Experimentos Fatoriais 2 k Fracionados II
|
|
- Nathalie Cunha
- 5 Há anos
- Visualizações:
Transcrição
1 Experimentos Fatoriais 2 k Fracionados II ESALQ/USP 29/09/2016 (ESALQ/USP) Experimentos Fatoriais 2 k Fracionados II 29/09/ / 35
2 Um quarto do fatorial completo (Fatorial fracionado 2 k 2 ) Quando utilizar? Em situações em que há um número grande de fatores (k 5) O fatorial possui 2k 4 = 2k 2 tratamentos Ex. k = 6 fatores número de tratamentos = = 2 4 = 16 Pode ser construído baseando-se num fatorial completo 2 k 2, isto é, com k 2 fatores Escolher, em seguida, dois geradores, representados por P e Q, e uma das relações definidoras: 1 I = +P e I = +Q (fração principal) 2 I = P e I = +Q 3 I = +P e I = Q 4 I = P e I = Q As quatro frações pertencem à mesma família pois são baseadas nos mesmos geradores, P e Q (ESALQ/USP) Experimentos Fatoriais 2 k Fracionados II 29/09/ / 35
3 Construção de um fatorial fracionado 2 k 2 Exemplo: k = 5 fatores: A, B, C, D e E Efeitos geradores: ABD e ACE Relações definidoras da fração principal: I = +ABD e I = +ACE Neste caso, D.I = +ABD 2 D = +AB e E.I = +ACE 2 E = +AC Vamos partir do fatorial completo 2 3 envolvendo os fatores A, B e C (ESALQ/USP) Experimentos Fatoriais 2 k Fracionados II 29/09/ / 35
4 Tabela: Fatorial fracionado III dado pelas relações definidoras I = +ABD D = +AB e I = +ACE E = +AC Fatorial 2 3 A B C D = +AB E = +AC Trat. + + de + a + + be abd + + cd ace + + bc abcde (ESALQ/USP) Experimentos Fatoriais 2 k Fracionados II 29/09/ / 35
5 Relação definidora completa de um fatorial. Consiste na relação de todas as colunas que são iguais à coluna identidade I No caso em questão, temos que I = (+ABD).(+ACE) = +A 2 BCDE = +BCDE Logo a relação definidora completa será: I = +ABD = +ACE = +BCDE ABD, ACE e BCDE, presentes na relação definidora completa, são chamadas palavras O número de letras da menor palavra da relação definidora fornece a resolução do fatorial considerado, no caso, resolução III Exercício 1. Obtenha a estrutura de associações para o fatorial do exemplo (ESALQ/USP) Experimentos Fatoriais 2 k Fracionados II 29/09/ / 35
6 I = +ABD = +ACE = +BCDE Associações: A = +BD = +CE = +ABCDE B = +AD = +ABCE = +CDE C = +ABCD = +AE = +BDE D = +AB = +ACDE = +BCE E = +ABDE = +AC = +BCD BC = +ACD = +ABE = +DE BE = +ADE = +ABC = +CD (ESALQ/USP) Experimentos Fatoriais 2 k Fracionados II 29/09/ / 35
7 Associações: l A A + BD + CE + ABCDE l B B + AD + CDE + ABCE l C C + AE + BDE + ABCD l D D + AB + BCE + ACDE l E E + AC + BCD + ABDE l BC BC + DE + ABE + ACD l BE BE + CD + ABC + ADE Exercício 2. Qual é resolução do fatorial fracionado dado pelas relações definidoras I = ABCD e I = BCDE? Por que? (ESALQ/USP) Experimentos Fatoriais 2 k Fracionados II 29/09/ / 35
8 Exercício 3. Construa um outro fatorial fracionado III pertencente à mesma família do fatorial fracionado apresentado no exemplo (Utilize, por exemplo, as relações definidoras I = +ABD e I = ACE) a) Obtenha sua relação definidora completa b) Obtenha sua estrutura de associações c) Responda. Se obtivermos resultados relativos às frações principal e alternativa considerada, o que estaremos estimando por meio de: 1 2 (l C + l C ), 1 2 (l C l C ), 1 2 (l E + l E ), 1 2 (l E l E ), 1 2 (l BC + l BC ) e 1 2 (l BE l BE )? Exercício 4. Obtenha a relação definidora completa e a estrutura de associações do fatorial fracionado IV dado pelas relações I = +ABCE e I = +BCDF. Quando estimamos o efeito AB, o que estamos, na verdade, estimando? (ESALQ/USP) Experimentos Fatoriais 2 k Fracionados II 29/09/ / 35
9 Exemplo 8-4 de Montgomery Códigos em R # Planejamento expt = cube(~a+b+c+d, generators = c(e~a*b*c, F~B*C*D), n0=0) expt # Planejamento na sequência padrão stdorder(expt) # Entrada dos dados na sequência padrão y = c(6,10,32,60,4,15,26,60,8,12,34,60,16,5,37,52) # Análise utilizando a função lm modelo1 =lm(y ~ A*B*C*D*E*F, data=stdorder(expt)) summary(modelo1) (ESALQ/USP) Experimentos Fatoriais 2 k Fracionados II 29/09/ / 35
10 Planejamento run.order std.order A.as.is B.as.is C.as.is D.as.is E.as.is F.as.is (ESALQ/USP) Experimentos Fatoriais 2 k Fracionados II 29/09/ / 35
11 Estimativas dos coeficientes do modelos de regressão Coefficients: (48 not defined because of singularities) Estimate Std. Error t value Pr(> t ) (Intercept) NA NA NA A NA NA NA B NA NA NA C NA NA NA D NA NA NA E NA NA NA F NA NA NA A:B NA NA NA A:C NA NA NA B:C NA NA NA A:D NA NA NA B:D NA NA NA C:D NA NA NA D:E NA NA NA A:B:D NA NA NA A:C:D NA NA NA (ESALQ/USP) Experimentos Fatoriais 2 k Fracionados II 29/09/ / 35
12 Estimativas dos efeitos > efeitos = na.omit(2*coef(modelo1)[-1]) > efeitos A B C D E F A:B A:C B:C A:D B:D C:D D:E A:B:D A:C:D Estimativas dos efeitos em ordem crescente > sort(efeitos) A:D A:C:D B:C A:C C B:D C:D A:B:D F E D:E D A:B A B Gráfico normal de probabilidades para os efeitos fatoriais > qqnorm(efeitos,main="", xlab="quantis teóricos", ylab="estimativas dos efeitos", col="blue") > qqline(efeitos, col="red") (ESALQ/USP) Experimentos Fatoriais 2 k Fracionados II 29/09/ / 35
13 Estimativas dos efeitos Quantis teóricos Figura: Gráfico normal de probabilidades dos efeitos fatoriais (ESALQ/USP) Experimentos Fatoriais 2 k Fracionados II 29/09/ / 35
