Métodos de Seleção Introdução. Métodos de Seleção. Métodos de Seleção Introdução. Métodos de Seleção Introdução 28/02/2013
|
|
- Renato Benke Martini
- 6 Há anos
- Visualizações:
Transcrição
1 8//3 Métodos de Seleção Itrodução Métodos de Seleção Prof. Dr. Alexadre Leseur dos Satos O melhorameto eético ão acotece em somete uma característica; Sempre existirá a relação etre uma ou mais características melhoradas; Em que valor desses aimais cosistirá do seu desempeho em muitas características, exemplo sumários de touros; Métodos de Seleção Itrodução No etato podem existir alumas caract. fudametais para este desempeho, que receberá a devida importâcia; Em cotrapartida existem outras com pouca ou ehuma importâcia ecoômica; Métodos de Seleção Itrodução Nesta aula visualizaremos métodos que; Priorizam uma característica em detrimeto a outras; Outro em que os idivíduos devem ter um míimo de uma o mais características para serem selecioados; Determia pesos diferetes para características distitas; Cosidera todas as iformações/características de todos os aimais;
2 8//3 Métodos de Seleção Os métodos de seleção para vários caracteres podem ser arupados em: ) Método de Tadem ou de seleção cosecutiva; ) Método dos íveis idepedetes de seleção; 3) Ídice de Seleção; 4) BLUP (Best Liear Ubiased Predictio) Método Tadem ) Método de Tadem ou de seleção cosecutiva; Cosiste em selecioar um caracter por uma ou mais erações (aos) até chear aos íveis desejados para um determiado proresso eético; Passado-se em seuida a selecioar para outro carácter; Loo que se chea a um resultado satisfatório, se muda para um terceiro carácter (que pode ser o primeiro) e assim sucessivamete; Método Tadem Método Tadem Precocidade; Padrões da raça; Ídice de fertilidade. Tamaho.
3 8//3 Método Tadem Método Tadem Produção de Leite; Peso do ovo; % Gordura o Leite. Peso corporal; Método Tadem Peso ao ascer; Método Tadem Limitações A maioria das características tem alum tipo de relação etre si; Peso abate; Gaho em cofiameto; Correlações idesejadas, assim o aho em uma é aulado pela perca em outra; Mudaça o objetivo do prorama de melhorameto ao loo do tempo; Peso a desmama. 3
4 8//3 Método de Níveis Idepedetes Método de Níveis Idepedetes ou + características. Nível míimo. Permite elimiar idivíduos o ato da medição da característica. Método de Níveis Idepedetes Elimiar cedo demais. 35 Método de Níveis Idepedetes Elimiar cedo demais
5 8//3 Método de Níveis Idepedetes Este método de seleção reduz a itesidade de seleção para cada um dos caracteres; Cosiderados separadamete é ecessário restriir a seleção a poucos caracteres realmete importates; Método de Níveis Idepedetes Em eral, a seleção por íveis idepedetes é mais eficiete do que a do Método de Tadem; Este método ão permite compesações etre as características, isto é, se o idivíduo passar muito bem em todos os íveis, com exceção de um, será elimiado da seleção; Por esta razão, corre-se o risco de perder para a reprodução aimais superiores em muitos aspectos por apresetarem valores feotípicos iferiores em uma úica característica. Método de Níveis Idepedetes Tem a vataem o etato, de uiformizar os aimais, com míimos para cada característica; Pode icorrer em uma seleção por baixo. Ídice de Seleção Os ídices de seleção tem por combiar as iformações de fotes diferetes e de caracteres distitos, em um só valor para cada idivíduo; Assim a seleção se realiza ordeado os idivíduos da população seudo seus ídices, de acordo com a percetaem que se queira selecioar para cada característica. 5
6 8//3 Ídice de Seleção Nos ídices de seleção busca-se estabelecer as relações etre as características mais importates produtivamete; De tal forma que o uso do ídice apresete um valor que será a estimativa do mérito eotípico do idivíduo; Ídice de Seleção NUNCA é iferior aos métodos Tadem e dos Níveis Idepedetes de Elimiação. Essa superioridade aumeta à medida que o úmero de características o ídice aumeta. Em um ídice de seleção procura-se liar o valor de uma variável depedete ao de variáveis idepedetes, que são características cosideradas de valor ecoômico o julameto do aimal para reprodução. Ídice de Seleção - Exemplo Em ovios iteressam vários caracteres de produção de lã, icluido qualidade e produção de care. Assim foi determiado o seuite ídice: Cada idivíduo o rebaho tem seu valor com base o valor de suas características; I = 6,9*PVL -,93*D +,5*NCDm +,6*PB Em que: PVL é o peso de velo limpo; D é o diâmetro médio das fibras; NCDm é o úmero de cordeiros desmamados por fêmea; e PB é o peso como borreo. Ídice de Seleção - Exemplo I = 6,9*PVL -,93*D +,5*NCDm +,6*PB Nota-se que se combiam iformações do aimal e da mãe do aimal; Também pode-se observar que com exceção do diâmetro de fibras, os coeficietes são positivos, loo busca um icremeto. 6
