UMA ANÁLISE DE DADOS CATEGORIZADOS LONGITUDINAIS DE UM PROGRAMA DE ATIVIDADE FÍSICA NA QUALIDADE DE VIDA DE MULHERES COM OSTEOPOROSE
|
|
- Caio César Cerveira
- 6 Há anos
- Visualizações:
Transcrição
1 UMA ANÁLISE DE DADOS CATEGORIZADOS LONGITUDINAIS DE UM PROGRAMA DE ATIVIDADE FÍSICA NA QUALIDADE DE VIDA DE MULHERES COM OSTEOPOROSE Glbro Mndonça d OLIVEIRA Mara Ccla Mnds BARRETO RESUMO: O sudo d nformaçõs do msmo ndvíduo ao longo do mpo pod sr fo aravés d écncas d análs longudnal, ambém conhcda como análs d mddas rpdas. Ns rabalho é aprsnada uma rvsão d análs longudnal para dados cagorzados, basadas m Hand Crowdr (996) sua ulzação m um sudo sobr os fos d um programa d avdad físca na qualdad d vda d mulhrs com osoporos (Drusso, 2000). O programa, aplcado m 5 mulhrs, v su dsnvolvmno avalado m 5 nsans dsnos, aravés d su slo hábos d vda. Uma sraéga basada m modlos para dados longudnas dscros com marz d corrlação consan no mpo fo adoada para análs das rsposas ao nvnáro com o objvo d dnfcar conjunos d varávs xplanaóras qu aprsnam maor nfluênca sobr cada uma das varávs rsposas, prmndo dar ao psqusador subsídos para uma mlhor ornação a mulhrs com osoporos. PALAVRAS-CHAVE: Dados cagorzados, modlos lnars gnralzados, dados longudnas, quação d smação, quas-vrossmlhança, mddas rpdas. Inrodução Em algumas suaçõs, o conjuno d dados sob sudo possu, como varávs rsposas, a msma nformação qu fo colada ao longo do mpo. As écncas ulzadas na análs d as dados, chamados longudnas, qu aparcm m dvrsas áras do conhcmno êm por objvo sudar o padrão da mudança das rsposas médas ao longo do mpo a dpndênca nr as mddas rpdas. A maora dos méodos usa a dsrbução normal mulvarada como supor. O objvo ds rabalho é abordar modlos mas gras, ond não s spcfca a forma da dsrbução conjuna d mddas rpdas, mas s xplora a suposção d qu a dsrbução margnal da varávl rsposa prnc à famíla xponncal. As smavas dos parâmros do modlo são obdas aravés das quaçõs d smação qu usam uma sruura d marz d corrlação para cada conjuno d rsposas do msmo ndvíduo, ambém, dpndndo do caso, aprsnam rsulados mas fcns. As sruuras d corrlação mas ulzadas nvolvm as marzs dndad, auo-rgrssva, consan no mpo (xchangabl) sm sruura dfnda. Dparamno d Esaísca, Unvrsdad Fdral d São Carlos - UFSCar, CEP: , São Carlos, SP, Brasl. E-mal: oglbr@omn.com.br / cbarro@powr.ufscar.br Rv. Ma. Esa., São Paulo, v.2, n.2, p.43-54,
2 Como aplcação é aprsnado um sudo sobr os fos d um programa d avdad físca na qualdad d vda d mulhrs com osoporos (DRIUSSO, 2000), ond as varávs rsposas são cagorzadas. Dada as caracríscas spcas do conjuno d dados, fo adoada uma sraéga d análs para a scolha d conjunos d varávs xplanaóras qu aprsnam maor nfluênca sobr cada uma das varávs rsposas. A modologa d análs d dados longudnas para dados dscros aprsnada na Sção 2 é basada nos rabalhos d Lang Zgr (986), Zgr Lang (986) Hand Crowdr (996). Na Sção 3 são aprsnados a sraéga d análs adoada para os dados d Drusso (2000) os corrspondns rsulados. 2 Modologa 2. Modlos lnars gnralzados smação d máxma quasvrossmlhança Em sudos longudnas os n ndvíduos qu compõm a amosra são obsrvados m dvrsos nsans dsnos. Sjam y, =,..., n, os vors d rsposas ou obsrvaçõs d dmnsão p d cada ndvíduo, com valor sprado gual a = E( y ) marz d varâncacovarânca gual a Σ = cov( y ), ond p rprsna os dvrsos nsans da avalação. Assocado a cada ndvíduo xs um vor d varávs xplanaóras, x j, d dmnsão q para cada nsan d avalação, j =,...p. Adoando a abordagm d modlos lnars gnralzados a smação d quasvrossmlhança dvrsos rabalhos, nr ls os d Lang Zgr (986), Zgr Lang (986), Hand Crowdr (996), aprsnam modlos para dados dscros qu são spcfcados aravés d Σ, com função d lgação g j( j ) = xj β marz d varâncacovarânca Σ = φv ( ), ond β é um vor qx conndo os cofcns d rgrssão, V(.) é uma função da marz d varânca covarânca φ é um faor scalar conhcdo ou não qu conrola a dsprsão. Para smar β ulza-s a função quas-scor, q( y; β ) = V( ) ( y ), ond é p q com o (j,k)-ésmo lmno dado por j β k. O smador d máxma quas-vrossmlhança (EMQV) é dado plo vor βˆ qu sasfaz q ( y; β ) = 0. El é conssn assnocamn normal com vor méda β marz d varânca-covarânca, V = φ{ V( ˆ } ˆ ) β, ond φ pod sr smado por φ = ( y ˆ ) V( ˆ ) ( y ˆ ) /( p+ q ), ond p + = p pn ˆ é o vor d valors prdos plo modlo ajusado. Dpndndo da suação, é ncssáro ncorporar parâmros adconas a Σ dvdo a nflxbldad na sruura d corrlação. Assm, m-s o vor d parâmros ( β ) a marz d varânca-covarânca Σ ( θ ), com θ = ( β, τ ), sndo τ um vor d parâmros 44 Rv. Ma. Esa., São Paulo, v.2, n.2, p.43-54, 2003
3 adconas na sruura d covarânca. Nss caso, a função quas-scor orna-s qβ ( y; θ ) = Σ ( y ), sndo qβ ( y; θ ) a função d smação do vor adconal. Uma alrnava para drmnar a quação d smação para τ é usar a função quasscor basada nos produos cruzados dos componns y j. Sja u um vor conndo p( p ) / 2 produos dsnos y y v E( u ) j k =. Enão a função d quas-scor para τ é dada por qτ ( y; β, τ ) = vw ( u v ), ond v = v τ W é a marz d varâncacovarânca para u. O EMQV é dado plo vor τˆ qu sasfaz q τ ( y; β, τ ) = 0. Sob condçõs d rgulardad o smador ( ˆ β,ˆ τ ) é conssn assnocamn normal com méda ( β, τ ) marz d varânca-covarânca D CD, ond sndo C ββ = Σ qβ (Y, θ ) C C = var = qτ (Y, θ ) C ββ q β (Y, θ ) D D = E = θ qτ (Y, θ ) D τβ ββ τβ Cβτ, Cττ D D βτ ττ C = Cτβ cov{ qβ ( y, θ )} D ββ = Σ βτ = Cττ = var{ qτ (Y, θ )} D = 0 Dτβ = E{ qr(y, θ ) Dττ = E{ qr (Y, θ ) β τ No lugar d Σ, usa-s φ SRS, ond βτ R é a marz d corrlação d y, marz dagonal conndo os dsvos padrõs d yj scalonada por d parâmros dsconhcdos, rabalha-s com a marz prcsamn corra. 2.2 Esruuras d marz d corrlação S é a 2 φ. Como R dpnd R qu não assum sar Consdr R a marz d corrlação usada na quação d smação, qu é complamn spcfcada por um vor d parâmros θ = ( β, τ ). A marz d varâncacovarânca d y é, não, modlada como Σ = φs R S. Quando a marz d corrlação não é conhcda, ulza-s m sua smação um procsso d ajus ravo qu usa os valors do vor d parâmros θ = ( β, τ ) para calcular funçõs apropradas dos rsíduos d Parson j. As sruuras d corrlação mas ulzadas são: Rv. Ma. Esa., São Paulo, v.2, n.2, p.43-54,
