MEDIDAS DE EFICIÊNCIA USANDO FRONTEIRAS ESTOCÁSTICAS COM MÚLTIPLOS OUTPUTS E INPUTS

Tamanho: px
Começar a partir da página:

Download "MEDIDAS DE EFICIÊNCIA USANDO FRONTEIRAS ESTOCÁSTICAS COM MÚLTIPLOS OUTPUTS E INPUTS"

Transcrição

1 MEDIDAS DE EFICIÊNCIA USANDO FRONTEIRAS ESTOCÁSTICAS COM MÚLTIPLOS OUTPUTS E INPUTS Ne Carlos dos Satos Rocha IM/UFRJ rocha@lcc.br Alba Rega Morett DEMAT/UFRRJ morett@frrj.br Josmar Mazchel UEM - jmazchel@em.br Resmo Neste trabalho, tratamos do problema de frotera estocástca com múltplos otpts e pts. Além dsso, regstramos ma rqeza de modelo a mas a ser corporada às efcêcas téccas de forma a recohecer em aráes dmmes o o própro tempo algma eplcação para a efcêca técca de DMU (Decso Markg Uts). Um estdo de caso com dados de plataformas de petróleo m úco state de tempo fo feto e comparamos os resltados obtdos pela teora de frotera estocástca com o modelo VRS (Varable Retrs to Scale) sob a ótca do otpt, obtedo resltados mto bos com efcêcas médas pratcamete eqaletes. Propsemos também o so do Método de Regressão Stepwse para redção de pts. Fzemos comparações do método acma com o método I-O Stepwse proposto por [LM97]. Palaras chae: Frotera estocástca, meddas de efcêca, método de regressão stepwse. Abstract I ths paper, we treat the stochastc froter problem wth mltple otpts ad pts. Besdes, we regster a more comple strctre to be corporated to the techcal effceces order to recogze throgh dmmy arables or throgh tme tself some eplaato for the techcal effcecy of the DMUs (Decso Markg Uts). A stdy case wth data from petrolem platforms at a qe stat of tme was made ad the reslts obtaed a theory of stochastc froter were compared wth VRS (Varable Retrs to Scale) model o the ew of the otpt, ad qte good reslts were obtaed ad aerage effceces were almost eqalet. We hae also proposed the se of Stepwse Regresso Method for pts redcto. We hae made comparsos betwee ths method ad the oe proposed by [LM97]. Key words: stochastc froter, effcecy measre, stepwse regresso method. - Itrodção Há das teoras alteratas para a estmação de fções de froteras e a mesração de efcêca de prodção: a Aálse Eoltóra de Dados (DEA - Data Eelopmet Aalyss) e a Teora de Froteras Estocástcas. A prmera eole o so da programação lear, eqato qe esta últma faz so de métodos ecoométrcos. Uma das prmeras abordages em modelos de froteras estocástcas é deda a [AC68] qe cosderaram a estmação de ma fção de frotera de prodção paramétrca da forma de Cobb- Doglas, sado dados de ma amostra de DMU's (Decso Makg Uts). O modelo proposto era log y = β, =,...,

2 ode log y é o logartmo atral do otpt (escalar) da -ésma DMU; m etor lha de dmesão k + cjo prmero elemeto é e os elemetos restates são os logartmos atras dos k ' pts sados a -ésma DMU; β = ( β, β,..., β k ) m etor cola de dmesão k + de parâmetros descohecdos a serem estmados; e ma aráel aleatóra ão-egata, assocada com a efcêca técca a prodção da -ésma DMU. A efcêca técca da -ésma DMU é defda como a razão etre o se otpt obserado e o se potecal otpt defdo pela fção da frotera, o seja y ep( β ) ET = = = ep( ). ep( β) ep( β) Esta é ma medda de Farrell de efcêca técca sob a ótca do otpt, tomado alores etre zero e m, e dcado a magtde do otpt obserado da -ésma DMU relata ao otpt qe podera ser prodzdo por ma DMU totalmete efcete sado o mesmo etor de pt. A estmação dos parâmetros do modelo é feta atraés da programação lear, ode = mmzada, sjeta às restrções:, =,...,. O problema deste modelo é qe ele ão lea em cota a flêca de possíes erros de medda e otros rídos sobre a frotera. Todas as arações da frotera são stas como resltados da efcêca técca. Assm, [ALS77] e [MB77] propseram, de forma depedete, a corporação de m adcoal erro aleatóro,, à aráel aleatóra ão-egata,, a fm de represetar estes erros de medda o efetos otros qe ão os da efcêca sobre a aráel otpt. O assm chamado modelo de frotera estocástca é dado por log y = β +, =,..., () ode os são aráes aleatóras ormas..d. com méda zero e arâca costate σ, depedetes dos 's qe são assmdos como aráes aleatóras epoecas o semormas com arâca σ. A fgra mostra de qe forma a corporação de traz formações a respeto das casas da efcêca dedo a otros fatores qe ão os eplcados pelos 's. é Fgra Nosso trabalho sa a geeralzar esta estrtra, permtdo o so de múltplos otpts o modelo () acma, estrtra esta só recetemete cotemplada em algs artgos relatamete recetes da área de frotera estocástca. Além dsso, regstramos ma rqeza de modelo a mas a ser corporada aos 's de forma a bscar recohecer as aráes dmmes (tpo: a DMU passo por m treameto o ão) o o própro tempo algma eplcação para a efcêca técca de DMU's. Para sto deemos ter ma estrtra de dados em paés ao logo de m tempo, de forma qe a aráel tempo possa tradzr esses aspectos. 6

3 Fzemos osso estdo de caso a partr de dados de plataformas de petróleo m úco state de tempo, com múltplos otpts e pts, e comparamos os resltados obtdos pela teora de frotera estocástca com o modelo VRS sob a ótca do otpt, obtedo resltados mto bos com efcêcas médas pratcamete eqaletes. Propsemos também o so do Método de Regressão Stepwse para redção de pts, já qe em frotera estocástca com múltplos otpts de dmesão d as coordeadas polares destes etores (de dmesão d-) deerão ser corporadas ao cojto de pts, sedo possíel, por sso, apeas a redção dos pts. Fzemos comparações do método acma com o método I-O Stepwse proposto por [LM97], embora este teha a proposta de redzr tato os pts qato os otpts. Falmete aálses estatístcas, a respeto dos parâmetros, foram fetas sado o software SAS - Versão A Fção Radal De Frotera De Prodção d Cosdere ma tecologa de prodção ode múltplos pts R + são sados para p prodzr múltplos otpts y R +. A tecologa pode ser descrta pelo cojto de otpts P() defdo como: p P( ) = { y R + : pode prodzr y}. () Assme-se qe a tecologa satsfaz o cojto de aomas báscos dsctdos em [S7] e [F88]. Coedade de P(), para todo, e mootocdade dos pts e otpts são os aomas mas mportates. Cotato qe o cojto de otpts P() seja compacto (fechado e lmtado) e ão azo, a fção de prodção padrão para ma úca tecologa otpt é defda como: f ( ) = ma{ y R+ : y P( ) }. (3) A estratéga fdametal para represetar m etor de múltplos otpts como m escalar é sar coordeadas polares qe podem ser escrtas a forma: y = ι. m θ, (4) = p ode ( ) / ( ) ι = y = y é a orma Ecldaa do etor de otpts y. A fção p π m :, [,] p π, defda por m ( θ) = cos( θ) seθ j ; =, K,p; θ, =, j seθ = cosθ p =, [MKB79], represeta a trasformação do etor em âglos de coordeadas p π polares θ, para o etor de otpts m ( θ ) = y ι. O âglo das coordeadas polares, θ, são faclmete obtdos a partr dos otpts obserados ertedo a fção de trasformação m ( θ) recrsamete para cada dmesão =, K, p, respectamete. A solção para θ pode ser escrta a forma: θ = ι cos y seθ j, =,K, p, (5) j= ode seθ = cosθ p =. A represetação em coordeadas polares pode ser sada para defr ma fção radal de prodção, aáloga a m úco otpt da fção de prodção (3) como: f (, θ ) = ma{ ι R+ : ι.m( θ ) P( ) }. (6) Esta fção forece a máma orma atgda pelos otpts, dados os pts e a mstra de otpts represetada pelos âglos das coordeada polares θ. A fção radal herda algmas propredades do cojto de otpts. Por eemplo, os pts mootôcos lres do cojto de otpts, cosderado qe P( ') P( "), " ' p, traslada para 6

