Estimativa de intervalo de confiança para tempo de sobrevida usando desigualdade de Chebyshev via método bootstrap
|
|
- Wagner Brunelli Vasques
- 5 Há anos
- Visualizações:
Transcrição
1 SCIENTIA PLENA VOL. 8, NUM Estimativa de itervalo de cofiaça para tempo de sobrevida usado desigualdade de Chebyshev via método bootstrap C. M. Silva, ; R. S. Amaral ; J. W. Vieira,3 ; A. N. C. Silva ; J. A. S. Júior ; E. S. Alcoforado Departameto de Matemática, Uiversidade de Perambuco, , Petrolia-Pe, Brasil Departameto de Eergia Nuclear, Uiversidade Federal de Perambuco, , Recife-Pe, Brasil 3 Istituto Federal de Educação, Ciêcia e Tecologia, , Recife-Pe, Brasil cleomacio@ig.com.br (Recebido em 0 de setembro de 0; aceito em 09 de abril de 0) Quado a amostra é pequea (<30) e se supõe que a população ão é ormalmete distribuída, em a distribuição ormal de probabilidade em a distribuição t de Studet podem ser usadas a costrução de um itervalo de cofiaça. Neste caso, utiliza-se a desigualdade de Chebyshev. Na aálise estatística de sobrevida, a variável tempo ão é ormalmete distribuída. Assim, o objetivo do presete trabalho foi utilizar a desigualdade de Chebyshev via método bootstrap para estimar itervalo de cofiaça para aálise de tempo de sobrevida. Para tato, costruiu-se um programa computacioal a liguagem C++ com a fialidade de formar a distribuição bootstrap e calcular a média dos tempos de sobrevida. Os resultados mostraram que, a desigualdade de Chebyshev quado usada jutamete com o método bootstrap costituiu-se uma excelete ferrameta estatística para estimar itervalo de tempo de sobrevida. Palavras-chave: média aritmética; erro padrão; estatística computacioal Whe the sample is small ( <30) ad assumed that the populatio is ot ormally distributed, ot the ormal distributio or the Studet t-distributio ca be used i the costructio of a cofidece iterval. I this case, we use the Chebyshev iequality. Statistical aalysis of survival, the time variable is ot ormally distributed. The objective of this study was to use the Chebyshev iequality i the bootstrap method to estimate cofidece itervals for aalysis of survival time. To this ed, we costructed a computer program i C ++ i order to form the bootstrap distributio ad calculate the average survival times. The results showed that the Chebyshev iequality whe used i cojuctio with the bootstrap method cosisted i a excellet statistical tool for estimatig the rage of survival time. Keywords: arithemetic mea; stadard error; statistical computig. INTRODUÇÃO Geralmete, os métodos de estimação por itervalo são baseados o pressuposto de que possa ser usada a distribuição ormal de probabilidade. Tal pressuposição é garatida sempre que 30, por causa do teorema do limite cetral, ou <30, sedo a população ormalmete distribuída e o desvio padrão da população (σ) cohecido []. Muito embora a média da amostra seja útil como um estimador ão tedecioso da média da população, ão existe maeira de expressar o grau de acurácia de um estimador por poto. De fato, matematicamete falado, a probabilidade de que a média da amostra seja exatamete correta como um estimador é P = 0 []. Um itervalo de cofiaça para a média é um itervalo estimado, costruído em relação à média da amostra, pelo qual pode ser especificada a probabilidade do itervalo icluir o valor da média da população. O grau de cofiaça associado com um itervalo de cofiaça idica a percetagem de tais itervalos icluírem o parâmetro que se está estimado []. Os itervalos de cofiaça para a média são tipicamete costruídos com o estimador ão tedecioso X o cetro do itervalo. Os itervalos de cofiaça mais frequetemete utilizados são os de 90%, 95% e 99% []. Se uma população é ormalmete distribuída, a distribuição de amostragem da média, para qualquer tamaho da amostra, será também ormalmete distribuída, isto é, verdadeiro que o σ
2 C. M. Silva et al., Scietia Plea 8, (0) ( X µ ) seja cohecido, quer ão []. Se σ é descohecido, a expressão iclui o deomiador SX uma variável diferete para cada média da amostra. O resultado é que a iclusão da variável S X em lugar da costate σx o deomiador gera valores covertidos que ão se distribuem como valores de Z. Em lugar disso, os valores são distribuídos de acordo com as distribuições t de Studet, as quais são platicúrticas (achatadas), se comparadas coma distribuição ormal []. A distribuição t é apropriada para iferêcias sobre a média, sempre quado σ for descohecido e a população ormalmete distribuída, qualquer que seja o tamaho da amostra. Cotudo, à medida que aumeta o tamaho da amostra, a distribuição t aproxima-se da forma da distribuição ormal. Quado a amostra é pequea (<30) e se supõe que a população ão é ormalmete distribuída, em a distribuição ormal de probabilidade, em a distribuição t de Studet podem ser usadas a costrução de um itervalo de cofiaça. Neste caso, um teorema geral desevolvido pelo matemático russo Chebyshev é bastate útil. Este teorema é cohecido a estatística como desigualdade de Chebyshev. Na verdade, a desigualdade de Chebyshev, é raramete usada a costrução de itervalo de cofiaça para a média, mas é o úico método apropriado, quado existe uma população decididamete ão ormal e uma amostra pequea (<30) []. O tempo de sobrevida ão é uma variável que possui distribuição de probabilidade ormal. Assim, existem muitas dificuldades para costruir adequadamete itervalos de cofiaça para tempo de sobrevida. Na aálise estatística de sobrevida, o mais importate ão é saber a ocorrêcia de um eveto de forma