UNIVERSIDADE FEDERAL DO PARÁ PRÓ-REITORIA DE PESQUISA E PÓS-GRADUAÇÃO DIRETORIA DE PESQUISA PROGRAMA INSTITUCIONAL DE BOLSAS DE INICIAÇÃO CIENTÍFICA
|
|
- Manoela Azenha Fagundes
- 6 Há anos
- Visualizações:
Transcrição
1 UNIVERSIDADE FEDERAL DO PARÁ PRÓ-REITORIA DE PESQUISA E PÓS-GRADUAÇÃO DIRETORIA DE PESQUISA PROGRAMA INSTITUCIONAL DE BOLSAS DE INICIAÇÃO CIENTÍFICA Período: Agosto/2016 a Fevereiro/2017 (X) PARCIAL ( ) FINAL IDENTIFICAÇÃO DO PROJETO RELATÓRIO TÉCNICO - CIENTÍFICO Título do Projeto de Pesquisa: Métodos Estatísticos Aplicados à Saúde, Ciêcias Sociais e Agrárias. Nome da Orietadora: Silvia dos Satos de Almeida Titulação da Orietadora: Doutor Faculdade: Estatística Uidade: Istituto de Ciêcias Exatas e Naturais - ICEN Laboratório: Laboratório de Sistema de Iformação e Georrefereciameto Título do Plao de Trabalho: Aplicações de Modelagem Estatística a Área da Saúde Nome do Bolsista: Yuri Freitas Cordovil Tipo de Bolsa: ( ) PIBIC/CNPq ( ) PIBIC/CNPq-AF (X) PIBIC/UFPA ( ) PIBIC/UFPA-AF ( ) PIBIC/INTERIOR ( ) PIBIC/FAPESPA ( ) PARD ( ) PARD reovação ( ) PADRC ( ) Bolsistas PIBIC do edital CNPq 001/2007
2 1. INTRODUÇÃO Os métodos estatísticos são extremamete importates para os avaços em diversas áreas do cohecimeto, icluido a área da saúde, ode, por exemplo, são utilizados para a iterpretação de resultados a fim de aplica-los a prática (COGGON, 2015). Para Ayres (2013), qualquer afirmação sobre a saúde de uma pessoa ecessita de provas cietificas baseada em métodos estatísticos. Segudo Sampaio e Daelo (2015) a aplicação da estatística é imprescidível a área da bioestatística e das ciêcias médicas, pois é essecial para o plaejameto, coleta, avaliação e iterpretação dos dados obtidos. Detre os diversos métodos estatísticos utilizados a área da saúde, pode-se destacar a modelagem estatística, ode, por exemplo, pode-se observar a relação (associação) etre duas ou mais variáveis por meio da Aalise de Regressão e Correlação (ARC). Neste setido, o ituito desse trabalho é aplicar a modelagem estatística a área da saúde. 2. JUSTIFICATIVA A importâcia da presete pesquisa se justifica pela ecessidade de se ter um sistema de moitorameto de doeças a avaliação das medidas de preveção e cotrole implatadas, a idetificação de mudaças o padrão epidemiológico de uma população e, a idetificação de surtos e epidemias. Outro aspecto importate são os costates avaços a tecologia empregada os mais variados tipos de processos, que exigem, além de um quadro de pessoas qualificadas, avaliações estatísticas as áreas da saúde, ciêcias sociais e agrárias, capazes de moitorar, detectar e avaliar mudaças as características durate a execução e aálise, tão logo quato possível. A utilização dos métodos estatísticos deve melhorar o etedimeto dos usuários da estatística a respeito dos coceitos de ível e dispersão do processo. Além disso, possibilitará melhorias as estimativas dos ídices utilizados para avaliar a capacidade dos processos a área da saúde. Fialmete, a utilização de métodos estatísticos aplicados à modelagem, avaliação e cotrole as áreas da saúde, possibilita aos usuários e pesquisadores dos métodos estatísticos um passo iicial ao aperfeiçoameto e o desevolvimeto de ovas ferrametas para aálise e avaliação de dados estas áreas do cohecimeto humao.
3 3. OBJETIVOS: a) Objetivo Geral - O objetivo geral é utilizar métodos estatísticos o desevolvimeto da modelagem estatística a área da saúde. b) Objetivos já Alcaçados Na busca de atigir o objetivo geral deste trabalho, já foi feito: i) Um levatameto teórico sobre o tema por meio de pesquisas bibliográficas em plataformas olie; ii) iii) iv) Houve a busca por dados secudários dá área da saúde, a fim de satisfazerem a proposta do tema, o que foi obtido com sucesso, coforme seção 4.1; Fez-se a costrução da tabulação dos dados, para eteder e se otar o comportameto das variáveis aalisadas; Realizou-se o estudo teórico do método de modelagem, que sucedeu a aplicação prática de um modelo de regressão liear simples visto este relatório. 4. MATERIAIS E MÉTODOS 4.1 Caracterização dos Dados Os dados utilizados este trabalho foram cedidos pelo Programa/Projeto realizado com o apoio do PROEXT MEC/SESu, deomiado Promoção de Saúde e Preveção de Doeças em Populações Negras, realizado o muicípio de Salvaterra, a Ilha do Marajó, Pará. E são referetes às observações de uma amostra aleatória de 307 idivíduos (BOLFARINE e BUSSAB, 2005), residetes as comuidades remaescete dos seguites Quilombos: Boa Vista, Caldeirão, Deus Ajude, Bacabal, Bairro Alto, Siricari, Providêcia e Pau Furado. Ode se observou às variáveis: pessoais, codições sociais e aspectos relacioados à saúde, como avaliação química e atropometria, para aalise dos aspectos utricioais, clíicos e comportametais. Para o presete trabalho utilizou-se variáveis referetes à avaliação química e atropométrica, portato, estes aspectos relacioados à saúde.