4 m pt posto a propredade de mootocdade da fção radal f(,θ) f ( ", ) f ( ', θ ), " ', o seja θ. A cratra da frotera de prodção pode ser obtda a partr das deradas parcas da fção radal com respeto aos âglos das coordeadas polares, f, θ θ, =, K,p. Estas deradas reelam a mdaça a orma do otpt qado a ( ) mstra de otpt é arada ao logo da frotera de prodção, dado o íel dos pts. Por eemplo, para ma tecologa com três otpts, o prmero âglo θ represeta o âglo a partr do eo y atraés do plao meddo pelos eos y e y 3. O âglo θ represeta o âglo etre y e y 3 o plao y - y 3. Estes dos âglos e a orma radal ι detfcam o etor de otpts y atraés da represetação dada em (4). Desta forma, a derada parcal f (, θ ) θ represeta a mdaça da frotera da orma dos otpts para mdaças de otpts mstos (etor de coordeadas polares) ao logo da frotera de otpts com proporções fadas etre y e y 3. A derada f (, θ ) θ, por otro lado, represeta a mdaça da frotera da orma de otpts dedo a mdaças os otpts mstos com íel da dmesão do prmero otpt y matdo costate. Uma medda de escala de elastcdade de múltplos otpts pode ser defda em termos das deradas parcas da fção radal como: f (, θ ). ε = (7) f (, θ ) ode f (,θ ) represeta o gradete da fção radal. Esta medda de escala forece a razão da mdaça proporcoal a orma dos otpts a frotera dedo a ma mdaça proporcoal os pts, codcoado à dreção dos otpts como represetado pelos âglos das coordeadas polares dos otpts, θ, e o íel de pts. Uma ez qe ma mdaça a escala da orma dos otpts a frotera correspode a ma mdaça proporcoal em todas as dmesões da frotera de otpts, a medda de escala de elastcdade da frotera em (7) pode ser terpretada como ma medda local da escala da elastcdade da frotera. Para ma úca tecologa otpt, (7) tora-se smplesmete a f ( ). medda de escala de elastcdade de m úco otpt, o seja, ε =. f.. A Fção Radal De Frotera De Prodção Estocástca Itrodzdo m termo de erro composto, como o modelo de m úco otpt de [ALS77] e [MB77], m modelo de fção radal de frotera de prodção estocástca pode ser especfcado por: ι = f (, θ ) ep( ). (8) A orma radal ι obserada é especfcada como ma fção de ma fção radal determístca f(, θ ) e erro composto ε =, ode a aráel aleatóra smétrca represeta os eetos aleatóros qe afetam a frotera de prodção e a aráel aleatóra trcada, represeta os eetos aleatóros qe afetam a efcêca técca da frma. f A orma da frotera estocástca é dada por: ι = f (, θ ) ep( ). A efcêca técca é modelada como afetado o otpt radalmete. O otpt obserado é obtdo a partr de ma reescala radal do íel de otpts da frotera f = ι f f y m( θ) e é gal a y = y ep ( ), ode o fator de redção do otpt defe a medda de efcêca técca ET = ep(-). Esta medda represeta a dstâca radal etre o etor de otpts e a frotera do cojto de otpts e correspode a efcêca técca dada em [F57] Isto também é eqalete para a fção dstâca do otpt defda em [S7] como y D o ( y, ) = m µ : P( ). µ (9) ( ) 6

5 Sob a especfcação acma, a fção dstâca é dada pela razão da orma da frotera e da f ι orma obserada, o seja, D o ( y, ) = = ep( ). A efcêca técca desta forma está ι completamete caracterzada pela aráel aleatóra. 3 - O Modelo Um modelo lear estocástco para a frotera radal de prodção com dados em jaelas é obtdo mpodo-se ma forma fcoal lear da fção radal e tomado logartmos em (8) a forma: log ι t = β + z' t β + t t, =, K,, t =, K,T, () ode dea as frmas e t dea os períodos de tempo; z t é m etor k-dmesoal dos pts e dos âglos dos otpts e otras aráes específcas referetes à frma e ao tempo; t represeta a efcêca da -ésma frma o período de tempo t como a dstâca a partr do logartmo da orma, log ι t, ao logartmo da frotera radal estocástca dado por log f ( t, θt ) + t. Se T =, () é smplfcado em ma secção lear crzada do modelo de frotera radal. O modelo () pode ser rescrto a forma padrão como: log ι t = α t + z' t β + t, =, K,, t =, K,T, () ode α t = β t represeta o tercepto específco da frma e do tempo. Para m úco otpt, ode ι t = yt, com efcêca técca arate o tempo, () redz-se ao modelo de frotera de prodção com dados em jaela com tercepto específco da frma, trodzdo por [S86]. Os parâmetros β e β em () e () podem ser estmados por mímos qadrados ordáros (OLS - Ordary Least Sqares) o atraés de estmação máma erossmlhaça. Smlar aos modelos de frotera estocástca, com m úco otpt, o estmador de mímos qadrados ordáros do tercepto β será cosstete dedo ao fato do erro ser trcado o erro composto ( - ). Porém, o tercepto pode ser cosstetemete estmado atraés de ma correção do estmador OLS. Esta correção reslta o método de estmação chamado mímos qadrados corrgdos (COLS - Corrected Ordary Least Sqares). A estmação atraés do método de máma erossmlhaça ege as segtes sposções: os erros t são aráes aleatóras ormas depedetes e detcamete dstrbídas, ormas com méda zero e arâca costate t ~ N, σ ; os pts t e os âglos de coordeadas polares σ, ( ) θ t são depedetes de 't', para, ' =, K,; t, t' =, K,T ; os termos t são modelados como aráes aleatóras depedetes ão egatas e com efcêcas especfcadas o tempo, cja dstrbção é ormal trcada o zero, com méda arado ~ N m σ. A méda m t é especfcada como ma fção lear o tempo, o seja, ( ) t t, *' mt = ztδ, ode z * t é m etor m-dmesoal das aráes eógeas assocadas com a efcêca técca [BC95]. Alteratamete terpretado, os termos de efcêca são dados por = m, () t t + w t m ode w t são aráes aleatóras ão obseráes..d., t ( w ) t t w ~ N, σ, w. A restrção wt m t garate qe os termos de efcêca são ão egatos. Os termos de efcêca t (o eqaletemete w t ) são, além dsso, cosderados depedetes de ' t' para, ' =, K,; t, t' =, K,T. 63

6 Uma atagem do modelo para efetos de efcêca técca é qe m efeto dedo ao tempo pode ser corporado tato a fção radal de frotera qato a especfcação da efcêca técca arado com o tempo. Isto permte estmar tato mdaças téccas (eógeas) da frotera de prodção, qato a estrtra lear do tempo a efcêca técca. [BC95] apreseta ma dscssão da estmação deste modelo. Neste trabalho, os cocetramos apeas a estmação da fção frotera, já qe ão dspúhamos de dados em jaelas ao logo de m período de tempo. As efcêcas téccas de frmas específcas (fções dstâca) podem ser estmadas sado o procedmeto sado por [JLMS8], geeralzado por [BC88] para modelos de paés de dados. A efcêca técca será estmada pela esperaça codcoal do erro trcado codcoado ao erro composto a forma E Tˆ = E ep εˆ = E ep m w εˆ (3) 4 - Aplcação 4.. Dados [ ( ) ] [ ( ) ] t t t t t Os dados (Tabela do Aeo) foram obtdos de DMU's (Plataformas de Petróleo), cosstdo orgalmete de 4 otpts e 8 pts, m úco state de tempo (T = ). Os otpts (Y) e os pts (X) são os segtes: Y : RECEITA - Receta da plataforma com eda de óleo e gás; Y : ÓLEO - Prodção físca de óleo; Y 3 : GÁS - Prodção físca de gás; Y 4 : EF.OP. - Efcêca operacoal (aalada em fção do tempo fora de operação); X : NP - Número de poços de petróleo em cada plataforma; X : VU/ID* - Idade / da útl da plataforma; X 3 : C.MAT. - Despesa aal com materas; X 4 : C.PES. - Despesa aal com pessoal própro; X 5 : C.SER. - Despesa aal com serços; X 6 : C.ENC. - Despesa aal com ecargos; X 7 : C.TOT. - Despesa aal total; X 8 : ATIVO - Atos cotablzados. Nma prmera stâca todos os dados foram cotemplados o modelo; em segda, apeas os otpts Y e Y 4 e os pts X e X 8 selecoados pelo Método I-O Stepwse foram sados o modelo, pos o so de todos os pts e otpts gerara tato a abordagem de frotera estocástca qato a abordagem DEA, ma frotera ode a maor parte das DMU's tee alta efcêca (o caso da frotera estocástca) o total efcêca (o caso do modelo VRS). Ifelzmete, a falta de dados em paés (deados o tempo) os mpossblto de modelar os erros 's (efcêcas téccas) como ma regressão o tempo, de forma a se dagostcar a flêca do tempo (o poretra a flêca de otro fator de teresse) a eolção das efcêcas téccas. 4.. O Modelo O segte modelo log-lear de fção radal de frotera de prodção estocástca para os dados completos fo tlzado log y = β + β + β + β3 3 + β β β + β + β + β θ + β θ + β θ + (4) ode : deota -ésma DMU; y = y (orma do etor 4-dmesoal de otpts da -ésma DMU); k = log Xk (logartmo do k-ésmo pt da -ésma DMU, k =,..., 8); θ l = log θl (logartmo da l-ésma coordeada polar da -ésma DMU, l =,, 3); β = β, β, β, β, β, β, β, β, β, β, β, ) (etor de parâmetros -dmesoal); ~ ( β NID(, σ ), trcada o zero ( ); ~ NID(, σ ), com 's depedetes dos 's. Passos eectados a estmação:. Estmação do etor de parâmetros β, a partr dos Estmadores de Máma Verossmlhaça (EMV) do log da fção de erossmlhaça, para dstrbção semormal dos efetos de t 64

