BOOTSTRAP. - APLICAÇÃO DO MB: podem ser aplicados quando existe, ou não, um modelo probabilístico bem definido para os dados.
|
|
- Rosângela Lagos Caldeira
- 6 Há anos
- Visualizações:
Transcrição
1 OOTSTRAP INTRODUÇÃO - IDEIA ÁSICA: reamostrar de um conjunto de dados, diretamente ou via um modelo ajustado, a fim de criar replicas dos dados, a partir das quais podemos avaliar a variabilidade de quantidades de interesse, sem usar cálculos analíticos. - APLICAÇÃO DO M: podem ser aplicados quando eiste, ou não, um modelo probabilístico bem definido para os dados. - METODO: COMPUTER-INTENSIVE - CONCEITOS ASICOS DADOS: y, y,..., y n ~Y com fdp f e fda θ: característica populacional T: estatística; t: valor de T na amostra - INTERESSE: obter a distribuição de probabilidade de T; viés de T, dp(t; quatis, intervalo de confiança para θ, testes. - SITUAÇÕES: PARAMETRICA E NÃO-PARAMETRICA - UNÇÃO DE DISTRIUIÇÃO EMPIRICA(DE ˆ : estimativa de, a partir da distribuição empírica, que coloca probabilidade /n em cada y j. #{ y j y} ˆ ( y n
2 - UNÇÃO ESTATÍSTICA Estatística de interesse: tf(y(,..., y(n t t(ˆ : função estatística θ t( ˆ T t( ˆ θ t( em probabilidade(consistência - PRECISÃO DA MEDIA AMOSTRAL Amostra:,..., n : i n s ( Erro padrão de i, s n n - ERRO PADRÃO DE T: estimador de θ ep ( T var( T Em geral, var(t depende de θ, portanto e pˆ ( T varˆ( T Para a maioria dos estimadores, não há formulas para calcular o ep. OOTSTRAP (, L, n : dados independentes s (: estatística de interesse Amostra bootstrap: (, L, n, amostramos, com reposição, n vezes de - ALGORITMO OOTSTRAP: gera um grande número de amostras bootstrap independentes:,, L,
3 Cada uma de tamanho n OJETIVO: estimar ep dos estimadores - RÉPLICA OOTSTRAP: Amostra bootstrap s( : réplica bootstrap - ESTIMADOR OOTSTRAP DO ERRO PADRÃO: desvio padrão das réplicas bootstrap e pˆ boot b Com b [ s( s( ] /( b s b s ( ( - ESTIMADOR OOTSTRAP DE e pˆ ( ˆ θ : usa ˆ no lugar de, isto é, o estimador bootstrap é ep ˆ ( ˆ θ : estimador bootstrap ideal do ep de θˆ Não há formula que permite calcular o estimador bootstrap ideal eatamente. - ALGORITMO OOTSTRAP: forma computacional de obter uma boa aproimação do valor numérico de ep ( ˆ θ Para implementar num computador: ( um mecanismo aleatório seleciona inteiros i, i,..., i n, entre e n, com probabilidade /n; ( a amostra bootstrap consiste nos números L, i ALGORITMO OOTSTRAP PARA ESTIMAR ERROS PADRÕES, i n ˆ
4 [] sele cione amostras independentes,, L,, cada uma consistindo de n valores selecionados com reposição de. Tome [] calcule a réplica bootstrap para cada amostra bootstrap: ˆ b θ ( b s(, b, L. [3] estime o erro padrão ep (θˆ pelo desvio padrão amostral das réplicas: epˆ ( b paramétrico, onde lim ˆ ˆ θ ( b θ (, estimador bootstrap não ˆ ( ˆ θ θ ( b b ˆ e pˆ ep ep ( θ : desvio padrão empírico se ˆ ˆ aproima do desvio padrão populacional quando. Neste caso, a populacional é a população dos valores ˆ θ s(, onde ˆ (,, n L OOTSTRAP PARAMÉTRICA Útil em problemas para os quais dispomos de alguns conhecimentos sobre a forma da população e para comparar com análises não paramétricas. X, : DA (,,..., n ~ Considere um modelo paramétrico para os dados. ˆ : estimador de obtido deste modelo. par
5 θˆ: estimador do parâmetro θ. A estimativa bootstrap paramétrica do ep (θˆ é definida por ep par ( ˆ* ˆ θ Eemplo: escola de direito Suponha ~ N ( µ, ν, n 5 onde µ y µ, σ y σ yz ν simétrica µ z σ zy σ z y Estimamos µ por µˆ e V por z ˆ ( yi y ( yi y( zi z V 4 ( zi z ˆ norm N ( ˆ, µ Vˆ : estimador paramétrico de ˆ ep ( θ : estimador bootstrap paramétrico de ˆ ep (θˆ, onde norm ˆ θ corrˆ( y, Z. Retiramos amostras de tamanho n com reposição da população ˆ par ˆ (, L, norm Procede-se, depois, como em ( e (3 do A. amostra de tamanho 5 de ˆ e calculamos o norm coeficiente de correlação para cada amostra. epˆ 0,4 (0,3: estimador não paramétrico