4 4.2. Modelagem Estatística A modelagem é a expressão algébrica da relação etre variáveis. Sedo Y i a variável de iteresse do estudo (depedete), é esperado que seus valores sofram ifluêcia de valores de um úmero fiito de variáveis, por exemplo X i : com i= 1,2,..., (idepedetes) e que exista uma fução g que expresse tal depedêcia. O Modelo pode ser expresso iicialmete pela Equação (1): Y = g(x i ), (1) ode g pode ser uma fução liear ou ão liear. Neste trabalho, apreseta-se iicialmete a forma mais simples de modelagem, que é a liear simples, este caso, vista por meio da Aalise de Regressão (AR) Aálise de Regressão (AR) A aálise de regressão é a metodologia estatística que se costitui em um cojuto de métodos e técicas para estabelecer fórmulas (modelo) que iterpretem a relação utilitária etre duas ou mais variáveis com boa aproximação de maeira ão determiística. Ates de se defiir o modelo, se faz ecessário, porém, idetificar e quatificar a possível relação (associação) existete etre as variáveis, ou seja, a correlação, que pode ser vista por meio do Diagrama de dispersão e ou do coeficiete de correlação de Pearso. O Objetivo da Aalise de Correlação (AC) é determiar se há relação etre as variáveis e, caso afirmativo, se é fraca ou forte; se essa relação existir, estabelecer um modelo que iterprete a relação fucioal existete etre as variáveis; costruído o modelo, por exemplo, por meio da Aalise de Regressão, usá-lo para fis de predição (FONSECA et al. 2008). a) Diagrama de Dispersão Uma figura desses dados, chamada gráfico de dispersão, dá impressões prelimiares sobre a atureza de qualquer relacioameto (HINES, 2011). A relação etre as variáveis pode ser verifica por meio gráfico, a partir do diagrama de dispersão
5 Pressão Sistólica Glicemia A Figura 1 mostra exemplos de diagramas de dispersão para dados hipotéticos de 100 idivíduos das variáveis: Pressão Sistólica e Idade e Glicemia e Idade. Na Figura 1, ota-se em (a) uma relação liear e em (b) uma relação poliomial (quadrática). Figura 1: Exemplos de Diagramas de Dispersão para as Variáveis Idade e Pressão Sistólica (a) e Idade e Glicemia (b) para um Cojuto de Pessoas Idade Idade (a) (b) b) Coeficiete de Correlação Liear de Pearso Para cofirmação da força (valor) da relação liear etre duas variáveis X i e Y i, usa-se o coeficiete de correlação liear de Perso (r). Que segudo (Ramos, Almeida e Araújo, 2013), é uma ferrameta para quatificar a relação liear etre as variáveis, medido o grau de relação em termos quatitativos e seu valor varia a faixa de -1 r +1, ode r = +1 sigifica que os potos desehados o diagrama de dispersão estão perfeitamete alihados em uma reta que passa por eles com icliação positiva, para o valor de r = 0 é demostrado que ão existe relação etre as variáveis aalisadas; e r = - 1 idica que a relação é perfeita e egativa etre X i e Y i. O valor do coeficiete de correlação r é calculado utilizado a Equação (2): ( )( ), (2) ( ) ( ) Ode e.
6 Após cofirmação da Correlação, se faz ecessário iicialmete verificar a Normalidade da variável resposta (Y) para só depois partir par à modelagem estatística, que este caso, será vista por meio do Modelo de Regressão Liear Normalidade O primeiro pressuposto aalisado deve ser a Normalidade, a qual se verifica a ormalidade da variável resposta (Y), devem-se testar duas hipóteses, a hipótese ula H 0 e hipótese alterativa H 1, com as suposições: a variável em estudo segue uma distribuição ormal (H 0 ); cotra: a variável em estudo ão segue uma distribuição ormal (H 1 ). Desse modo, para aceitar a hipótese de ormalidade da variável Y o p- valor (ível descritivo) deve ser superior ao α (ível de sigificâcia), que este trabalho será adotado um, α= 5%, e caso p < α, rejeita-se a hipótese ula de ormalidade dos resíduos, ou seja, os resíduos ão seguem uma distribuição ormal. A Figura 2 mostra um exemplo com dados hipotéticos de teste de aderêcia de ormalidade deomiado Kolmogorov-Smiorv, ele ão se rejeita H 0, pois p-valor > 0,05, logo a variável Y possui distribuição ormal. Figura 2: Gráfico Resultate do Teste de Aderêcia de Kolmogorov-Smirov.
7 Com isso pode-se costruir o modelo de Regressão Liear para estimar Y a partir de valores de X com a equação teórica dada por: (3) Em que e são parâmetros que podem ser estimados pelo método dos míimos quadrados e ε i, são os erros aleatórios (resíduos), idepedetes e ideticamete distribuídos. Um dos métodos para estimação desses parâmetros é o método dos míimos quadrados, será visto a seguir. 4.3 Modelo de Regressão Liear O modelo liear é uma equação matemática, para demostrar uma relação de causa-efeito, perate isso prever futuras observações da variável resposta Y de acordo com as observações de X. Supoha pares de valores de variáveis depedetes Y i com distribuição ormal, e idepedetes X i, com i = 1,2,...,, costrói-se o modelo liear para a estimação da variável depedete Y i, sedo uma forma adequada para mostrar o relacioameto etre as variáveis: Equação (3) Método dos Míimos Quadrados É um método que cosiste em buscar o melhor ajuste para um cojuto de dados tetado miimizar a soma dos quadrados dos resíduos. Cosidere os Resíduos como sedo a difereça etre os valores observados de Y e os estimados pelo modelo. ( ) Como os são egativos e positivos para tora-los somete positivos elevamse todos ao quadrado esses resíduos, ( ) A partir disso somam-se esses resíduos e, obtém-se o Q (erro total), com ele ota-se que a quatidade resultate irá variar de modo direto com a dispersão dos potos em toro da reta estimada Q ( ( ))
8 Para torar Q (erro total) míimo, calcula-se as derivadas de Q em relação a igualado-as a zero: e 2 ( ( ))( 1) 2 ( ( ))( ) Derivado ovamete, isto é, obtedo as derivadas de seguda ordem ota-se que ambos são potos de míimos, ou seja, os estimadores miimizam o erro total. Com as equações forma-se um sistema: 2 ( ( ) 2 ( ( )) Expadido: Orgaizado melhor, obtemos um sistema de equações ormais: Resolvedo os sistemas ecotram-se os estimadores que obterão valores uméricos a partir das observações:
9 Logo o estimador será dado por: (Equação 4) ou (4) Resolvedo : (( 1 ) ) 2 1 ( ) 1 ( ) 2 1 ( )( ) 1 ( ) 2 1 ( )( ) ( 1 ( ) 2 ) 1 Portato o estimador de será: (Equação 5): ( )( ) ( ), ou ( )( ) ( ) (5) Os estimadores e miimizam Q e são ão viesados com variâcia míima.
10 4.4 Pressupostos para o Modelo de Regressão Liear Etretato, para validação do modelo estimado, se faz ecessário a observação de algus pressupostos do resíduo proveiete do modelo estimado, que segudo (Ayres, 2012) são: (1) Normalidade dos resíduos; (2) Homocedasticidade ou Homogeeidade, dos resíduos; (3) Liearidade do modelo; (4) Idepedêcia dos resíduos Aálise Residual Depois de costruído o modelo de Regressão Liear apreseta resíduo (erro) sedo a aálise residual o próximo pressuposto aalisado, o resíduo de um modelo de regressão é a difereça etre o valor observado e o valor estimado, Equação (6): (6) Para melhor aalise dos resíduos é comum padroiza-los dividido o erro pelo desvio padrão do erro, Equação (7):, (7) Para a validade do modelo esses resíduos devem seguir uma distribuição ormal, etão 95% dos resíduos padroizados estarão o itervalo (-2,+2). Caso os resíduos padroizados assumam valores distates desse itervalo, percebe-se a preseça de outliers, potos diferetes dos dados experimetais. Sedo possível descartar ou aalisar esses potos, pois os mesmos podem idicar erros o modelo ou o experimeto. O próximo pressuposto da aálise residual é verificar se os resíduos padroizados são variáveis aleatórias idepedetes de X, ou seja, se os dados em aálise foram feitos com aleatórios idivíduos e se suas observações são idepedetes, ão correlacioadas. Um gráfico que podemos verificar essa idepedêcia é o que se plota os valores observados versus a ordem de observações, podedo evideciar problemas a idepedêcia dos erros. A Figura 3, baseada em dados hipotéticos apreseta o gráfico de probabilidade ormal para um modelo de regressão ajustado (a) a qual também foi utilizado o teste de aderêcia de Kolmogorov-Smirorv, percebe-se que a hipótese H 0 ão pode ser
11 rejeitada ao ível descritivo de p-valor > 5%, ou seja, os resíduos seguem uma distribuição de probabilidade ormal. Nota-se também a Figura 3 (b) que os resíduos são idepedetes de cada valor de X, pois os potos estão distribuídos aleatoriamete em toro da liha a zero e a maioria dos valores ecotra-se detro do itervalo [-5; 5], sedo assim, a suposição de idepedêcia dos resíduos produzidos pelo modelo de regressão ajustado é cabível. Figura 3: Gráfico Resultate do Teste de Aderêcia de Kolmogorov-Smirov (a) e Gráfico de Resíduos Padroizados versus a Ordem das Observações para Dados Idepedetes (b). (a) (b) O último pressuposto para a validade do modelo de regressão refere-se à variâcia costate, visto que os resíduos seguem uma distribuição ormal com média zero e variâcia costate, ou seja, os valores de Y variam a mesma proporção que os valores de X. Quado os resíduos estão distribuídos aleatoriamete em toro da reta de regressão e de forma costate, ou seja, a variâcia dos resíduos é igual a uma costate para todos os valores de X, o pressuposto da homocedasticidade é cumprido. Para a visualização do pressuposto o gráfico apropriado remete os resíduos versus valores ajustados à medida que X cresce. Observado a Figura 4 para dados hipotéticos ota-se os que os dados se comportam de forma aleatória em toro da liha cetral a qual represeta a média dos resíduos igual a zero e, os valores se ecotram em sua maioria o detro do itervalo [-5; 5].
