UMA ANÁLISE BAYESIANA DE PONTOS DE MUDANÇA NA VOLATILIDADE E RETORNO ESPERADO DE ÍNDICES DE MERCADOS LATINO AMERICANOS.

Tamanho: px
Começar a partir da página:

Download "UMA ANÁLISE BAYESIANA DE PONTOS DE MUDANÇA NA VOLATILIDADE E RETORNO ESPERADO DE ÍNDICES DE MERCADOS LATINO AMERICANOS."

Transcrição

1 A pequa Operacoa e o Recuro Reováve 4 a 7 de ovemro de 3 Nata-RN UMA ANÁLISE BAYESIANA DE PONTOS DE MUDANÇA NA VOLATILIDADE E RETORNO ESPERADO DE ÍNDICES DE MERCADOS LATINO AMERICANOS. Vícu Dz Mayrk Departameto de Etatítca ICEx - Uverdade Federa de Ma Gera Av. Predete Atôo Caro 667 Campu Pampuha Beo Horzote Ma Gera CEP: 37- Ema: vdm@et.ufmg.r Roagea Heea Loch Departameto de Etatítca ICEx - Uverdade Federa de Ma Gera Av. Predete Atôo Caro 667 Campu Pampuha Beo Horzote Ma Gera CEP: 37- Ema: och@et.ufmg.r Frederco R. B. da Cruz Departameto de Etatítca ICEx - Uverdade Federa de Ma Gera Av. Predete Atôo Caro 667 Campu Pampuha Beo Horzote Ma Gera CEP: 37- Ema: fcruz@et.ufmg.r Reumo: Mercado emergete ão groo modo mercado cua ecooma é ma ucetíve a atmofera muda e portato etão ueto a um maor úmero de mudaça em eu comportameto do que mercado deevovdo. O oetvo dete traaho é apreetar uma a aáe Bayeaa de poto de mudaça o prcpa ídce facero de Argeta Bra Che e Méxco. Noa meta é forecer: ( a etmatva a poteror da voatdade e retoro eperado de cada ídce em cada tate do tempo; ( a dtruçõe a poteror do úmero de poto de mudaça do tate em que a mudaça ocorreram e da proadade de ocorrer uma mudaça em um tate quaquer para cada ídce. Utzaremo o modeo partção produto e método computacoa propoto a teratura. Paavra Chave: modeo partção Produto dtrução gama vertda amotrador de G. Atract: Emergg market are more ucepte to hock ad to the potca atmophere. Coequety they experece more chage ther ehavor tha deveoped market. I th paper we preet a Bayea chage pot aay for the tock market dexe of Argeta Braz Che ad Mexco. We ota ( the product etmate for the voatty ad the expected retur each tat; ( the poteror dtruto for the umer of chage pot for the tat whe the chage occur ad for the proaty of a chage take pace ay mode ad computatoa procedure propoed the terature. Keyword: Product partto mode Iverted-Gamma dtruto G ampg.. Itrodução Nete traaho utzaremo o modeo partção produto ( MPP (Barry e Hartga 99 para detfcar mútpo poto de mudaça em eqüêca de dado que ão codcoamete

2 orma com méda e varâca decohecda ( Loch 998 e para etudar o comportameto ao ogo do tempo da voatdade e do retoro eperado do ídce MERVAL (Argeta IBOVESPA (Bra IPSA (Che e IPyC ( Méxco. Coderamo a exteão do MPP propota por Loch e Cruz ( 3 forecedo aém da etmatva produto para a voatdade e retoro eperado a dtruçõe a poteror para o úmero de poto de mudaça para o tate quado a mudaça ocorreram e para a proadade de que cada tate ea uma poto de mudaça. O MPP troduz ma fexdade a aáe do proema de poto de mudaça por coderar como aeatóro o úmero de poto de mudaça a ére. Apear dto a dtruçõe a poteror ão fortemete fuecada pea dtruçõe a pror ( Loch e Cruz. Outra referêca ore aáe de poto de mudaça uado o MPP ão Barry e Hartga ( 993 Crowey ( 997 Qutaa e Igea ( 3 Loch Cruz Igea e Areao Vae ( 3. Ete artgo etá am orgazado: Na eção apreetamo o MPP aumdo a coeõe de Yao ( 984 ; a eção 3 apreetamo o MPP para dado codcoamete orma com méda e varâca decohecda; a eção 4 decrevemo agu método computacoa propoto a teratura para etmar a dtruçõe a poteror evovda o MPP. Famete a eção 5 apreetamo uma aáe comparatva do prcpa ídce de Argeta Bra Che e Méxco.. Modeo Partção Produto para Coeõe de Yao Sea... uma eqüêca de dado eqüecamete oervado e codere o couto de ídce I{... }. Codere uma partção aeatóra ρ {... } do couto de ídce I ta que <.<...< e uma varáve aeatóra B que deota o úmero de oco em ρ. Codere que cada partção dvde a eqüêca... em B ueqüêca ' cotígua a qua erão deotada aqu por ( Sea C a coeão a pror aocada com o oco [ ] {+... } para I { }e > que repreeta o grau de mardade etre a oervaçõe em [ e pode er terpretada aqu como a proadade de tração a cadea de Markov defda por poto de mudaça (( Barry e Hartga 99. Codere p para p a proadade de que uma mudaça ocorra em um tate quaquer. A coeão a pror para o oco [ ] propota por Yao (984 e dada por: C p ( ( p p ; ; < [.] para todo I <. Ea coeõe a pror mpcam que a eqüêca de poto de mudaça etaeece um proceo de reovação com tempo de ocorrêca dêtca e geometrcamete dtruído. Sea θ...θ uma eqüêca de parâmetro decohecdo de forma que codcoamete em θ...θ a eqüêca de varáve aeatóra... têm dedade codcoa marga f( θ... f ( θ repectvamete. A dtrução a pror de θ...θ é cotruída como egue. Dado uma partção ρ {... } para I temo que θ θ[ r r ] para todo r < r r... e que θ [ ]... θ[ ] ão depedete etre e de p com θ [ tedo dtrução a pror π ( θ θ Θ[ ode Θ [ é o epaço paramétrco 65

3 correpodete ao parâmetro comum ou ea θ θ +... θ que dexa a dedade codcoa de [. Etão egudo Barry e Hartga ( 99 ó defmo o modeo partção produto para coeõe a pror de Yao como egue: dado p a dtrução a pror de ρ é a egute dtrução produto: P ( ρ {... } p p ( p [.] para toda partção... } atfazedo < <... < f P [.5] { (... ρ {... } f ( ( ( f[ ( f[ ( θ π ( θ dθ é chamada de fator dado. Θ α + β α β. codcoamete em ρ {... } e p a eqüêca... ão depedete de p e tem a dedade couta dada por: ode Barry e Hartga ( 99 tamém motram que a eperaça a poteror ( ou etmatva produto para θ k k... é dada por:... r *[ E( θ '... α + + β + β + α ( ρ {... }.... f ( ( ( [.3] E( θ [.4] k ode r P([ ρ... deota a reevâca a poteror para o oco [ ]. * Vamo aumr que p tem dtrução a poteror Beta com parâmetro α e β. Como coeqüêca dea coderação egue que a dtruçõe a poteror de ρ e B ão repectvamete dada por: P [.6] ( B... α + β α + + β. α β + β + α ( ( f ( A dtrução a poteror para p é dada por: π [.7] + α + β ( p... f ( p ( p ode a oma é ore toda a partçõe de {... } em oco com poto fa em... atfazedo a codção < <... <. 66

