Estatística e Delineamento
|
|
|
- Débora de Almada Dinis
- 8 Há anos
- Visualizações:
Transcrição
1 Estatística e Delineamento Jorge Cadima Secção de Matemática (DCEB) Instituto Superior de Agronomia (ULisboa) J. Cadima (ISA) Estatística e Delineamento / 474
2 1 Professores: Jorge Cadima Elsa Gonçalves Maria João Martins Maria José Silva 2 Webpage: Sistema Fénix 3 Software: J. Cadima (ISA) Estatística e Delineamento / 474
3 Objectivos Introduzir alguns dos principais modelos estatísticos: Regressão Linear (Simples e Múltipla) Análises de Variância Introduzir ferramentas para estudar dados de contagens: Testes χ 2 baseados na estatística de Pearson Admite-se que houve frequência duma disciplina introdutória de Estatística no primeiro ciclo (semelhante à existente no ISA). Nas disciplinas introdutórias de Estatística aborda-se o estudo das observações duma variável. Nesta disciplina procura-se estudar variáveis explicativas dessas observações. J. Cadima (ISA) Estatística e Delineamento / 474
4 Enquadramento Na UC Estatística e Delineamento admite-se que são conhecidos conceitos como: principais indicadores descritivos (média, variância, covariância, etc.) e suas propriedades; conceitos básicos de probabilidades; variáveis aleatórias e sua caracterização; principais distribuições de probabilidades (Normal, χ 2, t-student, F, Binomial, Poisson); Conceitos de intervalos de confiança e testes de hipóteses. AVISO: Quem precisa de (re)ver estes conhecimentos deve utilizar também os materiais de apoio da UC Estatística dos primeiros ciclos do ISA (ou equivalentes), que estão disponíveis na página web dessa UC (seguir o apontador na página web de ED). J. Cadima (ISA) Estatística e Delineamento / 474
5 Aulas e horários de dúvidas Aulas teóricas (2 vezes 1h por semana) - Há dois blocos diferentes, ambos com aulas 3as. e 5as.-feiras. Aulas práticas (2 vezes 1h30 por semana) - Há oito turmas (inscrições via Fénix). As aulas práticas começam quarta-feira, dia 14 de Setembro. AVISOS: O material de apoio para as aulas é disponibilizado na página web da UC (ver secção lateral de nome Materiais de Apoio). Antes da primeira aula prática confirmar que tem conta (informática) de aluno (em caso de problema contactar CIISA) Para a primeira aula prática levar (i) Enunciados dos Exercícios Introdutórios; e (ii) uma pen para guardar a sessão de trabalho. AVISO: Existem horários de dúvidas 4 dias por semana (ver webpage). Todos os horários de dúvidas são para qualquer aluno da UC. J. Cadima (ISA) Estatística e Delineamento / 474
6 Avaliação de conhecimentos Por testes (dois testes: um a meio do semestre e outro na data da primeira chamada de exame); ou AVISOS: Por exame final. Aprovação por testes: classificação média igual ou superior a 9,5 valores no conjunto de dois testes, desde que em nenhum dos testes a classificação seja inferior a 8,0 valores. Aprovação em exame: classificação igual ou superior a 9,5 valores. Qualquer aluno inscrito na UC pode apresentar-se a avaliação de conhecimentos, desde que regularmente inscrito. Nas avaliações não são admitidas calculadoras gráficas, nem qualquer tipo de equipamento electrónico. Proposta data primeiro teste: Segunda-feira, 31 de Outubro, 18h. J. Cadima (ISA) Estatística e Delineamento / 474
