AGA Análise de Dados em Astronomia I. 5. Testes de Hipótese
|
|
- Manuella Neiva
- 4 Há anos
- Visualizações:
Transcrição
1 1 / 26 AGA Análise de Dados em Astronomia I 5. Testes de Hipótese Laerte Sodré Jr. 1o. semestre, 2019
2 2 / 26 aula de hoje: 1 testes de hipóteses: procedimento básico 2 o valor p 3 erros nos testes de hipótese 4 decisão nos testes de hipótese 5 comparação da média de duas distribuições 6 comparação de variâncias 7 teste do χ 2 : ajuste de funções 8 teste do χ 2 : comparação de distribuições 9 teste do χ 2 : associação entre variáveis nominais 10 comparação de distribuições com Kolmogorov-Smirnov 11 correlação entre duas variáveis 12 coeficiente de correlação de Pearson 13 coeficiente de correlação de Spearman That is the curse of statistics, that it can never prove things, only disprove them! Numerical Recipes- Press, Teukolsky, Vetterling & Flannery
3 3 / 26 Teste de Hipóteses teste de hipóteses: procedimento básico usando o valor p suponha que queremos saber se, por exemplo, duas amostras têm a mesma média ou a mesma variância para tomar uma decisão aplicamos testes de hipótese método mais usado: procedimento frequentista baseado no valor p: define-se a estatística que se quer usar: média, dispersão,... suponha conhecida a distribuição dessa estatística estabeleça a hipótese nula H 0 que se quer testar escolha um nível de confiança α calcule p: probabilidade de se descartar H 0 dado α: área sob a distribuição correspondente à estatística testada tome uma decisão sobre H 0 comparando p e α
4 Teste de Hipóteses teste de hipóteses: procedimento básico os dados são consistentes com uma certa hipótese? exemplo: a amostra foi extraída de N(µ, σ)? H 0 : hipótese nula: a amostra é consistente com N(µ, σ) sempre supomos que conhecemos a pdf associada a H 0 C(x): distribuição cumulativa da pdf de x: 0 C(x) 1 qual é a probabilidade de se ter um valor maior que x i? valor p: p = P(x > x i ) = 1 C(x i ) adota-se um nível de significância α ex.: α = 0.05 (5%) compara-se p e α: H 0 é rejeitada se p α note que falhar em rejeitar H 0 não implica que H 0 é verdadeira! ex: nossa amostra pode ser muito pequena para se detectar o efeito 4 / 26
5 5 / 26 Teste de Hipóteses decisão no teste de hipóteses- o valor p decisão no teste de hipóteses- valor p: p: área sob a distribuição correspondente à estatística testada p: probabilidade sob H 0 de se observar uma estatística teste mais extrema que a observada dado um nível de significância α se p α, rejeita-se H 0 se p > α, H 0 não é rejeitada testes right-sided, left-sided, two-sided para uma hipótese ser rejeitada, p deve ser pequeno!
6 6 / 26 Teste de Hipóteses duas distribuições têm a mesma média? Student era o pseudônimo de William Sealy Gosset, um químico trabalhando para a cervejaria Guinness na Irlanda ele desenvolveu a estatística t para monitorar a qualidade do stout!
7 7 / 26 Teste de Hipóteses duas distribuições têm a mesma média? vamos supor que nossa teoria diga que o movimento próprio de um aglomerado estelar seja µ 0 = arcsec/yr teoria : H 0 : µ = µ 0 em uma amostra de N=15 estrelas medimos µ = arcsec/yr e σ s = arcsec/yr a medida é consistente com a teoria? para testar a média de uma população usa-se a estatística t: t = µ µ 0 σ s / N = 2.5, usa-se uma distribuição t com N 1 graus de liberdade para se estimar p teste right-tailed: µ = µ 0 vs µ > µ 0 : p= teste two-tailed: µ µ 0 : p= = com nível de confiança α = 0.05, em todos os casos rejeitamos H 0 com α = 0.01, a hipótese nula não seria rejeitada
8 comparação de variâncias Teste de Hipóteses dados dois conjuntos de dados, {x i } e {y i }, com N e M elementos, respectivamente, queremos testar H 0 : σ x = σ y para distribuições gaussianas a estatística-teste é a F a estatística-teste distribuição F com ν 1 = N 1 e ν 2 = M 1 graus de liberdade: F(x) = Γ( ν 1+ν 2 2 )( ν 1 ν 2 ) ν 1 2 x ν Γ( ν 1 2 )Γ( ν 2 2 )(1 + ν 1 ν 2 x) ν1+ν 2 2 F = N i=1 (x i x) 2 /(N 1) M j=1 (y i ȳ) 2 /(M 1) = σ2 x σ 2 y segue uma distribuição F com ν 1 = N 1 e ν 2 = M 1 graus de liberdade 8 / 26
9 9 / 26 Teste de Hipóteses exemplo: a estrela X é variável? considere uma série de imagens CCD de um campo estelar tomadas em diferentes épocas cada imagem tem centenas de estrelas; as magnitudes em cada época são medidas e as variâncias das magnitudes de cada estrela em todas as épocas são medidas como a maioria das estrelas não são variáveis (na escala de tempo considerada) vamos assumir inicialmente que X não é variável: hipótese nula H 0 : X não é variável intuitivamente, nossa decisão sobre X vai depender de como a variância das magnitudes de X (σx 2 ) se compara com as das demais estrelas (σ ) 2 se σ = 0.10 mag, você aceitaria ou rejeitaria H 0 se σ X = 0.08 mag? e se σ X = 0.48?
10 10 / 26 erros no teste de hipótese Teste de Hipóteses hipótese nula H 0 : H 0 : X não é variável H 1 : uma hipótese alternativa note que: a rejeição de H 0 não implica que H 1 seja verdadeira a não rejeição de H 0 não implica que H 0 seja verdadeira tipos de erro: erro tipo I: H 0 é rejeitada quando é verdadeira (falso positivo) erro tipo II: H 0 não é rejeitada quando é falsa (falso negativo) note que esses erros dependem apenas de H 0, não de H 1 variabilidade verdadeira decisão não variável variável não variável ok! erro tipo II variável erro tipo I ok! verdade decisão H 0 H 1 H 0 ok! erro tipo II H 1 erro tipo I ok!
