Modelos de regressão linear: abordagem clássica
|
|
- Silvana Almeida Azeredo
- 5 Há anos
- Visualizações:
Transcrição
1 Modelos de regressão lear: abordagem clássca Prof. Marcelo Rubes Depto. Estatístca
2 Aálse de Regressão Objetvo: Determar uma fução matemátca que descreva a relação etre uma varável cotíua (varável eplcada ou depedete) e uma ou mas varáves eplcatvas ou depedetes. f(,,..., K ) + ε deota a varável depedete.,,..., K deotam as varáves depedetes. f(,,..., K ) descreve a varação sstemátca (determístca) ε represeta a varação ão sstemátca (erro aleatóro) Modelos de regressão (fução f) podem ser leares ou ão leares.
3 Eemplo O gerete de vedas de uma empresa varejsta está teressado em obter uma equação que stetze a relação estete etre o vestmeto em propagada e o volume de vedas da empresa com o objetvo de realzar projeções do volume de vedas. Amostra de tamao obtda o departameto de vedas (mlões de R$) Volume de vedas (Y) Dagrama de dspersão represetação gráfca que permte vsualzar a relação/assocação etre duas varáves Um cremeto o vestmeto em propagada produz um aumeto as vedas A relação etre as varáves ão é precsa (estocástca) Ivestmeto em propagada (X)
4 Eemplo A boa aderêca da uvem de potos ao redor de um reta magára dca que a relação etre as duas varáves pode ser apromada por uma relação lear. 6 Volume de vedas (Y) Ivestmeto em propagada (X) A essêca da relação etre o vestmeto em propagada e o volume de vedas pode ser epressa por uma reta. A detfcação desta reta pode ser efetuada por meo de um modelo de regressão lear smples.
5 Eemplo 6 Volume de vedas (Y) Ivestmeto em propagada (X) Para um vestmeto de R$ 5 mlões em propagada espera-se um volume de vedas da ordem de R$ 37 mlões (valor ajustado)
6 Eemplo Neste caso o ível de vedas () é eplcado pelo vestmeto em propagada (), etão, f(): ível de vedas varável depedete vestmeto em propagada varável depedete A relação estocástca etre as duas varáves pode ser modelada da segute forma: + + ε Ode: e são coefcetes descoecdos da reta que relacoa as varáves e (estmados a partr dos dados da amostra). ε é um termo aleatóro (erro) que represeta a mprecsão a relação etre e.
7 Modelos de regressão lear Modelo de regressão lear smples: uma varável depedete eplcada por uma varável depedete. + + ε Modelo de regressão lear múltpla: Uma varável depedete eplcada por pelo meos duas varáves depedetes. +, K K, + ε (K ) Objetvo: Idetfcar uma fução f() que permta eplcar uma varável depedete () em fução das varáves eplcatvas (), ou seja, como vara de acordo com mudaças em.
8 Sgfcado do erro ε O erro ε represeta: Todos os outros fatores que afetam a varável depedete Y, mas que ão estão cotempladas as varáves eplcatvas X. Erros de medção. Forma fucoal adequada, por eemplo, + ou + +? Ierete varabldade o comportameto dos agetes ecoômcos.
9 Modelo de Regressão Lear Smples Equação de regressão populacoal: + + ε (apeas uma varável depedete) Os coefcetes e ão são coecdos e devem ser estmados a partr de uma amostra aleatóra de tamao da população: Amostra aleatóra (, ),, Em cada udade amostrada tem-se que + + ε Compoete determístca, Varável aleatóra ão-observável
10 Modelo de Regressão Lear Smples Hpóteses assumdas pelo modelo H) A relação etre as varáves é lear + + ε,: H) Méda ula: E(ε ) para todo, H3) Varâca costate: V(ε ) σ para todo, H4) Erros ão correlacoados: Cov(ε,ε k ) para todo k H5) Dstrbução Normal: ε ~ N(,σ ) para todo, ε são depedetes e detcamete dstrbuídos N(,σ ) H6) A varável eplcatva X é fa,.e., ão é estocástca
11 Modelo de Regressão Lear Smples + + ε ( ) E ( + + ) E ε ( ) + + E ( ) E ε Como o valor esperado do erro é zero E(ε), o valor esperado de codcoado ao valor de é gual a: ( ) + E Por pótese a varável depedete ão é aleatóra, assm tem-se: V ( ) σ Como o erro tem dstrbução Normal com méda e varâca σ ( + ) ~ N σ,
12 Modelo de Regressão Lear Smples Reta de regressão ( ) + E
13 Modelo de Regressão Lear Smples
14 Estmador de mímos quadrados Modelo de Regressão Lear Smples + + ε ε - - ( ) [ ] + ε f ( ) [ ] + f M, Soma dos quadrados dos erros As estmatvas de e devem mmzar a soma sos quadrados dos desvos No poto de mímo as dervadas parcas são ulas Sstema de equações ormas A solução deste sstema forece os estmadores de e ( ) + ε f ( ) + ε f
15 Estmador de mímos quadrados Modelo de Regressão Lear Smples Solução do sstema de equações ormas ( )( ) ( ) Sstema de equações ormas Estmadores de mímos quadrados + +
16 Modelo de Regressão Lear Smples Estmador de mímos quadrados ( ) Equação de regressão estmada E + Valor estmado da varável depedete dado que é gual a + Resíduo da -ésma observação é gual a dfereça etre o valor observado e o valor estmado da varável ( ε ε + )
17 ( ) σ σ σ σ Se as póteses H até H6 forem satsfetas, os estmadores de mímos quadrados são estmadores leares ão tedecosos de varâca míma (Teorema de Gauss Markov) ( ) E ( ) E ( ), ~ σ N ( ), ~ σ N ( ) ε σ Modelo de regressão lear smples Estmador da varâca do erro
18 Modelo de regressão lear smples Decomposção do erro: (valor observado) * - ^ - ^ (valor estmado) ^ - ^ b + b
19 Modelo de regressão lear smples Decomposção da soma de quadrados total ( ) ( ) + ( ) SQT SQE + SQR SQT Soma dos Quadrados Total SQE Soma dos Quadrados dos Erros SQR Soma dos Quadrados da Regressão
20 Modelo de regressão lear smples Coefcete de determação R SQR SQT ( ŷ ) ( ) SQE SQT R Se R estver prómo de, a varável eplca a maor parte das varações de. Neste caso, a varável é uma boa predtora da varável. Se R estver prómo de, a varável eplca muto pouco das varaçães de. Neste caso, a varável ão é uma boa predtora da varável.