7 efcêca técca, obtda por [BC77], bem como os teralos de cofaça para os mesmos forecdos pelo SAS. π log( L) = log logσ S + log[ Φ( z )] (log y l β ) (5) = σ S = ode = (, θ ) (etor dos k 's acrescetado dos θ l 's); (log y l β ) γ z = ; σ S = σ + σ ; σ γ σ γ = ; Φ ( ) é a fção de dstrbção da aráel aleatóra ormal padrão. σ + σ. Obteção do etor de erros estmados ε ˆ = ( ˆ ε, ˆ,..., ˆ ε ε ) ode ε =, de forma qe ε ~ NID (, σ + ). σ 3. Estmação cosstete de σ e σ dada por [OSW8]) ode µ ˆ = εˆ e 3 µ ˆ 3 = εˆ. = = π π π 4 S 3 σˆ = µ ˆ e ˆ ˆ 3 = µ σ π σ (cf. π 4. Correção de β (cf. [OSW8]) : β β σˆ. π 5. Estmação potal dos 's, [JLMS8], bem como de ses teralos de cofaça: Estmação Potal µ µ ˆ = E[ ˆ ε ] = µ + σˆ φ Φ (6) σˆ σˆ ode σˆ γ ˆ = ; σˆ = γˆ( γˆ) σˆ com S σ ˆ S = σˆ + σˆ ; µ = γˆ εˆ ; φ ( ) é a fção de desdade da aráel σˆ + σˆ aleatóra ormal padrão; Φ ( ) é a fção de dstrbção da aráel aleatóra ormal padrão. Estmação teralar [L, U ] com íel de sgfcâca α : L = µ + Z σˆ (lmte feror) e U = µ + σˆ ZU (lmte speror) ode µ Z = Φ ( α / ) Φ e µ L Z = Φ ( α / ) Φ σˆ. U σˆ 6. Cálclo das Efcêcas Téccas, [BC88] : Φ( σˆ ˆˆ ˆ + γε / σ ) ET E[ ep( ) ˆ ] ep{ˆˆ ˆ = ε = γε + σ / } (7) Φ(ˆˆ γε / σˆ ) O modelo descrto acma será tlzado ma segda aálse cosderado as aráes otpts e pts selecoadas tato pelo Método I-O Stepwse, [LM97], qato pelo Método de Regressão Stepwse, segdo os mesmos passos mecoados aterormete. L 4.3. Aálse Dos Resltados Modelo Completo Usado todo o cojto de otpts e pts o modelo (4), obtemos a SAS os resltados das qatdades de teresse apresetados a Tabela, do Aeo. O coefcete R de determação de,9964 comproa a cogrêca do modelo log-lear aos * dados como fção de frotera de prodção. Todos os pts reas (apeas os 's, sem cosderar as coordeadas polares trasformadas) são estatstcamete sgfcates ao íel de 5%. Por otro lado, os âglos θ ão são sgfcatos. Etretato estes ão podem ser remodos do modelo já qe represetam a estrtra do etor de otpts. 65

8 O modelo estmado é dado por: log yˆ = 4,9+,5,34 +,6 3,4,98 5 (,474) (,) (,56) (,8) (,97) (,8),43 6 +,79 7 +,9 8,945θ,866θ +,53θ3 (,97) (,33) (,) (,89) (,9) (,88) Os alores etre parêteses são os erros padrão dos parâmetros. As efcêcas téccas do modelo se ecotram a Tabela do Aeo. A efcêca técca méda obtda pelo modelo log-lear de frotera estocástca (98.39%) está bem próma da efcêca técca méda do modelo completo obtda a modelo VRS sob a ótca do otpt, sado o FRONTIER (99.7%). Pode-se obserar também, a partr do Gráfco do Aeo, qe a aálse dos erros obserados ( εˆ 's), a QQ-Plot, comproa a ormaldade dos ε = coforme mposto pelo modelo log-lear Modelo Redzdo A redção da dmesão das aráes fo feta sob das formas dsttas. Nm prmero passo, samos o método I-O-Stepwse para selecoar as aráes otpts e pts releates o modelo, as qas foram tlzadas tato o modelo de frotera estocástca qato o modelo VRS sob a ótca do otpt sado o FRONTIER. Nm segdo passo, propsemos o Método de Regressão Stepwse para selecoar as aráes pts qe melhor se ajstam ao modelo de regressão log-lear, já qe os âglos das coordeadas polares ão podem ser retrados sem ma qebra estrtral do modelo para múltplos otpts. Os resltados das efcêcas téccas bem como as efcêcas téccas médas com a seleção das aráes otpts (Y e Y 4 ) e pts (X e X 8 ), obtdas pelo método I-O Stepwse, para o modelo loglear de frotera estocástca e modelo VRS/O, ecotram-se a Tabela. Vemos qe a efcêca técca méda o modelo de frotera estocástca é de 97,33%, speror este caso à do modelo VRS/O qe é de 97,4%. O modelo ajstado o caso de frotera estocástca fo: * log yˆ = 4,778,3 +,4,636θ 8 (,876) (,435) (,8) (,94) Aq também todos os coefcetes do modelo assocados aos pts X e X 8 são sgfcatos. Pode-se obserar, a partr do Gráfco do Aeo, qe a aálse dos erros obserados ( εˆ 's), a QQ-Plot, comproa também a ormaldade dos ε = coforme mposto pelo modelo loglear com as aráes redzdas. A segr, sado-se o Método de Regressão Stepwse obseramos qe é possíel redzr o cojto dos pts a apeas X com R = 99,79% o a apeas X 8 com R = 99,79%. Optamos pelo so apeas de X 8 o modelo, ma ez qe esta aráel também fora selecoada pelo Método I-O Stepwse, obtedo as efcêcas téccas e a méda destas qe se ecotram a Tabela do Aeo. O modelo ajstado é dado por: * * * log yˆ = 5,75 +,,893θ,999θ +,597θ. 8 (,439) (,93) (,39) (,48) (,596) O método de seleção de aráes proposto apreseta o coefcete de determação R = 99,79% e o parâmetro assocado ao pt X 8 é sgfcato (dferete de zero). Cabe ressaltar qe a abordagem tlzada aq só é álda o coteto de frotera estocástca com múltplos otpts, ma ez qe as aráes pts foram selecoadas tedo-se como base o modelo log-lear. Isto qer dzer qe ão é lícto tlzar a aráel X 8 como represetata m modelo ão paramétrco do DEA. 5 - Coclsões O modelo de frotera estocástca parece tradzr de forma mas real os efetos de fatores otros qe ão apeas os dedos à efcêca técca, represetados pelos 's. Isto pode ser comproado pelo fato de ão estr efcêca absolta (%) este modelo, pos o mesmo lea em 3 66

