Regressão Linear Múltipla. Frases. Roteiro
|
|
- João Gonçalves Belém
- 6 Há anos
- Visualizações:
Transcrição
1 Regressão Lnear Múltpla Frases Por serem mas precsos que as palavras, os números são partcularmente adequados para transmtr conclusões centífcas Pagano e Gauvre, 004 Rotero 1. Especfcação do Modelo. Modelo Geral 3. Propredades Amostras dos EMQO 4. Estmação de Intervalos e Testes de Hpótese 5. Qualdade do Ajuste e Teste de Sgnfcânca 6. Modelo Amplado 7. Referêncas
2 Especfcação do Modelo Exemplo 5 Rede de Lanchonetes Modelo para explcar receta total em cadea de lanchonete Semanalmente decde-se: quanto gastar com propaganda e quas promoções (preços mas baxos) serão mplementadas Dados: lanchonete Fonte: Hll Exemplo 5 Rede de Lanchonetes Despesas de propaganda: Aumento despesas gera aumento na receta? Aumento de receta é sufcente para justfcar despesas? Redução de preços leva a aumento ou dmnução de receta total?
3 Exemplo 5 Rede de Lanchonetes Promoções: Redução de preços leva a aumento ou dmnução de receta total? Stuações a ser verfcadas: Redução de preços Redução de preços Pequeno aumento das vendas Grande aumento das vendas Demanda nelástca em relação ao preço Demanda elástca em relação ao preço Modelo Econômco E 0 1 ( RT ) β + β p + β a RT: receta total ($ ml) p: preço médo de todos os produtos a: nível de despesas com propaganda ($ ml) Comportamento esperado (ou médo) de mutos pontos de venda dstntos Componente sstemátco Modelo Econométrco RT 0 + β1 p + β β a + ε Incorpora o termo de erro aleatóro e: todos os fatores que fazem a receta total da semana dferr de seu valor esperado (condções meteorológcas, comportamento dos concorrentes, etc.) componente sstemátco RT E( RT ) + ε componente aleatóro
4 Interpretação dos Parâmetros ß 1 : Varação em RT ($ 1000) quando p sofre um aumento de 1 undade e a é mantdo constante: RT β1, a cte. p β 1 RT p ß 1 > 0: demanda nelástca em relação ao preço aumento de preço ocasona aumento receta ß 1 < 0: demanda elástca em relação ao preço aumento de preço ocasona decréscmo receta Interpretação dos Parâmetros () ß : Varação em RT ($ 1000) quando a é aumentado de $1 ml e p é mantdo constante. Espera-se que seja postvo: RT RT β, p cte. β a a ß <1: aumento de $1.000 na propaganda ocasonará aumento nferor a $1.000 em RT ß >1: aumento na propaganda acarretará aumento maor na receta Análse Exploratóra Graph > Matrx Plot > Matrx of plots: Smple
5 Matrx Plot of receta total; preço; propaganda 1,5,0, receta total 100,5 preço,0 0 1,5 10 propaganda Correlatons: receta total; preço; propaganda receta tota preço -0,014 0,91 preço propaganda 0,95 0,101 0,000 0,474 Comentáros Embora a correlação entre receta Total e preço seja não sgnfcante, o dagrama de dspersão mostra padrões nos pontos; A correlação entre Receta Total e propaganda é bastante forte e aparenta haver uma relação lnear entre elas Preço e propaganda são fracamente correlaconados Modelo Geral
6 Regressão Múltpla Predzer valores de uma varável dependente (Y) em função de varáves ndependentes (X 1, X,..., X k ). Conhecer o quanto as varações de X j (j 1,...,k) podem afetar Y. Aplcações X 1 renda X taxa de juros X 3 poupança Y consumo X 1 área construída X custo do m X 3 localzação Y preço móvel Modelo de Regressão Múltpla E{Y} f(x 1, X,..., X k ) Lnear: E{Y} ß 0 + ß 1 X 1 + ß X ß k X k Admte-se que X 1,..., X k são varáves não estocástcas e Y é uma varável aleatóra.
7 Modelo de Regressão Múltpla () E{Y} ß 0 + ß 1 X 1 + ß X ß k X k O coefcente ß j representa a varação esperada de Y para cada undade de varação em X j (j 1,,..., k), consderando as outras varáves ndependentes fxas. O prmero objetvo é estmar os coefcentes: ß 0, ß 1, ß,..., ß k AMOSTRA: Modelo de Regressão varáves obs. Y X 1 X... X k 1 y 1 x 11 x 1... x 1k y x 1 x... x k n y k x n1 x n... x nk E{Y } ß 0 + ß 1 X 1 + ß X ß k X k termo aleatóro Y ß 0 + ß 1 X 1 + ß X ß k X k + e Modelo de Regressão Múltplo Y β + β X + β X β X + ε k k ß j : efeto da varação da varável x j sobre o valor esperado de Y, mantdas as outras varáves constantes 1,..., n e j1,..., k ß 0 : ntercepto
8 Supostos do Modelo Os erros (e ) são ndependentes e varam aleatoramente segundo uma dstrbução (normal) com méda zero e varânca constante (homocedástco). A méda de todas a varáves omtdas do modelo é zero (o modelo em méda é correto). Para nenhuma observação a ncerteza do modelo será maor ou menor (homocedástco) Supostos do Modelo cov(e, e j ): o tamanho do erro de uma observação não tem qualquer nfluênca sobre o tamanho provável do erro de outra observação; Nenhuma varável explanatóra é uma função lnear exata de qualquer outra (multcolneardade exata) Nenhuma varável é redundante Estmatva de Mínmos Quadrados Ordnáros para Varáves Mnmzação da soma dos quadrados das dferenças entre os valores observados e seu valor esperado n 0, β1, β) ) 1 ( y E( Y ) ( y β0 β1x1 x ) S( β β 1 Os estmadores de mínmos quadrados são obtdos através das dervadas de S em relação a ß 0, ß 1 e ß. Os cálculos não são trvas n
9 Modelos Lneares Regressão Smples x y y b 0 +b 1 x + e 98 β 0 + β e β 0 + β e 11 β 0 + β e β 0 + β e 4 1 β 0 + β e 5 Notação Matrcal Regressão Smples β 0 β 1 + e 1 e e 3 e 4 e 5 Y X b + e Modelos Lneares Regressão Múltpla x 1 x y
10 Notação Matrcal Regressão Múltpla β β 0 β e 1 e e 3 e 4 e 5 Y X b + e Estmador de Mínmos Quadrados Y Xβ + ε Estmador de mínmos quadrados de β, sto é, o vetor βˆ que mnmza a função L(β) ε ε (Y - Xβ) (Y - Xβ) : ˆ -1 β (X X) (X Y) βˆ ( βˆ, βˆ, L, βˆ ) 1 k Cálculo das EMQO Na prátca, usam-se pacotes computaconas para calcular as estmatvas de mínmos quadrados (EMQO) No Mntab, o camnho é o mesmo: Stat > Regresson > Regresson