14 Analisando o gráfico normal de probabilidades dos efeitos fatoriais, podemos ver que os únicos efeitos que se destacam são: A, B e (AB + CE) Uma vez que os efeitos principais A e B se destacam, consideraremos que o efeito AB se sobressai sobre o efeito CE Chegamos, assim, ao modelo: ŷ = 27, ,9375x ,8125x 2 + 5,9375x 1 x 2 (1) Modelo e análise de resíduos library(lattice) modelo2 = rsm(y ~ FO(A,B) + TWI(A,B), data=stdorder(expt)) summary(modelo2) par(mfrow=c(1,3)) plot(modelo2) par(mfrow=c(1,1)) (ESALQ/USP) Experimentos Fatoriais 2 k Fracionados II 29/09/ / 35
15 Modelo Estimate Std. Error t value Pr(> t ) (Intercept) e-11 *** A e-05 *** B e-09 *** A:B *** --- Signif. codes: 0 *** ** 0.01 * Multiple R-squared: ,Adjusted R-squared: F-statistic: on 3 and 12 DF, p-value: 7.837e-09 Analysis of Variance Table Response: y Df Sum Sq Mean Sq F value Pr(>F) FO(A, B) e-09 TWI(A, B) Residuals Lack of fit Inf Pure error (ESALQ/USP) Experimentos Fatoriais 2 k Fracionados II 29/09/ / 35
16 Residuals Residuals vs Fitted Standardized residuals Normal Q Q 14 Standardized residuals Scale Location Fitted values Theoretical Quantiles Fitted values Figura: Da esquerda para a direita: gráfico do resíduos vs valores ajustados; gráfico normal de probabilidades dos resíduos e gráfico das raízes quadradas dos valores absolutos dos resíduos padronizados vs valores ajustados (ESALQ/USP) Experimentos Fatoriais 2 k Fracionados II 29/09/ / 35
17 Analisando o gráfico do resíduos vs valores ajustados, observamos que não há observações atípicas; Analisando o gráfico normal de probabilidades dos resíduos, observamos que os erros têm distribuição aparentemente normal Analisando gráfico das raízes quadradas dos valores absolutos dos resíduos padronizados vs valores ajustados, observamos que a variabilidade se mantém constante com o aumento dos valores ajustados, não sugerindo uma eventual transformação dos dados Como os gráficos estão satisfatórios, o modelo está aparentemente adequado (ESALQ/USP) Experimentos Fatoriais 2 k Fracionados II 29/09/ / 35
18 Gráfico do efeito da interação AB library(lattice) xyplot(y ~ A, groups = B, type="a", data=stdorder(expt), ylab="encolhimento médio (%)", auto.key = list(space = "right", points = FALSE, lines = TRUE)) 60 Encolhimento médio (%) A Figura: Gráfico do efeito da interação AB (temperatura do molde velocidade do parafuso) sobre a porcentagem de encolhimento do produto (ESALQ/USP) Experimentos Fatoriais 2 k Fracionados II 29/09/ / 35
19 A partir do gráfico da interação AB, observamos que o processo de moldagem por injeção é muito pouco sensível à temperatura do molde (A) quando a velocidade do parafuso (B) está em seu nível mais baixo Entretanto, é muito sensível à temperatura do molde quando a velocidade do parafuso está em seu nível mais alto Com a velocidade do parafuso em seu nível mais baixo, o processo de moldagem produz um encolhimento médio de aproximadamente 10% Baseando-se nesta análise inicial, o grupo de profissionais envolvidos resolveu adotar ambos os fatores em seus níveis mais baixos (ESALQ/USP) Experimentos Fatoriais 2 k Fracionados II 29/09/ / 35
20 Considerações adicionais: O modelo de regressão (1) utilizado para produzir os resíduos essencialmente removem os efeitos de locação de A, B e AB Os resíduos, portanto, podem conter informação sobre eventuais variabilidades não explicadas (somente quando o modelo de regressão está adequado!!). Vejamos um exemplo Gráfico dos resíduos vs tempo de espera (C) e box-plot dos resíduos vs tempo de espera (C) res = residuals(modelo2) plot(res ~ C, data=stdorder(expt), xlab="tempo de espera (C)", ylab="resíduos") abline(h=0) boxplot(res ~ C, data=stdorder(expt), xlab="tempo de espera (C)", ylab="resíduos") (ESALQ/USP) Experimentos Fatoriais 2 k Fracionados II 29/09/ / 35
21 Resíduos Resíduos Tempo de espera (C) 1 1 Tempo de espera (C) Figura: Gráfico dos resíduos vs tempo de espera, à esquerda, e box-plot dos resíduos vs tempo de espera, à direita (ESALQ/USP) Experimentos Fatoriais 2 k Fracionados II 29/09/ / 35
22 A partir de qualquer um dos gráficos apresentados na figura anterior, observamos que a variabilidade (ou dispersão) dos valores de encolhimento é aparentemente menor quando consideramos um menor tempo de espera Temos que o desvio padrão dos oito resíduos em que C está em seu nível inferior é S(C ) = 1, e o desvio padrão dos oito resíduos em que C está em seu nível superior é S(C + ) = 5, A estatística F C = ln S 2 (C + ) S 2 (C ) tem distribuição aproximadamente normal se as duas variâncias, σ 2 (C + ) e σ 2 (C ) forem iguais Para ilustrar os cálculos, o valor de F C é FC = ln S 2 (C + ) (5,695785)2 S 2 (C = ln ) (1,629801) 2 = 2, (ESALQ/USP) Experimentos Fatoriais 2 k Fracionados II 29/09/ / 35
23 Conjunto de contrastes para o fatorial e resíduos do modelo (1) A B C D E F A:B A:C B:C A:D B:D C:D D:E A:B:D A:C:D res (ESALQ/USP) Experimentos Fatoriais 2 k Fracionados II 29/09/ / 35
24 Com base na tabela de contrastes, podemos, para cada coluna, calcular o desvio padrão dos resíduos para cada grupo de sinais, digamos S(i + ) e S(i ), i = 1,..., 15 Então F i = ln S 2 (i + ) S 2 (i ) é uma estatística que pode ser utilizada para avaliar a magnitude dos efeitos de dispersão no experimento (ESALQ/USP) Experimentos Fatoriais 2 k Fracionados II 29/09/ / 35
