Influência Local Gilberto A. Paula
|
|
- Nathalie Freire Almeida
- 6 Há anos
- Visualizações:
Transcrição
1 Influência Local p. 1/18 Influência Local Gilberto A. Paula Instituto de Matemática e Estatística Universidade de São Paulo giapaula@ime.usp.br
2 Influência Local p. 2/18 Preliminares O método de influência local proposto por Cook (1986) consiste em avaliar, através de uma medida apropriada de influência, a robustez das estimativas fornecidas pelo modelo mediante pequenas perturbações aplicadas no modelo ou nos dados. Diferentes gráficos de influência podem ser desenvolvidos. A metodolgia não exige deleção de observações e permite avaliar a influência conjunta de todos os pontos. Mais de 300 artigos foram publicados no assunto nos últimos 20 anos.
3 Influência Local p. 3/18 Seja L(θ) o logaritmo da função de verossimilhança definida conforme Cox e Hinkley (1974, Cap. 9), em que θ IR r é um vetor que contém os parâmetros do modelo. Seja L(θ ω) o logaritmo da função de verossimilhança perturbada, em que ω = (ω 1,...,ω s ) T é o vetor de perturbações, ω Ω IR s. Existe ω 0 (vetor de não perturbação) tal que L(θ ω 0 ) = L(θ).
4 Influência Local p. 4/18 Alguns Tipos de Perturbação As formas mais comuns de perburbação são: perturbação de casos: L(θ ω) = n i=1 ω il i (θ), 0 ω i 1; perturbação na resposta (alavancagem): y iω = y i + σ yi ω i, ω i IR; perturbação em x i (contínua): x iω = x i + σ xi ω i, ω i IR; perturbação na matriz de variância-covariância: Σ iω = ω 1 i Σ i, ω i IR {0}.
5 Influência Local p. 5/18 Medida de Influência A medida de influência mais utilizada para avaliar o efeito das perturbações nas estimativas fornecidas pelo modelo é o afastamento da verossimilhança definido por LD(ω) = 2{L(ˆθ) L(ˆθ ω )}, em que LD(ω) 0 e ˆθ e ˆθ ω são as estimativas de máxima verossimilhança dos modelos não perturbado L(θ) e perturbado L(θ ω), respectivamente. Note que LD(ω 0 ) = 0.
6 Influência Local p. 6/18 Definição A idéia de influência local é estudar o comportamento da função LD(ω) numa vizinhança de ω 0. Para tanto, considera-se a superfície geométrica (s + 1)-dimensional formada pelos valores do vetor α(ω) = [ ω LD(ω) ], quando ω varia em Ω. Essa superfície é denominada gráfico de influência.
7 Influência Local p. 7/18 O estudo de influência local consiste em analisar como a superfície α(ω) desvia-se de seu plano tangente em ω 0 (T 0 ). Essa análise pode ser feita estudando-se as curvaturas das seções normais da superfície α(ω) em ω 0 - que são intersecções de α(ω) com planos contendo o vetor normal com seu plano tangente em ω 0. As curvaturas dessas seções são denominadas curvaturas normais.
8 Figura 1. Curvatura normal a para uma superfície α(ω) e direção unitária h. Influência Local p. 8/18 a Figura extraída de Verbeke e Molenberghs (2000, p. 155)
9 Influência Local p. 9/18 Curvatura Normal A intersecção entre a seção normal e o plano tangente T 0 é denominada linha projetada. Essa linha pode ser obtida através do gráfico de LD(ω 0 + ah) contra a IR. A curvatura normal da linha projetada, denotada por C h, é definida como sendo a curvatura de (a, LD{ω(a)}) em a = 0, em que ω(a) = ω 0 + ah. Denomina-se C h curvatura normal da superfície α(ω) em ω 0 e na direção unitária h. Segue da Geometria Diferencial (vide, por exemplo Kreyszig, 1991, p.35) que C h = LD{ω(a)} a=0 = 2 LD{ω(a)}/ a 2 a=0.
10 Influência Local p. 10/18 Curvatura Normal Após manipulações algébricas Cook mostra que a curvatura normal na direção unitária h fica dada por C h (θ) = 2 h T T L 1 ˆθˆθ h, em que Lˆθˆθ é a matriz observada de Fisher e é uma matriz r s com elementos avaliada em ˆθ e ω 0. ji = 2 L(θ ω) θ j ω i,
11 Influência Local p. 11/18 Interesse particular está na direção (ou nas direções) que produz(em) maior influência local. Mostra-se que a direção de maior curvatura normal, denotada por h max, é o autovetor normalizado correspondente ao maior autovalor C hmax da matriz A = T L 1 ˆθˆθ. Por exemplo, examinando-se o vetor h max pode-se identificar as observações mais influentes sob o esquema de perturbação adotado.