potual, mas o seu desfecho detro de um itervalo de tempo. Assim, a costrução de itervalo de cofiaça para tempo de sobrevida, costitui um procedimeto estatístico importate as tomadas de decisões. O termo bootstrap surgiu da frase to pull oeself up oe's bootstrap retirada de Advetures of Baro Muchause by Rodolph Erich Raspe, XVII cetury: The Baro had falle to the bottom of a deep lake. Just whe it looked like all was lost, he thought of pickig himself up by his ow bootstraps []. Esse texto relata uma situação em que o Barão Muchause está afudado em um lago e vedo que tudo estava perdido, pesa que coseguirá emergir puxado os cadarços dos próprios sapatos. O setido estatístico do termo é passar a ideia de que, em situações difíceis, devem-se tetar as mais variadas soluções possíveis a partir dos dados origiais. Em estatística, situações difíceis podem ser vistas como os problemas de soluções aalíticas complexas. As variadas soluções possíveis seria a utilização de uma metodologia com grade quatidade de cálculos, objetivado extrapolar os resultados a partir de um pequeo cojuto de dados. Com o uso sistematizado de ferrametas computacioais, a solução para esses casos, é obtida substituido-se a resolução aalítica pelo poder de processameto dos computadores através do método de reamostragem bootstrap. O método bootstrap, quado aplicado a reamostragem dos dados origiais obtidos da amostra, forece uma média aritmética resistete às flutuações causadas pelos efeitos dos valores aômalos. Neste caso, a reamostragem é utilizada para dimiuir a assimetria, acomodado os valores de tal maeira, que a discrepâcia em toro da média aritmética passa a ser a meor possível []. Portato, o objetivo do presete estudo foi mostrar o uso da desigualdade de Chebyshev via método bootstrap para estimar itervalo de cofiaça a aálise estatística de sobrevida.. MATERIAIS E MÉTODOS.. O teorema de Chebyshev Segudo Kazmier [], o teorema de Chebyshev é auciado da seguite maeira: a proporção de medidas em um cojuto de dados que se situa detro de k desvios padrões da média ão é meor do que, ode k. k
3 C. M. Silva et al., Scietia Plea 8, (0) 3 Aplicado-se a distribuição de amostragem de uma média, a probabilidade de que a média da amostra esteja detro de k uidades de erro padrão da média da população, é calculado pela Equação []. P(X µ / k σ X) () k A Equação é geralmete referida como a desigualdade de Chebyshev. Essa equação é baseada a hipótese de que σx é cohecido. Se σ é descohecido, etão, pode-se usar SX em seu lugar, mas com algus riscos por causa da flutuação de seu valor em amostras pequeas []. Ao usar a desigualdade de Chebyshev a estimação por itervalo, iguala-se, ao grau de k cofiaça desejado, resolve-se para k, costruido-se, etão, o itervalo, utilizado a Equação ou a Equação 3 [], coforme o caso. X ± kσ () X X ± ks X (3) O procedimeto estatístico utilizado para usar a desigualdade de Chebyshev foi o seguite: escolheu-se a probabilidade desejada, ou seja, fixou-se atecipadamete a probabilidade de X estar o itervalo. Segudo Dowig e Clark [3], é comum fixar em 95% essa probabilidade. Assim, calculou-se etão, a amplitude do itervalo para que houvesse 95% de chace dele coter o verdadeiro valor de X. No caso da desigualdade de Chebyshev para o ível de cofiaça de 95%, o valor de k foi de 4,47 []... O método bootstrap O método bootstrap foi itroduzido por Efro [4] e, desde etão, tem sido profudamete estudado, ão apeas em estudos teóricos, como também em várias aplicações. Todavia, a ecessidade de maipulação de um úmero geralmete grade de amostras, a sua operacioalidade somete torou-se viável com o adveto e popularização dos microcomputadores. O método cosiste um procedimeto estatístico computacioalmete itesivo que permite a avaliação de diversas estatísticas, com base os dados obtidos da amostra. Sedo assim, ele tem como base a ideia de que o pesquisador pode tratar a sua amostra como se fosse a população que deu origem aos dados e utilizar amostragem com reposição de sua amostra experimetal para gerar pseudo-amostras e a partir destas estimar características de iteresse de certas estatísticas [4]. Neste caso, a iferêcia estatística bootstrap tem a fialidade de produzir afirmações sobre uma dada característica da população de iteresse, a partir de iformações colhidas da amostra. Vários esquemas diferetes de bootstrap têm sido propostos e muitos deles apresetam bom desempeho em uma ampla variedade de situações. Este método pode ser implemetado tato a estatística ão-paramétrica quato a paramétrica, depededo apeas do cohecimeto do problema [4]. No caso ão-paramétrico, reamostra-se os dados com reposição, de acordo com uma distribuição empírica estimada, tedo em vista que, o geral, ão se cohece a distribuição subjacete aos dados. No caso paramétrico, quado se tem iformação suficiete sobre a forma da distribuição dos dados, a amostra bootstrap é formada realizado-se a amostragem diretamete essa distribuição com os parâmetros descohecidos substituídos por estimativas paramétricas [4]. O processo de reamostragem cosiste em gerar amostras a partir da amostra origial, cujos dados aleatoriamete retirados (com reposição) são utilizados a formação de cada amostra bootstrap. Dessa forma, todo resultado depede diretamete da amostra origial. A distribuição da estatística de iteresse aplicada aos valores desse tipo de amostragem, codicioal aos dados