11 Lanchonetes Regressão Ajustada Regresson Analyss: receta total versus preço; propaganda The regresson equaton s receta total 105-6,64 preço +,98 propaganda Predctor Coef SE Coef T P Constant 104,786 6,483 16,16 0,000 preço -6,64 3,191 -,08 0,043 propaganda,9843 0, ,88 0,000 S 6,06961 R-Sq 86,7% R-Sq(adj) 86,% Analyss of Varance Source DF SS MS F P Regresson 11776, 5888,1 159,83 0,000 Resdual Error , 36,8 Total ,4 Interpretação A demanda aparenta ser elástca em relação ao preço Aumento de $1 no preço leva a queda de $6.64 na receta O coefcente de propaganda é postvo: Aumento de $1.000 na propaganda resulta aumento de $.984 na receta Interpretação () Intercepto: Se tanto o preço como as despesas com propaganda fossem zero, a receta sera $ Interpretação enganosa
12 Lanchonetes Gráfco de Resíduos Resdual Plots for receta total Normal Probablty Plot of the Resduals 99 Resduals Versus the Ftted Values Percent Deleted Resdual Deleted Resdual Ftted Value 140 Frequency 10,0 7,5 5,0,5 0,0 Hstogram of the Resduals -,0-1,5-1,0-0,5 0,0 0,5 1,0 1,5 Deleted Resdual Deleted Resdual Resduals Versus the Order of the Data Observaton Order Equação para predção Prever a receta total para um preço de $ e despesa com propaganda de $1.000: ˆ 104,785 6,64() +,9843(10) $11,34 R T Os modelos de regressão descrevem as varáves econômcas para valores análogos aos dos dados amostras. Extrapolar resultados para valores extremos não é recomendado Estmação da Varânca A varânca é estmada por: eˆ σˆ n ( k + 1) onde, k+1: quantdade de parâmetros a estmar n: tamanho na amostra No exemplo da receta total das lanchonetes: σˆ 36,8 5 3
13 No exemplo da receta total das lanchonetes: σˆ 36,8 5 3 Propredades Amostras dos EMQO Teorema de Gauss Markov Atenddas as hpóteses do modelo de regressão, os EMQO são os melhores estmadores lneares não vcados dos parâmetros (BLUE best lnear unbased estmators). Não é necessára a hpótese de normaldade
14 Varâncas e Covarâncas dos EMQO Para o caso de duas varáves explcatvas, temos que: Var( β ˆ ) 1 n 1 ( x x ) (1 r ) r 1 : coefcente de correlação entre X 1 e X Há fórmulas análogas para as outras varáves 1 σ 1 1 Conseqüêncas Quanto maor a varânca do erro (s ), maor a varânca dos EMQO; A ncerteza global na especfcação do modelo é transmtda a seus estmadores Quanto maor o tamanho n da amostra, menor é a varânca dos EMQO Mas observações resultam em estmação mas precsa Conseqüêncas () Quanto maor a varação da varável explcatva em torno de sua méda, menor a varânca do EMQO Se a varação em x 1 é pequena, é dfícl medr seu efeto Quanto maor a correlação entre X 1 e X, maor a varânca do EMQO. Se a varação em uma explcatva está relaconada com a varação de outras varáves, é dfícl separar seus efetos
15 Matrz de Varâncas e Covarâncas Para o caso de duas varáves explcatvas: Var( βˆ 0) Σ Cov( βˆ, ˆ 0 β1) ˆ ˆ Cov( β0, β) Cov( βˆ ˆ ˆ ˆ 0, β1) Cov( β0, β) ˆ ˆ ˆ Var( β1) Cov( β1, β) Cov( βˆ, ˆ ) ( ˆ ) 1 β Var β A maora dos pacotes apresenta esta matrz como um de seus resultados de saída Cálculo no Mntab O Mntab, não apresenta a matrz de varânca e covarânca em sua saída Para seu cálculo: Stat > Regresson > Regresson Serão armazenados uma matrz de resultados (X X) -1 e uma constante (MSE) No Mntab, matrz é dentfcada com a letra M e constante com a letra K. Os resultados armazenados podem ser verfcados em: Data > Dsplay Data
16 Varâncas e Covarâncas Lanchonetes Para se obter a matrz de varâncas e covarâncas, basta se multplcar o MSE (constante) por (X X) -1 (matrz) MTB > Multply K M1 M MTB > Prnt M Data Dsplay Matrx M 4,056-19,8631-0, , ,1837-0, ,1611-0,0540 0,07868 Varâncas dos EMQO Lanchonetes Var βˆ ) ( 0 4,06 Var βˆ ) ( 1 10,184 Var βˆ ) ( 0,0787 Estmatvas Intervalares e Testes de Hpóteses
17 Normaldade Se acrescentarmos a suposção de normaldade dos erros às hpóteses do modelo, então os EMQO são os melhores estmadores não vcados dos parâmetros da regressão; Além dsso, podemos construr ntervalos de confança e realzar testes de hpóteses Inferênca para ß j Dstrbução do estmador ß j, j 0, 1,..., k: Intervalo de confança βˆ t j βˆ ~ N j ( β, ep( βˆ ) ( βˆ ) β βˆ t ep( βˆ ) α / ;( n ( k + 1)) ep j j j + α / ;( n ( k + 1)) j j j Exemplo Lanchonetes Regresson Analyss: receta total versus preço; propaganda The regresson equaton s receta total 105-6,64 preço +,98 propaganda Predctor Coef SE Coef T P Constant 104,786 6,483 16,16 0,000 preço -6,64 3,191 -,08 0,043 propaganda,9843 0, ,88 0,000 S 6,06961 R-Sq 86,7% R-Sq(adj) 86,% Analyss of Varance Source DF SS MS F P Regresson 11776, 5888,1 159,83 0,000 Resdual Error , 36,8 Total ,4 Tamanho da amostra: 5
18 Intervalos com 95% de Confança t a/,(5-(+1)),010 Do Parâmetro ß 0 : 104,79 (,010)(6,483) β0 104,79 + (,010)(6,483) 91,759 β0 117,81 Intervalos com 95% de Confança Do Parâmetro ß 1 : 6,64 (,010)(3,191) β1 6,64 + (,010)(3,191) 13,056 β1 0,8 Intervalo pouco nformatvo Redução de $1 no preço acarreta um aumento da receta de $ 8 a $ Intervalos com 95% de Confança Do Parâmetro ß :,984 (,010)(0,1669) β,984 + (,010)(0,1669),649 β1 3,319 Aumento de $1.000 nas despesas com propaganda levam a um aumento da receta de $.649 a $
19 Teste de Sgnfcânca para Coefcente Únco Teste de sgnfcânca do parâmetro ß j, j 0, 1,..., k : H 0 : ß j 0 vs H 1 : ß j? 0 Estatístca de teste: regressão não é sgnfcatva regressão sgnfcatva βˆ T ep j ( βˆ ) Dstrbução da estatístca de teste: j T ~ t( n ( k + 1)) Inferênca para Parâmetros Caso Geral Teste de Hpóteses de parâmetro: H 0 : ß j ß 0 vs H 1 : ß j? ß 0, 0,..., k β j β Estatístca de teste: T ep βˆ ˆ 0 j ( ), 0, L, k Dstrbução da estatístca de teste: T ~ t( n ( k + 1)) j Regresson Analyss: receta total versus preço; propaganda The regresson equaton s Estatístca t receta total 105-6,64 preço +,98 propaganda Predctor Coef SE Coef T P Constant 104,786 6,483 16,16 0,000 preço -6,64 3,191 -,08 0,043 propaganda,9843 0, ,88 0,000 S 6,06961 R-Sq 86,7% R-Sq(adj) 86,% Analyss of Varance Source DF SS MS F P Regresson 11776, 5888,1 159,83 0,000 Resdual Error , 36,8 Total ,4 104,786 6,64,9843 Tβ 16,163T, β T 17, β 6,483 3,191 0,1669 Rejetamos H 0 se T <,010