7 8//3 Ídice de Seleção - Exemplo Por exemplo em suíos para uma prova de velocidade de crescimeto, dado pelo ídice; Em que: G G 65* F F I 45* 6* G é o aho médio diário a prova; F a eficiêcia de coversão alimetar (k de alimeto/ k de aho); B é a espessura de ordura de cobertura ajustada para k de peso; e G,FeB são as médias de todos os aimais a prova. B B Ídice de Seleção Determiação de um ídice de Seleção. O tipo de ídice; Peso a ser dado a cada característica, ambas; Depedem das circustâcias em que o aimal deve produzir. Ídice de Seleção No seu cálculo podem-se usar médias de produção ou iformações mais complexas que cosideram vários parâmetros eéticos; Um ídice de seleção tem em eral, a seuite forma: I b P b P b P Em que:... I a a a Ídice de Seleção I b P b P b P Em que: P, P,...,P são os valores feotípicos do idivíduo (ou dos paretes do idivíduo) para as características de a ; b, b,..., b são os pesos relativos as iformações sobre os caracteres cosiderados; são os valores feotípicos das características (variáveis depedetes); a são os coeficietes de reressão; I a a a 7
8 8//3 Ídice de Seleção I b P b P b P Variável P são obtidas diretamete dos reistros de produção; Ídice de Seleção Estimado os valores de b ; Precisa-se. ) A variâcia feotípica (V P ) e a variâcia eética aditiva (V A ) para cada característica, sedo que: V A = h.v P ) As covariâcias feotípicas(cov P ) e eéticas (Cov A ) etre os caracteres. 3) Os valores ecoômicos relativos (a i ) Equato que os coeficietes de reressão b devem ser estimados. Ídice de Seleção A solução deste sistema proporcioa a estimativa dos valores de b. b VP b CovP = a VA a CovA b CovP b VP = a CovA a VA A ideia cetral é a maximização da correlação etre o ídice de seleção e os valores eéticos aditivos que leva a um sistema de equações. Ídice de Seleção Sistema de equações Não copiar aida. b b b b b b b b b a a a a a a a a a 8
9 8//3 9 Ídice de Seleção Sistema de equações a forma Matricial. a a a b b b Não copiar aida. Ídice de Seleção Exemplo Supodo-se que a característica escolhida para compor um ídice seja o peso vivo aos 8 dias de idade e a classificação pelo tipo. ) Peso aos 8 dias; ) leitões desmamados; V P = 5, V A =, Cov P = 5, V P = 44, V A = 4, Cov A = 3, Os Valores ecoômicos (uidades de moeda); a =, a = 4, Ídice de Seleção Exemplo b VP b CovP = a VA a CovA b CovP b VP = a CovA a VA Substituido-se os valores as equações, obtém-se: (equação ) b (5,) + b (5,) =, (,) + 4, (3,) (equação ) b ( 5, ) + b (44,) =,(3,) + 4, (4,) Ídice de Seleção Exemplo (equação ) b (5,) + b (5,) =, (,) + 4, (3,) (equação ) b ( 5, ) + b (44,) =,(3,) + 4, (4,) Multiplicado a (equação ) por - b (5,) + b (5,) = 4, -b (5,) - b (44,) = -6, b (435,) = -748,
10 8//3 Ídice de Seleção Exemplo Ecotrar b -b (435,) = -748, b = (-748,)/ (-435) =,7 Loo b é dado por... Ídice de Seleção Exemplo Loo b é dado por: Substituido-se este valor a equação ou, ecotra-se b : b (5,) +,7 ( 5,) = 4, b (5,) + 8,6 = 4, b (5,) = 4, - 8,6 b (5,) = 43,4 b = (43,4 / 5) = 8,7 Ídice de Seleção Exemplo Aplicado-se os valores b e b, o ídice seletivo será: I = 8,7 P +,7 P Ídice de Seleção Exemplo Supodo-se que o ídice determiado ateriormete (I = 8,7 P +,7 P ) fosse real, ordear com fis seletivos os suíos A, B, e C, cujas iformações relativas ao peso aos 8 dias (P) e a leitões desmamados (P) serão apresetadas a seuir: Suío A: Peso aos 8 dias = 98 k Leitões desmamados = 9; Suío B: Peso aos 8 dias = 95 k Leitões desmamados = ; Suío C: Peso aos 8 dias = 93 k Leitões desmamados = 4;
11 8//3 Ídice de Seleção Exemplo Calcule um ídice com base as duas características e classifique os suíos com base este ídice. V P = V A = 4 Cov P = -6 V P = 4 V A = Cov A = Os Valores ecoômicos (uidades de moeda); a =,47 a = -,67 Gaho de peso diário Espessura de touciho Ídice de Seleção Exemplo Calcular com base os ahos desejados. Difícil estimar o valor ecoômico; Utiliza-se o que se espera que o aimal ahe com a seleção (Gaho Geético Desejado); Caract. (aho de peso); (espera-se um aimal mais pesado); Caract. (espessura de touciho); - mm espera-se um aimal com milímetros a meos de touciho) Característica h a axa mm mm -- x ,59 Gaho de peso diário Espessura de touciho Ídice de Seleção Exemplo Como se estima os poderadores (b ; b ;......b )? Em que: h = aho eético desejado; G = Matriz de Variâcia e covariâcia eética aditiva; b = coeficietes de reressão. Loo... h Gb Ídice de Seleção Exemplo Para ecotrar o vetor b, tem-se h Gb b G h h b G
12 8//3 Ídice de Seleção Exemplo Como ecotrar os b s: Ecotrado G - ; b G 4 G 44,59 h 44,59 Ídice de Seleção Exemplo Obteção dos b s b G,33,747,8 G h,747,665365,589 h G,33,747,747, Assim: I,8, 589 MELHO PEDIÇÃO LINEA NÃO-VIESADA Possibilita: Predição dos valores eéticos; Ajustado-se os dados, para os efeitos fixos e úmero desiual de subclasses; MMM Metodoloia de Modelos Mistos Superior aos demais métodos de Seleção a) Iclusão da iformação completa de família por meio da matriz de paretesco; b) Comparação de idivíduos de diferetes íveis de efeitos fixos; c) Avaliação simultâea de reprodutores, fêmeas e proêies; d) Avaliação de idivíduos sem observações, com observações perdidas e com observações em apeas alumas características; e) Avaliação de características múltiplas; f) Avaliação de medidas repetidas.