4 Marz Idndad ( R = I ): qu assum ndpndênca nr os mpos. A quação d smação gnralzada fca não rduzda à quação d smação d ndpndênca. Marz consan no mpo: qu possu a msma corrlação nr odos os dfrns mpos d avalação. A corrlação nr os mpos é dada por Corr( y, y ) = α, sndo α smado por: K ˆ α = Kφ p ( p ) = j k Marz sm sruura dfnda: qu possu dfrns corrlaçõs nr odos os mpos d avalação. A corrlação nr os mpos é dada por Corr( yj, yk ) = α jk, sndo α jk smado por: ˆ α jk = K Kφ = Marz auo-rgrssva AR(): qu assum uma rlação nr as corrlaçõs rfrns aos mpos anror posror. A corrlação nr os mpos é dada por Corr ( y, y = α sndo α smado por: para = 0,, 2,..., p -j. ˆ α = K j k j Kφ = p j p j k ( j+ ), j k j ( j+ ) ), O parâmro d dsprsão φ prsn nas fórmulas acma é smado por : φˆ = K p K = p j= 2.3 Modlos d rgrssão para dados bnáros Na suação m qu o vor d obsrvaçõs, y, é composo por varávs bnáras, assum-s qu cada componn m dsrbução bnomal com π = Pr( y = ) = h ( x ; β ), ond h j é a função d lgação nvrsa, x j é o vor d covarávs β é um vor qx d cofcns d rgrssão. Uma forma da função j Na smação d β ulza-s o méodo d EMQV ond S uma marz dagonal com lmnos { } / 2 S 2 j j h é a logo lnar, log { π /( π )} = x β j π j /( π j ) =. j j j j j. = π Σ = φs R S j, sndo 46 Rv. Ma. Esa., São Paulo, v.2, n.2, p.43-54, 2003
5 2.4 Modlos d rgrssão para dados cagorzados Sja π c a probabldad do -ésmo ndvíduo sar na cagora c, ou sja, π c = Pr( y = c ). O logarmo da função da vrossmlhança é dado por Q( y; θ ) = log π y. Quando as cagoras são nomnas um po d modlo padrão é dado por π = f ( x ; β ), ond f é uma função posva. Uma prmra scolha d f é xp( x ), m c al caso log{ / π } = x ( β β ) π. c ' c c c Para cagoras m scala ordnal, o modlo usual é dado por π = F( α + x β ) c F( α + jc c j c x β j c ), ond < α < < < 0... α c F é a função d dsrbução dfnda no nrvalo ( ; ). Em rmos da probabldad acumulada, scrv-s: λ jc = Pr( yj c ), λ jc = π j π jc ) = F( α c + xj β c ). No qu o modlo é prsrvado sob as cagoras adjacns. méda Os componns y j d y podm sr convrdos m um vor bnáro Rv. Ma. Esa., São Paulo, v.2, n.2, p.43-54, n = β c * y j qu m * j com o c-ésmo componn gual a π jc marz d varânca-covarânca Com sss lmnos ( y, análoga à Subsção 2.3. * j * j * Σ j 2.5 Infrênca qualdad d ajus. * Σ j. ) pod-s consrur a função quas-scor, d manra A nfrênca sobr a qualdad do ajus d um modlo pod sr basada na saísca quas-dsvo (quas-dvanc), qu corrspond a função dsvo (dvanc) no caso spcífco da varávl d nrss r dsrbução bnomal ou Posson. A função dsvo corrspond a duas vzs a dfrnça dos logarmos das funçõs d vrossmlhança calculadas sob o modlo saurado (a cada ndvíduo sá assocado um parâmro) sob o modlo m sudo. Como um créro d bom ajus do modlo, calcula-s o valor p, ou sja, a probabldad d uma varávl com dsrbução qu-quadrado com graus d lbrdad gual ao númro d ndvíduos vzs o númro d nsans mnos o númro d parâmros no modlo m qusão sr maor ou gual ao dsvo. Quano maor o valor p mas bm ajusado sá o modlo. A saísca G 2, cada por xmplo m Agrs (996), usada m análs d dados cagorzados, concd com o dsvo. Oura mdda da qualdad d ajus é a saísca d Parson gnralzada. Também é possívl s fazr análs d rsíduos para vrfcar a qualdad d ajus d um modlo. Para os ss d hpóss ulza-s, por xmplo, a saísca d Wald. 3 O conjuno d dados uma sraéga d análs Em Drusso (2000) sá rlaado um sudo sobr a qualdad d vda d mulhrs com osoporos qu conou com a parcpação d 5 volunáras. O sudo conssu da aplcação d um programa d avdad físca duran ss mss, m uma psa cujo crcuo sá nsrdo m um bosqu da Unvrsdad Fdral d São Carlos. No níco do programa odos ndvíduos foram submdos a uma avalação físca. A cada um mês mo, cada um
6 dls passou por uma ravalação, oalzando cnco avalaçõs ao fnal dos ss mss. A avalação físca conssu d uma nrvsa m qu s vrfca o slo hábos d vda. Enr ouros ns, fo prgunado às mulhrs s las omavam hormônos, cálco, vamna D, l, s savam na pós-mnopausa, s fumavam, s bbam s ram sdnáras. Além do mas, m cada avalação, fazam-s as sguns prgunas: Qual sra a mlhor dscrção d como você sn a sua vda como um odo? ; Em gral, você dra qu sua saúd é? ; Comparado a um ano arás, qu noa você dara para sua saúd hoj? ; Consdrando odos os modos qu a osoporos pod angr você, como você s sn m comparação com ouras pssoas da msma dad?. Tndo por objvo dnfcar o conjuno d varávs xplanaóras qu mlhor xplcam cada uma das varávs rsposas ao longo do mpo, ajusou-s modlos d rgrssão logísca consdrando a naurza longudnal das 5 avalaçõs. Para procdr à aplcação da modologa d análs longudnal para dados dscros, consdrou-s como varávs xplanaóras as q = 8 varávs bnáras (sm: não:0) qu corrspondm a: X, s oma hormôno; X 2, s oma cálco; X 3, s oma vamna D; X 4, s oma l; X 5, s sá na mnopausa; X 6, s fuma; X 7, s bb X 8, s é sdnára. Como varávs rsposas foram consdradas as rsposas a qusõs rlaconadas com prcpção pssoal d bm sar, avaladas nos cnco nsans dsnos do programa qu, sob a ornação da psqusadora, vram suas cagoras rcodfcadas m varávs bnáras para a ulzação d um modlo logísco longudnal, assumndo a sgun convnção: Y : Qual sra a mlhor dscrção d como você sn a vda como um odo? Valor quando das cagoras prfa, agradávl ou muo sasfa, valor 0, quando msa gualmn sasfaóra nsasfaóra, nflz ou rrívl. Y 2 : Em gral, você dra qu sua saúd é? Valor quando das cagoras xcln, muo boa, ou boa, valor 0, quando rgular ou péssma. Y 3 : Comparado a um ano arás, qu noa você dara para a sua saúd hoj? Valor quando das cagoras muo mlhor qu um ano arás, um pouco mlhor qu um ano arás, valor 0 quando, mas ou mnos na msma qu um ano arás, um pouco por qu um ano arás ou muo por qu um ano arás. Y 4 : Consdrando odos os modos qu a osoporos pod angr você, como você s sn m comparação com ouras pssoas da msma dad? Valor quando das cagoras muo bm ou bm, valor 0 quando, médo, mal ou muo mal. Como xsm poucos ndvíduos sob sudo para s consdrar odos os modlos possívs com oo varávs xplanaóras as dfrns sruuras d marz d corrlação no mpo, dfnu-s, como sraéga d análs, fazr ajuss d modlos com qualqur combnação d quaro varávs xplanaóras sruura d marz d corrlação consan. Essa sraéga prm qu as oo varávs xplanaóras parcpm ou não da xplcação d cada uma das varávs rsposas qu s nha graus d lbrdad sufcns para vrfcar a qualdad do ajus para a análs d rsíduos. 3. Análs dos rsulados Os ajuss dos modlos d rgrssão logísca longudnal com sruura d corrlação consan no mpo fo fo aravés do procdmno GENMOD do SAS (SAS, 997), 48 Rv. Ma. Esa., São Paulo, v.2, n.2, p.43-54, 2003
