Regressão linear múltipla. Prof. Tatiele Lacerda
|
|
- Samuel Silva Klettenberg
- 7 Há anos
- Visualizações:
Transcrição
1 Regressão linear múltipla Prof Tatiele Lacerda
2 Yi = B + Bx + B3X3 + u Plano de resposta E(Y i ) = 0,00 Y i i 0 (,33;,67) Y i 0 X i Xi X p i, p i
3 3 Modelo de regressão linear múltipla em termos matriciais, 0 i p i p i i i X X X Y A expressão do modelo linear geral de regressão é dada por: Em termos matriciais, precisamos definir: n p p n n p p n X X X X X X Y Y Y 0 p x,,, p n x n x n x ε β X Y
4 4 Em termos matriciais, o modelo de regressão linear geral é dado por: ε Xβ Y é um vetor de variáveis aleatórias independentes e normalmente distribuídas com esperança (média), E()=0 e matriz de variância-covariância dada por: ) ( ε σ Assim, o vetor das observações Y tem esperança e variância dadas por: I Y σ Xβ E Y ) ( ) ( n x n n x () = I (3)
5 Estimação dos coeficientes de regressão O sistema de equações normais para o modelo () é: ' X Xb ' X Y (4) E os estimadores de mínimos quadrados são dados por: b ' ( X X) ' X Y (5) Valores estimados e resíduos Os valores estimados são obtidos por: Y Xb (6) ˆ n x Os resíduos são obtidos através da expressão matricial: e nx Y Yˆ Y Xb (7) 5
6 Método de máxima verossimilhança Vamos considerar o modelo com erros normais A função de máxima verossimilhança é dada por: n L( β, ) n / exp ( Yi 0 X i ( ) p i X i, p Os estimadores de máxima verossimilhança são exatamente os mesmos obtidos com o método de mínimos quadrados ) Inferência sobre os parâmetros da regressão Os estimadores de mínimos quadrados ou de máxima verossimilhança são não tendenciosos, isto é: E(b)= A matriz de variância-covariância dos estimadores, (b), é dada por: σ ' ( b) ( X X) (p x p) 6
7 Análise de variância Três fatores que afetam a variância dos modelos: variância do erro Variação de Xij Grau de relação linear entre as variáveis explicativas Var( Bj) R² ^² SQE SQT n k ² SQT( * Ui^, onde : R² j) SQR n k Estimação da variância
8 Diferença entre os modelos de MQO e de MV: é apenas na variância ^² SQR n MV Ele não depende das varáveis do modelo Mas se o n for grande eles tendem a se aproximar
9 Coeficiente de determinação (R ) Após estimar os coeficientes de regressão, seus erros padrões e suas principais propriedades, devemos estimar o grau de ajuste a um conjunto de dados da reta de regressão ajustada, ou seja, verificar quão bem a reta de regressão da amostra se ajusta aos dados Se todas as observações se situam na linha de regressão, obteríamos um ajustamento perfeito, porém, em geral, haverá algum resíduo positivo ou negativo O ideal é que esses resíduos juntos a linha de regressão sejam tão pequenos quanto possível O coeficiente de determinação R é uma medida que diz quão bem a reta de regressão da amostra se ajusta aos dados O valor numérico do coeficiente varia entre zero e um, como segue: 0 R
10 COEFICIENTE DE DETERMINAÇÃO R: O cálculo para o coeficiente de determinação R é determinado como Segue, sendo derivado da equação dos desvios elevado ao quadrado e ao somatório, e depois dividido pela SQT (como vista na regressão simples): R² SQE SQT SQR SQT u^² yi² A variação total nos valores de Y observados em relação ao seu valor médio pode ser dividido em duas partes: uma atribuível à reta de regressão e outra às forças aleatórias Gráfico no quadro ou pegar do programa
11 O R é definido como coeficiente de determinação da amostra, e é a medida mais utilizada do grau de ajuste de uma reta de regressão Ela mede a proporção ou a porcentagem da variação total de Y explicada pelo modelo de regressão É possível destacar as seguintes propriedades do coeficiente de determinação: Trata-se de uma quantidade não negativa; Seus limites variam entre: 0 < R < Um R = significa um perfeito ajustamento, por outro lado, R = 0, significa que não há nenhuma relação entre a variável explicativa e a variável explicada, ou seja, B = 0 Neste caso, Y^ = B = Y, isto é, a melhor previsão de qualquer valor de Y é seu valor médio Neste caso, a reta de regressão será horizontal, paralela ao eixo X
12 COEFICIENTE DE DETERMINAÇÃO AJUSTADO ( R²a): Uma importante propriedade de R é que ele é uma função não decrescente do número de variáveis explicativas ou regressores (X) presentes no modelo Na medida em que aumenta o número de regressores, R também aumenta e nunca diminui Considere a equação que segue: R² u^² yi² Nota-se que independe da variável X Mas depende do numero de regressores, determinado pela (u^), pois se aumenta X O erro deve diminuir, mas o R² irá aumentar
13 Dada esta restrição, para comparar modelos compostos por diferentes números de variáveis explicativas X, podemos usar o coeficiente de determinação ajustado, representado por: Ra² u^² ( n k) yi² ( n ) Mas o que ele mede? O termo ajustado significa ajustado para os graus de liberdade associados às somas dos quadrados Os erros dependem de n-k gl, incluindo o termo de intercepto O y depende de n- gl Veja na formula acima
14 Relação entre o coeficiente de determinação e o coeficiente de determinação ajustado: Como R aumenta com a adição de variáveis explanatórias, sugere-se utilizar o coeficiente de determinação ajustado (corrigido) para os graus de liberdade O coeficiente de determinação ajustado é dado por: R a SQR n nk SQT n nk SQR SQT Comparando com o R² e substituindo o R² na formula acima tem-se: Ra² ( ( n ) R²) ( n k)