25 Gráfico normal de probabilidade dos efeitos de dispersão (F i ) modelo1 = lm(y ~ A*B*C*D*E*F, data=stdorder(expt)) modelo2 = rsm(y ~ FO(A,B)+TWI(A,B), data=stdorder(expt)) res = residuals(modelo2) X = model.matrix(modelo1) n = nrow(x)/2 S2_plus= (((t(x==+1) %*% (res^2)) -(t(x==+1) %*% res)^2/n)/(n/2-1)) S2_minus=(((t(X==-1) %*% (res^2)) -(t(x==-1) %*% res)^2/n)/(n/2-1)) Fstat=log(S2_plus/S2_minus) ind=1-is.na(coef(modelo1)) Fstat=Fstat[ind==1][-1] names(fstat)=names(coef(modelo1))[ind==1][-1] round(sort(fstat),2) qqnorm(fstat,main="", col="blue", xlab="quantis teóricos", ylab="efeitos de qqline(fstat, col="red") (ESALQ/USP) Experimentos Fatoriais 2 k Fracionados II 29/09/ / 35
26 Efeitos de dispersão (F_i) Quantis teóricos Figura: Gráfico normal de probabilidade dos efeitos de dispersão (F i ) (ESALQ/USP) Experimentos Fatoriais 2 k Fracionados II 29/09/ / 35
27 Efeitos de dispersão (F i ) em ordem crescente > round(sort(fstat),2) A:C A F B:C B:D B E A:B A:C:D A:D D C:D A:B:D D:E C O gráfico normal de probabilidades dos efeitos de dispersão (F i ) indica que o fator C tem exerce um efeito positivo grande sobre a dispersão Portanto, fixando o tempo de espera, C, em seu menor nível contribuirá para a redução da variabilidade do encolhimento (ESALQ/USP) Experimentos Fatoriais 2 k Fracionados II 29/09/ / 35
28 Figura: Encolhimento médio e amplitude do encolhimento (R) em função dos níveis dos fatores A, B e C (ESALQ/USP) Experimentos Fatoriais 2 k Fracionados II 29/09/ / 35
29 Fatorial fracionado 2 k p Temos k fatores com 2 níveis cada Fração 1 2 p do fatorial 2k. Notação: 2 k p São necessários p geradores não associados para a sua construção Relação definidora completa: p geradores e suas interações Ver Tabela 8-14 para obter as frações com maior resolução possível e mínima aberração (ver conceito no livro) Exemplo: Um oitavo do fatorial 2 7 (fatorial fracionado IV ) ou seja, E = ±ABC F = ±BCD G = ±ACD I = ±ABCE I = ±BCDF I = ±ACDG (ESALQ/USP) Experimentos Fatoriais 2 k Fracionados II 29/09/ / 35
30 Fatorial fracionado 2 k p Relação definidora completa da fração principal: I = +ABCE = +BCDF = +ACDG = +ADEF = +BDEG = +ABFG = +CEFG Considerando que os efeitos de interações envolvendo três ou mais fatores são desprezíveis, temos excelente informação sobre os efeitos principais. Ex. A = +BCE = +ABCDF = +CDG = +DEF = +ABDEG = +BFG = +ACEFG Temos, por outro lado, que efeitos de interações duplas estão associados a outros efeitos de interações duplas. Ex AB = +CE = +ACDF = +BCDG = +BDEF = +ADEG = +FG = +ABCEFG ou, resumidamente, ou, ainda, AB = +CE = +FG l AB +AB + CE + FG (ESALQ/USP) Experimentos Fatoriais 2 k Fracionados II 29/09/ / 35
31 Tabela: Construção do fatorial fracionado IV (fração principal) i A B C D E = +ABC F = +BCD G = +ACD (ESALQ/USP) Experimentos Fatoriais 2 k Fracionados II 29/09/ / 35
32 Projeções do fatorial 2 k p Consideremos o exemplo anterior. Temos, então, que: A, B, C e D formam, por exemplo, um fatorial completo 2 4 A, B e C; A, B e D; A, C e D; B, C e D formam, por exemplo, fatoriais completos 2 3 com 2 repetições Como utilizar essa informação no planejamento? (ESALQ/USP) Experimentos Fatoriais 2 k Fracionados II 29/09/ / 35
33 Exemplo: k = 7 fatores: Fator 1, Fator 2,..., Fator 7 variável resposta y = produção Estamos quase certos de que os fatores 2, 3, 6 e 7 e possivelmente algumas de suas interações afetam a produção O papel dos demais fatores não é muito conhecido mas acreditamos que não afetam a produção (ESALQ/USP) Experimentos Fatoriais 2 k Fracionados II 29/09/ / 35
34 Estratégia de planejamento: Fatores 2, 3, 6 e 7 atribuídos, respectivamente, às colunas A, B, C e D Fatores 1, 4 e 5 atribuídos, respectivamente, às colunas E, F, e G Se estivermos certos, E, F e G não serão significativos e terminaremos com um fatorial completo 2 4 envolvendo os fatores A, B, C e D (ESALQ/USP) Experimentos Fatoriais 2 k Fracionados II 29/09/ / 35
35 Exercícios Exercícios 3 e 4 (Ver transparência 8) Experimento do helicóptero (fatorial completo). Verifique a influência dos fatores sobre a variabilidade dos tempos de queda dos helicópteros. Para isso, construa o gráfico normal de probabilidades dos efeitos de dispersão e interprete-o Faça os itens (a) e (e) do exercício 8-26 (Montgomery, 2001, p.355-7) (ESALQ/USP) Experimentos Fatoriais 2 k Fracionados II 29/09/ / 35
Experimentos Fatoriais 2 k em Blocos
Experimentos Fatoriais 2 k em Blocos Prof. Dr. Silvio Sandoval Zocchi 15 de Setembro de 2016 Prof. Dr. Silvio Sandoval Zocchi Experimentos Fatoriais 2 k em Blocos 15 de Setembro de 2016 1 / 32 1. Introdução
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semana Conteúdo 1 Apresentação da disciplina. Princípios de modelos lineares
Leia maisUFRJ - CCMN - IM - Departamento de Métodos Estatísticos Planejamento de Experimentos - P2 Turma: MAA
UFRJ - CCMN - IM - Departamento de Métodos Estatísticos Planejamento de Experimentos - P2 Turma: MAA 18-06-2012 1. (Montgomery e Runger) Quatro fatores influenciam o sabor de um refrigerante, a saber,
Leia maisPlanejamento de Experimentos. 8. Experimentos Fatoriais Fracionários 2 k