7 aproprado para a análs d város pos d modlos lnars gnralzados. No Quadro são as lnhas d programação usadas no ajus do modlo qu consdra a varávl rsposa Y as varávs xplanaóras X 4, X 5 X 6. A parr dl é possívl laborar os dmas usados nos dvrsos ajuss. Quadro - Lnhas d programação usadas no procdmno GENMOD. V : uso d hormôno V2 : Cálco V3 : Vamna D V4 : L V5 : Mnopausa V6 : Fuma V7 : Bb V8 : Sdnára R : rsposa da prmra prguna R2 : rsposa da rcra prguna R3 : rsposa da quara prguna R4 : rsposa da quna prguna FM : Força muscular( - v bom dsmpnho, 0- v mal dsmpnho) ########################################################################## Modlo para prmra prguna: Qual sra a mlhor dscrção d como você sn a sua vda como um odo? daa dados; npu ndv X X2 X3 X4 X5 X6 X7 do = o 5; npu FC FAT FM oupu; nd; cards;.. ; proc gnmod daa=dados; class ndv; modl Y = X4 X5 X6 / ds=bn lnk=log prdcd rsduals; rpad subjc=ndv / yp=xch covb corrw; run; Na Tabla são os mlhors modlos ajusados para cada uma das varávs rsposas, os prncpas lmnos usados para vrfcar a qualdad do ajus, o valor da corrlação nr os mpos sua classfcação. Tabla - Rsumo dos mlhors modlos para cada varávl rsposa Varávl rsposa Mlhor modlo Dsvo Graus d lbrdad Valor d p Valor d ρ Classfcação da corrlação Y X 4, X 5 X 6 63,90 7 0,72 0,37 Modrada Y 2 X 2 50,8 73 0,977 0,6 Fraca Y 3 X 2 92,2 73 0,064 0,30 Modrada Y 4 X 8 82, ,202 0,46 Modrada Rv. Ma. Esa., São Paulo, v.2, n.2, p.43-54,
8 Examnando-s a Tabla, prcb-s qu para varávl rsposa Y o mlhor modlo ajusado coném as varávs xplanaóras X 4, X 5 X 6, com dsvo gual a 63,90 graus d lbrdad, 7, produzndo um valor p gual a 0,7. A marz d corrlação consan ulzada na quação d smação possu uma corrlação smada gual a 0,37 nr os mpos d avalação, ou sja, uma corrlação modrada nr os mpos. O modlo conndo ssas 3 varávs xplanaóras obv uma xcln qualdad do ajus, pos a razão nr o dsvo os graus d lbrdad é próxmo a. Os rsíduos padronzados (não ncluídos na Tabla ) são nr 2 2, ndcando qu as suposçõs do modlo foram sasfas. O mlhor modlo ajusado para a varávl Y 2 coném apnas a varávl xplanaóra X 2 aprsnou um dsvo da ordm d 50,8 com 73 graus d lbrdad, rvlando um valor p gual a 0,977. A corrlação smada é da ordm d 0,6, ou sja, xs uma corrlação fraca nr os mpos d avalação. No ajus ds modlo os rsíduos padronzados são nr 2 2 ndcando qu as suposçõs do modlo foram sasfas. A qualdad do ajus do mlhor modlo para a varávl rsposa Y 3 aprsnou um dsvo da ordm d 92,2 com 73 graus d lbrdad consdrando a varávl xplanaóra X 2. A corrlação smada é gual a 0,30, ndcando qu xs uma corrlação modrada nr os mpos d avalação. A análs dos modlos qu consdram a varávl rsposa Y 4 ndcou qu o mlhor modlo ajusado coném apnas a varávl xplanaóra X 8, dsvo da ordm d 82,70 com 73 graus d lbrdad. A smava do parâmro da marz d corrlação consan no mpo fo 0,46 rvlando uma corrlação modrada nr os mpos d avalação. O rsíduos padronzados são nr 2 2 ndcando qu as suposçõs do modlo foram sasfas. 3.2 Análs dscrva das varávs rsposas ao longo das avalaçõs O comporamno do valor ajusado plos modlos slconados d cada varávl rsposa ao longo das avalaçõs são nas Fguras a 4. Vrfca-s aravés da Fgura qu a porcnagm d rsposas classfcadas como (classfcam sua vda como prfa, agradávl ou muo sasfa) é sávl nas duas prmras avalaçõs, sndo d aproxmadamn 0,66. Na avalação 3 ocorr um aumno sgnfcavo da porcnagm qu fca sávl no valor 0,73 no rsan das avalaçõs. Com ss rsulado pod-s dzr qu ocorru uma mlhora na vda das mulhrs como um odo no dcorrr da aplcação do programa. Obsrva-s aravés da Fgura 2 qu a porcnagm d rsposas classfcadas como (classfcam sua saúd como xcln, muo boa ou boa) m um crscmno conínuo aé a rcra avalação, sndo qu após, a porcnagm orna-s sávl no valor 0,93. Com ss rsulado pod-s dzr qu houv uma mlhora na saúd das mulhrs no dcorrr da aplcação do programa. A Fgura 3 ndca qu ocorru um aumno na porcnagm d rsposas classfcadas como (classfcam sua saúd hoj como muo mlhor qu um ano arás ou um pouco mlhor qu um ano arás) ao longo da avalação. Noa-s na fgura qu xs uma assocação muo for nr a proporção d s o númro da avalação. Com sss rsulados êm-s qu ao longo das avalaçõs ocorr uma mlhora na saúd das mulhrs s comparado a um ano arás. 50 Rv. Ma. Esa., São Paulo, v.2, n.2, p.43-54, 2003
9 proporcão avalacão FIGURA - Porcnagm d ndvíduos qu dscrvm sua vda como prfa, agradávl ou muo sasfa (Y =) no dcorrr das cnco avalaçõs. 0.9 proporcão avalacão FIGURA 2 - Porcnagm d ndvíduos qu dscrvm sua saúd como xcln, muo boa ou boa (Y 2 =) no dcorrr das cnco avalaçõs. Vrfca-s aravés da Fgura 4 qu a porcnagm d rsposas classfcadas como (classfcam-s como s sn, comparado a pssoas d msma dad como muo bm ou bm) aumna sgnfcavamn aé a quara avalação, sndo qu na quna avalação já não há mas ganho o valor da proporção é d 0,66. Porano conclu-s qu ocorr um aumno na confança d mulhrs com osoporos no dcorrr do programa. Rv. Ma. Esa., São Paulo, v.2, n.2, p.43-54,
10 proporcão avalacão FIGURA 3 - Porcnagm d ndvíduos qu comparado a um ano arás dscrvm sua saúd hoj como muo mlhor qu um ano arás ou um pouco mlhor qu um ano arás (Y 3 =) no dcorrr das cnco avalaçõs proporcão avalacão FIGURA 4 - Porcnagm d ndvíduos qu comparado a ouras pssoas d msma dad dscrvm como s sn muo bm ou bm (Y 4 =) no dcorrr das cnco avalaçõs. 3.3 Inrpração dos Rsulados. As análss nas subsçõs anrors rvlam qu o comporamno da varávl rsposa Y (Qual sra a mlhor dscrção d como você sn sua vda como um odo) é xplcado somn plas varávs X 4 (s oma l), X 5 (s sá na mnopausa) X 6 (s fuma). Assm o 52 Rv. Ma. Esa., São Paulo, v.2, n.2, p.43-54, 2003
11 fao da mulhr omar l, sar na mnopausa fumar nfluncam na dcsão d como snm a vda como um odo. A corrlação d 0,37 nr os mpos d avalação ndca qu ao longo do mpo ocorr uma mlhora na dscrção d como as mulhrs snm a sua vda como um odo. Para a varávl rsposa Y 2 (Em gral, você dra qu sua saúd é) somn a varávl X 2 (s oma cálco) m nfluênca no su comporamno. A corrlação d 0,6 nr os mpos d avalação ndca qu ocorr uma fraca mlhora no snmno das mulhrs com rlação a sua saúd. Na análs da varávl rsposa Y 3 (Comparado a um ano arás, qu noa você dara para a sua saúd hoj) somn a varávl X 2 (s oma cálco) pod xplcar o su comporamno. A corrlação d 0,30 nr os mpos d avalação ndca qu aumna ao longo do mpo a noa qu as mulhrs daram para sua saúd hoj s comparada há um ano arás. A análs da varávl rsposa Y 4 (Consdrando odos os modos qu a osoporos pod angr você, como você s sn m comparação com ouras pssoas da msma dad) ndca qu só a varávl X 8 (s é sdnára) pod xplcar o comporamno da varávl rsposa. A corrlação d 0,46 nr os mpos d avalação apona qu ao longo do mpo as mulhrs com osoporos snm-s bm s comparadas com ouras pssoas d msma dad qu m ou não osoporos. Conclusão A modologa d análs d dados longudnas para dados dscros supõ para a varávl rsposa uma dsrbução dfrn da normal adoa um modlo lnar gnralzado para a dsrbução margnal d y, sm a spcfcação da forma da dsrbução conjuna para as mddas rpdas. O modlo é ajusado a parr da quação d smação gnralzada sob a d sruuras d corrlação nr os mpos. Para lusrar ssa modologa, analsou-s os dados d um sudo sobr os fos d um programa d avdad físca na qualdad d vda d 5 