7 Programa 1 Testes de hipóteses para dados de contagem (baseados na estatística χ 2 de Pearson). 2 Modelo Linear. 1 Regressão Linear Simples 2 Regressão Linear Múltipla 3 Análises de Variância (ANOVA) e variantes J. Cadima (ISA) Estatística e Delineamento / 474
8 1. Testes de Hipóteses para dados de contagem (estatística χ 2 de Pearson) Objectivo: Testar se dados de contagem são compatíveis com uma dada hipótese explicativa. Exemplo: Em viticultura há técnicas de enxertia chamadas enxertos prontos. O sucesso depende de se verificar, ou não, o pegamento (formação do calo de enxertia). Deseja-se comparar o comportamento de três porta-enxertos específicos (1103P, SO4 e R99) para a casta Castelão. Eis os resultados dum estudo: 1103P SO4 R99 não pegamento pegamento Estes resultados são compatíveis com a hipótese de os porta-enxertos serem equivalentes, em matéria de pegamento? Ou a diferença nos resultados observados pode ser considerada estatisticamente significativa, havendo porta-enxertos melhores do que outros? J. Cadima (ISA) Estatística e Delineamento / 474
9 Testes χ 2 para dados de contagem (cont.) Breve revisão da teoria de testes de hipóteses. Teste de ajustamento duma distribuição unidimensional (as contagens duma experiência são compatíveis com uma distribuição Binomial? Ou uma Poisson?). Probabilidades totalmente pré-especificadas Probabilidades estimadas Testes para tabelas de contingência (contagens em tabela de dupla entrada, como no exemplo acima). Aplicações à teoria genética (probabilidades conhecidas). Teste de homogeneidade Teste de independência J. Cadima (ISA) Estatística e Delineamento / 474
10 2.1. Modelo Linear: regressão linear simples Objectivo: Relacionar linearmente duas variáveis numéricas. Exemplo: Produção de azeitona e de azeite em Portugal, entre os anos 1995 e 2010 (Fonte:INE) Azeite (hl) 3e+05 4e+05 5e+05 6e+05 7e Azeitona (toneladas) J. Cadima (ISA) Estatística e Delineamento / 474
11 Modelo Linear: Regressão Linear Simples Contexto descritivo (o ajustamento da recta na amostra) Equação da recta ajustada (método dos mínimos quadrados); Propriedades da recta ajustada; Relações não-lineares e transformações linearizantes. Inferência (sobre a recta populacional, com base numa amostra) O modelo; Propriedades distribucionais dos estimadores do modelo; Intervalos de confiança para os parâmetros; Testes de hipóteses para os parâmetros; Análise dos resíduos para validação do modelo e identificação de observações especiais. J. Cadima (ISA) Estatística e Delineamento / 474
12 2.2. Modelo linear: Regressão Linear Múltipla Objectivo: Relacionar uma variável resposta numérica com dois ou mais preditores numéricos, através duma relação linear. Contexto descritivo Uma ferramenta: a notação matricial; A estimação dos parâmetros do (hiper)plano ajustado; Propriedades do (hiper)plano ajustado. A inferência O modelo; Propriedades distribucionais dos estimadores; Intervalos de confiança e testes de hipóteses para os parâmetros; Submodelos e selecção de submodelos; Análise dos resíduos. J. Cadima (ISA) Estatística e Delineamento / 474
13 2.3. Modelo Linear: Análise de Variância (ANOVA) Objectivo: Relacionar uma variável resposta numérica com um ou mais preditores categóricos (factores). Exemplo: Comparar a % de gordura no leite de 5 raças de vacas (Ayrshire, Canadian, Guernsey, Holstein-Fresian, Jersey). Eis os diagramas de extremos e quartis para 20 vacas de cada raça: Gordura no leite (%) Ayrshire Canadian Guernsey Holstein Fresian Jersey Raça Há raças com leite mais gordo, ou as diferenças são obra do acaso? J. Cadima (ISA) Estatística e Delineamento / 474
