Modelos de Regressão Linear Simples - Erro Puro e Falta de Ajuste

Tamanho: px
Começar a partir da página:

Download "Modelos de Regressão Linear Simples - Erro Puro e Falta de Ajuste"

Transcrição

1 Modelos de Regressão Linear Simples - Erro Puro e Falta de Ajuste Erica Castilho Rodrigues 2 de Setembro de 2014

2 Erro Puro

3 3 Existem dois motivos pelos quais os pontos observados podem não cair na reta ajustada: o modelo não descreve bem os dados (falta de ajuste); existe uma variação aleatória em torno da reta (erro puro). Se grande parte do erro é devido a falta de ajuste: devemos reformular o modelo.

4 As análises apresentadas aqui só podem ser feitas se tivermos mais de um valor da variável resposta para cada valor da explicativa. Essas repetições devem ser medidas em unidades amostrais diferentes. Não pode ser a mesma unidade medida várias vezes

5 5 Considere que uma variável resposta Y. Seja X uma variável explicativa. Coletamos uma amostra de tamanho n. Dentro dessa amostra, alguns valores de X são repetidos. Temos m valores de X distintos, com m < n X 1, X 2,...,X m. Vamos chamar de n i o número de vezes que i-ésimo X i aparece X 1 n 1 observações X 2 n 2 observações onde m i=1 n i = m.

6 6 Veja um exemplo a seguir. X i Y i Temos que n 1 = 2 n 2 = 1 n 3 = 3

7 Erro Puro Variabilidade que permanece no Y mesmo quando o valor de X é fixado. Variabilidade nos valores de Y entre indivíduos com o mesmo valor de X. Para cada valor de X i, podemos associar uma média dos Y s Y 1, Y 2,...,Y n1 n 1 observações de X 1 média Y 1 Y 1, Y 2,...,Y n2 n 2 observações de X 2 média Y 2. Y 1, Y 2,...,Y nm n m observações de X m média Y m

8 8 Decomposição da Soma de Quadrados dos Resíduos Quando ajustamos o modelo e obtemos a reta ajustada Y = β 0 + β 1 X + ɛ Ŷ = ˆβ 0 + ˆβ 1 X todos indivíduos com o mesmo valor X = X j tem o mesmo valor estimado Ŷj = ˆβ 0 + ˆβ 1 X j. Só teremos Ŷk Ŷl se X k X l.

9 9 A soma dos quadrados dos erros podem ser agrupadas pelos valores repetidos de X n n 1 ei 2 = (e i s de X n 2 1) 2 + (e i s de X 2) i=1 i=1 i=1 n m i=1 (e i s de X m) 2 = n m j (Y ij Ŷj) 2 j=1 i=1 = m n j (Ŷj Y j ) 2 j=1 } {{ } soma de quadrados da falta de ajuste + n m j (Y ij Y j ) 2 j=1 i=1 } {{ } soma de quadrados do erro puro

10 10 Vejamos porque essa decomposição é veradeira. Temos que Y ij Ŷj =(Y ij Y j ) (Ŷj Y j ). Elevando ao quadrado (Y ij Ŷj) 2 =(Y ij Y j ) 2 2(Ŷj Y j )(Y ij Y j )+(Ŷj Y j ) 2 Somando em j e em i ficamos com n m j (Y ij Ŷj) 2 = j=1 i=1 n m j (Y ij Y j ) 2 j=1 i=1 n m j n m j 2 (Ŷj Y j )(Y ij Y j )+ (Ŷj Y j ) 2 j=1 i=1 j=1 i=1

11 Observe que o termo (Ŷj Y j ) é constante em i logo n j (Ŷj Y j ) 2 = n j (Ŷj Y j ) 2. i=1 Então a decomposição fica n m j (Y ij Ŷj) 2 = j=1 i=1 n m j (Y ij Y j ) 2 j=1 i=1 n m j m 2 n j (Ŷj Y j ) (Y ij Y j )+ n j (Ŷj Y j ) 2 j=1 i=1 j=1

12 Vamos mostrar agora que n m j (Y ij Y j )n j (Ŷj Y j )=0 Temos que j=1 i=1 n m j (Y ij Y j )n j (Ŷj Y j )= j=1 i=1 masy j = n j i=1 Y ij n j e portanto n j n m j n j (Ŷj Y j ) (Y ij Y j ) j=1 (Y ij Y j )=0 i=1 isso implica que n m j (Y ij Y j )n j (Ŷj Y j )=0. j=1 i=1 i=1

13 13 Vamos usar a seguinte notação. SQFA soma de quadrados da falta de ajuste. SQEP soma de quadrados do erro puro. Vimos que o Coeficiente de Determinação é dado por R 2 = SQR SQT mas max R 2 = SQT SQEP SQT ou seja, na verdade, só poderá ser 1 se SQEP = 0. Portanto o verdadeiro valor do coeficiente de determinação é R 2 real = R2 max R 2.