12 Influência Local p. 12/18 Gráficos de Diagnóstico Gráficos mais usuais de diagnóstico de influência local: gráfico de índices de h maxi ; gráficos de índices de C i = C h i n j=1 C h j em que h i é um vetor unitário na direção da i-ésima observação que é formado por zeros com o valor 1 na i-ésima posição. Outras formas de padronização de C h (θ) são propostas por Poon e Poon (1999).
13 Influência Local p. 13/18 Vamos supor que o interesse está num subvetor θ 1 de θ = (θ T 1,θ T 2 ) T. Nesse caso a curvatura normal na direção h fica dada por C h (θ 1 ) = 2 h T T ( L 1 ˆθˆθ B 1) h, sendo B 1 = ( L 1 ˆθ 2ˆθ2 com Lˆθ2ˆθ2 denotando a informação de Fisher observada para θ 2. O gráfico do maior autovetor de T ( L 1 ˆθˆθ B 1) contra a ordem das observações pode revelar os pontos com maior influência local em ˆθ 1. ),
14 Influência Local p. 14/18 Modelos Lineares Generalizados Vamos supor um modelo linear generalizado com ligação canônica, φ conhecido e ponderação de casos, em que L(β ω) = n i=1 ω i L i (β), em que 0 ω i 1. Então obtemos o seguinte: Lˆβ ˆβ = φ(x T ˆVX) e = φx T diag{ˆr P1,..., ˆr Pn }.
15 Influência Local p. 15/18 A curvatura normal na direção unitária h fica então dada por C h (θ) = 2 h T Ah, em que A = diag{ˆr P1,..., ˆr Pn }Ĥdiag{ˆr P 1,..., ˆr Pn }, com H = V 1/2 X(X T VX) 1 X T V 1/2 e r Pi = φ(y i µ i )/ V i. Uma possibilidade é encontrar o autovetor correspondente ao maior autovalor da matrix A, denotado por h max e contruir o gráfico de h max contra as observações.
16 Influência Local p. 16/18 Outra possibilidade é construir o gráfico da curvatura normal na direção unitária da i-ésima observação, ou seja, h i = (0,...,0, 1, 0,..., 0), em que h i é um vetor de zeros com um na iésima posição. Assim teremos C i = 2 h T i Ah i = 2ˆr 2 P i ĥ ii.
17 Influência Local p. 17/18 Referências Cook, R. D. (1986). Assessment of local influence (with discussion). Journal of the Royal Statistical Society B 48, Cox, D.R. e Hinkley, D.V. (1974). Theoretical Statistics. Chapman and Hall: London. Kreyszig, E. (1991). Differential Geometry. Dover: New York.
18 Influência Local p. 18/18 Poon, W. e Poon, Y.S. (1999). Conformal normal curvature and assessment of local influence. Journal of the Royal Statistical Society B 61, Verbeke, G. e Molenberghs, G. (2000). Linear Mixed Models for Longitudinal Data. Springer: New York.
COMBINAÇÃO DE TÉCNICAS PARA CONSTRUÇÃO DE UM MODELO DE CREDIT SCORING, USANDO ANÁLISE DISCRIMINANTE
COMBINAÇÃO DE TÉCNICAS PARA CONSTRUÇÃO DE UM MODELO DE CREDIT SCORING, USANDO ANÁLISE DISCRIMINANTE 23 Marcos dos Santos Dutra Elenice Biazi 24 Traços, Belém, v. 10, n. 21, p. 23-34, jun. 2008 COMBINAÇÃO
Leia maisModelo Linear Generalizado Exponencial Potência
Modelo Linear Generalizado Exponencial Potência Cristian Villegas 1 2 1 Introdução Os modelos lineares normais são amplamente aplicados em diversas áreas do conhecimento para modelar a média de dados contínuos
Leia maisModelo de regressão log-weibull-exponenciada para dados com censura intervalar
XIII SEMANA da ESTATÍSTICA Universidade Estadual de Maringá Modelo de regressão log-weibull-exponenciada para dados com censura intervalar Elizabeth Mie Hashimoto Departamento Acadêmico de Matemática -
Leia maisModelos de regressão beta inflacionados
Modelos de regressão beta inflacionados Raydonal Ospina Martínez Orientadora: Silvia Lopes de Paula Ferrari Recife/PE: 3 de Março de 2009 XI Escola de Modelos de Regressão 1 / 22 APOIO FINANCIERO CAPES,
Leia maisExemplos Modelos Binomiais de Dose-Resposta
Exemplos Modelos Binomiais de Dose-Resposta p. 1/14 Exemplos Modelos Binomiais de Dose-Resposta Gilberto A. Paula Departamento de Estatística IME-USP MAE5763 - Modelos Lineares Generalizados 2 o semestre
Leia maisModelos de regressão para dados correlacionados. Cibele Russo
Modelos de regressão para dados correlacionados Cibele Russo cibele@icmc.usp.br ICMC USP Mini-curso oferecido no Workshop on Probabilistic and Statistical Methods 28 a 30 de janeiro de 2013 Cibele Russo