4 C. M. Silva et al., Scietia Plea 8, (0) 4 observados, é defiida como a distribuição bootstrap dessa estatística []. Operacioalmete, o procedimeto bootstrap cosiste a reamostragem de mesmo tamaho e com reposição dos dados da amostra origial, e cálculo da estatística de iteresse para cada reamostra, deomiada de pseudovalores [4]. Efro e Tibshirai [] apresetaram as ideias básicas subjacetes ao método de bootstrap, o âmbito da iferêcia clássica da estatística, como se segue. Com x = (x, x, L, x ) amostra aleatória obtida a partir de uma população com fução de distribuição descohecida, F, seja, ( x, x,,x ) Θ L, um estimador do parâmetro Θ (F) que, como se idica, depede aturalmete de F. Seja F a fução de distribuição empírica associada à amostra obtida, tal que a cada valor observado x, ode ( i,,, ) valor de F é calculado pela Equação 4 []. i = L, atribui massa probabilística. Etão, o I x i= F ( ) (x) = ( x) i (4) Ode: F () i (x) - o estimador ão-paramétrico de máxima verossimilhaça de F; I(x x) - fução idicadora. Uma amostra bootstrap é uma amostra x = (x, x, L, x ) obtida de forma aleatória e com reposição a partir da amostra origial x = (x, x, L, x ), também desigada população bootstrap. A otação com asterisco idica que x ão é um ovo cojuto de dados reais x, mas sim uma versão radomizada, ou reamostrada de x. A amostra bootstrap cosiste dos correspodetes membros de x, ode: x = x i, x = x i, L, x = x i. O cojuto (x i, x i, K, x i ) represeta a i-ésima amostra de tamaho com reposição dos dados origiais do cojuto x = (x, x, L, x ) [4]. No método bootstrap, a média amostral calculada é deomiada por x i. A cada procedimeto de reamostragem do cojuto origial x = (x, x, L, x ), correspodem estimadores, dados por x, x, K, x. Neste caso, o estimador bootstrap da média da população é a média aritmética, x B, dos estimadores x i. Sedo este, um método de reamostragem com reposição, pode-se ter, por exemplo: x = x 7, x = x 0, x 3= x, L, x B= x 3. Portato, o cojuto de dados reamostrados é costituído de elemetos do cojuto dos dados origiais x = (x, x, L, x ), ode algus ão aparecem ehuma vez, outros aparecem uma vez, outros aparecem duas vezes etc. Da distribuição F ()(x) obtêm-se B amostras bootstrap de mesmo tamaho, como apresetada a seqüêcia abaixo [4]:
5 C. M. Silva et al., Scietia Plea 8, (0) 5 x = x, x, L, x x = x, x, L, x M x B= x B, x B, L, x B Neste caso, o estimador do desvio padrão da população é calculado pela Equação 5. S$ B (x i x B) - i= (5) Especificamete, x i, pode ser substituído pelo estimador Θ i, para cada procedimeto de B B reamostragem. A média x pode também ser substituída por Θ, que é a média aritmética dos estimadores bootstrap. A difereça Θ B Θ i é o estimador do eviesameto de Θ. Deste modo, o estimador do erro padrão de Θ é calculado pela Equação 6. O erro padrão bootstrap foi calculado pela Equação 7. O itervalo de cofiaça estimado pela desigualdade de Chebyshev via método bootstrap foi calculada pela Equação 8. B S$ = ( B Θ i Θ B) (6) B- i= Ode: i= i x Θ i= e B Θ Θ i B= i = B S B SΘ. B = $ (7) Ode: é o tamaho da amostra origial. B B ± S ks B B k Θ = ± $ Θ Θ (8) A grade vatagem do método bootstrap é que ele pode ser aplicado à, praticamete, qualquer estatística Θ, ão se limitado apeas à média Θ = X. Isto é muito importate, uma vez que para algumas estatísticas ou ão existem fórmulas aalíticas ou, quado existem, são difíceis e aproximadas para a estimativa dos seus respectivos erros padrões. A reamostragem bootstrap teta realizar o que seria desejável realizar a prática: repetir os procedimetos experimetais..3. O algoritmo bootstrap
6 C. M. Silva et al., Scietia Plea 8, (0) 6 A técica de reamostragem bootstrap passa pelo algoritmo de Mote Carlo, ode, um dispositivo gerador de úmeros aleatórios selecioou iteiros i, i, L, i, cada um dos quais é igual a algum valor etre e com probabilidade. A amostra formada cosiste dos correspodetes elemetos do cojuto origial x = (x, x, L, x ) [4]. Na prática, costrói-se a distribuição bootstrap de F por Mote Carlo com um úmero de repetições, B, suficietemete grade. Um idicador do tamaho adequado de B, idepedete do custo computacioal, é a qualidade da covergêcia da estimativa do parâmetro para a estimativa atural do parâmetro Θ B ( Β ) Θ (F), sedo a costrução do algoritmo geralmete simples []. Sua covergêcia está garatida pela lei dos Grades Números, pois, (x, x, L, x ) ada mais são do que uma amostra de variáveis aleatórias idepedetes e ideticamete distribuídas com distribuição codicioal de Θ B. Assim, quado B tede a ifiito, a média amostral Θ B aproxima-se de Θ []. O seguite algoritmo foi costruído pelo método de Mote Carlo para determiar o tempo médio de sobrevida. () Da amostra experimetal, sorteou-se, utilizado um gerador de úmeros aleatórios com probabilidade, os valores com reposição para formar as amostras bootstrap de mesmo tamaho da origial. () Computou-se a média aritmética em cada procedimeto de reamostragem. (3) Repetiu-se o passo () um úmero B de vezes obtedo, dessa maeira, B valores da estatística em questão. (4) Obtiveram-se as B médias para formar a distribuição F. (5) Determiou-se o estimador Θ B da distribuição F. O valor de Θ B foi utilizado como o valor do tempo médio de sobrevida. O procedimeto de simulação foi realizado utilizado um programa desevolvido a liguagem C++, com o gerador de úmeros aleatórios reu (Vieira) [5]. A Figura ilustra a operação do programa para costruir a distribuição bootstrap pelo algoritmo de Mote Carlo. No presete trabalho, as iterações bootstrap foram realizadas de acordo com o tamaho e a variação os resultados.
