Análise de Variância com mais de duas variáveis independentes (mais de dois fatores) Na aula do dia 17 de outubro (aula #08) introduzimos
|
|
- Matheus Henrique Gama Wagner
- 6 Há anos
- Visualizações:
Transcrição
1 Análise de Variância com mais de duas variáveis independentes (mais de dois fatores) Na aula do dia 17 de outubro (aula #08) introduzimos a técnica de Análise de variância (ANOVA) a um fator, que resulta num teste F cuja hipótese nula é a igualdade das médias para a condições diferentes (variável independente). As suposições são de que a variável resposta (dependente) tem distribuição normal e as variâncias são iguais sob as diferentes condições. Podemos ter amostras independentes (experimento entre participantes ou como chamamos em estatística: experimento completamente aleatorizado) ou amostras relacionadas (experimento intraparticipantes ou como chamamos em estatística experimentos em blocos completos aleatorizados). 1
2 Na ANOVA a um fator (uma variável independente) com amostras independentes, os dados são representados da seguinte forma condição 1 condição 2... condição a y 11 y y 1a y 21 y y 2a. y n1 1 y n y na a y ij representa a i-ésima observação sob a j- ésima condição (variável independente), i = 1, 2,..., n j, n j - é o número de observações sob a j-ésima condição e j = 1, 2,..., a. 2
3 Na ANOVA a um fator a hipótese nula é dada por { H0 : µ 1 = µ 2 =... = µ a H 1 : pelo menos uma das médias é diferente das demais µ j corresponde à média do j-ésimo grupo. Variância entre grupos: corresponde à variação devida às condições que definem os grupos. Variância intra-grupos: corresponde à variação dentro de cada grupo. Na ANOVA a um fator com amostras independentes a variação total é decomposta em duas parcelas correspondentes à variação entre grupos e à variação intra-grupos. SQ T ot }{{} variação total = SQ entre }{{} variação entre grupos + SQ dentro }{{} variação dentro dos grupos Se a hipótese nula de que todas as médias são iguais, isto é, de que não há variação entre grupos, é verdadeira, segue que a variação dentro dos grupos tende a ser igual à variação total. 3
4 Notação: SQ T ot : variação total, SQ entre : variação entre grupos e SQ dentro : variação intra grupos. QM T ot = SQ T ot : é uma média da variação total. N 1 N = n 1 + n n a é o número total de observações no problema. Se n j = n para todo j, teremos N = an. QM entre = SQ entre : é uma média da variação a 1 entre grupos, chamada quadrado médio entre grupos. a é o número de grupos (condições) no problema. QM dentro = SQ dentro : é uma média da variação N a intra grupos, chamada quadrado médio intra grupos ou quadrado médio residual. 4
5 A estatística do teste realizado pela ANOVA é dada pela razão dos quadrados médios entre grupos e intra grupos, a saber, F = QM entre QM dentro. Se a hipótese nula é verdadeira, é possível mostrar que a estatística F tem uma distribuição F de Snedecor com a 1 e N a graus de liberdade no numerador e denominador, respectivamente. Se a hipótese nula é verdadeira, espera-se que a razão entre os quadrados médios entre e dentro dos grupos seja pequena. Em geral, rejeitaremos H 0 quando os valores amostrais de F forem grandes. 5
6 Usando um nível de significância α, a Região Crítica do teste da ANOVA será a cauda superior da distribuição F a 1,N a de área α. Na ANOVA é comum apresentar os resultados usando uma tabela chamada tabela ANOVA. Esta tabela contém as seguintes informações: fontes de variação, graus de liberdade, quadrados médios e a razão F. fonte de variação SQ gl QM F entre grupos SQ entre a 1 QM entre F = QM entre QM dentro dentro dos grupos (residual) SQ dentro N a QM dentro - total SQ T ot N QM entre = SQentre a 1 e QM Dentro = SQ dentro N a Se o valor de F for grande, H 0 será rejeitada. 6
7 Amostras relacionadas: experimento intraparticipantes: Como fica? Em Estatística o nome usado para esse tipo de situação é Experimento a um fator em Blocos Completos Aleatorizados. No Bioestat usa-se a seguinte função para esse caso: Estatisticas, Análise da Variância, ANO- VA:dois critérios. Nesse caso as amostras não são independentes e além da variação entre grupos e dentro do grupos, passamos a poder medir uma variação inerente a cada participante (variação de linha, também chamada variação devido aos blocos). Observe que agora as amostras sob cada condição terão tamanhos iguais. 7
8 ind. cond. 1 cond cond. a 1 y 11 y y 1a 2 y 21 y y 2a. n y n1 y n2... y na a representa o número de condições diferentes. n representa o número de observações sob cada condição. N = an é o número total de observações. y ij representa a i-ésima observação sob a j- ésima condição, i = 1, 2,..., n e j = 1, 2,..., a. 8
9 Na ANOVA a um fator com amostras relacionadas a variação total é decomposta em três parcelas correspondentes à variação entre grupos, a variação inerente a cada participante (variação dos blocos) e a variação residual. SQ T ot }{{} variação total = SQ entre }{{} variação entre grupos + SQ Bl }{{} variação do indivíduo + SQ res }{{} variação residual Notação: SQ T ot : variação total, SQ entre : variação entre grupos, SQ Bl - variação nos blocos (individual) e SQ dentro : variação residual (dentro de cada grupo). QM T ot = SQ T ot : é uma média da variação total. N 1 N é o número total de observações no problema. 9
10 QM entre = SQ entre : é uma média da variação a 1 entre grupos, chamada quadrado médio entre grupos. a é o número de grupos (condições) no problema. QM Bl = SQ Bl : é uma média da variação dos n 1 blocos, chamada quadrado médio dos blocos. n é o número de observações (igual) sob cada condição. SQ dentro QM dentro = : é uma média da (a 1)(n 1) variação residual, chamada quadrado médio residual ou intra grupos. 10
11 A estatística do teste realizado pela ANOVA nesse caso é dada pela razão dos quadrados médios entre grupos e residual, a saber, F = QM entre QM dentro. Se a hipótese nula é verdadeira, é possível mostrar que a estatística F tem uma distribuição F de Snedecor com a 1 e (a 1)(n 1) graus de liberdade no numerador e denominador, respectivamente. Observe que apesar da aparência da estatística F ser a igual em ambos os casos, o cálculo de QM Dentro é diferente em ambos os casos. Se a hipótese nula é verdadeira, espera-se que a razão entre os quadrados médios entre e dentro dos grupos seja pequena. Em geral, rejeitaremos H 0 quando os valores amostrais de F forem grandes. 11
