DELINEAMENTOS EXPERIMENTAIS
|
|
- Sophia Assunção Mota
- 5 Há anos
- Visualizações:
Transcrição
1 SUMÁRIO 1 Delneamentos Expermentas Delneamento Interamente Casualzado Delneamento Blocos Casualzados (DBC) Delneamento Quadrado Latno (DQL) Controle de qualdade de expermentos Número de repetções
2 1 DELINEAMENTOS EXPERIMENTAIS Defnção 1.1: Delneamento expermental ou desenhos expermentas é o plano utlzado para realzar o expermento. Esse plano mplca na manera como os dferentes tratamentos deverão ser dstrbuídos nas parcelas expermentas, e como serão analsados os dados a serem obtdos Os prncpas delneamentos são: Delneamento Interamente Casualzado (DIC) Delneamento em Blocos Casualzados (DBC) Delneamento Quadrado Latno (DQL) 1.1 DELINEAMENTO INTEIRAMENTE CASUALIZADO O Delneamento nteramente casualzado (DIC) é utlzado quando a varabldade entre as undades expermentas for muto pequena. Deve ser utlzado em locas em que as condções expermentas possam ser bem controladas (laboratóros, casa de vegetação, terrenos com pouca heterogenedade, etc). Vantagens da sua utlzação O número de graus de lberdade para o Erro Expermental é máxmo; O número de tratamentos e de repetções depende apenas do número de parcelas expermentas dsponíves; é o delneamento mas smples de ser nstalado e conduzdo Desvantagens da sua utlzação É mas aproprado para um pequeno número de tratamentos e para um materal expermental homogêneo; Todas as fontes de varação não assocadas aos tratamentos farão parte do resíduo, podendo comprometer a precsão das análses;
3 Delneamentos Expermentas 3 Super-estma a varânca resdual Aleatorzação - Os tratamentos são desgnados aleatoramente às parcelas expermentas. Este tpo de sorteo mplca em que todo tratamento tem a mesma chance de ser aplcado à qualquer parcela na área expermental O modelo estatístco para representar um DIC é dado por y j = µ + τ + ε j y j é o valor observado na undade expermental que recebeu o tratamento ( = 1,2,...,I) na repetção j ( j = 1,2,...,J) µ representa a méda geral τ representa o efeto do tratamento ε j é o erro expermental observado na undade expermental que recebeu o tratamento na repetção j. Análse de Varânca (ANOVA) FV GL SQ QM Fc Tratamento I-1 SQTratamento QMTratamento Erro IJ-I SQErro Total IJ-1 SQTotal QMTratamento 1.2 DELINEAMENTO BLOCOS CASUALIZADOS (DBC) Neste delneamento o materal expermental é dvddo em grupos homogêneos denomnados bloco. Cada bloco representa uma repetção e recebe uma vez cada tratamento. O número de Undades Expermentas por bloco é gual ao numero de tratamentos. O prncpal objetvo é manter o erro, dentro de cada bloco, tão pequeno quanto seja possível. Aleatorzação - Quando as parcelas se acham agrupadas em blocos, os tratamentos são aleatoramente desgnados às undades dentro de cada bloco. Posterormente, os blocos são sorteados na área expermental. Vantagens da sua utlzação Permte o controle da nfluênca de uma fonte de varação além do efeto de tratamentos, pelo agrupamento hábl das parcelas (controle local) Com o agrupamento das parcelas, geralmente se obtém resultados mas precsos que aqueles obtdos num DIC. Desvantagens da sua utlzação
4 Delneamentos Expermentas 4 Quando há perda de parcela(s) em algum tratamento. Apesar de exstr um método aproprado de estmação desses valores, há a perda de efcênca na comparação de médas envolvendo esses tratamentos. O modelo estatístco para representar um DBC é dado por y j = µ + τ + b j + ε j y j é o valor observado na undade expermental que recebeu o tratamento ( = 1,2,...,I) na repetção j ( j = 1,2,...,J) µ representa a méda geral τ representa o efeto do tratamento b representa o efeto do bloco j ε j é o erro expermental observado na undade expermental que recebeu o tratamento no bloco j. Análse de Varânca (ANOVA) FV GL SQ QM Fc Blocos J-1 SQBlocos QMBlocos Tratamento I-1 SQTratamento QMTratamento Erro (I-)(J-1) SQErro Total IJ-1 SQTotal As somas de quadrados são obtdas da segunte forma: SQTotal = SQBlocos = (y j ) 2 C C = j (y. j ) 2 I (y. ) 2 C QMBlocos QMTratamento ( ) 2 y j j IJ SQTratamento = C J SQErro = SQTotal SQTratamento SQBloco Formulado-se a hpótese H 0 : τ 1 = τ 2 =... == τ ou H 0 : µ 1 = µ 2 =... = µ. O teste da hpótese na ANOVA é dado por F c = QMTratamento