7 C. M. Silva et al., Scietia Plea 8, (0) 7 Amostra origial Sorteio aleatório com reposição Amostra bootstrap X Determiar Θ ( x) X Determiar Θ ( x) Gerar distribuição Determiar Θ Β X B Determiar Θ ( x) Β Figura : Ilustração esquemática do algoritmo de Mote Carlo para costruir a distribuição bootstrap. 3. RESULTADOS E DISCUSSÃO Para testar o programa computacioal desevolvido utilizaram-se dados de tempo de sobrevida de pacietes com Aids, obtidos das pesquisas desevolvidas por Carvalho et al. [6]. Esses dados ecotram-se apresetados a Tabela. Observado a Tabela pode-se verificar grade variabilidade os valores do tempo de sobrevida. Na Tabela ecotram-se os valores da média aritmética e o itervalo de cofiaça dos dados apresetados a Tabela. Os resultados apresetados a Tabela mostram elevado grau de dispersão em toro da média aritmética. A Figura mostra o histograma da distribuição dos valores dos tempos de sobrevida apresetados a Tabela. Observa-se que a distribuição em questão é bastate achatada. Esta distribuição é do tipo platicúrtica. Numa distribuição deste tipo, os dados obtidos da amostra ecotram-se bastate espalhados, dificultado assim, a escolha adequada de uma medida de tedêcia cetral que represete corretamete o cojuto de dados. Como pode ser observado a Tabela, o itervalo de cofiaça foi bastate amplo, sugerido elevado grau de dispersão os valores do tempo de sobrevida. De acordo com Arago [7], o desvio padrão é um fator importate que ifluêcia a amplitude do itervalo de cofiaça. Assim, quato maior for o desvio padrão, maior será a amplitude do itervalo, como ilustra a Figura.
8 C. M. Silva et al., Scietia Plea 8, (0) 8 Tabela : Tempo de sobrevida (em dias) de pacietes com Aids []. Paciete Tempo
9 C. M. Silva et al., Scietia Plea 8, (0) 9 Tabela : Média aritmética e mediaa dos tempos de sobrevida (dias). Estatística Tempo Média aritmética ± desvio padrão 48, ± 5,0 Itervalo da média aritmética [3,7; 7,5]* *Com ível de cofiaça de 95% para a desigualdade de Chebyshev. 5 Número de observações Tempo de sobrevida (dia) Figura : Histograma da distribuição dos tempos de sobrevida. O método bootstrap quado aplicado um cojuto de dados deduz sigificativamete a dispersão. A Figura 3 mostra a represetação gráfica da distribuição bootstrap dos valores do tempo de sobrevida para iterações. Observa-se que a distribuição bootstrap da Figura 3 é bastate fechada. Este tipo de distribuição é chamado de leptocúrtica. Neste tipo de distribuição os valores ecotram-se cocetrados próximos do cetro da curva. Sedo assim, é possível escolher adequadamete uma medida de tedêcia cetral que represete corretamete o cojuto de dados. Na Tabela 3 ecotram-se apresetados os valores da média aritmética e do itervalo de cofiaça para o tempo de sobrevida aalisados pelo método bootstrap. Comparado os valores das Tabelas e 3 verifica-se que o método bootstrap reduziu sigificativamete o itervalo de cofiaça da média aritmética. Segudo Dowig e Clark [3], um itervalo de cofiaça pequeo é melhor porque permite fazer uma estimativa mais precisa do verdadeiro valor de X. Isto pode ser observado também quado se compara os gráficos das Figuras e 3. Por outro lado, ão houve difereça sigificativa etre os valores das médias aritméticas as Tabelas e 3. Isto sigifica que, a aplicação do método bootstrap a amostra origial, ão alterou os valores da média aritmética. Portato, a média aritmética gerada pelo método bootstrap pode ser cosiderada medida de tedêcia cetral robusta, pois, segudo, Efro [4], os estimadores bootstrap são robustos para a amostra origial. Observa-se a Tabela 3
10 C. M. Silva et al., Scietia Plea 8, (0) 0 que o desvio padrão foi bastate reduzido como pode ser costatado a Figura 3, pois, ao aplicar o método bootstrap o itervalo de cofiaça foi deduzido a medida em que aumetou o úmero de pseudo-amostras Número de pseudo-amostra Tempo de sobrevida (dia) Figura 3: Histograma da distribuição bootstrap dos tempos de sobrevida. Tabela 3: Média aritmética e mediaa bootstrap dos tempos de sobrevida (dias). Estatística Tempo Média aritmética ± desvio padrão 47,7 ± 4,3 Itervalo da média aritmética [43,5; 5,0]* *Com ível de cofiaça de 95% para a desigualdade de Chebyshev. 4. CONCLUSÃO A desigualdade de Chebyshev quado usada com o método bootstrap costituiu um procedimeto estatístico preciso a estimativa de itervalo de cofiaça em aálise de tempo de sobrevida. 5. AGRADECIMENTO Esta pesquisa teve apoio fiaceiro da Fudação de Amparo à Ciêcia e Tecologia do Estado de Perambuco (FACEPE).