12 Figura 4: Gráfico de Resíduos Padroizados versus Valores Ajustados para dados com variâcia costate 4. RESULTADOS Para aplicação da teoria com a prática, apreseta-se a seguir algus resultados do trabalho. A Tabela 1 apreseta os coeficietes de Correlação Liear de Pearso e sua sigificâcia, por meio do ível descritivo (p-valor), que o presete estudo será cosiderado como sigificate à correlação, cujo valor de p < 0,05 (ível de sigificâcia). Neste caso, o Peso, dado em kg, obteve o maior valor do coeficiete de Correlação de Pearso, 0,837, e teve o ível descritivo de 0,000, sedo sigificate a qualquer ível de sigificâcia, mostrado uma forte relação com circuferêcia da citura, medida em cm. Assim como a Idade, Pressão Sistólica e Diastólica e Circuferêcia do Braço, em cm, mostraram-se sigificates e correlacioadas com a Circuferêcia da Citura. Tabela 1: Correlação liear de Pearso etre a Circuferêcia da Citura e Variáveis da saúde em Quilombolas Marajoaras. Variáveis Circuferêcia da Citura Correlação p-valor Idade 0,322 0,000 Pressão Sistólica 0,350 0,000 Pressão Diastólica 0,190 0,001 Glicemia 0,106 0,064 Altura 0,000 0,994 Peso 0,837 0,000 Circuferêcia do Braço 0,708 0,000
13 Peso Com o objetivo de modelar a Circuferêcia da Citura (Y), foram estimados diversos modelos, partido do modelo completo (modelo múltiplo), icluido todas as variáveis cujos coeficietes foram sigificativos a correlação. Porém, este relatório vamos apresetar somete o modelo cujo resultado foi satisfatório do poto de vista da modelagem simples. Usou-se a variável cujo coeficiete foi o mais sigificate. A Figura 5 mostra a dispersão dos valores da variável em relação à Circuferêcia da Citura. Figura 5: Diagrama de dispersão para a Circuferêcia da Citura e Peso em Quilombolas Marajoaras Circuferêcia da Citura Para a validação do modelo fez-se a aalise dos pressupostos, sedo o primeiro deles, a ormalidade da variável resposta Y (Circuferêcia da Citura). Portato com a Figura 6, ota-se a ormalidade da variável Y com ível descritivo de 0,051, ou seja, ão se rejeita a hipótese ula de que o cojuto de valores da Circuferêcia da Citura segue uma distribuição ormal.
14 Figura 6: Gráfico Resultate do Teste de Aderêcia de Kolmogorov-Smirov para a variável Circuferêcia da Citura. Com isso, foi costruído o modelo de Regressão liear simples para estimar a Circuferêcia da Citura a partir do Peso, dado por: 3 1 Ou mesmo, Circuferêcia da Citura = 35,91 + 0,7785*Peso Ode 35,91 e 0,7785 são os parâmetros estimados pelo método dos míimos quadrados com erros padrão de 1,970 e 0,029 respectivamete. Para validação usual do modelo faz-se ecessário a aalise residual. A Figura 7 mostra o teste de aderêcia de Kolmogorov-Smiorv para os resíduos, percebe-se ormalidade os resíduos padroizados, visto que, o p-valor foi de 0,054, sedo maior que o ível descritivo fixado de 0,05.
15 Figura 7: Gráfico Resultate do Teste de Aderêcia de Kolmogorov-Smirov para os resíduos padroizados do modelo. Outro pressuposto da aalise residual faz-se ecessário à visualização do gráfico de resíduos padroizados versus a ordem das observações da amostra, sedo este a aalise de idepedêcia dos resíduos, logo, ota-se que os mesmos são idepedetes, pois os dados estão distribuídos aleatoriamete em toro da liha cetral (Figura 8). Figura 8: Gráfico de Resíduos Padroizados versus a Ordem das Observações.
16 Fialmete, chega-se ao último pressuposto que ovamete é validado pela visualização de um gráfico, sedo desta vez o de resíduos padroizados versus valores ajustados pelo modelo, a Figura 9, coota esse gráfico, que pode-se perceber, que ão há ehuma tedêcia, seja crescete, decrescete ou alguma forma, ou seja, os resíduos são homocedásticos. Figura 9: Gráfico de Resíduos Padroizados versus Valores Ajustados do modelo com variâcia costate. Com todos os pressupostos validados o modelo é cosiderado apropriado, sedo este capaz de criar boas estimativas para circuferêcia da citura de marajoaras quilombolas a partir dos seus pesos. 5. PUBLICAÇÕES 6.1 Trabalhos Aceitos em Cogressos CORDOVIL, Y. F.; ALMEIDA, S. S.; CARVALHO JÚNIOR, J. G. Ocorrêcia e letalidade das doeças meigocócicas o Estado do Pará, o período de 2007 a I: XV ESCOLA DE MODELOS DE REGRESSÃO, Goiâia, GO, a ser apresetado o dia 27 de março de 2017.
17 CORDOVIL, Y. F.; ALMEIDA, S. S.; SANTOS, A. S. Miicurso Maipulação de Dados Estatísticos o Excel. I: I CONGRESSO INTERINSTITUCIONAL DE ENSINO E EXTENSÃO, Belém, PA, a ser apresetado o dia 16 de marco de SANTOS, G. M. C.; CAMPOS, L. M. M.; CORDOVIL, Y. F.; PRÓTAZIO, J. M. B. Estudo estatístico da Espécie Mailkara Huberi (Maçaraduba) oriudos da Fazeda Rio Capim, o muicípio de Paragomias, Pará-PA (BRASIL). I: XV ESCOLA DE MODELOS DE REGRESSÃO, Goiâia, GO, a ser apresetado o dia 27 de março de ATIVIDADES A SEREM DESENVOLVIDAS NOS PRÓXIMOS MESES i) Nós próximos meses pretede-se cotiuar o estudo da modelagem estatística, utilizado outros modelos, como por exemplo, o modelo de regressão múltiplo e ou modelo de Regressão Logístico; ii) Apresetação os próximos meses um semiário sobre modelagem; iii) Fialização de artigo cietífico sobre o tema do presete estudo. 7. CONCLUSÃO O estudo teórico e a costrução prática do processo de modelagem a de regressão liear tem cotribuído de forma importate para o aprimorameto da vida acadêmica e profissioal deste discete, sedo aida um discete de iicio de curso (4º período o primeiro ao do curso), e a modelagem ser uma técica aida ão ofertada (vista) o curso de graduação. Mesmo assim, foi possível o seu estudo e a sua aplicação, de ode se visualizou as associações das variáveis referetes à saúde, otado-se, a grade importâcia da modelagem estatística o cotrole e moitorameto da saúde, sedo, portato, este trabalho um iteressate cotribuição da modelagem estatística a aálise da saúde de populações de quilombos, podedo ser visto como um istrumeto de medição e precaução relacioadas à saúde destes povos.