13 8//3 Modelo Aimal Permite a avaliação simultâea de reprodutores, fêmeas e proêies. Faz estimação simultâea dos efeitos de meio e eéticos. Utiliza TODAS as INFOMAÇÕES DISPONÍVEIS!!! Permitido a Iclusão da iformação completa da família, por meio da MATI DE PAENTESCO. Equações de Modelos Mistos MME (Mixed Model Equatios) Hederso (963) propos (MME) Possibilita modelar (EF) e (EA) BLUP (Best Liear Ubiased Predictor) Feótipo BLUP é um estimador de (EA) (é portato um Preditor) Utiliza modelos lieares (sedo assim, Liear) É um estimador de variâcia míima (o Melhor) E a Variâcia do estimador é iual a zero (apreseta propriedade de Não-Viesado) P = G + E G = a + d + i P = valor feotípico; G= valor eotípico; a=valor eético aditivo; i = efeito da epistasia; d= efeito da domiâcia; E= efeito ambietal. 3
14 8//3 Modelos Estatísticos O DADO COLETADO ij = f i + ij + ε ij Modelos Estatísticos O DADO COLETADO ij = f i + a ij + d ij + ε ij e ij AMBIENTE INDENTIFICÁVEL EFEITO GENÉTICO AMBIENTE NÃO INDENTIFICÁVEL VALO GENÉTICO EFEITO GENÉTICO NÃO ADITIVO É amplamete utilizado a rade maioria dos países.. Objetivos, tipo e volume de iformações Diferetes modelos podem ser empreados as avaliações por modelos mistos; Modelo aimal reduzido Modelo touro Modelo Aimal Modelo reprodutor avô-matero Modelo Aimal Y = β⁰ + â + e Y_ é o vetor de observações; _é a matriz de icidêcia dos efeitos fixos; ⁰_ é o vetor dos efeitos fixos cohecido; _ é a matriz de icidêcia de valores eéticos (cohecida);. â_ é o vetor de valores eéticos (aleatórios) (BLUP); e_ é o vetor de erros aleatórios. As soluções de β⁰_ e â_ são obtidas pela resolução das equações de modelos mistos. 4
15 8//3 5 A estimação dos (EF) e a predição dos (VG s) são obtidas pela solução (MME) Modelo Aimal Y = β⁰ + â + e a G O ˆ Modelo Aimal Y = β⁰ + â + e a G O ˆ Ode G=Aσ a = matriz de var. e cov. dos VG s A = matriz de paretesco etre os idivíduos, σ a=variâcia Geética Aditiva =Iσ e= matriz de Var. e Cov. esidual, I= matriz idetidade σ e=var. esidual Modelo Aimal Y = β⁰ + â + e e e e a a a e â Y = Modelo Aimal (soluções MME) Y V - -. ) (V (BLUE) dos (EF) ).( Y G V â (BLUP) dos (EA) ] ) ( [ ] ) ( [ G G o ) ˆ ( ) ( O G â
16 8//3 Obter as matrizes Y=B+a+e e A; Aimal Pai Sexo Gaho de peso K 9 K 95 3 K 4 W 95 5 W 93 6 W 85 7 H 95 8 H 85 9 H 7 H 9 I 9 J 85 6
MÉTODOS DE SELEÇÃO. Professor: Dr. Alexandre Leseur dos Santos Mestranda: Lurdes Rodrigues Estágio em Docência I Disciplina: Melhoramento Genético
MÉTODOS DE SELEÇÃO 1 Professor: Dr. Alexandre Leseur dos Santos Mestranda: Lurdes Rodrigues Estágio em Docência I Disciplina: Melhoramento Genético 2 MÉTODOS DE SELEÇÃO INTRODUÇÃO A seleção pode ser realizada
Leia maisCapítulo 13 Seleção Informações de Parentes. FALCONER & McKAY (1996) páginas
Capítulo 3 Seleção Iformações de aretes FALCONER & McKAY (996) págias 8-45 Iformações da Família: Quado usá-las?? Quado se cohece: Tipo de família meio-irmão ou irmãos germaos (r ) Número de idivíduos
Leia maisComparação entre duas populações
Comparação etre duas populações AMOSTRAS INDEPENDENTES Comparação etre duas médias 3 Itrodução Em aplicações práticas é comum que o iteresse seja comparar as médias de duas diferetes populações (ambas
Leia maisPROJETO E ANÁLISES DE EXPERIMENTOS (PAE) PROJETO FATORIAL 2 k COMPLETO E REPLICADO. Dr. Sivaldo Leite Correia
PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) PROJETO FATORIAL 2 k COMPLETO E REPLICADO Dr. Sivaldo Leite Correia CONCEITOS, LIMITAÇÕES E APLICAÇÕES Nos tópicos ateriores vimos as estratégias geeralizadas para
Leia maisEstimadores de Momentos
Estimadores de Mometos A média populacioal é um caso particular daquilo que chamamos de mometo. Na realidade, ela é o primeiro mometo. Se X for uma v.a. cotíua, com desidade f(x; θ 1,..., θ r ), depededo
Leia maisESTIMAÇÃO DE PARÂMETROS
ESTIMAÇÃO DE PARÂMETROS 1 Estimação de Parâmetros uiverso do estudo (população) dados observados O raciocíio idutivo da estimação de parâmetros Estimação de Parâmetros POPULAÇÃO p =? AMOSTRA Observações:
Leia maisFACULDADE DE ECONOMIA DO PORTO. Licenciatura em Economia E C O N O M E T R I A I I PARTE
FACULDADE DE ECONOMIA DO PORTO Liceciatura em Ecoomia E C O N O M E T R I A I (LEC0) Exame Fial 0 de Jaeiro de 00 RESOLUÇÃO: I PARTE I GRUPO a) Dispoível uma amostra de observações de Y para períodos cosecutivos,
Leia maisA finalidade de uma equação de regressão seria estimar valores de uma variável, com base em valores conhecidos da outra.
Jaete Pereira Amador Itrodução A aálise de regressão tem por objetivo descrever através de um modelo matemático, a relação existete etre duas variáveis, a partir de observações dessas viráveis. A aálise
Leia maisCORRELAÇÃO Aqui me tens de regresso
CORRELAÇÃO Aqui me tes de regresso O assuto Correlação fez parte, acompahado de Regressão, do programa de Auditor Fiscal, até 998, desaparecedo a partir do cocurso do ao 000 para agora retorar soziho.