5 Delneamentos Expermentas 5 A partr do calculo de F c pode-se obter: o valor-p assocado ao F c e compara-lo ao nível de sgnfcânca α obter o dado na tabela de dstrbução F para (I 1) e (IJ I) graus de lberdade, respectvamente, de tratamentos e do erro e comparar com o F c Rejeta-se H 0 se valor p < α ou F c > F Geralmente o teste de hpótese com relação aos efetos de blocos não é feto por dos motvos: O nteresse prncpal é testar os efetos de tratamento, o propósto usual dos blocos é elmnar fontes estranhas de varação. As undades expermentas sejam dstrbuídas aleatoramente aos tratamentos, mas os blocos são obtdos de uma manera não aleatóra. Ao aplcar o teste F numa análse de varânca é necessáro verfcar as pressuposções do modelo. Os erros têm dstrbução Normal (normaldade). Os erros das observações não são correlaconados (ndependênca); Os erros têm a mesma varânca (homocedastcdade); Os efetos de blocos e tratamentos são adtvos Exemplo 1.1: Um expermentador está nteressado em testar o % de motldade em sêmen de jumento. Para sto ele dspunha de 5 anmas.o nteresse é testar 4 dferentes dluentes e seu efeto sobre a motldade. Para cada anmal fo testado 4 alíquotas. As alíquotas guas de uma mesma coleta de cada anmal são sorteadas para cada tratamento e nesse caso cada anmal é consderado um bloco. Jumento Dluentes gema lete coco ctrato Análse de Varânca (ANOVA) Verfcando as pressuposções: FV GL SQ QM F c valor-p Blocos ,7 279,425 73,052 <0,0001 Dluente 3 829,35 276,45 72,275 <0,0001 Erros 12 45,9 3,825
6 Delneamentos Expermentas 6 Teste de Durbn-Watson - valor p = 0, 6216 Teste de Shapro-Wlk - valor p = 0, 8612 Teste de Bartlett - valor p = 0, 9700 Adtvdade - valor p = 0,9139 Teste de Tukey Tratamento Méda Gema 74,8a Lete 68,2b Coco 66,4b Ctrato 56,8c Médas segudas de mesma letra não dfere entre s ao nível nomnal de m 5% de sgnfcânca 1.3 DELINEAMENTO QUADRADO LATINO (DQL) Neste delneamento os tratamentos são agrupados nas repetções de duas maneras dstntas. Esta sstematzação dos blocos em duas dreções (desgnadas genercamente por "lnhas"e "colunas") permte elmnar os efetos de duas fontes de varação do erro expermental. O esquema do delneamento para I tratamentos corresponde a um "quadrado"com I lnhas e I colunas, contendo I 2 parcelas. Cada tratamento ocorre uma vez em cada lnha e em cada coluna. Aleatorzação - Em geral, é satsfatóro tomar um quadrado latno qualquer, permutar as lnhas e colunas e desgnar, ao acaso, os tratamentos às letras O modelo estatístco para representar um DQL é dado por y jk = µ + τ + c j + l k + ε jk y j é o valor observado na undade expermental que recebeu o tratamento, na coluna j e lnha k µ representa a méda geral τ representa o efeto do tratamento c representa o efeto da coluna j l k representa o efeto da lnha k ε j é o erro expermental observado na undade expermental que recebeu o tratamento, na coluna j e lnha k
7 Delneamentos Expermentas 7 Análse de Varânca (ANOVA) FV GL SQ QM Fc Coluna I-1 SQColuna QMColuna Lnha I-1 SQLnha QMLnha Tratamento I-1 SQTratamento QMTratamento Erro (I-1)(I-2) SQErro Total I 2 1 SQTotal As somas de quadrados são obtdas da segunte forma: SQTotal = SQColuna = (y j ) 2 C C = j (y. j ) 2 I (y. ) 2 C SQLnha = (y j ) 2 j IJ QMColuna QMLnha QMTratamento (y.k ) 2 C I SQTratamento = C I SQErro = SQTotal SQTratamento SQColuna SQLnha Formulado-se a hpótese H 0 : τ 1 = τ 2 =... == τ ou H 0 : µ 1 = µ 2 =... = µ.o teste da hpótese na ANOVA é dado por A partr do calculo de F c pode-se obter: F c = QMTratamento o valor-p assocado ao F c e compara-lo ao nível de sgnfcânca α obter o dado na tabela de dstrbução F para (I 1) e (IJ I) graus de lberdade, respectvamente, de tratamentos e do erro e comparar com o F c Rejeta-se H 0 se valor p < α ou F c > F Geralmente o teste de hpótese com relação aos efetos de lnhas e colunas. Ao aplcar o teste F numa análse de varânca é necessáro verfcar as pressuposções do modelo. Os erros têm dstrbução Normal (normaldade). Os erros das observações não são correlaconados (ndependênca); Os erros têm a mesma varânca (homocedastcdade); Os efetos de blocos e tratamentos são adtvos