Planejamento de Experimentos 8. Experimentos Fatoriais Fracionários 2 k 1 Exemplo 8.5: Suponha um experimento para o qual há sete fatores a serem investigados. O interesse está na estimação dos efeitos
Leia maisPlanejamento de Experimentos
Planejamento de Experimentos 1 6.4 Os Modelos fatoriais 2 k : o caso geral. O modelo estatístico para um plano 2 k inclui k ( k 2 ( k ) ) efeitos principais efeitos de interação de ordem 2 efeitos de interação
Leia maisPlanejamento e Otimização de Experimentos
Planejamento e Otimização de Experimentos Planejamentos Fatoriais 2 Prof. Dr. Anselmo E de Oliveira anselmo.quimica.ufg.br anselmo.disciplinas@gmail.com Planejamento Fatorial Fracionário k fatores 2 k
Leia maisExperimentos Fatoriais 2 k Fracionados
Experimentos Fatoriais k Fracionados Prof. Silvio S. Zocchi ESALQ/USP /09/015 Prof. Silvio S. Zocchi (ESALQ/USP) Experimentos Fatoriais k Fracionados /09/015 1 / 8 1. Introdução Ex. Fatorial com k = 6
Leia mais+ 2. = - 1 se A = 15 = 1 se A = 25
Yˆ = 7,5 + 8, X + 5,00 X = - se A = 5 = se A = 5 = - se B = = se B = Exemplo 8.6...4. Outro exemplo: Fatorial ³ Montgomery (997), p. 05. Estudo do efeito da porcentagem de carbonation, A, pressão de operação,
Leia maisBIE5782. Unidade 7: INTRODUÇÃO AOS MODELOS LINEARES
BIE5782 Unidade 7: INTRODUÇÃO AOS MODELOS LINEARES ROTEIRO 1.Motivação 2. Método dos mínimos quadrados 3. Ajuste no R: função lm 4. Resultado no R: objeto lm 5. Premissas, interpretação e diagnóstico 6.
Leia mais9. Experimentos Fatoriais Confundidos em Blocos. Algumas vezes a aleatorização completa fica restringida.
9. Experimentos Fatoriais Confundidos em Blocos Algumas vezes a aleatorização completa fica restringida. Por exemplos, talvez não seja possível rodar todos os ensaios: No mesmo dia; Na mesma sala; Com
Leia maisUNIVERSIDADE FEDERAL DA FRONTEIRA SUL Campus CERRO LARGO. PROJETO DE EXTENSÃO Software R: de dados utilizando um software livre.
UNIVERSIDADE FEDERAL DA FRONTEIRA SUL Campus CERRO LARGO PROJETO DE EXTENSÃO Software R: Capacitação em análise estatística de dados utilizando um software livre. Fonte: https://www.r-project.org/ Módulo
Leia maisb) Teste a hipótese de efeito significante do tamanho da população sobre a venda do produto, na presença de renda per capita
Exemplo 1 (continuação a Estime por intervalo de 95% de confiança, o aumento do número médio de lotes vendidos devido a 1000 pessoas a mais na população, mantendo a renda per capita fixa b Teste a hipótese
Leia maisUma visão diferente do Teorema de Laplace
Uma visão diferente do Teorema de Laplace Teorema de Laplace: O determinante de uma matriz quadrada A de ordem n 2 é igual à soma dos produtos dos elementos de uma fila qualquer (linha ou coluna) por seus
Leia maisTeste F-parcial 1 / 16
Teste F-parcial Ingredientes A hipótese nula, H 0, define o modelo restrito. A hipótese alternativa, H a : H 0 é falsa, define o modelo irrestrito. SQR r : soma de quadrado dos resíduos associada à estimação
Leia maisANOVA com modelos encaixados
ANOVA com modelos encaixados Motivação 1 Testar a significância de β j ( j = 0, 1,, p na presença das demais regressoras, usando o teste t, é trabalho, pois precisa de: ^β e ^Var (^β j = ^σ 2 j c ( j+1(
Leia maisTeste F-parcial 1 / 16
Teste F-parcial A hipótese nula, H 0, define o modelo restrito. Ingredientes SQR r : soma de quadrado dos resíduos sob H 0. R 2 r: coeficiente de determinação sob H 0. g: número de restrições a serem testadas
Leia maisCurso de MINITAB Universidade Federal de Ouro Preto. Planejamento de Experimentos (DOE)
Planejamento de Experimentos (DOE) - Introdução Um experimento é um procedimento no qual as alterações propositais são feitas nas variáveis de entrada de um processo ou sistema, de modo que se possa avaliar
Leia maisPlanejamento e Otimização de Experimentos
Planejamento e Otimização de Experimentos Planejamentos Fatoriais Prof. Dr. Anselmo E de Oliveira anselmo.quimica.ufg.br anselmo.disciplinas@gmail.com Fatores e Níves Fatores ou Variáveis Temperatura Pressão
Leia maisPrecificação de apartamentos para o bairro Água Verde em Curitiba
Precificação de apartamentos para o bairro Água Verde em Curitiba Chuck Norris Arnold Schwarzenegger 18 de julho de 2013 O preço de imóveis depende principalmente do seu tamanho e localização. A infraestrutura
Leia maisTrabalho 5. Gustavo Mello Reis Página 1
Trabalho 5 Gustavo Mello Reis Página ) a) Uma empresa fabricante de pentes deseja melhorar seu controle de qualidade. Para isto, a empresa selecionou 5 lotes de 00 unidades. Para cada lote foram amostrados
Leia maisAvaliação do conteúdo de potássio em grãos de soja em função dos níveis de água a potássio aplicados
Avaliação do conteúdo de potássio em grãos de soja em função dos níveis de água a potássio aplicados Walmes Marques Zeviani 1 Material e métodos O experimento foi instalado em casa de vegetação no Campus
Leia maisPlanejamento de Experimentos
Planejamento de Experimentos Exercício 6.17 Um pesquisador rodou uma única replicação de um plano 2 4, tendo obtido as seguintes estimativas dos efeitos: A = 76, 95, B = 67, 52, C = 7, 84 e D = 18, 73
Leia maisCapacitação em R e RStudio PROJETO DE EXTENSÃO. Software R: capacitação em análise estatística de dados utilizando um software livre.