14 Vejamos quantos graus de liberade têm cada uma das componentes. O termo n m j (Y ij Ŷj) 2 j=1 i=1 tem n 2 graus de liberbade pois precisamos estimar ˆβ 0 e ˆβ 1 Cada termo da soma n m j (Y ij Y j ) 2 j=1 i=1 tem n j 1 graus de liberdade pois n j i=1 (Y ij Y j )=0. Então o total de graus de liberdade é m m m (n j 1) = n j 1 = n m j=1 j=1 j=1

15 15 O número de graus de liberade do termo m n j (Ŷj Y j ) 2 j=1 é dado pela subtração dos outros dois (n 2) (n m) =m 2. Então os graus de liberdade de cada uma das parcelas ficam n m j (Y ij Ŷj) 2 = j=1 i=1 n m m j n j (Ŷj Y j ) 2 + (Y ij Y j ) 2 j=1 j=1 i=1 (n 1) =(m 2)+(n m)

16 16 A Tabela ANOVA fica da seguinte maneira Fonte Graus de Soma de Quadrado Estatística de Variação Liberdade Quadrados Médio F QMR Regressão 1 SQR QMR = SQR/1 S 2 Residual n 2 SQE QME = SQE (n 2) (Falta de Ajuste) (m-2) (SQFA) QMFA = SQFA m 2 (Erro Puro) (n-m) (SQEP) S 2 e = SQEP n m Total n 1 SQT Tabela: Tabela ANOVA QMFA S 2 e

17 Exemplo: Vamos considerar duas variáveis. A figura abaixo apresenta o gráfico de dipersão e a reta ajustada.

18 18 Exemplo: (continuação) Se o modelo está bem ajustado: a média de Y para um valor fixo de X deve ficar próxima do valor predito. Essa distância é dada pela soma da falta de ajuste: m n j (Ŷj Y j ) 2 j=1 } {{ } soma de quadrados da falta de ajuste Para esses dados, a soma é igual a m n j (Ŷj Y j ) 2 = j=1

19 19 Exemplo: (continuação) O restante da variação de Y é causada por erro aleatório n m j (Y ij Y j ) 2 j=1 i=1 } {{ } soma de quadrados do erro puro Para esses dados, a soma é igual a n m j (Y ij Y j ) 2 = 1148 j=1 i=1

20 20 Exemplo: (continuação) A decomposição da soma de quadrados fica n m j (Y ij Ŷj) 2 = j=1 i=1 Qual a conclusão? m n j (Ŷj Y j ) 2 j=1 } {{ } soma de quadrados da falta de ajuste = n m j (Y ij Y j ) 2 j=1 i=1 } {{ } soma de quadrados do erro puro A maior parte da variabilidade é devido a falta de ajuste. O modelo não está bem ajustado. Obsevamos isso pelo gráfico, a relação parece não ser linear.

21

22 Vejamos como usar essas informaçõe para testar se o modelo está bem ajustado. Queremos testar as seguintes hipóteses: H 0 : o modelo linear é adequado (não há falta de ajuste) H 1 : o modelo linear não é adequado (há falta de ajuste) A estatística de teste é dada por F = QMFA S 2 e que sob H 0 tem distribuição F m 2,n m.

23 23 Devemos rejeitar H 0 para valores altos ou baixos de F? Altos. Se F é grande, QMFA é grande, há falta de ajuste.

24 Exemplo: Considere os dados apresentados na tabela a seguir. O modelo ajustado é dado por onde ɛ i iid N(0,σ 2 ). Y i = 1, , 316X i + ɛ i

25 25 Exemplo: (continuação) A tabela ANOVA é apresentada a seguir. Fonte Graus de Soma de Quadrado Estatística de Variação Liberdade Quadrados Médio F QMR Regressão 1 SQR = QMR = 5499 = 7, 56 S 2 Residual 21 SQE = QME = Total 22 SQT = Tabela: Tabela ANOVA O valor crítico da Tabela F com α = 0, 05 é F 1,21 = 4, 325 (lembre que esse teste é unilateral!) Conlusão: Rejeitamos a hipótese de β 1 = 0.

26 26 Exemplo: (continuação) Vamos agora encontrar o valor do erro puro e falta de ajuste. Por exemplo para X = 1.3 temos que Y 1 = ( )2 2 = Logo 2 (Y i1 Y 1 )=( ) 2 +( ) 2 = 0, 125 i=1

27 Exemplo: (continuação) Repetindo essa conta para todos valores distintos de X obtemos os seguintes resultados:

28 28 Exemplo: (continuação) A Tabela ANOVA fica na forma: Fonte Graus de Soma de Quadrado Estatística de Variação Liberdade Quadrados Médio F QMR Regressão QMR = 5499 = 7, 56 S 2 Residual QME = (Falta de Ajuste) QMFA = (Erro Puro) Se 2 = Total Tabela: Tabela ANOVA com cálculo da Falta de Ajuste. QMFA S 2 e = 1.061

29 29 Exemplo: (continuação) Vamos testar as hipóteses: H 0 : o modelo linear é adequado (não há falta de ajuste) H 1 : o modelo linear não é adequado (há falta de ajuste) O valor observado para estatística de teste é F = QMFA S 2 e = sob H 0, F F 11,10. Usando α = 5% da tabela temos que F 11,10 = 2, 854. A região crítica é dada por F > 2, 854.

30 30 Exemplo: (continuação) Rejeitamos ou não H 0? Como 1.061< 2.854, não rejeitamos H 0. Conclusão: com 5% de significância temos evidência de que o modelo linear é adequado nesse caso, ou seja, não há falta de ajuste. Vamos agora calcular o Coeficiente de Determinação Real. Temos que R 2 = SQR SQT = = 0, max R 2 = SQT SQEP SQT = =

31 31 Exemplo: (continuação) O Coeficiente de Determinação Real é dado por: R 2 real = R2 0, 2674 = = 0, 4049 max R Conclusão:40,49% da variabilidade total dos dados pode ser explicada pelo modelo de regressão. Esse valor da uma idéia melhor do que foi alcançado pelo modelo dentro do que era possível.

32 32 Exemplo: (continuação) A figura a seguir mostra os dados coletados e a reta ajustada. Observe que: variação em torno da reta variação do Y para cada valor fixo de X

33 33 Exemplo: (continuação) Isso foi comprovado pelo teste de falta de ajuste. A variabilidade em torno da reta reflete a variabilidade intrínseca aos dados.