20 Teste de Elastcdade da Demanda Quer-se saber se: ß 1 0: demanda nelástca em relação ao preço redução no preço ocasona redução da receta ß 1 < 0: demanda elástca em relação ao preço redução no preço ocasona aumento da receta Teste de Elastcdade da Demanda () Teste de Hpóteses de parâmetro: H 0 : ß 1 0 H 1 : ß 1 < 0 vs Estatístca de teste: Lmte da regão crítca: t 0,05; (5-(+1)) -1,68 T c,081< t 1,68 elastcdade untára ou nelástca demanda elástca 6,64 3,191 T β 1,081 Há evdêncas para conclur que demanda elástca é mas compatível com os dados Teste da Efcáca da Propaganda Quer-se saber se: ß 1: aumento de $1.000 na propaganda ocasonará aumento nferor a $1.000 na receta total ß >1: aumento na propaganda acarretará aumento maor na receta total
21 Teste de Elastcdade da Demanda () Teste de Hpóteses de parâmetro: H 0 : ß 1 H 1 : ß 1 > 1 vs Estatístca de teste: Lmte da regão crítca: t 0,05; (5-(+1)) 1,68 T c 11,89 > t 1,68 propaganda nefcaz propaganda efcaz, ,1669 T β 11,89 Há evdêncas para conclur que a despesa com propaganda é justfcada com aumento de receta Qualdade do Ajuste e Teste de Sgnfcânca Coefcente de Determnação (1) SQReg ( yˆ y) R SQT ( y y) Medda da proporção da varável dependente que é explcada por todas as varáves explcatvas ( y SQRes eˆ 1 1 SQT y)
22 Exemplo Le de Consumo Regresson Analyss: receta total versus preço; propaganda The regresson equaton s receta total 105-6,64 preço +,98 propaganda R Predctor Coef SE Coef T P Constant 104,786 6,483 16,16 0,000 preço -6,64 3,191 -,08 0,043 propaganda,9843 0, ,88 0,000 S 6,06961 R-Sq 86,7% R-Sq(adj) 86,% Analyss of Varance Source DF SS MS F P Regresson 11776, 5888,1 159,83 0,000 Resdual Error , 36,8 Total , , R 1 0, ,4 Explcada Não explcada R É o quadrado do coefcente de correlação amostral entre o valor ajustado e o valor observado É um recurso descrtvo para nformação sobre o ajuste do modelo Dfculdade: É sempre possível aumentar o R através da adção de novas varáves no modelo R Ajustado Medda alternatva para a qualdade do ajustamento: SQRes n ( k + 1) R 1 SQT n 1 O R ajustado penalza a quantdade de varáves
23 Regresson Analyss: receta total versus preço; propaganda The regresson equaton s receta total 105-6,64 preço +,98 propaganda Predctor Coef SE Coef T P Constant 104,786 6,483 16,16 0,000 preço -6,64 3,191 -,08 0,043 propaganda,9843 0, ,88 0,000 R Ajustado S 6,06961 R-Sq 86,7% R-Sq(adj) 86,% Analyss of Varance Source DF SS MS F P Regresson 11776, 5888,1 159,83 0,000 Resdual Error , 36,8 Total , , 5 ( + 1) R 1 0, ,4 5 1 Consderações sobre R Não mede a adequação do modelo lnear Para comparação entre modelos, é mportante observar a varação do erro quadrátco médo Sua grandeza depende também do ntervalo de varação da varável regressora valor grande de R pode ser resultado de varação rrealsta de x Abusos Comuns Deve-se tomar cudado na forma do modelo e na seleção das varáves que serão usadas. Forte assocação não mplca relação causal entre varáves Relações de regressão são váldas somente dentro da faxa dos dados orgnas de x. Modelos de regressão não são necessaramente váldos para fns de extrapolação
24 Teste de Sgnfcânca Global do Modelo H Hpóteses: 0 : 1 k β β L β 0 H : pelo menos um 0 Estatístca de teste: Dstrbução amostral de F: 1 SQReg F k SQRes n ( k +1) F ~ F k,[ n ( k+ 1)];α Graus de Lberdade SQReg: k SQRes: n (k+1) SQT: n 1 Análse de Varânca do Modelo Fonte de varação Regressão Erro gl k n-(k+1) SQ SQReg SQRes QM SQReg k SQRes n ( k +1) Razão QMReg F QMRes Total n-1 SQT
25 Exemplo Lanchonetes Regresson Analyss: receta total versus preço; propaganda The regresson equaton s receta total 105-6,64 preço +,98 propaganda Predctor Coef SE Coef T P Constant 104,786 6,483 16,16 0,000 preço -6,64 3,191 -,08 0,043 propaganda,9843 0, ,88 0,000 S 6,06961 R-Sq 86,7% R-Sq(adj) 86,% Analyss of Varance Estatístca F Source DF SS MS F P Regresson 11776, 5888,1 159,83 0,000 Resdual Error , 36,8 Total ,4 F , 1.805, 5 ( + 1) 159,85 Teste de Sgnfcânca Global Nível de sgnfcânca de 5% Lmte da regão crítca: F 0,05;, [5-(+1)] f c 3,18658 F c 159,83 > f 3,187 Há evdêncas para conclur que a relação estmada é sgnfcante, ou seja, ou o preço, ou a despesa com propaganda, ou ambos têm nfluênca na receta total Relação entre Teste Conjunto e Testes Indvduas Qual dferença entre testar os coefcentes conjuntamente (ß ß 3 0) ou testá-los separadamente (ß 0 e ß 3 0)? O teste F, além de abranger as duas hpóteses conjuntamente, consdera a correlação entre os EMQO. Cada teste t não leva sto em conta, logo, eles não se equvalem.
26 Conflto entre Teste t e Teste F É possível os testes t não ndcarem coefcente sgnfcante, enquanto o teste F mplca os coefcentes conjuntamente sgnfcatvos Esta stuação ocorre com freqüênca quando os dados são multcolneares Modelo Restrto O teste F ndcou que ou o preço ou a propaganda ou ambas explcam a Receta Total; Como saber se a mudança no preço não tem qualquer efeto sobre a receta, contornando o efeto dos testes t ndvduas? Vamos testar: H 0 : H 1 : preço não tem efeto na receta preço tem algum efeto na receta Ou, de outra manera: H 0 : RT β 0 + β + ε a H 1 : RT β 0 + β1p + βa + ε Se H 0 for verdadera, esperamos uma pequena varação na soma dos quadrados dos resíduos dos dos modelos.