4 3. O Modeo Partção Produto para dado com dtrução Norma ( µ σ² Sea θ ( µ σ... θ ( µ σ uma eqüêca de parâmetro. Auma que codcoa em θ... θ a eqüêca de varáve aeatóra... ão depedete ta que θ ~ Norma( µ σ.... Coequetemete temo que : + f ( µ σ exp ( µ σ π σ [3.] Auma que o parâmetro comum ( µ σ [ ] tem dtrução Norma Gama Ivertda com parâmetro m v a / d / ( O Haga 994. Dea forma a dtrução de ( µ σ [ dado a oervaçõe o oco [ ] é uma dtrução Norma Gama Ivertda ta que : µ σ ~ Norma( m v σ [3.] ode: com m * v * d ( v[ ( v v[ ( v ] * d[ + a * a *[ d *[ σ ~.. G I [3.3] m[ + + ( v + a[ + ( [ ] r r + + ( ( m[ + ( v + r r +. Nete cao de [.4] [3.] e [3.3] a etmatva produto de por: µ e σ k k... ão dada k E ( µ k k... m *. r * e d * > k [3.4] E ( σ k... k k d a * *. r * e d * > [3.5] ode r [ é etmada uado o procedmeto decrto a eção 4. 67

5 4. Método Computacoa Como decrto em Loch (998 e Loch e Cruz (3 a dtrução a poteror de ρ e coequetemete a dtrução a poteror de p B e θ ão facmete otda evado em cota a egute traformação ugerda por Barry e Hartga (993. Codere a quatdade aeatóra auxar U de forma que U e θ θ + e U e θ θ para Note que a partção aeatóra ρ é medatamete detfcada ao + coderarmo vetore U ( U... U dea quatdade aeatóra. Cada partção ( U... U é gerada uado o amotrador de G como egue. Icado do vaor ca ( U... U o r-émo eemeto o pao U r é gerado coderado a egute razão: + f[ xy] ( [ xy] p ( p dπ ( p Rr f[ xr] ( [ xr] f[ ry] ( [ ry] p ( p dπ ( p [4.] para r... - e x e y como defdo em Loch Cruz Igea e Areao Vae ( 3. Etão cada amotra da dtrução a poteror de p é gerada da dtrução egute: p... ~ p ( p π ( p para ode é o úmero de oco o -émo vetor U e é otdo otado-e que o úmero de oco em ρ é dado por: B + ( U Coequetemete a dtrução a poteror de B ( ou da úmero de poto de mudaça B- é etmada por: P ( B... T { B T } ode T é umero tota de vetore U coderado para a aáe { B } deota a fução dcadora de B. O omatóro preete o umerador repreeta o tota de vetore U que etão dcado a formação de oco. Loch Cruz Igea e Areao-Vae (3 otém a etmatva produto computado a reevâca a poteror do oco [ ]... < como egue: [4.] M r * [ ] T ode M é o úmero de vetore U para o qua é oervado que U U... U e U. + 68

6 5. Apcação Neta eção oo oetvo erá detfcar poto de mudaça o retoro eperado e a voatdade ( varâca de quatro mportate ídce de mercado Lato Amercao: MERVAL ( Ídce de Mercado de Vaore de Bueo Are da Argeta o IBOVESPA ( Ídce da Boa de vaore do Etado de São Pauo do Bra o IPSA ( Ídce de Preco Seectvo de Accoe do Che e o IPyC ( Ídce de Preco y Cotzacoe do Méxco meddo quzeamete. Apcamo a metodooga apreetada a eçõe aterore para aaar o comportameto dee ídce durate o período que va da ª quzea de ovemro de 995 até a ª quzea de outuro de. Uma ére de retoro é defda uado a traformação: t P t P P t ode Pt é o útmo preço oervado a t-éma quzea. Coderaremo ére de retoro de quatro ídce de mercado emergete Lato Amercao aumdo que codcoamete o retoro eperado e a voatdade ( meddo aqu como varâca o retoro ão ormamete dtruído com méda e varâca decohecda. Para etmarmo a dtrução a poteror. amotra de vaore - foram gerada com a dmeão da ére tempora partdo de uma eqüêca de zero. A. teraçõe ca foram decartada para ur- e um ag de tamaho fo eecoado. Dcuõe ore o úmero de teraçõe a erem decartada am como o tamaho do ag a er ecohdo podem facmete er ecotrado a teratura ( ver Gamerma (997. t Fgura : Dtruçõe a pror de σ para cada ídce. Oerve da Fgura que aummo dferete dtruçõe a pror de σ para cada ídce. Com ea ecoha etamo aumdo que temo meor certeza ore a voatdade do ídce MERVAL e IPSA. Para o IBOVESPA e prcpamete o IPyC coderamo maor certeza. Percea tamém que a pror acredtamo que a voatdade é meor o ídce IPSA e MERVAL eguda peo IBOVESPA. Na oa opão o IpyC é o que pou maor voatdade. Coderamo o mercado cheo o meo ucetíve a mudaça detre o quatro aaado. Aumremo que a proadade p de ocorrer uma mudaça em um tate quaquer tem uma dtrução Beta com parâmetro α e β 33.5 para o cao do IPSA e parâmetro α 5 e β 5 para o outro ídce. A dtrução a pror ecohda para o IPSA tem moda.9 méda.56 e varâca.4. A dtrução Beta coderada para o outro ídce tem moda.75 méda.9 e varâca.4. Vea que ama pouem varadade parecda porém a méda e a moda da prmera ão meore dcado que a proadade de ocorrer uma mudaça o mercado cheo é meor. Ea epecfcaçõe a pror mpcam que o úmero eperado de oco é de 77 para o IPSA e de 8 para o dema ídce. O vaor moda para o úmero de oco é 4 para o cao do IPSA e para o dema o que gfca que o ma prováve úmero 69