mulhrs com osoporos. Dado o pquno númro d ndvíduos qu parcparam da psqusa, para cada uma das varávs rsposas obv-s o mlhor modlo qu lva m cona quaro das 8 varávs xplanaóras sruura d corrlação consan no mpo. Com os mlhors modlos ajusados fo possívl dar ao psqusador mas lmnos para mlhor ornar mulhrs com osoporos. Agradcmnos. Ao PIBIC/CNPq da UFSCar pla Bolsa concdda no príodo d agoso d 2000 a julho d 200. OLIVEIRA, G. M, BARRETO, M.C.M. A longudnal cagorcal daa analyss for a physcal acvy program on h qualy of lf of womn wh osopoross, Rv. Ma. Esa., São Paulo, v.2, n.2, p.43-54, ABSTRACT: Masurs a h sam ndvdual along h m may b analyzd usng longudnal chnqus, also known by analyss of rpad masurs. Ths papr prsns a rvw of longudnal analyss for cagorcal daa, basd on Hand Crowdr (996) and a daa analyss of a physcal acvy program on h qualy of lf of womn wh osopoross (DRIUSSO, 2000).A sragy for analyzng h nformaon of h 5 womn s proposd, (4 rspons varabls a 5 j Rv. Ma. Esa., São Paulo, v.2, n.2, p.43-54,
12 dsnc occasons and 8 xploraory varabl) usng longudnal dscr modls wh xchangabl corrlaon marx. Wh h rsuls was possbl o hav h bs s of xploraory varabls for ach rspons varabl. KEYWORDS: Cagorcal daa; gnralzd lnar modls; longudnal daa; smang quaons; quas-lklhood; rpad masurs. Rfrêncas AGRESTI, A. An nroducon o cagorcal daa analyss.nw York:John Wly, p. DRIUSSO, P. Efos d um programa d avdad físca na qualdad d vda d mulhrs com osoporos f. Dssração (Msrado m Fsorapa) Unvrsdad Fdral d São Carlos, São Carlos. HAND, D.; CROWDER, M. Praccal longudnal daa analyss. Nw York: Chapman & Hall, p LIANG, K.,Y.; ZEGER, S. Longudnal daa analyss usng gnralzd lnar modls. Bomrka, v.73, p.3-22, 986. SAS Insu Inc., SAS/STAT Sofwar changs and nhancmns hrough rlas 6.2, Cary, NC. SAS Insu Inc., 997, 67p. ZEGER, S.; LIANG, K.-Y. Longudnal analyss for dscr and connuous oucoms. Bomrcs, v. 42, p.2-30, 986. Rcbdo m Aprovado após rvsão m Rv. Ma. Esa., São Paulo, v.2, n.2, p.43-54, 2003
MODELOS DE REGRESSÃO PARA DADOS DE CONTAGEM. O modelo log-linear de Poisson
MODELOS DE REGRESSÃO PARA DADOS DE CONTAGEM O modlo log-lnar d Posson Intrss m modlar a dstrbução d uma varávl rfrnt a algum tpo d contagm m função d covarávs. A stratéga mas comum para modlagm nssas stuaçõs
Leia maisANÁLISE DE SOBREVIVÊNCIA - COX. Airlane P. Alencar IME-USP Alessandra C. Gourlart FM-USP
ANÁLISE DE SOBREVIVÊNCIA - COX Arlan P. Alncar IME-USP Alssandra C. Gourlar FM-USP Arlan P. Alncar Alssandra C. Goular - USP Modlo d Cox Modlo d rscos proporconas O rsco no mpo com varávl xplcava X é X
Leia maisAULA 9 CONDUÇÃO DE CALOR EM REGIME TRANSITÓRIO SÓLIDO SEMI-INFINITO
Noas d aula d PME 336 Procssos d ransfrênca d Calor 66 AULA 9 CONDUÇÃO DE CALOR EM REGIME RANSIÓRIO SÓLIDO SEMI-INFINIO Fluo d Calor num Sóldo Sm-Infno Na aula anror fo sudado o caso da condução d calor
Leia maisMODELOS DE REGRESSÃO PARA DADOS BINÁRIOS
MODELOS DE REGRESSÃO PARA DADOS BINÁRIOS Introdução Intrss m modlar algum fnômno alatóro com dos dsfchos possívs ( sucsso ou fracasso ) m função d uma ou mas covarávs. Assoca-s ao rsultado do fnômno uma
Leia mais3. VARIÁVEIS ALEATÓRIAS
3. VARIÁVEIS ALEATÓRIAS 0 Varávl alatóra Ω é o spaço amostral d um prmnto alatóro. Uma varávl alatóra,, é uma função qu atrbu um númro ral a cada rsultado m Ω. Emplo. Rtra-s, ao acaso, um tm produzdo d
Leia mais30/09/2015. Distribuições. Distribuições Discretas. p + q = 1. E[X] = np, Var[X] = npq DISTRIBUIÇÃO BINOMIAL. Contínuas. Discretas
Dstrbuçõs Dscrtas Dstrbuçõs 30/09/05 Contínuas DISTRIBUIÇÃO DE PROBABILIDADE Dscrtas DISTRIBUIÇÃO BIOMIAL Bnomal Posson Consdramos n tntatvas ndpndnts, d um msmo prmnto alatóro. Cada tntatva admt dos rsultados:
Leia mais7 Solução de um sistema linear
Toria d Conrol (sinops 7 Solução d um sisma linar J. A. M. Flipp d Souza Solução d um sisma linar Dfinição 1 G(,τ mariz cujos lmnos g ij (,τ são as rsposas na i ésima saída ao impulso aplicado na j ésima
Leia maisCARGA E DESCARGA DE CAPACITORES
ARGA E DESARGA DE APAITORES O assuno dscudo ns argo, a carga a dscarga d capacors, aparcu dos anos conscuvos m vsbulars do Insuo Mlar d Engnhara ( 3). Ns sudo, srão mosradas as dduçõs das uaçõs d carga
Leia mais4 A Teoria de Filtragem
4 A ora d Flragm Ns capíulo srá abordado o conhcmno ncssáro para a mplmnação do lro ulzado ns rabalho, conorm [27]. O lro d Kalman é ormulado mamacamn m rmos d varávs d sado sua solução é compuada rcursvamn,
Leia maisAnálise de regressão
Análs d rgrssão Slvana Lags Rbro Garca FDV Hlo Garca Lt UFV Um dos usos da análs d rgrssão é vrfcar s, como, uma ou mas varávs ndpndnts nfluncam o comportamnto d outra varávl dpndnt Y. As varávs ndpndnts
Leia mais7. Aplicação do Principio do Máximo
7. Aplicação do Principio do Máximo Ns capiulo vamos implmnar um algorimo qu uiliz a oria do Principio do Máximo para drminar o conjuno dos sados aingívis. Com o rsulados obidos vamos nar fazr um parallo
Leia maisModelos Econométricos para Dados em Painel: Aspectos Teóricos e Exemplos de Aplicação à Pesquisa em Contabilidade e Finanças
Modlos Economércos para Dados m Panl: Aspcos Tórcos Emplos d Aplcação à Psqusa m Conabldad Fnanças Auors: PATRICIA CRISTINA DUARTE (UNIVERSIDADE FEDERAL DE MINAS GERAIS) WAGNER MOURA LAMOUNIER (PROGRAMA
Leia mais( 1). β β. 4.2 Funções Densidades Con2nuas
4 Funçõs Dnsidads Connuas Dnsidad Eponncial A dnsidad ponncial é u:lizada comumn para sablcr sruuras d probabilidads m primnos cujos nos são siuados na ra ral [, ] Uma aplicação gral comum corrspond à
Leia maisModelos lineares generalizados mistos na avaliação genética da prenhez precoce na raça Nelore
Arq. Bras. Md. V. Zooc., v.64, n.3, p.675-68, 01 Modlos lnars gnralzados msos na avalação gnéca da prnhz prcoc na raça Nlor [Gnralzd lnar mxd modls on gnc valuaon of arly prgnancy n Nllor brd] D.A. Garca
Leia maisProblemas de Valor Inicial para Equações Diferenciais Ordinárias
EQE-358 MÉTODOS NUMÉRICOS EM ENGENHARIA QUÍMICA PROFS. EVARISTO E ARGIMIRO Capíulo 7 Problmas d Valor Incal para Equaçõs Dfrncas Ordnáras Muos problmas m modlagm d procssos químcos são formulados m rmos
Leia mais3. Medidas de desempenho são combinadas sobre todas as. 2. Medidas de desempenho preditas são obtidas usando modelos de regressão para as respostas:
Função d rfrêna oal C m Funçõs objo alrnaas ara omzação d xrmnos om múllas rsosas Fláo Foglao Projo d Exrmnos II Abordagns ara omzação mulrsosa Omzação Mulrsosa Prodmno adrão. Rsosas modladas omo função
Leia maisr R a) Aplicando a lei das malhas ao circuito, temos: ( 1 ) b) A tensão útil na bateria é: = 5. ( 2 ) c) A potência fornecida pela fonte é: .