UFFS Universidade Federal da Fronteira Sul Campus Cerro Largo PROJETO DE EXTENSÃO Software R: capacitação em análise estatística de dados utilizando um software livre Fonte: https://www.r-project.org/
Leia maisMEDIÇÃO DA QUALIDADE DO VINHO BRANCO NORTE PORTUGUÊS
Universidade Federal do Paraná Departamento de Estatística MEDIÇÃO DA QUALIDADE DO VINHO BRANCO NORTE PORTUGUÊS CE225 - Modelos Lineares Generalizados Francielle Przibiciem de Mattos GRR20124686 Guilherme
Leia maisGabarito Lista 2 LES0773 Estatística III. Os resultados dessa regressão são apresentados na seguinte tabela:
Gabarito Lista 2 LES0773 Estatística III Exercício 1) Utilizando a ferramenta Análise de Dados e a sua função Regressão, foi realizada uma regressão levando em consideração os gastos com PD como variável
Leia maisUNIVERSIDADE DE SÃO PAULO
UNIVERSIDADE DE SÃO PAULO ESCOLA SUPERIOR DE AGRICULTURA "LUIZ DE QUEIROZ" DEPARTAMENTO DE CIÊNCIAS EXATAS RELATÓRIO DE ATIVIDADE PRÁTICA Relatório da aula prática nº 2, da disciplina LCE602 - Estatística
Leia maisIntrodução aos Modelos Lineares em Ecologia
Introdução aos Modelos Lineares em Ecologia Prof. Adriano Sanches Melo - Dep. Ecologia UFG asm.adrimelo no gmail.com Página do curso: www.ecologia.ufrgs.br/~adrimelo/lm/ Livro-texto: Crawley, M.J. 2005.
Leia maisAnálise de dados em Geociências
Análise de dados em Geociências Regressão Susana Barbosa Mestrado em Ciências Geofísicas 2014-2015 Resumo Introdução Regressão linear dados independentes séries temporais Regressão de quantis Regressão
Leia maisLista de Exercicios 3
Departamento de Física é Matemática. USP-RP. Prof. Rafael A. Rosales 3 de junho de 2009 Lista de Exercicios 3 ANOVA. Regressão Linear Simples Exercício 77. Três diferentes bancos possuem agências de mesmo
Leia maisProjeto de Experimentos
Projeto de Experimentos Introdução: cap. 16 do texto (Jain) Projetos 2 k fatorial: caps. 17, 18 e 19 do texto (Jain) Experimentos de um-fator: cap. 20 do texto (Jain) Terminologia do Projeto de Experimentos
Leia maisRegression and Clinical prediction models
Regression and Clinical prediction models Session 6 Introducing statistical modeling Part 2 (Correlation and Linear regression) Pedro E A A do Brasil pedro.brasil@ini.fiocruz.br 2018 Objetivos Continuar
Leia maisMRLM COM COVARIÁVEIS CATEGÓRICAS. criar uma variável dummy para representar uma categoria da variável. variável dummy: assume só dois valores: 0 ou 1
MRLM COM COVARIÁVEIS CATEGÓRICAS Como quantificar o efeito das categorias de uma variável sobre a resposta Y? (exemplo: efeito de sexo masculino/feminino sobre salário) criar uma variável dummy para representar
Leia maisAprendizado de Máquina (Machine Learning)
Ciência da Computação (Machine Learning) Aula 14 Regras de Associação Max Pereira Regras de Associação Motivação O que é geralmente comprado junto com o produto x? Que pares de produtos são comprados juntos?
Leia maisPlanejamento de Experimentos. 7 Blocagem e Confundimento(Superposição) nos Planos 2 k
Planejamento de Experimentos 7 Blocagem e Confundimento(Superposição) nos Planos 2 k 7.1 Introdução Em muitas situações é impossível rodar todas as combinações de tratamento num plano 2 k sob condições
Leia maisPlanejamento de Experimentos
Planejamento de Experimentos 8. Planos Fatoriais Fracionários 2 k 8.1 Introdução A medida que o número de fatores k cresce, o número de combinações de tratamento em cada replicação cresce exponencialmente
Leia mais1 semestre de 2014 Gabarito Lista de exercícios 3 - Estatística Descritiva III C A S A
Exercício 1. (1,0 ponto). A tabela a seguir mostra o aproveitamento conjunto em Física e Matemática para os alunos do ensino médio de uma escola. Notas Notas Notas Física/Matemática Altas Regulares Baixas
Leia maisEstudo de Triângulos - Teorema de Menelaus e Relação de Stewart. 9 ano E.F. Professores Cleber Assis e Tiago Miranda
Estudo de Triângulos - Teorema de Menelaus e Relação de Stewart Relação de Stewart 9 ano E.F. Professores Cleber Assis e Tiago Miranda Estudo de Triângulos - Teorema de Menelaus e Relação de Stewart Relação
Leia maisIntrodução Regressão linear Regressão de dados independentes Regressão não linear. Regressão. Susana Barbosa
Regressão Susana Barbosa Mestrado em Ciências Geofísicas 2012-2013 Regressão linear x : variável explanatória y : variável resposta Gráfico primeiro! Gráfico primeiro! Gráfico primeiro! Modelo linear x
Leia maisCE062c José Luiz Padilha da Silva e Cesar Augusto Taconeli 13 de setembro de 2018
CE062c José Luiz Padilha da Silva e Cesar Augusto Taconeli 13 de setembro de 2018 Examplo usando gamlssnp(): dados de cérebros de animais O tamanho do cérebro (brain) e peso corporal (body) foram registrados
Leia maisUNIVERSIDADE FEDERAL DO RIO GRANDE Instituto de Matemática, Estatística e Física Programa de Pós-Graduação em Modelagem Computacional
UNIVERSIDADE FEDERAL DO RIO GRANDE Instituto de Matemática, Estatística e Física Programa de Pós-Graduação em Modelagem Computacional MINICURSO DE CORRELAÇÃO, REGRESSÃO LINEAR SIMPLES E ANOVA Ministrantes:
Leia maisUNIVERSIDADE DE MOGI DAS CRUZES - UMC COMISSÃO PRÓPRIA DE AVALIAÇÃO CPA
UNIVERSIDADE DE MOGI DAS CRUZES - UMC COMISSÃO PRÓPRIA DE AVALIAÇÃO CPA PROJETO: PERFIL DOS ALUNOS DOS CURSOS DE GRADUAÇÃO DA UNIVERSIDADE DE MOGI DAS CRUZES UMC RELATÓRIO 2011 I. Apresentação O projeto
Leia maisFatos inesperados na execução de um experimento: o que fazer?