7 de poto de mudaça para o ídce cheo é 3 e o cao do ídce MERVAL IBOVESPA e IPyC eram 9. Aummo am que a pror coderamo o IPSA meo ucetíve a ateraçõe o mercado. O dema ídce eram guamete ucetíve. A Fgura e 3 apreetam repectvamete a etmatva produto quzea para o retoro eperado e voatdade da ére de retoro do ídce MERVAL IBOVESPA IPSA e IPyC. Podemo otar que todo o ídce apreetam mudaça em ama a etmatva. Vea pea fgura que a etmatva produto para retoro eperado ofrem uma mportate mudaça aproxmadamete em uho de 997. Para todo o ídce é oervado uma queda ea etmatva o cao do IPSA vea que ogo ocorre uma recuperação ode a etmatva retora a um patamar próxmo àquee egudo ate da ocorrêca da mudaça. Para o outro ídce o memo ão acotece. A repeto da voatdade ote pea fgura 3 que ovamete em uho de 997 uma mudaça é detectada para todo o ídce. O IBOVESPA é o prmero ídce a reagr perate a mudaça e tamém é o que ofre a ateração ma gfcatva. Vea que o IPSA demora para captar a mudaça a voatdade. Fgura : Etmatva produto retoro eperado Fgura 3 : Etmatva produto para Retoro Eperado 3 - Iovepa IPyC Merva IPSA Voatdade Iovepa IPyC Merva IPSA - Nov. 995 Ago. 996 Ju. Ar Itate Fev. 999 Dez. 999 Out. Nov. 995 Ago. 996 Ju. 997 Ar. 998 Itate Fev. 999 Dez. 999 Out. voatdade Note da Fgura 4 e da Taea que para todo o ídce a dtrução a poteror do úmero de oco é amétrca. Note que há uma cocetração em vaore pequeo. A etmatva a poteror para o úmero de oco em cada ídce é meor em reação ao que coderávamo a pror ( méda 7.7 e moda 4 para o cao do IPSA e ( méda 8 e moda para o dema ídce. Temo etão a dcação atravé dea dtruçõe a poteror que todo o quatro ídce ão ma etáve do que coderávamo a avaação a pror. Podemo perceer que o MERVAL é o ma etáve do ídce. Se coderarmo a fução de perda - (Berardo e Smth994 podemo tamém cocur que a poteror o MERVAL ão apreeta poto de mudaça. Por outro ado o IBOVESPA era o meo etáve com 3 poto de mudaça. 63

8 Fgura 4: Dtrução a poteror para o úmero de oco Merva ( Argeta Iovepa ( Bra Proadade 3 Proadade Número de Boco Número de Boco IPSA ( Che IPyC ( Méxco Proadade 3 Proadade Número de Boco Número de Boco Taea : Dtrução a poteror para o úmero de oco Ídce Eperaça Moda Varâca MERVAL IBOVESPA IPyC IPSA A Taea apreeta a partção ma prováve a poteror de cada ídce. Podemo ver que a ma prováve partção para o ídce MERVAL e IPyC dca que ão ocorrem mudaça em ehum tate com proadade.3 e.7 repectvamete. A partção ma prováve para o IBOVESPA dca que para ee ídce temo mudaça o tate 4 ( ª quzea de uho de 997 e 6 ( ª quzea de agoto de. No cao do IPyC uma mudaça é detfcada o tate 5 ( ª quzea de dezemro de

9 Taea : Partçõe ma prováve a poteror e ua proadade a pror e a poteror Ídce Partção Pro. a pror Pro. a poteror MERVAL ρ { } IBOVESPA ρ { 4 6 } IPyC ρ { } IPSA ρ { 5 } Taea 3 : Etatítca decrtva Dtrução a poteror de p Ídce Méda Moda Var. Medaa MERVAL IBOVESPA IPyC IPSA A Fgura 5 e a Taea 3 apreetam repectvamete a dtrução a poteror de p para cada ídce e ua etatítca decrtva repectvamete. Note que toda ea dtruçõe ão amétrca pouem úca moda e cocetram maor parte de ua maa em vaore pequeo. Note que para todo o ídce a etmatva a poteror para a proadade de mudaça em um tate quaquer é meor do que aummo a avaação a pror ( méda a pror.9 para o ídce MERVAL IPyC e IBOVESPA e méda.56 para o IPSA. Oerve tamém que a proadade p apreeta maor vaor de etmatva para o IBOVESPA ( méda a poteror.46 e o meor vaor para o IPSA ( méda a poteror.3. Fgura 5: Dtruçõe a pror e a poteror de p. Merva ( Argeta Iovepa ( Bra 3 Beta ( Beta ( 5 5 Dedade Dedade 3 Vaor de p 3 Vaor de p IPSA ( Che IPyC ( Méxco 3 Beta ( Beta ( 5 5 Dedade Dedade 3 Vaor de p 3 Vaor de p 63

10 Nete etudo ote que detfcamo mportate poto de mudaça para a etmatva produto do retoro eperado e da voatdade aproxmadamete em uho de 997. Ea oervação ocorreu para todo o ídce. Podemo atrur ee efeto captado peo modeo ao eveto teracoa cohecdo como a cre aátca que ocorreu em agoto de 997. Cocuõe O modeo partção produto ( Barry e Hartga 99 para coeõe de Yao fo defdo a apcado para a detfcação de mútpo poto de mudaça o parâmetro µ e σ² que dexam a dtrução orma. Exteõe do modeo partção produto ( Loch e Cruz 3a e agu método computacoa (( Loch et a. 999 (Loch et.a.3 propoto a teratura foram coderado. Para utrar o uo do modeo partção produto agu ídce de mercado Lato Amercao ( MERVAL IBOVESPA IPyC e IPSA foram aaado. Atravé dea aáe podemo cocur que todo o ídce apreetam poto de mudaça a voatdade e retoro eperado e ea mudaça ocorrem em tate próxmo. O ídce IPSA e motrou o ma etáve o período coderado equato que o IBOVESPA motrou-e ma ucetíve a mudaça. Um mportate poto de mudaça fo detfcado a etmatva produto para o retoro eperado e para a voatdade aproxmadamete em uho de 997. A razão para ee eveto podera er atruída à cre aátca que ocorreu em agoto de 997. Agradecmeto: V.D.Mayrk é ota de Icação Cetífca do CNPq. R.H.Loch recee apoo facero da PRPq-UFMG (fudo 3893-UFMG/RTR/PRPq/FUNDO/98 e 48-UFMG/ RTR/ FUNDO/ PRPq/ RECEM-DOUTORES/. Referêca Bográfca BARRY D. AND HARTIGAN J. A. Product partto mode for chage pot proem. The Aa of Stattc ( BARRY D. AND HARTIGAN J. A. A Bayea aay for chage pot proem. Joura of the Amerca Stattca Aocato 88 4 ( BERNARDO J.M. AND SMITH A. F. M. Bayea Theory. Joh Wey e So New York U.S.A CROWLEY E. M. Product partto mode for orma mea. Joura of the Amerca Sattca Aocato ( GAMERMAN D. Markov Cha Mote Caro: Sthocatc Smuato for Bayea Iferece. Chapma & Ha Lodo U.K LOSCHI R. H. Imprevto e ua Coeqüêca. Tee de Doutorado Departameto de Etatítca Ittuto de Matemátca e Etatítca Uverdade de São Pauo São Pauo Braz 998. LOSCHI R. H. AND CRUZ F. R. B. A aay of the fuece of ome pror pecfcato the detfcato of chage pot va product partto mode. Computatoa Stattc & Data Aay 39 4 (