11 11 / 26 Teste de Hipóteses Nature, 21/03/2019 uma semana depois:
12 12 / 26 o χ 2 ajuste de funções: o χ 2 para desvios gaussianos, a estatística χ 2 para o ajuste de uma função de M parâmetros, χ 2 = N (y i f (x i ; w)) 2, i=1 σ 2 i tem uma distribuição χ 2 com ν = N M graus de liberdade fdp da função χ 2 com ν graus de liberdade: x ν/2 1 e x/2 f (x; ν) = 2 ν/2 x > 0 Γ(ν/2) 0 x 0 qualidade do ajuste: pode ser determinado pelo valor p em geral um ajuste razoavelmente bom tem χ 2 ν muitas vezes se aplica este método mesmo sem se saber se os erros são gaussianos...
13 13 / 26 o χ 2 comparação de duas distribuições: o χ 2 suponha que temos uma distribuição discreta com N i eventos em cada bin e que n i é o número esperado de acordo com uma distribuição conhecida (os N i são inteiros enquanto que os n i podem ser reais 0) nossa hipótese nula é que as distribuições são iguais nesse caso a estatística χ 2 é definida como χ 2 = N bin i=1 (N i n i ) 2 (termos com N i = 0 e n i = 0 devem ser omitidos da soma) se o χ 2 é calculado com os n i determinados pelo modelo (isto é, sem renormalizar tal que n i = N i ), então ν = N bin ; caso contrário ν = N bin 1 n i
14 o χ 2 comparação de duas distribuições: o χ 2 caso de dois conjuntos binados e com o mesmo número de bins, {N i } e {M i } inteiros χ 2 = N bin i=1 (N i M i ) 2 N i + M i definindo-se um nível de significância, pode se fazer um teste de hipótese usando-se o valor p o teste supõe que os desvios entre N i e n i (ou entre N i e M i ) são devidos a flutuações estatísticas de Poisson que ocorrem por acaso qual é a probabilidade de um valor de χ 2 igual ou maior que o observado? 14 / 26
15 15 / 26 o χ 2 tipos de variáveis convém distinguir entre 3 tipos de variáveis: nominal: os valores são membros de um conjunto não-ordenado: Ex.: tipos morfológicos de galáxias; os nomes dos estados do Brasil ordinal: os valores são membros de um conjunto ordenado discreto: Ex.: a ordem dos planetas, a sequência de pré-requisitos de uma disciplina o que importa é que os valores estão intrinsecamente ordenados contínua: os valores são números reais Ex.: distâncias, tempo uma variável contínua pode ser transformada em ordinal por binagem e em nominal se a ordem dos bins for desconsiderada
16 16 / 26 o χ 2 associação entre duas variáveis nominais: o χ 2 tabela de contingência: as linhas correspondem aos valores de uma variável nominal e as colunas aos valores da outra valores da tabela: o número de casos para cada combinação de linha e coluna- N ij Morphological Type x Hα profile type types Central Extended E-S S-early S-late H 0 : as duas variáveis, x e y, não estão associadas nesse caso, P(x y) = P(x) n ij : número esperado sob H 0 para a célula i, j P(i j) = n ij j i N = P(i) = N ij ij N e, portanto, n ij = ( j N ij)( i N ij) N
17 o χ 2 associação entre duas variáveis nominais: o χ 2 células nulas não são consideradas na análise a estatística χ 2 = (N ij n ij ) 2 n ij i,j se distribui como χ 2 com ν = LC L C + 1 graus de liberdade, onde L e C são, respectivamente, o número de linhas e o número de colunas neste exemplo temos, para n ij : types Central Extended E-S S-early S-late valor do χ 2 /ν (com 2 graus de liberdade): 7.17 o que pode dizer de H 0 com esse valor de χ 2? p: problema: o χ 2 funciona bem para medir a significância de uma associação, mas não para determinar se a correlação é forte ou não: o significado dos valores numéricos numa tabela de contingência não é óbvio: qual é a distância entre dois tipos morfológicos? 17 / 26
18 o χ 2 o teste do χ 2 para distribuições discretas o χ 2 foi proposto por Pearson em 1900 e é uma das técnicas de maior impacto na ciência! o χ 2 é fácil de ser computado e de ser interpretado, pois a média do χ 2 é igual ao número de graus de liberdade ν e sua variância é igual a 2ν exemplo: para um número de bins 4, se o valor de χ 2 for da ordem de ν, aceite H 0, se for o dobro disso, você provavelmente deverá rejeitar H 0 é comum usarmos o χ 2 reduzido, χ 2 /ν: se for da ordem da unidade aceita-se H 0, se for muito maior, rejeita-se problemas com este teste: os dados devem ser divididos em intervalos (binados) os intervalos devem ser suficientemente grandes para evitar flutuações estatísticas muito grandes regra: mais de 80% dos intervalos devem ter N i > 5; se necessário, combine intervalos para garantir que isso se verifique (para N pequeno ver Numerical Recipes sec ) 18 / 26
19 o χ 2 comparação de duas distribuições: teste de Kolmogorov-Smirnov o teste KS se aplica a conjuntos de dados não binados que representam uma certa variável, x S N (x): distribuição cumulativa dos dados (N) elementos sendo x i o conjunto de dados ordenados do menor para o maior, ix S N (x) = i x x i N i x i o teste KS compara duas distribuições calculando a distância máxima entre suas distribuições cumulativas se S t (x) for a distribuição cumulativa de um modelo, calcula-se D = max S N (x) S t (x) para duas distribuições diferentes cumulativas de dados a estatística KS é D = max S N1 (x) S N2 (x) 19 / 26
20 20 / 26 o χ 2 comparação de duas distribuições: teste de Kolmogorov-Smirnov a estatística D é útil pois sua distribuição pode ser calculada no caso de H 0 : as duas distribuições são iguais, permitindo a aplicação de um teste do valor p KS tem duas vantagens em relação ao χ 2 : não perde informação por conta de agrupamento e funciona bem para amostras pequenas KS não é sensível nos extremos da distribuição: ver NR seção para versões turbinadas do teste
21 21 / 26 correlação entre duas variáveis Correlação entre duas variáveis vamos considerar agora medidas de associação entre duas varíaveis uma variável está correlacionada ou depende da outra? o conhecimento de uma variável ajuda a saber o valor da outra? cuidado: correlações podem não significar que as variáveis estejam intrinsecamente correlacionadas exemplo: efeitos de seleção!