11 C. M. Silva et al., Scietia Plea 8, (0). KAZMIER, L. J. Estatística aplicada à ecoomia e admiistração. McGraw-Hill do Brasil, São Paulo, p.. EFRON, B.; TIBSHIRANI, R. J. A itroductio to the bootstrap. Chapma ad Hall, New York, p. 3. DOWNING, D.; CLARK, J. Estatística aplicada. Editora Saraiva, São Paulo, p. 4. EFRON, B. The jackkife, the bootstrap ad other resamplig plas. J.W. Arrowsmith, Ltd., Bristol, p. 5. VIEIRA, J.W. Costrução de um modelo computacioal de exposição para cálculos dosimétricos utilizado o código mote carlo egs4 e fatomas de voxels. Tese de Doutorado do Programa de Pósgraduação em Tecologias Eergéticas e Nucleares da Uiversidade Federal de Perambuco, p. 6. CARVALHO, M. S.; ANDREOZZI, V. L.; CODEÇO, C. T.; BARBOSA, M. T. S.; SHIMAKURA, S. E. Aálise de sobrevida: teoria e aplicações em saúde. Editora Fiocruz, São Paulo, p 7. ARANGO, H. G. Bioestatística: teórica e computacioal. Guaabara Kooga, Rio de Jaeiro, ed., p.
Cap. 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 maisDistribuições de Estatísticas Amostrais e Teorema Central do Limite
Distribuições de Estatísticas Amostrais e Teorema Cetral do Limite Vamos começar com um exemplo: A mega-sea de 996 a N 894 úmeros de a 6: Média: m 588 Desvio padrão: 756 49 amostras de 6 elemetos Frequêcia
Leia mais6.1 Estimativa de uma média populacional: grandes amostras. Definição: Um estimador é uma característica amostral (como a média amostral
6 ESTIMAÇÃO 6.1 Estimativa de uma média populacioal: grades amostras Defiição: Um estimador é uma característica amostral (como a média amostral x ) utilizada para obter uma aproximação de um parâmetro
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 maisDistribuições Amostrais
7/3/07 Uiversidade Federal do Pará Istituto de Tecologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Egeharia Mecâica 3/07/07 09:3 ESTATÍSTICA APLICADA I - Teoria
Leia maisTeorema do limite central e es/mação da proporção populacional p
Teorema do limite cetral e es/mação da proporção populacioal p 1 RESULTADO 1: Relembrado resultados importates Seja uma amostra aleatória de tamaho de uma variável aleatória X, com média µ e variâcia σ.temos
Leia maisEstimação da média populacional
Estimação da média populacioal 1 MÉTODO ESTATÍSTICO Aálise Descritiva Teoria das Probabilidades Iferêcia Os dados efetivamete observados parecem mostrar que...? Se a distribuição dos dados seguir uma certa
Leia maisDistribuições Amostrais
Distribuições Amostrais O problema da iferêcia estatística: fazer uma afirmação sobre os parâmetros da população θ (média, variâcia, etc) através da amostra. Usaremos uma AAS de elemetos sorteados dessa
Leia maisn ) uma amostra aleatória da variável aleatória X.
- Distribuições amostrais Cosidere uma população de objetos dos quais estamos iteressados em estudar uma determiada característica. Quado dizemos que a população tem distribuição FX ( x ), queremos dizer
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 maisEstimadores de Momentos
Estimadores de Mometos A média populacioal é um caso particular daquilo que chamamos de mometo. Na realidade, ela é o primeiro mometo. Se X for uma v.a. cotíua, com desidade f(x; θ 1,..., θ r ), depededo
Leia maisNOTAS DE AULA: DISTRIBUIÇÃO AMOSTRAL E INTERVALOS DE CONFIANÇA
NOTAS DE AULA: DISTRIBUIÇÃO AMOSTRAL E INTERVALOS DE CONFIANÇA Objetivos da aula: Compreeder que um estimador é uma variável aleatória e, portato, pode-se estabelecer sua distribuição probabilística; Estabelecer
Leia maisEstimação da média populacional
Estimação da média populacioal 1 MÉTODO ESTATÍSTICO Aálise Descritiva Teoria das Probabilidades Iferêcia Os dados efetivamete observados parecem mostrar que...? Se a distribuição dos dados seguir uma certa
Leia maisEstatística. Estatística II - Administração. Prof. Dr. Marcelo Tavares. Distribuições de amostragem. Estatística Descritiva X Estatística Inferencial
Estatística II - Admiistração Prof. Dr. Marcelo Tavares Distribuições de amostragem Na iferêcia estatística vamos apresetar os argumetos estatísticos para fazer afirmações sobre as características de uma
Leia maisObtemos, então, uma amostra aleatória de tamanho n de X, que representamos por X 1, X 2,..., X n.
Vamos observar elemetos, extraídos ao acaso e com reposição da população; Para cada elemeto selecioado, observamos o valor da variável X de iteresse. Obtemos, etão, uma amostra aleatória de tamaho de X,
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 maisEstatística: Aplicação ao Sensoriamento Remoto SER ANO Técnicas de Reamostragem
Estatística: Aplicação ao Sesoriameto Remoto SER 202 - ANO 2016 Técicas de Reamostragem Camilo Daleles Reó camilo@dpi.ipe.br http://www.dpi.ipe.br/~camilo/estatistica/ Distribuição Amostral Testes paramétricos
Leia maisSumário. 2 Índice Remissivo 17
i Sumário 1 Itrodução à Iferêcia Estatística 1 1.1 Defiições Básicas................................... 1 1.2 Amostragem....................................... 2 1.2.1 Tipos de Amostragem.............................