11 LOSCHI R. H. CRUZ F.R.B. IGLESIAS P. L. AND ARELLANO VALLE R. B. A G ampg cheme to the product partto mode: A appcato to chage pot proem. Computer ad Operato Reearch 3 3 ( LOSCHI R. H. AND CRUZ F. R. B. Exteo to the product partto mode: Computg the proaty of a chage. (umetdo para pucação. O HAGAN A. Bayea Iferece. Keda' Advaced Theory of Stattc A. Joh Wey eso New York USA 994. QUINTANA F. A. AND IGLESIAS P.L. Nopaametrc Bayea cuterg ad product partto mode. Joura of the Roya Stattca Socety B. 3. (a er pucado. YAO Y. etmato of a oy dcrete-tme tep fucto:baye ad emprca Baye approache. The Aa of Stattc 4(

ANÁLISE BAYESIANA DA TAXA DE CRIMINALIDADE NA REGIÃO METROPOLITANA DE BELO HORIZONTE USANDO O MODELO PARTIÇÃO PRODUTO

ANÁLISE BAYESIANA DA TAXA DE CRIMINALIDADE NA REGIÃO METROPOLITANA DE BELO HORIZONTE USANDO O MODELO PARTIÇÃO PRODUTO A esqusa Oeracoa e os Recursos Reováves 4 a 7 de ovemro de 23, Nata-RN ANÁLISE BAYESIANA DA TAA DE CRIMINALIDADE NA REGIÃO METROPOLITANA DE BELO HORIZONTE USANDO O MODELO PARTIÇÃO PRODUTO Fávo B. Goçaves,

Leia mais

MODELOS DE REGRESSÃO NÃO LINEARES

MODELOS DE REGRESSÃO NÃO LINEARES M. Mede de Olvera Excerto da ota peoa obre: MODELOS DE REGRESSÃO NÃO LINEARES Obervação No modelo de regreão dto leare, a varável depedete é exprea como fução lear do coefcete de regreão. É rrelevate,

Leia mais

13 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL

13 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL 3 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL Como vto em amotragem o prmero bmetre, etem fatore que fazem com que a obervação de toda uma população em uma pequa eja mpratcável, muta veze em vrtude

Leia mais

= n. Observando a fórmula para a variância, vemos que ela pode ser escrita como, i 2

= n. Observando a fórmula para a variância, vemos que ela pode ser escrita como, i 2 Etatítca II Atoo Roque Aula 4 O Coefcete de Correlação de Pearo O coefcete de correlação de Pearo é baeado a déa de varâca, dada o curo de Etatítca I Como vto aquele curo, quado temo uma amotra compota

Leia mais

A análise de variância de uma classificação (One-Way ANOVA) verifica se as médias de k amostras independentes (tratamentos) diferem entre si.

A análise de variância de uma classificação (One-Way ANOVA) verifica se as médias de k amostras independentes (tratamentos) diferem entre si. Prof. Lorí Va, Dr. http://www. ufrgs.br/~va/ va@mat.ufrgs.br aáse de varâca de uma cassfcação (Oe-Way NOV) verfca se as médas de amostras depedetes (tratametos) dferem etre s. Um segudo tpo de aáse de

Leia mais

Capítulo III Medidas Estatísticas

Capítulo III Medidas Estatísticas 8 Capítulo III Medda Etatítca III. Medda de Tedêca Cetral A apreetação de dado em tabela e gráco motra a orma da dtrbução. A medda de tedêca cetral dcam o valor do poto em toro do qual o dado e dtrbuem.

Leia mais

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro RESUMO

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro RESUMO UNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINISTRAÇÃO RAD507 Etatítca Aplcada à Admtração I Prof. Dr. Evadro Marco Sadel Rbero RESUMO

Leia mais

Grande Conjuntos de Dados. Organização; Resumo; Apresentação. Amostra ou População. Defeitos em uma linha de produção

Grande Conjuntos de Dados. Organização; Resumo; Apresentação. Amostra ou População. Defeitos em uma linha de produção Prof. Lorí Val, Dr. val@pucr.br http://www.pucr.br/~val/ Grade Cojuto de Dado Orgazação; Reumo; Apreetação. Amotra ou População Defeto em uma lha de produção Lacado Deeho Torto Deeho Torto Lacado Torto

Leia mais

Estatística 15 - Comparação entre Duas Populações

Estatística 15 - Comparação entre Duas Populações Etatítca 5 - Comaração etre Da Polaçõe 5- Comaração de Méda de Da Polaçõe µ Méda da olação µ Méda da olação Tete µ - µ µ - µ > µ - µ µ - µ < µ - µ µ - µ. Dado Emarelhado EemloVte cobaa bmetda drate ma

Leia mais

1- Qual a diferença entre amostragem probabilística e não-probabilística? Qual é a mais recomendada?

1- Qual a diferença entre amostragem probabilística e não-probabilística? Qual é a mais recomendada? VIII-AMOSTRAGEM A Etatítca Iferecal ou Iferêca Etatítca tem como objetvo bucar cocluõe robablítca obre oulaçõe com bae o reultado obervado em amotra etraída dea oulaçõe Am, certo cudado báco devem er tomado

Leia mais

i 2 i= = n Observando a fórmula para a variância, vemos que ela pode ser escrita como, i 2

i 2 i= = n Observando a fórmula para a variância, vemos que ela pode ser escrita como, i 2 O Coefcete de Correlação de Pearo O coefcete de correlação de Pearo é baeado a déa de varâca, dada a aula 6 Como vto aquela aula, quado temo uma amotra compota por dado, a varâca da amotra é dada por,

Leia mais

sticas Estatística (divisão) População stica: uma definição Estatística:

sticas Estatística (divisão) População stica: uma definição Estatística: Coleção de úmero etatítca tca O úmero de carro veddo o paí aumetou em 30%. A taa de deemprego atge, ete mê, 7,5%. A açõe da Telebrá ubram R$,5, hoje. Reultado do Caraval o trâto: 45 morto, 430 ferdo. Etatítca:

Leia mais

Etapas para a construção de uma distribuição de frequências por ponto

Etapas para a construção de uma distribuição de frequências por ponto Dtrbuçõe de Frequêca Uma dtrbução de requêca é uma tabela que reúe o cojuto de dado, coorme a requêca ou a repetçõe de eu valore o capítulo ateror, vmo como ão eta ea tabela quado a varável é qualtatva

Leia mais

Uma coleção de todos os possíveis elementos, objetos ou medidas de interesse.