Leia maisAnálise de Regressão Linear Múltipla I
Aálise de Regressão Liear Múltipla I Aula 04 Gujarati e Porter, 0 Capítulos 7 e 0 tradução da 5ª ed. Heij et al., 004 Capítulo 3 Wooldridge, 0 Capítulo 3 tradução da 4ª ed. Itrodução Como pode ser visto
Leia maisSumário. 2 Índice Remissivo 17
i Sumário 1 Itrodução à Iferêcia Estatística 1 1.1 Defiições Básicas................................... 1 1.2 Amostragem....................................... 2 1.2.1 Tipos de Amostragem.............................
Leia maisNúmero-índice: Conceito, amostragem e construção de estimadores
Número-ídice: Coceito, amostragem e costrução de estimadores Objetivo Geral da aula Defiir o que são os úmeros-ídices, efatizado a sua importâcia para aálise ecoômica. Cosidere os dados apresetados a Tabela
Leia maisAvaliação de Desempenho de Sistemas Discretos
Distribuições Comus Avaliação de Desempeho de Sistemas Discretos Probabilidade e Estatística 2 Uiforme Normal Poisso Hipergeométrica Biomial Studet's Geométrica Logormal Expoecial Beta Gamma Qui-Quadrado
Leia mais5. ANÁLISE DE SISTEMAS DA CONFIABILIADE DE SISTEMAS SÉRIE-PARALELO
5. ANÁLISE DE SISTEMAS DA CONFIABILIADE DE SISTEMAS SÉRIE-PARALELO 5.1 INTRODUÇÃO Um sistema é defiido como todo o cojuto de compoetes itercoectados, previamete determiados, de forma a realizar um cojuto
Leia maisd) A partir do item c) encontre um estimador não viciado para σ 2.
Uiversidade de Brasília Departameto de Estatística 6 a Lista de PE 1 Seja X 1,, X ) uma AAS tal que EX i ) = µ e VarX i ) = σ 2 a) Ecotre EXi 2 ) e E X 2) b) Calcule EX i X) X i X) 2 c) Se T =, mostre
Leia maisCap. 4 - Estimação por Intervalo
Cap. 4 - Estimação por Itervalo Amostragem e iferêcia estatística População: cosiste a totalidade das observações em que estamos iteressados. Nº de observações a população é deomiado tamaho=n. Amostra:
Leia maisAnálise de dados industriais
Aálise de dados idustriais Escola olitécica Departameto de Eeharia Química Roberto Guardai 4 arte 5. ÉCNICAS DE DISCRIMINAÇÃO E DE CLASSIFICAÇÃO DE DADOS Itrodução écicas estatísticas de aálise baseadas
Leia maisObtemos, então, uma amostra aleatória de tamanho n de X, que representamos por X 1, X 2,..., X n.
Vamos observar elemetos, extraídos ao acaso e com reposição da população; Para cada elemeto selecioado, observamos o valor da variável X de iteresse. Obtemos, etão, uma amostra aleatória de tamaho de X,
Leia maisESTIMAÇÃO PARA A MÉDIA
ESTIMAÇÃO PARA A MÉDIA Objetivo Estimar a média de uma variável aleatória, que represeta uma característica de iteresse de uma população, a partir de uma amostra. Vamos observar elemetos, extraídos ao
Leia maisESTIMAÇÃO DE PARÂMETROS
ESTIMAÇÃO DE PARÂMETROS 1 Estimação de Parâmetros uiverso do estudo (população) dados observados O raciocíio idutivo da estimação de parâmetros Estimação de Parâmetros População p Amostra X S pˆ (parâmetros:
Leia maisCaderno de Exercício 2
1 Cadero de Exercício Estimação Potual e Itervalos de Cofiaça 1. Exercícios Aulas 1. Exercício 8.6 do livro Statistics for Ecoomics ad Busiess. O úmero de adares vedidos em cada dia por uma empresa imobiliária
Leia maisContabilometria. Prof.: Patricia Maria Bortolon, D. Sc.
Cotabilometria Prof.: Patricia Maria Bortolo, D. Sc. Teste para Duas Amostras Fote: LEVINE, D. M.; STEPHAN, D. F.; KREHBIEL, T. C.; BERENSON, M. L.; Estatística Teoria e Aplicações, 5a. Edição, Editora
Leia maisDistribuições Amostrais
9/3/06 Uiversidade Federal do Pará Istituto de Tecologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Egeharia Mecâica 3/09/06 3:38 ESTATÍSTICA APLICADA I - Teoria
Leia maisTeorema do limite central e es/mação da proporção populacional p
Teorema do limite cetral e es/mação da proporção populacioal p 1 RESULTADO 1: Relembrado resultados importates Seja uma amostra aleatória de tamaho de uma variável aleatória X, com média µ e variâcia σ.temos
Leia maisDistribuições Amostrais
7/3/07 Uiversidade Federal do Pará Istituto de Tecologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Egeharia Mecâica 3/07/07 09:3 ESTATÍSTICA APLICADA I - Teoria
Leia maisMAE Introdução à Probabilidade e Estatística II Resolução Lista 2
MAE 9 - Itrodução à Probabilidade e Estatística II Resolução Lista Professor: Pedro Moretti Exercício 1 Deotado por Y a variável aleatória que represeta o comprimeto dos cilidros de aço, temos que Y N3,
Leia maisIntervalos de Confiança
Itervalos de Cofiaça Prof. Adriao Medoça Souza, Dr. Departameto de Estatística - PPGEMQ / PPGEP - UFSM - 0/9/008 Estimação de Parâmetros O objetivo da Estatística é a realização de iferêcias acerca de
Leia maisCE071 - ANÁLISE DE REGRESSÃO LINEAR Prof a Suely Ruiz Giolo
CE07 - ANÁLISE DE REGRESSÃO LINEAR Prof a Suely Ruiz Giolo LISTA - EXERCÍCIOS ) Para o modelo de regressão liear simples ormal, ecotre os estimadores de máxima verossimilhaça dos parâmetros β 0, β e σ
Leia maisAjuste de Curvas. Lucia Catabriga e Andréa Maria Pedrosa Valli
1-27 Ajuste de Curvas Lucia Catabriga e Adréa Maria Pedrosa Valli Laboratório de Computação de Alto Desempeho (LCAD) Departameto de Iformática Uiversidade Federal do Espírito Sato - UFES, Vitória, ES,
Leia mais10 - Medidas de Variabilidade ou de Dispersão
10 - Medidas de Variabilidade ou de Dispersão 10.1 Itrodução Localizado o cetro de uma distribuição de dados, o próximo passo será verificar a dispersão desses dados, buscado uma medida para essa dispersão.