6 ESTIMADOR OOTSTRAP DO VIÉS ~ (,,..., n ~ ; θt(. θ s( CONSIDERE O ESTIMADOR ˆ θ t( ˆ. ~ O viés de θ s( é definido por viés E ( s( t( Ou seja, esperança do estimador θ Estimadores não viciados são importantes na teoria e na pratica estatística. Podemos usar bootstrap para avaliar o viés de um estimador. O estimador bootstrap do viés é definido por viés ˆ E ˆ Eemplo: { s( } t( ˆ a t( µ, s (, 0 : estimador ideal do viés. viés b ( i s( ; viés[ s( ] σ ; neste caso, viés ( i ˆ ˆ n n n Para a maioria dos estimadores utilizados na prática, o estimador bootstrap do viés deve ser aproimado por simulação: [] geramos amostras bootstrap (, L, e calculamos as replicas bootstrap
7 ~ θ ( b s( b, b, L,. E ˆ [] aproimamos as esperanças bootstrap { s ( } pela média ~ ~ ( b s b ( b θ ( θ [3] o estimador bootstrap do viés é b viesˆ ~ θ ( t( ˆ Eemplo: dados hormônio (bio-equivalência As concentrações: placebo oldpatch newpatch Oldplacebo New-old subject z y Mean ,3 E( novo E( antigo DA: 0, 0 E( antigo E( placebo critério Parâmetro: θ E( novo E( antigo E( antigo E( placebo Objetivo: calcular o viés e o erro padrão de θˆ Considere:
8 z i medidas com o antigo medidas com o placebo y i medidas com o novo medidas com o antigo i ( z i, y i, i,,..., 8 X(, i,, 8, ~ : desconhecida θ t( E E ( y ( z ˆ θ t( ˆ y Z 8 i 8 i yi / 8 0,073 z / 8 Nota: Z e Y são dependentes. i ˆ θ << 0,0, portanto aparentemente a condição do DA está satisfeita e os dois hormônios são bioequivalêntes. i i i 400 amostras bootstrap:, L, ( réplicas bootstrap y θˆ z As 400 réplicas tem um desvio padrão amostral, e pˆ 400 0, 05 Média amostral: ˆ θ ( 0,0670. Estimador bootstrap do viés: vie sˆ400 0,0670 ( 0,073 0,0043 viesˆ ep ˆ ,0043 0,04, portanto viés sob controle. 0,05 Regra: viesˆ < 0,5 epˆ podemos ignorar o viés
9 RMSE E ( ˆ θ θ ep ( ˆ θ + vies ( ˆ, θ θ ep ( ˆ θ vies + ep ep vies ( ˆ θ + ep CORREÇÃO DE VIÉS Vˆ : estimador do o viés. vies ( ˆ, θ θ θ ˆ θ Vˆ : estimador corrigido para Tomando ˆ vies V ˆ ( ˆ, ˆ ˆ θ θ obtemosθ θ θ ( Eemplo(hormônio: V ˆ400 0,0043 e ˆ θ 0,073 θ 0,073 0,0043 0,0756 Observações: a correção do viés pode ser perigosa na prática. Mesmo que θ seja menos viesado do que θˆ, ele pode ter erro padrão substancialmente maior. O viés é mais difícil de estimar do que o ep, maior para estimar o viés. 3 Se V ˆ << ep, melhor usar θˆ do que θ. INTERVALO DE CONIANÇA Dado o estimador θˆ de θ, seu ep estimado, e pˆ ( ˆ θ, o intervalo de confiança(ic usual, com coeficiente de confiança(c.c. 90%, para θ é ˆp ( θˆ ˆ θ ±.645epˆ( ˆ θ (,, ~ ˆ ( ˆ L n e θ t e : algum estimador do ep (θˆ, baseado por e, em réplicas jackknife ou bootstrap.
10 Então, sob determinadas condições, ˆ D θ N( θ, epˆ( ˆ, θ n Ou ˆ θ θ N(0, (8 epˆ( ˆ θ Assim, [ ˆ ( α Z epˆ, ˆ ( α θ θ + Z epˆ ] a -α. é o IC padrão com C.C. igual APROXIMAÇÃO PARA AMOSTRAS INITAS: Para θˆ, temos seguinte resultado: Z ˆ θ θ epˆ ~ tn (9 E o IC fica [ ˆ ( α tn epˆ, ˆ ( α θ θ + tn epˆ ] Se θˆ e ~normal, a aproimação é eata e o IC é mais largo, refletindo o fato que o ep não é conhecido. ( α ( α Se n 00, t n Z. INTERVALO OOTSTRAP-t Com o uso de bootstrap podemos obter IC acurado aem utilizar a epressão (8. A distribuição de Z em (9 será estimada diretamente dos dados, ou seja, obtemos uma tabela apropriada para o particular conjunto de dados.