Aula xploraóra 07. Qusão 0: Um rssor d Ω é lgado aos rmnas d uma bara com fm d 6V rssênca nrna d Ω. Drmn: (a) a corrn; (b) a nsão úl da bara (so é, V V ); a b (c) a poênca forncda pla fon da fm ; (d) a
Leia maisEfeito da pressão decrescente da atmosfera com o aumento da altitude
Efio da prssão dcrscn da amosfra com o aumno da aliud S lançarmos um projéil com uma vlocidad inicial suficinmn ala l aingirá aliuds ond o ar é mais rarfio do qu próximo à suprfíci da Trra Logo a rsisência
Leia maisy z CC2: na saída do reator: z = 1: 0. Pe dz Os valores característicos do problema são as raízes de: Da Pe 0 Pe Pe
COQ-86 Méodos Nuércos para Ssas Dsrbuídos Explos Ilusravos d EDO co Problas d Valors o Cooro -) Modlo sacoáro do raor co dsprsão soérco Coo o obvo ds sudo d caso é lusrar o ovo procdo avalar o su dspo
Leia maisCapítulo 6 Decaimento Radioativo
Física das Radiaçõs Dosimria Capíulo 6 Dcaimno Radioaivo Dra. Luciana Tourinho Campos Programa acional d Formação m Radiorapia Inrodução Inrodução Consan d dcaimno Vida-média mia-vida Rlaçõs nr núclo pai
Leia maisTeoria de Controle (sinopse) 4 Função de matriz. J. A. M. Felippe de Souza
Toria d Conrol (sinops) 4 Função d mariz J. A. M. Flipp d Souza Função d mariz Primiramn vamos dfinir polinómio d mariz. Dfinição: Polinómio d mariz (quadrada) Sja p(λ)um polinómio m λd grau n (finio),
Leia maisEstatística Multivariada Normal Multivariada Função densidade conjunta e contorno de probabilidade
Estatístca ultvarada Normal ultvarada Função dnsdad conjunta contorno d robabldad Prof. José Francsco orra Pssanha rofssorjfm@hotmal.com Dstrbução normal unvarada Sja uma varávl alatóra normalmnt dstrbuída
Leia maisANO LECTIVO 2001/2002
ANO LECTIVO 00/00 ª Fas, ª Chamada 00 Doss rapêuicas iguais d um cro anibióico são adminisradas, pla primira vz, a duas pssoa: a Ana o Carlos Admia qu, duran as doz primiras horas após a omada simulâna
Leia maisPROFUNDIDADE PELICULAR, REFLEXÃO DE ONDAS, ONDAS ESTACIONÁRIAS
5 PROFUNDIDAD PLICULAR, RFLXÃO D ONDAS, ONDAS STACIONÁRIAS 5. Pofunddad Plcula Mos dsspavos apsnam conduvdad à mdda qu uma onda lomagnéca nl s popaga, sua amplud sof uma anuação, mulplcada plo mo z (quando
Leia maisModelos de Fatores Latentes Generalizados para Curvas de Juros em Múltiplos Mercados
Modlos d Faors Lans Gnralzados para Curvas d Juros m Múlplos Mrcados Márco Pol Laurn Inspr Insuo d Ensno Psqusa IMECC Uncamp Luz Kood Hoa IMECC Uncamp Rsumo Ns argo propomos modlos d faors lans para ralzar
Leia maisESTIMATIVA DA CONFIABILIDADE DOS SENSORES ÓPTICOS DE PRESSÃO E TEMPERATURA NAS CONDIÇÕES DE USO A PARTIR DE TESTES ACELERADOS DE VIDA.
UNIVERSIDADE FEDERAL DE PERNAMBUCO PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE PRODUÇÃO ESTIMATIVA DA CONFIABILIDADE DOS SENSORES ÓPTICOS DE PRESSÃO E TEMPERATURA NAS CONDIÇÕES DE USO A PARTIR DE TESTES
Leia maisAnálise de dados industriais
Análs d dados ndustras Escola Poltécnca Dpartamnto d Engnhara Químca Robrto Guardan 014 ANÁLISE DE COMPONENES PRINCIPAIS 3.1. Introdução Componnts prncpas são combnaçõs lnars das varávs orgnas d procsso,
Leia maisPág , isto é, é o número Pretende-se mostrar que x [ ] f ( x) Seja h a restrição da função f ao intervalo ],0].
Fca d tst global Dado um spaço d rsultados E, fnto, s os acontcmntos lmntars form quprovávs, a probabldad d um acontcmnto A ( E quocnt nr o númro d casos favorávs ao Pág P, é gual ao acontcmnto A o númro
Leia maisANALISE DE CIRCUITOS DE 1 a E 2 a. J.R. Kaschny ORDENS
ANAISE DE IRUITOS DE a E a J.R. Kaschny ORDENS Inrodução As caracrísicas nsão-corrn do capacior do induor inroduzm as quaçõs difrnciais na anális dos circuios léricos. As is d Kirchhoff as caracrísicas
Leia maisAprendizagem Estatística de Dados. Francisco Carvalho
Aprendzagem Esaísca de Dados Francsco Carvalho A função de Densdade Normal Valor Esperado Caso conínuo [ f ] Caso dscreo f p d [ f ] f p D A função de Densdade Normal Caso Unvarado função de densdade p
Leia maisMACROECONOMIA III PROFESSOR JOSÉ LUIS OREIRO PRIMEIRA LISTA DE EXERCÍCIOS
MACROECONOMIA III PROFESSOR JOSÉ LUIS OREIRO PRIMEIRA LISTA DE EXERCÍCIOS 1 Qusão: Considr o modlo d crscimno d Solow com a sguin função d 1 3 2 produção, Y K AL3. Os mrcados d faors são prfiamn compiivos
Leia maisOndas - 2EE 2003 / 04
Ondas - 3 / 4 1 Inodução 1.1 Conco d onda móvl Uma função f dscv o pfl d vaação d uma onda móvl vlocdad v no spaço no mpo. Paa qu o pfl d vaação f caac uma onda móvl dv sasfa a quação d onda sgun: f 1
Leia maisNotas de aulas de Mecânica dos Solos I (parte 5)
1 Noas d aulas d Mcânica dos olos I (par 5) Hlio Marcos Frnands iana Tma: Índics físicos do solo Conúdo da par 5 1 Inrodução 2 Ddução dos índics físicos do solo 3 Limis d variação dos índics físicos d
Leia maisFunções reais de n variáveis reais
Apoio às aulas MAT II 8--6 INSTITUTO SUPERIOR DE CONTABILIDADE E ADMINISTRAÇÃO DE LISBOA LICENCIATURA EM GESTÃO MATEMÁTICA II APOIO ÀS AULAS DE FUNÇÕES REAIS DE MAIS DE UMA VARIÁVEL REAL 5/6 Manul Marins
Leia maislog 2, qual o valor aproximado de 0, 70
UNIERSIDADE FEDERAL DE ITAJUBÁ GABARITO DE FUNDAMENTOS DA MATEMÁTICA PROA DE TRANSFERÊNCIA INTERNA, EXTERNA E PARA PORTADOR DE DIPLOMA DE CURSO SUPERIOR // CANDIDATO: CURSO PRETENDIDO: OBSERAÇÕES: Prova
Leia maisEquações de Maxwell. Métodos Eletromagnéticos. Equações de Maxwell. Equações de Maxwell
Méodos Elromagnéicos agoso d 9 Fundamnos Equaçõs d Mawll no domínio do mpo da frqüência Onda plana édison K. ao Equaçõs d Mawll Todos os fnômnos lromagnéicos obdcm às quaçõs mpíricas d Mawll. b d h j ond