Fatos inesperados na execução de um experimento: o que fazer? Jordânia Furtado de Oliveira 1 Jocelânio Wesley de Oliveira 2 Carla Almeida Vivacqua 3 1 Introdução Em alguns experimentos, a execução acontece
Leia maisMLG gama em R. # Estatísticas descritivas by(dados$resist, dados[, c("volt", "temp")], function(x) c(length(x), mean(x), sd(x), sd(x) / mean(x)))
MLG gama em R Este exemplo refere-se a um experimento em que a resistência (em horas) de um determinado tipo de vidro foi avaliada segundo quatro valores de voltagem (200, 250, 300 e 350, em kilovolts)
Leia maisIntrodução aos experimentos fatoriais
Introdução aos experimentos fatoriais Importância e especificação Prof. Walmes Zeviani walmes@ufpr.br Laboratório de Estatística e Geoinformação Departamento de Estatística Universidade Federal do Paraná
Leia maisRELACÃO DO CRIME EM CIDADES PEQUENAS COM CUSTO, IDADE E ANOS DE ESTUDO DE ESTADOS DA AMERICA DO NORTE
Universidade Federal do Paraná Setor de Ciências Exatas Departamento de Estatística RELACÃO DO CRIME EM CIDADES PEQUENAS COM CUSTO, IDADE E ANOS DE ESTUDO DE ESTADOS DA AMERICA DO NORTE CE225 - Modelos
Leia maisVariável dependente Variável independente Coeficiente de regressão Relação causa-efeito
Unidade IV - Regressão Regressões Lineares Modelo de Regressão Linear Simples Terminologia Variável dependente Variável independente Coeficiente de regressão Relação causa-efeito Regressão correlação Diferença
Leia maisME613 - Análise de Regressão
ME613 - Análise de Regressão Parte 2 Propriedades dos estimadores Samara F. Kiihl - IMECC - UNICAMP Suposições do modelo de regressão linear simples Suposições do modelo de regressão linear simples Até
Leia mais5.3 Experimentos fatoriais a dois fatores (Revisando...)
5. Experimentos Fatoriais 5.3 Experimentos fatoriais a dois fatores (Revisando...) Modelo de Efeitos Y ijk = µ+τ i +β j +(τβ) ij +ɛ ijk, i = 1, 2,..., a j = 1, 2,..., b k = 1, 2,..., n Ambos os fatores
Leia maisMódulo de Elementos básicos de geometria plana. Condição de alinhamentos de três pontos e a desigualdade triangular. Oitavo Ano
Módulo de Elementos básicos de geometria plana Condição de alinhamentos de três pontos e a desigualdade triangular Oitavo Ano Condição de alinhamentos de três pontos e a desigualdade triangular Exercícios
Leia maisAplicação do Projeto de Experimentos para Otimização de uma Inovação Tecnológica
Aplicação do Projeto de Experimentos para Otimização de uma Inovação Tecnológica Mariela Haidée Aranda (UFRGS) mariela@producao.ufrgs.br Carlos Fernando Jung (UFRGS) jung@faccat.br Carla Schwengber ten
Leia maisPlanejamento de Experimentos
Planejamento de Experimentos 6. Os Modelos fatoriais 2 k Trataremos agora de um caso especial de experimentos fatoriais no qual todos os fatores têm apenas dois níveis. Tais níveis podem ser quantitativos
Leia maisUniversidade Federal do Ceará
Universidade Federal do Ceará Faculdade de Economia Vicente Lima Crisóstomo Fortaleza, 2011 1 Sumário Introdução Estatística Descritiva Probabilidade Distribuições de Probabilidades Amostragem e Distribuições
Leia maisMCE1540 UTILIZAÇÃO DA CATAPULTA COMO INSTRUMENTO DE APRENDIZAGEM DA TÉCNICA DE DESENHO DE EXPERIMENTOS (DOE) COM USO DO SOFTWARE
XVII Encontro de Iniciação Científica XIII Mostra de Pós-graduação VII Seminário de Extensão IV Seminário de Docência Universitária 16 a 20 de outubro de 2012 INCLUSÃO VERDE: Ciência, Tecnologia e Inovação
Leia maisFalha(s) nas pressuposições da ANOVA
Falha(s) nas pressuposições da ANOVA Prof. a Dr. a Simone Daniela Sartorio de Medeiros DTAiSeR-Ar 1 Na prática, é comum que uma ou mais hipóteses não se verifique. A mais comum é não existir homocedasticidade.
Leia maisTÉCNICAS EXPERIMENTAIS APLICADAS EM CIÊNCIA DO SOLO
TÉCNICAS EXPERIMENTAIS APLICADAS EM CIÊNCIA DO SOLO Mario de Andrade Lira Junior lira.pro.br\wordpress REGRESSÃO X CORRELAÇÃO Diferença Regressão - equação ligando duas ou mais variáveis Correlação medida
Leia maisAnálise de Resíduos. investigar características que comprometem a validade do MRLS:
Análise de Resíduos investigar características que comprometem a validade do MRLS: (1) relação entre X e Y não é linear (2) erros não tem variância constante (3) erros correlacionados (4) erros não são
Leia maisEstatística Experimental
Estatística Experimental Prof. Dr. Evandro Bona ebona@utfpr.edu.br paginapessoal.utfpr.edu.br/ebona Bibliografia Recomendada Barros Neto, B.; Scarminio, I. S.; Bruns, R. E. Como Fazer Experimentos. 4ª
Leia maisModelos de Regressão Linear Simples - Erro Puro e Falta de Ajuste
Modelos de Regressão Linear Simples - Erro Puro e Falta de Ajuste Erica Castilho Rodrigues 2 de Setembro de 2014 Erro Puro 3 Existem dois motivos pelos quais os pontos observados podem não cair na reta
Leia maisi j i i Y X X X i j 1 i 2 i i
Mario de Andrade Lira Junior lira.pro.br\wordpress lira.pro.br\wordpress Diferença Regressão - equação ligando duas ou mais variáveis Correlação medida do grau de ligação entre duas variáveis Usos Regressão
Leia maisMétodos Quantitativos para Ciência da Computação Experimental. Projeto de Experimentos. Jussara Almeida DCC-UFMG 2013
Métodos Quantitativos para Ciência da Computação Experimental Projeto de Experimentos Jussara Almeida DCC-UFMG 2013 Projeto de Experimentos Introdução: cap. 16 do texto (Jain) Projetos 2 k fatorial: caps.