15 Coeficiente de determinação (R ) sintese: Define-se R por: R SQE SQT SQR SQT Mede a redução da variabilidade total de Y associada com o uso do conjunto de variáveis X,,X p- Como na regressão linear simples, temos: 0 R Assim, R =0 se todas as estimativas b k =0 (k=,,p-), e R = quando todas as observações Y caírem exatamente na superfície de regressão ajustada, isto é, quando: Y Yˆ para todo i i i Como R aumenta com a adição de variáveis explanatórias, sugere-se utilizar o coeficiente de determinação ajustado (corrigido) para os graus de liberdade O coeficiente de determinação ajustado é dado por: Ra² ( ( n ) R²) ( n k) 5
16 Um alto valor de R não necessariamente implica que o modelo ajustado se presta para se fazer inferências precisas, pois apesar de um valor alto de R O modelo pode não ser exatamente linear Qual dos dois R² se analisa para escolher o melhor modelo? Coeficiente de correlação múltipla (R) Não confundir - coeficiente de correlação múltipla (R) é de associação linear R R O coeficiente de correlação múltipla mede o relacionamento linear entre Y e Ŷ Cuidado, temos três tipos de R 6
17 O perigo jogo de maximizar o Ra O que se quer obter de uma estimação? Estimativas confiáveis para pode fazer inferência O pesquisador deve levar em conta, não apenas o Ra², mas dar uma relevância as variáveis explicativas com relação a explicada, para que? Nem sempre um Ra² baixo, significa modelo ruim
18 HIPOTESE DA NORMALIDADE DISTRIBUIÇÃO DE PROBABILIDADE DOS ERROS ui s: Uma vez que os estimadores de Mínimos Quadrados Ordinários s são funções lineares de ui (perturbações aleatórias), a distribuição de probabilidade dos estimadores dependerá da hipótese feita com relação ao comportamento da distribuição de probabilidade dos resíduos Assim, considera-se que o processo estocástico dos resíduos ui se distribui normalmente, respeitando as seguintes especificações E( ui) 0 E( ui)² ² cov( ui, uj) E( ui, uj) 0, sendoi j ui N(0, ²)
19 Sob a hipótese de normalidade dos resíduos ui, os estimadores de Mínimos Quadrados Ordinários s também se distribuem normalmente Apresentando as seguintes propriedades: ) São não viesados; E(B^) = B, ) Apresentam variância mínima (estimador eficiente); 3) São estimadores consistentes, ou seja, na medida em que o tamanho da amostra aumente, os estimadores convergem para os verdadeiros valores da população; 4) B`S tem variância mínima em todas as classes de estimadores não tendenciosos, seja lineares ou não Portanto, os estimadores por MQO são os Melhores Estimadores Lineares não Viesados E distribuem independentemente de variância Se admitirmos que ui se distribui normalmente com média zero e variância constante, então, Y também se distribui normalmente com média e variância constante Isso ocorre porque toda a função linear de variáveis distribuídas normalmente, também se distribuem normalmente QUADRO A FIGURA
20 B^ se distribui normalmente com: Média Variância COLOCAR NO QUADRO Distribuição normal Distribuição normal padronizada B^ se distribui normalmente com: Média Variância Distribuição normal Distribuição normal padronizada
21 ESTIMAÇÃO DE INTERVALO E TESTE DE HIPOTES Em virtude de as amostras apresentarem flutuações, uma única estimativa vai diferir do seu verdadeiro valor, porém, em amostras repetidas, o valor médio tende a convergir, ou ser igual, ao seu verdadeiro valor E(B^) = B, O grau de confiabilidade de um estimador por ponto é medido pelo seu erro padrão Assim sendo, em vez de confiar apenas na estimativa de ponto, podemos construir um intervalo em torno do estimador de ponto, de modo que este intervalo tenha uma elevada probabilidade de conter o verdadeiro valor do parâmetro O intervalo de confiança para os estimadores pode ser definido por: QUADRO Onde (- a) representa o coeficiente de confiança, e (0<a<) representa o nível de significância Os extremos do intervalo de confiança são conhecidos como limites de confiança (ou valores críticos)
22 PROPRIEDADES: A probabilidade dos estimadores estarem nos limites é dado por: (-a) O intervalo de confiança é um intervalo aleatório, ou seja, ele irá variar de uma amostra para outra por ser uma função dos parâmetros s, que são aleatórios Ver a formula Como o intervalo de confiança é aleatório, as declarações de probabilidades associadas a ele devem ser entendidas em termos de longo prazo, ou seja, em amostras repetidas
23 INTERVALO DE CONFIANÇA PARA β: Considerando a hipótese de normalidade dos resíduos ui, os estimadores de MQO dos parâmetros se distribuem normalmente Assim, os parâmetros podem ser identificados como variáveis aleatórias normalmente distribuídas, que na forma padrão pode ser determinada por: INTERVALO DE CONFIANÇA PARA β3: B^² B² t ep( B^²) t B^³ B³ ep( B^³) Em ambos os casos a amplitude do intervalo de confiança é proporcional ao erropadrão do estimador Assim, quanto maior o erro-padrão, maior a amplitude do intervalo de confiança, e maior a incerteza com relação ao verdadeiro valor do parâmetro estimado
24 Eles devem estar entre os seus valores críticos: veja ) ( ^² ^²) ( ² ^² ^²) ( Pr ) ( ^²) ( ² ^² Pr ) ( Pr / / / / / / B B ep t B B B ep t t B ep B B t t t t a a a a a a
25 TESTE DE HIPÓTESE Todo teste de hipótese deve conter: Hipótese nula Hipótese alternativa; Estatística de teste; Região de Rejeição No quadro
26 HIPÓTESE NULA E ALTERNATIVA H0 : B H: B B3 B3 C C MAS EXISTEM N H PARA O CASO ACIMA: QUAIS? REJEITAR H0, SIGINIFICA O QUE?