18 8. REFERÊNCIAS BIBLIOGRÁFICAS AGRESTI, A. Categorical Data Aalysis. 2.ed., Joh Wileyad Sos: New York p. AYRES, M. Elemetos de Bioestatística A Seiva do Açaizeiro. 2 Ed. Belém, p. AYRES, M. Medicia Baseada em Evidêcias. 2 Ed. Belém: Poto Press, p. BOLFARINE, H.; BUSSAB, W. O. Elemetos de Amostragem. 1 ed. São Paulo: Blucher, p. COGGON, D. A Importâcia da Estatística a Pesquisa em Saúde. Cogitare Efermagem. Curitiba, v. 20,. 1, p. 10, Ja/Mar DEVORE, J. L. Probabilidade e estatística para egeharia e ciêcias. 8 ed. São Paulo: Cegage, p. FONSECA, J. S.; MARTINS, G. A.; TOLEDO, G. L. Estatística Aplicada. 2 ed. São Paulo: Atlas, p. KUTNER, M.H.; NETER, J.; NACHTSHEIM, C. J.; LI, W. Applied Liear Statistical Models. 5.ed., Bosto, Mass.: McGraw-Hill. 2005, 1398 p. RAMOS, E.M.L.S; ALMEIDA, S.S; ARAÚJO, R.A, Cotrole Estatístico da Qualidade, 1.ed, Belém: Bookma, p. SAMPAIO, N. A. S. DANELON, M. C. T. M. Aplicações da Estatística as Ciêcias. Dispoível em < Acesso em: 19 fev DIFICULDADES destacar: (i) (ii) Como pricipais dificuldades o desevolvimeto deste trabalho, pode-se O fato do coteúdo teórico deste trabalho (modelagem estatística) ser de semestres sucessivos ao atual da graduação, etão foi ecessário um esforço maior por parte do discete; E a busca por um baco de dados satisfatório para a costrução do modelo.
19 10. PARECER DO ORIENTADOR O bolsista Yuri Freitas Cordovil tem apresetado um Excelete desempeho em relação aos estudos pretedidos por este plao, estado com a pesquisa detro do croograma esperado, o que me leva a acreditar que todas as etapas serão cumpridas com sucesso, portato sou de Parecer Favorável a aprovação deste Relatório Parcial. DATA: 03 de Março de 2017 Silvia dos Satos de Almeida Assiatura do Orietador Yuri Freitas Cordovil Assiatura do Aluo
A finalidade de uma equação de regressão seria estimar valores de uma variável, com base em valores conhecidos da outra.
Jaete Pereira Amador Itrodução A aálise de regressão tem por objetivo descrever através de um modelo matemático, a relação existete etre duas variáveis, a partir de observações dessas viráveis. A aálise
Leia maisCap. 4 - Estimação por Intervalo
Cap. 4 - Estimação por Itervalo Amostragem e iferêcia estatística População: cosiste a totalidade das observações em que estamos iteressados. Nº de observações a população é deomiado tamaho=n. Amostra:
Leia maisDETERMINANDO A SIGNIFICÂNCIA ESTATÍSTICA PARA AS DIFERENÇAS ENTRE MÉDIAS
DTRMINANDO A SIGNIFIÂNIA STATÍSTIA PARA AS DIFRNÇAS NTR MÉDIAS Ferado Lag da Silveira Istituto de Física - UFRGS lag@if.ufrgs.br O objetivo desse texto é apresetar através de exemplos uméricos como se
Leia maisRegressão linear simples
Regressão liear simples Maria Virgiia P Dutra Eloae G Ramos Vaia Matos Foseca Pós Graduação em Saúde da Mulher e da Criaça IFF FIOCRUZ Baseado as aulas de M. Pagao e Gravreau e Geraldo Marcelo da Cuha
Leia maisAjuste de Curvas pelo Método dos Quadrados Mínimos
Notas de aula de Métodos Numéricos. c Departameto de Computação/ICEB/UFOP. Ajuste de Curvas pelo Método dos Quadrados Míimos Marcoe Jamilso Freitas Souza, Departameto de Computação, Istituto de Ciêcias
Leia maisDistribuições Amostrais
9/3/06 Uiversidade Federal do Pará Istituto de Tecologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Egeharia Mecâica 3/09/06 3:38 ESTATÍSTICA APLICADA I - Teoria
Leia maisAnálise de Regressão Linear Múltipla I
Aálise de Regressão Liear Múltipla I Aula 04 Gujarati e Porter, 0 Capítulos 7 e 0 tradução da 5ª ed. Heij et al., 004 Capítulo 3 Wooldridge, 0 Capítulo 3 tradução da 4ª ed. Itrodução Como pode ser visto
Leia maisCORRELAÇÃO Aqui me tens de regresso
CORRELAÇÃO Aqui me tes de regresso O assuto Correlação fez parte, acompahado de Regressão, do programa de Auditor Fiscal, até 998, desaparecedo a partir do cocurso do ao 000 para agora retorar soziho.
Leia maisInstruções gerais sobre a Prova:
DEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2012/2013 Istruções gerais sobre a Prova: (a) Cada questão respodida corretamete vale 1 (um) poto. (b) Cada
Leia maisIntrodução. Exemplos. Comparar três lojas quanto ao volume médio de vendas. ...
Itrodução Exemplos Para curar uma certa doeça existem quatro tratametos possíveis: A, B, C e D. Pretede-se saber se existem difereças sigificativas os tratametos o que diz respeito ao tempo ecessário para
Leia maisIntervalos de Confiança
Itervalos de Cofiaça Prof. Adriao Medoça Souza, Dr. Departameto de Estatística - PPGEMQ / PPGEP - UFSM - 0/9/008 Estimação de Parâmetros O objetivo da Estatística é a realização de iferêcias acerca de
Leia maisDESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL. todas as repetições). Então, para todo o número positivo ξ, teremos:
48 DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL LEI DOS GRANDES NÚMEROS Pretede-se estudar o seguite problema: À medida que o úmero de repetições de uma experiêcia cresce, a frequêcia relativa
Leia maisDISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia
ROTEIRO DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL 1. Itrodução. Teorema Cetral do Limite 3. Coceitos de estimação potual 4. Métodos de estimação potual 5. Referêcias Estatística Aplicada à Egeharia 1 Estatística
Leia mais10 - Medidas de Variabilidade ou de Dispersão
10 - Medidas de Variabilidade ou de Dispersão 10.1 Itrodução Localizado o cetro de uma distribuição de dados, o próximo passo será verificar a dispersão desses dados, buscado uma medida para essa dispersão.