11 PROCEDIMENTO: [] geramos amostras bootstrap, L, [] para cada amostra construímos ˆ ˆ θ ( b θ Z ( b epˆ ( b Com ˆ b θ ( b s( valor de θˆ para a amostra b epˆ ( b : erro padrão estimado de ˆ θ ( b para a amostra b [3] o α -percentil de Z ( (b é estimado pelo t ˆ α tal que α Z b tˆ ( #{ ( }/ α [4] O IC bootstrap-t é dado por [ ˆ tˆ ( α epˆ, ˆ tˆ ( α θ θ + epˆ ] (5% E: se 000, a estimativa do 5%-percentil ( ˆt é 0 50º. maior valor dos Z (b. Intervalo percentil : dados bootstrap ˆ θ s( : réplicas bootstrap Ĝ : DA de θˆ O intervalo percentil, com C.C. -α, é definido pelos percentis α e -α de Ĝ : [ ˆ ˆ ] [ ˆ, (, ˆ θ θ G α G ( α ] inf sup
12 OSERVAÇÕES: α não inteiro, α 0,05. Considere k[(+ α ]. Os quantis α e -α são dados pela k-ésima maior. E (+-k maior observação, respectivamente. E.: 50, α 0,05, α,5, k[5*0,05][,55], portanto α -percentil é a ª. Observação e o (-α - percentil é a 49ª. Observação. em amostras grandes, a cobertura do IC bootstrap-t tende a ser mais próima do CC desejado do que o IC padrão e t. E. Ratos: 6 ratos(7: tratamento; 9: controle Dados: tempo de sobrevivência (em dias após o tratamento Questão: tratamento prolonga sobrevida após a cirurgia? Tabela : dados Group Data Sample Size Treatment 94, 97, 6, 38, 99, 4 3 Control 5, 04, 46, 0, 5, 30, 40, 7, 46 mean Estimated standar error 7 86,86 5,4 9 56, 4,4 difference 30,63 8,93
13 Tabela : bootstrap estimates of standard error for the mean and median: treatment group. The median is less accurate (has larger standard error than the mean for this data set mean 9,7 3,63,3 3,76 3,0 3,36 median 3, 36,35 34,46 36,7 36,48 37,83 y 30,63 y 30,63 e,05 ( no dp( y 8,93 m med( 94, m med( y 46 m m epˆ( m,54, ˆ( 36,36 ˆ ep m epboot (36,35 + (,54 38,4 48 Estatística para teste:, 6 38,4 IC: Media dos ratos tratados: θ 86,86 e epˆ 5, 4 IC padrão(γ0,90: [86,86-,65*5,4; 86,86+,65*5,4] [45; 8,4] 000 réplicas: θˆ? Tabela 3: percentiles of θˆ based on 000 bootstrap replications, where θˆ equais the mean of the treated mice.,5% 5% 0% 6% 50% 84% 90% 95% 97,5% 45,9 49,7 56,4 6,7 86,9,3 8,7 6,7 35,4
14 Percentile 5% 49,7 Percentile 95% 6,7 Intervalo percentil com C.C. 90% [49,7; 6,7] Utilizar os percentis do histograma para definir limites de confiança. PROCEDIMENTO: [] geramos amostras bootstrap, L, ˆ b θ ( b s( ( [] ˆ θ α : α-percentil dos valores ˆ b θ ( b s( [3] IC percentil aproimado com -α: [ ˆ ˆ ( ( ] [ ˆ α ; ; ˆ α θ θ θ θ ] %,inf %,sup Eemplo:,,..., 0 ~ N(0, µ θ e, µ média populacional θ e ˆ θ e,5 (eemplo artificial 0 IC padrão:,5 ±,96 e pˆ 000,5 ±,96 0,34 [0,59;,9] 000 réplica e θˆ Percentis empíricos de θˆ IC percentil 95% [0,75;,07] apro. Normal não é muito boa nesse caso.
15 Tabela 4: percentiles of size 0. θˆ e for a normal sample of,5% 5% 0% 6% 50% 84% 90% 95% 97,5% 0,75 0,8 0,90 0,98,5,6,75,93,07
ESTATÍSTICA 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 maisAnálise de Dados e Simulação
Universidade de São Paulo Instituto de Matemática e Estatística http:www.ime.usp.br/ mbranco Análise Estatística. Análise Estatística Motivação: Fila de 1 servidor. Clientes chegam em um banco (sistema)
Leia maisUniversidade Federal de Lavras
Universidade Federal de Lavras Departamento de Estatística Prof. Daniel Furtado Ferreira 6 a Lista de Exercícios Teoria da Estimação pontual e intervalar 1) Marcar como verdadeira ou falsa as seguintes
Leia maisBioestatística e Computação I
Bioestatística e Computação I Distribuição Amostral da Média Maria Virginia P Dutra Eloane G Ramos Vania Matos Fonseca Variável aleatória numérica parâmetros desconhecidos média desvio padrão estimativa
Leia maisCapítulo 4 Inferência Estatística
Capítulo 4 Inferência Estatística Slide 1 Resenha Intervalo de Confiança para uma proporção Intervalo de Confiança para o valor médio de uma variável aleatória Intervalo de Confiança para a diferença de
Leia maisIntrodução à Bioestatística Turma Nutrição
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística Introdução à Bioestatística Turma Nutrição Aula 8: Intervalos de Confiança para Média e Proporção Distribuição
Leia maisDISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia
ROTEIRO 1. Introdução; DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL. Teorema Central do Limite; 3. Conceitos de estimação pontual; 4. Métodos de estimação pontual; 5. Referências. 1 POPULAÇÃO E AMOSTRA População:
Leia maisCap. 4 - Estimação por Intervalo
Cap. 4 - Estimação por Intervalo Amostragem e inferência estatística População: consiste na totalidade das observações em que estamos interessados. Nº de observações na população é denominado tamanho=n.