12 A tabela ANOVA correspondente a esse caso é dada por fonte de variação SQ gl QM F entre grupos SQ entre a 1 QM entre F = QM entre QM dentro blocos (individual) SQ Bl n 1 QM Bl dentro dos grupos (residual) SQ dentro (a 1)(n 1) QM dentro total SQ T ot N 1 QM entre = SQ entre a 1, QM Dentro = SQ dentro (a 1)(n 1) Se o valor de F for grande, H 0 será rejeitada. O Bioestat tem essa função. Estatísticas, Análise da Variância, ANOVA: dois critérios. 12
13 Cuidado: toda vez que as medidas forem repetidas para as mesmas unidades amostrais é fundamental rodar a ANOVA adequada, pois, caso contrário, a variação dentro dos grupos poderá ficar inflacionada acarretando na não rejeição de H 0 um maior número de vezes por conta da variação residual inflacionada, ou seja, aumentando a chance de cometer o erro tipo II. Se as amostras forem relacionadas, ou seja, se for um experimento intra-participantes, rode o a ANOVA adequada. No Bioestat isso corresponde a rodar o caso ANOVA a dois critérios. 13
14 Na aula de hoje veremos uma extensão da A- NOVA: ANOVA com mais de um fator (mais de uma variável independente) nas seguintes situações: (S1) dois fatores inter participantes (experimento completamente aleatorizado); (S2) dois fatores intra participantes (experimento em blocos completos aleatorizado); (S3) dois fatores um inter e um intra participantes. (experimento hierárquico a dois estágios). O mais importante aqui é o princípio por trás de cada uma dessas situações que é a decomposição da variação total dos dados em parcelas devidas a cada um dos fatores e possíveis interações entre fatores mais a variação que sobre chamada variação residual. 14
15 Todas as situações levarão a uma tabela ANO- VA similar às já estudadas na aula #08, incluindo mais linhas na tabela devido à presença de mais fontes de variação. Vamos começar com o caso em que há duas variáveis independentes A e B e as amostras são independentes sob cada condição do experimento. Se a variável A admite a níveis e, a B admite b níveis, teremos ao todo ab combinações de níveis de tratamento. 15
16 Veja na figura a seguir, como é o planejamento de uma situação como essa na qual as variáveis independentes tem duas respostas cada. Observe que para cada combinação de condições, os grupos investigados são independentes. 16
17 Na situação mais simples temos a = 2 e b = 2 tal que o número de combinações possíveis é 2 2 = 4. Veja o exemplo a seguir. EXEMPLO 1: Os dados a seguir referem a notas finais para cada participante em quatro condições distintas: revisão na sala de estar ou na sala do exame, exame na sala de estar ou na sala do exame. Suponha que os quatro grupos seja independentes (experimento interparticipantes). A - sala do exame: estar ou de exame B - sala da revisão: estar ou de exame Variável observada: desempenho final na avaliação após o processo de revisão. 17
18 18
19 Nesse primeiro momento vamos supor que temse 4 grupos diferentes de 20 participantes: ao todo N = 80 participantes distribuídos aleatoriamente em 4 grupos de 20. A variação total SQ T ot aqui será decomposta em 4 parcelas, a saber, SQ A - variação devido à sala do exame, SQ B - variação devido à sala da revisão, SQ AB - variação devido a uma interação entre sala do exame e sala da revisão e, SQ Res - variação residual. SQ T ot }{{} N 1=abn 1 = SQ A }{{} a 1 + SQ B }{{} b 1 + SQ AB }{{} (a 1)(b 1) + SQ Res }{{} ab(n 1) 19
20 A tabela ANOVA conterá as linhas de variação devido ao fator A, ao fator B, ao fator de interação AB mais a variação residual, que juntas dão a variação total. fonte de variação SQ gl QM F A SQ A a 1 QM A F A = QM A QM Res B SQ B b 1 QM B F B = QM B QM Res AB SQ AB (a 1)(b 1) QM AB Residual SQ Res ab(n 1) QM Res F AB = QM AB QM Res total SQ T ot abn 1 n é o número de observações sob cada combinação de níveis dos fatores (variáveis independentes). No exemplo sob investigação n = 20, a = b = 2, as variáveis independentes são sala do exame(estar ou exame) e sala da revisão (estar ou exame). A variável dependente é o desempenho (nota) do exame. 20
21 As hipóteses de interesse aqui são investigar se os fatores A (sala do exame), B (sala da revisão) e de interação AB sala do exame com sala de revisão exercem algum efeito sobre a média do desempenho. Nos testes da ANOVA nesse caso, a hipótese nula é a de que esses fatores não exercem nenhum efeito sobre a média, contra a alternativa de que exercem algum efeito. Sob H 0 as estatísticas de teste seguem uma distribuição F com os seguintes graus de liberdade F A F a 1,ab(n 1), F B F b 1,ab(n 1) e F AB F (a 1)(b 1), abn(n 1). 21
22 Rejeitaremos a hipótese nula de ausência de efeito sobre a média em relação a cada fator se o valor amostral da estatística de teste for grande. Vamos ver como realizar essa ANOVA usando o Bioestat. Estatísticas, ANOVA fatorial a b. Nesse caso, o Bioestat demanda que entremos com os dados de forma isolada conforme a tela a seguir. 22
23 Observe que nessa entrada de dados os tratamentos correspondem ao tipo de sala do exame e os blocos correspondem ao tipo de sala da revisão. tratamento 1: sala do exame em sala de estar, tratamento 2: sala do exame em sala do exame. Bloco A: sala da revisão em sala de estar, Bloco B: sala da revisão em sala do exame. 23
24 O resultado obtido está na tela a seguir. Da saída do Bioestat, verificamos que ao nível de significância de 5%, os efeitos de sala da revisão (blocos) e de interação de sala da revisão com sala de exame são significativos. 24
25 Para interpretar os efeitos dos fatores sobre a média, um gráfico de médias é sempre útil. A seguir apresentamos gráficos ilustrando os efeitos principais de sala do exame (que foi não significativo) e de sala de revisão. Observe que as médias são calculadas com base nas 40 notas sob cada nível do fator principal. 25