8 Delneamentos Expermentas 8 Exemplo 1.2: Um expermento fo nstalado para testar o efeto de anestéscos sobre o metabolsmo anmal (Frequênca cardíaca e respratóra, pressão sanguínea, tempo efetvo de anestesa). Deseja-se testar 5 tpos de anestéscos. Consderando um expermento com 5 repetções seram necessáros 25 anmas. Uma forma de reduzr o numero de anmas e utlzar o DQL. Assm, para testar 5 tpos de anestéscos, seram necessáros apenas 5 anmas. Cada anmal recebera um tpo de anestésco, e sso sera feto em 5 dferentes das. Assm, teríamos um prmero controle que é o anmal e o segundo que é o da. Croqu do Expermento Anmal Das de execução I II III IV V 1 D E B C A 2 E A C D B 3 A B D E C 4 B C E A D 5 C D A B E Resultados do Expermento Anmal Das de execução I II III V VI 1 112,90 D 135,60 A 137,30 C 116,21 D 125,87 B 2 117,34 E 136,54 B 115,53 D 118,02 E 136,93 C 3 134,54 A 132,83 C 116,67 E 133,42 A 118,09 D 4 131,06 B 126,23 D 137,92 A 130,99 B 121,07 E 5 136,20 C 119,06 E 129,15 B 134,23 C 137,87 A Análse de Varânca (ANOVA) Verfcando as pressuposções: FV GL SQ QM F c valor-p Coluna 4 43,39 10,85 1,62 0,2322 Lnha 4 144,49 36,12 5,40 0,0101 tratamento ,26 385,07 57,58 <0,0001 Erro 12 80,25 6,69 Total ,39 Teste de Durbn-Watson - valor p = 0, 9897 Teste de Shapro-Wlk - valor p = 0, 7676 Teste de Bartlett - valor p = 0, 9522 Teste de Adtvdade - valor p = 0, 5404 Teste de Tukey
9 Delneamentos Expermentas 9 Tratamento Méda A 135,87a C 135,50a B 130,72a E 118,43b D 117,79b Médas segudas de mesma letra não dfere entre s ao nível nomnal de m 5% de sgnfcânca 1.4 CONTROLE DE QUALIDADE DE EXPERIMENTOS A qualdade de um expermento pode ser avalada pela magntude do erro expermental. O erro expermental consste na varação não controlada pelo pesqusador e ocorre de forma aleatóra em cada Undade Expermental O erro expermental é nevtável, mas pode ser controlado.a magntude do erro expermental pode ser avalada pelo coefcente de varação (CV) CV = ˆm quadrado médo do erro obtdo na análse de varânca ˆm méda geral do expermento. O CV é um coefcente sem undade de medda, pode ser utlzado para comparar a precsão do expermento. Expermentos com CV alto tende a rejetar H 0 com maor dfculdade, mesmo que exstam dferenças entre os tratamentos. 1.5 NÚMERO DE REPETIÇÕES A determnação do número de repetções depende város fatores, tas como: o materal expermental dsponível, a varabldade das característcas estranhas, a estrutura das condções expermentas, O Número de repetções por tratamento de tal forma que tenhamos no mínmo 20 parcelas (Gomes, 1978). O Número de repetções por tratamento de forma que grau de lberdade (GL) do erro expermental seja: superor a 10 (Gomes, 1978) superor a 20 (Steel et al, 1997)
10 Delneamentos Expermentas 10 Cochran e Cox (1957) propõe a segunte expressão CV - coefcente de varação; r 2CV 2 (t 1 +t 2 ) 2 δ 2 t 1 valor de tabela t de Student, correspondente ao nível de sgnfcânca α t 2 valor de tabela t de Student 2(1-P),em que P e a probabldade de se obter um resultado sgnfcatvo, consderando-se o nível de sgnfcânca α δ dferença entre médas a ser detectada em %.
UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)
UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade
Leia maisDelineamento e Análise Experimental Aula 5
Aula 5 Castro Soares de Oliveira Delineamentos Experimentais Delineamento experimental ou desenhos experimentais é o plano utilizado para realizar o experimento. Esse plano implica na maneira como os diferentes
Leia maisVariação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.