9 cosderação erros de mesração e otros fatores ão cotroláes, o qe o tora mas realsta do qe o modelo ão paramétrco, qe sempre recohece algmas DMU's com efcêca absolta (%) por se ecotrarem a frotera. É possíel bscar, atraés de ma regressão log-lear para os 's, ma eplcação para a efcêca técca das DMU's a partr de aráes eplcatas como o tempo e/o aráes dcadoras, como por eemplo: δ + δ + δ t + w ode N(, ) t = t w t ~ σ e w w t ( δ + δ t + δ t) com t =, se a -ésma DMU o state t ão passo por m treameto; t =, se a -ésma DMU o state t passo por m treameto. Esse modelo é capaz de tradzr os efetos do treameto e do tempo as efcêcas, decado possíes meddas gerecas e/o téccas de forma a gerar ma melhor efcêca das DMU's efcetes, caso, por eemplo, o coefcete δ seja sgfcato. Há qe se estrtrar melhor, bem como jstfcar de forma rgorosa, o so de ma determada dstrbção dos 's, tema potecal de pesqsa a área de frotera estocástca. Algs trabalhos têm-se dedcado à classe das dstrbções Gama para represetar a dstrbção dos 's, por ser ma classe ampla de represetações fcoas. Qato à redção a dmesão dos dados, mos qe, se a abordagem tlzada é a de frotera estocástca, o Método de Regressão Stepwse se mostra mas efcete a redção da dmesão dos dados (pts), pos parece forecer ma efcêca méda maor do qe qado feta com as aráes otpts e pts selecoadas pelo Método I-O Stepwse. Se se deseja sar m método ão-paramétrco para estmar meddas de efcêca, claramete o Método I-O Stepwse se mostra mas efcaz esse caso. 6 - Aeo Tabela : Dados sobre as Plataformas de Petróleo. t INPUTS OUTPUTS PLTF NP VU/ID* C.MAT C.PES C.SER C.ENC C.TOT ATIVO RECEITA ÓLEO GÁS EF.OP A B C D E F G H I J K L M N O P Q R S T

10 Tabela : Efcêca Técca das Plataformas de Petróleo. PLTF Efcêca Modelo Completo ESTOCÁSTICA Efcêca Modelo Redzdo I-O Stepwse Efcêca Modelo Redzdo Regressão Stepwse NÃO PARAMÉTRICA Efcêca Modelo Completo Efcêca Modelo Redzdo I-O Stepwse Ef.Méda Gráfco 68

11 Gráfco 7 - Bblografa () AIGNER, D.& LOVELL, C. A. K & SCHMIDT, P. (977). Formlato ad Estmato of Stochastc Froter Prodcto Fcto Models. Joral of Ecoometrcs, 6, -37. () AIGNER, D. J. & CHU, S. F. (968). O Estmatg the Idstry Prodcto Fcto. Amerca Ecoomc Reew, 58, (3) BATTESE, G. E. & CORRA, G. S. (977). Estmato of a Prodcto Froter Model: wth Applcato to the Pastoral Zoe of Easter Astrala. Astrala Joral of Agrcltral Ecoomcs,, (4) BATESSE, G. E. & COELLI, T. (995). A Model for Techcal Ieffcecy Effects a Stochas tc Froter Prodctos Fcto. Emprcal Ecoomcs,, (5) BATESSE, G. E. & COELLI, T. (988). Predcto of Frm-Leel Techcal Effceces wth a Geeralzed Froter Prodcto Fcto ad Pael Data. Joral of Ecoometrcs, 38, (6) FÄRE, R. (988). Fdametals of Prodcto Theory, ol. 3 of Lectre Notes Ecoomcs ad Mathematcal System. Sprger-Verlag, Berl Hedelberg. (7) FARRELL, M. S. (957). The Measremet of Prodcte Effcecy. Joral of Royal Statst cal Socety, A,, (8) JONDROW, J. & LOVELL, C, A, K & MATEROV, I. S. & SCHMIDT, P. (98). O the Est mato of Techcal Ieffcecy the Stochastc Froter prodcto Model. (9) LINS, M. E. & MOREIRA, M. C. B. (997). Método I-O Stepwse para Seleção de aráes em Modelos de Aálse Eoltóra de Dados. () LÖTHGREN, M. (997) - A Mltple Otpt Stochastc Ray Froter Prodcto Model - Workg Paper Seres Ecoomcs ad Face, º 58. () MARDIA, K. V. & KENT, J. T. & BIBBY, J. M. (979). Mltarate Aalyss. Academc Press, Lodo. () MEEUSEN, W. & BROECK, J. V. D. (977). Effcecy Estmato from Cobb-Doglas Prodcto Fcto wth Composed Error. Iteratoal Ecoomc Reew, 8, (3) OLSON, J. A. & SCHMIDT, P. & WALDMAN, D. M. (98) - A Mote Carlo Stdy of Estmators of Stochastc Froter Prodcto Fctos - Joral of Ecoometrcs 3, (4) SHEPARD, R. W. (97). The Theory of Costs ad Prodcto Fctos. Prceto Uersty Press. (5) SCHMIDT, P. (986). Froter Prodcto Fctos. Ecoometrc Reews, 4,

Hipóteses do Modelo de Regressão Linear Clássico

Hipóteses 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 mais

Atividades relacionadas à ManjarBrancoG

Atividades relacionadas à ManjarBrancoG Atdades relacoadas à MajarBracoG Neste cojto de atdades está oblzado o estdo da ção ajar braco, sto é, a ção qe o doío é o teralo echado [0,] e asse alores o cojto dos úeros reas. Essa ção é deda coo o

Leia mais

Econometria: 3 - Regressão Múltipla

Econometria: 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 mais

Estudo do intervalo de confiança da regressão inversa utilizando o software R

Estudo do intervalo de confiança da regressão inversa utilizando o software R Estudo do tervalo de cofaça da regressão versa utlzado o software R Llae Lopes Cordero João Domgos Scalo. Itrodução Na maora das aplcações evolvedo regressão, determa-se o valor de Y correspodete a um

Leia mais

Regressao Simples. Parte II: Anova, Estimação Intervalar e Predição

Regressao Simples. Parte II: Anova, Estimação Intervalar e Predição egressao Smples Parte II: Aova, Estmação Itervalar e Predção Aálse de Varâca Nem todos os valores das amostras estão cotdos a reta de regressão, e quato mas afastados estverem por, a reta represetará a

Leia mais

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA REGRESSÃO LINEAR CUIABÁ, MT 6/ INTRODUÇÃO Relação dos valores da varável depedete (varável resposta) aos valores de regressoras ou exógeas). SIMPLES MÚLTIPLA (varáves depedetes,... =,,, K=,,, k em que:

Leia mais

Parte 3 - Regressão linear simples

Parte 3 - Regressão linear simples Parte 3 - Regressão lear smples Defção do modelo Modelo de regressão empregado para eplcar a relação lear etre duas varáves (ajuste de uma reta). O modelo de regressão lear smples pode ser epresso a forma:

Leia mais

CADERNO 1 (É permitido o uso de calculadora gráfica.)

CADERNO 1 (É permitido o uso de calculadora gráfica.) Nome: Ao / Trma: N.º: Data: - - Não é permtdo o so de corretor. Deves rscar aqlo qe pretedes qe ão seja classfcado. A prova cl m formláro. As cotações dos tes ecotram-se o fal do ecado da prova. CADERNO

Leia mais

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.

Em 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 mais

5. Funções teste. L 2 ( )= {u :? ; Borel mensurável com u 2 dx < 8 }

5. Funções teste. L 2 ( )= {u :? ; Borel mensurável com u 2 dx < 8 } 5. Fções teste Até agora estvemos tratado tesvamete com a tegração. Uma cosa qe temos vsto é qe, cosderado espaços das, podemos pesar as fções como fcoas. Vamos rever brevemete esta déa. osdere a bola

Leia mais

MATRIZES E VETORES 1) CONCEITOS BÁSICOS

MATRIZES E VETORES 1) CONCEITOS BÁSICOS PARE DO CURSO DE NIVELAMENO 9 - PEQ/COPPE/UFRJ PROF. EVARISO MARIZES E VEORES ÁLGEBRA VEORIAL E MARICIAL ) CONCEIOS BÁSICOS Os cálclos/operações assm como cocetos eoledo matrzes e etores costtem a base

Leia mais

Regressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança

Regressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança Regressão Smples Parte III: Coefcete de determação, regressão a orgem e método de máxma verossmlhaça Coefcete de determação Proporção da varabldade explcada pelo regressor. R Varação explcada Varação total

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual Estatístca: Aplcação ao Sesorameto Remoto SER 04 - ANO 08 Estmação Potual Camlo Daleles Reó camlo@dp.pe.br http://www.dp.pe.br/~camlo/estatstca/ Iferêca Estatístca Cosdere o expermeto: retram-se 3 bolas

Leia mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental.