22 correlação entre duas variáveis distribuição de probabilidades bivariada P(x, y)dxdy: probabilidade de se encontrar x entre x e x + dx e y entre y e y + dy médias: µ x = xp(x, y)dxdy µ y = yp(x, y)dxdy P(x, y)dxdy = 1 distribuições marginais: P(x) = yp(x, y)dy P(y) = xp(x, y)dx desvios padrão: σ x = V 1/2 x, σ y = V 1/2 y, σ xy = V xy se x e y são não-correlacionados (σ xy = 0), x e y são independentes: P(x, y) = P(x)P(y) variâncias: V x = (x µ x) 2 P(x, y)dxdy V y = (y µ y) 2 P(x, y)dxdy covariância: Cov(x, y) = V xy = (x µ x)(y µ y)p(x, y)dxdy variância da soma z = x + y: V z = V x + V y + 2V xy variância da subtração w = x y: V w = V x + V y 2V xy 22 / 26
23 correlação entre duas variáveis distribuição gaussiana bivariada gaussiana bivariada: ( 1 P(x, y µ x, µ y, σ x, σ y, σ xy) = 2πσ exp Z 2 ) xσ y 1 ρ 2 2(1 ρ 2 ) onde Z 2 (x µx)2 (y µy)2 = σx 2 + σy 2 coeficiente de correlação: ρ = σxy σ xσ y (x µx)(y µy) 2ρ σ xσ y contornos P(x, y) = cte: elipses vamos supor que temos um conjunto de N dados {x i, y i } e queremos saber se x e y estão correlacionados o coeficiente de correlação de Pearson é dado por: r = 1 N 1 ( )( ) N xi x yi ȳ i=1 σ s,x σ s,y desvios padrão da amostra: σ 2 s,x = 1 N 1 N (x i x) 2 i=1 σ 2 s,y = 1 N i ȳ) N 1 i=1(y 2 23 / 26
24 24 / 26 correlação entre duas variáveis coeficiente de correlação linear de Pearson o coeficiente de correlação de Pearson mede a força de uma correlação para se determinar a significância de um valor não nulo de r calcula-se a estatística N 2 t s = r 1 r 2 variáveis independentes e distribuídas como gaussianas bivariadas: t s obedece a distribuição t(ν) de Student com ν = N 2 graus de liberdade
25 correlação entre duas variáveis coeficiente de correlação não-paramétrico de Spearman testes não-paramétricos: não pressupõem uma forma para a distribuição dos dados suponha que se ordene os dados {x i } e {y i } tal que {X i } e {Y i } representem a posição dos dados na sequência ordenada: 1 < X i < N e 1 < Y i < N coeficiente de correlação de ordem de Spearman: N i=1 r S = 1 6 (X i Y i ) 2 N 3 N Spearman é mais robusto que correlação linear: se a correlação é detectada, provavelmente é real Spearman mede monotonicidade: r s é o mesmo para a relação entre x e y e para log x e log y (por exemplo, para x e y positivos) para N > 30 a estatística t S = r S (N 2)/(1 r 2 S ) se distribui como t(ν = N 2) de Student 25 / 26
26 26 / 26 correlação entre duas variáveis exercícios 1 Um estudante precisa testar as hipóteses H 0 : µ = 80 e H 1 : µ > 80 com α = Analisando a amostra, ele calcula o valor p, 0.214, e conclui que "este resultado prova que H 0 é verdadeiro. Comente esta conclusão e a reescreva corretamente. 2 Aplique o teste F à discussão da página 9. 3 Suponha que se espere que um aglomerado tenha 60% de galáxias elípticas e lenticulares e 40% de espirais. Numa amostra de 100 galáxias se encontra 53 early-types e 47 late-types. Podemos concluir que esta amostra é representativa da ppulação? Use o teste do χ 2 para testar as hipóteses H 0 : a fração de E+S0 é 60% e H 1 : a fração de E+S0 é diferente de 60%, usando um nível de confiança de A função ks.test do R permite fazer testes comparando duas amostras (two-sample test) ou comparando os dados com uma distribuição (one-sample test). Considere a sequência de 8 pontos 1.41, 0.26, 1.97, 0.33, 0.55, 0.77, 1.46, Existe alguma evidência de que estes dados não resultem de uma distribuição uniforme entre 0 e 2? Faça um teste de Kolmogorov-Smirnov.