Leia maisSumário. 2 Índice Remissivo 19
i Sumário 1 Estatística Descritiva 1 1.1 Coceitos Básicos.................................... 1 1.1.1 Defiições importates............................. 1 1.2 Tabelas Estatísticas...................................
Leia maisESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p
ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p Objetivo Estimar uma proporção p (descohecida) de elemetos em uma população, apresetado certa característica de iteresse, a partir da iformação forecida por uma amostra.
Leia maisVirgílio A. F. Almeida DCC-UFMG 1/2005
Virgílio A. F. Almeida DCC-UFMG 1/005 !" # Comparado quatitativamete sistemas eperimetais: Algoritmos, protótipos, modelos, etc Sigificado de uma amostra Itervalos de cofiaça Tomado decisões e comparado
Leia mais1 Distribuições Amostrais
1 Distribuições Amostrais Ao retirarmos uma amostra aleatória de uma população e calcularmos a partir desta amostra qualquer quatidade, ecotramos a estatística, ou seja, chamaremos os valores calculados
Leia maisSEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO DE CIÊNCIAS BIOLÓGICAS DECB
Govero do Estado do Rio Grade do Norte Secretaria de Estado da Educação e da Cultura - SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO
Leia maisEstatística: Aplicação ao Sensoriamento Remoto SER ANO Teoria da amostragem
Estatística: Aplicação ao Sesoriameto Remoto SER 04 - ANO 017 Teoria da amostragem Camilo Daleles Reó camilo@dpi.ipe.br http://www.dpi.ipe.br/~camilo/estatistica/ Algumas Cosiderações... É importate ter
Leia maisMestrado Integrado em Engenharia Civil. Disciplina: TRANSPORTES. Sessão Prática 4: Amostragem
Mestrado Itegrado em Egeharia Civil Disciplia: TRNSPORTES Prof. Resposável: José Mauel Viegas Sessão Prática 4: mostragem Istituto Superior Técico / Mestrado Itegrado Egª Civil Trasportes ulas Práticas
Leia maisCAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES
CAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES 6. INTRODUÇÃO INFERÊNCIA ESTATÍSTICA Estimação por poto por itervalo Testes de Hipóteses População X θ =? Amostra θ Iferêcia Estatística X, X,..., X 6. ESTIMAÇÃO
Leia maisMas o que deixou de ser abordado na grande generalidade desses cursos foi o estudo dos produtos infinitos, mesmo que só no caso numérico real.
Resumo. O estudo das séries de termos reais, estudado as disciplias de Aálise Matemática da grade geeralidade dos cursos técicos de liceciatura, é aqui estedido ao corpo complexo, bem como ao caso em que
Leia maisRogério da Silva Pimentel 1, 4 ; Emerson Wruck 2,4 ; Robson de Souza Vieira 3,4. Bolsista PBIC/UEG UEG.
UTILIZAÇÃO DE FERRAMENTAS DE ANÁLISE DE DADOS CATEGORIZADOS NA DESCRIÇÃO DA EVOLUÇÃO DO PERFIL DOS CANDIDATOS INSCRITOS NO VESTIBULAR DO CURSO DE BACHARELADO EM QUÍMICA INDUSTRIAL: EVOLUÇÃO DO PERFIL.
Leia maisDERIVADAS DE FUNÇÕES11
DERIVADAS DE FUNÇÕES11 Gil da Costa Marques Fudametos de Matemática I 11.1 O cálculo diferecial 11. Difereças 11.3 Taxa de variação média 11.4 Taxa de variação istatâea e potual 11.5 Primeiros exemplos
Leia maisExperimento 1 Estudo da Lei de Hooke
Experimeto 1 Estudo da Lei de Hooke 1.1 Objetivos Físicos Verificação experimetal da lei de Hooke para uma mola helicoidal: Medida experimetal do módulo de rigidez do material μ. 1. Objetivos Didáticos
Leia maisPopulação x Amostra. statística descritiva X inferência estatística. Revisão de Estatística e Probabilidade
Revisão de Estatística e Probabilidade Magos Martiello Uiversidade Federal do Espírito Sato - UFES Departameto de Iformática DI Laboratório de Pesquisas em Redes Multimidia LPRM statística descritiva X
Leia mais3ª Lista de Exercícios de Programação I
3ª Lista de Exercícios de Programação I Istrução As questões devem ser implemetadas em C. 1. Desevolva um programa que leia dois valores a e b ( a b ) e mostre os seguites resultados: (1) a. Todos os úmeros
Leia maisCONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA
1 CONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA 1. Coceitos Básicos de Probabilidade Variável aleatória: é um úmero (ou vetor) determiado por uma resposta, isto é, uma fução defiida em potos do espaço
Leia maisESTATÍSTICA E PROBABILIDADES
ESTATÍSTICA E PROBABILIDADES Aluo(a): Turma: Professores: Data: Edu/Vicete Noções de Estatística Podemos eteder a Estatística como sedo o método de estudo de comportameto coletivo, cujas coclusões são
Leia maisDisciplina: MATEMÁTICA Turma: 3º Ano Professor (a) : CÉSAR LOPES DE ASSIS INTRODUÇÃO A ESTATÍSTICA. Organização de dados
Escola SESI de Aápolis - Judiaí Aluo (a): Disciplia: MATEMÁTICA Turma: 3º Ao Professor (a) : CÉSAR LOPES DE ASSIS Data: INTRODUÇÃO A ESTATÍSTICA A Estatística é o ramo da Matemática que coleta, descreve,
Leia maisEstudo da precipitação pluviométrica no período seco e chuvoso do município de Sete Lagoas, MG
Estudo da precipitação pluviométrica o período seco e chuvoso do muicípio de Sete Lagoas, MG Aa Paula Coelho Madeira Silva 13 Jailso de Araujo Rodrigues 2 Jaime dos Satos Filho 2 1 Itrodução A precipitação
Leia maisCAPÍTULO 8 - Noções de técnicas de amostragem
INF 6 Estatística I J.I.Ribeiro Júior CAPÍTULO 8 - Noções de técicas de amostragem. Itrodução A Estatística costitui-se uma excelete ferrameta quado existem problemas de variabilidade a produção. É uma
Leia maisINTERPOLAÇÃO POLINOMIAL
1 Mat-15/ Cálculo Numérico/ Departameto de Matemática/Prof. Dirceu Melo LISTA DE EXERCÍCIOS INTERPOLAÇÃO POLINOMIAL A aproximação de fuções por poliômios é uma das ideias mais atigas da aálise umérica,
Leia maisAnálise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos
Aálise de Algoritmos Aálise de Algoritmos Prof Dr José Augusto Baraauskas DFM-FFCLRP-USP A Aálise de Algoritmos é um campo da Ciêcia da Computação que tem como objetivo o etedimeto da complexidade dos
Leia maisPROVA DE MATEMÁTICA DA UNIFESP VESTIBULAR 2011 RESOLUÇÃO: Profa. Maria Antônia Gouveia.