26 Para entender melhor o efeito de interação que foi significativo para esses dados, observe o gráfico de médias a seguir. Agora as médias foram calculadas com base nos 4 grupos de 20, sob as diferentes combinações dos níveis dos fatores. Percebe-se que se o exame foi feito na sala do exame, a média parece sofrer um efeito positivo quando a revisão é feita também na sala do exame; ao passo que se o exame é feito na sala de estar, a média parece sofrer um efeito negativo se a revisão é feita na sala do exame. 26
27 Quando o efeito de um fator varia com os níveis do outro fator, dizemos que há interação. Nos gráficos ilustrativos, os perfis tendem a ser paralelos, na ausência de interação. A figura a seguir ilustra o gráfico típico quando não há interação num experimento
28 A seguir apresentam-se gráficos que ilustram a presença de interação em experimentos
29 29
30 Vamos supor agora que os grupos de 20 são os mesmos, ou seja que foram realizados 4 e- xames para o mesmo grupo de 20 pessoas em cada uma das 4 combinações. Ao todo temos um grupo de N=20 participantes testados em 4 condições distintas. O que está ocorrendo agora, é que há uma nova fonte de variação a ser considerada na decomposição da soma de quadrados total que corresponde à variação individual que costumamos chamar de variação devida ao bloco indivíduo. 30
31 Veja na figura o formato dos dados nesse caso numa situação em que as respostas tem duas categorias cada. Observe que são os mesmos participantes sob cada combinação de condições. 31
32 Suponha que seja essa a situação dos dados do exemplo 1. 32
33 Para cada linha da tabela de dados, temos um mesmo participante e, portanto, fará sentido, quantificar a variabilidade referente a cada indivíduo (linha) da tabela que denotaremos por SQ Bl. Nesse caso, a decomposição da variação total inclui a parcela SQ Bl referente à variação devida à cada participante. Isso, de fato, irá reduzir o valor de SQ Res, pois as outras variações permanecem as mesmas. SQ T ot = SQ A +SQ B +SQ AB +SQ Bloco +SQ Res Aqui teríamos a segunda situação na qual estamos investigando duas condições num experimento intraparticipantes. 33
34 Uma tabela ANOVA para esse caso é dada por fonte de variação SQ gl QM F Bloco SQ Bl n 1 QM Bl A SQ A a 1 QM A F A = QM A QM Res B SQ B b 1 QM B F B = QM B QM Res AB SQ AB (a 1)(b 1) QM AB Residual SQ Res (ab 1)(n 1) QM Res F AB = QM AB QM Res total SQ T ot abn 1 34
35 A terceira possibilidade é quando um dos fatores é interparticipantes e, o outro intra-participantes. Suponha que na condição de exame tenhamos apenas 20 pessoas no grupo em sala do exame e 20 pessoas em sala de estar. Porém, suponha que para cada um desses grupos realizamos dois exames: um deles com revisão na mesma sala em que o exame foi realizado e, o outro com a revisão em sala diferente da de exame. Ao todo temos N = 40 participantes em dois grupos de 20 e a variável sala do exame é interparticipantes, mas sala de revisão é intra participantes. 35
36 A tabela a seguir ilustra a forma dos dados nesse caso simples em que as duas variáveis sob investigação tem duas categorias de resposta. Observe que os participantes são os mesmos para ambos os níveis de sala de revisão (B), fixado o nível da sala do exame. Mas, os participantes são diferentes, quando variamos o nível do fator sala do exame (A). 36
37 37
38 Nesse último caso, a decomposição da variação total pode ser da forma: SQ T ot }{{} abn 1 = SQ }{{ A + SQ }} B.(A) {{} a 1 a(b 1) + SQ Res }{{} ab(n 1) A tabela ANOVA desse caso envolve fonte de variação SQ gl QM F A SQ A a 1 QM A F A = QM A QM Res B dentro de A SQ B.(A) a(b 1) QM B Residual SQ Res ab(n 1) QM Res F B = QM B QM Res total SQ T ot abn 1 38
39 Observação: A medida que o modelo torna-se mais complexo, isto é, inclui mais variáveis independentes a modelagem também fica mais complexa e, neste caso, o Bioestat torna-se inadequado para realizar as análises quantitativas. Se você se deparar com um problema mais complexo, a recomendação é consultar um especialista ou usar um programa mais sofisticado do que o Bioestat, por exemplo o SPSS (comercial) ou o R (domínio público). 39
40 Exemplo 2: Dr. Kid está interessado em investigar se meninos e meninas diferem na habilidade de perceber cores. Ele acha que as meninas são melhores do que meninos na percepção de cores desde os 5 anos de idade. Ele testa dois grupos de idades diferentes (5 e 11 anos) por intermédio de um teste padrão de percepção de cores e compara o desempenho (notas de 0 a 10) de meninos e meninas. Os dados obtidos estão na tabela a seguir. 40
41 meninos de 5 meninas de 5 meninos de 11 meninas de Qual é a situação nesse caso? 2. Quais são as variáveis dependentes e independentes? 3. Entre com os dados no Bioestat e realize uma ANOVA. 4. Existem efeitos significativos de idade, gênero ou interação idade e gênero? Em caso afirmativo, descreva os efeitos por meio de um gráfico de médias. 41
42 1. Observe que são 4 grupos diferentes de 12 crianças nas seguintes condições: meninos de 5 anos, meninas de 5 anos, meninos de 11 anos e meninas de 11 anos. Logo, trata-se da situação 1: duas variáveis independentes ao ANOVA a dois fatores num experimento completqamente aleatorizado. 2. Variáveis independentes: idade - 5 ou 11 anos e gênero: menino ou menina. Variável dependente: medida quantitativa da habilidade de perceber cores. 42
43 3. Entramos com os dados: 43
44 E, obtemos Ao nível de significância de 5% verificamos que todos os efeitos são significativos, a saber, de gênero, de idade e de interação gênero e idade. 44
45 A seguir apresentamos os gráficos de médias para interpretar os efeitos dos fatores. Quanto aos efeitos principais percebe-se um efeito positivo na média quando: - o gênero varia de menino para menina e, - a idade varia de 5 para 11 anos (de menor amplitude). 45
46 Para interpretar o efeito significativo de interação gênero versus idade, o gráfico a seguir será útil. Vemos que em ambas as idades o efeito é positivo na média, mas na idade menor (5 anos) a variação na média de menino para menina é de menor intensidade do que na idade de 11 anos. 46