AGA Análise de Dados em Astronomia I 7. Modelagem dos Dados com Máxima Verossimilhança: Modelos Lineares
1 / 0 AGA 0505- Análise de Dados em Astronomia I 7. Modelagem dos Dados com Máxima Verossimilhança: Modelos Lineares Laerte Sodré Jr. 1o. semestre, 018 modelos modelagem dos dados dado um conjunto de dados,
Leia maisAGA Análise de Dados em Astronomia I. O método de Monte Carlo
1 / 16 AGA 0505- Análise de Dados em Astronomia I O método de Monte Carlo Laerte Sodré Jr. 1o. semestre, 2018 2 / 16 breve história método de resolução de problemas baseado em amostragem aleatória de distribuições
Leia maisTestes não-paramétricos: amostras simples
Testes não-paramétricos: amostras simples Deste ponto até o fim da capítulo 5 deixaremos os métodos bayesianos e nos concentraremos em métodos clássicos. Testes não paramétricos implica que não se supõe
Leia maisMAE Introdução à Probabilidade e Estatística II Resolução Lista 5
MAE 229 - Introdução à Probabilidade e Estatística II Resolução Lista 5 Professor: Pedro Morettin e Profa. Chang Chian Exercício 1 (a) De uma forma geral, o desvio padrão é usado para medir a dispersão
Leia maisEstatística Não Paramétrica. Como construir testes de aderência
Estatística Não Paramétrica Como construir testes de aderência Teste Qui-quadrado Suposições amostra aleatória Dados nominais (sexo: M ou F) ou numéricos (idade: menor que 15, 15-24, 25-34, 35-44, 45-54,
Leia maisAGA Análise de Dados em Astronomia I. 6. O Método da Máxima Verossimilhança- I
1 / 26 1. Introdução AGA 0505 - Análise de Dados em Astronomia I 6. O Método da Máxima Verossimilhança- I Laerte Sodré Jr. 1o. semestre, 2019 introdução aula de hoje: 1 modelagem dos dados 2 a verossimilhança
Leia maisAnálise de Dados em Astronomia. 3. Distribuições de Probabilidades
1 / 24 3. Distribuições de Probabilidades Análise de Dados em Astronomia 3. Distribuições de Probabilidades Laerte Sodré Jr. AGA0505, 1o. semestre 2019 introdução aula de hoje 1 2 a distribuição uniforme
Leia maisAGA Análise de Dados em Astronomia I. 2. Probabilidades
1 / 26 1. Introdução AGA 0505 - Análise de Dados em Astronomia I 2. Probabilidades Laerte Sodré Jr. 1o. semestre, 2019 2 / 26 aula de hoje: 1 o que são 2 distribuições de 3 a distribuição normal ou gaussiana
Leia maisPar de Variáveis Aleatórias
Par de Variáveis Aleatórias Luis Henrique Assumpção Lolis 7 de abril de 2014 Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 1 Conteúdo 1 Introdução 2 Par de Variáveis Aleatórias Discretas 3
Leia maisEstimação e Testes de Hipóteses
Estimação e Testes de Hipóteses 1 Estatísticas sticas e parâmetros Valores calculados por expressões matemáticas que resumem dados relativos a uma característica mensurável: Parâmetros: medidas numéricas
Leia maisAGA Análise de Dados em Astronomia I. 2. Probabilidades
1 / 20 AGA 0505- Análise de Dados em Astronomia I 2. Probabilidades Laerte Sodré Jr. 1o. semestre, 2018 2 / 20 tópicos 1 probabilidades - cont. 2 distribuições de probabilidades 1 binomial 2 Poisson 3
Leia maisMIEEC Probabilidades e Estatística 1 a Chamada 10/01/2008. Parte Prática
MIEEC Probabilidades e Estatística 1 a Chamada 1/1/8 Parte Prática Resolução 1. Definição dos acontecimentos: T 1 Cliente do operador Ptel 1 T Cliente do operador Ptel T 3 Cliente do operador Ptel 3 S
Leia maisANÁLISE ESTATÍSTICA DA RELAÇÃO ENTRE A ATITUDE E O DESEMPENHO DOS ALUNOS
ANÁLISE ESTATÍSTICA DA RELAÇÃO ENTRE A ATITUDE E O DESEMPENHO DOS ALUNOS Nível de significância No processo de tomada de decisão sobre uma das hipóteses levantadas num estudo, deve-se antes de tudo definir
Leia maisTestes de Hipóteses. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Testes de Hipóteses Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução e notação Em geral, intervalos de confiança são a forma mais
Leia mais3 3. Variáveis Aleatórias
ÍNDICE 3. VARIÁVEIS ALEATÓRIAS...49 3.. VARIÁVEIS ALEATÓRIAS UNIDIMENSIONAIS...49 3.2. VARIÁVEIS DISCRETAS FUNÇÃO DE PROBABILIDADE E FUNÇÃO DISTRIBUIÇÃO DE PROBABILIDADE...50 3.2.. Função de probabilidade...50
Leia maisAnálise de Regressão EST036
Análise de Regressão EST036 Michel Helcias Montoril Instituto de Ciências Exatas Universidade Federal de Juiz de Fora Distribuição beta não central; Coef. de determinação; Quando X for aleatório. Distribuição
Leia maisInferência para duas populações
Inferência para duas populações Capítulo 13, Estatística Básica (Bussab&Morettin, 8a Edição) 7a AULA 27/04/2015 MAE229 - Ano letivo 2015 Lígia Henriques-Rodrigues 7a aula (27/04/2015) MAE229 1 / 27 1.
Leia maisIntrodução à probabilidade e estatística II
Introdução à probabilidade e estatística II Testes de hipóteses para duas médias populacionais Prof. Alexandre G Patriota Sala: 98A Email: patriota@ime.usp.br Site: www.ime.usp.br/ patriota Testes de hipóteses
Leia mais(a) Checar se as medidas dos outros observadores são razoáveis. (c) Testar uma hipótese, possivelmente a razão inicial das observações.
