS. Palavras-chave: Tensões térmicas, Propriedades variáveis, Condução de calor, GITT ANÁLISE DAS TENSÕES TÉRMICAS EM MATERIAIS CERÂMICOS Dnz, L.S. Santos, C.A.C. Lma, J.A. Unversdade Federal da Paraíba Laboratóro de Energa Solar LES/DTM/CT/UFPB 5859-9 - João Pessoa - PB, Brasl e-mal: cabral@les.ufpb.br

Leia mais

Estatística - exestatmeddisper.doc 25/02/09

Estatística - exestatmeddisper.doc 25/02/09 Estatístca - exestatmeddsper.doc 5/0/09 Meddas de Dspersão Itrodução ão meddas estatístcas utlzadas para avalar o grau de varabldade, ou dspersão, dos valores em toro da méda. ervem para medr a represetatvdade

Leia mais

Identidade dos parâmetros de modelos segmentados

Identidade 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 mais

Eletroquímica 2017/3. Professores: Renato Camargo Matos Hélio Ferreira dos Santos.

Eletroquímica 2017/3. Professores: Renato Camargo Matos Hélio Ferreira dos Santos. Eletroquímca 2017/3 Professores: Renato Camargo Matos Hélo Ferrera dos Santos http://www.ufjf.br/nups/ Data Conteúdo 07/08 Estatístca aplcada à Químca Analítca Parte 2 14/08 Introdução à eletroquímca 21/08

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

FGE2255 Física Experimental para o Instituto de Química. Segundo Semestre de 2013 Experimento 1. Corrente elétrica

FGE2255 Física Experimental para o Instituto de Química. Segundo Semestre de 2013 Experimento 1. Corrente elétrica FGE2255 Físca Expermental para o Insttuto de Químca Segundo Semestre de 213 Expermento 1 Prof. Dr. Crstano Olvera Ed. Baslo Jafet, Sala 22 crslpo@f.usp.br Corrente elétrca q Defnção de Corrente elétrca

Leia mais

INTRODUÇÃO À PROBABILIDADE. A probabilidade é uma medida da incerteza dos fenômenos. Traduz-se por um número real compreendido de 0 ( zero) e 1 ( um).

INTRODUÇÃO À PROBABILIDADE. A probabilidade é uma medida da incerteza dos fenômenos. Traduz-se por um número real compreendido de 0 ( zero) e 1 ( um). INTRODUÇÃO À PROILIDDE teora das probabldade nada mas é do que o bom senso transformado em cálculo probabldade é o suporte para os estudos de estatístca e expermentação. Exemplos: O problema da concdênca

Leia mais

ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 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 métodos

Leia mais

ESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11. EXERCÍCIOS PRÁTICOS - CADERNO 4 Regressão Linear

ESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11. EXERCÍCIOS PRÁTICOS - CADERNO 4 Regressão Linear ESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11 EERCÍCIOS PRÁTICOS - CADERNO 4 Regressão Lnear 4. EERCÍCIOS PARA RESOLVER NAS AULAS 4.1. O gestor de marketng duma grande cadea de supermercados quer determnar

Leia mais

Variável discreta: X = número de divórcios por indivíduo

Variável 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 mais

Análise de influência

Análise de influência Análse de nfluênca Dzemos que uma observação é nfluente caso ela altere, de forma substancal, alguma propredade do modelo ajustado (como as estmatvas dos parâmetros, seus erros padrões, valores ajustados...).