Leia maisAnálise de Resíduos. investiga características que comprometem a validade do MRLS:
Análise de Resíduos investiga características que comprometem a validade do MRLS: (1) relação entre X e Y não é linear (2) erros não tem variância constante (3) erros correlacionados (4) erros não são
Leia maisLista 3. A = x x < 9 4 e x > 6 } B = {x 0 x = 2} C = { x x é inteiro e x 2 = 3 } D = {x 2x+1 = 7} A = {x 0 x = 0} B = x x > 9 4 e x < 6 }
3 a LIST DE EXERÍIOS Prof. Ânderson Vieira 1. Dê os elementos dos seguintes conjuntos: = {x x é letra da palavra matemática} = {x x é cor da bandeira brasileira} = {x x é nome do estado brasileiro que
Leia maisi j i i Y X X X i j i i i
Mario de Andrade Lira Junior lira.pro.br\wordpress lira.pro.br\wordpress Diferença Regressão - equação ligando duas ou mais variáveis Correlação medida do grau de ligação entre duas variáveis Usos Regressão
Leia maisEscola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo. Testes de Comparações Múltiplas
Escola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo Testes de Comparações Múltiplas Professora Renata Alcarde Sermarini Piracicaba Agosto 2016 Renata Alcarde Sermarini Estatística
Leia mais2 Aleatorização em experimentos fatoriais
2 Aleatorização em experimentos fatoriais Neste capítulo serão vistos conceitos fundamentais para a execução de planejamentos experimentais, a relação entre alguns desses conceitos e exemplificações. O
Leia maisMAE0325 - Séries Temporais
MAE0325 - Séries Temporais Fernando Henrique Ferraz Pereira da Rosa Vagner Aparecido Pedro Junior 26 de setembro de 2004 E7p80. Considere a série A (M-ICV): Lista 1 1 (a) teste a existência de tendência,
Leia maisPlanejamento de Experimentos Suposições do Modelo e Comparações Múltiplas
1 / 30 Planejamento de Experimentos Suposições do Modelo e Comparações Múltiplas Enrico A. Colosimo/UFMG Depto. Estatística - ICEx - UFMG 2 / 30 Exemplo típico: Resistência de uma nova fibra sintética
Leia maisRegras de Associação. José Augusto Baranauskas Departamento de Física e Matemática FFCLRP-USP
Regras de Associação A compra de um produto quando um outro produto é comprado representa uma Regra de Associação Regras de Associação são frequentemente utilizadas para apoiar campanhas de marketing e
Leia maisAnálise de Regressão Linear no Pacote R
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística Análise de Regressão Linear no Pacote R Gabriela Domingues do Amaral Vanessa Loureiro Silva Edna Afonso Reis
Leia maisaula ANÁLISE DO DESEMPENHO DO MODELO EM REGRESSÕES
ANÁLISE DO DESEMPENHO DO MODELO EM REGRESSÕES 18 aula META Fazer com que o aluno seja capaz de realizar os procedimentos existentes para a avaliação da qualidade dos ajustes aos modelos. OBJETIVOS Ao final
Leia maisMateus Mota Gentilini (UFRGS)
OTIMIZAÇÃO DAS CARACTERÍSTICAS DA QUALIDADE BRIX E CARBONATAÇÃO NO PROCESSO DE FABRICAÇÃO DE REFRIGERANTES ATRAVÉS DA UTILIZAÇÃO DE PROJETO DE EXPERIMENTOS Mateus Mota Gentilini (UFRGS) mateus.gentilini@ufrgs.br
Leia maisCálculo Combinatório
Cálculo Combinatório Introdução Foi a necessidade de calcular o número de possibilidades existentes nos chamados jogos de azar que levou ao desenvolvimento da Análise Combinatória, parte da Matemática
Leia maisAula 01 Ciclo 03. Professora Laís Pereira EMEF Antônio Aires de Almeida Gravataí
Aula 01 Ciclo 03 Professora Laís Pereira EMEF Antônio Aires de Almeida Gravataí Área e Perímetro Área e perímetro são duas medidas distintas, onde a área é a medida de uma superfície e o perímetro é a
Leia maisCapítulo II Álgebra Booleana e Minimização Lógica
Capítulo II Álgebra Booleana e Minimização Lógica 1 Introdução Vimos no Capítulo I que a unidade básica construtiva de um sistema digital é a Porta Lógica e que Funções Lógicas com diversas variáveis de
Leia mais2 ou mais fatores são de interesse.
5. Experimentos Fatoriais 5.1 Definições e Princípios Básicos 2 ou mais fatores são de interesse. Experimentos Fatoriais: em cada replicação do experimento todas as combinações dos níveis de tratamento
Leia maisMódulo 16- Análise de Regressão
Módulo 6 Análise de Regressão Módulo 6- Análise de Regressão Situação Problema Um grupo de investidores estrangeiros deseja aumentar suas atividades no Brasil. Considerando a conjuntura econômica de moeda
Leia maisPLANIFICAÇÃO FACTORIAL 2 k
PLANIFICAÇÃO FACTORIAL k A PROGRAMAÇÃO FACTORIAL É MUITO USADA EM EXPERIÊNCIAS QUE ENVOLVEM VÁRIOS FACTORES E ONDE É NECESSÁRIO ESTUDAR A INTERACÇÃO DESSES FACTORES NOS VALORES DA RESPOSTA. A APLICAÇÃO
Leia maisRELAÇÃO ENTRE EXPECTATIVA DE VIDA E CARACTERÍSTICAS DOS ESTADOS NORTE-AMERICANOS ENTRE OS ANOS DE 1969 E 1970
Universidade Federal do Paraná Setor de Ciências Exatas Departamento de Estatística RELAÇÃO ENTRE EXPECTATIVA DE VIDA E CARACTERÍSTICAS DOS ESTADOS NORTE-AMERICANOS ENTRE OS ANOS DE 1969 E 1970 CE225 -
Leia maisExemplo: vendas casadas Sei que quem compra A também compra B. Mineração de Dados. Técnicas de Associação. prof. Luis Otavio Alvares
Mineração de Dados Técnicas de Associação Exemplo: vendas casadas Sei que quem compra A também compra B. Apresentação adaptada do material do livro: Introduction to Data Mining Tan, Steinbach e Kumar PRODUTO
Leia maisCapítulo 7. Experimentos com dois ou três Fatores de Interesse. Gustavo Mello Reis José Ivo Ribeiro Júnior
Capítulo 7 Experimentos com dois ou três Fatores de Interesse Gustavo Mello Reis José Ivo Ribeiro Júnior Universidade Federal de Viçosa Departamento de Informática Setor de Estatística Viçosa 2007 Capítulo
Leia maisMódulo Quadriláteros. Quadriláteros Inscritos e Circunscritos. 9 ano E.F. Professores Cleber Assis e Tiago Miranda
Módulo Quadriláteros Quadriláteros Inscritos e Circunscritos 9 ano E.F. Professores Cleber Assis e Tiago Miranda Quadriláteros Quadriláteros Incritos e Circunscritos Exercício 5. Determine o valor de x
Leia maisMódulo de Geometria Espacial I - Fundamentos. Pontos, Retas e Planos. 3 ano/e.m.