W&J Cap 4: Correlação e Associação Quando fazemos uma série de medidas é praticamente instintivo tentar correlacionar as observações com outros resultados. alguns dos motivos por trás desse instinto são:
Leia maisTestes de Hipóteses. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Testes de Hipóteses Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução e notação Em geral, intervalos de confiança são a forma mais
Leia maisCorrelação e Regressão
Correlação e Regressão Vamos começar com um exemplo: Temos abaixo uma amostra do tempo de serviço de 10 funcionários de uma companhia de seguros e o número de clientes que cada um possui. Será que existe
Leia mais(a) Teste e IC para Duas Variâncias. (b) Teste para médias. Duas Amostras de Teste T e IC
Exercício 1 Contexto: amostras independentes de populações normais (a) Teste e IC para Duas Variâncias Método Hipótese nula Variância(Primeiro) / Variância(Segundo) = 1 Hipótese alternativa Variância(Primeiro)
Leia maisAGA Análise de Dados em Astronomia I 8. Inferência Bayesiana e MCMC
1 / 1 AGA 0505- Análise de Dados em Astronomia I 8. Inferência Bayesiana e MCMC Laerte Sodré Jr. 1o. semestre, 2018 2 / 1 Inferência Bayesiana inferência bayesiana consideremos um conjunto de dados D que
Leia maisEstimativas e Erros. Propagação de erros e Ajuste de funções
Estimativas e Erros Propagação de erros e Ajuste de funções 1 Algumas referências Estimativas e Erros em Experimentos de Física - Vitor Oguri et al (EdUERJ) Fundamentos da Teoria de Erros - José Henrique
Leia maiscanal para sinais contínuos
Processos estocásticos, Entropia e capacidade de canal para sinais contínuos 24 de setembro de 2013 Processos estocásticos, Entropia e capacidade de canal para1 sin Conteúdo 1 Probabilidade de sinais contínuos
Leia maisCapítulo 6 Estatística não-paramétrica
Capítulo 6 Estatística não-paramétrica Slide 1 Teste de ajustamento do Qui-quadrado Testes de independência e de homogeneidade do Qui-quadrado Testes dos sinais e de Wilcoxon Teste de Mann-Whitney Teste
Leia maisMotivação. VA n-dimensional. Distribuições Multivariadas VADB
Motivação Em muitas situações precisamos lidar com duas ou mais variáveis aleatórias ao mesmo tempo. Por exemplo o comprimento e a largura de uma Prof. Lorí Viali, Dr. viali@mat.ufgrs.br http://www.mat.ufrgsbr/~viali/
Leia maisRazão para rejeitar H 0
Processo do teste de hipótese Hipótese de pesquisa: a idade média da população é 5 H : μ = 5 H 1 : μ 5 É X = improvável se μ =5? População Selecionar amostra aleatória Sim: Rejeite Ho Para definir pouco
Leia maisEspecialização em Engenharia de Processos e de Sistemas de Produção
Especialização em Engenharia de Processos e de Sistemas de Produção Projetos de Experimento e Confiabilidade de Sistemas da Produção Prof. Claudio Luis C. Frankenberg 3ª parte Conforme foi apresentado
Leia maisCarlos Antonio Filho
Estatística II - Seção 04 Carlos Antonio Filho ESAGS 2 o semestre de 2017 Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de 2017 1 / 137 Comparação de médias de duas populações Vamos
Leia maisVariância pop. * conhecida Teste t Paramétrico Quantitativa Distribuição normal Wilcoxon (teste dos sinais, Wilcoxon p/ 1 amostra)
Testes de Tendência Central (média, mediana, proporção) Classificação Variável 1 Variável 2 Núm ero Gru pos Dependência Teste Z Paramétrico Quantitativa - 1 - Premissas Variância pop. * conhecida Teste
Leia maisAnálise de Aderência e de Associação
Análise de Aderência e de Associação Capítulo 14, Estatística Básica (Bussab & Morettin, 8a Edição) Capítulo 8, Introdução Computacional à Probabilidade e Estatística (Pedrosa & Gama, Porto Editora) 8a
Leia maisBIOESTATÍSTICA. Parte 5 Testes de Hipóteses
BIOESTATÍSTICA Parte 5 Testes de Hipóteses Aulas Teóricas de 05/05/2011 a 19/05/2011 5.1. Conceito de erro, estatística de teste, região de rejeição, nível de significância, valor de prova, potência do
Leia maisTestes para dados categóricos
Testes para dados categóricos Teste de homogeneidade Objetivo: testar se existe diferença entre frequências observadas (O ij ) e frequências esperadas (E ij ). Dados amostrais: amostras aleatórias independentes
Leia maisMotivação. VA n-dimensional. Distribuições Multivariadas VADB. Em muitas situações precisamos
Motivação Em muitas situações precisamos Prof. Lorí Viali, Dr. viali@pucrs.br lidar com duas ou mais variáveis aleatórias ao mesmo tempo. Por exemplo o comprimento e a largura de uma determinada peça.
Leia maisDelineamento e Análise Experimental Aula 3
Aula 3 Castro Soares de Oliveira Teste de hipótese Teste de hipótese é uma metodologia estatística que permite tomar decisões sobre uma ou mais populações baseando-se no conhecimento de informações da
Leia mais5.3 Variáveis aleatórias gaussianas conjuntas
M. Eisencraft 5.3 Variáveis aleatórias gaussianas conjuntas 64 respectivamente. São as chamadas funções características marginais: Φ X (ω ) = Φ X,Y (ω,0) (5.0) Φ Y (ω ) = Φ X,Y (0,ω ) (5.) Os momentos
Leia maisANÁLISE DE VARIÂNCIA - ANOVA. Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística - PPGEMQ / PPGEP - UFSM
ANÁLISE DE VARIÂNCIA - ANOVA Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística - PPGEMQ / PPGEP - UFSM UM EXEMPLO DE APLICAÇÃO Digamos que temos 6 métodos de ensino aplicados a 30 crianças
Leia maisa) 19% b) 20% c) Aproximadamente 13% d) 14% e) Qualquer número menor que 20%
0. Sabe-se que o nível de significância é a probabilidade de cometermos um determinado tipo de erro quando da realização de um teste de hipóteses. Então: a) A escolha ideal seria um nível de significância
Leia maisAGA Análise de Dados em Astronomia I. 1. Introdução
1 / 22 1. Introdução AGA 0505 - Análise de Dados em Astronomia I 1. Introdução Laerte Sodré Jr. 1o. semestre, 2019 2 / 22 introdução aula de hoje: Introdução 1 objetivo 2 o que é ciência 3 dados 4 o que
Leia maisExercícios de programação