34 34 Exemplo: Foram analisados dados de 15 árvores. As variáveis observadas foram: altura e diâmetro da árvore. Vamos considerar Y = {altura da árvore} X = {diâmetro da árvore} Foram considerados 5 diâmetros distintos. Paraca cada valor de diâmetro foram registradas as alturas de 3 árvores. Qual valor de m?5 Qual valore de n 1, n 2, n 3?3 Qual valor de n? 15

35 35 Exemplo: (continuação) A figura a seguir apresenta os dados coletados.

36 36 Exemplo: (continuação) A figura a seguir mostra o gráfico de dispersão dos dados.

37 37 Exemplo: (continuação) O modelo ajustado foi o seguinte Y i = β 0 + β 1 X i + ɛ i A Tabela ANOVA é apresentada a seguir Analysis of Variance Table Response: Y Df Sum Sq Mean Sq F value Pr(>F) X e-07 *** Residuals Lack of fit * Pure Error

38 38 Exemplo: (continuação) Quais conclusões podem ser retiradas a partir dessa tabela? Para testar as hipóteses devemos rejeitar H 0. H 0 : β 1 = 0 H 1 : β = 0 Conclusão: com 5% de significância há evidências de que o diâmetro da árvore é significativo para explicar sua altura.

39 39 Exemplo: (continuação) Vamos testar agora falta de ajuste. As hipóteses a serem testadas são H 0 : o modelo não possui falta de ajuste H 1 : o modelo não possui falta de ajuste Rejeitamos ou não H 0? Rejeitamos. Conclusão: O modelo linear não parece ser adequado nesse caso.

Modelos de Regressão Linear Simples - parte III

Modelos 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 mais

Modelos Lineares Generalizados - Verificação do Ajuste do Modelo

Modelos Lineares Generalizados - Verificação do Ajuste do Modelo Modelos Lineares Generalizados - Verificação do Ajuste do Modelo Erica Castilho Rodrigues 21 de Junho de 2013 3 Uma outra medida usada para verificar o ajuste do modelo. Essa estatística é dada por X

Leia mais

MOQ-14 Projeto e Análise de Experimentos

MOQ-14 Projeto e Análise de Experimentos Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica MOQ-14 Projeto e Análise de Experimentos Profa. Denise Beatriz Ferrari www.mec.ita.br/ denise denise@ita.br Regressão Linear

Leia mais

Modelos de Regressão Linear Simples - parte II

Modelos de Regressão Linear Simples - parte II Modelos de Regressão Linear Simples - parte II Erica Castilho Rodrigues 14 de Outubro de 2013 Erros Comuns que Envolvem a Análise de Correlação 3 Erros Comuns que Envolvem a Análise de Correlação Propriedade

Leia mais

AULA 8 - MQO em regressão múltipla:

AULA 8 - MQO em regressão múltipla: AULA 8 - MQO em regressão múltipla: Definição, Estimação e Propriedades Algébricas Susan Schommer Econometria I - IE/UFRJ Regressão Múltipla: Definição e Derivação A partir de agora vamos alterar o nosso

Leia mais

Modelos de Regressão Múltipla - Parte I

Modelos de Regressão Múltipla - Parte I Modelos de Regressão Múltipla - Parte I Erica Castilho Rodrigues 4 de Outubro de 2016 2 3 Introdução 4 Quando há apenas uma variável explicativa X, temos um problema de regressão linear simples onde ǫ

Leia mais

Teste de hipótese em modelos normais lineares: ANOVA

Teste de hipótese em modelos normais lineares: ANOVA Teste de hipótese em modelos normais lineares: ANOVA Prof Caio Azevedo Prof Caio Azevedo Exemplo 1 No primeiro modelo, o interesse primário, de certa forma, é testar se a carga não contribui para explicar

Leia mais

REGRESSÃO LINEAR Parte I. Flávia F. Feitosa

REGRESSÃO LINEAR Parte I. Flávia F. Feitosa REGRESSÃO LINEAR Parte I Flávia F. Feitosa BH1350 Métodos e Técnicas de Análise da Informação para o Planejamento Julho de 2015 Onde Estamos Para onde vamos Inferência Esta5s6ca se resumindo a uma equação

Leia mais

Regression and Clinical prediction models

Regression 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 mais

Estatística Aplicada II. } Regressão Linear

Estatística Aplicada II. } Regressão Linear Estatística Aplicada II } Regressão Linear 1 Aula de hoje } Tópicos } Regressão Linear } Referência } Barrow, M. Estatística para economia, contabilidade e administração. São Paulo: Ática, 007, Cap. 7

Leia mais

Teste F-parcial 1 / 16

Teste 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 mais

Teste F-parcial 1 / 16

Teste 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 mais

Análise da Regressão. Prof. Dr. Alberto Franke (48)

Análise da Regressão. Prof. Dr. Alberto Franke (48) Análise da Regressão Prof. Dr. Alberto Franke (48) 91471041 O que é Análise da Regressão? Análise da regressão é uma metodologia estatística que utiliza a relação entre duas ou mais variáveis quantitativas

Leia mais

Modelo de Regressão Múltipla

Modelo 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 mais

AULA 19 Análise de Variância

AULA 19 Análise de Variância 1 AULA 19 Análise de Variância Ernesto F. L. Amaral 18 de outubro de 2012 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro: LTC. Capítulo