Leia maisTratamento Estatístico de Dados em Física Experimental
Tratamento Estatístico de Dados em Física Experimental Prof. Zwinglio Guimarães o semestre de 06 Tópico 7 - Ajuste de parâmetros de funções (Máxima Verossimilhança e Mínimos Quadrados) Método da máxima
Leia maisExemplo Ausências Escolares
Exemplo Ausências Escolares Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2015 G. A. Paula (IME-USP) Ausências Escolares 2 o Semestre 2015 1 / 24 Ausências
Leia maisComparação entre intervalos de confiança calculados com métodos bootstrap e intervalos assintóticos
Comparação entre intervalos de confiança calculados com métodos strap e intervalos assintóticos Selene Loibel Depto. de Estatística, Matemática Aplicada e Computação, IGCE, UNESP, Rio Claro, SP E-mail:sloibel@rc.unesp.br,
Leia maisExemplos Modelos de Quase-Verossimilhança
Exemplos Modelos de Quase-Verossimilhança p. 1/40 Exemplos Modelos de Quase-Verossimilhança Gilberto A. Paula Departamento de Estatística IME-USP MAE5763 - Modelos Lineares Generalizados 2 o semestre de
Leia maisMétodos de Diagnóstico para Modelos Lineares Mistos p.1/58
Métodos de Diagnóstico para Modelos Lineares Mistos Aluno: Juvêncio Santos Nobre juvencio@ime.usp.br Orientador: Prof. PhD Júlio da Motta Singer jmsinger@ime.usp.br IME-USP Métodos de Diagnóstico para
Leia maisModelos Lineares Generalizados
Modelos Lineares Generalizados Emilly Malveira de Lima Análise de Dados Categóricos Universidade Federal de Minas Gerais - UFMG 10 de Maio de 2018 Emilly Malveira (PGEST-UFMG) 10 de Maio de 2018 1 / 20
Leia maisInuência Local em Modelos de Regressão
Resumo Neste trabalho, estudamos a inuência local em modelos de regressão Este método foi proposto inicialmente por Cook (1986) e tem se mostrado como um poderoso instrumento da análise de diagnóstico
Leia maisTécnicas computacionais em probabilidade e estatística II
Técnicas computacionais em probabilidade e estatística II Universidade de São Paulo Instituto de Matemática e Estatística http:www.ime.usp.br/ mbranco AULA 1: Problemas Computacionais em Inferência Estatística.
Leia maisModelos Lineares Generalizados - Estimação em Modelos Lineares Generalizados
Modelos Lineares Generalizados - Estimação em Modelos Lineares Generalizados Erica Castilho Rodrigues 23 de Maio de 207 Introdução 2 3 Vimos como encontrar o EMV usando algoritmos numéricos. Duas possibilidades:
Leia maisExemplo Regressão Binomial Dados Emparelhados
Exemplo Regressão Binomial Dados Emparelhados Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2013 G. A. Paula (IME-USP) Desenvolvimento de Diabetes 2 o Semestre
Leia maisAula 2 Uma breve revisão sobre modelos lineares
Aula Uma breve revisão sobre modelos lineares Processo de ajuste de um modelo de regressão O ajuste de modelos de regressão tem como principais objetivos descrever relações entre variáveis, estimar e testar
Leia maisEquações não lineares
DMPA IME UFRGS Cálculo Numérico Índice Raizes de polinômios 1 Raizes de polinômios 2 raizes de polinômios As equações não lineares constituídas por polinômios de grau n N com coeficientes complexos a n,a
Leia maisESTATÍSTICA COMPUTACIONAL
ESTATÍSTICA COMPUTACIONAL Ralph dos Santos Silva Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Considere o problema de encontrar o valor que
Leia maisESTATÍSTICA COMPUTACIONAL
ESTATÍSTICA COMPUTACIONAL Ralph dos Santos Silva Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Introdução Solução de equações não lineares
Leia maisExemplo Multicolinearidade
Exemplo Multicolinearidade Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 1 o Semestre 2013 G. A. Paula (IME-USP) Calor do Cimento 1 o Semestre 2013 1 / 28 Calor de Cimento
Leia maisRalph S. Silva
ANÁLISE ESTATÍSTICA MULTIVARIADA Ralph S. Silva http://www.im.ufrj.br/ralph/multivariada.html Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário
Leia maisIntrodução ao modelo de Regressão Linear