47 Referências bibliográficas: (1) Dancey e Reidy - Estatística sem Matemática para Psicologia. Penso. (2) Triola. Introdução à Estatística. LTC. (3) Montgomery, D. C. - Design and Analysis of Experiments. Wiley. (4) Busssab e Morettin - Estatística Básica. Editora Saraiva. 47
DELINEAMENTO FATORIAL. Profª. Sheila Regina Oro
DELINEAMENTO FATORIAL Profª. Sheila Regina Oro Existem casos em que vários fatores devem ser estudados simultaneamente para que possam nos conduzir a resultados de interesse. Experimentos fatoriais: são
Leia maisMedidas de associação entre duas variáveis qualitativas
Medidas de associação entre duas variáveis qualitativas Hoje vamos analisar duas variáveis qualitativas (categóricas) conjuntamente com o objetivo de verificar se existe alguma relação entre elas. Vamos
Leia maisConceitos Básicos Teste t Teste F. Teste de Hipóteses. Joel M. Corrêa da Rosa
2011 O 1. Formular duas hipóteses sobre um valor que é desconhecido na população. 2. Fixar um nível de significância 3. Escolher a Estatística do Teste 4. Calcular o p-valor 5. Tomar a decisão mediante
Leia maisAULA 07 Inferência a Partir de Duas Amostras
1 AULA 07 Inferência a Partir de Duas Amostras Ernesto F. L. Amaral 10 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola,
Leia maisEXPERIMENTO FATORIAL BLOCADO PARA DETERMINAÇÃO DE DIFERENÇAS ENTRE TEMPO DE QUEIMA DE VELAS DE PARAFINA
Revista da Estatística da UFOP, Vol I, 2011 - XI Semana da Matemática e III Semana da Estatística, 2011 ISSN 2237-8111 EXPERIMENTO FATORIAL BLOCADO PARA DETERMINAÇÃO DE DIFERENÇAS ENTRE TEMPO DE QUEIMA
Leia maisTeste de hipóteses. Estatística Aplicada Larson Farber
7 Teste de hipóteses Estatística Aplicada Larson Farber Seção 7.1 Introdução ao teste de hipóteses Uma hipótese estatística é uma alegação sobre uma população. A hipótese nula H 0 contém uma alternativa
Leia maisPlanejamento de Experimentos
Planejamento de Experimentos Analise de Variância (ANOVA) com um Fator Planejamento de Experimentos Muitas vezes é necessário obter informações sobre produtos e processos empiricamente. Trabalho assemelha-se
Leia maisModelos de Regressão Linear Simples - Erro Puro e Falta de Ajuste
Modelos de Regressão Linear Simples - Erro Puro e Falta de Ajuste Erica Castilho Rodrigues 2 de Setembro de 2014 Erro Puro 3 Existem dois motivos pelos quais os pontos observados podem não cair na reta
Leia maisConsiderações. Planejamento. Planejamento. 3.3 Análise de Variância ANOVA. 3.3 Análise de Variância ANOVA. Estatística II
UNIVERSIDADE FEDERAL DE RONDÔNIA CAMPUS DE JI-PARAN PARANÁ DEPARTAMENTO DE ENGENHARIA AMBIENTAL Estatística II Aula 8 Profa. Renata G. Aguiar Considerações Coleta de dados no dia 18.05.2010. Aula extra
Leia maisPoder do teste e determinação do tamanho da amostra:pca & PBC
Poder do teste e determinação do tamanho da amostra:pca & PBC Relembrando: α = probabilidade do erro do tipo I: P(Rejeitar H 0 H 0 é verdadeira). β = probabilidade do erro do tipo II: P(Não rejeitar H
Leia maisDELINEAMENTO INTEIRAMENTE CASUALIZADO e CASUALIZADOS
DELINEAMENTO INTEIRAMENTE CASUALIZADO e DELINEAMENTO EM BLOCOS CASUALIZADOS Prof. Anderson Rodrigo da Silva anderson.silva@ifgoiano.edu.br 1. Objetivos Estudar o procedimento de instalação e análise de
Leia maisPROBABILIDADE E ESTATÍSTICA. Profa. Dra. Yara de Souza Tadano
PROBABILIDADE E ESTATÍSTICA Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 7 11/2014 Variáveis Aleatórias Variáveis Aleatórias Probabilidade e Estatística 3/41 Variáveis Aleatórias Colete
Leia maisEstatística e Probabilidade
Teste de hipóteses Objetivo: Testar uma alegação sobre um parâmetro: Média, proporção, variação e desvio padrão Exemplos: - Um hospital alega que o tempo de resposta de sua ambulância é inferior a dez
Leia maisEXPERIMENTAÇÃO AGRÁRIA
EXPERIMENTAÇÃO AGRÁRIA Tema : Delineamentos experimentais básicos (DCC/DBCC/DQL) Delineamento de Blocos Completos Casualizados (DBCC) Quando usar? Quando as unidades experimentais não apresentam características
Leia maisMedidas de Dispersão 1
Curso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti Medidas de Dispersão 1 Introdução Uma breve reflexão sobre as medidas de tendência central permite-nos concluir que elas não
Leia maisPlanejamento e Análise de Experimentos: Aquecimento de Leite por Forno Micro-ondas
Planejamento e Análise de Experimentos 2012/1 1 Planejamento e Análise de Experimentos: Aquecimento de Leite por Forno Micro-ondas Wagner A. M. Ursine Abstract Este trabalho apresenta as etapas de planejamento
Leia mais)$&8/'$'('((1*(1+$5,$'(5(&856261$785$,6 7$%(/$6(67$7Ì67,&$6. -~OLR$3GD&XQKD2VyULR )$52
)$&8/'$'('((1*(1+$5,$'(5(&856261$785$,6 7$%(/$6(67$7Ì67,&$6 -~OLR$3GD&XQKD2VyULR )$52 1RWDVH[SOLFDWLYDV TABELAS ESTATÍSTICAS Notas explicativas Fontes x As tabelas das distribuições binomiais, de Poisson,
Leia maisMétodos Estatísticos Avançados em Epidemiologia
Métodos Estatísticos Avançados em Epidemiologia Análise de Variância - ANOVA Cap. 12 - Pagano e Gauvreau (2004) - p.254 Enrico A. Colosimo/UFMG Depto. Estatística - ICEx - UFMG 1 / 39 Introdução Existem
Leia maisBioexperimentação. Prof. Dr. Iron Macêdo Dantas
Governo do Estado do Rio Grande do Norte Secretaria de Estado da Educação e da Cultura - SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO
Leia mais7. Testes de Hipóteses
7. Testes de Hipóteses Suponha que você é o encarregado de regular o engarrafamento automatizado de leite numa determinada agroindústria. Sabe-se que as máquinas foram reguladas para engarrafar em média,
Leia maisSEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO DE CIÊNCIAS BIOLÓGICAS DECB
Governo do Estado do Rio Grande do Norte Secretaria de Estado da Educação e da Cultura - SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO
Leia maisDISTRIBUIÇÕES DE PROBABILIDADE CONJUNTAS DISTRIBUIÇÕES CONJUNTAS ROTEIRO DISTRIBUIÇÃO CONJUNTA. Estatística Aplicada à Engenharia
ROTEIRO DISTRIBUIÇÕES DE PROBABILIDADE CONJUNTAS 1. Distribuições conjuntas 2. Independência 3. Confiabilidade 4. Combinações lineares de variáveis aleatórias 5. Referências Estatística Aplicada à Engenharia
Leia maisc) Encontre um intervalo de confiança 95% para a razão das variâncias variâncias das duas amostras podem ser iguais com este grau de confiança?