Leia maisAp A r p e r n e d n i d z i a z ge g m e m Es E t s a t tí t s í t s i t c i a c de d e Dado d s Francisco Carvalho
Apredizagem Estatística de Dados Fracisco Carvalho Avaliação e Comparação de Classificadores Existem poucos estudos aalíticos sobre o comportameto de algoritmos de apredizagem. A aálise de classificadores
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 maisComparação entre duas populações
Comparação etre duas populações AMOSTRAS INDEPENDENTES Comparação etre duas médias 3 Itrodução Em aplicações práticas é comum que o iteresse seja comparar as médias de duas diferetes populações (ambas
Leia maisEstimar uma proporção p (desconhecida) de elementos em uma população, apresentando certa característica de interesse, a partir da informação
ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p 1 Objetivo Estimar uma proporção p (descohecida) de elemetos em uma população, apresetado certa característica de iteresse, a partir da iformação forecida por uma
Leia maisModelagem de tempo de sobrevida via método bootstrap
SCIENTIA PLENA VOL. 7, NUM. 0 20 www.scientiaplena.org.br Modelagem de tempo de sobrevida via método bootstrap C. M. Silva,2 ; R. S. Amaral 2 ; J. W. Vieira 2,3 ; A. N.C. Silva 2 ; J. A. S. Júnior 2 ;
Leia maisCapítulo 5- Introdução à Inferência estatística. (Versão: para o manual a partir de 2016/17)
Capítulo 5- Itrodução à Iferêcia estatística. (Versão: para o maual a partir de 2016/17) 1.1) Itrodução.(222)(Vídeo 39) Na iferêcia estatística, aalisamos e iterpretamos amostras com o objetivo de tirar
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 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 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 maise, respectivamente. Os valores tabelados para a distribuição t-student dependem do número de graus de liberdade ( n 1 e
Prof. Jaete Pereira Amador 1 1 Itrodução Um fator de grade importâcia a pesquisa é saber calcular corretamete o tamaho da amostra que será trabalhada. Devemos ter em mete que as estatísticas calculadas
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 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 mais4 Teoria da Probabilidade
48 4 Teoria da Probabilidade Apresetam-se este capítulo coceitos de probabilidade e de estimação de fuções desidade de probabilidade ecessários ao desevolvimeto e compreesão do modelo proposto (capítulo
Leia maisPedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 2004
Estatística para Cursos de Egeharia e Iformática Pedro Alberto Barbetta / Marcelo Meezes Reis / Atoio Cezar Boria São Paulo: Atlas, 004 Cap. 7 - DistribuiçõesAmostrais e Estimaçãode deparâmetros APOIO:
Leia maisMétodo alternativo para calcular a constante de Apéry
SCIENTIA PLENA VOL. 7, NUM. 4 0 www.scietiaplea.org.br Método alterativo para calcular a costate de Apéry S. R. Cruz; J. B. Oliveira; D. T. Feitosa; C. M. Silva Departameto de Matemática, Uiversidade de
Leia maisLista de Exercícios #6 Assunto: Propriedade dos Estimadores e Métodos de Estimação
Assuto: Propriedade dos Estimadores e Métodos de Estimação. ANPEC 08 - Questão 6 Por regulametação, a cocetração de um produto químico ão pode ultrapassar 0 ppm. Uma fábrica utiliza esse produto e sabe
Leia maisObjetivo. Estimar a média de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra.
Objetivo Estimar a média de uma variável aleatória X, que represeta uma característica de iteresse de uma população, a partir de uma amostra. Exemplos: : peso médio de homes a faixa etária de 20 a 30 aos,
Leia maisTeoria da Estimação 1
Teoria da Estimação 1 Um dos pricipais objetivos da estatística iferecial cosiste em estimar os valores de parâmetros populacioais descohecidos (estimação de parâmetros) utilizado dados amostrais. Etão,
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 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 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 maisESTIMAÇÃO PARA A MÉDIA
ESTIMAÇÃO PARA A MÉDIA Objetivo Estimar a média de uma variável aleatória, que represeta uma característica de iteresse de uma população, a partir de uma amostra. Vamos observar elemetos, extraídos ao
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 mais1. Dados: Deve compreender-se a natureza dos dados que formam a base dos procedimentos
9. Testes de Hipóteses 9.. Itrodução Uma hipótese pode defiir-se simplesmete como uma afirmação acerca de uma mais populações. Em geral, a hipótese se refere aos parâmetros da população sobre os quais
Leia maisStela Adami Vayego DEST/UFPR
Resumo 0 Estimação de parâmetros populacioais 9.. Itrodução Aqui estudaremos o problema de avaliar certas características dos elemetos da população (parâmetros), com base em operações com os dados de uma
Leia mais5 Teoria dos Valores Extremos
Teoria dos Valores Extremos 57 5 Teoria dos Valores Extremos A Teoria dos Valores Extremos vem sedo bastate utilizada em campos ligados a evetos raros. Sua estatística é aplicada a estimação de evetos
Leia maisCONHECIMENTOS ESPECÍFICOS
Acerca dos coceitos de estatística e dos parâmetros estatísticos, julgue os ites seguites. CONHECIMENTOS ESPECÍFICOS CESPE/UB STM 67 A partir do histograma mostrado a figura abaixo, é correto iferir que
Leia maisESTIMAÇÃO POR INTERVALO (INTERVALOS DE CONFIANÇA)
06 ETIMÇÃO OR INTERVLO (INTERVLO DE CONINÇ) Cada um dos métodos de estimação potual permite associar a cada parâmetro populacioal um estimador. Ora a cada estimador estão associadas tatas estimativas diferetes