Leia maisDETERMINANDO A SIGNIFICÂNCIA ESTATÍSTICA PARA AS DIFERENÇAS ENTRE MÉDIAS
DTRMINANDO A SIGNIFIÂNIA STATÍSTIA PARA AS DIFRNÇAS NTR MÉDIAS Ferado Lag da Silveira Istituto de Física - UFRGS lag@if.ufrgs.br O objetivo desse texto é apresetar através de exemplos uméricos como se
Leia maisObjetivo. Estimar a média µ de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra.
ESTIMAÇÃO PARA A MÉDIAM Objetivo Estimar a média µ de uma variável aleatória X, que represeta uma característica de iteresse de uma população, a partir de uma amostra. Exemplos: µ : peso médio de homes
Leia maisObjetivo. Estimar a média de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra.
Objetivo Estimar a média de uma variável aleatória X, que represeta uma característica de iteresse de uma população, a partir de uma amostra. Exemplos: : peso médio de homes a faixa etária de 20 a 30 aos,
Leia maisCONHECIMENTOS ESPECÍFICOS
CESPE/UB FUB/0 fa 5 4 CONHECIMENTOS ESPECÍFICOS 60 As distribuições B e C possuem os mesmos valores para os quartis Q e Q, e o quartil superior em B correspode ao quartil cetral (Q ) da distribuição A.
Leia maisNOTAS DE AULA: DISTRIBUIÇÃO AMOSTRAL E INTERVALOS DE CONFIANÇA
NOTAS DE AULA: DISTRIBUIÇÃO AMOSTRAL E INTERVALOS DE CONFIANÇA Objetivos da aula: Compreeder que um estimador é uma variável aleatória e, portato, pode-se estabelecer sua distribuição probabilística; Estabelecer
Leia maisEconometria. Econometria. Algumas considerações. Algumas considerações MQO. Derivando as Propriedades
Ecoometria. Propriedades fiitas dos estimadores MQO. Estimação da Variâcia do estimador de MQO 3. Revisão de Iferêcia (testes em ecoometria) Ecoometria. Propriedades fiitas dos estimadores MQO Algumas
Leia maisn ) uma amostra aleatória da variável aleatória X.
- Distribuições amostrais Cosidere uma população de objetos dos quais estamos iteressados em estudar uma determiada característica. Quado dizemos que a população tem distribuição FX ( x ), queremos dizer
Leia maisTransformação de similaridade
Trasformação de similaridade Relembrado bases e represetações, ós dissemos que dada uma base {q, q,..., q} o espaço real - dimesioal, qualquer vetor deste espaço pode ser escrito como:. Ou a forma matricial
Leia maisLista de Exercícios #6 Assunto: Propriedade dos Estimadores e Métodos de Estimação
Assuto: Propriedade dos Estimadores e Métodos de Estimação. ANPEC 08 - Questão 6 Por regulametação, a cocetração de um produto químico ão pode ultrapassar 0 ppm. Uma fábrica utiliza esse produto e sabe
Leia maisA DESIGUALDADE DE CHEBYCHEV
A DESIGUALDADE DE CHEBYCHEV Quado se pretede calcular a probabilidade de poder ocorrer determiado acotecimeto e se cohece a distribuição probabilística que está em causa o problema, ão se colocam dificuldades
Leia maisDistribuições Amostrais
Distribuições Amostrais O problema da iferêcia estatística: fazer uma afirmação sobre os parâmetros da população θ (média, variâcia, etc) através da amostra. Usaremos uma AAS de elemetos sorteados dessa
Leia maisPROVA 1 27/10/ Os dados apresentados na seqüência mostram os resultados de colesterol
PROVA 1 7/10/009 Nome: GABARITO 1. Os dados apresetados a seqüêcia mostram os resultados de colesterol mg /100ml em dois grupos de aimais. O grupo A é formado por 10 total ( ) aimais submetidos a um cotrole
Leia maisEstimação da média populacional
Estimação da média populacioal 1 MÉTODO ESTATÍSTICO Aálise Descritiva Teoria das Probabilidades Iferêcia Os dados efetivamete observados parecem mostrar que...? Se a distribuição dos dados seguir uma certa
Leia mais5 Teoria dos Valores Extremos
Teoria dos Valores Extremos 57 5 Teoria dos Valores Extremos A Teoria dos Valores Extremos vem sedo bastate utilizada em campos ligados a evetos raros. Sua estatística é aplicada a estimação de evetos
Leia maisEstatística: Aplicação ao Sensoriamento Remoto SER ANO Técnicas de Reamostragem
Estatística: Aplicação ao Sesoriameto Remoto SER 202 - ANO 2016 Técicas de Reamostragem Camilo Daleles Reó camilo@dpi.ipe.br http://www.dpi.ipe.br/~camilo/estatistica/ Distribuição Amostral Testes paramétricos
Leia maisEstimativa de Parâmetros
Estimativa de Parâmetros ENG09004 04/ Prof. Alexadre Pedott pedott@producao.ufrgs.br Trabalho em Grupo Primeira Etrega: 7/0/04. Plao de Amostragem - Cotexto - Tipo de dado, frequêcia de coleta, quatidade
Leia maisA B C A e B A e C B e C A, B e C
2 O ANO EM Matemática I RAPHAEL LIMA Lista 6. Durate o desfile de Caraval das escolas de samba do Rio de Jaeiro em 207, uma empresa especializada em pesquisa de opiião etrevistou 40 foliões sobre qual
Leia maisUniversidade Federal de Mato Grosso Probabilidade e Estatística - Curso: Engenharia Civil Introdução à Inferência Estatística - Prof a Eveliny
1 Itrodução Uiversidade Federal de Mato Grosso Probabilidade e Estatística - Curso: Egeharia Civil Itrodução à Iferêcia Estatística - Prof a Eveliy Vimos o iício do curso como resumir descritivamete variáveis
Leia maisPopulação x Amostra. statística descritiva X inferência estatística. Revisão de Estatística e Probabilidade
Revisão de Estatística e Probabilidade Magos Martiello Uiversidade Federal do Espírito Sato - UFES Departameto de Iformática DI Laboratório de Pesquisas em Redes Multimidia LPRM statística descritiva X
Leia mais6.1 Estimativa de uma média populacional: grandes amostras. Definição: Um estimador é uma característica amostral (como a média amostral