Leia maisInferência Estatística: DEEST/UFOP Prof.: Spencer Barbosa da Silva
Inferência Estatística: Prof.: Spencer Barbosa da Silva Amostragem Estatística Descritiva Cálculo de Probabilidade Inferência Estatística Estimação Teste de Hipótese Pontual Por Intervalo Conceitos básicos
Leia maisESTIMAÇÃO DE PARÂMETROS
ESTIMAÇÃO DE PARÂMETROS Um dos principais objetivos da estatística inferencial consiste em estimar os valores de parâmetros populacionais desconhecidos (estimação de parâmetros) utilizando dados amostrais.
Leia maisTeorema do Limite Central, distribuição amostral, estimação por ponto e intervalo de confiança
Teorema do Limite Central, distribuição amostral, estimação por ponto e intervalo de confiança Prof. Marcos Pó Métodos Quantitativos para Ciências Sociais Distribuição amostral Duas amostragens iguais
Leia maisInferência via abordagens computacionalmente intensivas. Walmes Zeviani
Inferência via abordagens computacionalmente intensivas Walmes Zeviani Introdução A lógica dos testes de hipótese frequentistas: 1. Definir a hipótese nula e hipótese alternativa. 2. Determinar uma estatística
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 maisInferência Estatística:
Inferência Estatística: Amostragem Estatística Descritiva Cálculo de Probabilidade Inferência Estatística Estimação Teste de Hipótese Pontual Por Intervalo Conceitos básicos Estimação É um processo que
Leia maisBioestatística e Computação I
Bioestatística e Computação I Distribuição Amostral da Média Maria Virginia P Dutra Eloane G Ramos Vania Matos Fonseca Pós Graduação em Saúde da Mulher e da Criança IFF FIOCRUZ Baseado nas aulas de M.
Leia maisAULA 03 Estimativas e tamanhos amostrais
1 AULA 03 Estimativas e tamanhos amostrais Ernesto F. L. Amaral 03 de outubro de 2013 Centro de Pesquisas Quantitativas em Ciências Sociais (CPEQS) Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade
Leia mais4.1 Conceitos Básicos em Reamostragem
4 Reamostragem O tipo de estatística não-paramétrica que foi ensinado no passado desempenhou um importante papel na análise de dados que não são contínuos e, portanto, não podem empregar a distribuição
Leia maisInferência Estatistica
Inferência Estatistica Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Modelos e Inferência Um modelo é uma simplificação da realidade (e alguns
Leia maisInferência Estatística
Inferência Estatística Estimação Intervalar Média e Proporção Estimação Pontual x Estimação Intervalar Exemplo Inicial: Um estudo pretende estimar o valor de µ, a renda média familiar dos alunos da UFMG.
Leia maisEstimativas e Tamanhos de Amostras
Estimativas e Tamanhos de Amostras 1 Aspectos Gerais 2 Estimativa de uma Média Populacional: Grandes Amostras 3 Estimativa de uma Média Populacional: Pequenas Amostras 4 Tamanho Amostral Necessário para
Leia maisAmostra Aleatória Simples
Amostra Aleatória Simples Airlane Pereira Alencar 4 de Abril de 2018 Alencar, A.P. (IME-USP) Amostra Aleatória Simples 4 de Abril de 2018 1 / 34 Definições e Notações Notações População ou Universo U =
Leia maisInferência Estatística:
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística Inferência Estatística: Princípios de Bioestatística decidindo na presença de incerteza Aula 8: Intervalos
Leia maisMétodos Quantitativos para Ciência da Computação Experimental
Métodos Quantitativos para Ciência da Computação Experimental Revisão Virgílio A. F. Almeida Maio de 2008 Departamento de Ciência da Computação Universidade Federal de Minas Gerais FOCO do curso Revisão
Leia maisAula 9 Intervalo de confiança para a média da N(μ; σ 2 ), σ 2 desconhecida
Aula 9 Intervalo de confiança para a média da N(μ; σ 2 ), σ 2 desconhecida Nesta aula você completará seu estudo básico sobre intervalos de confiança, analisando o problema de estimação da média de uma
Leia maisExemplo 7.0 Numa linha de produção, os pesos de pacotes de pó de café embalados por uma máquina têm distribuição Normal, com média
Exemplo 7.0 Numa linha de produção, os pesos de pacotes de pó de café embalados por uma máquina têm distribuição Normal, com média µ = 505g e desvio padrão σ = 9g. a) Selecionado ao acaso um pacote embalado
Leia maisEstatística Computacional e Simulação
Estatística Computacional e Simulação Capítulo MEIO MSc ESTATÍSTICA e INVESTIGAÇÃO OPERACIONAL MGI MSc GESTÃO DE INFORMAÇÃO MAEG MSc MATEMÁTICA APLICADA À ECONOMIA E GESTÃO DEIO - FCUL 1 0 Ano - 2 0 Semestre
Leia maisCap. 8 - Intervalos Estatísticos para uma Única Amostra
Intervalos Estatísticos para ESQUEMA DO CAPÍTULO 8.1 INTRODUÇÃO 8.2 INTERVALO DE CONFIANÇA PARA A MÉDIA DE UMA DISTRIBUIÇÃO NORMAL, VARIÂNCIA CONHECIDA 8.3 INTERVALO DE CONFIANÇA PARA A MÉDIA DE UMA DISTRIBUIÇÃO
Leia maisEstatística II Aula 2. Prof.: Patricia Maria Bortolon, D. Sc.