Aplcação Por exemplo, se prepararmos uma área expermental com todo cudado possível e fzermos, manualmente, o planto de 100 sementes seleconadas de um mlho híbrdo, cudando para que as sementes fquem na
Leia maisA redução na pressão sangüínea (mm Hg) em um período de quatro semanas observadas em cães experimentais está tabulada abaixo:
UNIVERSIDADE ESTADUAL PAULISTA FACULDADE DE CIÊNCIAS AGRÁRIAS E VETERINÁRIAS CAMPUS DE JABOTICABAL ª PROVA DE ESTATÍSTICA EXPERIMENTAL - MEDICINA VETERINÁRIA NOME: DATA / / ª QUESTÃO (,): A redução da
Leia mais4 Critérios para Avaliação dos Cenários
Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada
Leia maisUNIDADE VIII ENSAIOS FATORIAIS
UNIDADE VIII ENSAIOS FATORIAIS CUIABÁ, MT 015/ PROF.: RÔMULO MÔRA 1. INTRODUÇÃO Ensaos fatoras são aqueles em que se estudam smultaneamente dos ou mas fatores, cada um deles com dos ou mas níves. O fatoral
Leia maisa média populacional do i-ésimo tratamento; o efeito do i-ésimo tratamento na variável dependente Y e mede o afastamento da média µ
UNIVERSIDADE ESTADUAL PAULISTA FACULDADE DE CIÊNCIAS AGRÁRIAS E VETERINÁRIAS CAMPUS DE JABOTICABAL ª PROVA DE ESTATÍSTICA EXPERIMENTAL - MEDICINA VETERINÁRIA NOME: DATA / / ª QUESTÃO (5,5): Vnte e cnco
Leia mais1ª PROVA DE ESTATÍSTICA EXPERIMENTAL
UNIVERSIAE ESTAUAL PAULISTA FACULAE E CIÊNCIAS AGRÁRIAS E VETERINÁRIAS CAMPUS E JABOTICABAL ª PROVA E ESTATÍSTICA EXPERIMENTAL - MEICINA VETERINÁRIA NOME: ATA / / ª QUESTÃO (5,5): Vnte suínos foram dstrbuídos
Leia maisA redução na pressão sangüínea (mm Hg) em um período de quatro semanas observadas em cães experimentais está tabulada abaixo:
UNIVERSIDADE ESTADUAL PAULISTA FACULDADE DE CIÊNCIAS AGRÁRIAS E VETERINÁRIAS CAMPUS DE JABOTICABAL ª PROVA DE ESTATÍSTICA EXPERIMENTAL - MEDICINA VETERINÁRIA NOME: DATA / / ª QUESTÃO (5,5): A redução da
Leia mais3 A técnica de computação intensiva Bootstrap
A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.
Leia mais8.16. Experimentos Fatoriais e o Fatorial Fracionado
8.6. Expermentos Fatoras e o Fatoral Fraconado Segundo Kng (995) os arranos fatoras e fatoral fraconado estão dentre os arranos mas usados em expermentos ndustras. Veremos aqu alguns casos mas geras e
Leia mais3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo
3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas
Leia maisAlgarismos Significativos Propagação de Erros ou Desvios
Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento
Leia maisDelineamento Aleatorizado em Blocos Completos (DABC)
Delneamento Aleatorzado em Blocos Completos (DABC) Motvação Por que planear um expermento? Como dmnur o efeto resdual? Como controlar o efeto de fontes de varação conhecdas mas que não são de nteresse
Leia maisMAE 317 Planejamento e Pesquisa I Profa. Júlia Maria Pavan Soler
MAE 317 Planeamento e Pesqusa I Profa. Júla Mara Pavan Soler pavan@me.usp.br IME/USP 1º Semestre/019 Delneamento Aleatorzado em Blocos Completos (DABC) Motvação Por que planear um expermento? Como dmnur
Leia maisTestes não-paramétricos
Testes não-paramétrcos Prof. Lorí Val, Dr. http://www.mat.ufrgs.br/val/ val@mat.ufrgs.br Um teste não paramétrco testa outras stuações que não parâmetros populaconas. Estas stuações podem ser relaconamentos,
Leia maisO problema da superdispersão na análise de dados de contagens
O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão
Leia mais(B) Considere X = antes e Y = depois e realize um teste t para dados pareados e um teste da ANOVA de um DBC com 5 blocos. Compare os resultados.
INF 6 Notas de aula sujeto a correções Prof. Luz Alexandre Peternell (B) Consdere X antes e Y depos e realze um teste t para dados pareados e um teste da ANOVA de um DBC com 5 blocos. Compare os resultados.
Leia maisMétodos Avançados em Epidemiologia
Unversdade Federal de Mnas Geras Insttuto de Cêncas Exatas Departamento de Estatístca Métodos Avançados em Epdemologa Aula 5-1 Regressão Lnear Smples: Estmação e Interpretação da Reta Tabela ANOVA e R
Leia maisGráficos de Controle para Processos Autocorrelacionados
Gráfcos de Controle para Processos Autocorrelaconados Gráfco de controle de Shewhart: observações ndependentes e normalmente dstrbuídas. Shewhart ao crar os gráfcos de controle não exgu que os dados fossem
Leia maisANÁLISE DE VARIÂNCIA (ANOVA) CLÁSSICA: TÉCNICA ÚTIL, PORÉM RESTRITIVA!
ANÁLSE DE VARÂNCA (ANOVA) CLÁSSCA: TÉCNCA ÚTL, PORÉM RESTRTVA! Questões assocadas à verfcação de suas suposções: (adtvdade, ndependênca, homocedastcdade e normaldade) k..d.~n(0, ) quadrados mínmos ordnáros
Leia maisO problema da superdispersão na análise de dados de contagens
O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão
Leia maisANÁLISE DE VARIÂNCIA (ANOVA) CLÁSSICA: TÉCNICA ÚTIL, PORÉM RESTRITIVA!