MQI 003 Estatística para Metrologia semestre 008.0 Lista 4 Profa. Mônica Barros PROBLEMA Toma-se duas amostras de engenheiros formados há 5 anos por duas Universidades e faz-se uma pesquisa salarial, cujos
Leia maisEstatística
Estatística 1 2016.2 Sumário Capítulo 1 Conceitos Básicos... 3 MEDIDAS DE POSIÇÃO... 3 MEDIDAS DE DISPERSÃO... 5 EXERCÍCIOS CAPÍTULO 1... 8 Capítulo 2 Outliers e Padronização... 12 VALOR PADRONIZADO (Z)...
Leia maisEXPERIMENTAÇÃO AGRÁRIA
EXPERIMENTAÇÃO AGRÁRIA Tema 4: Experimentos factoriais Definição Experimentos factoriais são aqueles que incluem todas as combinações possíveis de vários conjuntos de factores. Ex : Um experimento com
Leia mais(b) O limite o produto é o produto dos limites se o limite de cada fator do produto existe, ou seja, (c) O limite do quociente é o quociente dos limit
MATEMÁTICA I AULA 03: LIMITES DE FUNÇÃO, CÁLCULO DE LIMITES E CONTINUIDADES TÓPICO 02: CÁLCULO DE LIMITES Neste tópico serão estudadas as técnicas de cálculo de limites de funções algébricas, usando alguns
Leia maisTestes de Significância Estatística para Avaliação de Algoritmos
Testes de Significância Estatística para Avaliação de Algoritmos Prof. Eduardo R. Hruschka Departamento de Ciências de Computação Instituto de Ciências Matemáticas e de Computação (ICMC) Universidade de
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 maisTópico 3. Estudo de Erros em Medidas
Tópico 3. Estudo de Erros em Medidas A medida de uma grandeza é obtida, em geral, através de uma experiência, na qual o grau de complexidade do processo de medir está relacionado com a grandeza em questão
Leia maisCap. 11 Testes de comparação entre duas amostras
Estatística Aplicada às Ciências Sociais Sexta Edição Pedro Alberto Barbetta Florianópolis: Editora da UFSC, 006 Cap. 11 Testes de comparação entre duas amostras Planejamento da pesquisa e análise estatística
Leia maisMétodos Quantitativos Aplicados
Métodos Quantitativos Aplicados Aula 6 http://www.iseg.utl.pt/~vescaria/mqa/ Tópicos apresentação Análise de dados bivariada: os casos dos testes de proporções para duas amostras independentes e emparelhadas
Leia maisX e Y independentes. n + 1 m
DEPARTAMENTO DE ESTATÍSTICA / CCEN / UFPA Disciplina: Inferência I Prof: Regina Tavares 5.0. TESTE DE HIPÓTESES PARA DUAS POPULAÇÕES 5.0.. Duas Populações Normais independentes : X, X 2,, X n uma a.a.
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 maisTeste de hipótese em modelos normais lineares: ANOVA
Teste de hipótese em modelos normais lineares: ANOVA Prof Caio Azevedo Prof Caio Azevedo Exemplo 1 No primeiro modelo, o interesse primário, de certa forma, é testar se a carga não contribui para explicar
Leia maisAvaliação de Sistemas de Medição
Monitoramento de um processo: medição de uma característica da qualidade X por meio de um sistema de medição. Sistema de medição ideal: produz somente resultados corretos, ou seja, que coincidem com o
Leia maisEstatística e Probabilidade
Aula 3 Cap 02 Estatística Descritiva Nesta aula... estudaremos medidas de tendência central, medidas de variação e medidas de posição. Medidas de tendência central Uma medida de tendência central é um
Leia mais9 Correlação e Regressão. 9-1 Aspectos Gerais 9-2 Correlação 9-3 Regressão 9-4 Intervalos de Variação e Predição 9-5 Regressão Múltipla
9 Correlação e Regressão 9-1 Aspectos Gerais 9-2 Correlação 9-3 Regressão 9-4 Intervalos de Variação e Predição 9-5 Regressão Múltipla 1 9-1 Aspectos Gerais Dados Emparelhados há uma relação? se há, qual
Leia maisMedidas de Dispersão. Introdução Amplitude Variância Desvio Padrão Coeficiente de Variação
Medidas de Dispersão Introdução Amplitude Variância Desvio Padrão Coeficiente de Variação Introdução Estudo de medidas que mostram a dispersão dos dados em torno da tendência central Analisaremos as seguintes
Leia maisTópicos em Gestão da Informação II
Tópicos em Gestão da Informação II Aula 05 Variabilidade estatística Prof. Dalton Martins dmartins@gmail.com Gestão da Informação Faculdade de Informação e Comunicação Universidade Federal de Goiás Exercício
Leia maisERRO E TRATAMENTO DE DADOS ANALÍTICOS
Universidade Federal de Juiz de Fora Instituto de Ciências Exatas Departamento de Química Introdução a Analise Química - I sem/2013 Profa Ma Auxiliadora - 1 Disciplina QUIO94 - Introdução à Análise Química
Leia maisANOVA (Analysis of Variance)
Tópicos Avançados em Avaliação e Desempenho de Sistemas ANOVA (Analysis of Variance) Aleciano Júnior aflj@cin.ufpe.br Carlos Melo casm3@cin.ufpe.br Charles Bezerra cbm3@cin.ufpe.br Tópicos Introdução História,
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 Amostragem estratificada Divisão da população em
Leia maisaula DISTRIBUIÇÃO NORMAL - PARTE I META OBJETIVOS PRÉ-REQUISITOS Apresentar o conteúdo de distribuição normal
DISTRIBUIÇÃO NORMAL - PARTE I 4 aula META Apresentar o conteúdo de distribuição normal OBJETIVOS Ao final desta aula, o aluno deverá: determinar a média e a variância para uma função contínua; padronizar
Leia maisVERSÃO RESPOSTAS PROVA DE MÉTODOS QUANTITATIVOS
UNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO PROGRAMA DE PÓS-GRADUAÇÃO EM ADMINISTRAÇÃO DE ORGANIZAÇÕES PROCESSO SELETIVO MESTRADO - TURMA 2012 PROVA
Leia maisVARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADE
VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADE.1 INTRODUÇÃO Admita que, de um lote de 10 peças, 3 das quais são defeituosas, peças são etraídas ao acaso, juntas (ou uma a uma, sem reposição). Estamos
Leia maisIND 1115 Inferência Estatística Aula 6
Conteúdo IND 5 Inferência Estatística Aula 6 Setembro de 004 A distribuição Lognormal A distribuição Beta e sua relação com a Uniforme(0,) Mônica Barros mbarros.com mbarros.com A distribuição Lognormal
Leia maisFigura disponível em: <http://soumaisenem.com.br/fisica/conhecimentos-basicos-e-fundamentais/grandezas-escalares-egrandezas-vetoriais>.