Estatística II Aula Prof.: Patricia Maria Bortolon, D. Sc. Distribuições Amostrais ... vocês lembram que: Antes de tudo... Estatística Parâmetro Amostra População E usamos estatíticas das amostras para
Leia maisTeorema central do limite e es/mação da proporção populacional p
Teorema central do limite e es/mação da proporção populacional p 1 RESULTADO 1: Relembrando resultados importantes Seja uma amostra aleatória de tamanho n de uma variável aleatória X, com média µ e variância
Leia maisInferência. 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média. Renata Souza
Inferência 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média Renata Souza Aspectos Gerais A estatística descritiva tem por objetivo resumir ou descrever características importantes
Leia maisProbabilidade e Estatística. Estimação de Parâmetros Intervalo de Confiança
Probabilidade e Estatística Prof. Dr. Narciso Gonçalves da Silva http://páginapessoal.utfpr.edu.br/ngsilva Estimação de Parâmetros Intervalo de Confiança Introdução A inferência estatística é o processo
Leia mais1) Considere Y N(1, 1) e X Y = y N(y, 4). A quantidade de interesse é θ = P (X > 1).
1 Considere Y N1, 1 e X Y y Ny, 4. A quantidade de interesse é θ P X > 1. a Explique como obter uma estimativa de θ via simulação. Solução: Uma maneira simples de obter uma estimativa de θ é simulando
Leia maisProf. a Dr. a Simone Daniela Sartorio de Medeiros. DTAiSeR-Ar
Teste de hipótese para a média de populações normais Prof. a Dr. a Simone Daniela Sartorio de Medeiros DTAiSeR-Ar Teste de hipóteses para média de populações normais Objetivo: avaliar afirmações sobre
Leia maisMAB-515 Avaliação e Desempenho (DCC/UFRJ)
MAB-515 Avaliação e Desempenho (DCC/UFRJ) Aula 7: Intervalos de Confiança 13 de novembro de 2012 1 2 3 4 Percentil 100p%-percentil O ponto t 0 tal que t 0 = F 1 X (p) = min{t : F X (t) p}, 0 < p < 1 é
Leia maisProbabilidade e Estatística
Probabilidade e Estatística stica Prof. Dr. Narciso Gonçalves da Silva http://paginapessoal.utfpr.edu.br/ngsilva Inferência Estatística stica e Distribuições Amostrais Inferência Estatística stica O objetivo
Leia maisAnálise Bayesiana de Dados - Aplicações 1 -
Análise Bayesiana de Dados - Aplicações 1 - Márcia D Elia Branco Universidade de São Paulo Instituto de Matemática e Estatística www.ime.usp.br/ mbranco - sala 295-A - Aplicações da IB : Pressão sistólica
Leia maisEstatística Indutiva
Estatística Indutiva MÓDULO 7: INTERVALOS DE CONFIANÇA 7.1 Conceitos básicos 7.1.1 Parâmetro e estatística Parâmetro é a descrição numérica de uma característica da população. Estatística é a descrição
Leia maisContabilometria. Prof.: Patricia Maria Bortolon, D. Sc.
Contabilometria Prof.: Patricia Maria Bortolon, D. Sc. Intervalos de Confiança Fonte: LEVINE, D. M.; STEPHAN, D. F.; KREHBIEL, T. C.; BERENSON, M. L.; Estatística Teoria e Aplicações, 5a. Edição, Editora
Leia maisInferência estatística
Inferência estatística Susana Barbosa Mestrado em Ciências Geofísicas 2013-2014 Inferência estatística Obtenção de conclusões sobre propriedades da população a partir das propriedades de uma amostra aleatória
Leia maisIntrodução ao Planejamento e Análise Estatística de Experimentos 1º Semestre de 2013 Capítulo 3 Introdução à Probabilidade e à Inferência Estatística
Introdução ao Planejamento e Análise Estatística de Experimentos Capítulo 3 Introdução à Probabilidade e à Inferência Estatística Introdução ao Planejamento e Análise Estatística de Experimentos Agora,
Leia mais5 Avaliação dos estimadores propostos
5 valiação dos estimadores propostos Este capítulo apresenta as medidas estatísticas usuais para avaliar a qualidade de estimadores e as expressões utilizadas para a estimação destas medidas, a partir
Leia maisMOQ-13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ-13 PROBABILIDADE E ESTATÍSTICA Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semanas 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 e 16 Introdução à probabilidade (eventos,
Leia maisIntrodução ao Planejamento e Análise Estatística de Experimentos 1º Semestre de 2013 Capítulo 3 Introdução à Probabilidade e à Inferência Estatística
Introdução ao Planejamento e Análise Estatística de Capítulo 3 Introdução à Probabilidade e à Inferência Estatística INTERVALOS DE CONFIANÇA: Diferentes pesquisadores, selecionando amostras de uma mesma
Leia maisIntervalos de Confiança
Intervalos de Confiança Jorge M. V. Capela, Marisa V. Capela, Instituto de Química - UNESP Araraquara, SP capela@iq.unesp.br Araraquara, SP - 2016 1 2 Teorema do Limite Central Se amostras de tamanho n
Leia maisProfessora Ana Hermínia Andrade. Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise. Período 2017.