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental. É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou Prof. Lorí Val, Dr. val@mat.ufrgs.r http://www.mat.ufrgs.r/~val/ expermetal. Numa relação expermetal os valores de uma das varáves

Leia mais

Nas Instituições de Ensino Superior(IES), há uma relação direta entre a qualidade do ensino e a taxa de inadimplência. A taxa de inadimplência das

Nas Instituições de Ensino Superior(IES), há uma relação direta entre a qualidade do ensino e a taxa de inadimplência. A taxa de inadimplência das CORRELAÇÃO Nas Isttuções de Eso Superor(IES), há uma relação dreta etre a qualdade do eso e a taxa de admplêca. A taxa de admplêca das IES que obtveram cocetos A e B o Provão é,%, as que obtveram C é 6%

Leia mais

CURSO DE NIVELAMENTO PEQ/COPPE/UFRJ M.Sc ÁLGEBRA MATRICIAL. Dra. Heloísa Lajas Sanches

CURSO DE NIVELAMENTO PEQ/COPPE/UFRJ M.Sc ÁLGEBRA MATRICIAL. Dra. Heloísa Lajas Sanches CURSO DE NIVELAMENO PEQ/COPPE/UFRJ M.Sc. 9 ÁLGEBRA MARICIAL Dra. Heloísa Laas Saches Arthr Cayley Nascmeto: 6 de Agosto de 8 em Rchmod, Srrey, Iglaterra Falecmeto: 6 de Jaero de 895 em Cambrdge, Cambrdgeshre,

Leia mais

Técnicas Não Paramétricas

Técnicas Não Paramétricas Téccas Não Paramétrcas de Estmação de Desdade Reata Cardoso e Fracsco Carvalho Coteúdo Itrodução 2 Hstograma 3 Estmação da desdade 4 Jaelas de Parze Em mutos problemas prátcos As abordages de estmação

Leia mais

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados Capítulo : Ajuste de curvas pelo método dos mímos quadrados. agrama de dspersão No capítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas por uma taela de valores. Frequetemete o etato

Leia mais

MAE0229 Introdução à Probabilidade e Estatística II

MAE0229 Introdução à Probabilidade e Estatística II Exercíco Cosdere a dstrbução expoecal com fução de desdade de probabldade dada por f (y; λ) = λe λy, em que y, λ > 0 e E(Y) = /λ Supor que o parâmetro λ pode ser expresso proporcoalmete aos valores de

Leia mais

Macroeconometria Aula 3 Revisão de estatística e teste de hipótese

Macroeconometria Aula 3 Revisão de estatística e teste de hipótese Macroecoometra 008. Aula 3 Revsão de estatístca e teste de hpótese 3.5. Estmação No estudo das probabldades, o objetvo é calcular a probabldade de evetos préespecfcados. De agora em date o objetvo muda.

Leia mais

DESEMPENHO DE ESTIMADORES DA MÉDIA POPULACIONAL DE DISTRIBUIÇÕES ASSIMÉTRICAS BASEADOS EM AMOSTRAGEM POR CONJUNTOS ORDENADOS

DESEMPENHO DE ESTIMADORES DA MÉDIA POPULACIONAL DE DISTRIBUIÇÕES ASSIMÉTRICAS BASEADOS EM AMOSTRAGEM POR CONJUNTOS ORDENADOS DESEMPENHO DE ESTIMADORES DA MÉDIA POPULACIONAL DE DISTRIBUIÇÕES ASSIMÉTRICAS BASEADOS EM AMOSTRAGEM POR CONJUNTOS ORDENADOS Fracsco Juor PIGATO Mara Cecíla Medes BARRETO RESUMO: Um deleameto amostral

Leia mais

AULA Produto interno em espaços vectoriais reais ou complexos Produto Interno. Norma. Distância.

AULA Produto interno em espaços vectoriais reais ou complexos Produto Interno. Norma. Distância. Note bem: a letura destes apotametos ão dspesa de modo algum a letura ateta da bblografa prcpal da cadera Chama-se a ateção para a mportâca do trabalho pessoal a realzar pelo aluo resoledo os problemas

Leia mais

Modelos de regressão linear: abordagem clássica

Modelos de regressão linear: abordagem clássica Modelos de regressão lear: abordagem clássca Prof. Marcelo Rubes mrubes@me.uerj.br Depto. Estatístca Aálse de Regressão Objetvo: Determar uma fução matemátca que descreva a relação etre uma varável cotíua

Leia mais

Capítulo 9 Problema 01 Problema 03 Problema 04

Capítulo 9 Problema 01 Problema 03 Problema 04 Bssab&Morett Caítlo Problema mod, orqe + mod, orqe + Problema a, m m, ( ) mod mod, ( ) mod mod, ( ) mod mod,...,,,,..., Portato, o eríodo esse caso é h. Problema a, m, m ( ) mod mod, ( ) mod mod, ( ) mod

Leia mais

Avaliação da qualidade do ajuste

Avaliação da qualidade do ajuste Avalação da qualdade do ajuste 1 Alguma termologa: Modelo ulo: é o modelo mas smples que pode ser defdo, cotedo um úco parâmetro ( µ) comum a todos os dados; Modelo saturado: é o modelo mas complexo a

Leia mais

A forma geral de um modelo de regressão linear para uma amostra de tamanho n e p variáveis é apresentada a seguir.

A forma geral de um modelo de regressão linear para uma amostra de tamanho n e p variáveis é apresentada a seguir. 2 Regressão O termo regressão fo proposto pela prmera vez por Sr Fracs Galto (885) um estudo ode demostrou que a altura dos flhos ão tede a refletr a altura dos pas, mas tede sm a regredr para a méda da

Leia mais

Modelos de Regressão Linear Simples e Múltipla. Fabio Antonio Avilla (Matemática) Profª Dra. Carine Savalli Redígolo (Orientadora)

Modelos de Regressão Linear Simples e Múltipla. Fabio Antonio Avilla (Matemática) Profª Dra. Carine Savalli Redígolo (Orientadora) Modelos de Regressão Lear Smples e Múltpla Fabo Atoo Avlla (Matemátca) Profª Dra. Care Savall Redígolo (Oretadora) Resumo Dversas áreas do cohecmeto cetífco procuram valdar suas hpóteses por meo de pesqusas

Leia mais

Construção e Análise de Gráficos

Construção e Análise de Gráficos Costrução e Aálse de Gráfcos Por que fazer gráfcos? Facldade de vsualzação de cojutos de dados Faclta a terpretação de dados Exemplos: Egehara Físca Ecooma Bologa Estatístca Y(udade y) 5 15 1 5 Tabela

Leia mais

ANÁLISE DE REGRESSÃO E CORRELAÇÃO

ANÁLISE DE REGRESSÃO E CORRELAÇÃO ANÁLISE DE REGRESSÃO E CORRELAÇÃO Quado se cosderam oservações de ou mas varáves surge um poto ovo: O estudo das relações porvetura estetes etre as varáves. A aálse de regressão e correlação compreedem

Leia mais

PROCEDIMENTOS DE CÁLCULO DE INCERTEZA DE MEDIÇÃO EM MEDIÇÕES DIRETAS E INDIRETAS

PROCEDIMENTOS DE CÁLCULO DE INCERTEZA DE MEDIÇÃO EM MEDIÇÕES DIRETAS E INDIRETAS PROCEDIMENTOS DE CÁLCULO DE INCERTEZA DE MEDIÇÃO EM MEDIÇÕES DIRETAS E INDIRETAS Prof José Leoardo Noroha M Eg Departameto de Egehara de Prodção Escola Federal de Egehara de Itabá EFEI RESUMO: Neste trabalho

Leia mais

Modelo de Regressão Simples

Modelo de Regressão Simples Modelo de Regressão Smples Hstora Hstóra Termo regressão fo troduzdo por Fracs Galto (8-9). Estudo sobre altura de pas e flhos. Karl Pearso coletou mas de ml regstros e verfcou a le de regressão uversal

Leia mais

a) 1,8 e 4,6. b) 2,0 e 2,2. c) 1,8 e 5,2. d) 2,0 e 4,6. e) 2,0 e 1,9.

a) 1,8 e 4,6. b) 2,0 e 2,2. c) 1,8 e 5,2. d) 2,0 e 4,6. e) 2,0 e 1,9. Questão : As otas de dez aluos, um exame, estão dadas a segur:, 5, 8, 3, 6, 5, 8, 7, 6, 0 O desvo médo e a varâca dessas otas podem ser expressos, respectvamete, por: a),8 e 4,6 b),0 e, c),8 e 5, d),0

Leia mais

Heterocedasticidade. Prof. José Francisco Moreira Pessanha

Heterocedasticidade. Prof. José Francisco Moreira Pessanha Heterocedastcdade Prof. José Fracsco Morera Pessaha professorjfmp@hotmal.com Hpóteses do modelo de regressão lear múltpla H : Relação lear etre a varável depedete (Y) e as varáves depedetes () Notação