ANÁLSE DE VARÂNCA (ANOVA) CLÁSSCA: TÉCNCA ÚTL, PORÉM RESTRTVA! Questões assocadas à verfcação de suas suposções: (adtvdade, ndependênca, homocedastcdade e normaldade) k..d.~n(0, ) quadrados mínmos ordnáros
Leia mais1. CORRELAÇÃO E REGRESSÃO LINEAR
1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação
Leia mais8.2. Tipos de Ações Gerenciais em Empresas que Valorizam o Controle de Qualidade
8. USO DA ANÁLISE DE VARIÂNCIA E DA REGRESSÃO 8.1. Introdução A estatístca é a cênca que lda com a coleta, o processamento e a dsposção de dados (nformação) atuando como ferramenta fundamental nos processos
Leia maisÉ 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 entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia mais7 - Distribuição de Freqüências
7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste
Leia maisRegressão Múltipla. Parte I: Modelo Geral e Estimação
Regressão Múltpla Parte I: Modelo Geral e Estmação Regressão lnear múltpla Exemplos: Num estudo sobre a produtvdade de trabalhadores ( em aeronave, navos) o pesqusador deseja controlar o número desses
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ Em mutas stuações duas ou mas varáves estão relaconadas e surge então a necessdade de determnar a natureza deste relaconamento. A análse
Leia maisAo se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.
Estatístca Dscplna de Estatístca 0/ Curso de Admnstração em Gestão Públca Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos uns dos
Leia maisREGRESSÃO NÃO LINEAR 27/06/2017
7/06/07 REGRESSÃO NÃO LINEAR CUIABÁ, MT 07/ Os modelos de regressão não lnear dferencam-se dos modelos lneares, tanto smples como múltplos, pelo fato de suas varáves ndependentes não estarem separados
Leia maisAnálise de Variância (ANOVA) de 1 via
varâncas guas guas? populaconas conhecdas? varâncas dferentes Teste Z varâncas guas guas? Amostras pequenas? (n
Leia maisEstudo quantitativo do processo de tomada de decisão de um projeto de melhoria da qualidade de ensino de graduação.
Estudo quanttatvo do processo de tomada de decsão de um projeto de melhora da qualdade de ensno de graduação. Rogéro de Melo Costa Pnto 1, Rafael Aparecdo Pres Espíndula 2, Arlndo José de Souza Júnor 1,
Leia maisPRESSUPOSTOS DO MODELO DE REGRESSÃO
PREUPOTO DO MODELO DE REGREÃO A aplcação do modelo de regressão lnear múltpla (bem como da smples) pressupõe a verfcação de alguns pressupostos que condensamos segudamente.. Os erros E são varáves aleatóras
Leia maisANÁLISE DA VARIÂNCIA DA REGRESSÃO
ANÁLISE DA VARIÂNCIA DA REGRESSÃO PROCEDIMENTO GERAL DE REGRESSÃO Em um modelo de análse de varânca, como no DIA, o fator em estudo pode ser quanttatvo ou qualtatvo. FATOR QUANTITATIVO: é aquele cujos
Leia maisAo se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.
Estatístca Dscplna de Estatístca 0/ Curso Superor de tecnólogo em Gestão Ambental Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos
Leia maisDelineamento e Análise Experimental Aula 3
Aula 3 Castro Soares de Oliveira Teste de hipótese Teste de hipótese é uma metodologia estatística que permite tomar decisões sobre uma ou mais populações baseando-se no conhecimento de informações da
Leia maisMOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES
MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES 1. Obtenha os estmadores dos coefcentes lnear e angular de um modelo de regressão lnear smples utlzando o método
Leia maisAnálise de Variância. Comparação de duas ou mais médias
Análse de Varânca Comparação de duas ou mas médas Análse de varânca com um fator Exemplo Um expermento fo realzado para se estudar dabetes gestaconal. Desejava-se avalar o comportamento da hemoglobna (HbA)
Leia mais1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de
Leia maisOs modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.
MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,
Leia maisPrograma do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall
Sstemas Intelgentes Aplcados Carlos Hall Programa do Curso Lmpeza/Integração de Dados Transformação de Dados Dscretzação de Varáves Contínuas Transformação de Varáves Dscretas em Contínuas Transformação
Leia maisModelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados
Modelo lnear normal com erros heterocedástcos O método de mínmos quadrados ponderados Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal
Leia maisModelo linear clássico com erros heterocedásticos. O método de mínimos quadrados ponderados
Modelo lnear clássco com erros heterocedástcos O método de mínmos quadrados ponderados 1 Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal
Leia maisPlano de amostragem do ISA-Capital 2008 Maria Cecília Goi Porto Alves Maria Mercedes L. Escuder 24 de junho de 2009
Plano de amostragem do ISA-Captal 2008 ara Cecíla Go Porto Alves ara ercedes L. Escuder 24 de junho de 2009 Tamanho da amostra A população de estudo refere-se àquela resdente em área urbana do uncípo de
Leia maisMINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE CIENCIAS E TECNOLOGIA AGROALIMENTAR UNIDADE V
MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE CIENCIAS E TECNOLOGIA AGROALIMENTAR UNIDADE V DELINEAMENTO EM BLOCOS CASUALIZADOS (DBC) Profª Railene Hérica Carlos Rocha 1. Introdução
Leia maisCurso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos
Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,
Leia maisMODELOS DE REGRESSÃO PARAMÉTRICOS
MODELOS DE REGRESSÃO PARAMÉTRICOS Às vezes é de nteresse nclur na análse, característcas dos ndvíduos que podem estar relaconadas com o tempo de vda. Estudo de nsufcênca renal: verfcar qual o efeto da
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisAssociação entre duas variáveis quantitativas
Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa
Leia maisUNIVERSIDADE ESTADUAL PAULISTA JÚLIO DE MESQUITA FILHO FACULDADE DE CIÊNCIAS AGRÁRIAS E VETERINÁRIAS CAMPUS DE JABOTICABAL MATERIAL DIDATICO DO CURSO
UNIVERSIDADE ESTADUAL PAULISTA JÚLIO DE MESQUITA FILHO FACULDADE DE CIÊNCIAS AGRÁRIAS E VETERINÁRIAS CAMPUS DE JABOTICABAL MATERIAL DIDATICO DO CURSO ESTATISTICA EXPERIMENTAL: Com aplcaçoes em R Medcna
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-4 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Programa do curso: Semana Conteúdo Apresentação da dscplna. Prncípos de modelos lneares de regressão.