Introdução ao modelo de Regressão Linear Prof. Gilberto Rodrigues Liska 8 de Novembro de 2017 Material de Apoio e-mail: gilbertoliska@unipampa.edu.br Local: Sala dos professores (junto ao administrativo)
Leia maisMatriz de Variância e Covariância e o Teorema de Gauss-Markov
1 Matriz de Variância e Covariância e o Teorema de Gauss-Markov Reginaldo J Santos Departamento de Matemática-ICEx Universidade Federal de Minas Gerais http://wwwmatufmgbr/~regi 26 de setembro de 2001
Leia maisTratamento de dados em Física
Tratamento de dados em Física Métodos e testes estatísticos V. Oguri Departamento de Física Nuclear e Altas Energias (DFNAE) Programa de Pós-graduação em Física (PPGF) Instituto de Física Armando Dias
Leia maisExemplos Equações de Estimação Generalizadas
Exemplos Equações de Estimação Generalizadas Bruno R. dos Santos e Gilberto A. Paula Departamento de Estatística Universidade de São Paulo, Brasil giapaula@ime.usp.br Modelos Lineares Generalizados dos
Leia maisÁlgebra Linear I - Aula Bases Ortonormais e Matrizes Ortogonais
Álgebra Linear I - Aula 19 1. Bases Ortonormais e Matrizes Ortogonais. 2. Matrizes ortogonais 2 2. 3. Rotações em R 3. Roteiro 1 Bases Ortonormais e Matrizes Ortogonais 1.1 Bases ortogonais Lembre que
Leia maisMatriz de Variância e Covariância e o Teorema de Gauss-Markov
Matriz de Variância e Covariância e o Teorema de Gauss-Markov Reginaldo J Santos Departamento de Matemática-ICEx Universidade Federal de Minas Gerais http://wwwmatufmgbr/~regi regi@matufmgbr 26 de setembro
Leia maisInferência e diagnóstico em modelos assimétricos. Clécio da Silva Ferreira
Inferência e diagnóstico em modelos assimétricos Clécio da Silva Ferreira Tese apresentada ao Instituto de Matemática e Estatística da Universidade de São Paulo para obtenção do título de Doutor em Ciências
Leia mais1 de janeiro de UFRPE e UFPE. Curso de Teoria Assintótica. Gauss Cordeiro. Roteiro. Expansões de Laplace
s UFRPE e UFPE 1 de janeiro de 2008 1 s 2 s 3 4 5 s A transformada é definida z grande por L(z) = 0 e zy f (y)dy. A função geratriz de momentos M(t) da distribuição com função densidade f (y) sobre os
Leia maisTeoria Local das Curvas
Teoria Local das Curvas Márcio Nascimento da Silva Departamento de Matemática Universidade Estadual Vale do Acaraú de setembro de 007 mharcius@gmail.com pré-prints do Curso de Matemática de Sobral no.
Leia maisExemplo Falhas em Tecidos
Exemplo Falhas em Tecidos Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2016 G. A. Paula (IME-USP) Falhas em Tecidos 2 o Semestre 2016 1 / 27 Rolos de Tecido
Leia maisTécnicas Multivariadas em Saúde. Vetores Aleatórios. Métodos Multivariados em Saúde Roteiro. Definições Principais. Vetores aleatórios:
Roteiro Técnicas Multivariadas em Saúde Lupércio França Bessegato Dep. Estatística/UFJF 1. Introdução 2. Distribuições de Probabilidade Multivariadas 3. Representação de Dados Multivariados 4. Testes de
Leia maisFAMÍLIA EXPONENCIAL DE DISTRIBUIÇÕES
FAMÍLIA EXPONENCIAL DE DISTRIBUIÇÕES 1 Os modelos lineares generalizados, propostos originalmente em Nelder e Wedderburn (1972), configuram etensões dos modelos lineares clássicos e permitem analisar a
Leia maisESTATÍSTICA COMPUTACIONAL
ESTATÍSTICA COMPUTACIONAL Ralph dos Santos Silva Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário (bootstrap) Este método foi proposto por Efron
Leia maisTESTES DE HIPÓTESES Notas de aula. Prof.: Idemauro Antonio Rodrigues de Lara
1 TESTES DE HIPÓTESES Notas de aula Prof.: Idemauro Antonio Rodrigues de Lara 2 Conteúdo 1. Fundamentos e conceitos básicos; 2. Função poder; 3. Testes mais poderosos e Lema de Neyman-Pearson; 4. Teste
Leia maisMAE Modelos Lineares Generalizados 2 o semestre 2017
MAE5763 - Modelos Lineares Generalizados 2 o semestre 2017 Prof. Gilberto A. Paula 3 a Lista de Exercícios 1. Supor y i ind FE(µ, φ i ) com φ i = α + γz i, para i = 1,..., n. Como ca a matriz modelo Z?
Leia maisUniversidade Federal de Pernambuco Departamento de Estatística Inferência Estatística (PGE 951) Método de Máxima Verossimilhança (M.M.V.