21 Modelo de regressão lear smples Iferêca Estatístca o Modelo de Regressão Lear Aálse da varâca (ANOVA) F SQR SQE ( ) Causas de Varação Graus de Lberdade Soma dos Quadrados Quadrados Médos Regressão SQR ( ) Erros - SQE ( ) Total - SQT ( ) QMRSQR/ QMESQE/(-) R SQR SQT σ Estmador da varâca do erro
22 Modelo de regressão lear smples Iferêca Estatístca o Modelo de Regressão Lear Teste F Testa o efeto cojuto das varáves eplcatvas sobre a varável depedete, No caso do modelo lear smples testa o efeto de X sobre Y H : ( ausêca do efeto ) H : ( preseça do efeto ) Sob H F SQR SQE ~ F, F > F tabelado rejeta H F < F tabelado aceta H
23 H : H : t ~ t σ Modelo de regressão lear smples Iferêca Estatístca o Modelo de Regressão Lear Teste t Testa a sgfcâca do coefcete de regressão lear assocado com uma determada varável eplcatva. Testa o efeto dvdual de X e do termo costate Sob H t > t tabelado rejeta H t < t tabelado aceta H
24 t t α α σ σ + Modelo de regressão lear smples Iferêca Estatístca o Modelo de Regressão Lear Itervalo de cofaça (-α)%
25 Prevsor ( ) E + Erro de prevsão ( ) ( ) ( ) ( ) E E e + ( ) ( ) ( ) + e V σ Itervalo de prevsão ( ) ( ) ( ) ( ) + c c V e t E V e t E, Modelo de regressão lear smples Prevsão do valor esperado
26 Dado T+ prever T+ Prevsor + Erro de prevsão ( ) ( ) e ε + + ( ) ( ) ( ) + + e V σ Itervalo de prevsão ( ) ( ) + c c V e t V e t, Modelo de regressão lear smples Prevsão de uma observação
27 Eemplo modelo de regressão lear smples O gerete de uma empresa varejsta está teressado em obter uma equação que stetze a relação etre o vestmeto em propagada (X) e o volume de vedas (Y) da empresa, com a faldade de projetar o ível de vedas em fução do vestmeto o programa de marketg da empresa. Hstórco (dados auas) Dagrama de dspersão Relação lear etre as varáves N observações
28 Eemplo modelo de regressão lear smples Modelo de regressão lear + + ε Estmação dos coefcetes por mímos quadrados X Y X Y X X Y X 37,9, ,5,383,9796 Equação de projeção Y,38 +, 979X
29 Eemplo modelo de regressão lear smples Costrução da ANOVA resíduos Y,38 +, 979X Códgo R: Soma dos quadrados dos resíduos SQE > regressao <- lm(y~x,datadados_veda_propagada) Soma dos quadrados eplcados pela regressão SQR Soma dos quadrados totas SQT
30 Eemplo modelo de regressão lear smples Costrução da ANOVA ANOVA Fote de varação Regressão Resíduo Total Soma dos quadrados (A) SQR 949,8 SQE 3,8 SQT 6,9 Graus de lberdade (B) Quadrado médo (CA/B) 949,8 949,8 / 38,984, ,98-9 F Coefcete de determação R varável eplcatva SQR R, 75 SQT 6.9 coefcetes estmados α e Por sso - > aova(regressao) Códgo R: O quadrado médo do resíduo é uma estmatva da varâca do erro σ
31 Eemplo modelo de regressão lear smples Estmatvas dos erros padrão de e σ σ X σ σ ( X X ) 3,366 5,6 38,9778 6,5 89 6,5 Erro padrão 3,366 σ 38, ,5 N X N X σ,39 σ σ,39,978 Erro padrão
32 Eemplo modelo de regressão lear smples Iferêca o modelo Testes de póteses Teste F: Testa o efeto cojuto das varáves eplcatvas sobre a varável depedete, No caso do modelo lear smples testa o efeto de X sobre Y H : ( ausêca do efeto ) H : ( preseça do efeto ) Sob H F SQR SQE F 4.35 ~ F, Ao ível de sgfcâca de 5% o valor tabelado (F tabelado ) de uma F com grau de lberdade o umerador e 8 graus de lberdade o deomador é 5,377. No R: > qf(.95,,8) [] F > F tabelado rejeta H Dstrbução F
33 Eemplo modelo de regressão lear smples Iferêca o modelo Testes de póteses Teste t: Testa a sgfcâca do coefcete de regressão lear assocado com uma determada varável eplcatva. H : ( ausêca do efeto ) H : ( preseça do efeto ) Sob H t t ~ t σ.38 3,366,495 Ao ível de sgfcâca de 5% o valor tabelado (t tabelado ) de uma t com 8 graus de lberdade o umerador é,3. No R: > qt(.975,8) [].364 t < t tabelado ão rejeta H Dstrbução t
34 Eemplo modelo de regressão lear smples Iferêca o modelo Testes de póteses Teste t: Testa a sgfcâca do coefcete de regressão lear assocado com uma determada varável eplcatva. H : ( ausêca do efeto ) H : ( preseça do efeto ) Sob H t t ~ t σ.979,39 4,9354 Ao ível de sgfcâca de 5% o valor tabelado (t tabelado ) de uma t com 8 graus de lberdade o umerador é,3. No R: > qt(.975,8) [].364 t > t tabelado rejeta H Dstrbução t
35 Eemplo modelo de regressão lear smples Iferêca o modelo ~ t σ ~ t σ Itervalos de cofaça com 95% de cofaça P,3 P,3,3 σ,3 σ,95,95 Dstrbução t 95%,38,3,3,8766 5,6 4,953,979,3,3,598,978,43
36 Eemplo modelo de regressão lear smples o R > (dados_veda_propagada <- data.frame(cbd("x"c(3,,35,4,38,8,,5,35,4),"y"c(4,34,5,49,47,,,7,4,48)))) X Y > regressao <- lm(y~x,datadados_veda_propagada) > summar(regressao) Call: lm(formula Y ~ X, data Gujarat_C3) Resduals: M Q Meda 3Q Ma Coeffcets: Estmate Std. Error t value Pr(> t ) (Itercept) X ** --- Sgf. codes: '***'. '**'. '*'.5 '.'. ' ' Resdual stadard error: 6.43 o 8 degrees of freedom Multple R-squared:.757, Adjusted R-squared:.78 F-statstc: 4.35 o ad 8 DF, p-value:.43