Leia mais

Cap. 5. Testes de Hipóteses

Cap. 5. Testes de Hipóteses Cap. 5. Testes de Hpóteses Neste capítulo será estudado o segudo problema da ferêca estatístca: o teste de hpóteses. Um teste de hpóteses cosste em verfcar, a partr das observações de uma amostra, se uma

Leia mais

Probabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ

Probabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ Duração: 90 mutos Grupo I Probabldades e Estatístca LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBol, MEBom, MEEC, MEFT, MEMec, MEQ Justfque coveetemete todas as respostas 1 o semestre 018/019 10/01/019 09:00 o

Leia mais

e represente as no plano Argand-Gauss.

e represente as no plano Argand-Gauss. PROFESSOR: Cládo Das BANCO DE QUESTÕES MATEMÁTICA ª SÉRIE ENSINO MÉDIO ============================================================================================== - Determe o módlo dos segtes úmeros

Leia mais

Se A = ( a ij ) é tal que aij = 0 para todo i e j então a matriz A é dita nula e é

Se A = ( a ij ) é tal que aij = 0 para todo i e j então a matriz A é dita nula e é ARIZES E VEORES PROGRAA DE ENGENHARIA QUÍICA/COPPE/UFRJ NIVELAENO -. Sc. - 6 Álgebra Vetoral e atrcal -)CONCEIOS BÁSICOS Os cálclos/operações assm como cocetos evolvedo matrzes e vetores costtem a base

Leia mais

CADERNO 1 (É permitido o uso de calculadora gráfica.)

CADERNO 1 (É permitido o uso de calculadora gráfica.) Proposta de teste de avalação [mao 09] Nome: Ao / Turma: N.º: Data: - - Não é permtdo o uso de corretor. Deves rscar aqulo que pretedes que ão seja classfcado. A prova clu um formuláro. As cotações dos

Leia mais

Inferência Estatística e Aplicações I. Edson Zangiacomi Martinez Departamento de Medicina Social FMRP/USP

Inferência Estatística e Aplicações I. Edson Zangiacomi Martinez Departamento de Medicina Social FMRP/USP Iferêca Estatístca e Aplcações I Edso Zagacom Martez Departameto de Medca Socal FMRP/USP edso@fmrp.usp.br Rotero Parte I Escola frequetsta Defções: parâmetros, estmatvas Dstrbuções de probabldade Estmação

Leia mais

Testes à Estabilidade dos Parâmetros de um Modelo de Regressão: Uma Aplicação Especial dos Regressores Dummy

Testes à Estabilidade dos Parâmetros de um Modelo de Regressão: Uma Aplicação Especial dos Regressores Dummy R EVISTA DE E STATÍSTICA 4ª P A GINA º QUADRIMESTRE DE Testes à Establdade dos Parâmetros de m Modelo de Regressão: Uma Aplcação Especal dos Regressores Dmm Atores: Patríca Oom do Valle Efgéo Rebelo VOLUME

Leia mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou expermetal. Numa relação expermetal os valores de uma das varáves

Leia mais

7 Análise de covariância (ANCOVA)

7 Análise de covariância (ANCOVA) Plejameto de Expermetos II - Adlso dos Ajos 74 7 Aálse de covarâca (ANCOVA) 7.1 Itrodução Em algus expermetos, pode ser muto dfícl e até mpossível obter udades expermetas semelhtes. Por exemplo, pode-se

Leia mais

Tópicos Extras 2ª parte. Análise de Correlação e Regressão

Tópicos Extras 2ª parte. Análise de Correlação e Regressão Tópcos Extras ª parte Aálse de Correlação e Regressão 1 Defções báscas ANÁLISE DE CORRELAÇÃO Mesurar a força da assocação etre as varáves (geralmete através do cálculo de algum coefcete). ANÁLISE DE REGRESSÃO

Leia mais

3 Teoria de Microestrutura de Mercado

3 Teoria de Microestrutura de Mercado 3 Teora de Mcroestrutura de Mercado 3. Itrodução A aálse das mcroestruturas de mercado estuda a estrutura sttucoal, a qual as trasações evolvedo atvos faceros são, efetvamete, cocluídas. Na grade maora

Leia mais

6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS

6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS 7 6 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS A medção dreta é aquela cuja dcação resulta aturalmete da aplcação do sstema de medção sobre o mesurado Há apeas uma gradeza de etrada evolvda

Leia mais

3 Experimento com Mistura com Respostas Não-Normais

3 Experimento com Mistura com Respostas Não-Normais Modelagem em Epermetos Mstura-Processo para Otmzação de Processos Idustras 5 Epermeto com Mstura com Respostas Não-Normas Neste capítulo é apresetado o plaejameto e aálse de um EM com respostas ão ormas,

Leia mais

Probabilidades e Estatística LEGM, LEIC-A, LEIC-T, MA, MEMec

Probabilidades e Estatística LEGM, LEIC-A, LEIC-T, MA, MEMec Duração: 90 mutos Grupo I Probabldades e Estatístca LEGM, LEIC-A, LEIC-T, MA, MEMec Justfque coveetemete todas as respostas 2 o semestre 2017/2018 14/06/2018 11:00 2 o Teste B 10 valores 1. Os dvíduos

Leia mais

Aula 9. Aula de hoje. Aula passada. Self-normalized Importance Sampling Gerando amostras complicadas Variância amostral Simulação

Aula 9. Aula de hoje. Aula passada. Self-normalized Importance Sampling Gerando amostras complicadas Variância amostral Simulação Aula 9 Aula passada Método da rejeção (rejecto samplg) Exemplos Importace Samplg Exemplos Geeralzação Aula de hoje Self-ormalzed Importace Samplg Gerado amostras complcadas Varâca amostral Smulação Importace

Leia mais

Forma padrão do modelo de Programação Linear

Forma padrão do modelo de Programação Linear POGAMAÇÃO LINEA. Forma Padrão do Modelo de Programação Lear 2. elações de Equvalêca 3. Suposções da Programação Lear 4. Eemplos de Modelos de PPL 5. Suposções da Programação Lear 6. Solução Gráfca e Iterpretação

Leia mais

Probabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC

Probabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC Duração: 90 mutos Grupo I Probabldades e Estatístca LEAN, LEGI, LEGM, LMAC, MEAer, MEAmb, MEC Justfque coveetemete todas as respostas 1 o semestre 2018/2019 10/01/2019 11:00 2 o teste B 10 valores 1. Cosdere-se

Leia mais

SUBAMOSTRAGEM COM UNIDADES PRIMÁRIAS DE TAMANHOS DESIGUAIS APLICADA EM INVENTÁRIOS DE FLORESTAS PLANTADAS DE Eucalyptus grandis

SUBAMOSTRAGEM COM UNIDADES PRIMÁRIAS DE TAMANHOS DESIGUAIS APLICADA EM INVENTÁRIOS DE FLORESTAS PLANTADAS DE Eucalyptus grandis UBAOTRAGE CO UNIDADE PRIÁRIA DE TAANHO DEIGUAI APLICADA E INVENTÁRIO DE FLORETA PLANTADA DE Eucalyptus grads REUO érgo Aparecdo Igáco Dartaga Baggo Emerecao ylo Péllco Netto 3 Carlos Roberto aquetta 4

Leia mais

Ivan G. Peyré Tartaruga. 1 Metodologia espacial

Ivan G. Peyré Tartaruga. 1 Metodologia espacial RELATÓRIO DE PESQUISA 5 Procedmetos o software ArcGIS 9. para elaborar os mapas da Regão Metropoltaa de Porto Alegre RMPA com as elpses de dstrbução drecoal etre 99 e 000 Iva G. Peré Tartaruga Metodologa

Leia mais

Controle Estatístico de Qualidade. Capítulo 6 (montgomery)

Controle Estatístico de Qualidade. Capítulo 6 (montgomery) Cotrole Estatístco de Qualdade Capítulo 6 (motgomery) Gráfcos de Cotrole para Atrbutos Itrodução Mutas característcas da qualdade ão podem ser represetadas umercamete. Nestes casos, classfcamos cada tem

Leia mais

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS ANÁLISE DE ERROS A oservação de um feómeo físco ão é completa se ão pudermos quatfcá-lo. Para é sso é ecessáro medr uma propredade físca. O processo de medda cosste em atrur um úmero a uma propredade físca;

Leia mais

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL Faculdade de Tecologa de Cataduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL 5. Meddas de Posção cetral ou Meddas de Tedêca Cetral Meddas de posção cetral preocupam-se com a caracterzação e a

Leia mais

Lista de Exercícios #9 Assunto: Análise de Regressão Método de Mínimos Quadrados

Lista de Exercícios #9 Assunto: Análise de Regressão Método de Mínimos Quadrados Lsta de Exercícos #9 Assuto: Aálse de Regressão Método de Mímos Quadrados ANPEC 8 Questão 4 Cosdere o segute modelo de regressão lear smples: () y = β + β x + u Para uma amostra com 3 observações, foram