Universidade Federal de Pernambuco Departamento de Estatística Inferência Estatística (PGE 95) Método de Máxima Verossimilhança (MMV) Definição: Qualquer ˆθ = ˆθ(X,, X n ) Θ tal que L(ˆθ; x,, x n ) = Sup{L(θ)
Leia maisModelo de regressão estável aplicado a econometria
Modelo de regressão estável aplicado a econometria financeira Fernando Lucambio Departamento de Estatística Universidade Federal do Paraná Curitiba/PR, 81531 990, Brasil email: lucambio@ufpr.br 1 Objetivos
Leia maisTécnicas Multivariadas em Saúde
Roteiro Técnicas Multivariadas em Saúde Lupércio França Bessegato Dep. Estatística/UFJF 1. Introdução 2. Distribuições de Probabilidade Multivariadas 3. Representação de Dados Multivariados 4. Testes de
Leia maisTeorema da Triangularização de Schur e Diagonalização de Matrizes Normais
Teorema da Triangularização de Schur e Diagonalização de Matrizes Normais Reginaldo J Santos Departamento de Matemática-ICEx Universidade Federal de Minas Gerais http://wwwmatufmgbr/~regi 16 de novembro
Leia mais2. No instante t = 0, o estado físico de uma partícula livre em uma dimensão é descrito pela seguinte função de onda:
Universidade Federal do Pará Instituto de Ciências Exatas e Naturais Programa de Pós-Graduação em Física Exame de Seleção - Data: 03/08/2011 Nome do Candidato: Nível: Mestrado Doutorado 1. No cálculo da
Leia maisÁlgebra Linear I - Aula 22
Álgebra Linear I - Aula 1. Bases Ortonormais.. Matrizes Ortogonais. 3. Exemplos. 1 Bases Ortonormais Lembre que uma base β é ortogonal se está formada por vetores ortogonais entre si: para todo par de
Leia maisMulticolinariedade e Autocorrelação
Multicolinariedade e Autocorrelação Introdução Em regressão múltipla, se não existe relação linear entre as variáveis preditoras, as variáveis são ortogonais. Na maioria das aplicações os regressores não
Leia maisÁlgebra Linear I - Aula Forma diagonal de uma matriz diagonalizável
Álgebra Linear I - Aula 18 1 Forma diagonal de uma matriz diagonalizável 2 Matrizes ortogonais Roteiro 1 Forma diagonal de uma matriz diagonalizável Sejam A uma transformação linear diagonalizável, β =
Leia maisModelos Lineares Generalizados - Verificação do Ajuste do Modelo
1 Modelos Lineares Generalizados - Verificação do Ajuste do Modelo Erica Castilho Rodrigues 9 de Abril de 2015 2 3 Função Deviance Podemos ver o ajuste de um modelo a um conjunto de dados como: uma forma
Leia maisEstudo dirigido de Análise Multivariada
Estudo dirigido de Análise Multivariada Conceitos Iniciais De um modo geral, os métodos estatísticos de análise multivariada são aplicados para analisar múltiplas medidas sobre cada indivíduo ou objeto
Leia maisMarkov Switching Models. Profa. Airlane Alencar. Depto de Estatística - IME-USP. lane. Ref: Kim e Nelson (1999) e Hamilton (1990)
Markov Switching Models Profa. Airlane Alencar Depto de Estatística - IME-USP www.ime.usp.br/ lane Ref: Kim e Nelson (1999) e Hamilton (1990) 1 Objetivo Mudança nos parâmetros de um modelo de regressão
Leia maisExemplo 1: Variáveis padronizadas Z t = ( Z 1 (1), Z 2 (1), Z 1 (2), Z 2 Z 1 (1) Z (1) = Z (2) = Z 2. Matriz de correlações:
Exemplo : Variáveis padronizadas t = (,,, ) = = Matriz de correlações: Ρ Ρ Ρ Ρ Ρ.0 0.4 0.5 0.6 0.4.0 0.3 0.4 0.5 0.3.0 0. 0.6 0.4 0..0 De onde se obtém: /.068 0.9.047 0.083 Ρ Ρ 0.9.068 0.083.047 Ρ / /
Leia maisRalph S. Silva
ANÁLISE ESTATÍSTICA MULTIVARIADA Ralph S Silva http://wwwimufrjbr/ralph/multivariadahtml Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Revisão:
Leia maisAnálise de Regressão Linear Simples e
Análise de Regressão Linear Simples e Múltipla Carla Henriques Departamento de Matemática Escola Superior de Tecnologia de Viseu Introdução A análise de regressão estuda o relacionamento entre uma variável
Leia maisPlanos e hiperplanos reais e complexos. Contents. 4 Um problema sobre comportamento das retas complexas. 6
Bol. Soc. Paran. Mat. (3s.) v. 2 /2 (2003): 8. c SPM Planos e hiperplanos reais e complexos Ludmila Bourchtein abstract: The study of the structure of n-dimensional complex space C n and the different
Leia maisModelos de Regressão Múltipla - Parte VIII
1 Modelos de Regressão Múltipla - Parte VIII Erica Castilho Rodrigues 15 de Fevereiro de 2017 2 3 Observações não usuais 4 As observações não usuais podem ser: Outliers: não se ajustam bem ao modelo (resíduo
Leia maisRalph S. Silva
ANÁLISE ESTATÍSTICA MULTIVARIADA Ralph S. Silva http://www.im.ufrj.br/ralph/multivariada.html Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Agradecimentos
Leia maisExemplo Chamadas Telefônicas
Exemplo Chamadas Telefônicas Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2016 G. A. Paula (IME-USP) Chamadas Telefônicas 2 o Semestre 2016 1 / 25 Chamadas
Leia maisModelos Lineares Mistos
Modelos Lineares Mistos Fernando Lucambio Departamento de Estatística Universidade Federal do Paraná Curitiba/PR, 131 99, Brasil email: lucambio@ufpr.br Setembro de 1 Introdução O modelo de regressão linear
Leia maisUma estatística é uma característica da amostra. Ou seja, se
Estatística Uma estatística é uma característica da amostra. Ou seja, se X 1,..., X n é uma amostra, T = função(x 1,..., X n é uma estatística. Exemplos X n = 1 n n i=1 X i = X 1+...+X n : a média amostral
Leia maisANÁLISE DE SÉRIES TEMPORAIS
ANÁLISE DE SÉRIES TEMPORAIS Ralph S. Silva http://www.im.ufrj.br/ralph/seriestemporais.html Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Estimação
Leia maisComputação, Universidade de São Paulo - USP, Caixa Postal 668, CEP: , São Carlos, SP, Brasil.