37 Eemplo modelo de regressão lear smples o R Útl a verfcação da pótese de varâca costate do erro: Algus gráfcos para dagóstcos Útl a verfcação da pótese de ormaldade do erro (valores ao redor de uma reta magára dcam que a pótese de ormaldade ão fo volada): Útl a avalação da qualdade do ajuste: > plot(dados_veda_propagada$x,regressao$resd,tpe"p",ma"gráfco dos resíduos",lab"x - Ivestmeto em propagada", lab"resíduos",lmc(-,5),bt"",col.ma"blue",apc(,5,),as"",at"",lmc(-,5),apc(-,5,5),as"",ce.as.8,pc6) > as(,atseq(,5,5),posc(,),ce.as.8) > plot(dados_veda_propagada$x, dados_veda_propagada$y,tpe"p",ma"plotagem do ajuste",lab"x - Ivestmeto em propagada", lab"y - Vedas",lmc(,45),bt"",col.ma"blue",apc(,45,),as"",at"",lmc(,55),a pc(,55,),as"",ce.as.8,pc6) > as(,atseq(,45,5),posc(,),ce.as.8,as"r") > able(regressao) > tet(4,,epresso(at(y)),adj) >tet(5,.5,paste("",as.caracter(roud(data.frame(regressao$coeff)[,],4)),"+",as.caracter(r oud(data.frame(regressao$coeff)[,],4)),"x"),adj) > tet(4,6.5,epresso(r^),adj) > tet(5.5,6,paste("",as.caracter(roud(summar(regressao)$r.squared,4))),adj) > plot(regressao)
38 A varável depedete é uma fução lear de duas ou mas varáves depedetes k k ε K Notação matrcal,..., X + ε Y Y M k k k X L M O M M L L k M ε ε ε ε M Modelo de regressão lear múltpla K varáves eplcatvas,, 3,..., k, σ são parâmetros do modelo que devem ser estmados
39 Modelo de regressão lear múltpla Hpóteses H - E(ε) H H3 E(εε )σ I, I matrz detdade V(ε) σ e COV(ε, ε j ) H4 - Os erros tem dstrbução ormal ε ~N(, σ ) H5 - A matrz X é ão aleatóra H6 - O posto de X é k+< Problemas de especfcação Escoler o tpo de fução matemátca Determar que varáves depedetes devem ser cosderadas o modelo
40 ( ) Y X X X ' ' k k k K k k k X X ' L M O M M M L L L Estmador de Mímos Quadrados (MQ) Modelo de regressão lear múltpla k Y X ' M
41 Modelo de regressão lear múltpla Estmador de Mímos Quadrados (MQ) j ~ N (, σ a ) j jj a jj elemeto da dagoal prcpal da versa de X X V ( ) ( ) X ' X σ σ ε' ε ( k + )
42 Modelo de regressão lear múltpla Iferêca Estatístca o Modelo de Regressão Lear Teste t H : j H : j t j σ j ~ t ( k + ) t t tabelado rejeta H Teste F H : 3... k H : pelo meos um j F S.Q.R S.Q.E k ( k + ) F Ftabelado rejeta H
43 Modelo de regressão lear múltpla Iferêca Estatístca o Modelo de Regressão Lear Aálse da varâca Causas de varação Graus de lberdade (A) Soma dos quadrados (B) Quadrados médos (CB/A) F Regressão k SQR ' X ' Y QMRSQR/k FQMR/QME Erros (k+) SQE Y' Y ' X ' Y QMESQE/[ (k+)] Total SQT Y ' Y R SQR SQT ' X ' Y Y ' Y F QMR QME SQR SQE k [ ( k + ) ] R ( R ) ( k + )
44 Modelo de regressão lear múltpla Iferêca Estatístca o Modelo de Regressão Lear Aálse da varâca cotrbuções das varáves depedetes ao modelo global fução Aova() do pacote car do R Causas de varação Graus de lberdade (A) Soma dos quadrados (B) Quadrados médos (CB/A) F SQR ( )( ) SQR F SQE QME M M M M M k SQR k ( k k )( ) k SQR k F k SQE k QME Erros (k+) SQE Y ' Y ' X ' Y QMESQE/[ (k+)] Total SQT Y ' Y Fórmula (C.3.7) do Gujarat com a otação adaptada: SQR ' X ' Y ( )( ) + L + k ( k k )( ) SQR
45 Modelo de regressão lear múltpla Prevsão Dado ' [ L ] k ŷ V ' b E + + K + ( ) estma k k ŷ V ( ŷ ) ' ( X ' X ) σ ' b + + K + + ε estma k k [ ] σ ( ŷ ) + ' ( X ' X )
46 Eemplo modelo de regressão lear múltpla Uma empresa de artgos fats opera em cdades de médo porte. A empresa está aalsado a possbldade de epasão em outras cdades de médo porte e para sso deseja vestgar se a vedas (Y) em uma localdade podem ser predtas com base o úmero de pessoas com até 6 aos de dades (X ) e a reda per capta a localdade (X ). Atualmete a empresa está presete em localdades (N ), cujos dados são apresetados a tabela abao: X X Y 68,5 6,7 74,4 45, 6,8 64,4 9,3 8, 44, 47,8 6,3 54,6 46,9 7,3 8,6 66, 8, 7,5 49,5 5,9 5,8 5 7, 63, 48,9 6,6 45,4 38,4 6 37, 87,9 8,3 4,9 7,8 7, 9, 88,4 7,4 3 4,9 5,8 45,3 5,5 7,8 6, 85,7 8,4 9,7 4,3 6,5 46,4 5,7 6, ,6 8, 3,6 8,7 9, 4, 5,3 6 66,5 > (eemplo <- data.frame(cbd("x"c(68.5,45.,9.3,47.8,46.9,66.,49.5,5,48.9,38.4,87.9,7.8,88.4,4.9,5.5,85.7,4.3,5.7,89.6,8.7,5.3),"x" c(6.7,6.8,8.,6.3,7.3,8.,5.9,7.,6.6,6,8.3,7.,7.4,5.8,7.8,8.4,6.5,6.3,8.,9.,6),"y"c(74.4,64.4,44.,54. 6,8.6,7.5,5.8,63.,45.4,37.,4.9,9.,3,45.3,6.,9.7,46.4,44,3.6,4.,66.5)))) Modelo de regressão lear múltpla a ser estmado ε
47 Eemplo modelo de regressão lear múltpla Modelo de regressão lear ε Estmação dos coefcetes de regressão por mímos quadrados Y 74,4 64,4 44, 54,6 8,6 7,5 5,8 63, 45,4 37, 4,9 9, 3 45,3 6, 9,7 46,4 44 3,6 4, 66,5 X 68,5 6,7 45, 6,8 9,3 8, 47,8 6,3 46,9 7,3 66, 8, 49,5 5,9 5 7, 48,9 6,6 38,4 6 87,9 8,3 7,8 7, 88,4 7,4 4,9 5,8 5,5 7,8 85,7 8,4 4,3 6,5 5,7 6,3 89,6 8, 8,7 9, 5,3 6 X T X X T Y ( ) X T X Códgo R:,.3,4 36,.3, ,94.69,9 36,.69,9 6.9,6 9,789,7 -,996,7,4 -,55 -,996 -,55, , , ,75 > regressao <- lm(y~x+x,dataeemplo) > summar(regressao) ( T ) T X X X Y 68,857,4546 9,3655