Uma coleção de todos os possíveis elementos, objetos ou medidas de interesse. Prof. Lorí Val, Dr. val@mat.ufrg.br http://www.ufrg.br/~val/ Etatítca: uma defção Coleção de úmero etatítca O úmero de carro veddo o paí aumetou em %. A taa de deemprego atge, ete mê, 7,%. A açõe da Telebrá

Leia mais

ESTATÍSTICA II FORMULÁRIO

ESTATÍSTICA II FORMULÁRIO Uverdade do Mho Ecola de Egehara ESTATÍSTICA II Ídce Metrado Itegrado em Egehara e Getão Idutral FORMULÁRIO Ao Lectvo 007-008 Itervalo de Cofaça (uma amotra / dua amotra depedete)... Tete de Hpótee (uma

Leia mais

Escola Secundária de Jácome Ratton

Escola Secundária de Jácome Ratton Ecola Secudára de Jácome Ratto Ao Lectvo / Matemátca Aplcada à Cêca Soca Na Ecola Secudára do Suceo aualmete é premado o aluo que tver melhor méda a ua clafcaçõe a dferete dcpla. No ao lectvo 9/, o do

Leia mais

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

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

Leia mais

NORMAIS HOMOCEDÁSTICOS E HETEROCEDÁSTICOS

NORMAIS HOMOCEDÁSTICOS E HETEROCEDÁSTICOS COMPARAÇÕES Comparaçõe MÚLTIPLAS múltpla bayeaa BAYESIANAS em modelo... EM MODELOS 845 NORMAIS HOMOCEDÁSTICOS E HETEROCEDÁSTICOS Bayea multple comparo omocedatc ad eterocedatc ormal model Paulo Céar de

Leia mais

INTERVALO DE CONFIANÇA

INTERVALO DE CONFIANÇA INTERVALO DE CONFIANÇA Supoha que etejamo itereado um parâmetro populacioal verdadeiro (ma decohecido) θ. Podemo etimar o parâmetro θ uado iformação de oa amotra. Chamamo o úico úmero que repreeta o valor

Leia mais

(1) no domínio : 0 x < 1 Sujeita às condições de contorno: (2-a) CC1: (2-b) CC2: x dx

(1) no domínio : 0 x < 1 Sujeita às condições de contorno: (2-a) CC1: (2-b) CC2: x dx EXEMPLO MOTIVADOR I Método da Aproxmação Polomal Aplcado a Problema Udrecoa com Smetra. Eqaçõe Dfereca Ordára Problema de Valor o Cotoro Etrtra Geral do Problema: d dy( x) x f x, yx x dx dx o domío : x

Leia mais

Organização de dados -Dados não agrupados n. Mediana:

Organização de dados -Dados não agrupados n. Mediana: Orgazação de dado -Dado ão agruado Medaa: Poto de ocoameto: Méda: Moda: valor que ocorre com maor freqüêca Méda de Itervalo: + m max + Quartl: (ara j, ou ) j( +) Poto de ocoameto: 4 Méda da Juta: Q + Q

Leia mais

Denomina F a variável aleatória definida pelo quociente: F = n

Denomina F a variável aleatória definida pelo quociente: F = n 9/0/0 Etatítica Eperimetal Tete F Tete t de STUDENT Cap. 7, 8 e 9 Callegari-Jacque, S. M. Bioetatítica: Pricípio e Aplicaçõe, 003. Apotila: Regazzi, A. J., Curo de iiciação à etatítica. Profº: Glauco Vieira

Leia mais

n Obtido através desvio padrão da população (σ)

n Obtido através desvio padrão da população (σ) 3/5/ Etatítica Geral Tete t de STUDENT Cap. 7, 8 e 9 Callegari-Jacque, S. M. Bioetatítica: Pricípio e Aplicaçõe, 3. Apotila: Regazzi, A. J., Curo de iiciação à etatítica. Curo: Saúde/CUA/UFMT Profº: Glauco

Leia mais

( k) Tema 02 Risco e Retorno 1. Conceitos Básicos

( k) Tema 02 Risco e Retorno 1. Conceitos Básicos FEA -USP Graduação Cêcas Cotábes EAC05 04_0 Profa. Joaíla Ca. Rsco e Retoro. Cocetos Báscos Rotero BE-cap.6 Tema 0 Rsco e Retoro. Cocetos Báscos I. O que é Retoro? II. Qual é o Rsco de um Atvo Idvdual

Leia mais

Aerodinâmica I. Asas Finitas Teoria da Linha Sustentadora Método de Glauert

Aerodinâmica I. Asas Finitas Teoria da Linha Sustentadora Método de Glauert ( y Método de Gauert ( y ( y V c( y β 4 V d y y dy ( y dy Método de resoução da equação tegro-dfereca da ha sustetadora através da sua trasformação um sstema de equações agérco - Asas smétrcas, sem dedro

Leia mais

Econometria: 3 - Regressão Múltipla

Econometria: 3 - Regressão Múltipla Ecoometra: 3 - Regressão Múltpla Prof. Marcelo C. Mederos mcm@eco.puc-ro.br Prof. Marco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo de regressão

Leia mais

Organização de dados -Dados não agrupados n. Mediana:

Organização de dados -Dados não agrupados n. Mediana: Orgazação de dado -Dado ão agruado Medaa: Poto de ocoameto: Méda: Moda: valor que ocorre com maor freqüêca Méda de Itervalo: + m max + Quartl: (ara j, ou 3) j( +) Poto de ocoameto: 4 Méda da Juta: Q +

Leia mais

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados 3.1. Meddas de Tedêca Cetral CAPÍTULO 3 MEDIDA DE TENDÊNCIA CENTRAL E VARIABILIDADE UFRG 1 Há váras meddas de tedêca cetral. Etre elas ctamos a méda artmétca, a medaa, a méda harmôca, etc. Cada uma dessas

Leia mais

APLICAÇÃO DO ACOPLAMENTO ENTRE O MEC E O MEF PARA O ESTUDO DA INTERAÇÃO DINÂMICA ELASTOPLÁSTICA ENTRE O SOLO E ESTRUTURAS

APLICAÇÃO DO ACOPLAMENTO ENTRE O MEC E O MEF PARA O ESTUDO DA INTERAÇÃO DINÂMICA ELASTOPLÁSTICA ENTRE O SOLO E ESTRUTURAS Fracco Patrc Arauo Ameda APLICAÇÃO DO ACOPLAMENTO ENTRE O MEC E O MEF PARA O ESTUDO DA INTERAÇÃO DINÂMICA ELASTOPLÁSTICA ENTRE O SOLO E ESTRUTURAS Tee apreetada à Ecoa de Egehara de São Caro da Uverdade

Leia mais

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro RESUMO

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro RESUMO UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD57 Etatítca Aplcaa à Amtração I Prof Dr Evaro Marco ael Rero REUMO REVIÃO DE

Leia mais

Cursos de Licenciatura em Ensino de Matemática e de EGI. Teoria de Probabilidade

Cursos de Licenciatura em Ensino de Matemática e de EGI. Teoria de Probabilidade Celso Albo FACULDADE DE CIÊNCIAS NATURAIS E MATEMÁTICA DEPARTAMENTO DE MATEMÁTICA Campus de Lhaguee, Av. de Moçambque, km, Tel: +258 240078, Fax: +258 240082, Maputo Cursos de Lcecatura em Eso de Matemátca