Leia mais

Econometria: 4 - Regressão Múltipla em Notação Matricial

Econometria: 4 - Regressão Múltipla em Notação Matricial Ecoometra: 4 - Regressão últpla em Notação atrcal Prof. arcelo C. ederos mcm@eco.puc-ro.br Prof. arco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo

Leia mais

Novo Espaço Matemática A 12.º ano Proposta de Teste [maio 2017]

Novo Espaço Matemática A 12.º ano Proposta de Teste [maio 2017] Novo Espaço Matemática.º ao Proposta de Teste [maio 07] Nome: o / Trma: N.º: Data: / / Não é permitido o so de corretor. Deves riscar aqilo qe pretedes qe ão seja classificado. Para cada resposta, idetifica

Leia mais

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD Dstrbuções Amostras Estatístca 8 - Dstrbuções Amostras 08- Dstrbuções Amostras Dstrbução Amostral de Objetvo: Estudar a dstrbução da população costtuída de todos os valores que se pode obter para, em fução

Leia mais

MEDIDAS DE TENDÊNCIA CENTRAL I

MEDIDAS DE TENDÊNCIA CENTRAL I Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, edca Veterára, uscoterapa, Odotologa, Pscologa EDIDAS DE TENDÊNCIA CENTRAL I 7 7. EDIDAS DE

Leia mais

Difusão entre Dois Compartimentos

Difusão entre Dois Compartimentos 59087 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 4 Dfusão etre Dos Compartmetos A le de Fck para membraas (equação 4 da aula passada) mplca que a permeabldade de uma membraa a um soluto é dada pela razão

Leia mais

1. Quantidade de dinheiro doado para caridade: muitas pessoas não fazem este tipo de doação. Uma parcela expressiva dos

1. Quantidade de dinheiro doado para caridade: muitas pessoas não fazem este tipo de doação. Uma parcela expressiva dos Tópcos em Econometra I Ala /7/23 Modelo Tobt para solção de canto Eemplos Solções de canto. Qantdade de dnhero doado para cardade: mtas pessoas não fazem este tpo de doação. Uma parcela epressva dos dados

Leia mais

4- Método de Diferenças Finitas Aplicado às Equações Diferenciais Parciais.

4- Método de Diferenças Finitas Aplicado às Equações Diferenciais Parciais. MÉTODOS NM ÉRICOS PARA E QAÇÕES DIFEREN CIAIS PARCIAIS - Método de Dfereças Ftas Aplcado às Eqações Dferecas Parcas..- Apromação de Fções...- Apromação por Polômos...- Aste de Dados: M ímos Qadrados..-

Leia mais

Confiabilidade Estrutural

Confiabilidade Estrutural Professor Uversdade de Brasíla Departameto de Egehara Mecâca Programa de Pós graduação em Itegrdade Estrutural Algortmo para a Estmatva do Idce de Cofabldade de Hasofer-Ld Cofabldade Estrutural Jorge Luz

Leia mais

Novo Espaço Matemática A 11.º ano Proposta de teste de avaliação [março 2019]

Novo Espaço Matemática A 11.º ano Proposta de teste de avaliação [março 2019] Novo Espaço Matemática A.º ao Proposta de teste de avaliação [março 09] Nome: Ao / Trma: N.º: Data: - - Não é permitido o so de corretor. Deves riscar aqilo qe pretedes qe ão seja classificado. A prova

Leia mais

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1.

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1. Iterpolação Iterpolação é um método que permte costrur um ovo cojuto de dados a partr de um cojuto dscreto de dados potuas cohecdos. Em egehara e cêcas, dspõese habtualmete de dados potuas, obtdos a partr

Leia mais

ANÁLISE DE REGRESSÃO E CORRELAÇÃO

ANÁLISE DE REGRESSÃO E CORRELAÇÃO ANÁLISE DE REGRESSÃO E CORRELAÇÃO Quado se cosderam oservações de ou mas varáves surge um poto ovo: O estudo das relações porvetura estetes etre as varáves A aálse de regressão e correlação compreedem

Leia mais

Probabilidades e Estatística

Probabilidades e Estatística Departameto de Matemátca robabldades e Estatístca LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmb, MEBol, MEEC, MEMec 2 o semestre 20/202 2 o Teste B 08/06/202 :00 Duração: hora e 30 mutos Justfque coveetemete

Leia mais

Introdução à Correlação e Regressão Linear

Introdução à Correlação e Regressão Linear Itrodução à Correlação e Regressão Lear Ru Carvalho Olvera rolv@st.utl.pt Estatístca Descrtva amostras bvaradas Amostras bvaradas: cada etdade (dvíduo/objecto é caracterzado por um par de varáves (atrbutos

Leia mais

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística BAC 0 - Estatístca Uversdade Federal de Itajubá - Campus Itabra BAC0 - ESTATÍSTICA ESTATÍSTICA DESCRITIVA MEDIDAS DE CENTRO Méda Medda de cetro ecotrada pela somatóra de todos os valores de um cojuto,

Leia mais

1. Revisão Matemática

1. Revisão Matemática 1. Revsão Matemátca Dervadas Seja a fução f : R R, fxe x R, e cosdere a expressão : f ( x+ αe ) lmα 0 α f, ode e é o vector utáro. Se o lmte acma exstr, chama-se a dervada parcal de f o poto x e é represetado

Leia mais

CONHECIMENTOS ESPECÍFICOS

CONHECIMENTOS ESPECÍFICOS CONHECIMENTOS ESPECÍFICOS Uma uversdade oferece um curso para capactação profssoal de joves caretes. Ao fal do curso, cada jovem partcpate será avalado por meo de uma prova teórca e de uma prova prátca,

Leia mais

4 Métodos Sem Malha Princípio Básico dos Métodos Sem Malha

4 Métodos Sem Malha Princípio Básico dos Métodos Sem Malha 4 Métodos Sem Malha Segudo Lu (9), os métodos sem malha trabalham com um cojuto de ós dstrbuídos detro de um domío, assm como com cojutos de ós dstrbuídos sobre suas froteras para represetar, sem dscretzar,

Leia mais

Distribuições de Probabilidades

Distribuições de Probabilidades Estatístca - aulasestdstrnormal.doc 0/05/06 Dstrbuções de Probabldades Estudamos aterormete as dstrbuções de freqüêcas de amostras. Estudaremos, agora, as dstrbuções de probabldades de populações. A dstrbução

Leia mais

Estatística - exestatmeddisper.doc 25/02/09

Estatística - exestatmeddisper.doc 25/02/09 Estatístca - exestatmeddsper.doc 5/0/09 Meddas de Dspersão Itrodução ão meddas estatístcas utlzadas para avalar o grau de varabldade, ou dspersão, dos valores em toro da méda. ervem para medr a represetatvdade

Leia mais

Regressão Linear e Multilinear

Regressão Linear e Multilinear Regressão Lear e Multlear Deleameto Expermetal Mestrado em Sstemas de Produção em Agrcultura Medterrâca Modelo de Regressão Lear Smples X Varável Idepedete Y Varável Depedete y =β +β x +ε β ordeada a orgem

Leia mais

DISTRIBUIÇÃO HIPERGEOMÉTRICA

DISTRIBUIÇÃO HIPERGEOMÉTRICA 7 DISTRIBUIÇÃO HIPERGEOMÉTRICA Cosdere-se uma população fta costtuída por N elemetos dstrbuídos por duas categoras eclusvas e eaustvas de dmesões M e N M, respectvamete. Os elemetos da prmera categora

Leia mais

Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística

Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Val, Dr. http://www.pucrs.br/famat/val/ val@pucrs.br Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Obetvos A Aálse de

Leia mais

ESTATÍSTICA APLICADA À ZOOTECNIA

ESTATÍSTICA APLICADA À ZOOTECNIA ESTATÍSTICA APLICADA À ZOOTECNIA Eucldes Braga MALHEIROS *. INTRODUÇÃO.a) Somatóras e Produtóros Sejam,, 3,...,, valores umércos. A soma desses valores (somatóra) pode ser represetada por: = = = =. e o

Leia mais

INTERVALOS DE CONFIANÇA BOOTSTRAP PARA MODELOS DE REGRESSÃO COM ERROS DE MEDIDA

INTERVALOS DE CONFIANÇA BOOTSTRAP PARA MODELOS DE REGRESSÃO COM ERROS DE MEDIDA INTERVALOS DE CONFIANÇA BOOTSTRAP PARA MODELOS DE REGRESSÃO COM ERROS DE MEDIDA Wellgto José da CUNHA Erco Atôo COLOSIMO RESUMO: As meddas realzadas o da-a-da estão sjetas a erros Esses erros podem acotecer