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 maisRevisando... Distribuição Amostral da Média
Estatística Aplicada II DISTRIBUIÇÃO AMOSTRAL MÉDIA AULA 08/08/16 Prof a Lilia M. Lima Cuha Agosto de 016 Revisado... Distribuição Amostral da Média Seja X uma v. a. de uma população com média µ e variâcia
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 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 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 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 maisCAPÍTULO 6 ESTIMATIVA DE PARÂMETROS PPGEP. Introdução. Introdução. Estimativa de Parâmetros UFRGS
CAPÍTULO 6 Itrodução Uma variável aleatória é caracterizada ou descrita pela sua distribuição de probabilidade. ETIMATIVA DE PARÂMETRO URG Em aplicações idustriais, as distribuições de probabilidade são
Leia maisA 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 maisTRANSPORTES. Sessão Prática 4 Amostragem de escalares
Mestrado Itegrado em Egeharia Civil TRNPORTE Prof. Resposável: Luis Picado atos essão Prática 4 mostragem de escalares Istituto uperior Técico / Mestrado Itegrado Egeharia Civil Trasportes ulas Práticas
Leia maisIntrodução à Estatística. Computacional. UFMG-ICEx-EST /02/ :43. Cap. 0 - Introdução à Estatística. Computacional 1
0 ESQUEMA DO CAPÍTULO Itrodução à Estatística 0.1 VISÃO GERAL DOS MÉTODOS COMPUTACIONALMENTE INTENSIVOS EM ESTATÍSTICA 1 mete Itesivos Defiição: Do Hadbook of Computatioal Statistics: Cocepts ad Methods,
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 maisEstimação de Parâmetros. 1. Introdução
Estimação de Parâmetros. Itrodução O objetivo da Estatística é a realização de iferêcia acerca de uma população, baseadas as iformações amostrais. Como as populações são caracterizados por medidas uméricas
Leia maisStela Adami Vayego DEST/UFPR
Resumo 3 Resumo dos dados uméricos por meio de úmeros. Medidas de Tedêcia Cetral A tedêcia cetral da distribuição de freqüêcias de uma variável em um cojuto de dados é caracterizada pelo valor típico dessa
Leia maisEstatística: Aplicação ao Sensoriamento Remoto SER ANO Teste de Hipótese
Estatística: Aplicação ao Sesoriameto Remoto SER 4 - ANO 18 Teste de Hipótese Camilo Daleles Reó camilo@dpi.ipe.br http://www.dpi.ipe.br/~camilo/estatistica/ Estimação de Parâmetros Como já foi visto,
Leia maisMAE 116 Estimação para a média FEA - 2º Semestre de 2018
MAE 116 Estimação para a média FEA - 2º Semestre de 2018 1 Objetivo da aula O objetivo é estimar a média de uma população (ou de uma variável aleatória) Vamos iicialmete estudar de forma empírica a distribuição
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 maisInferência Estatística
Iferêcia Estatística opulação Amostra Itroduç Itrodução à Iferêcia Estatística Como tirar coclusões tomar decisões a partir de iformação parcial / icompleta (amostra) projectado /geeralizado resultados
Leia maisAmostras Aleatórias e Distribuições Amostrais. Probabilidade e Estatística: afinal, qual é a diferença?
Amostras Aleatórias e Distribuições Amostrais Probabilidade e Estatística: afial, qual é a difereça? Até agora o que fizemos foi desevolver modelos probabilísticos que se adequavam a situações reais. Por
Leia maisA finalidade dos testes de hipóteses paramétrico é avaliar afirmações sobre os valores dos parâmetros populacionais.
Prof. Jaete Pereira Amador Itrodução Os métodos utilizados para realização de iferêcias a respeito dos parâmetros pertecem a duas categorias. Pode-se estimar ou prever o valor do parâmetro, através da
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 maisINTERVALO DE CONFIANÇA BOOTSTRAP COMO FERRAMENTA PARA CLASSIFICAR RAÇAS DO NEMATÓIDE DE CISTO DA SOJA 1
INTERVALO DE CONFIANÇA BOOTSTRAP 71 INTERVALO DE CONFIANÇA BOOTSTRAP COMO FERRAMENTA PARA CLASSIFICAR RAÇAS DO NEMATÓIDE DE CISTO DA SOJA 1 JOSÉ ERIVALDO PEREIRA, JOÃO FLÁVIO VELOSO SILVA, WALDIR PEREIRA
Leia maisbinomial seria quase simétrica. Nestas condições será também melhor a aproximação pela distribuição normal.
biomial seria quase simétrica. Nestas codições será também melhor a aproximação pela distribuição ormal. Na prática, quado e p > 7, a distribuição ormal com parâmetros: µ p 99 σ p ( p) costitui uma boa
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 maisCONHECIMENTOS ESPECÍFICOS
CESPE/UB FUB/0 fa 5 4 CONHECIMENTOS ESPECÍFICOS 60 As distribuições B e C possuem os mesmos valores para os quartis Q e Q, e o quartil superior em B correspode ao quartil cetral (Q ) da distribuição A.
Leia maisProbabilidade II Aula 12
Coteúdo Probabilidade II Aula Juho de 009 Desigualdade de Marov Desigualdade de Jese Lei Fraca dos Grades Números Môica Barros, D.Sc. Itrodução A variâcia de uma variável aleatória mede a dispersão em
Leia maisAula 5. Aula de hoje. Aula passada. Limitante da união Método do primeiro momento Lei dos grandes números (fraca e forte) Erro e confiança
Aula 5 Aula passada Valor esperado codicioal Espaço amostral cotíuo, fução desidade Limitates para probabilidade Desigualdades de Markov, Chebyshev, Cheroff with high probability Aula de hoje Limitate
Leia maisUma amostra aleatória simples de n elementos é selecionada a partir da população. Calcula-se o valor da média a partir da amostra
Distribuição amostral de Um dos procedimetos estatísticos mais comus é o uso de uma média da amostra ( ) para fazer iferêcias sobre uma população de média µ. Esse processo é apresetado a figura abaio.
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 maisAumentou-se o número de crimes nas regiões onde foram construídos os presídios?