27 Estatística de teste; Estatística de teste é informado pelo teste t Cuidado: esta estatística é uma analise parcial, como mostrada antes t B^² B² ep( B^²) estimador parametro erropadrão( estimado ) REGIÃO DE REJEIÇÃO Corresponde ao intervalo de valores da estatística do teste que conduz a rejeição Da hipótese nula QUADRO
28 No quadro: Escolha do nível de significância a Teste p Relembrar o SQR, SQT, SQE Entrar no teste F significância global Relação entre R² e o F
Análise de Regressão Linear Simples III
Análise de Regressão Linear Simples III Aula 03 Gujarati e Porter Capítulos 4 e 5 Wooldridge Seção.5 Suposições, Propriedades e Teste t Suposições e Propriedades RLS.1 O modelo de regressão é linear nos
Leia maisAnálise de Regressão. Notas de Aula
Análise de Regressão Notas de Aula 2 Modelos de Regressão Modelos de regressão são modelos matemáticos que relacionam o comportamento de uma variável Y com outra X. Quando a função f que relaciona duas
Leia maisCapítulo 5. Inferência no Modelo de Regressão Simples: Estimação de Intervalos, Teste de Hipóteses e Previsão
Capítulo 5 Inferência no Modelo de Regressão Simples: Estimação de Intervalos, Teste de Hipóteses e Previsão Hipóteses do Modelo de Regressão Linear Simples RS1. y x e t 1 t t RS. RS3. RS4. RS5. RS6. Ee
Leia maisCorrelação e Regressão linear simples
Metodologia de Diagnóstico e Elaboração de Relatório FASHT Correlação e Regressão linear simples Prof. Cesaltina Pires cpires@uevora.pt Plano da Apresentação Correlação linear Diagrama de dispersão Covariância
Leia maisPlano da Apresentação. Correlação e Regressão linear simples. Correlação linear. Associação entre hábitos leitura e escolaridade.
Metodologia de Diagnóstico e Elaboração de Relatório FASHT Correlação e Plano da Apresentação Correlação linear Diagrama de dispersão Covariância Coeficiente de correlação de Pearson Teste de correlação
Leia maisCapítulo 4 Inferência Estatística
Capítulo 4 Inferência Estatística Slide 1 Resenha Intervalo de Confiança para uma proporção Intervalo de Confiança para o valor médio de uma variável aleatória Intervalo de Confiança para a variância de
Leia maisEstimação. Como definir um estimador. Como obter estimativas pontuais. Como construir intervalos de confiança
Estimação Como definir um estimador. Como obter estimativas pontuais. Como construir intervalos de confiança Motivação A partir da média de uma a amostra em uma colheita recente, o conselho de qualidade
Leia maisComo rodar a regressão no gretl. Usando o Console para calcular elasticidade. Elasticidade. Usando o Console para calcular predição
Como rodar a regressão no gretl Alguns tópicos do gretl Usando o console: Comando: ols y const 3 Estima uma função linear usando o método de Mínimos Quadrados Ordinários. Elasticidade Intuição: resposta
Leia maisMétodo dos mínimos quadrados Wikipédia, a enciclopédia livre
1 de 5 25/12/2012 20:27 Método dos mínimos quadrados Origem: Wikipédia, a enciclopédia livre. O Método dos Mínimos Quadrados, ou Mínimos Quadrados Ordinários (MQO) ou OLS (do inglês Ordinary Least Squares)
Leia maisIV Regressão e correlação IV.4. (cont.) Significância Estatística e Regressão Múltipla
IV Regressão e correlação IV.4. (cont.) Significância Estatística e Regressão Múltipla Significância Estatística Existe uma estatítica, o t-estatístico,associado a cada estimativa O t-estatístico mede
Leia maisCurso de Análise Estatística Comparação entre variáveis contínuas: correlação e regressão Linear
NÚCLEO DE ESTATÍSTICA E METODOLOGIA APLICADAS Desenvolvendo conhecimento para a excelência dos cuidados em saúde mental UNIVERSIDADE FEDERAL DE SÃO PAULO Curso de Análise Estatística Comparação entre variáveis
Leia maisINTRODUÇÃO À INFERÊNCIA ESTATÍSTICA. Prof. Anderson Rodrigo da Silva anderson.silva@ifgoiano.edu.br
INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA Prof. Anderson Rodrigo da Silva anderson.silva@ifgoiano.edu.br Tipos de Pesquisa Censo: é o levantamento de toda população. Aqui não se faz inferência e sim uma descrição
Leia maisBIOESTATÍSTICA. Parte 1 - Estatística descritiva e análise exploratória dos dados
BIOESTATÍSTICA Parte 1 - Estatística descritiva e análise exploratória dos dados Aulas Teóricas de 17/02/2011 a 03/03/2011 1.1. População, amostra e dados estatísticos. Dados qualitativos e quantitativos
Leia maisRegressão Linear Múltipla
UNIVERSIDADE FEDERAL DO PARÁ INSTITUTO DE CIÊNCIAS EATAS E NATURAIS FACULDADE DE ESTATÍSTICA DISCIPLINA: Estatística Aplicada PROFESSORES: Heliton Tavares e Regina Madruga ALUNO: Wemenson avier Trabalho
Leia maisModelos de Probabilidade e Inferência Estatística
Modelos de Probabilidade e Inferência Estatística Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuições Qui-quadrado, t-student e F de Snedecor 04/14
Leia maisPara mais de duas variáveis independentes, em função de uma variável dependente.