APLICAÇÃO DA ANÁLISE DE INFLUÊNCIA LOCAL EM MODELOS DE REGRESSÃO LOGÍSTICA Édila Cristina de SOUZA 1 Edwin Moises Marcos ORTEGA 1 Vicente Garibay CANCHO 2 RESUMO: Uma etapa importante após a formulação
Leia maisHiperplano e n-esfera: Posições Relativas
Hiperplano e n-esfera: Posições Relativas Joselito de Oliveira, Wender Ferreira Lamounie Departamento de Matemática Universidade Federal de Roraima (UFRR) Boa Vista RR Brazil Escola de Aplicação Universidade
Leia maisEsse material foi extraído de Barbetta (2007 cap 13)
Esse material foi extraído de Barbetta (2007 cap 13) - Predizer valores de uma variável dependente (Y) em função de uma variável independente (X). - Conhecer o quanto variações de X podem afetar Y. Exemplos
Leia maisResistência dos Materiais
- Flexão Acetatos e imagens baseados nos livros: - Mechanics of Materials - Beer & Jonhson - Mecânica e Resistência dos Materiais V. Dias da Silva - Resistência dos Materiais, R.C. Hibbeler Índice Flexão
Leia maisDiagnóstico de influência local no modelo de calibração ultraestrutural com réplicas. Bruno Pinheiro de Andrade
Diagnóstico de influência local no modelo de calibração ultraestrutural com réplicas Bruno Pinheiro de Andrade UNIVERSIDADE FEDERAL DE SÃO CARLOS CENTRO DE CIÊNCIAS EXATAS E TECNOLOGIA PROGRAMA INTERINSTITUCIONAL
Leia maisModelos de regressão para dados correlacionados. Cibele Russo
Modelos de regressão para dados correlacionados Cibele Russo cibele@icmc.usp.br ICMC USP Mini-curso oferecido no Workshop on Probabilistic and Statistical Methods 28 a 30 de janeiro de 2013 Cibele Russo
Leia maisExemplos Regressão Dados de Contagem
Exemplos Regressão Dados de Contagem p. 1/26 Exemplos Regressão Dados de Contagem Gilberto A. Paula Departamento de Estatística IME-USP MAE5763 - Modelos Lineares Generalizados 2 o semestre de 2011 Exemplos
Leia maisRegressão de Poisson e parentes próximos
Janeiro 2012 Família Exponencial Seja Y uma variável aleatória. A distribuição de probabilidade de Y pertence à família exponencial se a sua função densidade de probabilidade é da forma ( ) yθ b(θ) f (y
Leia maisTransformações e Ponderação para corrigir violações do modelo
Transformações e Ponderação para corrigir violações do modelo Diagnóstico na análise de regressão Relembrando suposições Os erros do modelo tem média zero e variância constante. Os erros do modelo tem
Leia maisExemplo Ataques Epilépticos
Exemplo Ataques Epilépticos Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2015 G. A. Paula (IME-USP) Ataques Epilépticos 2 o Semestre 2015 1 / 20 Ataques
Leia maisAnálise Complexa e Equações Diferenciais 2 o Semestre 2013/14 Cursos: LEAN, MeMec
Análise Complexa e Equações Diferenciais 2 o Semestre 2013/14 Cursos: LEAN, MeMec M Paluch Aulas 28 33 7 23 de Abril de 2014 Exemplo de uma equação diferencial A Lei de Newton para a propagação de calor,
Leia maisUniversidade de São Paulo Instituto de Ciências Matemáticas e de Computação
Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Francisco A. Rodrigues Departamento de Matemática Aplicada e Estatística - SME Objetivo Dada M classes ω 1, ω 2,..., ω M e um
Leia maisMAT2458 ÁLGEBRA LINEAR PARA ENGENHARIA II 2 a Prova - 2 o semestre de T ( p(x) ) = p(x + 1) p(x), (a) 8, (b) 5, (c) 0, (d) 3, (e) 4.