Leia maisPCA e IMPCA. Capítulo. 5.1 Considerações Iniciais
Capíulo 5 PCA e IMPCA 5. Consderações Incas A análse de componenes prncpas (PCA) [URK, M. A. & PENLAND, A. P. (99)] é uma ransformação lnear orogonal de um espaço q-dmensonal para um espaço n-dmensonal,
Leia maisMATRIZES 04) (FATEC-SP) Seja A a ij uma matriz quadrada de . Nessas ordem 2 tal que
MATRIZES www.profssortnan.com.br 0) (PUC) A matrz A d ordm dfnda por a. é dada por: 4 6 4 6 b) 4 4 6 4 6 ) 0) (UFBA) A matrz, com 0 4 b) 0 4 0 ) 4 a, s, é: a, s 0) S A ( a ) é a matrz quadrada d ordm,
Leia maisJ, o termo de tendência é positivo, ( J - J
6. Anxo 6.. Dinâmica da Economia A axa d juros (axa SEL LBO) sgu um modlo. Ou sja, o procsso da axa d juros (nuro ao risco) é dscrio por: dj ( J J ) d J ond: J : axa d juros (SEL ou LBO) no insan : vlocidad
Leia maisELECTROMAGNETISMO. Ondas Planas - 1 o Introdução
LCTROMAGNTISMO Ondas Planas - o Inodução Já vmos qu paa um mo smpls não conduo as quaçõs d Mawll podm s combnadas d modo a foncm quaçõs d onda vcoas homogénas: c ond c µ 8 ε 3 ( m s) s a onda s popaga
Leia mais5 Avaliação da Eficiência Computacional
5 Avalação da fcênca Compuaconal 5.1 Inrodução É desejado ncorporar o cálculo dos índces de adequação de ações de conrole de ensão ao programa SAN. O programa SAN esá sendo mplemenado com a esruura aual
Leia maisANOVA Modelos de Efeitos Aleatórios
O Modlos d Eftos latóros Modlos d Eftos latóros Ex. Tmpratura Corporal (ºC d mas Rpl 3 4 5 6 3 5 8 3 8 8 7 3 3 5 4 4 9 8 4 9 7 3 3 Obtvo do Exprmto: Estmar a tmpratura corporal dos amas d crta spéc m codçõs
Leia maisProva Escrita de Matemática A 12. o Ano de Escolaridade Prova 635/Versões 1 e 2
Eam Nacional d 0 (. a fas) Prova Escrita d Matmática. o no d Escolaridad Prova 3/Vrsõs GRUPO I Itns Vrsão Vrsão. (C) (). () (C) 3. () (C). (D) (). (C) (). () () 7. () (D) 8. (C) (D) Justificaçõs:. P( )
Leia maisO modelo Von Bertalanffy adaptado para suínos de corte
O modlo Von Bralanffy adapado para suínos d cor Lucas d Olivira nro Fdral d Educação Fdral Tcnológica EFET-MG.5-, Av. Amazonas 525 - Nova Suíça - Blo Horizon - MG - Brasil E-mail: lucasdolivira@gmail.com
Leia maissendo classificado como modelo de primeira ordem com (p) variáveis independentes.
RGRSSAO MULTIPLA - comlmtação Itrodução O modlo lar d rgrssão múltla é da forma: sdo classfcado como modlo d rmra ordm com () varávs ddts. od: é a varávl d studo (ddt, xlcada, rsosta ou dóga); é o cofct
Leia maisCapítulo 8. (d) 1) 0,5 2) 1,0 3) 0,5 4) 0 5) 2/3 6) 1/2. Problema 02. (a) (b)
Capítulo Problma. Ω{C C C C C5 C R R R R R5 R} Od: Ccara Rcoroa 5 P 5 5 P 7 7 7 7 7 7 c Sm pos P j P P j j d 5 5 5 / / Problma. P 5 P 5 9 5 7 9 c Não pos P P P 9 d P / P / 5 P 5 P 5 Problma. Prchdo os
Leia maisSumário Propagação em Meios com perdas Propagação em Meios Dieléctricos e Condutores Energia transportada por uma onda electromagnética
Sumário Propagação m Mios com prdas Propagação m Mios Dilécricos Conduors nrgia ransporada por uma onda lcromagnéica Livro Chng : pp [354 37] [379 385] Propagação d Ondas m Mios sm Prdas k k x x x k C
Leia maisMODELO MULTI-ESCALA PARA ANÁLISE ESTRUTURAL DE COMPÓSITOS VISCOELÁSTICOS SUSCETÍVEIS AO DANO
UNIVRSIDAD FDRAL DO CARÁ PROGRAMA D MSTRADO M NGNHARIA D TRANSPORTS MODLO MULTI-SCALA PARA ANÁLIS STRUTURAL D COMPÓSITOS VISCOLÁSTICOS SUSCTÍVIS AO DANO Flávo Vasconclos d Souza Dssração submda ao Programa
Leia maiscondição inicial y ( 0) = 18 condições iniciais condições iniciais
Prblmas d Mamáa IV - Dada a quaçã frnal abax, drmnar as sluçõs arular mlmnar snd qu das as quaçõs sã válda ara. a nçã nal. s. u u b 5 nçã nal s. 7,5,5 u nçã nal s. 5 u d 5 s nçã nal 8 s. s d 5 8 nçõs nas
Leia maisFísica IV. Instituto de Física - Universidade de São Paulo. Aula: Interferência
Física IV Insiuo d Física - Univrsidad d São Paulo Profssor: Valdir Guimarãs -mail: valdirg@if.usp.br Aula: Inrfrência Inrfrência d ondas Inrfrência d ondas O qu aconc quando duas ondas s combinam ou inrfrm
Leia maisEletrônica III (ELO III) Prof. Victor Sonnenberg PROGRAMA
ltrônca (LO ) Prof. ctor Sonnnbrg PROGRAMA 0. Aprsntação do programa da dscplna: Amplfcador Dfrncal. 0. Amplfcador Dfrncal xrcícos. Sdra 5 o d.- Cap. 7 - pag. 48 a 448. 03. Rsposta m Frqüênca d amplfcadors
Leia mais). Quer os eixos de S quer os de S
CAPÍULO RANSFORMAÇÃO LINEAR DE COORDENADAS Nst capítulo é aprsntada a ddução da prssão qu prmt transformar as coordnadas d um ponto no spaço d um rfrncal ( S) para outro ( S ). Qur os os d S qur os d S
Leia maisCOLEÇÃO DARLAN MOUTINHO VOL. 01 RESOLUÇÕES
COLEÇÃO DRLN MOUTINHO VOL. 01 RESOLUÇÕES PÁGIN 42 39 LETR C Sjam as staçõs, B C, cujos lmntos são as pssoas qu scutavam, plo mnos, uma das staçõs, B ou C. Considr o diagrama abaixo: B 31500 17000 7500
Leia maisMESTRADO PROFISSIONAL EM ECONOMIA DO SETOR PÚBLICO
II/05 UNIVERSIDADE DE BRASÍLIA DEPARTAMENTO DE ECONOMIA 0//5 MESTRADO PROFISSIONAL EM ECONOMIA DO SETOR PÚBLICO ECONOMIA DA INFORMAÇÃO E DOS INCENTIVOS APLICADA À ECONOMIA DO SETOR PÚBLICO Prof. Maurício
Leia maisMESTRADO PROFISSIONAL EM ECONOMIA DO SETOR PÚBLICO
II/05 UNIVERSIDADE DE BRASÍLIA DEPARTAMENTO DE ECONOMIA 0//5 MESTRADO PROFISSIONAL EM ECONOMIA DO SETOR PÚBLICO ECONOMIA DA INFORMAÇÃO E DOS INCENTIVOS APLICADA À ECONOMIA DO SETOR PÚBLICO Prof. Maurício
Leia maisOs Modelos CA para Pequenos Sinais de Entranda Aula 7
Os Molos CA para Pqunos Snas Enrana Aula 7 PS/EPUSP Aula Maéra Cap./págna ª 6/02 2ª 9/02 3ª 23/02 4ª 26/02 5ª 0/03 6ª 04/03 7ª 08/03 8ª /03 9ª 5/03 0ª 8/03 PS/EPUSP Elrônca PS332 Programação para a Prmra