6 ESTIMAÇÃO 6.1 Estimativa de uma média populacioal: grades amostras Defiição: Um estimador é uma característica amostral (como a média amostral x ) utilizada para obter uma aproximação de um parâmetro
Leia maisInstruções gerais sobre a Prova:
DEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2012/2013 Istruções gerais sobre a Prova: (a) Cada questão respodida corretamete vale 1 (um) poto. (b) Cada
Leia maisStela Adami Vayego DEST/UFPR
Resumo 0 Estimação de parâmetros populacioais 9.. Itrodução Aqui estudaremos o problema de avaliar certas características dos elemetos da população (parâmetros), com base em operações com os dados de uma
Leia maisEstimação da média populacional
Estimação da média populacioal 1 MÉTODO ESTATÍSTICO Aálise Descritiva Teoria das Probabilidades Iferêcia Os dados efetivamete observados parecem mostrar que...? Se a distribuição dos dados seguir uma certa
Leia maisQuantificando os Fenômenos Biológicos
1 ECOSSISTEMA Os ecossistemas estão costituídos por comuidades. A comuidade é uma uidade ecológica de visualização meos clara a atureza que outros coceitos como o de idivíduo ou mesmo o de população, que
Leia maise, respectivamente. Os valores tabelados para a distribuição t-student dependem do número de graus de liberdade ( n 1 e
Prof. Jaete Pereira Amador 1 1 Itrodução Um fator de grade importâcia a pesquisa é saber calcular corretamete o tamaho da amostra que será trabalhada. Devemos ter em mete que as estatísticas calculadas
Leia maisCAPÍTULO 6 ESTIMATIVA DE PARÂMETROS PPGEP. Introdução. Introdução. Estimativa de Parâmetros UFRGS
CAPÍTULO 6 Itrodução Uma variável aleatória é caracterizada ou descrita pela sua distribuição de probabilidade. ETIMATIVA DE PARÂMETRO URG Em aplicações idustriais, as distribuições de probabilidade são
Leia maisESTATÍSTICA I LISTA DE EXERCÍCIOS 1 GABARITO
ESTATÍSTICA I LISTA DE EXERCÍCIOS 1 GABARITO 1. Para o cojuto de dados abaixo, determie: Produtividade da cultura da soja (kg por hectare) 3600 3545 3658 3498 3657 345 3785 354 366 3641 3687 3698 361 3654
Leia maisIntrodução. Exemplos. Comparar três lojas quanto ao volume médio de vendas. ...
Itrodução Exemplos Para curar uma certa doeça existem quatro tratametos possíveis: A, B, C e D. Pretede-se saber se existem difereças sigificativas os tratametos o que diz respeito ao tempo ecessário para
Leia maisMAE116 Noções de Estatística
Exercício 1 A Secretaria de Saúde de um muicípio vem realizado um programa educativo etre as gestates mostrado a importâcia da amametação. Para averiguar a eficácia do programa pretede-se realizar uma
Leia maisPROF. DR. JACQUES FACON
1 PUCPR- Potifícia Uiversidade Católica Do Paraá PPGIA- Programa de Pós-Graduação Em Iformática Aplicada PROF. DR. JACQUES FACON LIMIARIZAÇÃO POR MATRIZ DE CO-OCORRÊNCIA Resumo: O método da matriz de co-ocorrêcia,
Leia maisEstimar uma proporção p (desconhecida) de elementos em uma população, apresentando certa característica de interesse, a partir da informação
ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p 1 Objetivo Estimar uma proporção p (descohecida) de elemetos em uma população, apresetado certa característica de iteresse, a partir da iformação forecida por uma
Leia maisAnálise de Informação Económica e Empresarial Prova Época Normal 17 de Junho de 2013 Duração: 2h30m (150 minutos)
Desidade Liceciaturas Ecoomia/Fiaças/Gestão 1º Ao Ao lectivo de 01-013 Aálise de Iformação Ecoómica e Empresarial Prova Época ormal 17 de Juho de 013 Duração: h30m (150 miutos) Respoda aos grupos em Folhas
Leia maisExame Final Nacional de Matemática Aplicada às Ciências Sociais a Fase
Exame Nacioal de Matemática Aplicada às Ciêcias Sociais 2013-1. a Fase Proposta de resolução 1. 1.1. Aplicado o método descrito, icluido o tema Festas, temos: Potuação do tema Bullig: 3 415 + 1 370 + 2
Leia maisUNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA 4 PROBABILIDADE A (CE068) Prof. Benito Olivares Aguilera
UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EATAS DEPTO. DE ESTATÍSTICA LISTA 4 PROBABILIDADE A (CE068) Prof. Beito Olivares Aguilera 2 o Sem./09 1. Das variáveis abaixo descritas, assiale quais são
Leia maisTeoria da Estimação 1
Teoria da Estimação 1 Um dos pricipais objetivos da estatística iferecial cosiste em estimar os valores de parâmetros populacioais descohecidos (estimação de parâmetros) utilizado dados amostrais. Etão,
Leia maisAPLICAÇÃO NO ENSINO DE CÁLCULO NUMÉRICO NA ENGENHARIA DE ALIMENTOS: CONTROLE DO CRESCIMENTO MICROBIANO
APLICAÇÃO NO ENSINO DE CÁLCULO NUMÉRICO NA ENGENHARIA DE ALIMENOS: CONROLE DO CRESCIMENO MICROBIANO 1. INRODUÇÃO Quado os defrotamos com um problema que ão possui solução aalítica tora-se imprescidível
Leia maisIntervalos Estatísticos para uma única Amostra - parte II
Itervalos Estatísticos para uma úica Amostra - parte II Itervalo de cofiaça para proporção 2012/02 1 Itrodução 2 3 Objetivos Ao fial deste capítulo você deve ser capaz de: Costruir itervalos de cofiaça
Leia maisAprendizagem de Máquina
predizagem de Máquia Modelos de Mistura lgoritmo EM Estimação semi-paramétrica de desidade abordagem paramétrica para estimação de desidade supõe que a amostra X é extraída de uma distribuição que segue
Leia maisUnidade IV Inferência estatística
//05 Uidade IV Iferêcia estatística 4.. Itrodução e histórico 4.. Coceitos fudametais 4.3. Distribuições amostrais e Teorema cetral do limite 4.4. Estimação de parâmetros 4.5. Testes de hipóteses 4.6.