Exercícios de programação Estes exercícios serão propostos durante as aulas sobre o Mathematica. Caso você use outra linguagem para os exercícios e problemas do curso de estatística, resolva estes problemas,
Leia maisIND 1115 Inferência Estatística Aula 6
Conteúdo IND 5 Inferência Estatística Aula 6 Setembro de 004 A distribuição Lognormal A distribuição Beta e sua relação com a Uniforme(0,) Mônica Barros mbarros.com mbarros.com A distribuição Lognormal
Leia maisO teste qui-quadrado. A variável teste é: χ E. Os testes. Hipóteses e Cálculo H 0 : As variáveis são independentes H 1 : As variáveis são dependentes
Prof. Lorí Viali, Dr. http://www.mat.ufrgs.br/viali/ viali@mat.ufrgs.br Os testes O teste Qui-Quadrado O teste exato de Fisher O teste de Kolmogorov-Smirnov O teste de U de Mann-Whitney O teste de Wilcoxon
Leia maisDistribuição de Probabilidade. Prof.: Joni Fusinato
Distribuição de Probabilidade Prof.: Joni Fusinato joni.fusinato@ifsc.edu.br jfusinato@gmail.com Variáveis Aleatórias Contínuas Distribuição de Probabilidade Contínua Modelo Normal Modelo t de Student
Leia maisIntrodução à probabilidade e estatística II
Introdução à probabilidade e estatística II Testes de hipóteses para duas médias populacionais Prof. Alexandre G Patriota Sala: 98A Email: patriota@ime.usp.br Site: www.ime.usp.br/ patriota Testes de hipóteses
Leia maisProbabilidades e Estatística - LEIC + LERCI + LEE 2 o semestre 2004/05
Departamento de Matemática Secção de Estatística e Aplicações - IST Probabilidades e Estatística - LEIC + LERCI + LEE 2 o semestre 2004/05 3 o Teste 4/6/2005 9h O Teste que vai realizar tem a duração total
Leia maisAnálise de Dados em Astronomia. 4. Simulações de Monte Carlo
1 / 22 Análise de Dados em Astronomia 4. Simulações de Monte Carlo Laerte Sodré Jr. AGA0505, 1o. semestre 2019 2 / 22 introdução aula de hoje: o método de Monte Carlo 1 introdução 2 variáveis aleatórias
Leia maisEng a. Morgana Pizzolato, Dr a. Aula 02 Revisão de Estatística DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM
Eng a. Morgana Pizzolato, Dr a. Aula 02 Revisão de Estatística DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM TÓPICOS DESTA AULA Revisão de Estatística Coleta de dados Análise de dados
Leia maisPHD 5742 Estatística Aplicada ao Gerenciamento dos Recursos Hídricos
PHD 574 Estatística Aplicada ao Gerenciamento dos Recursos Hídricos 8 a aula Testes Não-Paramétricos de Hipóteses Mario Thadeu Leme de Barros Luís Antonio Villaça de Garcia Abril / 005 Estatística Aplicada
Leia maisModelos de Regressão Linear Simples - parte III
1 Modelos de Regressão Linear Simples - parte III Erica Castilho Rodrigues 20 de Setembro de 2016 2 3 4 A variável X é um bom preditor da resposta Y? Quanto da variação da variável resposta é explicada
Leia maisEstimação parâmetros e teste de hipóteses. Prof. Dr. Alberto Franke (48)
Estimação parâmetros e teste de hipóteses Prof. Dr. Alberto Franke (48) 91471041 Intervalo de confiança para média É um intervalo em que haja probabilidade do verdadeiro valor desconhecido do parâmetro
Leia maisAULA 06 Correlação. Ernesto F. L. Amaral. 04 de outubro de 2013
1 AULA 06 Correlação Ernesto F. L. Amaral 04 de outubro de 2013 Centro de Pesquisas Quantitativas em Ciências Sociais (CPEQS) Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de
Leia maisMódulo II: Cálculo dos Momentos de um Processo Estocástico, Processo de Bernoulli, Processo Random Walk
Módulo II: Cálculo dos Momentos de um Processo Estocástico, Processo de Bernoulli, Processo Random Walk Wamberto J. L. Queiroz Universidade Federal de Campina Grande-UFCG Departamento de Engenharia Elétrica
Leia maisTratamento de dados em Física
Tratamento de dados em Física Métodos e testes estatísticos V. Oguri Departamento de Física Nuclear e Altas Energias (DFNAE) Programa de Pós-graduação em Física (PPGF) Instituto de Física Armando Dias
Leia maisTestes de Hipótese para uma única Amostra - parte I
Testes de Hipótese para uma única Amostra - parte I 26 de Junho de 2014 Objetivos Ao final deste capítulo você deve ser capaz de: Estruturar problemas de engenharia como testes de hipótese. Entender os
Leia maisRicardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Geração de Números Aleatórios Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo 1 / 61 Simulando de Distribuições Discretas Assume-se que um
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@mat.ufgrs.br http://www.mat.ufrgsbr/~viali/ Motivação Em muitas situações precisamos lidar com duas ou mais variáveis aleatórias ao mesmo tempo. Por exemplo o comprimento e
Leia maisPARTE TEÓRICA Perguntas de escolha múltipla
PROBABILIDADES E ESTATÍSTICA MIEEC/FEUP PARTE TEÓRICA Perguntas de escolha múltipla 1 Dada a experiência aleatória ε define-se espaço amostral associado a ε como sendo: A O espaço físico onde se realiza
Leia maisAula 9 Intervalo de confiança para a média da N(μ; σ 2 ), σ 2 desconhecida
Aula 9 Intervalo de confiança para a média da N(μ; σ 2 ), σ 2 desconhecida Nesta aula você completará seu estudo básico sobre intervalos de confiança, analisando o problema de estimação da média de uma
Leia maisSegunda Lista de Exercícios Cálculo de Probabilidades II Prof. Michel H. Montoril
Exercício 1. Uma urna contém 4 bolas numeradas: {1, 2, 2, 3}. Retira-se dessa urna duas bolas aleatoriamente e sem reposição. Sejam 1 : O número da primeira bola escolhida; 2 : O número da segunda bola
Leia maisMÓDULO V: Análise Bidimensional: Correlação, Regressão e Teste Qui-quadrado de Independência
MÓDULO V: Análise Bidimensional: Correlação, Regressão e Teste Qui-quadrado de Independência Introdução 1 Muito frequentemente fazemos perguntas do tipo se alguma coisa tem relação com outra. Estatisticamente
Leia maisMAE Modelos Lineares Generalizados 2 o semestre 2017
MAE5763 - Modelos Lineares Generalizados 2 o semestre 2017 Prof. Gilberto A. Paula 3 a Lista de Exercícios 1. Supor y i ind FE(µ, φ i ) com φ i = α + γz i, para i = 1,..., n. Como ca a matriz modelo Z?