14 Modelo Linear: ANOVAs (cont.) Introdução ao delineamento experimental Delineamento a um factor totalmente casualizado e o modelo correspondente (efeitos fixos) Delineamento factorial a dois factores. O modelo sem interacção e o modelo com interacção (efeitos fixos). Delineamento a dois factores hierarquizados e respectivo modelo (efeitos fixos) Extensão: O modelo a um factor, com efeitos aleatórios J. Cadima (ISA) Estatística e Delineamento / 474
15 Bibliografia 1 Referências Base: Kutner, M.H.; Nachtsheim, C.J.; Neter, J. e Li, W. (2005), Applied Linear Statistical Models, Irwin [BISA: U e CD-236] Slides das aulas teóricas (disponibilizados na página web da UC) 2 Outras referências: Draper, N.R. e Smith, H. (1998), Applied Regression Analysis, 3a. edição, John Wiley & Sons [BISA: U10-734] + [SI-78] ([BISA: U10-412] a primeira edição de 1981). Montgomery, D.C. e Peck, E.A. (1982), Introduction to Linear Regression Analysis, John Wiley & Sons [BISA: U10-329] Seber, G.A.F. (1977), Linear Regression Analysis, John Wiley & Sons [BISA: U10-416] J. Cadima (ISA) Estatística e Delineamento / 474
16 Bibliografia (continuação) 3 Referências de apoio à utilização do R Docentes da disciplina de Estatística (2008/09), Introdução à Aplicação R, Maindonald, J. e Brown, W.J. (2003), Data Analysis and Graphics using R, Cambridge University Press [BISA: U10-722] Torgo, L. (2006), Introdução à Programação em R, cran.r-project.org/doc/contrib/torgo-programmingintro.pdf Venables, W.N. e Ripley, B.D. (2002), Modern Applied Statistics with S (fourth edition), Springer-Verlag [BISA: U10-733] J. Cadima (ISA) Estatística e Delineamento / 474
Capítulo II: Estimação Pontual: noções básicas de estimação; método dos momentos e método da máxima verosimilhança; propriedades.
Estatística Código: 22723 ECTS: 6 Ano Letivo: 2015/16 Carga horária: T: 3:00 h; TP: 2:00 h; OT: 1:00 h; Departamento: Estatística e Investigação Operacional Área Científica: Estatística e Investigação
Filho, não é um bicho: chama-se Estatística!
Paulo Jorge Silveira Ferreira Filho, não é um bicho: chama-se Estatística! Estatística aplicada uma abordagem prática FICHA TÉCNICA EDIÇÃO: Paulo Ferreira TÍTULO: Filho, não é um bicho: chama-se Estatística!
PROGRAMA/BIBLIOGRAFIA e NORMAS DE AVALIAÇÃO
PROBABILIDADES E ESTATÍSTICA LEIC+LEE+LERCI (TagusPark) PROGRAMA/BIBLIOGRAFIA e NORMAS DE AVALIAÇÃO Secção de Estatística e Aplicações Departamento de Matemática Instituto Superior Técnico Fevereiro 2006
ÍNDICE. Variáveis, Populações e Amostras. Estatística Descritiva PREFÁCIO 15 NOTA À 3ª EDIÇÃO 17 COMO USAR ESTE LIVRO? 21 CAPÍTULO 1 CAPÍTULO 2
COMO USAR ESTE LIVRO ÍNDICE PREFÁCIO 15 NOTA À 3ª EDIÇÃO 17 COMO USAR ESTE LIVRO? 21 CAPÍTULO 1 Variáveis, Populações e Amostras 1.1. VARIÁVEIS ESTATÍSTICAS E ESCALAS DE MEDIDA 27 1.2. POPULAÇÃO VS. AMOSTRA
Disciplina de Modelos Lineares Professora Ariane Ferreira
Disciplina de Modelos Lineares 2012-2 Regressão Logística Professora Ariane Ferreira O modelo de regressão logístico é semelhante ao modelo de regressão linear. No entanto, no modelo logístico a variável
GUIA DE FUNCIONAMENTO DA UNIDADE CURRICULAR