27 Soma do quadrado dos resíduos: SQRes R : soma restrta de quadrados dos resíduos SQRes de H 0 SQRes U : soma não restrta quadrados resíduos SQRes de H 1 Tem-se sempre que: A estatístca F para testar esta dferença é: SQResR SQRes F J SQResU n ( k +1) J: quantdade de restrções sob H 0 U SQRes R SQRes F U 0 ~ F J,[ n ( k+ 1)];α Teste F H 0 consste em uma ou mas hpóteses (J) de gualdades (não pode nclur hpóteses do tpo: ou ) H 1 : ao menos uma das gualdade não é verdadera Estatístca F: ( SQResR SQResU ) / J F SQRes /[ n ( k + 1)] Dstrbução amostral da estatístca U F ~ F J,[ n ( k+ 1)];α Modelo Restrto RT 0 + β a β + ε Regresson Analyss: receta total versus propaganda The regresson equaton s receta total 91,8 +,95 propaganda Predctor Coef SE Coef T P Constant 91,831 1,871 49,07 0,000 propaganda,9491 0, ,19 0,000 SQRes R J 1 S 6,6858 R-Sq 85,5% R-Sq(adj) 85,% Analyss of Varance Source DF SS MS F P Regresson ,6 0,000 Resdual Error Total Modelo Irrestrto RT 0 + β1 p + β β a + ε SQRes U 1.805, Regresson Analyss: receta total versus preço; propaganda The regresson equaton s receta total 105-6,64 preço +,98 propaganda Predctor Coef SE Coef T P Constant 104,786 6,483 16,16 0,000 preço -6,64 3,191 -,08 0,043 propaganda,9843 0, ,88 0,000 S 6,06961 R-Sq 86,7% R-Sq(adj) 86,% Analyss of Varance Source DF SS MS F P Regresson 11776, 5888,1 159,83 0,000 Resdual Error , 36,8 Total ,4
28 a 5% Estatístca de teste: Teste F Lmte da regão crítca: F 0,05; 1, [5-(+1)] f c 4,03839 F c F 4,33 > f 4, , , ,33 Há evdêncas para conclur que o preço tem efeto sgnfcatvo sobre a receta total Modelo Amplado Questonamento A relação lnear entre receta, preço e gastos com propaganda é uma boa aproxmação da realdade? Modelo lnear mplca que crescmento de gastos com propaganda leva a crescmento proporconal da receta, ndependente do nível Amento de gasto com propaganda não pode levar a retornos decrescentes?
29 Modelo Alternatvo RT β + β p + β a + β a + ε O termo do quadrado dos gastos leva em conta a dmnução dos resultados em função dos gastos com propaganda A resposta de E(RT ) é: E( RT), p cte. a E( RT ) 3 β + β a a Interpretação E( RT ) 3 β + β a a Quando a aumenta de um undade ($1.000) e p é mantdo constante, E(RT ) aumenta de ß + ß 3 a Snas esperados: ß > 0: Postva quando a 0? 3 < 0: Para o retorno car quando a aumenta Estmação do Modelo Amplado No Mntab, cramos uma coluna com os gastos da propaganda ao quadrado. Em Sesson, Edtor > Enable Command. MTB > let Let 'propaganda^' 'propaganda'** Stat > Regresson > Regresson
30 Resultados Regresson Analyss: receta tota versus preço; propaganda; propaganda^ The regresson equaton s receta total 105-6,58 preço +,95 propaganda + 0,0017 propaganda^ Predctor Coef SE Coef T P Constant 104,815 6,578 15,93 0,000 preço -6,58 3,459-1,90 0,063 propaganda,9475 0,7855 3,75 0,000 propaganda^ 0, , ,05 0,96 S 6,1336 R-Sq 86,7% R-Sq(adj) 85,9% Analyss of Varance Source DF SS MS F P Regresson ,3 395,4 104,38 0,000 Resdual Error ,1 37,6 Total ,4 Comentáros O coefcente de a não é sgnfcatvo, ou seja, não há dmnução do retorno em relação à propaganda ou o coefcente não fo estmado com precsão O preço se tornou não sgnfcatvo Dferenças nas estmatvas: RT 104,786 6,64p +,9843a R 86,7% σˆ 36,8 (6,483) (3,191) (0,1669) RT 104,815 (6,578) 6,58p (3,459) +,9843a (0,7855) + 0,00173a R 86,7% σˆ 37,6 Novos Dados Uma das soluções quando não há estmatva precsa de parâmetros econômcos é obter mas e melhores dados Neste caso, foram coletados dados de outras 6 semanas, dsponíves na planlha: lanchonete_new O nome das colunas têm o sufxo _new. Cra-se a coluna do quadrado dos gastos com propaganda.
31 Regresson Analyss: receta_new versus preço_new; propaganda_new;... The regresson equaton s receta_new , preço_new + 3,36 propaganda_new - 0,068 propaganda_new^ Predctor Coef SE Coef T P Constant 110,464 3,741 9,5 0,000 preço_new -10,198 1,58-6,45 0,000 propaganda_new 3,3610 0,417 7,97 0,000 propaganda_new^ -0,0675 0, ,68 0,096 S 5,91871 R-Sq 87,9% R-Sq(adj) 87,4% Analyss of Varance Source DF SS MS F P Regresson ,0 650,7 178,43 0,000 Resdual Error 74 59,3 35,0 Total ,3 Teste de Sgnfcânca Unlateral H 0 : ß 3 0 vs H 1 : ß 3 < 0 Nível de sgnfcânca de 5% Lmte crítco: t 0,05; [78-(3+1)] f c -1,66571 t c 1,68 < t 1,67 Os dados de que dspomos são compatíves com a hpótese da dmnução do retorno em função da despesa Comentáros Comparação com o ajuste anteror: RT 104,815 6,58p +,9843a + 0,00173a (6,578) (3,459) (0,7855) (0,03609) R 85,9% σˆ 37,6 RT * 110,464 (3,741) 10,198p* (1,58) + 3,3610a * (0,417) 0,0675a * (0,01589) R 87,4% σˆ 35,0 Houve aumento da precsão (menor erro-padrão) O termo a tem o snal esperado
32 Modelo Restrto Regresson Analyss: receta_new versus preço_new The regresson equaton s receta_new ,06 preço_new Predctor Coef SE Coef T P Constant 111,713 8,854 1,6 0,000 preço_new 5,057 4,01 1,6 0,11 S 16,5860 R-Sq,0% R-Sq(adj) 0,8% Analyss of Varance Source DF SS MS F P Regresson 1 436,9 436,9 1,59 0,11 Resdual Error ,3 75,1 Total ,3 Referêncas Bblografa Recomendada Hll, R. C., Grffths, W. E. e Judge, G. (Sarava) Econometra Gujarat, D. N. (Pearson) Econometra Básca Maddala, G. S. (LTC) Introdução à econometra
Prof. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca
Leia maisAnálise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA
Análse de Regressão Profa Alcone Mranda dos Santos Departamento de Saúde Públca UFMA Introdução Uma das preocupações estatístcas ao analsar dados, é a de crar modelos que explctem estruturas do fenômeno
Leia maisAnálise de Regressão
Análse de Regressão método estatístco que utlza relação entre duas ou mas varáves de modo que uma varável pode ser estmada (ou predta) a partr da outra ou das outras Neter, J. et al. Appled Lnear Statstcal
Leia maisContabilometria. Aula 8 Regressão Linear Simples
Contalometra Aula 8 Regressão Lnear Smples Orgem hstórca do termo Regressão Le da Regressão Unversal de Galton 1885 Galton verfcou que, apesar da tendênca de que pas altos tvessem flhos altos e pas axos
Leia maisMOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES
MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES 1. Obtenha os estmadores dos coefcentes lnear e angular de um modelo de regressão lnear smples utlzando o método
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisPRESSUPOSTOS DO MODELO DE REGRESSÃO
PREUPOTO DO MODELO DE REGREÃO A aplcação do modelo de regressão lnear múltpla (bem como da smples) pressupõe a verfcação de alguns pressupostos que condensamos segudamente.. Os erros E são varáves aleatóras
Leia maisGabarito da Lista de Exercícios de Econometria I
Gabarto da sta de Exercícos de Econometra I Professor: Rogéro lva Mattos Montor: eonardo enrque A. lva Questão Y X y x xy x ŷ ˆ ˆ y ŷ (Y - Y ) (X - X ) (Ŷ - Y ) 360 00-76 -00 35.00 40.000 36-4 30.976 3076
Leia mais1. CORRELAÇÃO E REGRESSÃO LINEAR
1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação
Leia maisAnálise de Variância. Comparação de duas ou mais médias
Análse de Varânca Comparação de duas ou mas médas Análse de varânca com um fator Exemplo Um expermento fo realzado para se estudar dabetes gestaconal. Desejava-se avalar o comportamento da hemoglobna (HbA)
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-14 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Prncípos de cração de modelos empírcos: Modelos (matemátcos, lógcos, ) são comumente utlzados na
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 maisAnálise de Regressão Linear Múltipla VII
Análse de Regressão Lnear Múltpla VII Aula 1 Hej et al., 4 Seções 3. e 3.4 Hpótese Lnear Geral Seja y = + 1 x 1 + x +... + k x k +, = 1,,..., n. um modelo de regressão lnear múltpla, que pode ser escrto
Leia maisOs modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.
MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,
Leia mais2 Incerteza de medição
2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr
Leia maisCurso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos
Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,
Leia maisCORRELAÇÃO E REGRESSÃO
CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr
Leia maisA redução na pressão sangüínea (mm Hg) em um período de quatro semanas observadas em cães experimentais está tabulada abaixo:
UNIVERSIDADE ESTADUAL PAULISTA FACULDADE DE CIÊNCIAS AGRÁRIAS E VETERINÁRIAS CAMPUS DE JABOTICABAL ª PROVA DE ESTATÍSTICA EXPERIMENTAL - MEDICINA VETERINÁRIA NOME: DATA / / ª QUESTÃO (,): A redução da
Leia mais3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas
3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas
Leia mais(B) Considere X = antes e Y = depois e realize um teste t para dados pareados e um teste da ANOVA de um DBC com 5 blocos. Compare os resultados.
INF 6 Notas de aula sujeto a correções Prof. Luz Alexandre Peternell (B) Consdere X antes e Y depos e realze um teste t para dados pareados e um teste da ANOVA de um DBC com 5 blocos. Compare os resultados.
Leia maisESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11. EXERCÍCIOS PRÁTICOS - CADERNO 4 Regressão Linear
ESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11 EERCÍCIOS PRÁTICOS - CADERNO 4 Regressão Lnear 4. EERCÍCIOS PARA RESOLVER NAS AULAS 4.1. O gestor de marketng duma grande cadea de supermercados quer determnar
Leia maisANÁLISE DA VARIÂNCIA DA REGRESSÃO
ANÁLISE DA VARIÂNCIA DA REGRESSÃO PROCEDIMENTO GERAL DE REGRESSÃO Em um modelo de análse de varânca, como no DIA, o fator em estudo pode ser quanttatvo ou qualtatvo. FATOR QUANTITATIVO: é aquele cujos
Leia maisCorrelação. Frases. Roteiro. 1. Coeficiente de Correlação 2. Interpretação de r 3. Análise de Correlação 4. Aplicação Computacional 5.
Correlação Frases Uma probabldade razoável é a únca certeza Samuel Howe A experênca não permte nunca atngr a certeza absoluta. Não devemos procurar obter mas que uma probabldade. Bertrand Russel Rotero
Leia maisEstatística II Antonio Roque Aula 18. Regressão Linear
Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão
Leia maisRedução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma
Redução dos Dados Júlo Osóro Meddas Característcas da Dstrbução Tendênca Central (Localzação) Varação (Dspersão) Forma 1 Meddas Característcas da Dstrbução Meddas Estatístcas Tendênca Central Dspersão
Leia maisAULA EXTRA Análise de Regressão Logística
1 AULA EXTRA Análse de Regressão Logístca Ernesto F. L. Amaral 13 de dezembro de 2012 Metodologa de Pesqusa (DCP 854B) VARIÁVEL DEPENDENTE BINÁRIA 2 O modelo de regressão logístco é utlzado quando a varável
Leia maisINSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO
Área Centfca Curso Matemátca Engenhara Electrotécnca º Semestre º 00/0 Fcha nº 9. Um artgo da revsta Wear (99) apresenta dados relatvos à vscosdade do óleo e ao desgaste do aço maco. A relação entre estas
Leia mais7 - Distribuição de Freqüências
7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste
Leia maisUMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EATAS DEPARTAMENTO DE ESTATÍSTICA UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
Leia maisA redução na pressão sangüínea (mm Hg) em um período de quatro semanas observadas em cães experimentais está tabulada abaixo:
UNIVERSIDADE ESTADUAL PAULISTA FACULDADE DE CIÊNCIAS AGRÁRIAS E VETERINÁRIAS CAMPUS DE JABOTICABAL ª PROVA DE ESTATÍSTICA EXPERIMENTAL - MEDICINA VETERINÁRIA NOME: DATA / / ª QUESTÃO (5,5): A redução da
Leia maisTipo tratamento idade Tipo tratamento sexo
Modelos de Regressão em Saúde Rejane Sobrno Pnhero Tâna Zdenka Gullén de Torres Modelos de Regressão Famíla de técncas estatístcas város fatores meddos (predtor, covarável, varável ndependente) relaconados
Leia maisVariáveis Indicadoras. Roteiro. Introdução
Varáves Indcadoras Rotero 1. Introdução 2. Varável Bnára de Intercepto 3. Varável de Interação 4. Aplcação 5. Varáves Qualtatvas com Váras Categoras 6. Referêncas Introdução Varáves Bnáras Modelo estenddo
Leia mais8.16. Experimentos Fatoriais e o Fatorial Fracionado
8.6. Expermentos Fatoras e o Fatoral Fraconado Segundo Kng (995) os arranos fatoras e fatoral fraconado estão dentre os arranos mas usados em expermentos ndustras. Veremos aqu alguns casos mas geras e
Leia mais1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de
Leia maisProf. Cláudio Serra, Esp. 1. Produção de Leite x índice Pluviométrico y = 0.8x R 2 =
Análse de Regressão Cap.. Introdução Análse de regressão é uma técnca de modelagem utlzada para analsar a relação entre uma varável dependente () e uma ou mas varáves ndependentes,, 3,..., n. O ojetvo
Leia maisPROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2010/2011
Instruções: PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 00/0 Cada uestão respondda corretamente vale (um) ponto. Cada uestão respondda ncorretamente vale - (menos um) ponto. Cada uestão
Leia maisAnálise Descritiva com Dados Agrupados
Análse Descrtva com Dados Agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas descrtvas
Leia maisAo se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.