PROVA DE MATEMÁTICA DA UNIFESP VESTIBULAR 0 Profa Maria Atôia Gouveia 6 A figura represeta um cabo de aço preso as etremidades de duas hastes de mesma altura h em relação a uma plataforma horizotal A represetação
Leia maisESTIMAÇÃO DE PARÂMETROS
ESTIMAÇÃO DE PARÂMETROS 1 Estimação de Parâmetros uiverso do estudo (população) dados observados O raciocíio idutivo da estimação de parâmetros Estimação de Parâmetros POPULAÇÃO p =? AMOSTRA Observações:
Leia maisESTATÍSTICA. PROF. RANILDO LOPES U.E PROF EDGAR TITO
ESTATÍSTICA PROF. RANILDO LOPES http://ueedgartito.wordpress.com U.E PROF EDGAR TITO Medidas de tedêcia cetral Medidas cetrais são valores que resumem um cojuto de dados a um úico valor que, de alguma
Leia maisObjetivo. Estimar a média µ de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra.
ESTIMAÇÃO PARA A MÉDIAM Objetivo Estimar a média µ de uma variável aleatória X, que represeta uma característica de iteresse de uma população, a partir de uma amostra. Exemplos: µ : peso médio de homes
Leia maisMEDIDAS DESCRITIVAS DE POSIÇÃO, TENDÊNCIA CENTRAL E VARIABILIDADE
MEDIDAS DESCRITIVAS DE POSIÇÃO, TENDÊNCIA CENTRAL E VARIABILIDADE 1 Estatística descritiva (Eploratória) PRIMEIRO PASSO: Tabelas (distribuição de frequêcia) e Gráficos. SEGUNDO PASSO: Cálculo de medidas
Leia maisPROVA DE ESTATÍSTICA SELEÇÃO MESTRADO/UFMG 2005
PROVA DE ESTATÍSTICA SELEÇÃO MESTRADO/UFMG 005 Istruções para a prova: a) Cada questão respodida corretamete vale um poto. b) Questões deixadas em braco valem zero potos (este caso marque todas alterativas).
Leia maisSéquências e Séries Infinitas de Termos Constantes
Capítulo Séquêcias e Séries Ifiitas de Termos Costates.. Itrodução Neste capítulo estamos iteressados em aalisar as séries ifiitas de termos costates. Etretato, para eteder as séries ifiitas devemos ates
Leia maisCapítulo 5- Introdução à Inferência estatística.
Capítulo 5- Itrodução à Iferêcia estatística. 1.1) Itrodução.(184) Na iferêcia estatística, aalisamos e iterpretamos amostras com o objetivo de tirar coclusões acerca da população de ode se extraiu a amostra.
Leia maisStela Adami Vayego DEST/UFPR
Resumo 3 Resumo dos dados uméricos por meio de úmeros 1. Medidas de Tedêcia Cetral A tedêcia cetral da distribuição de freqüêcias de uma variável em um cojuto de dados é caracterizada pelo valor típico
Leia maisPROVA 1 27/10/ Os dados apresentados na seqüência mostram os resultados de colesterol
PROVA 1 7/10/009 Nome: GABARITO 1. Os dados apresetados a seqüêcia mostram os resultados de colesterol mg /100ml em dois grupos de aimais. O grupo A é formado por 10 total ( ) aimais submetidos a um cotrole
Leia maisAvaliação de Desempenho de Sistemas Discretos
Distribuições Comus Avaliação de Desempeho de Sistemas Discretos Probabilidade e Estatística 2 Uiforme Normal Poisso Hipergeométrica Biomial Studet's Geométrica Logormal Expoecial Beta Gamma Qui-Quadrado
Leia maisEstimação de parâmetros da distribuição beta-binomial: uso do programa SAS e uma aplicação a dados obtidos da Escala P-DUREL
Estimação de parâmetros da distribuição beta-biomial: uso do programa SAS e uma aplicação a dados obtidos da Escala P-DUREL Diorgies Herculao da Silva Itrodução Edso Zagiacomi Martiez O modelo beta-biomial
Leia maisA letra x representa números reais, portanto
Aula 0 FUNÇÕES UFPA, 8 de março de 05 No ial desta aula, você seja capaz de: Saber dizer o domíio e a imagem das uções esseciais particularmete esta aula as uções potêcias; Fazer o esboço de gráico da
Leia mais10 INFERÊNCIA ESTATÍSTICA Testes de Hipóteses Introdução Lógica dos Testes de Hipóteses
INE 700 - Iferêcia Estatística Testes de Hipóteses 0 INFERÊNCIA ESTATÍSTICA Testes de Hipóteses 0. - Itrodução Viu-se ateriormete que uma determiada população pode ser descrita através de um modelo probabilístico,
Leia maisMétodos de Amostragem
Métodos de Amostragem Amostragem aleatória Este é o procedimeto mais usual para ivetários florestais e baseia-se o pressuposto de que todas as uidades amostrais têm a mesma chace de serem amostradas a
Leia mais( 1,2,4,8,16,32,... ) PG de razão 2 ( 5,5,5,5,5,5,5,... ) PG de razão 1 ( 100,50,25,... ) PG de razão ½ ( 2, 6,18, 54,162,...
Progressões Geométricas Defiição Chama se progressão geométrica PG qualquer seqüêcia de úmeros reais ou complexos, ode cada termo a partir do segudo, é igual ao aterior, multiplicado por uma costate deomiada
Leia maisCINÉTICA QUÍMICA FATORES DE INFLUÊNCIA - TEORIA
Itrodução CINÉTICA QUÍMICA FATORES DE INFLUÊNCIA - TEORIA A Ciética Química estuda a velocidade com a qual as reações acotecem e os fatores que são capazes de realizar ifluêcia sobre ela. A medida mais
Leia maisb) Fabrico de peças cilíndricas Capítulo 5 - Distribuições conjuntas de probabilidades e complementos X - comprimento da peça Y - diâmetro da peça
Capítulo 5 - Distribuições cojutas de probabilidades e complemetos 5.1 Duas variáveis aleatórias discretas. Distribuições cojutas, margiais e codicioais. Idepedêcia Em relação a uma mesma eperiêcia podem
Leia maisINFERÊNCIA. Fazer inferência (ou inferir) = tirar conclusões
INFERÊNCIA Fazer iferêcia (ou iferir) = tirar coclusões Iferêcia Estatística: cojuto de métodos de aálise estatística que permitem tirar coclusões sobre uma população com base em somete uma parte dela
Leia maisAMOSTRAGEM ALEATÓRIA DISTRIBUIÇÕES POR AMOSTRAGEM
6 AMOSTRAGEM ALEATÓRIA DISTRIBUIÇÕES POR AMOSTRAGEM Quado se pretede estudar uma determiada população, aalisam-se certas características ou variáveis dessa população. Essas variáveis poderão ser discretas