Leia mais

MIEEC Supervisão e Controlo de Sistemas Eléctricos. Despacho Óptimo (incluindo limites de produção e perdas) Introdução

MIEEC Supervisão e Controlo de Sistemas Eléctricos. Despacho Óptimo (incluindo limites de produção e perdas) Introdução MIEEC Supervão e Cotrolo de Stema Eléctrco Depacho Óptmo (cludo lmte de produção e perda Itrodução Relembrado o problema de depacho óptmo: M cuto de produção M Z ΣC(g Suj. Σg load (ão havedo retrçõe de

Leia mais

5 Aplicação do GFMM no BEM

5 Aplicação do GFMM no BEM 38 5 Apação do GFMM o BEM esse apítuo os desevovmetos apresetados o apítuo 4 são apados ao BEM pea expasão das souções fudametas utzadas as tegrações sobre os segmetos do otoro. É apresetada a formuação

Leia mais

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados

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

Leia mais

NOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling

NOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling 4 INFERÊNCIA SOBRE O VETOR DE MÉDIAS 4. TESTE PARA UM VETOR DE MÉDIAS µ Lembrado o caso uvarado: H : µ = µ H : µ µ Nível de sgfcâca: α Estatístca do teste: X µ t = s/ ~ t Decsão: se t > t - (α/) rejeta-se

Leia mais

Difusão entre Dois Compartimentos

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

Leia mais

ANÁLISE ESTATÍSTICA DO USO DE UM FILTRO DE KALMAN A UM SISTEMA DE MEDIÇÃO COM RUÍDOS

ANÁLISE ESTATÍSTICA DO USO DE UM FILTRO DE KALMAN A UM SISTEMA DE MEDIÇÃO COM RUÍDOS V CONGRESSO RASILEIRO DE METROLOGIA Metrologa para a compettvdade em área etratégca 9 a 3 de ovembro de 9. Salvador, aha ral. ANÁLISE ESTATÍSTICA DO USO DE UM ILTRO DE KALMAN A UM SISTEMA DE MEDIÇÃO COM

Leia mais

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

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

Leia mais

Avaliação da qualidade do ajuste

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

Leia mais

LCE2112 Estatística Aplicada às Ciências Sociais e Ambientais 2010/02. Exemplos de revisão

LCE2112 Estatística Aplicada às Ciências Sociais e Ambientais 2010/02. Exemplos de revisão LCE Etatítca Aplcada à Cêca Soca e Ambeta 00/0 Eemplo de revão Varável Aleatóra Cotíua Eemplo: Para e etudar o comportameto de uma plata típca de dua, a Hydrocotlle p., quato ao eu deevolvmeto, medu-e

Leia mais

MÓDULO 8 REVISÃO REVISÃO MÓDULO 1

MÓDULO 8 REVISÃO REVISÃO MÓDULO 1 MÓDULO 8 REVISÃO REVISÃO MÓDULO A Estatístca é uma técca que egloba os métodos cetícos para a coleta, orgazação, apresetação, tratameto e aálse de dados. O objetvo da Estatístca é azer com que dados dspersos

Leia mais

Distribuições de Probabilidades

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

Leia mais

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

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

Leia mais

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

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

Leia mais

ESTATÍSTICA APLICADA À ZOOTECNIA

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

Leia mais

d s F = m dt Trabalho Trabalho

d s F = m dt Trabalho Trabalho UNIVERSIDADE DO ESTADO DE MATO GROSSO CAMPUS UNIVERSITÁRIO DE SINOP FACULDADE DE CIÊNCIAS EXATAS E TECNOLÓGICAS CURSO DE ENGENHARIA CIVIL DISCIPLINA: CÁLCULO DIFERENCIAL E INTEGRAL I Trabalho 1. Itrodução

Leia mais

PROCESSOS ESTOCÁSTICOS

PROCESSOS ESTOCÁSTICOS UIVERIDADE FEDERAL DO RIO GRADE DO ORE CERO DE CIÊCIA EXAA E DA ERRA DEARAEO DE EAÍICA DICILIA: E ROCEO EOCÁICO ROCEO EOCÁICO ª EAA ROFEOR: FERADO CÉAR DE IRADA AAL/R EADO ABORVEE Defção. Um estado de

Leia mais

Revisão de Estatística X = X n

Revisão de Estatística X = X n Revsão de Estatístca MÉDIA É medda de tedêca cetral mas comumete usada ara descrever resumdamete uma dstrbução de freqüêca. MÉDIA ARIMÉTICA SIMPLES São utlzados os valores do cojuto com esos guas. + +...

Leia mais

Verificação, Validação e Experimentação com Modelos de Simulação

Verificação, Validação e Experimentação com Modelos de Simulação Boletm Técco: MS: 03/06 em 9/06/006 Verfcação, Valdação e Expermetação com Modelo de ulação Prof. Luí Céar da Slva Emal: lvalc@cca.ufe.br - Webte: www.aga.com A etruturação de modelo para a mulação de

Leia mais

Determinação do factor correctivo da potência de ruído em sistemas de transmissão por cabo coaxial com igualação

Determinação do factor correctivo da potência de ruído em sistemas de transmissão por cabo coaxial com igualação Determiação do actor correctivo da potêcia de ruído em itema de tramião por cabo coaxial com igualação A ução de traerêcia do igualador é dada por I ( V e y( ( H ( em que y ( é a traormada de Fourier da

Leia mais

CIV 2552 Mét. Num. Prob. de Fluxo e Transporte em Meios Porosos. Método dos Elementos Finitos Fluxo 2D em regime transiente em reservatório

CIV 2552 Mét. Num. Prob. de Fluxo e Transporte em Meios Porosos. Método dos Elementos Finitos Fluxo 2D em regime transiente em reservatório CIV 55 Mét. um. ob. de luo e aote em Meo ooo Método do Elemeto to luo D em egme taete em eevatóo Codçõe ca e aâmeto etete: eão cal: Ma emeabldade tíeca: -5 md m md ml-dac Vcodade dâmca: - µ Ma oe Comebldade

Leia mais

PROBABILIDADE E ESTATÍSTICA UNIDADE IV - MEDIDAS DE DISPERSÃO OU VARIAÇÃO

PROBABILIDADE E ESTATÍSTICA UNIDADE IV - MEDIDAS DE DISPERSÃO OU VARIAÇÃO PROBABILIDADE E ESTATÍSTICA UNIDADE IV - MEDIDAS DE DISPERSÃO OU VARIAÇÃO 0 INTRODUÇÃO A medda de varação ou dperão, avalam a dperão ou a varabldade da eqüênca numérca em anále, ão medda que fornecem nformaçõe

Leia mais

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

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

Leia mais

IND 1115 Inferência Estatística Aula 9

IND 1115 Inferência Estatística Aula 9 Coteúdo IND 5 Iferêca Estatístca Aula 9 Outubro 2004 Môca Barros Dfereça etre Probabldade e Estatístca Amostra Aleatóra Objetvos da Estatístca Dstrbução Amostral Estmação Potual Estmação Bayesaa Clássca

Leia mais

MEDIDAS DE DISPERSÃO:

MEDIDAS DE DISPERSÃO: MEDID DE DIPERÃO: fução dessas meddas é avalar o quato estão dspersos os valores observados uma dstrbução de freqüêca ou de probabldades, ou seja, o grau de afastameto ou de cocetração etre os valores.