Leia maisESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p
ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p Objetivo Estimar uma proporção p (descohecida) de elemetos em uma população, apresetado certa característica de iteresse, a partir da iformação forecida por uma amostra.
Leia mais1ª LISTA DE EXERCÍCIOS DE PROC. ESTOCÁSTICOS APLICADOS (CE 222) Prof. Benito Olivares 1 o Sem./ 2017
UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA ª LISTA DE EXERCÍCIOS DE PROC. ESTOCÁSTICOS APLICADOS (CE ) Prof. Beito Olivares o Sem./ 7. Classifique e costrua uma trajetória
Leia maisCONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA
1 CONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA 1. Coceitos Básicos de Probabilidade Variável aleatória: é um úmero (ou vetor) determiado por uma resposta, isto é, uma fução defiida em potos do espaço
Leia maisRoteiro. Introdução. Introdução. Introdução. Introdução. Métodos de amostragem. Cálculo do tamanho de amostra. Introdução. Métodos de amostragem
Uiversidade de São Paulo Faculdade de Medicia Veteriária e Zootecia VPS6 - Métodos Quatitativos em Medicia Veteriária Cálculo do tamaho de amostra Prof. Grisi e Prof. Mauro Borba (UFRGS) Roteiro População
Leia maisAnálise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos
Aálise de Algoritmos Aálise de Algoritmos Prof Dr José Augusto Baraauskas DFM-FFCLRP-USP A Aálise de Algoritmos é um campo da Ciêcia da Computação que tem como objetivo o etedimeto da complexidade dos
Leia maisDISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia
ROTEIRO DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL 1. Itrodução. Teorema Cetral do Limite 3. Coceitos de estimação potual 4. Métodos de estimação potual 5. Referêcias Estatística Aplicada à Egeharia 1 Estatística
Leia maisCE-003: Estatística II - Turma K/O Avaliações Semanais (2 o semestre 2015)
CE-003: Estatística II - Turma K/O Avaliações Semaais (2 o semestre 20) Semaa 5 (av-01) 1. Um idivíduo vai participar de uma competição que cosiste em respoder questões que são lhe são apresetadas sequecialmete.
Leia maisCapítulo 5. CASO 5: EQUAÇÃO DE POISSON 5.1 MODELO MATEMÁTICO E SOLUÇÃO ANALÍTICA
Capítulo 5. CASO 5: EQUAÇÃO DE POISSON No presete capítulo, é abordado um problema difusivo uidimesioal com absorção de calor (Icropera e DeWitt, 199, o que resulta uma equação de Poisso, que é uma equação
Leia maisMétodos de Amostragem
Métodos de Amostragem Amostragem aleatória Este é o procedimeto mais usual para ivetários florestais e baseia-se o pressuposto de que todas as uidades amostrais têm a mesma chace de serem amostradas a
Leia maisO teste de McNemar. A tabela 2x2. Depois - Antes
Prof. Lorí Viali, Dr. http://www.pucrs.br/famat/viali/ viali@pucrs.br O teste de McNemar O teste de McNemar para a sigificâcia de mudaças é particularmete aplicável aos experimetos do tipo "ates e depois"
Leia mais1 Distribuições Amostrais
1 Distribuições Amostrais Ao retirarmos uma amostra aleatória de uma população e calcularmos a partir desta amostra qualquer quatidade, ecotramos a estatística, ou seja, chamaremos os valores calculados
Leia maisEndogamia, coancestria e número status no melhoramento florestal
Edogamia, coacestria e úmero status o melhorameto florestal Alexadre Mago Sebbe Istituto Florestal alexadresebbe@yahoo.com.br A arte do melhorameto florestal é a combiação de vários fatores em uma boa
Leia maisESTATÍSTICA EXPLORATÓRIA
ESTATÍSTICA EXPLORATÓRIA Prof Paulo Reato A. Firmio praf6@gmail.com Aulas 19-0 1 Iferêcia Idutiva - Defiições Coceitos importates Parâmetro: fução diretamete associada à população É um valor fixo, mas
Leia mais1.4 Determinantes. determinante é igual ao produto dos elementos da diagonal principal menos o produto dos elementos da diagonal secundária.
1.4 Determiates A teoria dos determiates surgiu quase simultaeamete a Alemaha e o Japão. Ela foi desevolvida por dois matemáticos, Gottfried Wilhelm Leibiz (1642-1716) e Seki Shisuke Kowa (1642-1708),
Leia maisAmostras Aleatórias e Distribuições Amostrais. Probabilidade e Estatística: afinal, qual é a diferença?