Leia mais

Planejamento de Experimentos

Planejamento 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 mais

ANOVA com modelos encaixados

ANOVA 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 mais

Modelos Lineares Generalizados - Verificação do Ajuste do Modelo

Modelos Lineares Generalizados - Verificação do Ajuste do Modelo 1 Modelos Lineares Generalizados - Verificação do Ajuste do Modelo Erica Castilho Rodrigues 9 de Abril de 2015 2 3 Função Deviance Podemos ver o ajuste de um modelo a um conjunto de dados como: uma forma

Leia mais

Teste de hipótese de variância e Análise de Variância (ANOVA)

Teste de hipótese de variância e Análise de Variância (ANOVA) Teste de hipótese de variância e Análise de Variância (ANOVA) Prof. Marcos Vinicius Pó Métodos Quantitativos para Ciências Sociais Modelos explicativos estatísticos Modelos estatísticos visam descrever

Leia mais

Disciplina de Modelos Lineares

Disciplina de Modelos Lineares Disciplina de Modelos Lineares 2012-2 Seleção de Variáveis Professora Ariane Ferreira Em modelos de regressão múltipla é necessário determinar um subconjunto de variáveis independentes que melhor explique

Leia mais

Teste de hipótese de variância e Análise de Variância (ANOVA)

Teste de hipótese de variância e Análise de Variância (ANOVA) Teste de hipótese de variância e Análise de Variância (ANOVA) Prof. Marcos Vinicius Pó Métodos Quantitativos para Ciências Sociais Testes sobre variâncias Problema: queremos saber se há diferenças estatisticamente

Leia mais

Modelos de Regressão Linear Simples - parte I

Modelos de Regressão Linear Simples - parte I Modelos de Regressão Linear Simples - parte I Erica Castilho Rodrigues 19 de Agosto de 2014 Introdução 3 Objetivos Ao final deste capítulo você deve ser capaz de: Usar modelos de regressão para construir

Leia mais

Modelos de Regressão Linear Simples parte I

Modelos 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 mais

ANÁLISE DE REGRESSÃO

ANÁLISE 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 mais

UNIVERSIDADE 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: 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 mais

CORRELAÇÃO E REGRESSÃO

CORRELAÇÃO E REGRESSÃO CORRELAÇÃO E REGRESSÃO Permite avaliar se existe relação entre o comportamento de duas ou mais variáveis e em que medida se dá tal interação. Gráfico de Dispersão A relação entre duas variáveis pode ser

Leia mais

SELEÇÃO DE VARIÁVEIS

SELEÇÃO DE VARIÁVEIS SELEÇÃO DE VARIÁVEIS objetivo incluir tantas covariáveis quantas forem necessárias para auxiliar na predição do modelo? (1) buscar o menor subconjunto de covariáveis capaz de explicar adequadamente a variação

Leia mais

Regression and Clinical prediction models

Regression and Clinical prediction models Regression and Clinical prediction models Session 7 Introducing statistical modeling Part 3 (Multivariable linear regression) Pedro E A A do Brasil pedro.brasil@ini.fiocruz.br 2018 Objetivos Continuar

Leia mais

Capacitação em R e RStudio PROJETO DE EXTENSÃO. Software R: capacitação em análise estatística de dados utilizando um software livre.

Capacitação 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 mais

EXPERIMENTOS COM INTERAÇÕES

EXPERIMENTOS COM INTERAÇÕES EXPERIMENTOS COM INTERAÇÕES Na maioria dos experimentos, os tratamentos são de efeitos fixos. Mas também são realizados experimentos em que os efeitos dos tratamentos são aleatórios. 1 Para saber se, em

Leia mais

Modelos de Regressão Múltipla - Parte IV

Modelos de Regressão Múltipla - Parte IV 1 Modelos de Regressão Múltipla - Parte IV Erica Castilho Rodrigues 01 de Fevereiro de 2017 2 3 4 Nos modelos vistos até agora a mudança de um grupo para o outro estava apenas no intercepto. Podemos também

Leia mais

DELINEAMENTO EM BLOCOS CASUALIZADOS COM REPETIÇÕES. Profª. Sheila Regina Oro

DELINEAMENTO EM BLOCOS CASUALIZADOS COM REPETIÇÕES. Profª. Sheila Regina Oro DELINEAMENTO EM BLOCOS CASUALIZADOS COM REPETIÇÕES Profª. Sheila Regina Oro Delineamento em Blocos Casualizados com Repetições (DBCr) Utilizado quando temos mais de uma repetição de cada tratamento dentro

Leia mais

Bibliografia Recomendada

Bibliografia 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 mais

DELINEAMENTO EM BLOCOS AO ACASO

DELINEAMENTO EM BLOCOS AO ACASO DELINEAMENTO EM BLOCOS AO ACASO Sempre que não houver condições experimentais homogêneas, devemos utilizar o principio do controle local, instalando Blocos, casualizando os tratamentos, igualmente repetidos.