Leia mais

Estimação pontual, estimação intervalar e tamanho de amostras

Estimação pontual, estimação intervalar e tamanho de amostras Estmação potual, estmação tervalar e tamaho de amostras Iferêca: por meo das amostras, cohecer formações geras da população. Problemas de ferêca, em geral, se dvdem em estmação de parâmetros e testes de

Leia mais

Como CD = DC CD + DC = 0

Como CD = DC CD + DC = 0 (9-0 www.eltecampas.com.br O ELITE RESOLVE IME 008 MATEMÁTICA - DISCURSIVAS MATEMÁTICA QUESTÃO Determe o cojuto-solução da equação se +cos = -se.cos se + cos = se cos ( se cos ( se se.cos cos + + = = (

Leia mais

Mecânica Computacional no Balanceamento

Mecânica Computacional no Balanceamento 4 Mecâca Comptacoal o Balaceameto 4. Hstórco A grade maora das téccas exstetes para se fazer balaceameto de seções geológcas é baseada em metodologas empírcas, o seja, parte-se de premssas geológcas e

Leia mais

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12 MEDIDAS DE POSIÇÃO: São meddas que possbltam represetar resumdamete um cojuto de dados relatvos à observação de um determado feômeo, pos oretam quato à posção da dstrbução o exo dos, permtdo a comparação

Leia mais

RESUMO E EXERCÍCIOS NÚMEROS COMPLEXOS ( )

RESUMO E EXERCÍCIOS NÚMEROS COMPLEXOS ( ) NÚMEROS COMPLEXOS Forma algébrca e geométrca Um úmero complexo é um úmero da forma a + b, com a e b reas e = 1 (ou, = -1), chamaremos: a parte real; b parte magára; e udade magára. Fxado um sstema de coordeadas

Leia mais

Ex: Cálculo da média dos pesos dos terneiros da fazenda Canoas-SC, à partir dos dados originais: x = 20

Ex: Cálculo da média dos pesos dos terneiros da fazenda Canoas-SC, à partir dos dados originais: x = 20 . MEDIDAS DE TENDÊNCIA CENTRAL (OU DE POSIÇÃO) Coceto: São aquelas que mostram o alor em toro do qual se agrupam as obserações.. MÉDIA ARITMÉTICA ( ) Sea (x, x,..., x ), uma amostra de dados: Se os dados

Leia mais

( ) ( ) Es'mador de Máxima-Verossimilhança. ,θ i. L( Θ; X) = f ( X;Θ) = f (x i

( ) ( ) Es'mador de Máxima-Verossimilhança. ,θ i. L( Θ; X) = f ( X;Θ) = f (x i 5.. Esmador de Máxma-Verossmlhaça O prcípo básco do esmador de Máxma-Verossmlhaça cosste a obteção de esmavas de parâmetros populacoas de uma desdade de uma varável aleatóra a parr de um cojuto de formações

Leia mais

Estatística. 2 - Estatística Descritiva

Estatística. 2 - Estatística Descritiva Estatístca - Estatístca Descrtva UNESP FEG DPD Prof. Edgard - 0 0- ESTATÍSTICA DESCRITIVA Possblta descrever as Varáves: DESCRIÇÃO GRÁFICA MEDIDAS DE POSIÇÃO MEDIDAS DE DISPERSÃO MEDIDAS DE ASSIMETRIA

Leia mais

Regressão Linear Simples uma revisão

Regressão Linear Simples uma revisão Regressã Lear mples uma revsã A regressã lear é útl quad a varável de teresse (depedete se relaca e é afetada pr uma u mas varáves (depedetes. Cmecems pel mdel que da frma mas smples pssível pde represetar

Leia mais

8. DISCRIMINAÇÃO, CLASSIFICAÇÃO E RECONHECIMENTO DE PADRÕES:

8. DISCRIMINAÇÃO, CLASSIFICAÇÃO E RECONHECIMENTO DE PADRÕES: NOTAS DE AULA DA DISIPLINA E76 8. DISRIMINAÇÃO, LASSIFIAÇÃO E REONHEIMENTO DE PADRÕES: 8. INTRODUÇÃO A técca multvarada cohecda como Aálse Dscrmate trata dos problemas relacoados com SEPARAR cojutos dsttos

Leia mais

Capítulo V - Interpolação Polinomial

Capítulo V - Interpolação Polinomial Métodos Numércos C Balsa & A Satos Capítulo V - Iterpolação Polomal Iterpolação Cosdere o segute couto de dados: x : x0 x x y : y y y 0 m m Estes podem resultar de uma sequêca de meddas expermetas, ode

Leia mais

Computação das Medidas de Tendência Central e Dispersão Intervalares em Java

Computação das Medidas de Tendência Central e Dispersão Intervalares em Java V ERMAC-R o Ecotro Regoal de Matemátca Aplcada e Computacoal 9- de outubro de 00 Uersdade Potguar Natal/RN Computação das Meddas de Tedêca Cetral e Dspersão Iteralares em Jaa Laís M. Nees, Elaqum L. S.

Leia mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional. ou experimental.

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional. ou experimental. É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal Prof. Lorí Val, Dr. val@pucrs.br http://www.pucrs.br/famat/val/ ou expermetal. Numa relação expermetal os valores de uma das varáves

Leia mais

3 Modelos Lineares Generalizados

3 Modelos Lineares Generalizados 3 Modelos Leares Geeralzados No capítulo foram cosderados apeas modelos leares com dstrbução ormal e fução de lgação detdade. Neste capítulo apresetamos os modelos leares geeralzados (MLG, que foram propostos

Leia mais

4 Técnicas de Seleção de Características Independentes do Modelo para os Sistemas Neuro-Fuzzy Hierárquicos

4 Técnicas de Seleção de Características Independentes do Modelo para os Sistemas Neuro-Fuzzy Hierárquicos 4 éccas de Seleção de Característcas Idepedetes do Modelo para os Sstemas Neuro-Fuzzy Herárqucos 4. Itrodução Na maora das aplcações reas de classfcação, prevsão e otmzação, as bases de dados cotém um

Leia mais

ESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano

ESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano ESTATÍSTICA Aula 7 Prof. Dr. Marco Atoo Leoel Caetao Dstrbuções de Probabldade DISCRETAS CONTÍNUAS (Números teros) Bomal Posso Geométrca Hper-Geométrca Pascal (Números reas) Normal t-studet F-Sedecor Gama

Leia mais

TÓPICOS. Vectores livres. Vectores em Rn. Produto interno. Norma. Desigualdade de Cauchy-Schwarz. Desigualdade triangular. Ângulo. Distância.

TÓPICOS. Vectores livres. Vectores em Rn. Produto interno. Norma. Desigualdade de Cauchy-Schwarz. Desigualdade triangular. Ângulo. Distância. Note bem: a leitra destes apotametos ão dispesa de modo algm a leitra ateta da bibliografia pricipal da cadeira TÓPICOS Vectores lires AULA 4 Chama-se a ateção para a importâcia do trabalho pessoal a realizar

Leia mais

Fundamentos de Matemática I FUNÇÕES POLINOMIAIS4. Licenciatura em Ciências USP/ Univesp. Gil da Costa Marques

Fundamentos de Matemática I FUNÇÕES POLINOMIAIS4. Licenciatura em Ciências USP/ Univesp. Gil da Costa Marques FUNÇÕES POLINOMIAIS4 Gl da Costa Marques Fudametos de Matemátca I 4.1 Potecação de epoete atural 4. Fuções polomas de grau 4. Fução polomal do segudo grau ou fução quadrátca 4.4 Aálse do gráfco de uma

Leia mais

3. ANPEC Questão 15 Ainda em relação à questão anterior pode-se concluir que, exceto por erro de arredondamento:

3. ANPEC Questão 15 Ainda em relação à questão anterior pode-se concluir que, exceto por erro de arredondamento: Lsta de Exercícos #9 Ass uto: Aáls e de Re gres s ão Mé todo de Mímos Quadrados. ANPEC 99 - Questão 8 A capacdade de produção stalada (Y), em toeladas, de uma frma, pode ser fução da potêca stalada (X),

Leia mais

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø.

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø. Professor Maurco Lutz 1 EGESSÃO LINEA SIMPLES A correlação lear é uma correlação etre duas varáves, cujo gráfco aproma-se de uma lha. O gráfco cartesao que represeta essa lha é deomado dagrama de dspersão.

Leia mais