Professora Ana Hermínia Andrade Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise Período 2017.1 Distribuições Amostrais O intuito de fazer uma amostragem
Leia maisRedes de Computadores sem Fio
Redes de Computadores sem Fio Prof. Marcelo Gonçalves Rubinstein Programa de Pós-Graduação em Engenharia Eletrônica Faculdade de Engenharia Universidade do Estado do Rio de Janeiro Programa Introdução
Leia maisEstimação: (A) Propriedades e Distribuições Amostrais
Estimação: (A) Propriedades e Distribuições Amostrais Wagner H. Bonat Fernando P. Mayer Elias T. Krainski Universidade Federal do Paraná Departamento de Estatística Laboratório de Estatística e Geoinformação
Leia maisEstimador: combinação dos elementos da amostra, construída com a finalidade de representar, ou estimar, um parâmetro de interesse na população.
Objetivo: tirar conclusões sobre uma população com base na informação de uma amostra. estimação testes de hipóteses Parâmetro metro: quantidades desconhecidas da população e sobre as quais temos interesse.
Leia maisProfessora Ana Hermínia Andrade. Período
Estimação intervalar Professora Ana Hermínia Andrade Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise Período 2017.1 Estimação Intervalar Vimos que como
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 maisMedida de Risco via Teoria de Valores Extremos. Análise de Risco (8) R.Vicente
Medida de Risco via Teoria de Valores Extremos Análise de Risco (8) R.Vicente 1 Resumo EVT: Idéia geral Medidas de risco Teoria de Valores Extremos (EVT) Distribuição de Máximos Distribuição de Exceedances
Leia maisDistribuição Amostral e Estimação Pontual de Parâmetros
Roteiro Distribuição Amostral e Estimação Pontual de Parâmetros 1. Introdução 2. Teorema Central do Limite 3. Conceitos de Estimação Pontual 4. Métodos de Estimação Pontual 5. Referências Estatística Aplicada
Leia maisMétodos Estatísticos
Métodos Estatísticos 8 Inferência Estatística stica Estimação de Parâmetros Média Referencia: Estatística Aplicada às Ciências Sociais, Cap. 9 Pedro Alberto Barbetta. Ed. UFSC, 5ª Edição, 22. Estimação
Leia maisInferência. 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média. Renata Souza
Inferência 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média Renata Souza Aspectos Gerais A estatística descritiva tem por objetivo resumir ou descrever características importantes
Leia maisEstatística descritiva
Estatística descritiva Para que serve a estatística? Qual o seu principal objectivo? obter conclusões sobre a população usando uma amostra? População Amostragem Amostra Uma ou mais variáveis (X) são observadas
Leia mais5. PRINCIPAIS MODELOS CONTÍNUOS
5. PRINCIPAIS MODELOS CONTÍNUOS 04 5.. Modelo uniforme Uma v.a. contínua X tem distribuição uniforme com parâmetros α e β (α β) se sua função densidade de probabilidade é dada por f ( ) β α 0, Notação:
Leia maisAULA 10 Estimativas e Tamanhos Amostrais
1 AULA 10 Estimativas e Tamanhos Amostrais Ernesto F. L. Amaral 18 de setembro de 2012 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro:
Leia mais5. PRINCIPAIS MODELOS CONTÍNUOS
5. RINCIAIS MODELOS CONTÍNUOS 04 5.. Modelo uniforme Uma v.a. contínua tem distribuição uniforme com parâmetros α e β α β se sua função densidade de probabilidade é dada por f, β α 0, Notação: ~ Uα, β.
Leia maisTurma: Engenharia Data: 12/06/2012
DME-IM-UFRJ - 2ª Prova de Estatística Unificada Turma: Engenharia Data: 12/06/2012 1 - Admita que a distribuição do peso dos usuários de um elevador seja uma Normal com média 75kg e com desvio padrão 15kg.
Leia maisProf. Adriano Mendonça Souza, Dr. Departamento de Estatística PPGEMQ / PPGEP - UFSM
Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística PPGEMQ / PPGEP - UFSM Estimação de Parâmetros O objetivo da Estatística Indutiva é tirar conclusões probabilísticas sobre aspectos da população,
Leia maisFernando de Pol Mayer
Fernando de Pol Mayer Laboratório de Estatística e Geoinformação (LEG) Departamento de Estatística (DEST) Universidade Federal do Paraná (UFPR) Este conteúdo está disponível por meio da Licença Creative
Leia maisInventário Florestal. Amostragem
Inventário Florestal Amostragem 1 Definição: Seleção de uma parte (amostra) de um todo (população), coletando na parte selecionada, algumas informações de interesse, com o objetivo de tirar conclusão (inferência)
Leia maisAula 10. Integração Numérica
CÁLCULO NUMÉRICO Aula Integração Numérica Integração Numérica Cálculo Numérico 3/4 Integração Numérica Em determinadas situações, integrais são difíceis, ou mesmo impossíveis de se resolver analiticamente.