Leia mais

MRLM 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. 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 mais

Investigação Aplicada I

Investigação Aplicada I Investigação Aplicada I Aula 7 1º Semestre 2016/17 Licenciatura em Ciências Biomédicas Laboratoriais igrodrigues@ualg.pt; ESSUAlg: gabinete 2.06 Prof. Inês Rodrigues Inferência esta-s.ca Inferir dados

Leia mais

AULAS 14 E 15 Modelo de regressão simples

AULAS 14 E 15 Modelo de regressão simples 1 AULAS 14 E 15 Modelo de regressão simples Ernesto F. L. Amaral 30 de abril e 02 de maio de 2013 Avaliação de Políticas Públicas (DCP 046) Fonte: Wooldridge, Jeffrey M. Introdução à econometria: uma abordagem

Leia mais

AULA 12 - Normalidade e Inferência em Regressão Múltipla - Parte 2

AULA 12 - Normalidade e Inferência em Regressão Múltipla - Parte 2 AULA 12 - Normalidade e Inferência em Regressão Múltipla - Parte 2 Susan Schommer Econometria I - IE/UFRJ Testes de hipóteses sobre combinação linear dos parâmetros Na aula passada testamos hipóteses sobre

Leia mais

AULA 12 - Normalidade e Inferência em Regressão Múltipla - Parte 2

AULA 12 - Normalidade e Inferência em Regressão Múltipla - Parte 2 AULA 12 - Normalidade e Inferência em Regressão Múltipla - Parte 2 Susan Schommer Econometria I - IE/UFRJ Testes de hipóteses sobre combinação linear dos parâmetros Na aula passada testamos hipóteses sobre

Leia mais

MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE CIENCIAS E TECNOLOGIA AGROALIMENTAR UNIDADE V

MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE CIENCIAS E TECNOLOGIA AGROALIMENTAR UNIDADE V MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE CIENCIAS E TECNOLOGIA AGROALIMENTAR UNIDADE V DELINEAMENTO EM BLOCOS CASUALIZADOS (DBC) Profª Railene Hérica Carlos Rocha 1. Introdução

Leia mais

Modelos Lineares Generalizados - Modelos log-lineares para tabelas de contingência

Modelos Lineares Generalizados - Modelos log-lineares para tabelas de contingência Modelos Lineares Generalizados - Modelos log-lineares para tabelas de contingência Erica Castilho Rodrigues 12 de Agosto 3 Vimos como usar Poisson para testar independência em uma Tabela 2x2. Veremos

Leia mais

Lista No. 5 Gabarito

Lista No. 5 Gabarito CÁLCULO NUMÉRICO Lista No. 5 Gabarito. (a) Queremos y f() ϕ() α +. Temos então n, as funções bases g (), g (), e m 8. Precisamos resolver o sistema de equações normais correspondente. Este sistema para

Leia mais

Regressão. PRE-01 Probabilidade e Estatística Prof. Marcelo P. Corrêa IRN/Unifei

Regressão. PRE-01 Probabilidade e Estatística Prof. Marcelo P. Corrêa IRN/Unifei Regressão PRE-01 Probabilidade e Estatística Prof. Marcelo P. Corrêa IRN/Unifei Regressão Introdução Analisar a relação entre duas variáveis (x,y) através da equação (equação de regressão) e do gráfico

Leia mais

Ajuste por mínimos quadrados no Scilab

Ajuste por mínimos quadrados no Scilab Ajuste por mínimos quadrados no Scilab O ajuste por mínimos quadrados é uma regressão linear nos parâmetros (eles podem ser arranjados na equação de regressão na forma de um único vetor) que tem sua eficiância

Leia mais

Modelos Lineares Generalizados - Modelos log-lineares para tabelas de contingência

Modelos Lineares Generalizados - Modelos log-lineares para tabelas de contingência Modelos Lineares Generalizados - Modelos log-lineares para tabelas de contingência Erica Castilho Rodrigues 12 de Agosto Introdução 3 Vimos como usar Poisson para testar independência em uma Tabela 2x2.

Leia mais

Planejamento de Experimentos

Planejamento de Experimentos Planejamento de Experimentos Analise de Variância (ANOVA) com um Fator Planejamento de Experimentos Muitas vezes é necessário obter informações sobre produtos e processos empiricamente. Trabalho assemelha-se

Leia mais

SELEÇÃO DE VARIÁVEIS

SELEÇÃO DE VARIÁVEIS SELEÇÃO DE VARIÁVEIS objetivo incluir tantas covariáveis quantas forem necessárias para auxiliar na predição do modelo? (1) buscar o menor subconjunto de covariáveis capaz de explicar adequadamente a variação

Leia mais

Gabarito Trabalho 1. onde 1 refere-se ao salário quando a variável branco = 1. Teremos, então:

Gabarito Trabalho 1. onde 1 refere-se ao salário quando a variável branco = 1. Teremos, então: Professor: Eduardo Pontual Monitor: Tiago Souza Econometria MFEE Gabarito Trabalho 1 Exercício 1 Queremos estimar a diferença salarial entre trabalhadores brancos e não brancos. Assim, calcularemos a diferença

Leia mais

Correlação e Regressão

Correlação 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

Projeto de Experimentos

Projeto de Experimentos Projeto de Experimentos O uso de Projeto de Experimentos conduz a uma seqüência estruturada de ensaios, que assegura o máximo de informação com um gasto mínimo de tempo/dinheiro. Entrada Processo Saída

Leia mais

Métodos Estatísticos Avançados em Epidemiologia

Métodos Estatísticos Avançados em Epidemiologia Métodos Estatísticos Avançados em Epidemiologia Análise de Variância - ANOVA Cap. 12 - Pagano e Gauvreau (2004) - p.254 Enrico A. Colosimo/UFMG Depto. Estatística - ICEx - UFMG 1 / 39 Introdução Existem

Leia mais

Teste de hipótese de variância e Análise de Variância (ANOVA)

Teste de hipótese de variância e Análise de Variância (ANOVA) Teste de hipótese de variância e Análise de Variância (ANOVA) Prof. Marcos Vinicius Pó Métodos Quantitativos para Ciências Sociais Testes sobre variâncias Problema: queremos saber se há diferenças estatisticamente