MÉTODOS QUANTlTATlVOS APLlCADOS À CONTABlLlDADE Prof. Héber Lavor Moreira Plano de Aula TEMA: REGRESSÃO MÚLTlPLA - Caso Multiplan S/A lntrodução Em muitos casos uma variável pode estar relacionada com
Leia maisTeste de Hipótese e Intervalo de Confiança. Parte 2
Teste de Hipótese e Intervalo de Confiança Parte 2 Questões para discutirmos em sala: O que é uma hipótese estatística? O que é um teste de hipótese? Quem são as hipóteses nula e alternativa? Quando devemos
Leia maisAULA 12 Inferência a Partir de Duas Amostras
1 AULA 12 Inferência a Partir de Duas Amostras Ernesto F. L. Amaral 15 de setembro de 2011 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro:
Leia maisREGRESSÃO. Análise de Correlação
REGRESSÃO Linear, Não linear, simples e múltipla Análise de Correlação 2 Correlação Indica a força e a direção do relacionamento linear entre dois atributos Trata-se de uma medida da relação entre dois
Leia maisMedidas de Localização
MATEMÁTICA APLICADA ÀS CIÊNCIAS SOCIAIS RESUMO Estatística 2 Medidas de Localização e Dispersão 10º ano Cláudia Henriques Medidas de Localização Estatísticas Medidas que se calculam a partir dos dados
Leia maisAULA 04 Estimativas e Tamanhos Amostrais
1 AULA 04 Estimativas e Tamanhos Amostrais Ernesto F. L. Amaral 27 de agosto de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario
Leia maisConteúdo. 1 Introdução. Histograma do Quinto Sorteio da Nota Fiscal Paraná 065/16. Quinto Sorteio Eletrônico da Nota Fiscal Paraná
Quinto Sorteio Eletrônico da Nota Fiscal Paraná Relatório parcial contendo resultados 1 da análise estatística dos bilhetes premiados Conteúdo 1 Introdução Este documento apresenta a análise dos resultados
Leia maisConteúdo. 1 Introdução. Histograma do 1o Sorteio da Nota Fiscal Paraná 152/15. 1º Sorteio Eletrônico da Nota Fiscal Paraná
1º Sorteio Eletrônico da Nota Fiscal Paraná Relatório parcial contendo resultados 1 da análise estatística dos bilhetes premiados Conteúdo 1 Introdução Este relatório apresenta uma análise estatística
Leia maisCAPÍTULO 8. de Variância - ANOVA ANOVA. Análise
CAPÍTULO 8 Análise de Variância - UFRGS Os testes de hipótese apresentados até aqui limitaram-se à comparação de duas médias ou duas variâncias. Contudo, há situações onde se deseja comparar várias médias,
Leia maisPlanejamento 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 maisTeorema do Limite Central e Intervalo de Confiança
Probabilidade e Estatística Teorema do Limite Central e Intervalo de Confiança Teorema do Limite Central Teorema do Limite Central Um variável aleatória pode ter uma distribuição qualquer (normal, uniforme,...),
Leia maisANOVA. (Analysis of Variance) Prof. Dr. Guanis de Barros Vilela Junior
ANOVA (Analysis of Variance) Prof. Dr. Guanis de Barros Vilela Junior Para que serve a ANOVA? Para comparar três ou mais variáveis ou amostras. Por exemplo, queremos testar os efeitos cardiorrespiratórios
Leia maisAnálise estatística. Aula de Bioestatística. 17/9/2008 (2.ª Parte) Paulo Nogueira
Análise estatística Aula de Bioestatística 17/9/2008 (2.ª Parte) Paulo Nogueira Testes de Hipóteses Hipótese Estatística de teste Distribuição da estatística de teste Decisão H 0 : Não existe efeito vs.
Leia maisé 4. Portanto, o desvio padrão é 2. Neste caso 100% dos valores da população estão a um desvio padrão da média.