Estatístca Dscplna de Estatístca 0/ Curso Superor de tecnólogo em Gestão Ambental Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos
Leia maisEstatística I Licenciatura MAEG 2006/07
Estatístca I Lcencatura MAEG 006/07 AMOSTRAGEM. DISTRIBUIÇÕES POR AMOSTRAGEM.. Em determnada unversdade verfca-se que 30% dos alunos têm carro. Seleccona-se uma amostra casual smples de 0 alunos. a) Qual
Leia maisAplicando o método de mínimos quadrados ordinários, você encontrou o seguinte resultado: 1,2
Econometra - Lsta 3 - Regressão Lnear Múltpla Professores: Hedbert Lopes, Prscla Rbero e Sérgo Martns Montores: Gustavo Amarante e João Marcos Nusdeo QUESTÃO 1. Você trabalha na consultora Fazemos Qualquer
Leia maisNOTAS DE AULA DA DISCIPLINA CE076
5. COMPONENTES PRINCIPAIS 5. Introdução A análse de Comonentes Prncas está relaconada com a exlcação da estrutura de covarânca or meo de oucas combnações lneares das varáves orgnas em estudo, ou sea, rocura
Leia maisCAPÍTULO 9 REGRESSÃO LINEAR PPGEP REGRESSÃO LINEAR SIMPLES REGRESSÃO LINEAR SIMPLES REGRESSÃO LINEAR SIMPLES UFRGS. Regressão Linear Simples
CAPÍTULO 9 REGREÃO LINEAR IMPLE REGREÃO LINEAR IMPLE UFRG Em mutos problemas há duas ou mas varáves que são relaconadas, e pode ser mportante modelar essa relação. Por exemplo, a resstênca à abrasão de
Leia maisDEFINIÇÃO - MODELO LINEAR GENERALIZADO
DEFINIÇÃO - MODELO LINEAR GENERALIZADO 1 Um modelo lnear generalzado é defndo pelos seguntes três componentes: Componente aleatóro; Componente sstemátco; Função de lgação; Componente aleatóro: Um conjunto
Leia maisPARTE 1. 1. Apresente as equações que descrevem o comportamento do preço de venda dos imóveis.
EXERCICIOS AVALIATIVOS Dscplna: ECONOMETRIA Data lmte para entrega: da da 3ª prova Valor: 7 pontos INSTRUÇÕES: O trabalho é ndvdual. A dscussão das questões pode ser feta em grupo, mas cada aluno deve
Leia maisCAPÍTULO 2 - Estatística Descritiva
INF 16 Prof. Luz Alexandre Peternell CAPÍTULO - Estatístca Descrtva Exercícos Propostos 1) Consderando os dados amostras abaxo, calcular: méda artmétca, varânca, desvo padrão, erro padrão da méda e coefcente
Leia maisAnálise de Variância. Introdução. Rejane Sobrino Pinheiro Tania Guillén de Torres
Análse de Varânca Rejane Sobrno Pnhero Tana Gullén de Torres Análse de Varânca Introdução Modelos de análse de varânca consttuem uma classe de modelos que relaconam uma varável resposta contínua com varáves
Leia maisAnálise de influência
Análse de nfluênca Dzemos que uma observação é nfluente caso ela altere, de forma substancal, alguma propredade do modelo ajustado (como as estmatvas dos parâmetros, seus erros padrões, valores ajustados...).
Leia maisEm muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.
Prof. Lorí Val, Dr. val@pucrs.r http://www.pucrs.r/famat/val/ Em mutas stuações duas ou mas varáves estão relacoadas e surge etão a ecessdade de determar a atureza deste relacoameto. A aálse de regressão
Leia maisX = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)
Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado
Leia maisElementos de Estatística e Probabilidades II
Elementos de Estatístca e Probabldades II Varáves e Vetores Aleatóros dscretos Inês Das 203 O prncpal objetvo da deste documento é fornecer conhecmentos báscos de varáves aleatóras dscretas e pares aleatóros
Leia maisTeoria da Regressão Espacial Aplicada a. Sérgio Alberto Pires da Silva
Teora da Regressão Espacal Aplcada a Modelos Genércos Sérgo Alberto Pres da Slva ITENS DE RELACIONAMENTOS Tópcos Báscos da Regressão Espacal; Banco de Dados Geo-Referencados; Modelos Genércos Robustos;
Leia maisCAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA
CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de
Leia maisRegressão múltipla linear
Regressão múltpla lnear (Análse de superfíces de tendênca) Coefcente de correlação lnear produto momento, segundo Pearson (r) SPXY = -( ) / n; SQX = - () / n; SQY = - () / n r cov(, ) var( )var( ) r SPXY
Leia mais5.1 Seleção dos melhores regressores univariados (modelo de Índice de Difusão univariado)
5 Aplcação Neste capítulo será apresentada a parte empírca do estudo no qual serão avalados os prncpas regressores, um Modelo de Índce de Dfusão com o resultado dos melhores regressores (aqu chamado de
Leia maisUNIVERSIDADE FEDERAL DO PARANÁ DEPARTAMENTO DE ESTATÍSTICA CE 071 ANÁLISE DE REGRESSÃO LINEAR. Cesar Augusto Taconeli
UNIVERSIDADE FEDERAL DO PARANÁ DEPARTAMENTO DE ESTATÍSTICA CE 7 ANÁLISE DE REGRESSÃO LINEAR Cesar Augusto Taconel Curtba-PR . INTRODUÇÃO Taconel, C.A. Análse de Regressão Lnear Ao se tratar da relação
Leia mais2. Validação e ferramentas estatísticas
. Valdação e ferramentas estatístcas Mutos aspectos relaconados à socedade são suportados, de alguma forma, por algum tpo de medção analítca. Mlhões de medções analítcas são realzadas todos os das, em
Leia maisUNIVERSIDADE FEDERAL DE VIÇOSA CENTRO DE CIÊNCIAS AGRÁRIAS DEPARTAMENTO DE ECONOMIA RURAL. ERU ECONOMETRIA I Segundo Semestre/2010
UNIVERSIDADE FEDERAL DE VIÇOSA CENTRO DE CIÊNCIAS AGRÁRIAS DEPARTAMENTO DE ECONOMIA RURAL ERU 66 - ECONOMETRIA I Segundo Semestre/010 AULA PRÁTICA N o 3- Dados em Panel Ana Carolna Campana Nascmento Fernanda
Leia maisAlgarismos Significativos Propagação de Erros ou Desvios
Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento
Leia maisProbabilidade e Estatística. Correlação e Regressão Linear
Probabldade e Estatístca Correlação e Regressão Lnear Correlação Este uma correlação entre duas varáves quando uma delas está, de alguma forma, relaconada com a outra. Gráfco ou Dagrama de Dspersão é o
Leia mais1.UNIVERSIDADE FEDERAL DE VIÇOSA, VIÇOSA, MG, BRASIL; 2.UNIVERSIDADE FEDERAL DE GOIÁS, GOIANIA, GO, BRASIL.
A FUNÇÃO DE PRODUÇÃO E SUPERMERCADOS NO BRASIL ALEX AIRES CUNHA (1) ; CLEYZER ADRIAN CUNHA (). 1.UNIVERSIDADE FEDERAL DE VIÇOSA, VIÇOSA, MG, BRASIL;.UNIVERSIDADE FEDERAL DE GOIÁS, GOIANIA, GO, BRASIL.