Leia mais

Modelos de Regressão Linear Simples - Análise de Resíduos

Modelos de Regressão Linear Simples - Análise de Resíduos 1 Modelos de Regressão Linear Simples - Análise de Resíduos Erica Castilho Rodrigues 27 de Setembro de 2016 2 3 O modelo de regressão linear é dado por 3 O modelo de regressão linear é dado por Y i = β

Leia mais

Correlação e Regressão

Correlação e Regressão Correlação e Regressão Exemplos: Correlação linear Estudar a relação entre duas variáveis quantitativas Ou seja, a força da relação entre elas, ou grau de associação linear. Idade e altura das crianças

Leia mais

Modelos de Regressão Linear Simples - Análise de Resíduos

Modelos de Regressão Linear Simples - Análise de Resíduos Modelos de Regressão Linear Simples - Análise de Resíduos Erica Castilho Rodrigues 1 de Setembro de 2014 3 O modelo de regressão linear é dado por Y i = β 0 + β 1 x i + ɛ i onde ɛ i iid N(0,σ 2 ). O erro

Leia mais

MAE Planejamento e Pesquisa I

MAE Planejamento e Pesquisa I MAE0317 - Planejamento e Pesquisa I COMPARAÇÕES DE MÉDIAS - 1 FATOR FIXO 1 de abril de 2014 Denise A. Botter MAE0317 1 de abril de 2014 1 / 55 INTRODUÇÃO Testamos H 0 : µ 1 =... = µ r. Se H 0 não é rejeitada,

Leia mais

Métodos de Previsão Problem Set 2

Métodos de Previsão Problem Set 2 Métodos de Previsão Problem Set 2 Exercício 1: Indique a Expressão do coeficiente de determinação corrigido ou ajustado R 2 e explique a importância do seu cálculo, comparando-o com o R 2. O R 2 representa

Leia mais

Capítulo 9 - Regressão Linear Simples (RLS): Notas breves

Capítulo 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 mais

b) Teste a hipótese de efeito significante do tamanho da população sobre a venda do produto, na presença de renda per capita

b) 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 mais

ANOVA - parte I Conceitos Básicos

ANOVA - parte I Conceitos Básicos ANOVA - parte I Conceitos Básicos Erica Castilho Rodrigues 9 de Agosto de 2011 Referências: Noções de Probabilidade e Estatística - Pedroso e Lima (Capítulo 11). Textos avulsos. Introdução 3 Introdução

Leia mais

XIX CONGRESSO DE PÓS-GRADUAÇÃO DA UFLA 27 de setembro a 01 de outubro de 2010

XIX CONGRESSO DE PÓS-GRADUAÇÃO DA UFLA 27 de setembro a 01 de outubro de 2010 PROPOSTA DE APLICAÇÃO DA ANÁLISE DE VARIÂNCIA COM MODELO AUTOREGRESSIVO PARA ANÁLISE DE VARIEDADES DE TRIGO (Triticum aestivum L.) DIOGO FRANCISCO ROSSONI¹, MARIELE VILELA BERNARDES PRADO², JAIR ROCHA

Leia mais

Universidade Federal de Goiás. Bioestatística. Prof. Adriano Sanches Melo - Dep. Ecologia ICB asm.adrimelo gmail.com

Universidade Federal de Goiás. Bioestatística. Prof. Adriano Sanches Melo - Dep. Ecologia ICB asm.adrimelo gmail.com Universidade Federal de Goiás Bioestatística Prof. Adriano Sanches Melo - Dep. Ecologia ICB asm.adrimelo gmail.com Página do curso: http://www.ecologia.ufrgs.br/~adrimelo/bioestat Teste t Aulas anteriores

Leia mais

Experimentos Balanceados com Dois Fatores

Experimentos Balanceados com Dois Fatores Experimentos Balanceados com Dois Fatores Experimentos com dois fatores cruzados fixos Exemplo1. Objetivo. Investigar os efeitos do preço de venda e do tipo de campanha promocional nas vendas de certo

Leia mais

EXPERIMENTAÇÃO AGRÁRIA

EXPERIMENTAÇÃO AGRÁRIA EXPERIMENTAÇÃO AGRÁRIA Tema : Delineamentos experimentais básicos (DCC/DBCC/DQL) Delineamento Completamente 1. Quando usar? Casualizado (DCC) Este delineamento é usado quando as unidades experimentais

Leia mais

Análise de Regressão Prof. MSc. Danilo Scorzoni Ré FMU Estatística Aplicada

Análise de Regressão Prof. MSc. Danilo Scorzoni Ré FMU Estatística Aplicada Aula 2 Regressão Linear Simples Análise de Regressão Prof. MSc. Danilo Scorzoni Ré FMU Estatística Aplicada Conceitos Gerais A análise de regressão é utilizada para explicar ou modelar a relação entre

Leia mais

AULAS 14 E 15 Modelo de regressão simples

AULAS 14 E 15 Modelo de regressão simples 1 AULAS 14 E 15 Modelo de regressão simples Ernesto F. L. Amaral 18 e 23 de outubro de 2012 Avaliação de Políticas Públicas (DCP 046) Fonte: Wooldridge, Jeffrey M. Introdução à econometria: uma abordagem

Leia mais

Variável dependente Variável independente Coeficiente de regressão Relação causa-efeito

Variável 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 mais

Estatística de Teste: Decisão: p α Rejeita-se H 0. Hipóteses: Ǝ i,j σ 1 σ 2 i,j=1,,k. Estatística de Teste: Decisão: p >α Não se rejeita H 0