Desvio Padrão From Wikipedia, the free encyclopedia probabilidade e estatística, o desvio padrão de uma distribuição de probabilidade, de uma variável aleatória, ou população é uma medida do espalhamento
Leia maisRegressão, Interpolação e Extrapolação Numéricas
, e Extrapolação Numéricas Departamento de Física Universidade Federal da Paraíba 29 de Maio de 2009, e Extrapolação Numéricas O problema Introdução Quem é quem Um problema muito comum na física é o de
Leia maisExemplo de heterocedasticidade. Heterocedasticidade. Gráficos residuais. Gráficos residuais. Gráficos residuais. Gráficos residuais
Heterocedasticidade de heterocedasticidade f(y x) y = β 0 + β x + β x + β k x k + u Outras formas de detectar heterocedasticidade E(y x) = β0 + β x x x x 3 x usq versus yhat (com ajustamento por mínimos
Leia mais3 Modelos de Simulação
43 3 Modelos de Simulação 3.1 Simulação de Monte Carlo O método de Monte Carlo foi concebido com este nome nos anos 40 por John Von Neumann, Stanislaw Ulam e Nicholas Metropolis durante o projeto de pesquisa
Leia maisAULAS 06, 07, 08 E 09 Análise de Regressão Múltipla: Estimação e Inferência
1 AULAS 06, 07, 08 E 09 Análise de Regressão Múltipla: Estimação e Inferência Ernesto F. L. Amaral 18, 23, 25 e 30 de março de 2010 Métodos Quantitativos de Avaliação de Políticas Públicas (DCP 030D) Fonte:
Leia maisContabilometria. Análise Discriminante
Contabilometria Análise Discriminante Fonte: Corrar, L. J.; Theóphilo, C. R. Pesquisa Operacional para Decisão em Contabilidade e Administração, Editora Atlas, São Paulo, 010 Cap. 3 Análise Discriminante
Leia maisIntervalos Estatísticos para Uma Única Amostra
Intervalos Estatísticos para Uma Única Amostra OBJETIVOS DE APRENDIZAGEM Depois de um cuidadoso estudo deste capítulo, você deve ser capaz de: 1.Construir intervalos de confiança para a média de uma distribuição
Leia maisAula 12: Correlação e Regressão
Aula 12: Correlação e Regressão Sumário Aula 12: Correlação e Regressão... 1 12.l Correlação... 2 12.2 Diagrama de dispersão... 2 12.3 Correlação linear... 3 12.3.1 Coeficiente de correlação linear...
Leia maisPrograma de Ciências Experimentais 2012-2013
Programa de Ciências Experimentais 2012-2013 I Teoria 1 Introdução 2 Conceitos úteis 2.1 Ordem de grandeza 2.1.1 Introdução 2.1.2 Definição 2.1.3 Representação científica de um número 2.1.4 Ordem de grandeza
Leia maisME613 - Análise de Regressão
3222016 ME613 - Análise de Regressão 3222016 ME613 - Análise de Regressão ME613 - Análise de Regressão Parte 4 Transformações Samara F. Kiihl - IMECC - UNICAMP file:usersimacdocumentsgithubme613-unicampme613-unicamp.github.ioaulasslidesparte04parte04.html
Leia maisIND 1115 Inferência Estatística Aula 8
Conteúdo IND 5 Inferência Estatística Aula 8 Setembro 4 Mônica Barros O - aproximação da Binomial pela Este teorema é apenas um caso particular do teorema central do limite, pois uma variável aleatória
Leia maisTécnicas estatísticas para análise de dados e de resultados de modelos de simulação
Parte XIV Técnicas estatísticas para análise de dados e de resultados de modelos de simulação A saída de um modelo de simulação geralmente constitui-se de VA s, muitas das quais podem ter variância grande.
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS Em junho de 2014, o Brasil registrou 275,71 milhões de linhas ativas na telefonia móvel e teledensidade de 136,06 acessos por 100 habitantes. Além disso, nesse mesmo mês, houve
Leia maisSEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO DE CIÊNCIAS BIOLÓGICAS DECB
Governo do Estado do Rio Grande do Norte Secretaria de Estado da Educação e da Cultura - SEEC UNVERSDADE DO ESTADO DO RO GRANDE DO NORTE UERN FACULDADE DE CÊNCAS EXATAS E NATURAS FANAT DEPARTAMENTO DE
Leia maisMedidas de dispersão e assimetria
Metodologia de Diagnóstico e Elaboração de Relatório FASHT Medidas de dispersão e assimetria Profª Cesaltina Pires cpires@uevora.pt Plano da Apresentação Medidas de dispersão Variância Desvio padrão Erro
Leia maisTestes de variância e Análise de Variância (ANOVA)
Testes de variância e Análise de Variância (ANOVA) Introdução à Inferência Estatística Introdução à Inferência Estatística TESTE DE VARIÂNCIAS E DISTRIBUIÇÃO F Testes sobre variâncias Problema: queremos
Leia maisAula Prática: Regressão Linear Simples
Universidade Federal do Rio de Janeiro Faculdade de Medicina Departamento de Medicina Preventiva Núcleo de Estudos de Saúde Coletiva Disciplina: Modelos de Regressão em saúde Aula Prática: Regressão Linear
Leia maisPLANO DE ENSINO CONTEÚDO PROGRAMÁTICO. Unidade 1: MEDIDAS E GRANDEZAS. 1.1.- Introdução. 1.2.- Padrões usados para avaliar grandezas físicas
PLANO DE ENSINO FACULDADE: CIÊNCIAS DA SAÚDE DE JUIZ DE FORA CURSO: FARMÁCIA Período: 2º DISCIPLINA: MATEMÁTICA E BIOESTATÍSTICA Ano: 2015 CARGA HORÁRIA: 40 H PRÉ-REQUISITO: - SEMANAL: 02 T TOTAL: 02 AULAS
Leia maisMEDIDAS DE DISPERSÃO. o grau de variabilidade, ou dispersão, dos valores em torno da média.