GUIA DE FUNCIONAMENTO DA UNIDADE CURRICULAR Estatística Biologia Ano lectivo: 2011 /2012 Docentes Responsável Júri Vogal Vogal Responsável pela pauta Docentes que leccionam a UC Ana Maria Caeiro Lebre
Casos. Índice. Parte I. Caso 1 Vendas da empresa Platox. Caso 2 Importação de matéria-prima. Caso 3 Carteira de acções. Caso 4 Lançamento de produto
Índice PREFÁCIO 15 NOTA INTRODUTÓRIA 17 CONVENÇÕES UTILIZADAS 19 Parte I Casos Caso 1 Vendas da empresa Platox 1. Enquadramento e objectivos 25 2. Aspectos metodológicos 26 3. Resultados e comentários
Curso(s): Licenciaturas em Engenharia (1º ciclo) Aulas Teóricas 30h. Ano Curricular Semestre: 2º ano 1º semestre Aulas Teórico-Práticas 45h
UNIVERSIDADE CATÓLICA PORTUGUESA F A C U L D A D E D E E NGE N H ARIA Disciplina de Estatística Contexto da Disciplina Horas de Trabalho do Aluno Curso(s): Licenciaturas em Engenharia (1º ciclo) Aulas
SME0812 Modelos Lineares 1 o semestre de Prof. Cibele Russo
SME0812 Modelos Lineares 1 o semestre de 2015 Prof. Cibele Russo [email protected] http://www.icmc.usp.br/ cibele Sala 3-139 12 de março de 2015 1 / 15 Principais objetivos do curso Introduzir os fundamentos
ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO
Área Científica Matemática Teóricas Curso Eng. Electrotécnica ECTS 5 Teóricopráticas Distribuição das horas de contacto Trabalho Práticas e de Seminário Estágio Laboratoriais campo Orientação tutória Outras
UNIVERSIDADE ESTADUAL PAULISTA PLANO DE ENSINO DA DISCIPLINA
Situação: Data Aprovação: 09/04/14 00:00 Data Desativação: Nº Créditos : 8 Carga Horária Total: Carga Horária Teórica: Carga Horária Prática: Carga Horária Teórica/Prátical: Carga Horária Seminário: Carga
UNIVERSIDADE LUSÍADA DE LISBOA. Programa da Unidade Curricular PROBABILIDADES E ESTATÍSTICA Ano Lectivo 2013/2014
Programa da Unidade Curricular PROBABILIDADES E ESTATÍSTICA Ano Lectivo 2013/2014 1. Unidade Orgânica Ciências da Economia e da Empresa (1º Ciclo) 2. Curso Engenharia Informática 3. Ciclo de Estudos 1º
Predição do preço médio anual do frango por intermédio de regressão linear
Predição do preço médio anual do frango por intermédio de regressão linear João Flávio A. Silva 1 Tatiane Gomes Araújo 2 Janser Moura Pereira 3 1 Introdução Visando atender de maneira simultânea e harmônica
UNIVERSIDADE LUSÍADA DE LISBOA. Programa da Unidade Curricular PROBABILIDADES E ESTATÍSTICA Ano Lectivo 2018/2019
UNIVERSIDADE LUSÍADA DE LISBOA Programa da Unidade Curricular PROBABILIDADES E ESTATÍSTICA Ano Lectivo 2018/2019 1. Unidade Orgânica Instituto de Engenharia e Tecnologias (1º Ciclo) 2. Curso Engenharia
RESOLUÇÃO Nº 01/2016
Legislações Complementares: Resolução Nº 02/2016 Colegiado DEst Resolução Nº 03/2016 Colegiado DEst Resolução Nº 01/2017 Colegiado DEst RESOLUÇÃO Nº 01/2016 O Departamento de Estatística, tendo em vista
SUMÁRIO. 1.1 Introdução, Conceitos Fundamentais, 2
SUMÁRIO 1 CONCEITOS BÁSICOS, 1 1.1 Introdução, 1 1.2 Conceitos Fundamentais, 2 1.2.1 Objetivo, 2 1.2.2 População e amostra, 2 1.3 Processos estatísticos de abordagem, 2 1.4 Dados estatísticos, 3 1.5 Estatística
Introdução. Amostragem, amostra aleatória simples, tabela de números aleatórios, erros
Estatística Aplicada 2007/2008 Programa Introdução às probabilidades. Distribuições. Amostragem. Testes de hipóteses. Análise da variância. Estatística não-paramétrica. Testes de ajuste do qui-quadrado.