Leia maisUniversidade Federal de Viçosa. Introdução à Metodologia de Superfícies de
Unversdade Federal de Vçosa Departamento de Estatístca Dscplna: EST 63 Métodos Estatístcos II Apostla Introdução à Metodologa de Superfíces de Resposta Paulo Roberto Cecon Anderson Rodrgo da Slva Vçosa,
Leia maisTânia Lucia Hojo (UFMG) Sueli Aparecida Mingoti (UFMG)
Modelos de equações estruturas: uma avalação dos métodos de máxma verossmlhança, mínmos quadrados ordnáros e mínmos quadrados parcas usados na estmação de parâmetros do modelo. Tâna Luca Hojo (UFMG) hojo@est.mest.ufmg.br
Leia maisIntrodução à Análise de Dados nas medidas de grandezas físicas
Introdução à Análse de Dados nas meddas de grandezas físcas www.chem.wts.ac.za/chem0/ http://uregna.ca/~peresnep/ www.ph.ed.ac.uk/~td/p3lab/analss/ otas baseadas nos apontamentos Análse de Dados do Prof.
Leia maisSELEÇÃO DE MODELOS VOLUMÉTRICOS PARA CLONES DE EUCALYPTUS SPP., NO PÓLO GESSEIRO DO ARARIPE
SELEÇÃO DE MODELOS VOLUMÉTRICOS PARA CLONES DE EUCALYPTUS SPP, NO PÓLO GESSEIRO DO ARARIPE Jáder da Slva Jale Joselme Fernandes Gouvea Alne Santos de Melo Denns Marnho O R Souza Kléber Napoleão Nunes de
Leia maisPrograma de Certificação de Medidas de um laboratório
Programa de Certfcação de Meddas de um laboratóro Tratamento de dados Elmnação de dervas Programa de calbração entre laboratóros Programa nterno de calbração justes de meddas a curvas Tratamento dos resultados
Leia maisClassificação de Padrões
Classfcação de Padrões Introdução Classfcadores Paramétrcos Classfcadores Sem-paramétrcos Redução da Dmensonaldade Teste de Sgnfcânca 6.345 Sstema de Reconhecmento de Voz Teora Acústca da Produção de Voz
Leia maisEconometria: 3 - Regressão Múltipla
Ecoometra: 3 - Regressão Múltpla Prof. Marcelo C. Mederos mcm@eco.puc-ro.br Prof. Marco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo de regressão
Leia maisHipóteses do Modelo de Regressão Linear Clássico
Uversdade Federal da Baha Facldade de Cêcas coômcas Departameto de cooma CO 66 Itrodção à coometra Hpóteses do Modelo de Regressão Lear Clássco Gerváso F. Satos Propredades dos estmadores de MQO As estmatvas
Leia maisCONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues
CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogéro Rodrgues I) TABELA PRIMITIVA E DISTRIBUIÇÃO DE FREQÜÊNCIA : No processo de amostragem, a forma de regstro mas
Leia maisESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11. EXERCÍCIOS PRÁTICOS - CADERNO 1 Revisões de Estatística
ESTATÍSTICA MULTIVARIADA º SEMESTRE 010 / 11 EXERCÍCIOS PRÁTICOS - CADERNO 1 Revsões de Estatístca -0-11 1.1 1.1. (Varáves aleatóras: função de densdade e de dstrbução; Méda e Varânca enquanto expectatvas
Leia maisANÁLISE DE VARIÂNCIA (ANOVA) CLÁSSICA: TÉCNICA ÚTIL, PORÉM RESTRITIVA!
ANÁLSE DE VARÂNCA (ANOVA) CLÁSSCA: TÉCNCA ÚTL, PORÉM RESTRTVA! Questões assocadas à verfcação de suas suposções: (adtvdade, ndependênca, homocedastcdade e normaldade) k..d.~n(0, ) quadrados mínmos ordnáros
Leia maisAULA 4. Segundo Quartil ( Q observações são menores que ele e 50% são maiores.
Estatístca Aplcada à Engenhara AULA 4 UNAMA - Unversdade da Amazôna.8 MEDIDA EPARATRIZE ão valores que separam o rol (os dados ordenados) em quatro (quarts), dez (decs) ou em cem (percents) partes guas.
Leia maisFaculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu
1 Programação Não Lnear com Restrções Aula 9: Programação Não-Lnear - Funções de Váras Varáves com Restrções Ponto Regular; Introdução aos Multplcadores de Lagrange; Multplcadores de Lagrange e Condções
Leia maissão os coeficientes desconhecidos e o termo ε (erro)
Regressão Lnear Neste capítulo apresentamos um conjunto de técncas estatístcas, denomnadas análse de regressão lnear, onde se procura estabelecer a relação entre uma varável resposta e um conjunto de varáves
Leia maisEstatística. 8 Teste de Aderência. UNESP FEG DPD Prof. Edgard
Estatístca 8 Teste de Aderênca UNESP FEG DPD Prof. Edgard 011 8-1 Teste de Aderênca IDÉIA: descobrr qual é a Dstrbução de uma Varável Aleatóra X, a partr de uma amostra: {X 1, X,..., X n } Problema: Seja
Leia maisx Ex: A tabela abaixo refere-se às notas finais de três turmas de estudantes. Calcular a média de cada turma:
Professora Janete Perera Amador 1 8 Meddas Descrtvas Vmos anterormente que um conjunto de dados pode ser resumdo através de uma dstrbução de freqüêncas, e que esta pode ser representada através de uma
Leia maisO que heterocedasticidade? Heterocedasticidade. Por que se preocupar com heterocedasticidade? Exemplo de heterocedasticidade.
Heterocedastcdade y = β 0 + β + β + β k k + u O que heterocedastcdade? Lembre-se da hpótese de homocedastcdade: condconal às varáves eplcatvas, a varânca do erro, u, é constante Se sso não for verdade,
Leia maisObjetivos da aula. Essa aula objetiva fornecer algumas ferramentas descritivas úteis para
Objetvos da aula Essa aula objetva fornecer algumas ferramentas descrtvas útes para escolha de uma forma funconal adequada. Por exemplo, qual sera a forma funconal adequada para estudar a relação entre
Leia mais5 Métodos de cálculo do limite de retenção em função da ruína e do capital inicial
5 Métodos de cálculo do lmte de retenção em função da ruína e do captal ncal Nesta dssertação serão utlzados dos métodos comparatvos de cálculo de lmte de retenção, onde ambos consderam a necessdade de
Leia maisDiagnóstico do Modelo e Tratamento. Frases. Roteiro
Diagnóstico do Modelo e Tratamento Frases Por serem mais precisos que as palavras, os números são particularmente adequados para transmitir conclusões científicas Pagano e Gauvre, 4 Roteiro. Suposições
Leia maisMETODOLOGIA DE GRÁFICOS DE CONTROLE PARA O USO EM CURVAS DE CRESCIMENTO
METODOLOGIA DE GRÁFICO DE CONTROLE PARA O UO EM CURVA DE CRECIMENTO João Eduardo da lva Perera UFM CCNE - Departamento de Estatístca CAMPU - 9705-900 - anta Mara - R - e-mal: jesp@ccne.ufsm.br Janete Perera
Leia maisAlgoritmos Genéticos com Parâmetros Contínuos
com Parâmetros Contínuos Estéfane G. M. de Lacerda DCA/UFRN Mao/2008 Exemplo FUNÇÃO OBJETIVO : 1,0 f ( x, y) 0, 5 sen x y 0, 5 1, 0 0, 001 x 2 2 2 y 2 2 2 0,8 0,6 0,4 0,2 0,0-100 -75-50 -25 0 25 50 75
Leia maisAEP FISCAL ESTATÍSTICA
AEP FISCAL ESTATÍSTICA Módulo 11: Varáves Aleatóras (webercampos@gmal.com) VARIÁVEIS ALEATÓRIAS 1. Conceto de Varáves Aleatóras Exemplo: O expermento consste no lançamento de duas moedas: X: nº de caras
Leia maisPREVISÃO DE CUSTO DE HORA-EXTRA COM A UTILIZAÇÃO DO MODELO TOBIT
PREVISÃO DE CUSTO DE HORA-EXTRA COM A UTILIZAÇÃO DO MODELO TOBIT Anderson de Barros Dantas Doutorando do PPGEP/UFSC/Bolssta CNPq anderson@eps.ufsc.br Robert Wayne Samohyl Prof. PhD do PPGEP/UFSC samohyl@eps.ufsc.br
Leia maisAnálise do Retorno da Educação na Região Norte em 2007: Um Estudo à Luz da Regressão Quantílica.