Leia maisLEEC Probabilidades e Estatística 1 a Chamada 13/06/2005. Parte Prática C (C) M 1% 9% 10% (M) 4% 86% 90% 5% 95% 100%
. Definição dos acontecimentos: M T-shirt tem manchas C T-shirt tem costuras defeituosas D T-shirt é defeituosa A Preço da t-shirt é alterado a) PM) = % PC) = 5% PM C) = % LEEC Probabilidades e Estatística
Leia mais1. Conceitos básicos de estatística Níveis de medição Medidas características de distribuições univariadas 21
OS SABERES INDISPENSÁVEIS 7 Índice Prefácio 13 Capítulo 1 Os Saberes Indispensáveis 1. Conceitos básicos de estatística 17 1.1. Níveis de medição 18 1.2. Medidas características de distribuições univariadas
Leia maisAula 11. Variáveis Aleatórias Contínuas Bidimensionais
Aula. Variáveis Aleatórias Contínuas Bidimensionais Resumo de caso unidimensional Caso Discreto p p 2 p 3 Caso Contínuo f(x) x x 2 x 3 i p i + f x dx X x x 2 x 3 P p p 2 p 3 Caso bidimensional Caso Discreto
Leia maisUnidade IV Inferência estatística
6//5 Unidade IV Inferência estatística 4.. Introdução e histórico 4.. Conceitos fundamentais 4.3. Distribuições amostrais e Teorema central do limite 4.4. Estimação de parâmetros 4.5. Testes de hipóteses
Leia mais1 Probabilidade - Modelos Probabilísticos
1 Probabilidade - Modelos Probabilísticos Modelos probabilísticos devem, de alguma forma, 1. identificar o conjunto de resultados possíveis do fenômeno aleatório, que costumamos chamar de espaço amostral,
Leia maisTestes de Hipóteses Paramétricos
Testes de Hipóteses Paramétricos Carla Henriques Departamento de Matemática Escola Superior de Tecnologia de Viseu Introdução Exemplos Testar se mais de metade da população irá consumir um novo produto
Leia maisTestes de Hipóteses Paramétricos
Testes de Hipóteses Paramétricos Departamento de Matemática Escola Superior de Tecnologia de Viseu (DepMAT ESTV) Testes de Hipóteses Paramétricos 1 / 41 Introdução. Hipóteses Estatísticas. Erro Tipo I
Leia maisMétodos Quantitativos II
Métodos Quantitativos II MEDIDAS DE VARIABILIDADE O que significa Variabilidade? As medidas de tendência central nos dão uma ideia da concentração dos dados em torno de um valor. Entretanto, é preciso
Leia mais9 Correlação e Regressão. 9-1 Aspectos Gerais 9-2 Correlação 9-3 Regressão 9-4 Intervalos de Variação e Predição 9-5 Regressão Múltipla
9 Correlação e Regressão 9-1 Aspectos Gerais 9-2 Correlação 9-3 Regressão 9-4 Intervalos de Variação e Predição 9-5 Regressão Múltipla 1 9-1 Aspectos Gerais Dados Emparelhados há uma relação? se há, qual
Leia maisProva # SUB 15 junho de 2015
MAE 229 -Introdução à Probabilidade e Estatística II Prof. Fábio Machado e Prof. Lígia Henriques-Rodrigues Prova # SUB 15 junho de 2015 Questão 1 2 3 4 Total Valor Nome: Nro. USP: Observações: Não destaque
Leia maisTESTE DE KOLMOGOROV-SMIRNOV. Professor Ewaldo Santana Universidade Estadual do Maranhão - UEMA
TESTE DE KOLMOGOROV-SMIRNOV Professor Ewaldo Santana Universidade Estadual do Maranhão - UEMA Conteúdo 2 Ewaldo Santana Introdução 3 Ewaldo Santana Introdução Testes estatísticos paramétricos, tais como
Leia maisRevisões de Matemática e Estatística
Revisões de Matemática e Estatística Joaquim J.S. Ramalho Contents 1 Operadores matemáticos 2 1.1 Somatório........................................ 2 1.2 Duplo somatório....................................
Leia maisCapítulo 9 - Regressão Linear Simples (RLS): Notas breves
Capítulo 9 - Regressão Linear Simples RLS: Notas breves Regressão Linear Simples Estrutura formal do modelo de Regressão Linear Simples RLS: Y i = β 0 + β 1 x i + ε i, 1 onde Y i : variável resposta ou
Leia maisAULA 05 Teste de Hipótese
1 AULA 05 Teste de Hipótese Ernesto F. L. Amaral 03 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario F. 2008. Introdução
Leia maisModelos de Regressão Linear Simples parte I
Modelos de Regressão Linear Simples parte I Erica Castilho Rodrigues 27 de Setembro de 2017 1 2 Objetivos Ao final deste capítulo você deve ser capaz de: Usar modelos de regressão para construir modelos
Leia maisGeração de Variáveis Aleatórias Contínuas. Mat02274 Estatística Computacional. A Normal. A Normal. Normal Log-Normal Gama Erlang Beta.