n. 7 VETORES vetor é um segmento orientado; são representações de forças, as quais incluem direção, sentido, intensidade e ponto de aplicação; o módulo, a direção e o sentido caracterizam um vetor: módulo
Leia maisAULA 19 Análise de Variância
1 AULA 19 Análise de Variância Ernesto F. L. Amaral 18 de outubro de 2012 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro: LTC. Capítulo
Leia maisAula 2 Regressão e Correlação Linear
1 ESTATÍSTICA E PROBABILIDADE Aula Regressão e Correlação Linear Professor Luciano Nóbrega Regressão e Correlação Quando consideramos a observação de duas ou mais variáveis, surge um novo problema: -as
Leia maisTodos os exercícios sugeridos nesta apostila se referem ao volume 1.
CONCEITO DE FUNÇÃO... 2 IMAGEM DE UMA FUNÇÃO... 8 IMAGEM A PARTIR DE UM GRÁFICO... 12 DOMÍNIO DE UMA FUNÇÃO... 15 DETERMIAÇÃO DO DOMÍNIO... 15 DOMÍNIO A PARTIR DE UM GRÁFICO... 17 GRÁFICO DE UMA FUNÇÃO...
Leia maisInferência Estatística
Metodologia de Diagnóstico e Elaboração de Relatório FASHT Inferência Estatística Profa. Cesaltina Pires cpires@uevora.pt Plano da Apresentação Duas distribuições importantes Normal T- Student Estimação
Leia maisMA14 - Aritmética Unidade 2 Resumo. Divisão Euclidiana
MA14 - Aritmética Unidade 2 Resumo Divisão Euclidiana Abramo Hefez PROFMAT - SBM Aviso Este material é apenas um resumo de parte da disciplina e o seu estudo não garante o domínio do assunto. O material
Leia maisEstatística para Cursos de Engenharia e Informática
Estatística para Cursos de Engenharia e Informática BARBETTA, Pedro Alberto REIS, Marcelo Menezes BORNIA, Antonio Cezar MUDANÇAS E CORREÇOES DA ª EDIÇÃO p. 03, após expressão 4.9: P( A B) = P( B A) p.
Leia maisNotas em Álgebra Linear
Notas em Álgebra Linear 1 Pedro Rafael Lopes Fernandes Definições básicas Uma equação linear, nas variáveis é uma equação que pode ser escrita na forma: onde e os coeficientes são números reais ou complexos,
Leia maisPROBABILIDADE E ESTATÍSTICA. Profa. Dra. Yara de Souza Tadano
PROBABILIDADE E ESTATÍSTICA Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 8 11/2014 Distribuição Normal Vamos apresentar distribuições de probabilidades para variáveis aleatórias contínuas.
Leia maisUNIVERSIDADE FEDERAL DA BAHIA ESCOLA POLITÉCNICA MEAU- MESTRADO EM ENGENHARIA AMBIENTAL URBANA
DOCENTE: CIRA SOUZA PITOMBO UNIVERSIDADE FEDERAL DA BAHIA ESCOLA POLITÉCNICA MEAU- MESTRADO EM ENGENHARIA AMBIENTAL URBANA ENG J21 Ajustamentos de observações geodésicas A AULA 9 TESTES ESTATÍSTICOS DE
Leia maisLista 5 de exercícios
Lista 5 de exercícios 1. (ANDRADE; OGLIARI, 2010) Em um experimento, 320 em 400 sementes germinaram. Determine o intervalo de confiança de 99% para a verdadeira proporção de sementes que germinaram. Para
Leia maisOBMEP 2010 Soluções da prova da 2ª Fase Nível 1. Questão 1
1 Questão 1 a) O número-parada de 93 é 4, pois 93 9 3 = 27 2 7 = 14 1 4 = 4. b) Escrevendo 3 2 = 6 vemos que 32 3 2 = 6. Como 32 = 4 2 2 2, temos 4222 4 2 2 2 = 32 3 2 = 6 e assim o número-parada de 4222
Leia maisCAP1: Estatística Descritiva para análise da variabilidade uma amostra de dados quantitativos
CAP1: Estatística Descritiva para análise da variabilidade uma amostra de dados quantitativos O aluno deverá utilizar calculadora científica Resumo Numérico dos dados Suponha que os dados sejam representados
Leia maisAvaliação de Sistemas de Medição
Roteiro Avaliação de Sistemas de Medição 1. Características de um Sistema de Medição 2. Avaliação do Erro Sistemático 3. Repetitividade e Reprodutibilidade 4. Adequabilidade de Sistema de Medição 5. Aplicação
Leia maisTeoria das Probabilidades
Capítulo 2 Teoria das Probabilidades 2.1 Introdução No capítulo anterior, foram mostrados alguns conceitos relacionados à estatística descritiva. Neste capítulo apresentamos a base teórica para o desenvolvimento
Leia maisMÓDULO V: Análise Bidimensional: Correlação, Regressão e Teste Qui-quadrado de Independência
MÓDULO V: Análise Bidimensional: Correlação, Regressão e Teste Qui-quadrado de Independência Introdução 1 Muito frequentemente fazemos perguntas do tipo se alguma coisa tem relação com outra. Estatisticamente
Leia maisIntrodução à Inferência Estatística
Introdução à Inferência Estatística Capítulo 10, Estatística Básica (Bussab&Morettin, 7a Edição) 2a AULA 02/03/2015 MAE229 - Ano letivo 2015 Lígia Henriques-Rodrigues 2a aula (02/03/2015) MAE229 1 / 16
Leia maisSignificância do Coeficiente de Correlação
Significância do Coeficiente de Correlação A primeira coisa que vamos tentar fazer nesta aula é apresentar o conceito de significância do coeficiente de correlação. Uma vez entendido este conceito, vocês