Leia maisAgência Nacional de Vigilância Sanitária GUIA PARA TRATAMENTO ESTATÍSTICO DA VALIDAÇÃO ANALÍTICA VIGENTE A PARTIR DE 12/09/2017
MEDICAMENTOS GUIA Nº 10/017 Versão 1 Agêcia Nacioal de Vigilâcia Saitária GUIA PARA TRATAMENTO ESTATÍSTICO DA VALIDAÇÃO ANALÍTICA VIGENTE A PARTIR DE 1/09/017 Iício do período de cotribuições: 13/09/017
Leia mais2.2. Séries de potências
Capítulo 2 Séries de Potêcias 2.. Itrodução Série de potêcias é uma série ifiita de termos variáveis. Assim, a teoria desevolvida para séries ifiitas de termos costates pode ser estedida para a aálise
Leia maisO PARADOXO DE SIMPSON
O PARADOXO DE SIMPSON Valmir R. Silva Adre Toom PIBIC-UFPE-CNPq Itrodução A aálise cietífica de dados através da modelagem matemática é uma atividade idispesável a Teoria de Decisão. O mesmo coceito é
Leia maisESTATÍSTICA EXPLORATÓRIA
ESTATÍSTICA EXPLORATÓRIA Prof Paulo Reato A. Firmio praf6@gmail.com Aulas 19-0 1 Iferêcia Idutiva - Defiições Coceitos importates Parâmetro: fução diretamete associada à população É um valor fixo, mas
Leia mais6. Testes de Hipóteses Conceitos Gerais
6. Testes de Hipóteses Coceitos Gerais Este capitulo itrodutório, pretede apresetar todas as defiições e todo o vocabulário utilizado em testes de hipóteses. Em um primeiro mometo, talvez você fique um
Leia maisEscola de Engenharia de Lorena EEL USP Departamento de Engenharia Química DEQUI Disciplina: Normalização e Controle da Qualidade NCQ
1 Escola de Egeharia de orea EE SP Departameto de Egeharia Química DEQI Disciplia: Normalização e Cotrole da Qualidade NCQ Capítulo : Amostragem por Variáveis (MI STD 1) SEÇÃO A.1 Objetivo Este capítulo
Leia maisEstimativa de Parâmetros
Estimativa de Parâmetros ENG09004 04/ Prof. Alexadre Pedott pedott@producao.ufrgs.br Trabalho em Grupo Primeira Etrega: 7/0/04. Plao de Amostragem - Cotexto - Tipo de dado, frequêcia de coleta, quatidade
Leia maisSistematização de dados quantitativos
Oficia de Textos, 005, pp.175-186 Prof. Dr. Emerso Galvai Sistematização de dados quatitativos 1. Apresetação É possível metir usado estatísticas, mas se mete mais, e melhor, sem estatísticas. É preciso
Leia maisFaculdade de Economia Universidade Nova de Lisboa ESTATÍSTICA. Exame Final 2ª Época 26 de Junho de Grupo I (3 valores)
Faculdade de Ecoomia Uiversidade Nova de Lisboa ESTATÍSTIA Exame Fial ª Época 6 de Juho de 00 Ateção:. Respoda a cada grupo em folhas separadas. Idetifique todas as folhas.. Todas as respostas devem ser
Leia maisP.M.S. Oliveira, C.S. Munita
Estudo comparativo de métodos de ormalização em resultados experimetais. P.M.S. Oliveira, C.S. Muita Istituto de Pesquisas Eergéticas e Nucleares - IPEN-CNEN/SP, Av. Prof. Lieu Prestes 4. CEP 05508-000,
Leia mais... Newton e Leibniz criaram, cada qual em seu país e quase ao mesmo tempo, as bases do cálculo diferencial.
DERIVADAS INTRODUÇÃO O Cálculo Diferecial e Itegral, criado por Leibiz e Newto o século XVII, torou-se logo de iício um istrumeto precioso e imprescidível para a solução de vários problemas relativos à
Leia mais5. ANÁLISE DE SISTEMAS DA CONFIABILIADE DE SISTEMAS SÉRIE-PARALELO
5. ANÁLISE DE SISTEMAS DA CONFIABILIADE DE SISTEMAS SÉRIE-PARALELO 5.1 INTRODUÇÃO Um sistema é defiido como todo o cojuto de compoetes itercoectados, previamete determiados, de forma a realizar um cojuto
Leia maisCF358 Física BásicaExperimental I
CF358 Física BásicaExperimetal I CONFIGURAÇÃO MÓDULO TEÓRICO MÓDULO EXPERIMENTAL => BLOCO 1-4 EXPERIMENTOS => BLOCO 2-4 EXPERIMENTOS PRESENÇA (muito importate) NO MÍNIMO 75% AVALIAÇÃO 01 PROVA -BLOCO TEÓRICO
Leia maisMEDIDAS DE TENDÊNCIA CENTRAL E MEDIDAS DE DISPERSÃO Í N D I C E
MEDIDAS DE TENDÊNCIA CENTRAL E MEDIDAS DE DISPERSÃO Í N D I C E Medidas de Tedêcia Cetral Itrodução... 1- Média Aritmética... - Moda... 3- Mediaa... Medidas de Dispersão 4- Amplitude Total... 5- Variâcia
Leia maisMT DEPARTAMENTO NACIONAL DE ESTRADAS DE RODAGEM. Norma Rodoviária DNER-PRO 277/97 Procedimento Página 1 de 8
Norma Rodoviária DNER-PRO 77/97 Procedimeto Págia de 8 RESUMO Este documeto estabelece o úmero de amostras a serem utilizadas o cotrole estatístico, com base em riscos refixados, em obras e serviços rodoviários.
Leia maisProbabilidade II Aula 9
Coteúdo Probabilidade II Aula 9 Maio de 9 Môica Barros, D.Sc. Estatísticas de Ordem Distribuição do Máximo e Míimo de uma amostra Uiforme(,) Distribuição do Máximo e Míimo caso geral Distribuição das Estatísticas
Leia maisSequências Reais. Departamento de Matemática - UEL Ulysses Sodré. 1 Sequências de números reais 1
Matemática Essecial Sequêcias Reais Departameto de Matemática - UEL - 200 Ulysses Sodré http://www.mat.uel.br/matessecial/ Coteúdo Sequêcias de úmeros reais 2 Médias usuais 6 3 Médias versus progressões
Leia maisAnálise da Resposta Livre de Sistemas Dinâmicos de 2 a Ordem
Aálise da Resposta Livre de Sistemas Diâmicos de Seguda Ordem 5 Aálise da Resposta Livre de Sistemas Diâmicos de a Ordem INTRODUÇÃO Estudaremos, agora, a resposta livre de sistemas diâmicos de a ordem
Leia maisProva Escrita de MATEMÁTICA A - 12o Ano a Fase
Prova Escrita de MATEMÁTICA A - 1o Ao 00 - a Fase Proposta de resolução GRUPO I 1. Como a probabilidade do João acertar em cada tetativa é 0,, a probabilidade do João acertar as tetativas é 0, 0, 0, 0,
Leia maisA Inferência Estatística é um conjunto de técnicas que objetiva estudar a população através de evidências fornecidas por uma amostra.