UNIVERSIDADE FEDERAL DA PARAÍBA MEDIDAS DESCRITIVAS Departamento de Estatística Tarciana Liberal As medidas de posição apresentadas fornecem a informação dos dados apenas a nível pontual, sem ilustrar
Leia maisQuímica Analítica IV ERRO E TRATAMENTO DE DADOS ANALÍTICOS
Química Analítica IV 1 semestre 2012 Profa. Maria Auxiliadora Costa Matos ERRO E TRATAMENTO DE DADOS ANALÍTICOS Todas as medidas físicas possuem um certo grau de incerteza. Quando se faz uma medida, procura-se
Leia maisLinha Técnica Sessão IV Variáveis Instrumentais
Impact Evaluation Linha Técnica Sessão IV Variáveis Instrumentais Human Development Human Network Development Network Middle East and North Africa Region World Bank Institute Spanish Impact Evaluation
Leia maisAula 8 Intervalos de confiança para proporções amostras grandes
Aula 8 Intervalos de confiança para proporções amostras grandes Objetivos Na aula anterior, foram apresentadas as idéias básicas da estimação por intervalos de confiança. Para ilustrar o princípio utilizado
Leia maisProbabilidade III. Ulisses U. dos Anjos. Departamento de Estatística Universidade Federal da Paraíba. Período 2014.1
Probabilidade III Ulisses U. dos Anjos Departamento de Estatística Universidade Federal da Paraíba Período 2014.1 Ulisses Umbelino (DE-UFPB) Probabilidade III Período 2014.1 1 / 42 Sumário 1 Apresentação
Leia maisMétodos Quantitativos Aplicados a Custos Análise Estatística como um auxiliar valioso nas decisões
Métodos Quantitativos Aplicados a Custos Análise Estatística como um auxiliar valioso nas decisões Que métodos estatísticos podem auxiliar as análises de custos? Qual a relação entre regressão e correlação?
Leia maisMétodos Quantitativos Aplicados
Métodos Quantitativos Aplicados Aula 5 http://www.iseg.utl.pt/~vescaria/mqa/ Tópicos apresentação Análise de dados bivariada: cruzamentos e medidas de associação variáveis nominais e ordinais e variáveis
Leia maisAULAS 19, 20, 21 E 22 Análise de Regressão Múltipla com Informações Qualitativas
1 AULAS 19, 20, 21 E 22 Análise de Regressão Múltipla com Informações Qualitativas Ernesto F. L. Amaral 13, 18, 20 e 25 de maio de 2010 Métodos Quantitativos de Avaliação de Políticas Públicas (DCP 030D)
Leia maisErros e Incertezas. Rafael Alves Batista Instituto de Física Gleb Wataghin Universidade Estadual de Campinas (Dated: 10 de Julho de 2011.
Rafael Alves Batista Instituto de Física Gleb Wataghin Universidade Estadual de Campinas (Dated: 10 de Julho de 2011.) I. INTRODUÇÃO Quando se faz um experimento, deseja-se comparar o resultado obtido
Leia maisAnálise de Regressão Múltipla com informação qualitativa: variáveis binárias (dummy)
Análise de Regressão Múltipla com informação qualitativa: variáveis binárias (dummy) 1 Como descrever informações qualitativas? Fatores qualitativos podem ser incorporados a modelos de regressão. Neste
Leia maisLição 5 Medidas Descritivas Medidas de Dispersão
99 Lição 5 Medidas Descritivas Medidas de Dispersão Após concluir o estudo desta lição, esperamos que você possa: identifi car o objetivo das medidas de dispersão; identifi car o conceito de variância;
Leia maisEstimação da Esperança de Vida ao Nascer dos Estados Brasileiros no Ano 2008 via Modelos Aditivos Generalizados para Posição, Escala e Forma
Estimação da Esperança de Vida ao Nascer dos Estados Brasileiros no Ano 2008 via Modelos Aditivos Generalizados para Posição, Escala e Forma Alisson de Oliveira Silva 1 Luana Cecília Meireles da Silva
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 maisModelos de Probabilidade e Inferência Estatística
Modelos de Probabilidade e Inferência Estatística Ronei Marcos de Moraes Análise de Variância e Estatística Nãoparamétrica UFPB Maio/2011 ANOVA - Análise de Variância O caso da comparação de várias médias
Leia maisEstatística II Aula 4. Prof.: Patricia Maria Bortolon, D. Sc.
Estatística II Aula 4 Prof.: Patricia Maria Bortolon, D. Sc. Fundamentos do Teste de Hipóteses Teste de Hipóteses - Definições É uma regra de decisão para aceitar, ou rejeitar, uma hipótese estatística
Leia maisAULAS 08 E 09 Distribuição de Probabilidade Normal
1 AULAS 08 E 09 Distribuição de Probabilidade Normal Ernesto F. L. Amaral 02 e 09 de setembro de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed.
Leia maisAULA 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 maisDistribuições Conjuntas (Tabelas de Contingência)
Cruzamento de Dados Distribuições Conjuntas (Tabelas de Contingência) Lorí Viali, Dr. DESTAT/FAMAT/PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali Distribuição Conjunta Exemplo (tabela um) Suponha
Leia maisRetorno e risco de carteiras de investimento. Copyright Pereira, F. I
Retorno e risco de carteiras de investimento OBJETIVOS DA UNIDADE DE ESTUDO Compreender o processo de avaliação do risco de uma carteira. Definir e mensurar a covariancia entre duas variáveis Definir e
Leia maisMOQ 13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ 13 PROBABILIDADE E ESTATÍSTICA Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Probabilidade e Estatística The Science of collecting and analyzing data for the purpose of drawing
Leia maisAula 11 Teste de hipótese sobre a média de uma população normal - σ 2 conhecida
Aula 11 Teste de hipótese sobre a média de uma população normal - σ 2 conhecida Objetivo: Nesta aula, iremos aplicar os conceitos básicos sobre a teoria de teste de hipótese a uma situação específica.