Leia mais

Exame 2ª ÉPoca h00 Parte Prática. GRUPO 1 (3,0 val.)

Exame 2ª ÉPoca h00 Parte Prática. GRUPO 1 (3,0 val.) Departameto de Egehara Cvl, Arqutetura e Georrecuro TRANSPORTES MEC - 3º Ao - 2º Semetre Prof. Repoável: Luí de Pcado Sato Ao Letvo 2013/2014 Duração máxma: 120 muto NOME: Exame 2ª ÉPoca 2014-07-01 08h00

Leia mais

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População ESTATÍSTICA STICA DESCRITIVA Prof. Lorí Val, Dr. val@mat.ufrgs.br http://.ufrgs.br/~val/ Orgazação; Resumo; Apresetação. Cojuto de dados: Amostra ou População Um cojuto de dados é resumdo de acordo com

Leia mais

MAE0229 Introdução à Probabilidade e Estatística II

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

Leia mais

? Isso é, d i= ( x i. . Percebeu que

? Isso é, d i= ( x i. . Percebeu que Estatístca - Desvo Padrão e Varâca Preparado pelo Prof. Atoo Sales,00 Supoha que tehamos acompahado as otas de quatro aluos, com méda 6,0. Aluo A: 4,0; 6,0; 8,0; méda 6,0 Aluo B:,0; 8,0; 8,0; méda 6,0

Leia mais

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

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

Leia mais

Probabilidade II Aula 10

Probabilidade II Aula 10 Probabldade II Aula 0 Mao de 009 Môca Barros, D.Sc. Coteúdo Esperaça Matemá (Valores esperados) Mometos e Mometos Cetras Valores esperados de uma fução de Covarâca e Correlação Matrz de covarâca, matrz

Leia mais

Confiabilidade Estrutural

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

Leia mais

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

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

Leia mais

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão Estatístca Descrtva Meddas estatístcas: Localzação, Dspersão Meddas estatístcas Localzação Dspersão Meddas estatístcas - localzação Méda artmétca Dados ão agrupados x x Dados dscretos agrupados x f r x

Leia mais

Macroeconometria Aula 3 Revisão de estatística e teste de hipótese

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

Leia mais

Extensão da Termodinâmica a sistemas abertos

Extensão da Termodinâmica a sistemas abertos Exteão da ermodâmca a tema aberto I tema homogéeo ex: mtura de gae dea oluçõe dea reacçõe químca homogéea Cottudo por uma ó ae ma pode er mult-compoete otulado de Gbb ou otulado da aráve de Etado de um

Leia mais

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

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

Leia mais

NOTAS DE AULA DA DISCIPLINA CE076 = 2. ], T 2 = conhecido como T 2 de Hotelling

NOTAS DE AULA DA DISCIPLINA CE076 = 2. ], T 2 = conhecido como T 2 de Hotelling NOTAS DE AULA DA DISCIPLINA CE76 4 INFERÊNCIA SOBRE O VETOR DE MÉDIAS 4. TESTE PARA UM VETOR DE MÉDIAS µ Lembrado o caso uvarado: H : µ µ H : µ µ Nível de sfcâca: α Estatístca do teste: t X µ s/ ~ t Decsão:

Leia mais

Oitava Lista de Exercícios

Oitava Lista de Exercícios Uversdade Federal Rural de Perambuco Dscpla: Matemátca Dscreta I Professor: Pablo Azevedo Sampao Semestre: 07 Otava Lsta de Exercícos Lsta sobre defções dutvas (recursvas) e prova por dução Esta lsta fo

Leia mais

Gonçalo X. Silva Alda Carvalho

Gonçalo X. Silva Alda Carvalho Goçalo X. Slva Alda Carvalho ÍNDICE. ESTATÍSTICA DESCRITIVA..... INTRODUÇÃO..... DEFINIÇÕES..... CLASSIFICAÇÃO DOS DADOS.... CARACTERIZAÇÃO DOS DADOS....5 ESTATÍSTICAS AMOSTRAIS... 0.5.. Medda de localzação...

Leia mais

Método do Lugar das Raízes

Método do Lugar das Raízes étodo do Lugar da Raíze Coceito de Lugar da Raíze; O Procedimeto do Lugar da Raíze; Proeto de Parâmetro pelo étodo do Lugar da Raíze; Seibilidade e Lugar da Raíze; Cotrolador de Trê Termo (PID); Exemplo

Leia mais

Amostrador de Gibbs. Renato Assunção DCC - UFMG

Amostrador de Gibbs. Renato Assunção DCC - UFMG Amotraor e bb Renato Aunção CC - UFM bb amper Aortmo para eração e amotra e um VETOR aeatóro X = (X X 2... X k ) Objetvo e termnar com uma tabea N x k one caa nha e uma ntanca o vetor X ntanc a Var X Var

Leia mais

4 Modelos de regressão linear com heterocedasticidade

4 Modelos de regressão linear com heterocedasticidade 4 Modeo de regreão ear co eterocedatcdade 4.. Abordage va ío quadrado ordáro Ua ateratva de odeage do dado do trâguo de ruoff é upor que o egute odeo de regreão ear coegue eprear be a atureza do dado:

Leia mais

MAE Introdução à Probabilidade e Estatística II Resolução Lista 2

MAE Introdução à Probabilidade e Estatística II Resolução Lista 2 MAE 9 - Itrodução à Probabilidade e Estatística II Resolução Lista Professor: Pedro Moretti Exercício 1 Deotado por Y a variável aleatória que represeta o comprimeto dos cilidros de aço, temos que Y N3,

Leia mais

16/03/2014. IV. Juros: taxa efetiva, equivalente e proporcional. IV.1 Taxa efetiva. IV.2 Taxas proporcionais. Definição:

16/03/2014. IV. Juros: taxa efetiva, equivalente e proporcional. IV.1 Taxa efetiva. IV.2 Taxas proporcionais. Definição: 6// IV. Juros: taxa efetva, equvalete e proporcoal Matemátca Facera Aplcada ao Mercado Facero e de Captas Professor Roaldo Távora IV. Taxa efetva Defção: É a taxa de juros em que a udade referecal de seu

Leia mais

Universidade Estadual de Londrina

Universidade Estadual de Londrina Uverdade Etadual de Lodra Programa de Metrado e Doutorado em Cêca Bológca Reumo da atvdade deevolvda em aula Profa. Dra. Aa Verga Lbo Meett LODRIA 06 SUMÁRIO. Aále exploratóra de dado...0. Itervalo de

Leia mais

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo.