Modelo de Regressão Múltipla
Modelo de Regressão Múltipla Modelo de Regressão Linear Simples Última aula: Y = α + βx + i i ε i Y é a variável resposta; X é a variável independente; ε representa o erro. 2 Modelo Clássico de Regressão
UNIVERSIDADE LUSÍADA DE LISBOA. Programa da Unidade Curricular ESTATÍSTICA INFERENCIAL Ano Lectivo 2010/2011
Programa da Unidade Curricular ESTATÍSTICA INFERENCIAL Ano Lectivo 2010/2011 1. Unidade Orgânica Ciências da Economia e da Empresa (1º Ciclo) 2. Curso Gestão de Recursos Humanos 3. Ciclo de Estudos 1º
PROGRAMA DE DISCIPLINA MÉTODOS ESTATÍSTICOS EM EPIDEMIOLOGIA
PROGRAMA DE DISCIPLINA MÉTODOS ESTATÍSTICOS EM EPIDEMIOLOGIA Professores: Antônio Moura da Silva Carga horária: 60 horas Miranda dos Santos 1. APRESENTAÇÃO A disciplina pretende capacitar o aluno com técnicas
UNIVERSIDADE ESTADUAL PAULISTA CAMPUS DE ILHA SOLTEIRA FACULDADE DE ENGENHARIA DE ILHA SOLTEIRA
Nível: Histórico: Mestrado/Doutorado Disciplina aprovada em 24.08.94 Código Capes: ASP01005 Docente(s) Responsável(eis): Prof. Dr. EVARISTO BIANCHINI SOBRINHO Prof. Dr. WALTER VERIANO VALERIO FILHO Situação
1 Que é Estatística?, 1. 2 Séries Estatísticas, 9. 3 Medidas Descritivas, 27
Prefácio, xiii 1 Que é Estatística?, 1 1.1 Introdução, 1 1.2 Desenvolvimento da estatística, 1 1.2.1 Estatística descritiva, 2 1.2.2 Estatística inferencial, 2 1.3 Sobre os softwares estatísticos, 2 1.4
PLANO DE CONTEÚDO MÍNIMO (PCM) - UNIDADE UNIVERSITÁRIA DE COMPUTAÇÃO. Professora Rosana da Paz Ferreira CCB1052 (2018.2)
PLANO DE CONTEÚDO MÍNIMO (PCM) - UNIDADE UNIVERSITÁRIA DE COMPUTAÇÃO Curso(s): Ciência da Computação Período: 2018.2 Professora: Rosana da Paz Ferreira Disciplina(s): INF5325 Probabilidade e Estatística
Ministério da Educação UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ Câmpus Curitiba PLANO DE ENSINO
Ministério da Educação UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ Câmpus Curitiba PLANO DE ENSINO CURSO Bacharelados e Licenciaturas. MATRIZ Informações no Sistema Acadêmico (SA) FUNDAMENTAÇÃO LEGAL Resolução
PLANO DE CONTEÚDO MÍNIMO (PCM) - UNIDADE UNIVERSITÁRIA DE COMPUTAÇÃO. Professora Rosana da Paz Ferreira CCB1052 (2018.2)
PLANO DE CONTEÚDO MÍNIMO (PCM) - UNIDADE UNIVERSITÁRIA DE COMPUTAÇÃO Curso(s): Ciência da Computação Período: 2018.2 Professora: Rosana da Paz Ferreira Disciplina(s): CCB1052 Probabilidade e Estatística
SUMÁRIO. Prefácio, Espaço amostrai, Definição de probabilidade, Probabilidades finitas dos espaços amostrais fin itos, 20
SUMÁRIO Prefácio, 1 3 1 CÁLCULO DAS PROBABILIDADES, 15 1.1 Introdução, 15 1.2 Caracterização de um experimento aleatório, 15 1.3 Espaço amostrai, 16 1.4 Evento, 17 1.5 Eventos mutuamente exclusivos, 17
UNIVERSIDADE LUSÍADA DE LISBOA. Programa da Unidade Curricular PROBABILIDADES E ESTATÍSTICA Ano Lectivo 2012/2013
Programa da Unidade Curricular PROBABILIDADES E ESTATÍSTICA Ano Lectivo 2012/2013 1. Unidade Orgânica Ciências da Economia e da Empresa (1º Ciclo) 2. Curso Engenharia Informática 3. Ciclo de Estudos 1º