48 Eemplo modelo de regressão lear múltpla Costrução da ANOVA ŷ 68,857 +, ,3655 SQR SQE SQT
49 Eemplo modelo de regressão lear múltpla Costrução da ANOVA ANOVA Fote de varação Regressão Resíduo Total Soma dos quadrados (A) SQE 45,8 SQR 8,93 SQT 696, Graus de lberdade (B) Quadrado médo (CA/B) 7,64 7,64 /.66 99,35 N-38,66 N- F Coefcete de determação R varáves eplcatvas SQR 45.8 R,97 SQT 696, 3 coefcetes estmados Por sso N 3 O quadrado médo do resíduo é uma estmatva da varâca do erro σ > aova(lm(y~,dataeemplo),regressao) Códgo R:
50 Eemplo modelo de regressão lear múltpla Modelo de regressão lear ε Estmatvas dos erros padrão dos coefcetes de regressão Σ σ σ σ σ σ σ σ σ σ σ Resultado a ANOVA,66 ( ) X T X 9,789,7 -,996,7,4 -,55 -,996 -,55, ,347 8,7459-4,43 Σ 8,7459,449 -,674-4,43 -,674 6,558 Varâcas a dagoal prcpal Covarâcas fora da dagoal prcpal Códgo R: > vcov(regressao) Erro padrão σ σ σ σ 36,347 6,7,449,8 σ σ 6,558 4,64
51 Eemplo modelo de regressão lear múltpla Iferêca o modelo Testes de póteses Teste F: Testa o efeto cojuto das varáves eplcatvas sobre a varável depedete, No caso do modelo lear smples testa o efeto de X sobre Y H : ( ausêca do efeto ) H : ou ( preseça do efeto ) Sob H F F SQR SQE N 3 ~ 99,35 F, 3 Ao ível de sgfcâca de 5% o valor tabelado (F tabelado ) de uma F com graus de lberdade o umerador e 8 graus de lberdade o deomador é 3,5546. No R: > qf(.95,,8) [] F > F tabelado rejeta H Dstrbução F
52 Eemplo modelo de regressão lear múltpla Iferêca o modelo Testes de póteses Teste t: Testa a sgfcâca do coefcete de regressão lear assocado com uma determada varável eplcatva. H : ( ausêca do efeto ) H : ( preseça do efeto ) Sob H t t ~ t3 σ 68,857 6,7,473 Ao ível de sgfcâca de 5% o valor tabelado (t tabelado ) de uma t com 8 graus de lberdade o umerador é,9. No R: > qt(.975,8) [].9 t < t tabelado ão rejeta H Dstrbução t
53 Eemplo modelo de regressão lear múltpla Iferêca o modelo Testes de póteses Teste t: Testa a sgfcâca do coefcete de regressão lear assocado com uma determada varável eplcatva. H : ( ausêca do efeto ) H : ( preseça do efeto ) Sob H t t ~ t3 σ,4546,8 6,868 Ao ível de sgfcâca de 5% o valor tabelado (t tabelado ) de uma t com 8 graus de lberdade o umerador é,9. No R: > qt(.975,8) [].9 t > t tabelado rejeta H Dstrbução t
54 Eemplo modelo de regressão lear múltpla Iferêca o modelo Testes de póteses Teste t: Testa a sgfcâca do coefcete de regressão lear assocado com uma determada varável eplcatva. H : ( ausêca do efeto ) H : ( preseça do efeto ) Sob H t t ~ t3 σ 9,3655 4,64,345 Ao ível de sgfcâca de 5% o valor tabelado (t tabelado ) de uma t com 8 graus de lberdade o umerador é,9. No R: > qt(.975,8) [].9 t > t tabelado rejeta H Dstrbução t
55 Eemplo modelo de regressão lear múltpla Iferêca o modelo Itervalos de cofaça com 95% de cofaça ~ t3 σ && ~ t3 σ && ~ t3 σ && P,,,95 σ P,,,95 σ P,,,95 σ 68,857,, 94,948 57,339 6,7,4546,,,96,8995,8 9,3655,,,874 7,936 4,64 Dstrbução t 95%
56 Eemplo modelo de regressão lear múltpla o R > (eemplo <- data.frame(cbd("x"c(68.5,45.,9.3,47.8,46.9,66.,49.5,5,48.9,38.4,87.9,7.8,88.4,4.9,5.5,85.7,4.3,5.7,89.6,8.7,5.3),"x"c(6.7,6.8,8.,6.3,7.3,8.,5.9,7.,6.6,6,8.3,7.,7.4,5.8,7.8,8.4,6.5,6.3,8.,9.,6),"y"c(74.4,64.4,44.,54.6,8.6,7.5,5.8,63.,45.4,37.,4.9,9.,3,45.3,6.,9.7,46.4,44,3.6,4.,66.5)))) X X Y > regressao <- lm(y~x+x,dataeemplo) > summar(regressao) Call: lm(formula Y ~ X + X, data eemplo) Resduals: M Q Meda 3Q Ma Coeffcets: Estmate Std. Error t value Pr(> t ) (Itercept) X e-6 *** X * --- Sgf. codes: '***'. '**'. '*'.5 '.'. ' ' Resdual stadard error:. o 8 degrees of freedom Multple R-squared:.967, Adjusted R-squared:.975 F-statstc: 99. o ad 8 DF, p-value:.9e-
57 Eemplo modelo de regressão lear múltpla o R
58 Eemplo modelo de regressão lear múltpla o R Códgo R para os gráfcos: > plot(eemplo$x,regressao$resd,tpe"p",ma"gráfco dos resíduos X",lab"X - Qtd. pessoas com até 6 aos de dade", lab"resíduos",lmc(,),bt"",col.ma"blue",apc(,,),as"",at"",lmc(-3,3),apc(-3,3,6),as"",ce.as.8,pc6) > as(,atseq(,,),posc(,),ce.as.8) > plot(eemplo$x,regressao$resd,tpe"p",ma"gráfco dos resíduos X",lab"X - Reda per capta a localdade", lab"resíduos",lmc(4.8,),bt"",col.ma"blue",apc(5,,6),as"",at"",lmc(-4,4),apc(-4,4,8),as"",ce.as.8,pc6) > as(,atseq(5,,),posc(,),ce.as.8) > lbrar(rgl, pos4) > lbrar(mgcv, pos4) > scatter3d(eemplo$x, eemplo$y, eemplo$x, ft"lear", resdualstrue, bg"wte", as.scalestrue, grdtrue, ellpsodfalse, lab"x", lab"y", zlab"x") > plot(regressao)
REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA
REGRESSÃO LINEAR CUIABÁ, MT 6/ INTRODUÇÃO Relação dos valores da varável depedete (varável resposta) aos valores de regressoras ou exógeas). SIMPLES MÚLTIPLA (varáves depedetes,... =,,, K=,,, k em que:
Leia maisRegressão Linear e Multilinear
Regressão Lear e Multlear Deleameto Expermetal Mestrado em Sstemas de Produção em Agrcultura Medterrâca Modelo de Regressão Lear Smples X Varável Idepedete Y Varável Depedete y =β +β x +ε β ordeada a orgem
Leia maisModelo 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 maisTópicos Extras 2ª parte. Análise de Correlação e Regressão
Tópcos Extras ª parte Aálse de Correlação e Regressão 1 Defções báscas ANÁLISE DE CORRELAÇÃO Mesurar a força da assocação etre as varáves (geralmete através do cálculo de algum coefcete). ANÁLISE DE REGRESSÃO
Leia maisEconometria: 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 maisRegressao 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 maisEm muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.
Prof. Lorí Val, Dr. val@pucrs.r http://www.pucrs.r/famat/val/ Em mutas stuações duas ou mas varáves estão relacoadas e surge etão a ecessdade de determar a atureza deste relacoameto. A aálse de regressão
Leia maisCapítulo 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 maisANÁLISE DE REGRESSÃO E CORRELAÇÃO
ANÁLISE DE REGRESSÃO E CORRELAÇÃO Quado se cosderam oservações de ou mas varáves surge um poto ovo: O estudo das relações porvetura estetes etre as varáves A aálse de regressão e correlação compreedem
Leia maisParte 3 - Regressão linear simples
Parte 3 - Regressão lear smples Defção do modelo Modelo de regressão empregado para eplcar a relação lear etre duas varáves (ajuste de uma reta). O modelo de regressão lear smples pode ser epresso a forma:
Leia maisCap. 5. Testes de Hipóteses
Cap. 5. Testes de Hpóteses Neste capítulo será estudado o segudo problema da ferêca estatístca: o teste de hpóteses. Um teste de hpóteses cosste em verfcar, a partr das observações de uma amostra, se uma
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS Uma uversdade oferece um curso para capactação profssoal de joves caretes. Ao fal do curso, cada jovem partcpate será avalado por meo de uma prova teórca e de uma prova prátca,
Leia maisProfessor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø.
Professor Maurco Lutz 1 EGESSÃO LINEA SIMPLES A correlação lear é uma correlação etre duas varáves, cujo gráfco aproma-se de uma lha. O gráfco cartesao que represeta essa lha é deomado dagrama de dspersão.
Leia maisÉ 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 maisCap. 11 Correlação e Regressão
Estatístca para Cursos de Engenhara e Informátca Pedro Alberto Barbetta / Marcelo Menezes Res / Antono Cezar Borna São Paulo: Atlas, 2004 Cap. 11 Correlação e Regressão APOIO: Fundação de Apoo à Pesqusa
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou expermetal. Numa relação expermetal os valores de uma das varáves
Leia maisRegressão 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 maistem-se que: b) Ao contrário, se pelo menos uma das derivadas parciais,, depender de
Porque se chama: modelo de regressão lear? Nos estudos de regressão busca-se, coforme dto aterormete, relacoar as varáves X e Y por meo da especfcação de uma fução f() Quado Y depede apeas de uma varável
Leia maisANÁLISE DE REGRESSÃO E CORRELAÇÃO
ANÁLISE DE REGRESSÃO E CORRELAÇÃO Quado se cosderam oservações de ou mas varáves surge um poto ovo: O estudo das relações porvetura estetes etre as varáves. A aálse de regressão e correlação compreedem
Leia maisRegressão Múltipla. Parte I: Modelo Geral e Estimação
Regressão Múltpla Parte I: Modelo Geral e Estmação Regressão lnear múltpla Exemplos: Num estudo sobre a produtvdade de trabalhadores ( em aeronave, navos) o pesqusador deseja controlar o número desses
Leia maisRegressão e Correlação
Regressão e Correlação Júlo Osóro Regressão & Correlação: geeraldades Em mutas stuações de pesqusa cetífca, dspomos de uma amostra aleatóra de pares de dados (x, ), resultates da medda cocomtate de duas
Leia maisNOTAS 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 maisConstrução 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 maisRelações entre variáveis: Regressão
Dscpla: 04 Relações etre varáves: Regressão Prof. a Dr. a Smoe Daela Sartoro de Mederos DTASeR-Ar Itrodução Cosdere uma varável aleatóra Y de teresse. Já vmos que podemos escrever essa varável como sedo:
Leia maisLista de Exercícios #9 Assunto: Análise de Regressão Método de Mínimos Quadrados
Lsta de Exercícos #9 Assuto: Aálse de Regressão Método de Mímos Quadrados ANPEC 8 Questão 4 Cosdere o segute modelo de regressão lear smples: () y = β + β x + u Para uma amostra com 3 observações, foram
Leia maisEstudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples.