Leia maisAMOSTRAGEM: DIMENSIONAMENTO DE AMOSTRAS. SELEÇÃO DOS ELEMENTOS DE UMA AMOSTRA. ESTIMATIVA DA CARACTERÍSTICA TOTAL DA POPULAÇÃO INVESTIGADA
AMOSTRAGEM: DIMENSIONAMENTO DE AMOSTRAS. SELEÇÃO DOS ELEMENTOS DE UMA AMOSTRA. ESTIMATIVA DA CARACTERÍSTICA TOTAL DA POPULAÇÃO INVESTIGADA META Dimensionar o tamanho ideal de amostra para cada população.
Leia maisConsumo. Revisão e Modelo Ciclo de Vida. Wilson Correa. April 26, 2016
Consumo Revisão e Modelo Ciclo de Vida Wilson Correa April 26, 2016 Revisão Propensão a consumir é a relação funcional entre o determinado nível de renda e o gasto para consumo. Montante gasto em consumo
Leia maiscuja distribuição é t de Student com n 1 graus de liberdade.
Aula 13 Teste de hipótese sobre a média de uma população normal σ 2 desconhecida Objetivos: Nesta aula você completará seu estudo básico sobre testes de hipóteses, analisando a situação relativa a uma
Leia maisDesvio Padrão ou Erro Padrão
NOTAS METODOLÓGICAS ISSN 0871-3413 ArquiMed, 2006 Desvio Padrão ou Erro Padrão Nuno Lunet, Milton Severo, Henrique Barros Serviço de Higiene e Epidemiologia da Faculdade de Medicina da Universidade do
Leia maisESCOLA SUPERIOR DE TECNOLOGIA DE SETÚBAL DEPARTAMENTO DE MATEMÁTICA PROBABILIDADES E ESTATÍSTICA Teste Final 2009/2010. Curso: 12/06/2010.
ESCOLA SUPERIOR DE TECNOLOGIA DE SETÚBAL DEPARTAMENTO DE MATEMÁTICA PROBABILIDADES E ESTATÍSTICA Teste Final 2009/2010 Curso: 12/06/2010 Nome: N o Instruções: Estaprovatemaduraçãode120 minutos e é constituída
Leia maisO MODELO CLÁSSICO DE REGRESSÃO LINEAR (MCRL), O TEOREMA DE GAUSS- MARKOV E A VIOLAÇÃO DOS PRESSUPOSTOS.
ECONOMETRIA II INTRODUÇÃO ESTADO DE MATO GROSSO O MODELO CLÁSSICO DE REGRESSÃO LINEAR (MCRL), O TEOREMA DE GAUSS- MARKOV E A VIOLAÇÃO DOS PRESSUPOSTOS. Lindomar Pegorini Daniel 1 1. O Modelo Clássico de
Leia maisANÁLISE EXPLORATÓRIA DE DADOS
ANÁLISE EXPLORATÓRIA DE DADOS 1.0 Conceitos A estatística descritiva tem o objetivo de organizar, resumir e apresentar de forma adequada os dados, para que estes se tornem informativos. A análise exploratória
Leia maisA Derivada. 1.0 Conceitos. 2.0 Técnicas de Diferenciação. 2.1 Técnicas Básicas. Derivada de f em relação a x:
1.0 Conceitos A Derivada Derivada de f em relação a x: Uma função é diferenciável / derivável em x 0 se existe o limite Se f é diferenciável no ponto x 0, então f é contínua em x 0. f é diferenciável em
Leia maisConsideremos os seguintes exemplos de hipóteses cuja veracidade interessa avaliar:
Consideremos os seguintes exemplos de hipóteses cuja veracidade interessa avaliar: o tempo médio de efeito de dois analgésicos não é o mesmo; a popularidade de determinado partido político aumentou; uma
Leia maisProbabilidade e Estatística, 2009/2
Probabilidade e Estatística, 2009/2 CCT - UDESC Prof. Fernando Deeke Sasse Problemas Resolvidos - Testes de Hipóteses 1. Uma empresa de manufatura têxtil está testando rolos de fio que o fornecedor afirma
Leia maisVariáveis Frequências Gráficos Medidas de Posição Medidas de Dispersão Medidas Complementares Inferência
Tipos de Variáveis Problema Motivador: Um pesquisador está interessado em fazer um levantamento sobre aspectos sócio-econômicos dos empregados da seção de orçamentos de uma companhia (vide tabela). Algumas
Leia maisAULA 11 Experimentos Multinomiais e Tabelas de Contingência
1 AULA 11 Experimentos Multinomiais e Tabelas de Contingência Ernesto F. L. Amaral 24 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG)
Leia maisCÁLCULO 1 Teoria 0: Revisão Gráfico de Funções elementares Núcleo de Engenharias e Ciência da Computação. Professora: Walnice Brandão Machado
CÁLCULO 1 Teoria 0: Revisão Gráfico de Funções elementares Núcleo de Engenharias e Ciência da Computação FUNÇÕES POLINOMIAIS Função polinomial de 1º grau Professora: Walnice Brandão Machado O gráfico de
Leia maisAula 12 Teste de hipótese sobre proporções amostras grandes
Aula 12 Teste de hipótese sobre proporções amostras grandes Objetivos Na aula anterior, você aprendeu a construir testes de hipóteses sobre a média de uma população normal com variância σ 2 conhecida.