Aumetou-se o úmero de crimes as regiões ode foram costruídos os presídios? Guilherme Aparecido Satos Aguilar 1 Vilma Mayumi Tachibaa 1 1 Itrodução O Brasil tem a quarta maior população carcerária do mudo
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 maisMétodos Quantitativos para Ciência da Computação Experimental Aula #4
Métodos Quatitativos para Ciêcia da Computação Experimetal Aula #4 Jussara Almeida DCC-UFMG 2017 Measuremets are ot to provide umbers, but isights Metodologia de Comparação de Sistemas Experimetais Comparado
Leia maisUnidade IV Inferência estatística
//05 Uidade IV Iferêcia estatística 4.. Itrodução e histórico 4.. Coceitos fudametais 4.3. Distribuições amostrais e Teorema cetral do limite 4.4. Estimação de parâmetros 4.5. Testes de hipóteses 4.6.
Leia maisContabilometria. Prof.: Patricia Maria Bortolon, D. Sc.
Cotabilometria Prof.: Patricia Maria Bortolo, D. Sc. Teste para Duas Amostras Fote: LEVINE, D. M.; STEPHAN, D. F.; KREHBIEL, T. C.; BERENSON, M. L.; Estatística Teoria e Aplicações, 5a. Edição, Editora
Leia maisEstatística Aplicada I DISTRIBUIÇÃO AMOSTRAL MÉDIA ERRO AMOSTRAL
Estatística Aplicada I DISTRIBUIÇÃO AMOSTRAL MÉDIA ERRO AMOSTRAL AULA 8 16/05/17 Prof a Lilia M. Lima Cuha Maio de 017 PROPOSITO FUNDAMENTAL DA INFERÊNCIA ESTATISTICA DESENVOLVER ESTIMATIVAS E TESTAR HIPOTESES
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 maisQuantificando os Fenômenos Biológicos
1 ECOSSISTEMA Os ecossistemas estão costituídos por comuidades. A comuidade é uma uidade ecológica de visualização meos clara a atureza que outros coceitos como o de idivíduo ou mesmo o de população, que
Leia maisESTIMAÇÃO INTERVALAR VIA BOOTSTRAP
ESTIMAÇÃO INTERVALAR VIA BOOTSTRAP Edso Zagiacomi MARTINEZ Fracisco LOUZADA-NETO RESUMO: Em iferêcia estatística, tem-se iteresse a quatificação do erro cometido ao se estimar um parâmetro de iteresse
Leia maisPROJETO E ANÁLISES DE EXPERIMENTOS (PAE) PROJETO FATORIAL 2 k COMPLETO E REPLICADO. Dr. Sivaldo Leite Correia
PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) PROJETO FATORIAL 2 k COMPLETO E REPLICADO Dr. Sivaldo Leite Correia CONCEITOS, LIMITAÇÕES E APLICAÇÕES Nos tópicos ateriores vimos as estratégias geeralizadas para
Leia mais1 Estimação de Parâmetros
1 Estimação de arâmetros Vários tipos de estudos tem o objetivo de obter coclusões fazer iferêcias a respeito de parâmetros de uma população. A impossibilidade de avaliar toda a população faz com que a
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 maisCapítulo 5. CASO 5: EQUAÇÃO DE POISSON 5.1 MODELO MATEMÁTICO E SOLUÇÃO ANALÍTICA
Capítulo 5. CASO 5: EQUAÇÃO DE POISSON No presete capítulo, é abordado um problema difusivo uidimesioal com absorção de calor (Icropera e DeWitt, 199, o que resulta uma equação de Poisso, que é uma equação
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 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 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 maisS E Q U Ê N C I A S E L I M I T E S. Prof. Benito Frazão Pires. Uma sequência é uma lista ordenada de números
S E Q U Ê N C I A S E L I M I T E S Prof. Beito Frazão Pires Uma sequêcia é uma lista ordeada de úmeros a, a 2,..., a,... ) deomiados termos da sequêcia: a é o primeiro termo, a 2 é o segudo termo e assim
Leia maisPreliminares 1. 1 lim sup, lim inf. Medida e Integração. Departamento de Física e Matemática. USP-RP. Prof. Rafael A. Rosales. 8 de março de 2009.
Medida e Itegração. Departameto de Física e Matemática. USP-RP. Prof. Rafael A. Rosales 8 de março de 2009. 1 lim sup, lim if Prelimiares 1 Seja (x ), N, uma seqüêcia de úmeros reais, e l o limite desta
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 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 maisAprendizagem de Máquina
predizagem de Máquia Modelos de Mistura lgoritmo EM Estimação semi-paramétrica de desidade abordagem paramétrica para estimação de desidade supõe que a amostra X é extraída de uma distribuição que segue
Leia mais4. Inferência Estatística Estimadores Pontuais
4. Iferêcia Estatística Estimadores Potuais 4.1. Itrodução Em lihas gerais, a Iferêcia Estatística objetiva estudar a população através de evidêcias forecidas pela amostra. É a amostra que cotém os elemetos
Leia maisTeorema do Limite Central, distribuição amostral, estimação por ponto e intervalo de confiança
Teorema do Limite Cetral, distribuição amostral, estimação por poto e itervalo de cofiaça Prof. Marcos Pó Métodos Quatitativos para Ciêcias Sociais Distribuição amostral Duas amostrages iguais oriudas
Leia maisUniversidade Federal de Mato Grosso Probabilidade e Estatística - Curso: Engenharia Civil Introdução à Inferência Estatística - Prof a Eveliny
1 Itrodução Uiversidade Federal de Mato Grosso Probabilidade e Estatística - Curso: Egeharia Civil Itrodução à Iferêcia Estatística - Prof a Eveliy Vimos o iício do curso como resumir descritivamete variáveis
Leia maisStela Adami Vayego Estatística II CE003/DEST/UFPR
Resumo 0 Estimação de parâmetros populacioais Defiição : Estimador e Estimativa Um estimador do parâmetro θ é qualquer fução das observações... isto é g(... ). O valor que g assume isto é g(x x... x )
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 mais