MAT2458 ÁLGEBRA LINEAR PARA ENGENHARIA II 2 a Prova - 2 o semestre de 218 Q1. Considere a transformação linear T : P 3 (R) P 2 (R), dada por T ( p(x) ) = p(x + 1) p(x), para todo p(x) P 3 (R), e seja A
Leia maisInferência para CS Tópico 10 - Princípios de Estimação Pontual
Inferência para CS Tópico 10 - Princípios de Estimação Pontual Renato Martins Assunção DCC - UFMG 2013 Renato Martins Assunção (DCC - UFMG) Inferência para CS Tópico 10 - Princípios de Estimação Pontual
Leia maisDistribuições Amostrais e Estimação Pontual de Parâmetros
Distribuições Amostrais e Estimação Pontual de Parâmetros ESQUEMA DO CAPÍTULO 7.1 INTRODUÇÃO 7.2 DISTRIBUIÇÕES AMOSTRAIS E TEOREMA DO LIMITE CENTRAL 7.3 CONCEITOS GERAIS DE ESTIMAÇÃO PONTUAL 7.3.1 Estimadores
Leia maisUma breve história da Geometria Diferencial (até meados do s
Uma breve história da Geometria Diferencial (até meados do século XIX) 29 de novembro de 2006 Os postulados de Euclides ( 300 a.c.) Os postulados de Euclides ( 300 a.c.) 1- Dois pontos distintos determinam
Leia maisAvaliação Monte Carlo do teste para comparação de duas matrizes de covariâncias normais na presença de correlação
Avaliação Monte Carlo do teste para comparação de duas matrizes de covariâncias normais na presença de correlação Vanessa Siqueira Peres da Silva 1 2 Daniel Furtado Ferreira 1 1 Introdução É comum em determinadas
Leia maisFUNDAMENTOS DE SISTEMAS LINEARES PARTE 1
FUNDAMENTOS DE SISTEMAS LINEARES PARTE 1 Prof. Iury V. de Bessa Departamento de Eletricidade Faculdade de Tecnologia Universidade Federal do Amazonas Revisão O que é um corpo (campo)? O que é um espaço
Leia mais2 Propriedades geométricas de curvas parametrizadas no R 4
2 Propriedades geométricas de curvas parametrizadas no R 4 Nesse capítulo trataremos dos conceitos básicos de geometria diferencial referentes à curvas parametrizadas no R 4. 2.1 Curvas Parametrizadas
Leia mais4. Experimentos em Blocos aleatorizados, quadrados latinos e experimentos relacionados
4. Experimentos em Blocos aleatorizados, quadrados latinos e experimentos relacionados 4.2 Quadrados Latinos (QL) Suponha que um experimentador esteja estudando o efeito de 5 formulações diferentes de
Leia maisExemplo Placas Dentárias
Exemplo Placas Dentárias Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2016 G. A. Paula (IME-USP) Placas Dentárias 2 o Semestre 2016 1 / 20 Placas Dentárias
Leia maisAULA 11 - Normalidade e Inferência em Regressão Múltipla - Parte 1
AULA 11 - Normalidade e Inferência em Regressão Múltipla - Parte 1 Susan Schommer Econometria I - IE/UFRJ Distribuições amostrais dos estimadores MQO Nas aulas passadas derivamos o valor esperado e variância
Leia maisProduto Interno - Mauri C. Nascimento - Depto. de Matemática - FC UNESP Bauru
1 Produto Interno - Mauri C. Nascimento - Depto. de Matemática - FC UNESP Bauru Neste capítulo vamos considerar espaços vetoriais sobre K, onde K = R ou K = C, ou seja, os espaços vetoriais podem ser reais
Leia maisAGA Análise de Dados em Astronomia I 7. Modelagem dos Dados com Máxima Verossimilhança: Modelos Lineares
1 / 0 AGA 0505- Análise de Dados em Astronomia I 7. Modelagem dos Dados com Máxima Verossimilhança: Modelos Lineares Laerte Sodré Jr. 1o. semestre, 018 modelos modelagem dos dados dado um conjunto de dados,
Leia maisNORMAS COMPLEMENTARES AO EDITAL Nº 33/2017. Concurso para Professor Efetivo da área de Estatística
NORMAS COMPLEMENTARES AO EDITAL Nº 33/2017 Concurso para Professor Efetivo da área de Estatística 1. ETAPAS DO CONCURSO Prova escrita: valendo 100 pontos, de caráter eliminatório e classificatório; Prova
Leia maisInferência Bayesiana Exata para Processos de Cox Level-Set
Inferência Bayesiana Exata para Processos de Cox Level-Set Bárbara da Costa Campos Dias 1 Flávio Bambirra Gonçalves 2 Resumo Este trabalho propõe uma metodologia de inferência exata para processos de Cox