Leia mais1 1 2π. Área de uma Superfície de Revolução. Área de uma Superfície de Revolução
UNIVERSIDADE DO ESTADO DE MATO GROSSO CAMPUS UNIVERSITÁRIO DE SINOP FACULDADE DE CIÊNCIAS EXATAS E TECNOLÓGICAS CURSO DE ENGENHARIA CIVIL DISCIPLINA: CÁLCULO DIFERENCIAL E INTEGRAL I Ára d uma Suprfíc
Leia maisTransistor de junção bipolar Sedra & Smith, 4 a edição, capítulo 4
ransstor d junção bpolar Sdra & Smth, 4 a dção, capítulo 4 http://c-www.colorado.du/~bart/book/book/toc5.htm ransstor npn ransstor d junção bpolar () ransstor pnp Fgura 4. Estrutura smplfcada do transstor
Leia maisQuestão. Sinais periódicos e não periódicos. Situação limite. Transformada de Fourier de Sinais Contínuos
Qusão Srá possívl rprsnar sinais não priódicos como soma d xponnciais? ransformada d Fourir d Sinais Conínuos jorg s. marqus, jorg s. marqus, Sinais priódicos não priódicos Siuação limi Um sinal não priódico
Leia maispara Z t (lembre que = 1 B)
Economria III ANE59 Lisa d Ercícios d Economria d Séris mporais Pro. Rogério Siva d Maos (Juho 6) Si: www.uj.br/rogrio_maos A. MODELOS ARIMA. Escrva por nso:. ARMA(,) para. ARMA(,) para X. ( B B ) Z (
Leia maisDIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS
DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS 1 A análse de dagnóstco (ou dagnóstco do ajuste) confgura uma etapa fundamental no ajuste de modelos de regressão. O objetvo prncpal da análse de dagnóstco
Leia maisMESTRADO EM MACROECONOMIA e FINANÇAS Disciplina de Computação. Aula 07. Prof. Dr. Marco Antonio Leonel Caetano
MESTRADO EM MACROECONOMIA FINANÇAS Disiplina d Compuação Aula 7 Prof. Dr. Maro Anonio Lonl Caano Guia d Esudo para Aula 7 Vors Linarmn Indpndns - Vrifiação d vors LI - Cálulo do Wronsiano Equaçõs Difrniais
Leia mais28 a Aula AMIV LEAN, LEC Apontamentos
8 a Aula 49 AMIV LEAN, LEC Apontamntos (RcardoCoutnho@mathstutlpt) 8 Exponncal d matrzs smlhants Proposção 8 S A SJS ond A, S J são matrzs n n,(comdt S 6 ), ntão A S J S Dmonstração Tmos A SJS, dond por
Leia maisFENOMENOS DE TRANSPORTE 2 o Semestre de 2013 Prof. Maurício Fabbri
FENOMENOS DE TRANSPORTE o Smsr d 03 Prof. Maurício Fabbri 3ª SÉRIE DE EXERCÍCIOS Transpor d calor por convcção O ransin ponncial simpls Consrvação da nrgia 0-3. O coficin d ransfrência d calor Lia o marial
Leia maisCapítulo 5 Transformadas de Fourier
Capíulo 5 Trasformadas d Fourir 5. Aális da composição d sismas aravés da rsposa m frquêcia 5. Trasformadas d Fourir propridads Capíulo 5 Trasformadas d Fourir 5. Aális da composição d sismas aravés da
Leia mais5 Apreçamento de ESOs com preço de exercício fixo
5 Apreçameno de ESOs com preço de exercíco fxo Ese capíulo rá explorar os prncpas modelos de apreçameno das ESOs ulzados hoje em da. Neses modelos a regra de decsão é esruurada em orno da maxmzação do
Leia maisO problema da superdispersão na análise de dados de contagens
O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão
Leia maisCircuitos não senoidais
Crcuos não snodas Objvos Famlarzar-s com os comonns da xansão da sér d Fourr ara qualqur função snodal ou não snodal. Enndr como a aarênca gráfco do xo do mo d uma forma d onda odm dnfcar quas rmos d uma
Leia maisMERCADO BRASILEIRO DE LEITE: CAUSALIDADE DE PREÇOS NOS PRINCIPAIS ESTADOS PRODUTORES
MERCADO BRASILEIRO DE LEITE: CAUSALIDADE DE PREÇOS NOS PRINCIPAIS ESTADOS PRODUTORES Angélca Po d Mdros, Bruna Márca Machado Moras, Rsol Bndr Flho RESUMO O prsn argo m como obvo gral vrfcar o rlaconamno
Leia maisNº de sucessos ,3277 0,4096 0,2048 0,0512 0,0064 0,0003. n Limite superior de 0,025 0,01 0,0025 0,000625
Capíulo Problema 0 Nº de sucessos 0 4 5 0,0 0, 0,4 0,6 0,8,0 P 0,77 0,4096 0,048 0,05 0,0064 0,000 E 0, p ; 0,0 5 Problema 0 4 0 5 00 400 Lme superor de 0,05 0,0 0,005 0,00065 Lme superor de p^ 0,00 0,05
Leia maisFUNÇÕES DE UMA VARIÁVEL COMPLEXA
FUNÇÕES DE UMA VARIÁVEL COMPLEXA Ettor A. d Barros 1. INTRODUÇÃO Sja s um númro complxo qualqur prtncnt a um conjunto S d númros complxos. Dizmos qu s é uma variávl complxa. S, para cada valor d s, o valor
Leia maisA seção de choque diferencial de Rutherford
A sção d choqu difrncial d Ruthrford Qual é o ângulo d dflxão quando a partícula passa por um cntro d força rpulsiva? Nss caso, quando tratamos as trajtórias sob a ação d forças cntrais proporcionais ao
Leia maisCurso de linguagem matemática Professor Renato Tião. 3. Sendo. 4. Considere as seguintes matrizes:
Curso d linguagm mamáica Profssor Rnao Tião 1 PUCRS. No projo Sobrmsa Musical, o Insiuo d Culura da PUCRS raliza aprsnaçõs smanais grauias para a comunidad univrsiária. O númro d músicos qu auaram na aprsnação
Leia mais1 O Pêndulo de Torção
Figura 1.1: Diagrama squmático rprsntando um pêndulo d torção. 1 O Pêndulo d Torção Essa aula stá basada na obra d Halliday & Rsnick (1997). Considr o sistma físico rprsntado na Figura 1.1. Ess sistma
Leia maisResolver problemas com amostragem aleatória significa gerar vários números aleatórios (amostras) e repetir operações matemáticas para cada amostra.
Dscplna: SComLMol Numann, Ulam Mtropols (945-947) Numann Ulam [945] prcbram qu problmas dtrmnístcos podm sr transormados num análogo probablístco qu pod sr rsolvdo com amostragm alatóra. Els studavam dusão
Leia maisProbabilidade II Aula 6
obabilidad II Aula 6 Março d 9 Mônica Barros, DSc Conúdo Mais sobr momnos condicionais Cálculo d valors srados aravés do condicionamno numa variávl rlação nr valors srados condicionais incondicionais fórmulas
Leia maisEstatística II. Aula 8. Prof. Patricia Maria Bortolon, D. Sc.