Estatística Computacional Geração de Variáveis Aleatórias Contínuas 6 Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Normal Log-Normal Gama Erlang Beta Weibull Student (t) Qui-Quadrado
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Aula 9 Fundamentos de Testes de Hipóteses Leitura: Devore, Capítulo 8 Chap 9-1 Objetivos Neste capítulo, vamos aprender: Os princípios básicos de testes de hipóteses Estabelecer
Leia maisTiago Viana Flor de Santana
ESTATÍSTICA BÁSICA DISTRIBUIÇÃO NORMAL DE PROBABILIDADE (MODELO NORMAL) Tiago Viana Flor de Santana www.uel.br/pessoal/tiagodesantana/ tiagodesantana@uel.br sala 07 Curso: MATEMÁTICA Universidade Estadual
Leia maisDE ESPECIALIZAÇÃO EM ESTATÍSTICA APLICADA)
1. Sabe-se que o nível de significância é a probabilidade de cometermos um determinado tipo de erro quando da realização de um teste de hipóteses. Então: a) A escolha ideal seria um nível de significância
Leia maisPHD 5742 Estatística Aplicada ao Gerenciamento dos Recursos Hídricos. 6 a aula Testes de Hipóteses
PHD 5742 Estatística Aplicada ao Gerenciamento dos Recursos Hídricos 6 a aula Testes de Hipóteses Mario Thadeu Leme de Barros Luís Antonio Villaça de Garcia Abril / 2007 Estatística Aplicada ao Gerenciamento
Leia maisO método dos mínimos quadrados: análise de regressão
O métodos dos mínimos quadrados é um método famoso para lidar com dados ruidosos. Sua justificativa segue diretamente do método da máxima verossimilhança. Para Y i dados medidos en valores das variável
Leia maisModelo de Regressão Múltipla
Modelo de Regressão Múltipla Modelo de Regressão Linear Simples Última aula: Y = α + βx + i i ε i Y é a variável resposta; X é a variável independente; ε representa o erro. 2 Modelo Clássico de Regressão
Leia maisDefinição. Os valores assumidos pelos estimadores denomina-se estimativas pontuais ou simplesmente estimativas.
1. Inferência Estatística Inferência Estatística é o uso da informção (ou experiência ou história) para a redução da incerteza sobre o objeto em estudo. A informação pode ou não ser proveniente de um experimento
Leia maisCaros Alunos, segue a resolução das questões de Estatística aplicadas na prova para o cargo de Auditor Fiscal da Receita Municipal de Teresina.
Caros Alunos, segue a resolução das questões de Estatística aplicadas na prova para o cargo de Auditor Fiscal da Receita Municipal de Teresina. De forma geral, a prova manteve o padrão das questões da
Leia maisTestes de Hipóteses para. uma Única Amostra. Objetivos de Aprendizagem. 9.1 Teste de Hipóteses. UFMG-ICEx-EST-027/031 07/06/ :07
-027/031 07/06/2018 10:07 9 ESQUEMA DO CAPÍTULO 9.1 TESTE DE HIPÓTESES 9.2 TESTES PARA A MÉDIA DE UMA DISTRIBUIÇÃO NORMAL, VARIÂNCIA CONHECIDA 9.3 TESTES PARA A MÉDIA DE UMA DISTRIBUIÇÃO NORMAL, VARIÂNCIA
Leia maisESTATÍSTICA INFERENCIAL. Prof. Dr. Guanis de Barros Vilela Junior
ESTATÍSTICA INFERENCIAL Prof. Dr. Guanis de Barros Vilela Junior As Hipóteses A Hipótese Nula (H 0 ) é, em geral, uma afirmação conservadora sobre uma situação da pesquisa. Por exemplo, se você quer testar
Leia maisResolução da Prova de Matemática Financeira e Estatística do ISS Teresina, aplicada em 28/08/2016.
de Matemática Financeira e Estatística do ISS Teresina, aplicada em 8/08/016. 11 - (ISS Teresina 016 / FCC) Joana aplicou todo seu capital, durante 6 meses, em bancos ( e Y). No Banco, ela aplicou 37,5%
Leia maisTeste de hipóteses para uma média populacional com variância conhecida e desconhecida
Teste de hipóteses para uma média populacional com variância conhecida e desconhecida Teste de hipóteses para uma média populacional com variância conhecida Tomando-se como exemplo os dados de recém-nascidos
Leia maisJosé Aparecido da Silva Gama¹. ¹Professor do Instituto Federal de Educação, Ciência e Tecnologia de Alagoas.
Estudo e Aplicação dos Testes de Hipóteses Paramétricos e Não Paramétricos em Amostras da Estação Fluviométrica Três Maria (MG) da bacia Hidrográfica do Rio São Francisco José Aparecido da Silva Gama¹
Leia maisFísica Geral - Laboratório. Aula 2: Organização e descrição de dados e parâmetros de dispersão e correlação
Física Geral - Laboratório Aula 2: Organização e descrição de dados e parâmetros de dispersão e correlação 1 Física Geral - Objetivos Ao final do período, o aluno deverá ser capaz de compreender as principais
Leia maisEstatística Descritiva
C E N T R O D E M A T E M Á T I C A, C O M P U T A Ç Ã O E C O G N I Ç Ã O UFABC Estatística Descritiva Centro de Matemática, Computação e Cognição March 17, 2013 Slide 1/52 1 Definições Básicas Estatística
Leia maisProbabilidade II. Departamento de Estatística. Universidade Federal da Paraíba
Probabilidade II Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuição t de Student 02/14 1 / 1 A distribuição t de Student é uma das distribuições
Leia maisMétodos Quantitativos
Métodos Quantitativos Unidade 4. Estatística inferencial Parte II 1 Sumário Seção Slides 4.1 Correlação entre variáveis quantitativas 03 11 4.2 Teste de significância 12 19 4.3 Regressão linear 20 27 4.4
Leia maisEstatística para Cursos de Engenharia e Informática
Estatística para Cursos de Engenharia e Informática BARBETTA, Pedro Alberto REIS, Marcelo Menezes BORNIA, Antonio Cezar MUDANÇAS E CORREÇOES DA ª EDIÇÃO p. 03, após expressão 4.9: P( A B) = P( B A) p.
Leia maisAULA 04 Teste de hipótese
1 AULA 04 Teste de hipótese Ernesto F. L. Amaral 03 de outubro de 2013 Centro de Pesquisas Quantitativas em Ciências Sociais (CPEQS) Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal
Leia mais7 Teste de Hipóteses
7 Teste de Hipóteses 7-1 Aspectos Gerais 7-2 Fundamentos do Teste de Hipóteses 7-3 Teste de uma Afirmação sobre a Média: Grandes Amostras 7-4 Teste de uma Afirmação sobre a Média : Pequenas Amostras 7-5
Leia mais1 Teoria da Decisão Estatística
1 Teoria da Decisão Estatística 1.1 Teste de Hipótese É uma metodologia estatística que permite tomar decisão sobre uma ou mais populações baseando no conhecimento de informações da amostra. Ao tentarmos
Leia mais