Leia mais2 Incerteza de medição
2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca
Leia maisDelineamento e Análise Experimental Aula 7. Anderson Castro Soares de Oliveira
Aula 7 Castro Soares de Oliveira Experimentos Fatoriais Nos experimentos mais simples comparamos tratamentos de apenas um tipo ou fator. Em algumas situações existem vários fatores envolvidos em um experimento,
Leia maisESTATÍSTICA APLICADA II ANO LECTIVO 2011/2012. Exame Final 26 de Julho de 2012
ETATÍTICA APLICADA II ANO LECTIVO / Exame Fnal 6 de Julho de Duração : H 3 M Nota: Responder um grupo por folha (utlze frente e verso de cada folha) Em todas as questões apresentar os cálculos efectuados
Leia mais2. MODELO MATEMÁTICO DO (DIA) E HIPÓTESES BÁSICAS PARA A ANÁLISE DE VARIÂNCIA. i = 1, 2,..., I j = 1, 2,..., J
Estatístca Expermental OC Carlos adeu dos Santos Das a. aula/ a. aula Delneamento nteramente Aleatorzado (DA). VANAGENS: Em relação aos outros a) é bastante flexível, pos o número de tratamentos e de repetções
Leia maisREGRESSÃO APLICADA À DADOS FLORESTAIS
3/6/8 REGRESSÃO APLICADA À DADOS FLORESTAIS INTRODUÇÃO SOFTWARE R IRATI, PR 8 HISTÓRICO O R é uma lnguagem orentada a objetos, crada em 996 por Ross Ihaka e Robert Gentleman, que alada a um ambente ntegrado,
Leia maisPrograma de Certificação de Medidas de um laboratório
Programa de Certfcação de Meddas de um laboratóro Tratamento de dados Elmnação de dervas Programa de calbração entre laboratóros Programa nterno de calbração justes de meddas a curvas Tratamento dos resultados
Leia maisUniversidade de São Paulo Escola Superior de Agricultura Luiz de Queiroz Departamento de Ciências Exatas
Unversdade de São Paulo Escola Superor de Agrcultura Luz de Queroz Departamento de Cêncas Exatas Prova escrta de seleção para DOUTORADO em Estatístca e Expermentação Agronômca Nome do canddato (a): Questão
Leia maisIdentidade dos parâmetros de modelos segmentados
Identdade dos parâmetros de modelos segmentados Dana Campos de Olvera Antono Polcarpo Souza Carnero Joel Augusto Munz Fabyano Fonseca e Slva 4 Introdução No Brasl, dentre os anmas de médo porte, os ovnos
Leia maisCap. IV Análise estatística de incertezas aleatórias
TLF 010/11 Cap. IV Análse estatístca de ncertezas aleatóras Capítulo IV Análse estatístca de ncertezas aleatóras 4.1. Méda 43 4.. Desvo padrão 44 4.3. Sgnfcado do desvo padrão 46 4.4. Desvo padrão da méda
Leia maisEstatística I Licenciatura MAEG 2006/07
Estatístca I Lcencatura MAEG 006/07 AMOSTRAGEM. DISTRIBUIÇÕES POR AMOSTRAGEM.. Em determnada unversdade verfca-se que 30% dos alunos têm carro. Seleccona-se uma amostra casual smples de 0 alunos. a) Qual
Leia maisCAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA
CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de
Leia maisEstatística Experimental Medicina Veterinária. Faculadade de Ciências Agrárias e Veterinárias. Campus de Jaboticabal SP. Gener Tadeu Pereira
MATERIAL DIDÁTICO Estatístca Expermental Medcna Veternára Faculadade de Cêncas Agráras e Veternáras Campus de Jabotcabal SP Gener Tadeu Perera º SEMESTRE DE 03 ÍNDICE AULA ESTATÍSTICA DESCRITIVA º EXERCÍCIO
Leia maisExperiência V (aulas 08 e 09) Curvas características
Experênca (aulas 08 e 09) Curvas característcas 1. Objetvos 2. Introdução 3. Procedmento expermental 4. Análse de dados 5. Referêncas 1. Objetvos Como no expermento anteror, remos estudar a adequação de
Leia maisExperimentos em Quadrados Latinos: Aspectos Teóricos com Aplicação
Unversdade Estadual da Paraíba Centro de Cêncas e Tecnologa Departamento de Estatístca Anderson Ferrera Arruda de Arauo Expermentos em Quadrados Latnos: Aspectos Teórcos com Aplcação Campna Grande Dezembro,
Leia maisDIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS
DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS 1 A análse de dagnóstco (ou dagnóstco do ajuste) confgura uma etapa fundamental no ajuste de modelos de regressão. O objetvo prncpal da análse de dagnóstco
Leia maisMétodos Experimentais em Ciências Mecânicas
Métodos Expermentas em Cêncas Mecâncas Professor Jorge Luz A. Ferrera Sumáro.. Dagrama de Dspersão. Coefcente de Correlação Lnear de Pearson. Flosofa assocada a medda da Estatstca. este de Hpótese 3. Exemplos.