Estudo das relações etre peso e altura de estudates de estatístca através da aálse de regressão smples. Waessa Luaa de Brto COSTA 1, Adraa de Souza COSTA 1. Tago Almeda de OLIVEIRA 1 1 Departameto de Estatístca,
Leia maisPrevisão de demanda quantitativa Regressão linear Regressão múltiplas Exemplos Exercícios
Objetvos desta apresetação Plaejameto de produção: de Demada Aula parte Mauro Osak TES/ESALQ-USP Pesqusador do Cetro de Estudos Avaçados em Ecooma Aplcada Cepea/ESALQ/USP de demada quattatva Regressão
Leia maisTESTES DE PROPORÇÕES TESTE DE UMA PROPORÇÃO POPULACIONAL
TESTES DE PROPORÇÕES TESTE DE UMA PROPORÇÃO POPULACIONAL As hpóteses a serem testadas serão: H 0 : p p 0 H : p p 0 p > p 0 p < p 0 Estatístca do Teste: pˆ p0 z c p ( p ) 0 0 EXEMPLOS. Uma máqua está regulada
Leia maisProbabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ
Duração: 90 mutos Grupo I Probabldades e Estatístca LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBol, MEBom, MEEC, MEFT, MEMec, MEQ Justfque coveetemete todas as respostas 1 o semestre 018/019 10/01/019 09:00 o
Leia maisESCOLA SUPERIOR DE TECNOLOGIA UNIVERSIDADE DO ALGARVE
SCOLA SUPIO D CNOLOGIA UNIVSIDAD DO ALGAV CUSO BIÁPICO M NGNHAIA CIVIL º cclo egme Duro/Nocturo Dscpla de COMPLMNOS D MAMÁICA Ao lectvo de 7/8 - º Semestre Ídce. egressão lear múltpla.... Itrodução....
Leia maisHipóteses do Modelo de Regressão Linear Clássico
Uversdade Federal da Baha Facldade de Cêcas coômcas Departameto de cooma CO 66 Itrodção à coometra Hpóteses do Modelo de Regressão Lear Clássco Gerváso F. Satos Propredades dos estmadores de MQO As estmatvas
Leia maisA 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 maisDisciplina: Prof. a Dr. a Simone Daniela Sartorio de Medeiros. DTAiSeR-Ar
Dscpla: 04 Relações etre varáves: Regressão Prof. a Dr. a Smoe Daela Sartoro de Mederos DTASeR-Ar Itrodução Cosdere uma varável aleatóra Y de teresse. Já vmos que podemos escrever essa varável como sedo:
Leia maisMétodos Avançados em Epidemiologia
Unversdade Federal de Mnas Geras Insttuto de Cêncas Exatas Departamento de Estatístca Métodos Avançados em Epdemologa Aula 5-1 Regressão Lnear Smples: Estmação e Interpretação da Reta Tabela ANOVA e R
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional. ou experimental.
É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal Prof. Lorí Val, Dr. val@pucrs.br http://www.pucrs.br/famat/val/ ou expermetal. Numa relação expermetal os valores de uma das varáves
Leia maisNas Instituições de Ensino Superior(IES), há uma relação direta entre a qualidade do ensino e a taxa de inadimplência. A taxa de inadimplência das
CORRELAÇÃO Nas Isttuções de Eso Superor(IES), há uma relação dreta etre a qualdade do eso e a taxa de admplêca. A taxa de admplêca das IES que obtveram cocetos A e B o Provão é,%, as que obtveram C é 6%
Leia maisCAPÍTULO 5. Ajuste de curvas pelo Método dos Mínimos Quadrados
CAPÍTULO Ajuste de curvas pelo Método dos Mímos Quadrados Ajuste Lear Smples (ou Regressão Lear); Ajuste Lear Múltplo (ou Regressão Lear Múltpla); Ajuste Polomal; Regressão Não Lear Iterpolação polomal
Leia maisIntrodução à Correlação e Regressão Linear
Itrodução à Correlação e Regressão Lear Ru Carvalho Olvera rolv@st.utl.pt Estatístca Descrtva amostras bvaradas Amostras bvaradas: cada etdade (dvíduo/objecto é caracterzado por um par de varáves (atrbutos
Leia maisMOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES
MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES 1. Obtenha os estmadores dos coefcentes lnear e angular de um modelo de regressão lnear smples utlzando o método
Leia maisESTATÍSTICA 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 mais3. ANPEC Questão 15 Ainda em relação à questão anterior pode-se concluir que, exceto por erro de arredondamento:
Lsta de Exercícos #9 Ass uto: Aáls e de Re gres s ão Mé todo de Mímos Quadrados. ANPEC 99 - Questão 8 A capacdade de produção stalada (Y), em toeladas, de uma frma, pode ser fução da potêca stalada (X),
Leia maisCAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS
CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS No caítulo IV, Iterolação Polomal, estudamos uma forma de ldar com fuções matemátcas defdas or taelas de valores. Frequetemete, estas taelas são
Leia maisEstatística - exestatmeddisper.doc 25/02/09
Estatístca - exestatmeddsper.doc 5/0/09 Meddas de Dspersão Itrodução ão meddas estatístcas utlzadas para avalar o grau de varabldade, ou dspersão, dos valores em toro da méda. ervem para medr a represetatvdade
Leia maisRegressão. Pedro Paulo Balestrassi
Regressão Pedro Paulo Balestrass www.pedro.ufe.edu.br ppbalestrass@gmal.com 5-696 / 88776958 (cel) Questoametos comus: Como mplemetar a equação Y=f(X) a partr de dados hstórcos ou epermetas? Como fazer
Leia maisEstudo 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 mais3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo
3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas
Leia maisCAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS
CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS No caítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas or taelas de valores. Frequetemete, estas taelas são otdas com ase em
Leia maisEstatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual
Estatístca: Aplcação ao Sesorameto Remoto SER 04 - ANO 08 Estmação Potual Camlo Daleles Reó camlo@dp.pe.br http://www.dp.pe.br/~camlo/estatstca/ Iferêca Estatístca Cosdere o expermeto: retram-se 3 bolas