SME0819 Álgebra Matricial Aplicada à Estatística 1 o semestre de Prof. Cibele Russo
SME0819 Álgebra Matricial Aplicada à Estatística 1 o semestre de 2015 Prof. Cibele Russo [email protected] http://www.icmc.usp.br/ cibele Sala 3-139 23 de fevereiro de 2015 1 / 19 Principais objetivos
SERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL RURAL DO SEMI-ÁRIDO PRO-REITORIA DE GRADUAÇÃO PROGRAMA GERAL DE DISCIPLINA
SERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL RURAL DO SEMI-ÁRIDO PRO-REITORIA DE GRADUAÇÃO PROGRAMA GERAL DE DISCIPLINA IDENTIFICAÇÃO (20140206) CURSOS A QUE ATENDE MEDICINA VETERINARIA
SME o semestre de Prof. Cibele Russo
SME0122 Introdução à Inferência Estatística 2 o semestre de 2011 Prof. Cibele Russo [email protected] http://www.icmc.usp.br/ cibele Sala 3-162, ramal 6618 Aulas: Quartas e sextas-feiras das 8h10 às 9h50
Apontamentos de Introdução às Probabilidades e à Estatística
i Índice 1. Introdução 1 1.1. Enquadramento e objectivos 2 1.2. Organização 5 1.3. Noções base da Estatística 7 1.3.1. Distinção entre população e amostra 8 1.3.2. Amostragem 10 1.3.3. Unidade estatística
UNIVERSIDADE ESTADUAL PAULISTA CAMPUS DE BOTUCATU PROGRAMA DE PÓS-GRADUAÇÃO EM AGRONOMIA ENERGIA NA AGRICULTURA PLANO DE ENSINO
PROGRAMA DE PÓS-GRADUAÇÃO EM AGRONOMIA ENERGIA NA AGRICULTURA PLANO DE ENSINO DISCIPLINA: ANÁLISE DE EXPERIMENTOS EM FITOTECNIA ÁREA: DOMÍNIO ESPECÍFICO ( ) NÍVEL: MESTRADO ( X ) DOMÍNIO CONEXO (X ) DOUTORADO
Programa Analítico de Disciplina EST106 Estatística I
Programa Analítico de Disciplina Departamento de Estatística - Centro de Ciências Exatas e Tecnológicas Número de créditos: 4 Teóricas Práticas Total Duração em semanas: 15 Carga horária semanal 4 0 4
Apontamentos de Introdução às Probabilidades e à Estatística
i Índice 7. Estimação 1 7.1. Estimação pontual 1 7.1.1. Propriedades dos estimadores 1 7.1.2. Métodos de estimação 4 7.1.2.1. Método dos momentos 4 7.1.2.2. Método da máxima verosimilhança 5 7.1.3. Exemplos
MODELOS MATEMÁTICOS E APLICAÇÕES 2015/2016 EXERCÍCIOS DE MODELOS LINEARES MISTOS PARTE I
MODELOS MATEMÁTICOS E APLICAÇÕES 2015/2016 EXERCÍCIOS DE MODELOS LINEARES MISTOS PARTE I 1. Num estudo de selecção da videira, com vista a estudar a variabilidade genética do rendimento da casta Touriga
UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO Centro de Ciências Exatas Departamento de Estatística
Vitória, 08 de novembro de 2017 O DEST da Universidade Federal do Espírito Santo informa que estarão abertas as inscrições para provimento de cargos de Professor do Magistério Superior do Quadro Permanente
UNIVERSIDADE LUSÍADA DE LISBOA. Programa da Unidade Curricular ESTATÍSTICA DESCRITIVA Ano Lectivo 2014/2015
Programa da Unidade Curricular ESTATÍSTICA DESCRITIVA Ano Lectivo 2014/2015 1. Unidade Orgânica Ciências da Economia e da Empresa (1º Ciclo) 2. Curso Gestão de Recursos Humanos 3. Ciclo de Estudos 1º 4.