Leia maisAnálise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA
Análse de Regressão Profa Alcone Mranda dos Santos Departamento de Saúde Públca UFMA Introdução Uma das preocupações estatístcas ao analsar dados, é a de crar modelos que explctem estruturas do fenômeno
Leia maisINTRODUÇÃO À CALIBRAÇÃO MULTIVARIADA
INTRODUÇÃO À CALIBRAÇÃO MULTIVARIADA APLICAÇÃO NO CONTROLE DE QUALIDADE DE FÁRMACOS Prof. Dr. Marcelo Martns de Sena MÓDULO 04 Undade Unverstára de Cêncas Eatas e Tecnológcas UnUCET Anápols 1 MÓDULO 04
Leia maisAula Características dos sistemas de medição
Aula - Característcas dos sstemas de medção O comportamento funconal de um sstema de medção é descrto pelas suas característcas (parâmetros) operaconas e metrológcas. Aqu é defnda e analsada uma sére destes
Leia maisExperimentos em Parcelas Subdivididas
Experimentos em Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha 08 de novembro de 2018 Londrina Tal como no caso de fatorial, o termo parcelas subdivididas não se refere a um tipo de delineamento
Leia maisTESTE DO QUI-QUADRADO - Ajustamento
Exemplo 3: Avalar se uma moeda ou um dado é honesto; Em 100 lances de moeda, observaram-se 65 coroas e 35 caras. Testar se a moeda é honesta. 1 H 0 : a moeda é honesta; H 1 : a moeda não é honesta; 2 α
Leia maisAnálise de Regressão Linear Múltipla IV
Análse de Regressão Lnear Múltpla IV Aula 7 Guarat e Porter, 11 Capítulos 7 e 8 He et al., 4 Capítulo 3 Exemplo Tomando por base o modelo salaro 1educ anosemp exp prev log 3 a senhorta Jole, gerente do
Leia mais7 Tratamento dos Dados
7 Tratamento dos Dados 7.. Coefcentes de Troca de Calor O úmero de usselt local é dado por h( r )d u ( r ) (7-) k onde h(r), o coefcente local de troca de calor é h( r ) q''- perdas T q''- perdas (T( r
Leia maisEXPERIMENTOS EM PARCELAS SUBDIVIDIDAS
EXPERIMENTOS EM PARCELAS SUBDIVIDIDAS Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha Universidade Estadual de Londrina Departamento de Estatística 29 de julho de 2017 Parcelas Subdivididas Tal
Leia maisDIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS
177 DIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS Antôno Carlos da Slva Flho Un-FACEF Introdução Trend Strps (TS) são uma nova técnca de análse da dnâmca de um sstema,
Leia maisX = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)
Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado
Leia maisCAPÍTULO 2 - Estatística Descritiva
INF 16 Prof. Luz Alexandre Peternell CAPÍTULO - Estatístca Descrtva Exercícos Propostos 1) Consderando os dados amostras abaxo, calcular: méda artmétca, varânca, desvo padrão, erro padrão da méda e coefcente
Leia maisUNIVERSIDADE DE PERNAMBUCO. Física Experimental. Prof o José Wilson Vieira
UNIVERSIDADE DE PERNAMBUCO ESCOLA POLITÉCNICA DE PERNAMBUCO Físca Expermental Prof o José Wlson Vera wlson.vera@upe.br AULA 01: PROCESSOS DE ANÁLISE GRÁFICA E NUMÉRICA MODELO LINEAR Recfe, agosto de 2015
Leia maisSELEÇÃO DE MODELOS VOLUMÉTRICOS PARA CLONES DE EUCALYPTUS SPP., NO PÓLO GESSEIRO DO ARARIPE
SELEÇÃO DE MODELOS VOLUMÉTRICOS PARA CLONES DE EUCALYPTUS SPP, NO PÓLO GESSEIRO DO ARARIPE Jáder da Slva Jale Joselme Fernandes Gouvea Alne Santos de Melo Denns Marnho O R Souza Kléber Napoleão Nunes de
Leia mais5 Métodos de cálculo do limite de retenção em função da ruína e do capital inicial
5 Métodos de cálculo do lmte de retenção em função da ruína e do captal ncal Nesta dssertação serão utlzados dos métodos comparatvos de cálculo de lmte de retenção, onde ambos consderam a necessdade de
Leia maisANÁLISE DE VARIÂNCIA DE DOIS CRITÉRIOS (DBC)