Leia mais

CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues

CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogéro Rodrgues I) TABELA PRIMITIVA E DISTRIBUIÇÃO DE FREQÜÊNCIA : No processo de amostragem, a forma de regstro mas

Leia mais

Q 1-1,5(Q3-Q1) < X i < Q 3 + 1,5(Q 3 -Q 1 ) Q 3 +1,5(Q 3 -Q 1 ) < X i < Q 3 +3(Q 3 -Q 1 ) Q 1 3(Q 3 -Q 1 ) < X i < Q 1 1,5(Q 3 -Q 1 )

Q 1-1,5(Q3-Q1) < X i < Q 3 + 1,5(Q 3 -Q 1 ) Q 3 +1,5(Q 3 -Q 1 ) < X i < Q 3 +3(Q 3 -Q 1 ) Q 1 3(Q 3 -Q 1 ) < X i < Q 1 1,5(Q 3 -Q 1 ) DIGRM OX-PLOT E CRCTERIZÇÃO DE OUTLIERS E VLORES EXTREMOS Outlers e valores extremos são aqueles que estão muto afastados do centro da dstrbução. Uma forma de caracterzá-los é através do desenho esquemátco

Leia mais

2. Validação e ferramentas estatísticas

2. Validação e ferramentas estatísticas . Valdação e ferramentas estatístcas Mutos aspectos relaconados à socedade são suportados, de alguma forma, por algum tpo de medção analítca. Mlhões de medções analítcas são realzadas todos os das, em

Leia mais

Medidas de Dispersão e Assimetria Desvio Médio Variância Desvio Padrão Medidas de Assimetria Coeficiente de Assimetria Exemplos.

Medidas de Dispersão e Assimetria Desvio Médio Variância Desvio Padrão Medidas de Assimetria Coeficiente de Assimetria Exemplos. Meddas de Dspersão e Assmetra Desvo Médo Varânca Desvo Padrão Meddas de Assmetra Coefcente de Assmetra Exemplos lde 1 de 16 Meddas de Dspersão - Méda ervem para verfcação e representatvdade das meddas

Leia mais

Avaliação do tamanho da amostra de segmentos regulares para estimar a área plantada com café na região sul de Minas Gerais

Avaliação 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 mais

Capítulo XI. Teste do Qui-quadrado. (χ 2 )

Capítulo XI. Teste do Qui-quadrado. (χ 2 ) TLF 00/ Cap. XI Teste do Capítulo XI Teste do Qu-quadrado ( ).. Aplcação do teste do a uma dstrbução de frequêncas 08.. Escolha de ntervalos para o teste do.3. Graus de lberdade e reduzdo.4. Tabela de

Leia mais

2 - Análise de circuitos em corrente contínua

2 - Análise de circuitos em corrente contínua - Análse de crcutos em corrente contínua.-corrente eléctrca.-le de Ohm.3-Sentdos da corrente: real e convenconal.4-fontes ndependentes e fontes dependentes.5-assocação de resstêncas; Dvsores de tensão;

Leia mais

Leis de conservação em forma integral

Leis de conservação em forma integral Les de conservação em forma ntegral J. L. Balño Departamento de Engenhara Mecânca Escola Poltécnca - Unversdade de São Paulo Apostla de aula Rev. 10/08/2017 Les de conservação em forma ntegral 1 / 26 Sumáro

Leia mais

TEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma.

TEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma. UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO DE CIÊNCIAS EXATAS DEPARTAMENTO DE FÍSICA AV. FERNANDO FERRARI, 514 - GOIABEIRAS 29075-910 VITÓRIA - ES PROF. ANDERSON COSER GAUDIO FONE: 4009.7820 FAX: 4009.2823

Leia mais

UNIVERSIDADE FEDERAL DO PARANÁ DEPARTAMENTO DE ESTATÍSTICA CE 071 ANÁLISE DE REGRESSÃO LINEAR. Cesar Augusto Taconeli

UNIVERSIDADE FEDERAL DO PARANÁ DEPARTAMENTO DE ESTATÍSTICA CE 071 ANÁLISE DE REGRESSÃO LINEAR. Cesar Augusto Taconeli UNIVERSIDADE FEDERAL DO PARANÁ DEPARTAMENTO DE ESTATÍSTICA CE 7 ANÁLISE DE REGRESSÃO LINEAR Cesar Augusto Taconel Curtba-PR . INTRODUÇÃO Taconel, C.A. Análse de Regressão Lnear Ao se tratar da relação