Disciplina de Modelos Lineares
Disciplina de Modelos Lineares 2012-2 Seleção de Variáveis Professora Ariane Ferreira Em modelos de regressão múltipla é necessário determinar um subconjunto de variáveis independentes que melhor explique
SME0320 Estatística I 2 o semestre de 2014
SME0320 Estatística I 2 o semestre de 2014 Prof. Cibele Russo [email protected] http://www.icmc.usp.br/cibele Sala 3-139 Aulas: Quartas-feiras 16h20-18h e Sextas-feiras 10h10-11h50 na sala D16 Horário
Instituto de Estudos Sociais e Políticos - IESP-UERJ Lego II - análise de dados quantitativos
Instituto de Estudos Sociais e Políticos - IESP-UERJ Lego II - análise de dados quantitativos Fernando Guarnieri [email protected] 2 o semestre 2017 1 Ementa O cientista político e o sociólogo,
MOQ 13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ 13 PROBABILIDADE E ESTATÍSTICA Professor: Rodrigo A. Scarpel [email protected] www.mec.ita.br/~rodrigo Programa do curso: Semanas 1 3 4 5 6 7 8 9 10 11 1 13 14 15 e 16 Introdução à probabilidade (eventos,
MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE PELOTAS PRÓ-REITORIA DE GRADUAÇÃO
ANEXO 1 - Plano de Ensino MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE PELOTAS PRÓ-REITORIA DE GRADUAÇÃO PLANO DE ENSINO Ano Semestre letivo 2017 01 1. Identificação Código 1.1 Disciplina: Métodos Estatísticos
Universidade Federal do Pará Instituto de Tecnologia ESTATÍSTICA APLICADA. Campus de Belém Curso de Engenharia Mecânica
Universidade Federal do Pará Instituto de Tecnologia ESTATÍSTICA APLICADA Plano da Disciplina Campus de Belém Curso de Engenharia Mecânica 1 IDENTIFICAÇÃO Nome da disciplina: Estatística Aplicada I Código
CONTEÚDO PROGRAMÁTICO
PLANO DE ENSINO FACULDADE: Ciências da Saúde CURSO: Fisioterapia Período: 2º DISCIPLINA: Bioestatística Ano: 2015 CARGA HORÁRIA: 40 horas SEMANAL: 2 horas TOTAL: 40 HORAS PRÉ-REQUISITO: - EMENTA Introdução
Súmario APRESENTAÇÃO DA COLEÇÃO...13
Súmario APRESENTAÇÃO DA COLEÇÃO...13 CAPÍTULO I LÓGICA PROPOSICIONAL...15 1. Lógica Proposicional...15 2. Proposição...15 2.1. Negação da Proposição...18 2.2. Dupla Negação...19 2.3. Proposição Simples
Estatística Computacional (Licenciatura em Matemática) Duração: 2h Exame 14/06/10 NOME:
DEPARTAMENTO DE MATEMÁTICA DA UNIVERSIDADE DE COIMBRA Estatística Computacional (Licenciatura em Matemática) Duração: 2h Exame 14/06/10 NOME: Observação: A resolução completa das perguntas inclui a justificação
QMRE = n (p+1) R 2. 1 R 2 (p,n (p+1)), sob H 0.