ANÁLISE DE VARIÂNCIA DE DOIS CRITÉRIOS (DBC) Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 13 de dezembro de 2017 ANAVA dois critérios A análise de variância
Leia maisCapítulo 2. Modelos de Regressão
Capítulo 2 Modelos de regressão 39 Capítulo 2 Modelos de Regressão Objetvos do Capítulo Todos os modelos são errados, mas alguns são útes George E P Box Algumas vezes fcamos assustados quando vemos engenheros
Leia maisRegressão Linear Simples by Estevam Martins
Regressão Lnear Smples by Estevam Martns stvm@uol.com.br "O únco lugar onde o sucesso vem antes do trabalho, é no dconáro" Albert Ensten Introdução Mutos estudos estatístcos têm como objetvo estabelecer
Leia maisUNIVERSIDADE NOVA DE LISBOA Faculdade de Economia Análise de Dados e Probabilidade 2º Semestre 2008/2009 Exame Final 1ª Época. Grupo I (4 Valores)
UNIVERSIDADE NOVA DE LISBOA Faculdade de Economa Análse de Dados e Probabldade º Semestre 008/009 Exame Fnal ª Época Clara Costa Duarte Data: 8/05/009 Graça Slva Duração: h0 Grupo I (4 Valores) A gelatara
Leia maisIntrodução às Medidas em Física a Aula
Introdução às Meddas em Físca 4300152 8 a Aula Objetvos: Experênca Curvas Característcas Meddas de grandezas elétrcas: Estudar curvas característcas de elementos resstvos Utlzação de um multímetro Influênca
Leia maisESTATÍSTICA EXPERIMENTAL
ESTATÍSTICA EXPERIMENTAL Delineamento Inteiramente Casualizado - DIC Prof. Miguel Toledo del Pino, Dr. INTRODUÇÃO No DIC a distribuição dos tratamentos às unidades experimentais é feita inteiramente ao
Leia maisCap. 11 Correlação e Regressão
Estatístca para Cursos de Engenhara e Informátca Pedro Alberto Barbetta / Marcelo Menezes Res / Antono Cezar Borna São Paulo: Atlas, 2004 Cap. 11 Correlação e Regressão APOIO: Fundação de Apoo à Pesqusa
Leia maisAnálise da curva de crescimento de ovinos cruzados
Análse da curva de crescmento de ovnos cruzados Dana Campos de Olvera DEX, UFLA Antôno Polcarpo Souza Carnero DET, UFV Joel Augusto Munz DEX, UFLA Introdução Os ovnos, assm como grande maora dos anmas
Leia maisCapítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES
Capítulo. Aproxmações numércas 1D em malhas unformes 9 Capítulo. AROXIMAÇÕS NUMÉRICAS 1D M MALHAS UNIFORMS O prncípo fundamental do método das dferenças fntas (MDF é aproxmar através de expressões algébrcas
Leia mais8 - Medidas Descritivas
8 - Meddas Descrtvas 8. Introdução Ao descrevemos um conjunto de dados por meo de tabelas e gráfcos temos muto mas nformações sobre o comportamento de uma varável do que a própra sére orgnal de dados.
Leia mais5 Relação entre Análise Limite e Programação Linear 5.1. Modelo Matemático para Análise Limite
5 Relação entre Análse Lmte e Programação Lnear 5.. Modelo Matemátco para Análse Lmte Como fo explcado anterormente, a análse lmte oferece a facldade para o cálculo da carga de ruptura pelo fato de utlzar
Leia maisDEFINIÇÃO - MODELO LINEAR GENERALIZADO
DEFINIÇÃO - MODELO LINEAR GENERALIZADO 1 Um modelo lnear generalzado é defndo pelos seguntes três componentes: Componente aleatóro; Componente sstemátco; Função de lgação; Componente aleatóro: Um conjunto
Leia maisAnálise de Regressão Linear Múltipla VII
Análse de Regressão Lnear Múltpla VII Aula 1 Hej et al., 4 Seções 3. e 3.4 Hpótese Lnear Geral Seja y = + 1 x 1 + x +... + k x k +, = 1,,..., n. um modelo de regressão lnear múltpla, que pode ser escrto
Leia maisESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11. EXERCÍCIOS PRÁTICOS - CADERNO 4 Regressão Linear
ESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11 EERCÍCIOS PRÁTICOS - CADERNO 4 Regressão Lnear 4. EERCÍCIOS PARA RESOLVER NAS AULAS 4.1. O gestor de marketng duma grande cadea de supermercados quer determnar
Leia mais