UNIVERSIDADE FEDERAL DA PARAÍBA Distribuição Amostral Luiz Medeiros de Araujo Lima Filho Departameto de Estatística INTRODUÇÃO A Iferêcia Estatística é um cojuto de técicas que objetiva estudar a população
Leia maisMétodos Numéricos e Estatísticos Parte II-Métodos Estatísticos Estimação pontual e intervalar
potual por itervalos Métodos Numéricos e Estatísticos Parte II-Métodos Estatísticos potual e itervalar Lic. Eg. Biomédica e Bioegeharia-2009/2010 potual por itervalos A Teoria das Probabilidades cosiste
Leia mais1.1. Ordem e Precedência dos Cálculos 1) = Capítulo 1
Capítulo. Aritmética e Expressões Algébricas O estudo de cálculo exige muito mais que o cohecimeto de limite, derivada e itegral. Para que o apredizado seja satisfatório o domíio de tópicos de aritmética
Leia maisFACULDADE DE ECONOMIA DO PORTO. Licenciatura em Economia E C O N O M E T R I A I I PARTE
FACULDADE DE ECONOMIA DO PORTO Liceciatura em Ecoomia E C O N O M E T R I A I (LEC0) Exame Fial 0 de Jaeiro de 00 RESOLUÇÃO: I PARTE I GRUPO a) Dispoível uma amostra de observações de Y para períodos cosecutivos,
Leia maisHipótese Estatística. Tipos de Hipóteses
Hipótese Estatística Hipótese, em estatística, é uma suposição formulada a respeito dos parâmetros de uma distribuição de probabilidade de uma ou mais populações. Podemos formular a hipótese que a produtividade
Leia maisAmostragem 04/08/2014. Conceito, propriedades, métodos e cálculo. Conceitos básicos de População e Amostra. Qualidade. População;
04/08/014 Uidade 4 : Amostragem Amostragem Coceito, propriedades, métodos e cálculo João Garibaldi Almeida Viaa Coceitos básicos de População e Amostra População; Elemetos que compõem uma população; Ceso;
Leia maisESTATÍSTICA. para Psicologia Parte 2. 01/06/2011 Bertolo 1
ESTATÍSTICA para Psicologia Parte 2 01/06/2011 Bertolo 1 01/06/2011 Bertolo 2 Cap 02 - Medidas Estatísticas A distribuição de frequêcias permite-os descrever, de modo geral, os grupos de valores (classes)
Leia maisPROF. DR. MARCONE AUGUSTO LEAL DE OLIVEIRA
UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EXATAS DEPARTAMENTO DE QUÍMICA GRUPO DE QUÍMICA ANALÍTICA E QUIMIOMETRIA (GQAQ) PROF. DR. MARCONE AUGUSTO LEAL DE OLIVEIRA ESTATÍSTICA BÁSICA
Leia maisLista de Exercícios Método de Newton
UNEMAT Uiversidade do Estado de Mato Grosso Campus Uiversitário de Siop Faculdade de Ciêcias Eatas e Tecológicas Curso de Egeharia Civil Disciplia: Cálculo Diferecial e Itegral I Lista de Eercícios Método
Leia maisCap. VI Histogramas e Curvas de Distribuição
TLF /11 Capítulo VI Histogramas e curvas de distribuição 6.1. Distribuições e histogramas. 6 6.. Distribuição limite 63 6.3. Sigificado da distribuição limite: frequêcia esperada e probabilidade de um
Leia maisEstudando complexidade de algoritmos
Estudado complexidade de algoritmos Dailo de Oliveira Domigos wwwdadomicombr Notas de aula de Estrutura de Dados e Aálise de Algoritmos (Professor Adré Bala, mestrado UFABC) Durate os estudos de complexidade
Leia maisUniversidade São Judas Tadeu Faculdade de Tecnologia e Ciências Exatas Laboratório de Física e Química
Uiversidade São Judas Tadeu Faculdade de Tecologia e Ciêcias Exatas Laboratório de Física e Química Aálise de Medidas Físicas Quado fazemos uma medida, determiamos um úmero para caracterizar uma gradeza
Leia maisExercício: Mediu-se os ângulos internos de um quadrilátero e obteve-se 361,4. Qual é o erro de que está afetada esta medida?
1. Tratameto estatísticos dos dados 1.1. TEORIA DE ERROS O ato de medir é, em essêcia, um ato de comparar, e essa comparação evolve erros de diversas origes (dos istrumetos, do operador, do processo de
Leia maisVerossimilhança e Máxima Verossimilhança 1
1 JOÃO LUÍS F. BATISTA 2 Maio - 2009 1 Itrodução Tradicioalmete a iferêcia estatística sobre a média de uma população se apoia o Teorema Cetral do Limite para costruir Itervalos de Cofiaça ou testar hipóteses
Leia maisUNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA 1-ESTATÍSTICA II (CE003)
UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA LISTA -ESTATÍSTICA II (CE003) Prof. Beito Olivares Aguilera o Sem./6. Usado os dados da Tabela o Aexo (Seção Orçameto da MB),
Leia maisAPROXIMAÇÃO POR MÍNIMOS QUADRADOS. Consideremos a seguinte tabela de valores de uma função y = f(x):
APROXIAÇÃO POR ÍNIOS QUADRADOS Cosideremos a seguite tabela de valores de uma fução y = f(x): i 3 x i 6 8 y i 8 Pretede-se estimar valores da fução em potos ão tabelados. Poderíamos utilizar o poliómio
Leia maisMAE Introdução à Probabilidade e Estatística II Resolução Lista 1
MAE 229 - Itrodução à Probabilidade e Estatística II Resolução Lista 1 Professor: Pedro Moretti Exercício 1 (a) Fazer histograma usado os seguites dados: Distribuição de probabilidade da variável X: X
Leia maisSecção 1. Introdução às equações diferenciais
Secção. Itrodução às equações difereciais (Farlow: Sec..,.) Cosideremos um exemplo simples de um feómeo que pode ser descrito por uma equação diferecial. A velocidade de um corpo é defiida como o espaço
Leia maisObjetivos. Testes não-paramétricos
Objetivos Prof. Lorí Viali, Dr. http://www. ufrgs.br/~viali/ viali@mat.ufrgs.br Testar o valor hipotético de um parâmetro (testes paramétricos) ou de relacioametos ou modelos (testes ão paramétricos).
Leia maisMecânica dos Sólidos II
Curso de Egeharia Civil Uiversidade Estadual de Marigá Cetro de Tecologia Departameto de Egeharia Civil Mecâica dos Sólidos II Bibliografia: Beer, F. P.; Johsto, Jr. E. R.; DEWolf, J. T. Resistêcia dos
Leia maisEstimação da área foliar de mucuna cinza por meio de método não destrutivo - NOTA -
Ciêcia 238 Rural, Sata Maria, v.42,.2, p.238-242, fev, Cargelutti 202 Filho et al. ISSN 003-8478 Estimação da área foliar de mucua ciza por meio de método ão destrutivo Leaf area estimatio of velvet bea
Leia maisDEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA E PROBABILIDADE SELEÇÃO - MESTRADO/ UFMG /2016
DEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA E PROBABILIDADE SELEÇÃO - MESTRADO/ UFMG - 205/206 Istruções:. Cada questão respodida corretamete vale (um poto. 2. Cada questão respodida icorretamete
Leia maisMaterial Teórico - Módulo Binômio de Newton e Triangulo de Pascal. Soma de Elementos em Linhas, Colunas e Diagonais. Segundo Ano do Ensino Médio
Material Teórico - Módulo Biômio de Newto e Triagulo de Pascal Soma de Elemetos em Lihas, Coluas e Diagoais Segudo Ao do Esio Médio Autor: Prof Fabrício Siqueira Beevides Revisor: Prof Atoio Camiha M Neto
Leia maisMaterial Teórico - Módulo Binômio de Newton e Triangulo de Pascal. Soma de Elementos em Linhas, Colunas e Diagonais. Segundo Ano do Ensino Médio
Material Teórico - Módulo Biômio de Newto e Triagulo de Pascal Soma de Elemetos em Lihas, Coluas e Diagoais Segudo Ao do Esio Médio Autor: Prof Fabrício Siqueira Beevides Revisor: Prof Atoio Camiha M Neto
Leia maisLista 9 - Introdução à Probabilidade e Estatística
Lista 9 - Itrodução à Probabilidade e Estatística Desigualdades e Teoremas Limites 2.=000. 1 Um ariro apota a um alvo de 20 cm de raio. Seus disparos atigem o alvo, em média, a 5 cm do cetro deste. Assuma
Leia mais