INSTITUTO SUPERIOR DE AGRONOMIA ESTATÍSTICA E DELINEAMENTO 4 de Janeiro, 205 SEGUNDO TESTE 204-5 Uma resolução possível I. O valor R 2 =0.528 significa que esta regressão linear múltipla explica quase
ISCTE-IUL Licenciatura em Economia Econometria 1 2º Ano, 2º Semestre 2010/2011
ISCTE-IUL Licenciatura em Economia Econometria 1 2º Ano, 2º Semestre 2010/2011 Docente: Luis Filipe Martins [email protected] http://iscte.pt/~lfsm Gab.: B706; Tel.: 217903439; Ext.: 777061; Cacifo:
1. Capacidade de resolver problemas que envolvam variáveis aleatórias;
Curso Engenharia Informática Ano letivo 2018/2019 Unidade Curricular Probabilidades e Estatística ECTS 5,5 Regime Obrigatório Ano 2º Semestre 1º Horas de trabalho globais Docente (s) Cecília Maria Fernandes
Faturamento de Restaurantes
Faturamento de Restaurantes Gilberto A. Paula Departamento de Estatística IME-USP, Brasil [email protected] 2 o Semestre 2016 G. A. Paula (IME-USP) Faturamento de Restaurantes 2 o Semestre 2016 1 / 29
O USO DE MODELOS DE REGRESSÃO LOGÍSTICA PARA AVALIAÇÃO DO PROBLEMA DE EVASÃO DE ALUNOS NO CURSO DE QUÍMICA INDUSTRIAL DA UNUCET-UEG
O USO DE MODELOS DE REGRESSÃO LOGÍSTICA PARA AVALIAÇÃO DO PROBLEMA DE EVASÃO DE ALUNOS NO CURSO DE QUÍMICA INDUSTRIAL DA UNUCET-UEG Robson de Souza Vieira 1 ; Rogério Silva Pimentel 1 ; Emerson Wruck 2
Universidade Federal do Pará Instituto de Tecnologia. Plano da Disciplina. Campus de Belém Curso de Engenharia Mecânica
Universidade Federal do Pará Instituto de Tecnologia Campus de Belém Curso de Engenharia Mecânica 1. IDENTIFICAÇÃO Nome da disciplina: Estatística Aplicada I Código da disciplina: EN07048 Nome do professor:
Plano de aula. Noções de Probabilidade e Estatística (221171) Prof. a Dr. a Simone Daniela Sartorio. DTAiSeR-Ar
Plano de aula Noções de Probabilidade e Estatística (221171) Prof. a Dr. a Simone Daniela Sartorio DTAiSeR-Ar 1 Cursos: Biotecnologia e Engenharia Agronômica Professora responsável: Simone Daniela Sartorio.
Exemplo Vida Útil de Ferramentas
Exemplo Vida Útil de Ferramentas Gilberto A. Paula Departamento de Estatística IME-USP, Brasil [email protected] 2 o Semestre 2016 G. A. Paula (IME-USP) Vida útil de Ferramentas 2 o Semestre 2016 1 /
Universidade Federal do Pará Instituto de Tecnologia ESTATÍSTICA APLICADA. Plano da Disciplina. Campus de Belém Curso de Engenharia Mecânica
Universidade Federal do Pará Instituto de Tecnologia ESTATÍSTICA APLICADA Campus de Belém Curso de Engenharia Mecânica 1 IDENTIFICAÇÃO Nome da disciplina: Estatística Aplicada I Código da disciplina: EN07048
Paulo Jorge Silveira Ferreira. Princípios de Econometria
Paulo Jorge Silveira Ferreira Princípios de Econometria FICHA TÉCNICA TÍTULO: Princípios de Econometria AUTOR: Paulo Ferreira ISBN: 978-84-9916-654-4 DEPÓSITO LEGAL: M-15833-2010 IDIOMA: Português EDITOR:
Procedimento Complementar para Validação de Métodos Analíticos e Bioanalíticos usando Análise de Regressão Linear
Procedimento Complementar para Validação de Métodos Analíticos e Bioanalíticos usando Análise de Regressão Linear Rogério Antonio de Oliveira 1 Chang Chiann 2 1 Introdução Atualmente, para obter o registro