Leia mais21- EXERCÍCIOS FUNÇÕES DO SEGUNDO GRAU
1 21- EXERCÍCIOS FUNÇÕES DO SEGUNDO GRAU 1. O gráfico do trinômio y = ax 2 + bx + c. Qual a afirmativa errada? a) se a > 0 a parábola possui concavidade para cima b) se b 2 4ac > 0 o trinômio possui duas
Leia maisEstatística Multivariada. Visão Panorâmica. Aplicações: Associação. Classificação. Comparação. Associação. Correlação Bivariada.
Prof. Lorí Viali, Dr. viali@pucrs.br; viali@mat.ufrgs.br; http://www.pucrs.br/famat/viali; http://www.mat.ufrgs.br/~viali/ Embora projetos complexos e métodos sofisticados sejam necessários para responder
Leia maisProbabilidade e Estatística - EST0003 Intervalos Estatísticos para uma única Amostra
Probabilidade e Estatística - EST0003 Intervalos Estatísticos para uma única Amostra Fernando Deeke Sasse 14 de maio de 2010 Introdução Quão boa é uma dada estimação de um parâmetro? Suponha que estimamos
Leia maisMedidas de Tendência Central. Introdução Média Aritmética Moda Mediana
Medidas de Tendência Central Introdução Média Aritmética Moda Mediana Introdução A maioria dos dados apresenta uma tendência de se concentrar em torno de um ponto central Portanto, é possível selecionar
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 maisTestes de Hipóteses 5.1 6 8.8 11.5 4.4 8.4 8 7.5 9.5
Testes de Hipóteses Supoha que o ível crítico de ifestação por um iseto-praga agrícola é de 10% das platas ifestadas. Você decide fazer um levatameto em ove lotes, selecioados aleatoriamete, de uma área
Leia maisAula 4 Gráficos e Distribuição de Frequências
1 REDES Aula 4 Gráficos e Distribuição de Frequências Professor Luciano Nóbrega Gráficos A representação gráfica fornece uma visão mais rápida que a observação direta de dados numéricos ou de tabelas.
Leia maisEstatística. Slide 0. Ana M. Abreu - 2006/07
Estatística Slide 0 Capítulo 1 Estatística Descritiva Slide 1 I-1 Introdução à organização e ao processamento de dados. I-2 Amostra e população; cuidados a ter na recolha da amostra. I-3 Ordenação dos
Leia maisFUNÇÕES (1) FUNÇÃO DO 1º GRAU E DOMÍNIO DE UMA FUNÇÃO
FUNÇÕES (1) FUNÇÃO DO 1º GRAU E DOMÍNIO DE UMA FUNÇÃO 1. (Epcar (Afa) 016) Para fazer uma instalação elétrica em sua residência, Otávio contatou dois eletricistas. O Sr. Luiz, que cobra uma parte fixa
Leia maisMAE116 - Noções de Estatística
MAE116 - Noções de Estatística Grupo A - 1 semestre de 2015 Gabarito da Lista de exercícios 10 - Introdução à Estatística Descritiva - CASA Exercício 1. (2 pontos) Sabe-se que, historicamente, 18% dos
Leia maisRelatório das Provas da 2ª. Fase - Vestibular 2016
Relatório das Provas da 2ª. Fase - Vestibular 2016 Resumo Executivo O presente relatório apresenta os resultados da segunda fase do Vestibular UNICAMP 2016 constituída por três provas. Esta etapa do vestibular
Leia maisMOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 3
MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 3 1. Chapas de uma liga metálica de mesma procedência foram submetidas, de forma aleatória, a três diferentes tratamentos térmicos: A, B e C.
Leia maisMatemática Básica Intervalos
Matemática Básica Intervalos 03 1. Intervalos Intervalos são conjuntos infinitos de números reais. Geometricamente correspondem a segmentos de reta sobre um eixo coordenado. Por exemplo, dados dois números
Leia maisProva Escrita de MATEMÁTICA A - 12o Ano 2015 - Época especial
Prova Escrita de MATEMÁTICA A - 1o Ano 015 - Época especial Proposta de resolução GRUPO I 1. Como P A B = P A + P B P A B, substituindo os valores conhecidos, podemos calcular P A: 0,7 = P A + 0,4 0, 0,7
Leia maisSUMÁRIO. 1. REVISÃO DE GINÁSIO Critérios de divisibilidade. 2. CONJUNTOS Introdução. Operações de conjuntos. Conjuntos numéricos
SUMÁRIO 1. REVISÃO DE GINÁSIO Critérios de divisibilidade Reconhecimento de número primo Decomposição em fatores primos Aplicação Potência Expressão numérica 2. CONJUNTOS Introdução Representação de um
Leia maisConceitos de Produtividade Industrial. 6. Estudo de Tempos e Métodos. 6. Estudo de Tempos e Métodos 09/05/2012. Profº Spim
Conceitos de Produtividade Industrial Profº Spim 6.1 Decisões sobre o projeto do trabalho; 6.2 Considerações físicas no projeto do trabalho; 6.3 Métodos de trabalho; 6.4 Padrões e medida do trabalho. Adm.
Leia maisProfa. Luciana Rosa de Souza
Profa. Luciana Rosa de Souza o Curto prazo e Longo prazo No estudo da produção, é importante que se diferencie o curto prazo do longo prazo. Curto Prazo: refere-se ao período de tempo no qual um ou mais
Leia maisAula 8. Teste Binomial a uma proporção p
Aula 8. Teste Binomial a uma proporção p Métodos Estadísticos 2008 Universidade de Averio Profª Gladys Castillo Jordán Teste Binomial a uma Proporção p Seja p ˆ = X n a proporção de indivíduos com uma
Leia mais