Leia maisUniversidade Federal de Viçosa Departamento de Estatística
Universidade Federal de Viçosa Departamento de Estatística Prova Seletiva para o Programa de Pós-Graduação em Estatística Aplicada e Biometria. Nível Doutorado - 22/nov/2013 Nome: Assinatura:. Número do
Leia maisProf. Adriano Mendonça Souza, Dr. Departamento de Estatística PPGEMQ / PPGEP - UFSM
Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística PPGEMQ / PPGEP - UFSM 1 Na prática da pesquisa em geral, o tamanho da amostra parece sintetizar todas as questões relacionadas ao processo
Leia maisModelos Lineares Distribuições de Probabilidades Distribuição Normal Teorema Central do Limite. Professora Ariane Ferreira
Distribuições de Probabilidades Distribuição Normal Teorema Central do Limite Professora Ariane Ferreira Modelos Probabilísticos de v.a. continuas Distribuição de Probabilidades 2 IPRJ UERJ Ariane Ferreira
Leia maisDistribuição de frequências:
Distribuição de frequências: Uma distribuição de frequências é uma tabela que reúne o conjunto de dados conforme as frequências ou as repetições de seus valores. Esta tabela pode representar os dados em
Leia maisMétodos Quantitativos em Medicina
Métodos Quantitativos em Medicina Comparação de Duas Médias Terceira Aula 009 Teste de Hipóteses - Estatística do teste A estatística do teste de hipótese depende da distribuição da variável na população
Leia maisCálculo das Probabilidades e Estatística I
Cálculo das Probabilidades e Estatística I Prof a. Juliana Freitas Pires Departamento de Estatística Universidade Federal da Paraíba - UFPB juliana@de.ufpb.br Variáveis Aleatórias Ao descrever um espaço
Leia maisHipóteses. Hipótese. É uma pressuposição de um determinado problema.
Bioestatística Aula 7 Teoria dos Teste de Hitóteses Prof. Tiago A. E. Ferreira 1 Hipóteses Hipótese É uma pressuposição de um determinado problema. Uma vez formulada, a hipótese estará sujeita a uma comprovação
Leia mais6. FUNÇÃO QUADRÁTICA 6.1. CONSIDERAÇÕES PRELIMINARES
47 6. FUNÇÃO QUADRÁTICA 6.1. CONSIDERAÇÕES PRELIMINARES Na figura abaixo, seja a reta r e o ponto F de um determinado plano, tal que F não pertence a r. Consideremos as seguintes questões: Podemos obter,
Leia maisUNIVERSIDADE FEDERAL DE PERNAMBUCO
CÁLCULO L1 NOTAS DA PRIMEIRA AULA UNIVERSIDADE FEDERAL DE PERNAMBUCO Resumo. Nesta aula discutiremos como obter as equações das retas tangentes a uma curva planar que é o gráfico de uma função. 1. Introdução
Leia maisIFSP - EAD _nº 5 FUNÇÃO POLINOMIAL DE PRIMEIRO GRAU, OU FUNÇÃO DE PRIMEIRO GRAU :
IFSP - EAD _nº 5 FUNÇÕES CONSTANTE, DE PRIMEIRO E DE SEGUNDO GRAUS. DEFINIÇÕES : FUNÇÃO CONSTANTE : Uma função f: R R é chamada constante se puder ser escrita na forma y = f() = a, onde a é um número real
Leia maisPERFIL DOS AUTORES... XVII PREFÁCIO... XIX INTRODUÇÃO... XXI
Sumário PERFIL DOS AUTORES... XVII PREFÁCIO... XIX INTRODUÇÃO... XXI CAPÍTULO 1 O processo de pesquisa e os enfoques quantitativo e qualitativo rumo a um modelo integral... 2 Que enfoques foram apresentados
Leia maisINTERFERÊNCIA. S 1 r 1 P S 2 r 2 E 1
INSTITUTO DE FÍSICA DA UFBA DEPARTAMENTO DE FÍSICA DO ESTADO SÓLIDO DISCIPLINA : FÍSICA GERAL E EXPERIMENTAL IV-E (FIS 4) INTERFERÊNCIA Sejam duas fontes puntiformes de luz S e S e um ponto P situado a
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 maisAproximação da Distribuição Binomial pela Distribuição Normal
Aproximação da Distribuição Binomial pela Distribuição Normal Uma das utilidades da distribuição normal é que ela pode ser usada para fornecer aproximações para algumas distribuições de probabilidade discretas.
Leia maisANÁLISE DOS RESÍDUOS. Na análise de regressão linear, assumimos que os erros E 1, E 2,, E n satisfazem os seguintes pressupostos:
ANÁLISE DOS RESÍDUOS Na análise de regressão linear, assumimos que os erros E 1, E 2,, E n satisfazem os seguintes pressupostos: seguem uma distribuição normal; têm média zero; têm variância σ 2 constante
Leia maisMétodos quantitativos aplicados à pesquisa em. Prof. Fernando Lang da Silveira
Métodos quantitativos aplicados à pesquisa em ensino eminário Prof. Fernando Lang da ilveira www.if.ufrgs.br/mpef/lang/ Medindo o grau de relação entre dois conjuntos de escores O Coeficiente de Correlação
Leia maisPrincipais Conceitos em Estatística
1 Principais Conceitos em Estatística Ernesto F. L. Amaral 08 de outubro de 2009 www.ernestoamaral.com/met20092.html Fonte: Triola, Mario F. Introdução à estatística. 10 ª ed., Rio de Janeiro: LTC, 2008.