Amostras Aleatórias e Distribuições Amostrais Probabilidade e Estatística: afial, qual é a difereça? Até agora o que fizemos foi desevolver modelos probabilísticos que se adequavam a situações reais. Por
Leia maisRegressão linear simples
Regressão liear simples Maria Virgiia P Dutra Eloae G Ramos Vaia Matos Foseca Pós Graduação em Saúde da Mulher e da Criaça IFF FIOCRUZ Baseado as aulas de M. Pagao e Gravreau e Geraldo Marcelo da Cuha
Leia maisMAE0229 Introdução à Probabilidade e à Estatística II
Exercício : Sabe-se que o tempo de viagem de um local A a zoa orte de São Paulo até a USP segue uma distribuição ormal com desvio padrão 9 miutos. Em 200 dias aotou-se o tempo gasto para vir desse poto
Leia maisCapítulo 5- Introdução à Inferência estatística.
Capítulo 5- Itrodução à Iferêcia estatística. 1.1) Itrodução.(184) Na iferêcia estatística, aalisamos e iterpretamos amostras com o objetivo de tirar coclusões acerca da população de ode se extraiu a amostra.
Leia maisCapítulo 5- Introdução à Inferência estatística. (Versão: para o manual a partir de 2016/17)
Capítulo 5- Itrodução à Iferêcia estatística. (Versão: para o maual a partir de 2016/17) 1.1) Itrodução.(222)(Vídeo 39) Na iferêcia estatística, aalisamos e iterpretamos amostras com o objetivo de tirar
Leia maisMaterial Teórico - Módulo Binômio de Newton e Triangulo de Pascal. Soma de Elementos em Linhas, Colunas e Diagonais. Segundo Ano do Ensino Médio
Material Teórico - Módulo Biômio de Newto e Triagulo de Pascal Soma de Elemetos em Lihas, Coluas e Diagoais Segudo Ao do Esio Médio Autor: Prof Fabrício Siqueira Beevides Revisor: Prof Atoio Camiha M Neto
Leia maisMaterial Teórico - Módulo Binômio de Newton e Triangulo de Pascal. Soma de Elementos em Linhas, Colunas e Diagonais. Segundo Ano do Ensino Médio
Material Teórico - Módulo Biômio de Newto e Triagulo de Pascal Soma de Elemetos em Lihas, Coluas e Diagoais Segudo Ao do Esio Médio Autor: Prof Fabrício Siqueira Beevides Revisor: Prof Atoio Camiha M Neto
Leia maisESTATISTICA AFRF 2005 Resolução Prof. Angelo Primo Jr.
ESTATISTICA AFRF 005 Resolução Prof. Agelo Primo Jr. Q39- Para dados agrupados represetados por uma curva de freqüêcias, as difereças etre os valores da média, da mediaa e da moda são idicadores da assimetria
Leia maisMetodologia para acelerar a busca por soluções de problemas similares ao Caixeiro Viajante
Metodoloia para acelerar a busca por soluções de problemas similares ao Caixeiro Viajate Maria José Pito Lamosa Istituto de Estudos Avaçados (IEAv) - Divisão de Geoiteliêcia (EGI) São José dos Campos,
Leia maisEscola de Engenharia de Lorena EEL USP Departamento de Engenharia Química DEQUI Disciplina: Normalização e Controle da Qualidade NCQ
1 Escola de Egeharia de orea EE SP Departameto de Egeharia Química DEQI Disciplia: Normalização e Cotrole da Qualidade NCQ Capítulo : Amostragem por Variáveis (MI STD 1) SEÇÃO A.1 Objetivo Este capítulo
Leia maisUnidade IX Estimação
Uidade IX Estimação 6/09/07 Itervalos de cofiaça ii. Para a difereça etre médias de duas populações (μ μ ) caso : Variâcias cohecidas Pressupostos: 6/09/07 x - x x - x ; N é - x x ) ( x x x x E ) ( x x
Leia maisProf. Rafael A. Rosales 24 de maio de Exercício 1. De quantas maneiras é possível ordenar um conjunto formado por n elementos?
USP-FFCLRP Fudametos de Matemática DCM Iformática Biomédica Prof. Rafael A. Rosales 24 de maio de 20 Combiatória Exercício. De quatas maeiras é possível ordear um cojuto formado por elemetos? Exercício
Leia maisCAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES
CAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES 6. INTRODUÇÃO INFERÊNCIA ESTATÍSTICA Estimação por poto por itervalo Testes de Hipóteses População X θ =? Amostra θ Iferêcia Estatística X, X,..., X 6. ESTIMAÇÃO
Leia mais3 Introdução à inferência estatística
3 Itrodução à iferêcia estatística Itrodução à iferêcia estatística Pág. 00 1.1. Este tipo de estudos as sodages eleitorais têm como objetivo aferir o setido de voto dos eleitores. Isto permite, ão só
Leia maisExperimento 1 Estudo da Lei de Hooke
Experimeto 1 Estudo da Lei de Hooke 1.1 Objetivos Físicos Verificação experimetal da lei de Hooke para uma mola helicoidal: Medida experimetal do módulo de rigidez do material μ. 1. Objetivos Didáticos
Leia maisUtilização de modelos não-lineares sigmoidais na descrição do aumento em diâmetro de frutos de pequi.
Utilização de modelos ão-lieares sigmoidais a descrição do aumeto em diâmetro de frutos de pequi. Ricardo Wager Pacopahyba de Mattos 1 Thaís Destéfai Ribeiro 1 Joel Augusto Muiz 1 Augusto Ramalho de Morais
Leia maisMQI 2003 ESTATÍSTICA PARA METROLOGIA - SEMESTRE Teste 2 07/07/2008 Nome: PROBLEMA 1 Sejam X e Y v.a. contínuas com densidade conjunta:
MQI 003 ESTATÍSTICA PARA METROLOGIA - SEMESTRE 008.0 Teste 07/07/008 Nome: PROBLEMA Sejam X e Y v.a. cotíuas com desidade cojuta: f xy cy xy x y (, ) = + 3 ode 0 e 0 a) Ecotre a costate c que faz desta
Leia mais