Análse do Retorno da Edcação na Regão Norte em 2007: Um Estdo à Lz da Regressão Qantílca. 1 Introdcão Almr Rogéro A. de Soza 1 Jâno Macel da Slva 2 Marnalva Cardoso Macel 3 O debate sobre o relaconamento
Leia maisFigura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma
Capítulo 8 Dferencação Numérca Quase todos os métodos numércos utlzados atualmente para obtenção de soluções de equações erencas ordnáras e parcas utlzam algum tpo de aproxmação para as dervadas contínuas
Leia maisUNIVERSIDADE ESTADUAL PAULISTA JÚLIO DE MESQUITA FILHO FACULDADE DE CIÊNCIAS AGRÁRIAS E VETERINÁRIAS CAMPUS DE JABOTICABAL MATERIAL DIDATICO DO CURSO
UNIVERSIDADE ESTADUAL PAULISTA JÚLIO DE MESQUITA FILHO FACULDADE DE CIÊNCIAS AGRÁRIAS E VETERINÁRIAS CAMPUS DE JABOTICABAL MATERIAL DIDATICO DO CURSO ESTATISTICA EXPERIMENTAL: Com aplcaçoes em R Medcna
Leia maisResumo 7-22, Janete Pereira Amador 1, Sidinei José Lopes 2, João Eduardo Pereira 1, Adriano Mendonça Souza 1, Marcos Toebe 3
7-, 011 Análse das pressuposções e adequação dos resíduos em modelo de regressão lnear para valores ndvduas, ponderados e não ponderados, utlzando pro- cedmentos do SAS Janete Perera Amador 1, Sdne José
Leia mais4 Modelos de Equações Estruturais
4 Modelos de Equações Estruturas 4. Introdução Este capítulo é dedcado aos fundamentos teórcos sobre os Modelos de Equações Estruturas baseados em Estruturas de Covarâncas (CSM) e em Mínmos Quadrados Parcas
Leia maisAPLICAÇÃO DE MÉTODOS ESTATÍSTICOS NO DESPORTO: ANÁLISE DO CAMPEONATO DE FUTEBOL, EM PORTUGAL
APLICAÇÃO DE MÉTODOS ESTATÍSTICOS NO DESPORTO: ANÁLISE DO CAMPEONATO DE FUTEBOL, EM PORTUGAL STATISTICAL METHODS APPLIED TO SPORTS: ANALISYS OF THE PORTUGUESE SOCCER CHAMPIONSHIP Autor: Paulo Almeda Perera
Leia maisEstudo e Previsão da Demanda de Energia Elétrica. Parte II
Unversdade Federal de Paraná Setor de Tecnologa Departamento de Engenhara Elétrca Estudo e Prevsão da Demanda de Energa Elétrca Parte II Prof: Clodomro Unshuay-Vla Etapas de um Modelo de Prevsão Objetvo
Leia maisMedidas de Dispersão e Assimetria Desvio Médio Variância Desvio Padrão Medidas de Assimetria Coeficiente de Assimetria Exemplos.
Meddas de Dspersão e Assmetra Desvo Médo Varânca Desvo Padrão Meddas de Assmetra Coefcente de Assmetra Exemplos lde 1 de 16 Meddas de Dspersão - Méda ervem para verfcação e representatvdade das meddas
Leia maisProfessor Mauricio Lutz CORRELAÇÃO
Professor Maurco Lutz 1 CORRELAÇÃO Em mutas stuações, torna-se nteressante e útl estabelecer uma relação entre duas ou mas varáves. A matemátca estabelece város tpos de relações entre varáves, por eemplo,
Leia maisEstatística stica Descritiva
AULA1-AULA5 AULA5 Estatístca stca Descrtva Prof. Vctor Hugo Lachos Davla oo que é a estatístca? Para mutos, a estatístca não passa de conjuntos de tabelas de dados numércos. Os estatístcos são pessoas
Leia maisY X Baixo Alto Total Baixo 1 (0,025) 7 (0,175) 8 (0,20) Alto 19 (0,475) 13 (0,325) 32 (0,80) Total 20 (0,50) 20 (0,50) 40 (1,00)
Bussab&Morettn Estatístca Básca Capítulo 4 Problema. (b) Grau de Instrução Procedênca º grau º grau Superor Total Interor 3 (,83) 7 (,94) (,) (,33) Captal 4 (,) (,39) (,) (,3) Outra (,39) (,7) (,) 3 (,3)
Leia maisANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de métodos
Leia maisINTRODUÇÃO... 4 CAPÍTULO CAPÍTULO CAPÍTULO CAPÍTULO
1 ÍNDICE INTRODUÇÃO... 4 CAPÍTULO 1... 6 INTRODUÇÃO... 6 Tpos de erros... 8 Erros aleatóros e sstemátcos em análses ttrmétrcas... 10 Manpulando erros sstemátcos... 1 CAPÍTULO... 16 ERROS EM ANÁLISES CLÁSSICAS...
Leia maisEFEITOS DO ERRO AMOSTRAL NAS ESTIMATIVAS DOS PARÂMETROS DO MODELO FATORIAL ORTOGONAL
SACHIKO ARAKI LIRA EFEITOS DO ERRO AMOSTRAL NAS ESTIMATIVAS DOS PARÂMETROS DO MODELO FATORIAL ORTOGONAL Tese apresentada como requsto parcal à obtenção do grau de Doutora em Cêncas no Programa de Pós-Graduação
Leia maisO PROBLEMA DA MODELAGEM DA VARIÂNCIA NA OTIMIZAÇÃO EXPERIMENTAL DE PRODUTOS OU PROCESSOS
O PROBLEMA DA MODELAGEM DA VARIÂNCIA NA OTIMIZAÇÃO EXPERIMENTAL DE PRODUTOS OU PROCESSOS Pedro Alberto Barbetta Departamento de Informátca e de Estatístca Unversdade Federal de Santa Catarna Antono Cezar
Leia mais