Leia maisUma livraria vende a seguinte a quantidade de livros de literatura durante uma certa semana:
Medidas de Tendência Central. Depois de se fazer a coleta e a representação dos dados de uma pesquisa, é comum analisarmos as tendências que essa pesquisa revela. Assim, se a pesquisa envolve muitos dados,
Leia maisTeste de hipótese de variância e Análise de Variância (ANOVA)
Teste de hipótese de variância e Análise de Variância (ANOVA) Prof. Marcos Vinicius Pó Métodos Quantitativos para Ciências Sociais Testes sobre variâncias Problema: queremos saber se há diferenças estatisticamente
Leia maisESTATÍSTICA E. Prof Paulo Renato A. Firmino. Aulas
ESTATÍSTICA E Prof Paulo Renato A. Firmino praf62@gmail.com Aulas 05-06 Descritiva Medidas de Posição Mediana: É o valor que se localiza no centro de uma amostra ordenada Se o número de observações (n)
Leia mais(versão preliminar) exceto possivelmente para x = a. Dizemos que o limite de f(x) quando x tende para x = a é um numero L, e escrevemos
LIMITE DE FUNÇÕES REAIS JOSÉ ANTÔNIO G. MIRANDA versão preinar). Revisão: Limite e Funções Continuas Definição Limite de Seqüências). Dizemos que uma seqüência de números reais n convergente para um número
Leia maisinteiros positivos). ˆ Uma matriz com m linhas e n colunas diz-se do tipo m n. Se m = n ( matriz quadrada), também se diz que a matriz é de ordem n.
Matrizes noções gerais e notações Definição Designa-se por matriz de números reais a um quadro do tipo a 11 a 12... a 1n a 21 a 22... a 2n...... a m1 a m2... a mn onde os elementos a ij (i = 1, 2,...,
Leia maisPlanejamento e Pesquisa 1. Dois Grupos
Planejamento e Pesquisa 1 Dois Grupos Conceitos básicos Comparando dois grupos Testes t para duas amostras independentes Testes t para amostras pareadas Suposições e Diagnóstico Comparação de mais que
Leia maisSISTEMA DECIMAL. No sistema decimal o símbolo 0 (zero) posicionado à direita implica em multiplicar a grandeza pela base, ou seja, por 10 (dez).
SISTEMA DECIMAL 1. Classificação dos números decimais O sistema decimal é um sistema de numeração de posição que utiliza a base dez. Os dez algarismos indo-arábicos - 0 1 2 3 4 5 6 7 8 9 - servem para
Leia mais1 Introdução aos Métodos Estatísticos para Geografia 1
1 Introdução aos Métodos Estatísticos para Geografia 1 1.1 Introdução 1 1.2 O método científico 2 1.3 Abordagens exploratória e confirmatória na geografia 4 1.4 Probabilidade e estatística 4 1.4.1 Probabilidade
Leia maisFigura 9.1: Corpo que pode ser simplificado pelo estado plano de tensões (a), estado de tensões no interior do corpo (b).
9 ESTADO PLANO DE TENSÕES E DEFORMAÇÕES As tensões e deformações em um ponto, no interior de um corpo no espaço tridimensional referenciado por um sistema cartesiano de coordenadas, consistem de três componentes
Leia maisUnidade III ESTATÍSTICA. Prof. Fernando Rodrigues
Unidade III ESTATÍSTICA Prof. Fernando Rodrigues Medidas de dispersão Estudamos na unidade anterior as medidas de tendência central, que fornecem importantes informações sobre uma sequência numérica. Entretanto,
Leia maisAGRUPAMENTO DE ESCOLAS DR. VIEIRA DE CARVALHO
AGRUPAMENTO DE ESCOLAS DR. VIEIRA DE CARVALHO DEPARTAMENTO DE MATEMÁTICA E CIÊNCIAS EXPERIMENTAIS MATEMÁTICA 7.º ANO PLANIFICAÇÃO GLOBAL Múltiplos e divisores. Critérios de divisibilidade. - Escrever múltiplos
Leia maisEstatística e Probabilidade. Aula 11 Cap 06
Aula 11 Cap 06 Intervalos de confiança para variância e desvio padrão Confiando no erro... Intervalos de Confiança para variância e desvio padrão Na produção industrial, é necessário controlar o tamanho
Leia maisAula 1 -Fundamentos e conceitos básicos (Notas de aula) Prof. Idemauro Antonio Rodrigues de Lara
Aula 1 -Fundamentos e conceitos básicos (Notas de aula) Prof. Idemauro Antonio Rodrigues de Lara Adquirir conhecimento dos fundamentos da Estatística, em seus campos Descritivo e Inferencial, como base
Leia maisTEM ALTERNATIVA CORRETA!!!! CERTAMENTE A BANCA EXAMINADORA DARÁ COMO RESPOSTA CERTA LETRA (E). SERIA A MENOS ERRADA POR ELIMINAÇÃO.
Prezados concursandos!!! Muita paz e saúde para todos!!! Passemos aos comentários da prova de Raciocínio Lógico Quantitativo propostas pela CESGRANRIO no último concurso para o IBGE, no dia 10/01/010.
Leia maisESTATÍSTICA BÁSICA. Freqüência Absoluta: Número de vezes que um elemento ocorre em uma amostra.
ESTATÍSTICA BÁSICA. Apresentação Estatística é a parte da Matemática que organiza e analisa dados coletados em uma amostra de um conjunto. Com base nos resultados, faz projeções para todo o conjunto com
Leia maisProbabilidade. Evento (E) é o acontecimento que deve ser analisado.
Probabilidade Definição: Probabilidade é uma razão(divisão) entre a quantidade de eventos e a quantidade de amostras. Amostra ou espaço amostral é o conjunto formado por todos os elementos que estão incluídos
Leia maisUNIVERSIDADE ESTADUAL DE CAMPINAS Instituto de Física Gleb Wataghin Grupo de Neurofísica. ANOVA e MANOVA
UNIVERSIDADE ESTADUAL DE CAMPINAS Instituto de Física Gleb Wataghin Grupo de Neurofísica e M ANalysis Of Variance Permite determinar se as médias de 2 ou mais populações são iguais População: o grupo (universo)
Leia maisMódulo IV Medidas de Variabilidade ESTATÍSTICA
Módulo IV Medidas de Variabilidade ESTATÍSTICA Objetivos do Módulo IV Compreender o significado das medidas de variabilidade em um conjunto de dados Encontrar a amplitude total de um conjunto de dados
Leia maisOPERAÇÕES - LEIS DE COMPOSIÇÃO INTERNA
Professora: Elisandra Figueiredo OPERAÇÕES - LEIS DE COMPOSIÇÃO INTERNA DEFINIÇÃO 1 Sendo E um conjunto não vazio, toda aplicação f : E E E recebe o nome de operação sobre E (ou em E) ou lei de composição
Leia mais