Leia maisIntervalos de confiança
Intervalos de confiança Cristian Villegas clobos@usp.br Outubro de 2013 Apostila de Estatística (Cristian Villegas) 1 Estimação dos Parâmetros Estimação é o nome técnico para o processo que consiste em
Leia maisTÉCNICAS DE AMOSTRAGEM
TÉCNICAS DE AMOSTRAGEM Ralph dos Santos Silva Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Teorema Central do Limite (TCL) Se y 1, y 2,...,
Leia mais1 Probabilidade - Modelos Probabilísticos
1 Probabilidade - Modelos Probabilísticos Modelos probabilísticos devem, de alguma forma, 1. identificar o conjunto de resultados possíveis do fenômeno aleatório, que costumamos chamar de espaço amostral,
Leia maisMAE0212 Introdução à Probabilidade e Estatística II
MAE01 Introdução à Probabilidade e Estatística II Gabarito-Lista 3 Exercicio 1 (a) Cada X i N(µ, σ ). Tamanho da amostra n = 9, desvio padrão σ =. A amostra é: 4.9, 7.0, 8.1, 4.5, 5.6, 6.8, 7., 5.7, 6..
Leia maisPrincípios de Bioestatística Inferência e Intervalo de Confiança
1/24 Princípios de Bioestatística Inferência e Intervalo de Confiança Enrico A. Colosimo/UFMG http://www.est.ufmg.br/ enricoc/ Depto. Estatística - ICEx - UFMG Tabela Normal Padrão 2/24 3/24 Inferência
Leia mais( ) Estimação do valor em risco (VaR) de uma carteira de ativos através de método bayesiano. α, é definido como:
Estimação do valor em risco (VaR) de uma carteira de ativos através de método bayesiano Orlando V. Sampaio Jr. (POLI-USP) orlando.sampaio@gmail.com Celma de Oliveira Ribeiro (POLI-USP) celma@usp.br André
Leia maisEstimação e Testes de Hipóteses
Estimação e Testes de Hipóteses 1 Estatísticas sticas e parâmetros Valores calculados por expressões matemáticas que resumem dados relativos a uma característica mensurável: Parâmetros: medidas numéricas
Leia maisNotas de Aula. Estatística Elementar. by Mario F. Triola. Tradução: Denis Santos
Notas de Aula Estatística Elementar 10ª Edição by Mario F. Triola Tradução: Denis Santos Slide 1 Capítulo 7 Estimativas e Tamanhos Amostrais 7-1 Visão Geral 7-2 Estimando a Proporção Populacional 7-3 Estimando
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 maisProf. Adriano Mendonça Souza, Dr. Departamento de Estatística PPGEMQ / PPGEP - UFSM
Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística PPGEMQ / PPGEP - UFSM Amostragem É o processo de seleção de amostras de uma população com o objetivo de fazer inferências sobre a população
Leia maisDefinição. Os valores assumidos pelos estimadores denomina-se estimativas pontuais ou simplesmente estimativas.
1. Inferência Estatística Inferência Estatística é o uso da informção (ou experiência ou história) para a redução da incerteza sobre o objeto em estudo. A informação pode ou não ser proveniente de um experimento
Leia maisAula 12. Interpolação Parte 1
CÁLCULO NUMÉRICO Aula 12 Interpolação Parte 1 INTERPOLAÇÃO Cálculo Numérico 3/57 MOTIVAÇÃO A seguinte tabela relaciona densidade da água e temperatura: Temperatura ( o C) 20 25 30 35 40 Densidade (g/m
Leia maisIntrodução à Inferência Estatística
Introdução à Inferência Estatística Profa. Airlane P. Alencar e Prof. Francisco Marcelo M. da Rocha 11 de Setembro de 2018 Alencar, A.P. e Rocha, F.M.M. (IME-USP e EPPEN - UNIFESP) Estatística I 11 de
Leia maisInferência Estatística Estimação de Parâmetros
Inferência Estatística Estimação de Parâmetros Pedro Paulo Balestrassi www.pedro.unifei.edu.br ppbalestrassi@gmail.com 35-36291161 / 88776958 (cel) 1 Inferência Estatística: uma amostra ajudando a entender
Leia maisBOOTSTRAP APLICADO À AVALIAÇÃO DE INCERTEZAS ESTATÍSTICAS NO PROGNÓSTICO DE QUANTIS EXTREMOS DE PRECIPITAÇÃO.