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo. Equlíbro e o Potecal de Nerst 5910187 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 11 Nesta aula, vamos utlzar a equação para o modelo de eletrodfusão o equlíbro obtda a aula passada para estudar o trasporte

Leia mais

Aula 6. Plano da aula. Bibliografia:

Aula 6. Plano da aula. Bibliografia: Aula 6 Bblografa: Farrel & Shapro, 1990, Horzotal Mergers: A Equlbrum Aalyss, AER; Wsto, 2008, Lectures o Attrust Ecoomcs, MIT Press; Motta (2005), Cap 5. Plao da aula I. Cocetrações horzotas (cotução)

Leia mais

PLANO PROBABILIDADES Professora Rosana Relva DOS. Números Inteiros e Racionais COMPLEXOS NÚMEROS COMPLEXOS NÚMEROS COMPLEXOS NÚMEROS COMPLEXOS

PLANO PROBABILIDADES Professora Rosana Relva DOS. Números Inteiros e Racionais COMPLEXOS NÚMEROS COMPLEXOS NÚMEROS COMPLEXOS NÚMEROS COMPLEXOS Professor Luz Atoo de Carvalho PLANO PROBABILIDADES Professora Rosaa Relva DOS Números Iteros e Racoas COMPLEXOS rrelva@globo.com Número s 6 O Número Por volta de 00 d.c a mpressão que se tha é que, com

Leia mais

Exemplos de I.C. (1 ) 100% para a mådia (e para diferença entre mådias)

Exemplos de I.C. (1 ) 100% para a mådia (e para diferença entre mådias) Exemplo de I.C. ( )% para a mådia (e para difereça etre mådia) Exemplo : Tete de compreão foram aplicado em dua marca de cimeto para avaliar a reitêcia em cocreto. Foram produzido 5 corpo de prova de cada

Leia mais

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

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

Leia mais

Capitulo 1 Resolução de Exercícios

Capitulo 1 Resolução de Exercícios S C J S C J J C FORMULÁRIO Regme de Juros Smples 1 1 S C 1 C S 1 1.8 Exercícos Propostos 1 1) Qual o motate de uma aplcação de R$ 0.000,00 aplcados por um prazo de meses, à uma taxa de 2% a.m, os regmes

Leia mais

Estatística. 2 - Estatística Descritiva

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

Leia mais

NOTA: ESCREVA AS RESPOSTAS COMO FRAÇÕES OU COM 4 CASAS DECIMAIS NOTA 2: O FORMULÁRIO ESTÁ NO FINAL DA PROVA

NOTA: ESCREVA AS RESPOSTAS COMO FRAÇÕES OU COM 4 CASAS DECIMAIS NOTA 2: O FORMULÁRIO ESTÁ NO FINAL DA PROVA IND 5 Iferêca Estatístca Semestre 007.0 Teste 4 //007 Nome: NOTA: ESCREVA AS RESPOSTAS COMO FRAÇÕES OU COM 4 CASAS DECIMAIS NOTA : O FORMULÁRIO ESTÁ NO FINAL DA PROVA PROBLEMA (5 potos) Em cada questão

Leia mais

MAE Introdução à Probabilidade e Estatística II Resolução Lista 1

MAE 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 mais

5 Critérios para Análise dos Resultados

5 Critérios para Análise dos Resultados 5 Crtéros para Aálse dos Resultados Este capítulo tem por objetvos forecer os crtéros utlzados para aálse dos dados ecotrados a pesqusa, bem como uma vsão geral dos custos ecotrados e a forma de sua evolução

Leia mais

Métodos iterativos. Capítulo O Método de Jacobi

Métodos iterativos. Capítulo O Método de Jacobi Capítulo 4 Métodos teratvos 41 O Método de Jacob O Método de Jacob é um procedmeto teratvo para a resolução de sstemas leares Tem a vatagem de ser mas smples de se mplemetar o computador do que o Método

Leia mais

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

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

Leia mais

A grande vantagem da Codificação de Canal é portanto melhorar o desempenho do sistema em relação a uma transmissão não codificada.

A grande vantagem da Codificação de Canal é portanto melhorar o desempenho do sistema em relação a uma transmissão não codificada. Codfcação de caal O caal de comucação é o etato repoável pela trodução de ruído, terferêca e ebatmeto, corrompedo a formação tramtda. Am, podem aparecer erro o bt recebdo face ao bt tramtdo. O úmero de

Leia mais

Controle Estatístico de Qualidade. Capítulo 6 (montgomery)

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

Leia mais

Modelo de Regressão Simples

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

Leia mais

Algoritmos de Interseções de Curvas de Bézier com Uma Aplicação à Localização de Raízes de Equações

Algoritmos de Interseções de Curvas de Bézier com Uma Aplicação à Localização de Raízes de Equações Algortmos de Iterseções de Curvas de Bézer com Uma Aplcação à Localzação de Raízes de Equações Rodrgo L.R. Madurera Programa de Pós-Graduação em Iformátca, PPGI, UFRJ 21941-59, Cdade Uverstára, Ilha do

Leia mais

Dados Experimentais. Isto é chamado de experimento controlado. Uma das vantagens

Dados Experimentais. Isto é chamado de experimento controlado. Uma das vantagens Dados xpermetas Para medr a produção de certa varedade de mlho, faremos um expermeto o qual a varedade de mlho semete é platada em váras parcelas homogêeas com o mesmo fertlzate, pestcda etc. Depos mede-se

Leia mais

Construção e Análise de Gráficos

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

Leia mais

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

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

Leia mais

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

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

Leia mais

Cálculo de média a posteriori através de métodos de integração numérica e simulação monte carlo: estudo comparativo

Cálculo de média a posteriori através de métodos de integração numérica e simulação monte carlo: estudo comparativo INGEPRO Iovação, Gestão e Produção Jaero de 010, vol. 0, o. 01 www.gepro.com.br Cálculo de méda a posteror através de métodos de tegração umérca e smulação mote carlo: estudo comparatvo Helto Adre Lopes

Leia mais

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

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

Leia mais

AVALIAÇÃO DA MEDIDA DE EVIDÊNCIA DE UMA MUDANÇA EM SÉRIES DE DADOS COM DISTRIBUIÇÃO POISSON

AVALIAÇÃO DA MEDIDA DE EVIDÊNCIA DE UMA MUDANÇA EM SÉRIES DE DADOS COM DISTRIBUIÇÃO POISSON AVALIAÇÃO DA MEDIDA DE EVIDÊNCIA DE UMA MUDANÇA EM SÉRIES DE DADOS COM DISTRIBUIÇÃO POISSON Flávio Bambirra Goçalves, e Frederico R. B. da Cruz Deartameto de Estatística ICEx - Uiversidade Federal de Mias

Leia mais

Intervalos de confiança

Intervalos de confiança 0 Itervalo de cofiaça 6.. A etiação por itervalo Noralete o proceo de ivetigação de u parâetro eceitao ir alé da ua etiativa potual ˆ. O fato de ão e cohecer o valor de pode cauar ua ieguraça e levar a

Leia mais