Estatística de Teste: Decisão: p α Rejeita-se H 0. Hipóteses: Ǝ i,j σ 1 σ 2 i,j=1,,k. Estatística de Teste: Decisão: p >α Não se rejeita H 0 Normalidade: H 0: Y i~n(µ i, σ i) H 1: Y i N(µ i, σ i) (i=1,,k) Estatística de Teste: (p=valor p-value) Se n < 50 Teste Shapiro-Wild Se n > 50 Teste Kolmogorov-Smirnov Homogeneidade p α Rejeita-se H 0

Leia mais

Planejamento e Análise Estatística de Experimentos Fatoriais em blocos completos

Planejamento e Análise Estatística de Experimentos Fatoriais em blocos completos Planejamento e Análise Estatística de Experimentos Fatoriais em blocos completos Contexto Já vimos como analisar um experimento em blocos na presença de um único fator de interesse. Podemos ter experimentos

Leia mais

Estatística Aplicada II. } Algumas distribuições adicionais

Estatística Aplicada II. } Algumas distribuições adicionais Estatística Aplicada II } Algumas distribuições adicionais 1 Aula de hoje } Tópicos } Algumas distribuições adicionais } Referência } Barrow, M. Estatística para economia, contabilidade e administração.

Leia mais

Relatório do Experimento 1 Sistema Massa - Mola. Fernando Henrique Ferraz Pereira da Rosa

Relatório do Experimento 1 Sistema Massa - Mola. Fernando Henrique Ferraz Pereira da Rosa FEP0111 - Física I Relatório do Experimento 1 Sistema Massa - Mola Fernando Henrique Ferraz Pereira da Rosa 4 de novembro de 2005 Sumário 1 Introdução 2 2 Objetivos 2 3 Procedimento experimental 2 3.1

Leia mais

EXPERIMENTAÇÃO AGRÁRIA

EXPERIMENTAÇÃO AGRÁRIA EXPERIMENTAÇÃO AGRÁRIA Tema : Delineamentos experimentais básicos (DCC/DBCC/DQL) Delineamento de Blocos Completos Casualizados (DBCC) Quando usar? Quando as unidades experimentais não apresentam características

Leia mais

Regressão Linear Simples

Regressão Linear Simples Regressão Linear Simples Capítulo 16, Estatística Básica (Bussab&Morettin, 8a Edição) 10a AULA 18/05/2015 MAE229 - Ano letivo 2015 Lígia Henriques-Rodrigues 10a aula (18/05/2015) MAE229 1 / 38 Introdução

Leia mais

Técnicas Experimentais Aplicadas

Técnicas Experimentais Aplicadas Técnicas Experimentais Aplicadas em Ciência do Solo Mario de Andrade Lira Junior lira.pro.br/wordpress 7/4/010 1 Principais delineamentos Inteiramente casualizado Segundo mais comum Blocos completos Normalmente

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER 202 - ANO 2016. Análise de Variância (ANOVA)

Estatística: Aplicação ao Sensoriamento Remoto SER 202 - ANO 2016. Análise de Variância (ANOVA) Estatística: Aplicação ao Sensoiamento Remoto SER 0 - ANO 016 Análise de Vaiância (ANOVA) Camilo Daleles Rennó camilo@dpi.inpe.b http://www.dpi.inpe.b/~camilo/estatistica/ Compaando-se médias de duas populações

Leia mais

CORRELAÇÃO E REGRESSÃO

CORRELAÇÃO E REGRESSÃO CORRELAÇÃO E REGRESSÃO 1 1. CORRELAÇÃO 1.1. INTRODUÇÃO 1.. PADRÕES DE ASSOCIAÇÃO 1.3. INDICADORES DE ASSOCIAÇÃO 1.4. O COEFICIENTE DE CORRELAÇÃO 1.5. HIPÓTESES BÁSICAS 1.6. DEFINIÇÃO 1.7. TESTE DE HIPÓTESE.

Leia mais

Regression and Clinical prediction models

Regression and Clinical prediction models Regression and Clinical prediction models Session 4 Introducing statistical modeling Part 1 (Analysis of variance) Pedro E A A do Brasil pedro.brasil@ini.fiocruz.br 2018 Objetivos Introduzir a ideia de

Leia mais

Modelos de Regressão Múltipla - Parte VIII

Modelos de Regressão Múltipla - Parte VIII 1 Modelos de Regressão Múltipla - Parte VIII Erica Castilho Rodrigues 15 de Fevereiro de 2017 2 3 Observações não usuais 4 As observações não usuais podem ser: Outliers: não se ajustam bem ao modelo (resíduo

Leia mais

2 ou mais fatores são de interesse.

2 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 mais

ECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc.

ECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc. ECONOMETRIA Prof. Patricia Maria Bortolon, D. Sc. Cap. 8 Análise de Regressão Múltipla: o Problema da Inferência Fonte: GUJARATI; D. N. Econometria Básica: 4ª Edição. Rio de Janeiro. Elsevier- Campus,

Leia mais

Escola 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 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 mais

TÉCNICAS EXPERIMENTAIS APLICADAS EM CIÊNCIA DO SOLO

TÉCNICAS EXPERIMENTAIS APLICADAS EM CIÊNCIA DO SOLO 1 TÉCNICAS EXPERIMENTAIS APLICADAS EM CIÊNCIA DO SOLO Mario de Andrade Lira Junior lira.pro.br/wordpress os direitos autorais. ANÁLISE DA VARIÂNCIA Desdobramento da variância total em seus componentes

Leia mais

Análise de Variância com mais de duas variáveis independentes (mais de dois fatores) Na aula do dia 17 de outubro (aula #08) introduzimos

Análise de Variância com mais de duas variáveis independentes (mais de dois fatores) Na aula do dia 17 de outubro (aula #08) introduzimos Análise de Variância com mais de duas variáveis independentes (mais de dois fatores) Na aula do dia 17 de outubro (aula #08) introduzimos a técnica de Análise de variância (ANOVA) a um fator, que resulta