Módulo de Geometria Espacial I - Fundamentos Pontos, Retas e Planos. 3 ano/e.m. Geometria Espacial I - Fundamentos Pontos, Retas e Planos. 1 Exercícios Introdutórios 2 Exercícios de Fixação Exercício 4.
Leia maisCE062c José Luiz Padilha da Silva e Cesar Augusto Taconeli 06 de novembro de 2018
A função plot.gamlss() CE062c José Luiz Padilha da Silva e Cesar Augusto Taconeli 06 de novembro de 2018 Considere os dados de circunferência abdominal discutido anteriormente. relacionamos a circunferência
Leia mais5) [log 5 (25 log 2 32)] 3 = [log 5 (5 2 log )] 3 = = [log 5 (5 2 5)] 3 = [log ] 3 = 3 3 = 27
MATEMÁTICA CADERNO CURSO D ) [log ( log )] = [log ( log )] = = [log ( )] = [log ] = = 7 FRENTE ÁLGEBRA n Módulo Logaritmos: Definição e Eistência ) a) log 8 = = 8 = = b) log 8 = = 8 = = c) log = = ( )
Leia maisBibliografia Recomendada
Bibliografia Recomendada Barros Neto, B.; Scarminio, I. S.; Bruns, R. E. Como Fazer Experimentos. Montgomery, D. C. Design and Analysis of Experiments. Box, G. E. P.; Hunter, J. S.; Hunter, W. G. Statistics
Leia maisANÁLISE DE REGRESSÃO
ANÁLISE DE REGRESSÃO Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 09 de janeiro de 2017 Introdução A análise de regressão consiste na obtenção de uma equação
Leia maisMétodos Estatísticos Avançados em Epidemiologia
1 / 44 Métodos Estatísticos Avançados em Epidemiologia Análise de Variância - ANOVA Referência: Cap. 12 - Pagano e Gauvreau (2004) - p.254 Enrico A. Colosimo/UFMG Depto. Estatística - ICEx - UFMG 2 / 44
Leia maisProjeto de Circuitos Combinacionais
Projeto de Circuitos Combinacionais Prof. Ohara Kerusauskas Rayel Disciplina de Eletrônica Digital - ET75C Curitiba, PR 23 de abril de 2015 1 / 10 Mapas de Karnaugh de 5/6 Variáveis Mapa de Karnaugh garante
Leia maisBibliografia Recomendada.
Bibliografia Recomendada http://paginapessoal.utfpr.edu.br/ebona Bibliografia Recomendada Montgomery, D. C. Design and Analysis of Experiments. Bibliografia Recomendada Barros Neto, B.; Scarminio, I. S.;
Leia maisUNIVERSIDADE DE SÃO PAULO
UNIVERSIDADE DE SÃO PAULO ESCOLA SUPERIOR DE AGRICULTURA "LUIZ DE QUEIROZ" DEPARTAMENTO DE CIÊNCIAS EXATAS RELATÓRIO DE ATIVIDADE PRÁTICA Relatório da aula prática nº 1, da disciplina LCE602 - Estatística
Leia maisR-Fácil. Análise de Variância. Universidade Federal de Goiás Escola de Veterinária e Zootecnia
Universidade Federal de Goiás Escola de Veterinária e Zootecnia R-Fácil Análise de Variância Apostila destinada a usuários do R, com demonstrações de uso de funções em exemplos da área de Ciências Agrárias.
Leia maisBIOESTATÍSTICA. Análise de regressão
BIOESTATÍSTICA Análise de regressão Análise de correlação Existe uma associação estatística entre duas variáveis? As duas variáveis são independentes ( ou seja, qual o grau da variação das duas juntas)?
Leia maisModelos ARCH e GARCH Aula 8. Morettin e Toloi, 2006, Capítulo 1 e 14 Morettin, 2011, Capítulo 1 e 5 Bueno, 2011, Capítulo 8
Modelos ARCH e GARCH Aula 8 Morettin e Toloi, 2006, Capítulo 1 e 14 Morettin, 2011, Capítulo 1 e 5 Bueno, 2011, Capítulo 8 Motivação Pesquisadores que se dedicam a prever séries temporais, tais como preços
Leia maisTécnicas Digitais para Computação
INF 8 Técnicas Digitais para Computação Minimização de Funções Booleanas Aula Técnicas Digitais. Mapas de Karnaugh com 2 variáveis Diagrama onde cada célula corresponde a um mintermo Exemplo com 2 variáveis
Leia maisTestes de cointegração
Testes de cointegração Avaliando a existência de relação de conintegração entre séries temporais Wilson Freitas Quant Developer Recursos index.rmd 2/13 Teste de Engle & Granger (EG) Teste de Engle & Granger
Leia maisPortanto, o percentual de meninas na turma deste ano será:
PROFMAT EXAME NACIONAL DE ACESSO 2018 (21/10/2017) [01] No ano passado uma turma tinha 31 estudantes. Neste ano o número de meninas aumentou em 20% e o de meninos diminuiu em 25%. Como resultado, a turma
Leia maisExame Final de Métodos Estatísticos
Exame Final de Métodos Estatísticos Data: de Junho de 26 Duração: 3h. Nome: Curso: Declaro que desisto N. Mec. Regime: As cotações deste exame encontram-se na seguinte tabela. Responda às questões utilizando
Leia maisCM127 - Lista 3. Axioma da Paralelas e Quadriláteros Notáveis. 1. Faça todos os exercícios dados em aula.
CM127 - Lista 3 Axioma da Paralelas e Quadriláteros Notáveis 1. Faça todos os exercícios dados em aula. 2. Determine as medidas x e y dos ângulos dos triângulos nos itens abaixo 3. Dizemos que um triângulo
Leia mais