Leia maisUniversidade Federal do Rio Grande do Sul Escola de Engenharia Departamento de Engenharia Elétrica ENG04037 Sistemas de Controle Digitais
Universidade Federal do Rio Grande do Sul Escola de Engenharia Departamento de Engenharia Elétrica ENG04037 Sistemas de Controle Digitais 1 Introdução Identificação via Mínimos Quadrados Prof. Walter Fetter
Leia maisModelagem Computacional. Parte 7 2
Mestrado em Modelagem e Otimização - RC/UFG Modelagem Computacional Parte 7 2 Prof. Thiago Alves de Queiroz 2/2016 2 [Cap. 7] BURDEN, R. L.; FAIRES, J. D. Numerical Analysis (9th ed). Cengage Learning,
Leia maisCE085 - Estatística Inferencial. derivadas. Prof. Wagner Hugo Bonat. 5 de setembro de Curso de Bacharelado em Estatatística
CE085 - Estatística Inferencial Função de Verossimilhança e suas derivadas Prof. Wagner Hugo Bonat Laboratório de Estatística e Geoinformação - LEG Curso de Bacharelado em Estatatística Universidade Federal
Leia maisPrograma da Disciplina
INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E tecnologia PARAÍBA Ministério da Educação Instituto Federal de Educação, Ciência e Tecnologia da Paraíba - Campus Cajazeiras Diretoria de Ensino / Coord. do Curso
Leia maisModelo de Regressão Log Weibull com fração de cura para dados grupados
Universidade de Brasília Instituto de Ciências Exatas Departamento de Estatística Elisângela Candeias Biazatti Modelo de Regressão Log Weibull com fração de cura para dados grupados Brasília 2017 2 Elisângela
Leia maisMODELOS DE REGRESSÃO PARA DADOS CONTÍNUOS ASSIMÉTRICOS
MODELOS DE REGRESSÃO PARA DADOS CONTÍNUOS ASSIMÉTRICOS 1 Diversas distribuições podem ser consideradas para a modelagem de dados positivos com distribuição contínua e assimétrica, como, por exemplo, as
Leia maisCampos hamiltonianos e primeiro grupo de cohomologia de De Rham.
Campos hamiltonianos e primeiro grupo de cohomologia de De Rham. Ronaldo J. S. Ferreira e Fabiano B. da Silva 18 de novembro de 2015 Resumo Neste trabalho vamos explorar quando um campo vetorial simplético
Leia maisAmostra Aleatória. Tiago Viana Flor de Santana
ESTATÍSTICA BÁSICA Amostra Aleatória Tiago Viana Flor de Santana www.uel.br/pessoal/tiagodesantana/ tiagodesantana@uel.br sala 07 Curso: MATEMÁTICA Universidade Estadual de Londrina UEL Departamento de
Leia mais3 a. Lista de Exercícios
Última atualização 07/05/008 FACULDADE Engenharia Disciplina: Álgebra Linear Professor(: Data / / Aluno(: urma a Lista de Exercícios Dentre as aplicações, as mais importantes são as aplicações lineares
Leia mais1 Matrizes Ortogonais
Álgebra Linear I - Aula 19-2005.1 Roteiro 1 Matrizes Ortogonais 1.1 Bases ortogonais Lembre que uma base β é ortogonal se está formada por vetores ortogonais entre si: para todo par de vetores distintos
Leia maisGABRIEL BUJOKAS
APLICAÇÕES DE ÁLGEBRA LINEAR À COMBINATÓRIA GABRIEL BUJOKAS (GBUJOKAS@MIT.EDU) A gente vai discutir algumas das aplicações clássicas de álgebra linear à combinatória. Vamos começar relembrando alguns conceitos
Leia maisRevisão III: Dinâmica Estrutural Linear: Superposição Modal
Revisão III: Dinâmica Estrutural Linear: Superposição Modal Como calcular a parcela elástica da posição do elemento de massa: p d Hipótese: flexibilidade moderada pequenos deslocamentos elásticos comportamento
Leia maisModelos de regressão para dados correlacionados. Cibele Russo
Modelos de regressão para dados correlacionados Cibele Russo cibele@icmc.usp.br ICMC USP Mini-curso oferecido no Workshop on Probabilistic and Statistical Methods 28 a 30 de janeiro de 2013 Cibele Russo
Leia maisExemplo Espinhel de Fundo
Exemplo Espinhel de Fundo Gilberto A. Paula Departamento de Estatística IME-USP, Brasil giapaula@ime.usp.br 2 o Semestre 2016 G. A. Paula (IME-USP) Espinhel de Fundo 2 o Semestre 2016 1 / 35 Espinhel de
Leia mais