Estatística II Aula 8 Pro. Patricia Maria Bortolon, D. Sc. Tsts Qui Quadrado Objtivos da Aula 8 Nsta aula, você aprndrá: Como quando utilizar o tst qui-quadrado para tablas d contingência Como utilizar
Leia maisA DERIVADA DE UM INTEGRAL
A DERIVADA DE UM INTEGRAL HÉLIO BERNARDO LOPES Rsumo. O cálculo o valor a rivaa um ingral ocorr com cra frquência na via profissional físicos, químicos, ngnhiros, conomisas ou biólogos. É frqun, conuo,
Leia maisEXPERIÊNCIA 7 MEDIDA DE INDUTÂNCIA POR ONDA RETANGULAR
UMCCE Eng. Elérca m - ab. Crco Elérco Prof. Wlon Yamag EXPEÊNC 7 MEDD DE NDUÂNC PO OND ENGU NODUÇÃO O objvo báco da xprênca é mdr a ndânca a rênca d ma bobna zando ma onda ranglar. O prncípo da mdção é
Leia maisCapítulo 3. Análise de Sinais Dep. Armas e Electronica, Escola Naval V1.1 - Victor Lobo 2004. Page 1. Domínio da frequência
Dp. Armas Elcronica, Escola Naval V. - Vicor Lobo 004 Capíulo 3 Transformadas ourir ourir Discra Bibliografia Domínio da frquência Qualqur sinal () po sr composo numa soma xponnciais complxas Uma xponncial
Leia maisPROPOSTA DE RESOLUÇÃO DA PROVA DE MATEMÁTICA A DO ENSINO SECUNDÁRIO (CÓDIGO DA PROVA 635) 2ª FASE 21 DE JULHO Grupo I. Questões
PROPOSTA DE RESOLUÇÃO DA PROVA DE MATEMÁTICA A DO ENSINO SECUNDÁRIO (CÓDIGO DA PROVA 63) ª FASE 1 DE JULHO 014 Grupo I Qustõs 1 3 4 6 7 8 Vrsão 1 C B B D C A B C Vrsão B C C A B A D D 1 Grupo II 11 O complo
Leia maisUniversidade Federal do Rio de Janeiro INSTITUTO DE MATEMÁTICA Departamento de Matemática
Univrsidad Fdral do Rio d Janiro INSTITUTO DE MATEMÁTICA Dpartamnto d Matmática Gabarito da 1 a prova d Gomtria difrncial - 20/09/2018 - Mônica 1. Sja α(s) uma curva rgular plana paramtrizada plo comprimnto
Leia maisENSAIOS EM DÉFICITS PÚBLICOS
FERNANDO MOA CORREIA ENSAIOS EM DÉFICIS PÚBLICOS s d Douorado aprsnada como rquso parcal para onção do rau d Douor, plo Prorama d Pós Graduação m Dsnvolvmno Econômco, Sor d Cêncas Socas Aplcadas da Unvrsdad
Leia maisPág Circunferência: ( ) ( ) 5.4. Circunferência: ( ) ( ) A reta r passa nos pontos de coordenadas (0, 1) e (2, 2).
Númros complxos Atvdad d dagnóstco AB + + + AB ( ) ( ) ( ) + + + 9+ A, ; B, ; P x, y Pág AP BP x+ y x + y + x + x + + y x + x x + + y + x + yx y x A bsstr dos quadrants ímpars é a mdatr d [AB] B(, ) ;
Leia maisANÁLISE DE MODELOS REOLÓGICOS VISCOELÁSTICOS ATRAVÉS DE FORMULAÇÕES MISTAS EM ELEMENTOS FINITOS. João Paulo Lima Santos
ANÁLISE DE MODELOS REOLÓGICOS VISCOELÁSTICOS ATRAVÉS DE FORMULAÇÕES MISTAS EM ELEMENTOS FINITOS João Paulo Lma Sanos DISSERTAÇÃO SUBMETIDA AO CORPO DOCENTE DA COORDENAÇÃO DOS PROGRAMAS DE PÓS-GRADUAÇÃO
Leia maisSolução numérica de equações diferenciais ordinárias. Problema de valor inicial (PVI)
Solução numérca de equações derencas ordnáras Problema de valor ncal PVI 4 5 Inrodução 4 5 Uma equação derencal ordnára é denda como uma equação que envolve uma unção ncógna e algumas das suas dervadas
Leia maisTÓPICOS. ordem; grau; curvas integrais; condições iniciais e fronteira. 1. Equações Diferenciais. Conceitos Gerais.
Not bm, a litura dsts apontamntos não dispnsa d modo algum a litura atnta da bibliografia principal da cadira hama-s à atnção para a importância do trabalho pssoal a ralizar plo aluno rsolvndo os problmas
Leia maisModelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados
Modelo lnear normal com erros heterocedástcos O método de mínmos quadrados ponderados Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal
Leia maisλ, para x 0. Outras Distribuições de Probabilidade Contínuas
abilidad Estatística I Antonio Roqu Aula 3 Outras Distribuiçõs d abilidad Contínuas Vamos agora studar mais algumas distribuiçõs d probabilidads para variávis contínuas. Distribuição Eponncial Uma variávl
Leia maisAnálise de Sistemas Lineares
nál Sma Lnar Dnvolvo plo Prof. Dr. Emlon Rocha Olvra, EEE-UFG, 6. Propra a ranformaa Laplac Propra a convolção. propra a convolção no omíno o mpo m ma vaa aplcação na anál o ma lnar. Dao o na () h(), cja
Leia maisTeoria dos Jogos. Prof. Maurício Bugarin
Tora dos Jogos Prof. Mauríco Bugarn Aula B Tora dos Jogos Mauríco Bugarn Cap. 7. Jogos Dnâmcos com Informação Incomplta Rotro Capítulo 7. Jogos Dnâmcos com Informação Incomplta Dfção xmplos Dfção d Raconaldad
Leia maisCAPÍTULO 9 MODELOS DE REGRESSÃO COM VARIÁVEIS BINÁRIAS
Economera Semesre 200.0 40 CAPÍTULO 9 MODELOS DE REGRESSÃO COM VARIÁVEIS BINÁRIAS OBJETIVOS Consderar modelos em que uma ou mas varáves explcavas são varáves nomnas (ambém chamadas de ndcadores, varáves
Leia maisPROPOSTA DE RESOLUÇÃO DA PROVA DE MATEMÁTICA A DO ENSINO SECUNDÁRIO (CÓDIGO DA PROVA 635) 2ª FASE 21 DE JULHO 2014 Grupo I.
Associação d Profssors d Matmática Contactos: Rua Dr João Couto, nº 7-A 100-6 Lisboa Tl: +1 1 716 6 90 / 1 711 0 77 Fa: +1 1 716 64 4 http://wwwapmpt mail: gral@apmpt PROPOSTA DE RESOLUÇÃO DA PROVA DE
Leia maisFÍSICA MODERNA I AULA 22 -
Unvrsa São Paulo Insuo Físca FÍSIC MODRN I UL - Profa. Márca la Rzzuo Pllron sala 4 rzzuo@f.us.br o. Ssr 04 Monor: Gabrl M. Souza Sanos Págna o curso: ://sclnas.soa.us.br/cours/vw.?=905 30/05/04 Função
Leia maisAs regras e a função reação da política monetária nos bancos centrais dos EUA, do Japão e da União Europeia
IPES Txo para Dscussão Publcação do Insuo d Psqusas Econômcas Socas As rgras a função ração da políca monára nos bancos cnras dos EUA, do Japão da Unão Europa Adrana Brold Cors CECI/UCS PPGE/UNISINOS Dvanldo
Leia maisExame de Matemática Página 1 de 6. obtém-se: 2 C.
Eam d Matmática -7 Página d 6. Simplificando a prssão 9 ( ) 6 obtém-s: 6.. O raio r = m d uma circunfrência foi aumntado m 5%. Qual foi o aumnto prcntual da ára da sgunda circunfrência m comparação com
Leia maisSistemas e Sinais (LEIC) Resposta em Frequência
Sismas Siais (LEIC Rsposa m Frquêcia Carlos Cardira Diaposiivos para acompahamo da bibliografia d bas (Srucur ad Irpraio of Sigals ad Sysms, Edward A. L ad Pravi Varaiya Sumário Dfiiçõs Sismas sm mmória
Leia maisn = η = / 2 = 0, c
PTC4 - TEORIA DA COMUNICAÇÕE II - //5 - PJEJ REOLUÇÃO DA EGUNDA LITA DE EXERCÍCIO QUETÃO Consdr sstmas bnáros om transmssão d ormaçõs quprovávs λ >>. Compar os dsmpnhos om sm odfação dos sstmas a sgur,
Leia maisAlgumas distribuições de variáveis aleatórias discretas importantes:
Algumas distribuiçõs d variávis alatórias discrtas importants: Distribuição Uniform Discrta Enquadram-s aqui as distribuiçõs m qu os possívis valors da variávl alatória tnham todos a msma probabilidad
Leia maisMatemática C Extensivo V. 7
Matmática C Extnsivo V 7 Exrcícios 0) 0 0) D 0 Falsa B A 4 0 6 0 4 6 4 6 0 Vrdadira A + B 0 0 + 4 6 7 04 Vrdadira A B 0 0 4 6 6 4 08 Vrdadira dt ( A) dt (A) 9 ( ) 9 dt (B) 9 0 6 Vrdadira A A 0 0 0 0 0
Leia mais