Leia mais

Modelo de Alocação de Vagas Docentes

Modelo de Alocação de Vagas Docentes Reunão Comssão de Estudos de Alocação de Vagas Docentes da UFV Portara 0400/2016 de 04/05/2016 20 de mao de 2016 Comssão de Estudos das Planlhas de Alocação de Vagas e Recursos Ato nº 009/2006/PPO 19/05/2006

Leia mais

NOTAS DE AULA DA DISCIPLINA CE076

NOTAS DE AULA DA DISCIPLINA CE076 5. COMPONENTES PRINCIPAIS 5. Introdução A análse de Comonentes Prncas está relaconada com a exlcação da estrutura de covarânca or meo de oucas combnações lneares das varáves orgnas em estudo, ou sea, rocura

Leia mais

PROGRAMA INTERLABORATORIAL PARA ENSAIOS EM CHAPAS DE PAPELÃO ONDULADO CICLO 2013 PROTOCOLO

PROGRAMA INTERLABORATORIAL PARA ENSAIOS EM CHAPAS DE PAPELÃO ONDULADO CICLO 2013 PROTOCOLO PROGRAMA INTERLABORATORIAL PARA ENSAIOS EM CHAPAS DE PAPELÃO ONDULADO CICLO 013 PROTOCOLO CT-Floresta - LPC - FOI/004 05/0/013 Aprovado: Mara Luza Otero D'Almeda / SUMÁRIO 1 INTRODUÇÃO... 1 PÚBLICO ALVO...

Leia mais

SELEÇÃO 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 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 mais

3ª AULA: ESTATÍSTICA DESCRITIVA Medidas Numéricas

3ª AULA: ESTATÍSTICA DESCRITIVA Medidas Numéricas PROGRAMA DE PÓS-GRADUAÇÃO EM EGEHARIA DE TRASPORTES E GESTÃO TERRITORIAL PPGTG DEPARTAMETO DE EGEHARIA CIVIL ECV DISCIPLIA: TGT41006 FUDAMETOS DE ESTATÍSTICA 3ª AULA: ESTATÍSTICA DESCRITIVA Meddas umércas

Leia mais

ESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL

ESTUDO 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 mais

Método dos Mínimos Quadrados com ênfase em variâncias e com recursos matriciais (13/2/2014)

Método dos Mínimos Quadrados com ênfase em variâncias e com recursos matriciais (13/2/2014) Método dos Mínmos Quadrados com ênfase em varâncas e com recursos matrcas (3//4) Otavano Helene Curso de etensão unverstára, IFUSP, feverero/4 Baseado no lvro Método dos Mínmos Quadrados com Formalsmo

Leia mais

MECÂNICA CLÁSSICA. AULA N o 7. Teorema de Liouville Fluxo no Espaço de Fases Sistemas Caóticos Lagrangeano com Potencial Vetor

MECÂNICA CLÁSSICA. AULA N o 7. Teorema de Liouville Fluxo no Espaço de Fases Sistemas Caóticos Lagrangeano com Potencial Vetor 1 MECÂNICA CLÁSSICA AULA N o 7 Teorema de Louvlle Fluo no Espaço de Fases Sstemas Caótcos Lagrangeano com Potencal Vetor Voltando mas uma ve ao assunto das les admssíves na Físca, acrescentamos que, nos

Leia mais

Neste capítulo abordam-se os principais conceitos relacionados com os cálculos de estatísticas, histogramas e correlação entre imagens digitais.

Neste capítulo abordam-se os principais conceitos relacionados com os cálculos de estatísticas, histogramas e correlação entre imagens digitais. 1 1Imagem Dgtal: Estatístcas INTRODUÇÃO Neste capítulo abordam-se os prncpas concetos relaconados com os cálculos de estatístcas, hstogramas e correlação entre magens dgtas. 4.1. VALOR MÉDIO, VARIÂNCIA,

Leia mais