Leia mais

aula ANÁLISE DO DESEMPENHO DO MODELO EM REGRESSÕES

aula 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 mais

Regressão linear múltipla. Regressão linear múltipla

Regressão linear múltipla. Regressão linear múltipla Regressão linear múltipla 35 R 2 = 61% Maria Virginia P Dutra Eloane G Ramos Vania Matos Fonseca Pós Graduação em Saúde da Mulher e da Criança IFF FIOCRUZ Baseado nas aulas de M. Pagano e Gravreau e Geraldo

Leia mais

REGRESSÃO LINEAR SIMPLES PARTE III

REGRESSÃO LINEAR SIMPLES PARTE III REGRESSÃO LINEAR SIMPLES PARTE III Instalando e usando a opção Regressão do Excel. Francisco Cavalcante(f_c_a@uol.com.br) Administrador de Empresas graduado pela EAESP/FGV. É Sócio-Diretor da Cavalcante

Leia mais

Modelos de Análise de Variância

Modelos de Análise de Variância Modelos de Análise de Variância Delineamento Completamente Aleatorizado: k tratamentos, r réplicas (balanceado) yi iid ~ N ; i i Normalidade Variância constante ( homocedasticidade ) Independência Análise

Leia mais

EXCEL NA ANÁLISE DE REGRESSÃO

EXCEL NA ANÁLISE DE REGRESSÃO EXCEL NA ANÁLISE DE REGRESSÃO _2010_03_Exercicio _Regressão_exemplo O gerente de uma loja de artigos escolares, cada semana, deve decidir quanto gastar com propaganda e que atrativo (por exemplo preços

Leia mais

EPGE / FGV MFEE - ECONOMETRIA Monitoria 03-09/05/2008 (GABARITO)

EPGE / FGV MFEE - ECONOMETRIA Monitoria 03-09/05/2008 (GABARITO) EPGE / FGV MFEE - ECONOMETRIA Monitoria 03-09/05/2008 (GABARITO) Eduardo P. Ribeiro eduardopr@fgv.br Professor Ilton G. Soares iltonsoares@fgvmail.br Monitor 01. Use os dados em WAGE1 para estimar a seguinte

Leia mais

Testes de Hipóteses sobre a média: Várias Amostras

Testes de Hipóteses sobre a média: Várias Amostras Testes de Hipóteses sobre a média: Várias Amostras Na aula de hoje veremos como comparar mais de duas populações, baseados em dados fornecidos por amostras dessas populações. A Análise de Variância (ANOVA)

Leia mais

Bibliografia Recomendada.

Bibliografia 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 mais

rio de Guerra Eletrônica EENEM 2008 Estatística stica e Probabilidade de Variância (ANOVA) 1/24

rio de Guerra Eletrônica EENEM 2008 Estatística stica e Probabilidade de Variância (ANOVA) 1/24 ITA - Laboratório rio de Guerra Eletrônica EENEM 2008 Estatística stica e Probabilidade Aula 07: Análise de Variância (ANOVA) 1/24 Definição A análise de variância (ANOVA) é um método para testar a igualdade

Leia mais

QMRE = n (p+1) R 2. 1 R 2 (p,n (p+1)), sob H 0.

QMRE = n (p+1) R 2. 1 R 2 (p,n (p+1)), sob H 0. INSTITUTO SUPERIOR DE AGRONOMIA ESTATÍSTICA E DELINEAMENTO 4 de Janeiro, 205 SEGUNDO TESTE 204-5 Uma resolução possível I. O valor R 2 =0.528 significa que esta regressão linear múltipla explica quase

Leia mais

AULA 03 Análise de regressão múltipla: estimação

AULA 03 Análise de regressão múltipla: estimação 1 AULA 03 Análise de regressão múltipla: estimação Ernesto F. L. Amaral 17 de julho de 2013 Análise de Regressão Linear (MQ 2013) www.ernestoamaral.com/mq13reg.html Fonte: Cohen, Ernesto, e Rolando Franco.

Leia mais

Instituto Federal Goiano

Instituto Federal Goiano e simples e Instituto Federal Goiano e Conteúdo simples 1 2 3 4 5 simples 6 e simples Associação entre duas variáveis resposta Exemplos: altura de planta e altura da espiga, teor de fósforo no solo e na

Leia mais

Conceitos Básicos Teste t Teste F. Teste de Hipóteses. Joel M. Corrêa da Rosa

Conceitos Básicos Teste t Teste F. Teste de Hipóteses. Joel M. Corrêa da Rosa 2011 O 1. Formular duas hipóteses sobre um valor que é desconhecido na população. 2. Fixar um nível de significância 3. Escolher a Estatística do Teste 4. Calcular o p-valor 5. Tomar a decisão mediante

Leia mais

Estatística Experimental

Estatística 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 mais

REGRESSÃO E CORRELAÇÃO

REGRESSÃO E CORRELAÇÃO REGRESSÃO E CORRELAÇÃO A interpretação moderna da regressão A análise de regressão diz respeito ao estudo da dependência de uma variável, a variável dependente, em relação a uma ou mais variáveis explanatórias,

Leia mais

Estudar a relação entre duas variáveis quantitativas.

Estudar a relação entre duas variáveis quantitativas. Estudar a relação entre duas variáveis quantitativas. Exemplos: Idade e altura das crianças Tempo de prática de esportes e ritmo cardíaco Tempo de estudo e nota na prova Taxa de desemprego e taxa de criminalidade

Leia mais