Leia maisx 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 maisModelos de Regressão Linear Simples e Múltipla. Fabio Antonio Avilla (Matemática) Profª Dra. Carine Savalli Redígolo (Orientadora)
Modelos de Regressão Lear Smples e Múltpla Fabo Atoo Avlla (Matemátca) Profª Dra. Care Savall Redígolo (Oretadora) Resumo Dversas áreas do cohecmeto cetífco procuram valdar suas hpóteses por meo de pesqusas
Leia maisDistribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD
Dstrbuções Amostras Estatístca 8 - Dstrbuções Amostras 08- Dstrbuções Amostras Dstrbução Amostral de Objetvo: Estudar a dstrbução da população costtuída de todos os valores que se pode obter para, em fução
Leia maisRegressao Simples. Parte I: Introdução
Regressao Smples Parte I: Itrodução Curso A aplcação da aálse de regressão requer cohecmeto teórco e eperêca com aálse de dados. Este curso procura combar a teora estatístca com a prátca, dado mas efâse
Leia maisProf. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística
Prof. Lorí Val, Dr. http://www.pucrs.br/famat/val/ val@pucrs.br Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Obetvos A Aálse de
Leia maisANÁLISE DOS CUSTOS OPERACIONAIS DE CONCESSIONÁRIAS BRASILEIRAS DE ENERGIA ELÉTRICA UTILIZANDO O MÉTODO DE REGRESSÃO MÚLTIPLA
UNIVERSIDADE FEDERAL DE MINAS GERAIS Curso de Especalzação em Estatístca ANÁLISE DOS CUSTOS OPERACIONAIS DE CONCESSIONÁRIAS BRASILEIRAS DE ENERGIA ELÉTRICA UTILIZANDO O MÉTODO DE REGRESSÃO MÚLTIPLA Belo
Leia maisEconometria: 4 - Regressão Múltipla em Notação Matricial
Ecoometra: 4 - Regressão últpla em Notação atrcal Prof. arcelo C. ederos mcm@eco.puc-ro.br Prof. arco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo
Leia mais5 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 maisTabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f
Lsta de exercícos Gabarto e chave de respostas Estatístca Prof.: Nelse 1) Calcule 1, e para o segute cojuto de valores. A,1,8,0,11,,7,8,6,,9, 1 O úmero que correspode a 5% do rol é o valor. O úmero que
Leia maisRelatório 2ª Atividade Formativa UC ECS
Relatóro 2ª Atvdade Formatva Eercíco I. Quado a dstrbução de dados é smétrca ou apromadamete smétrca, as meddas de localzação méda e medaa, cocdem ou são muto semelhates. O mesmo ão acotece quado a dstrbução
Leia mais6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS
7 6 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS A medção dreta é aquela cuja dcação resulta aturalmete da aplcação do sstema de medção sobre o mesurado Há apeas uma gradeza de etrada evolvda
Leia maisAnálise Exploratória de Dados
Aálse Eploratóra de Dados Objetvos Aálse bvarada: uma varável qualtatva e uma quattatva: represetar grafcamete as duas varáves combadas; defr e calcular uma medda de assocação etre as varáves. Eemplo 1
Leia maisEstatística. 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 maisProbabilidades e Estatística LEGM, LEIC-A, LEIC-T, MA, MEMec
Duração: 90 mutos Grupo I Probabldades e Estatístca LEGM, LEIC-A, LEIC-T, MA, MEMec Justfque coveetemete todas as respostas 2 o semestre 2017/2018 14/06/2018 11:00 2 o Teste B 10 valores 1. Os dvíduos
Leia maisAnálise de Regressão
Análse de Regressão método estatístco que utlza relação entre duas ou mas varáves de modo que uma varável pode ser estmada (ou predta) a partr da outra ou das outras Neter, J. et al. Appled Lnear Statstcal
Leia maisConceitos básicos de metrologia. Prof. Dr. Evandro Leonardo Silva Teixeira Faculdade UnB Gama
Prof. Dr. Evadro Leoardo Slva Teera Faculdade UB Gama Metrologa: Cêca que abrage os aspectos teórcos e prátcos relatvos a medção; Descreve os procedmetos e métodos para determar as certezas de medções;
Leia maisAvaliação 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 maisMacroeconometria 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 mais3 Experimento com Mistura com Respostas Não-Normais
Modelagem em Epermetos Mstura-Processo para Otmzação de Processos Idustras 5 Epermeto com Mstura com Respostas Não-Normas Neste capítulo é apresetado o plaejameto e aálse de um EM com respostas ão ormas,
Leia maisEstatística Básica - Continuação
Professora Adraa Borsso http://www.cp.utfpr.edu.br/borsso adraaborsso@utfpr.edu.br COEME - Grupo de Matemátca Meddas de Varabldade ou Dspersão Estatístca Básca - Cotuação As meddas de tedêca cetral, descrtas
Leia mais7 Análise de covariância (ANCOVA)
Plejameto de Expermetos II - Adlso dos Ajos 74 7 Aálse de covarâca (ANCOVA) 7.1 Itrodução Em algus expermetos, pode ser muto dfícl e até mpossível obter udades expermetas semelhtes. Por exemplo, pode-se
Leia maisAVALIAÇÃO DE GANHOS E PERDAS EM FUNDOS DE INVESTIMENTOS UTILIZANDO REGRESSÃO LINEAR. José Antonio Stark Ferreira
1 AVALIAÇÃO DE GANHOS E PERDAS EM FUNDOS DE INVESTIMENTOS UTILIZANDO REGRESSÃO LINEAR José Atoo Stark Ferrera I - INTRODUÇÃO O presete estudo fo desevolvdo objetvado mesurar os gahos e perdas patrmoas
Leia maisInferência 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 maisProbabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC
Duração: 90 mutos Grupo I Probabldades e Estatístca LEAN, LEGI, LEGM, LMAC, MEAer, MEAmb, MEC Justfque coveetemete todas as respostas 1 o semestre 2018/2019 10/01/2019 11:00 2 o teste B 10 valores 1. Cosdere-se
Leia maisa) 1,8 e 4,6. b) 2,0 e 2,2. c) 1,8 e 5,2. d) 2,0 e 4,6. e) 2,0 e 1,9.