BOOTSTAP APLICADO À AVALIAÇÃO DE INCETEZAS ESTATÍSTICAS NO POGNÓSTICO DE QUANTIS EXTEMOS DE PECIPITAÇÃO. Paulo S. Lucio *1, Ismael V. Leandro 1, Tiago P. de Paula 1 esumo: Métodos de Bootstrap são métodos
Leia maisTestes de Hipótese para uma única Amostra - parte II
Testes de Hipótese para uma única Amostra - parte II 2012/02 1 Teste para média com variância conhecida 2 3 Objetivos Ao final deste capítulo você deve ser capaz de: Testar hipóteses para média de uma
Leia maisEstimação de valores. Luiz Carlos Terra
Luiz Carlos Terra Nesta aula, você conhecerá a parte mais importante da estatística, que é conhecida como inferência estatística, ou seja, você aprenderá como usar os dados de uma amostra para estimar
Leia maisIntrodução à Inferência Estatística
Introdução à Inferência Estatística Prof. Dr. Francisco Marcelo M. da Rocha 10 de Setembro de 2018 Rocha, F.M.M. (EPPEN - UNIFESP) Estatística I 10 de Setembro de 2018 1 / 60 Índice 1 Objetivo da Aula
Leia maisCONHECIMENTOS ESPECÍFICOS
fonte de graus de soma de quadrado variação liberdade quadrados médio teste F regressão 1 1,4 1,4 46,2 resíduo 28 0,8 0,03 total 2,2 A tabela de análise de variância (ANOVA) ilustrada acima resulta de
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 maisProbabilidade e Estatística
Probabilidade e Estatística Aula 7: Intervalos de Confiança com uma amostra Leitura obrigatória: Devore, cap 7 ou Montgomery e Runger, cap 8 Chap 8-1 Objetivos Como inferir sobre um parâmetro da população,
Leia mais1 Inferência Estatística - Teoria da Estimação
1 Inferência Estatística - Teoria da Estimação 1.1 Introdução Neste capítulo abordaremos situações em que o interesse está em obter informações da população a partir dos resultados de uma amostra. Como
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 maisESTATÍSTICA. Lucas Santana da Cunha 18 de setembro de Universidade Estadual de Londrina
INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 18 de setembro de 2017 Introdução Estatística Descritiva: Preocupa-se com
Leia mais3. Estimação pontual USP-ICMC-SME. USP-ICMC-SME () 3. Estimação pontual / 25
3. Estimação pontual USP-ICMC-SME 2013 USP-ICMC-SME () 3. Estimação pontual 2013 1 / 25 Roteiro Formulação do problema. O problema envolve um fenômeno aleatório. Interesse em alguma característica da população.
Leia maisFernando de Pol Mayer
Fernando de Pol Mayer Laboratório de Estatística e Geoinformação (LEG) Departamento de Estatística (DEST) Universidade Federal do Paraná (UFPR) Este conteúdo está disponível por meio da Licença Creative
Leia maisMOQ 13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ 3 PROBABILIDADE E ESTATÍSTICA Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semanas 2 3 4 5 6 7 8 9 0 2 3 4 5 e 6 Introdução à probabilidade (eventos, espaço
Leia maisUnidade III Medidas Descritivas
Unidade III Medidas Descritivas Autor: Anderson Garcia Silveira Anderson Garcia Silveira Na aula anterior... Medidas de Tendência Central 2 Na aula anterior... Medidas de Tendência Central Moda Mediana
Leia maisIntervalo de confiança. Intervalo de confiança. Inferência. Generalizar os resultados da pesquisa a todo o universo de eleitores margem de erro
Intervalo de confiança As pesquisas sobre intenção de voto antes das eleições. Intervalo de confiança Os resultados divulgados na mídia são acompanhados de uma margem de erro. Candidato A: 33% ± 3% Candidato
Leia maisANEXO 3 FUNÇÃO DE DISTRIBUIÇÃO NORMAL (NOR)
ANEXO UNÇÃO DE DISTRIBUIÇÃO NORMAL (NOR) A.1 dp e/ou d 1 1 f ( ) ep, (A.1) A. Estimativa dos Parâmetros A.. Método da Máima Verosimelhança (MV) 1 N N i i 1 (A.8) s 1 N 1 N i i 1 (A.9) embora, em rigor,
Leia maisEstatística e Probabilidade Aula 08 Estimativas e Tamanho Amostral. Prof. Gabriel Bádue
Estatística e Probabilidade Aula 08 Estimativas e Tamanho Amostral Prof. Gabriel Bádue Motivação Estatística Inferencial Conjunto de métodos e procedimentos pelo meio dos quais tiramos conclusões sobre
Leia maisINFERÊNCIA EM AMOSTRAS PEQUENAS: MÉTODOS BOOTSTRAP
REVISTA DE CIÊNCIAS EXATAS E TECNOLOGIA INFERÊNCIA EM AMOSTRAS PEQUENAS: MÉTODOS BOOTSTRAP Augusto Sousa da Silva Filho Faculdade Anhanguera de Belo Horizonte - unidade Centro RESUMO: A amostra original
Leia maisO método Jackknife. Fundamentos e aplicações. Prof. Walmes Zeviani.
O método Jackknife Fundamentos e aplicações Prof. Walmes Zeviani walmes@ufpr.br Laboratório de Estatística e Geoinformação Departamento de Estatística Universidade Federal do Paraná Atualizado em 2018-09-03
Leia maisDistribuições Amostrais
Distribuições Amostrais Distribuição de Probabilidades de Estatísticas Amostrais Teorema Central do Limite Na aula passsada, vimos que As estatísticas amostrais são variáveis. Seus valores variam de acordo
Leia maisDistribuições Amostrais e Estimação Pontual de Parâmetros
Distribuições Amostrais e Estimação Pontual de Parâmetros - parte I 19 de Maio de 2011 Introdução Objetivos Ao final deste capítulo você deve ser capaz de: Entender estimação de parâmetros de uma distribuição
Leia maisEstatística 1. Resumo Teórico
Estatística 1 Resumo Teórico Conceitos do Curso 1. Tipos de Variáveis e Representações Gráficas a. Tipos de Variáveis b. Distribuição de Frequências c. Histograma 2. Estatística Descritiva Medidas Estatísticas
Leia mais