Questão : As otas de dez aluos, um exame, estão dadas a segur:, 5, 8, 3, 6, 5, 8, 7, 6, 0 O desvo médo e a varâca dessas otas podem ser expressos, respectvamete, por: a),8 e 4,6 b),0 e, c),8 e 5, d),0
Leia maisUniversidade Aberta. Modelos de Regressão Linear e Logística. utilizando o software R. João Pedro Bento Clemente da Silva
Uversdade Aberta Modelos de Regressão Lear e Logístca utlzado o software R João Pedro Beto Clemete da Slva Mestrado em Estatístca, Matemátca e Computação Área de especalzação em Estatístca Computacoal
Leia maisRegressão Linear Simples uma revisão
Regressã Lear mples uma revsã A regressã lear é útl quad a varável de teresse (depedete se relaca e é afetada pr uma u mas varáves (depedetes. Cmecems pel mdel que da frma mas smples pssível pde represetar
Leia maisÉ 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: Prof. Lorí Val, Dr. val@pucrs.br http://www.pucrs.br/famat/val www.pucrs.br/famat/val/ correlacoal ou expermetal. Numa relação expermetal os valores
Leia maisESTATÍSTICA Exame Final 1ª Época 3 de Junho de 2002 às 14 horas Duração : 3 horas
Faculdade de cooma Uversdade Nova de Lsboa STTÍSTIC xame Fal ª Época de Juho de 00 às horas Duração : horas teção:. Respoda a cada grupo em folhas separadas. Idetfque todas as folhas.. Todas as respostas
Leia maisMédia. 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 maisANÁLISE 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 maisREGRESSÃO NÃO LINEAR 27/06/2017
7/06/07 REGRESSÃO NÃO LINEAR CUIABÁ, MT 07/ Os modelos de regressão não lnear dferencam-se dos modelos lneares, tanto smples como múltplos, pelo fato de suas varáves ndependentes não estarem separados
Leia maisESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO
Área Cetífca Matemátca Udade Curso Egehara do Ambete Ao º Semestre º Folha Nº 8: Aálse de Regressão e de Correlação Probabldades e Estatístca Ao 00/0. Pretede-se testar um strumeto que mede a cocetração
Leia maisUNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)
UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade
Leia maisEstatística: Aplicação ao Sensoriamento Remoto SER ANO Análise de Regressão
Estatístca: Aplcação ao Sesorameto Remoto SER 4 - ANO 8 Aálse de Regressão Camlo Daleles Reó camlo@dp,pe,r http://www,dp,pe,r/~camlo/estatstca/ Relacoameto etre Varáves atrutos Em qualquer tpo de estudo,
Leia maisRevisão 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 maisCálculo Numérico. Ajuste de Curvas Método dos Mínimos Quadrados. Profa. Vanessa Rolnik 1º semestre 2015
Cálculo Numérco Ajuste de Curvas Método dos Mímos Quadrados Profa. Vaessa Rolk º semestre 05 Ajuste de curvas Para apromar uma fução f por um outra fução de uma famíla prevamete escolhda (caso cotíuo)
Leia maisCapítulo 1. Exercício 5. Capítulo 2 Exercício
UNIVERSIDADE FEDERAL DE GOIÁS CIÊNCIAS ECONÔMICAS ECONOMETRIA (04-II) PRIMEIRA LISTA DE EXERCÍCIOS Exercícos do Gujarat Exercíco 5 Capítulo Capítulo Exercíco 3 4 5 7 0 5 Capítulo 3 As duas prmeras demonstrações
Leia maisAnálise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA
Análse de Regressão Profa Alcone Mranda dos Santos Departamento de Saúde Públca UFMA Introdução Uma das preocupações estatístcas ao analsar dados, é a de crar modelos que explctem estruturas do fenômeno
Leia maisCORRELAÇÃO E REGRESSÃO
CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr
Leia maisEstatística para Economia e Gestão Licenciatura em Economia e Licenciatura em Gestão
Estatístca para Ecooma e Gestão Lcecatura em Ecooma e Lcecatura em Gestão NOVA School of Busess ad Ecoomcs Prof. Luís Catela Nues Eame Fal ª Época 4 de Juho de 0 Duração: horas Materal autorzado: Caeta
Leia maisMEDIDAS DE TENDÊNCIA CENTRAL I
Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, edca Veterára, uscoterapa, Odotologa, Pscologa EDIDAS DE TENDÊNCIA CENTRAL I 7 7. EDIDAS DE
Leia maisCentro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola
Cetro de Cêcas Agráras e Ambetas da UFBA Departameto de Egehara Agrícola Dscpla: AGR Boestatístca Professor: Celso Luz Borges de Olvera Assuto: Estatístca TEMA: Somatóro RESUMO E NOTAS DA AULA Nº 0 Seja
Leia maisProbabilidades e Estatística
Departameto de Matemátca robabldades e Estatístca LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmb, MEBol, MEEC, MEMec 2 o semestre 20/202 2 o Teste B 08/06/202 :00 Duração: hora e 30 mutos Justfque coveetemete
Leia maisCAPÍTULO 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 maisContabilometria. Aula 8 Regressão Linear Simples
Contalometra Aula 8 Regressão Lnear Smples Orgem hstórca do termo Regressão Le da Regressão Unversal de Galton 1885 Galton verfcou que, apesar da tendênca de que pas altos tvessem flhos altos e pas axos
Leia mais? 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 maisMÓDULO 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 maisDistribuições 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 maisNOTAS 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 maisA forma geral de um modelo de regressão linear para uma amostra de tamanho n e p variáveis é apresentada a seguir.
2 Regressão O termo regressão fo proposto pela prmera vez por Sr Fracs Galto (885) um estudo ode demostrou que a altura dos flhos ão tede a refletr a altura dos pas, mas tede sm a regredr para a méda da
Leia maisESTATÍSTICA 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