3 Traços Latentes e a Teoria de Resposta ao Item - TRI
|
|
- Irene Gomes Godoi
- 7 Há anos
- Visualizações:
Transcrição
1 3 Traços Latentes e a Teora de Resosta ao Item - TRI Em mutas stuações de meddas socológcas, scológcas ou educaconas a varável de nteresse é de entendmento ntutvo ara todos. Porém, na maora das vezes, não é observável dretamente. É sto ue a scometra chama de varáves não observáves ou habldades ou traços latentes. Embora essas varáves ossam ser faclmente descrtas e lstadas, como or exemlo, a ntelgênca, a habldade em executar uma tarefa, ansedade, o nível de entendmento de texto, e etc, elas não odem ser meddas dretamente como o eso ou altura de uma essoa. Aesar de todas serem característcas mlíctas a cada ser humano. A meta das meddas educaconas e scológcas é determnar como os traços latentes se rocessam na essoa. e for de nteresse medr tal traço latente é necessáro então crar uma escala de medda segundo a ual essa varável assumrá seus valores. Por númeras razões técncas a defnção da escala de meddas, o número na escala e a nterretabldade da mesma em relação ao traço latente é muto dfícl, necesstando de um formalsmo maor. Do onto de vsta rátco, uestões de resosta lvre são de dfícl uso na TRI (exceto se a resosta for caracterzada como certo ou errada ou, anda, com algum to de graduação. Como resultado, a maora dos testes usados na TRI são de múltla escolha e os tens odem ser dcotômcos (certo ou errado ou oltômcos (ncororam varáves categórcas em suas resostas. È razoável admtr a hótese de ue cada examnando resonda a um tem de acordo com habldades mlíctas. Por motvos ue deos será exlcado, admtremos ue se desee medr aenas uma habldade ue reresentaremos ela letra grega θ. Por exemlo, no caso dcotômco a cada nível de habldade exstrá uma certa robabldade ue o resondente com esta habldade dará uma resosta correta ao tem. Esta robabldade será denotada or P θ. No caso tíco de ( testes com tens dcotômcos a robabldade será euena se a habldade do resondente for euena ou será grande se o mesmo também o for.
2 A curva ue caracterza essa P θ tem, em geral, uma forma de ( amortecda (fgura 1. Isso não é arbtráro, mas advém de mutos estudos emírcos e oneros. Ela é conhecda como curva característca do tem (CCI e é a base da construção da TRI, todas as outras construções deendem dela. 29 Fgura 1 - Curva Característca do Item Exstem duas roredades técncas da CCI ue são usadas ara descrevêlas: dfculdade do tem e seu oder de dscrmnação. Na fgura 2 abaxo estão reresentadas 3 curvas característcas do tem no mesmo gráfco. Todas têm o mesmo nível de dscrmnação, orém dferentes com reseto à dfculdade. Num contexto em ue as resostas odem ser certas ou erradas, a curva da esuerda reresenta um tem fácl orue a robabldade de resosta correta é alta ara habldade baxa. A curva do meo reresenta um tem de dfculdade médo e, a curva da dreta reresenta um tem dfícl orue a robabldade de resosta correta é baxa ara boa arte da escala exceto ara os níves mas altos de habldade. Fgura 2 - CCI com mesma dscrmnação e dferentes dfculdades
3 30 O conceto de dscrmnação é mostrado na fgura 3 abaxo. Estas três curvas contêm três CCI tendo o mesmo nível de dfculdade, mas dferem com reseto à dscrmnação. Fgura 3 - CCI com dfculdades guas, orem com dferentes dscrmnações A curva com maor formato de tem um alto nível de dscrmnação, enuanto ara a curva mas amortecda tem um oder de dscrmnação médo e or fm a últma ossu um oder de dscrmnação baxo. 3.1 Modelos da Curva Característca do Item CCI egundo Backer (1995, mutos autores audaram na construção da teora de resosta ao tem (TRI. Em esecal 3 desses ndvíduos, ara os uas é mortante ctar seus nomes e resectvos trabalhos. D.N. Lawley (1943 ublcou um trabalho mostrando ue mutos dos constructos roduzdos or testes baseados na Teora Clássca de Meddas (TCM oderam ser exressos em termos de arâmetros da curva característca do tem nos moldes dos modelos aresentados acma. Este trabalho marcou o níco da teora de medda da TRI. O trabalho de F. M. Lord ganhou força nos anos 50 com a alcação em testes educaconas. Lord ncou o desenvolvmento formal da teora, e também contrbuu ara o desenvolvmento de rogramas ara comutadores necessáros ara or a teora em rátca. O ue levou osterormente a lvros clásscos, redgdos unto com M. Novck em 1968 e Em 1960 o matemátco dnamaruês Georg Rasch reforçou os estudos da TRI crando o modelo de 1 arâmetro e, ara mutos seu trabalho é tão onero uando o de Lord.
4 Comentáro Na seção anteror, as roredades da CCI foram abordadas aenas como uma descrção verbal. Agora odemos ntroduzr de manera formal os modelos matemátcos ara CCI. Estes modelos são defndos a artr de uma euação matemátca ara a relação entre a robabldade do resondente ao teste resonder corretamente ao tem e a habldade do resondente. Cada modelo emrega um ou mas arâmetros, cuos valores defnem a forma da CCI. Esses modelos e seus arâmetros fornecem um veículo ara a comuncação de nformações sobre as roredades técncas do tem. A função logístca é muto utlzada nas cêncas bológcas e nos modelos de crescmento de lantas e anmas. eu uso se dá elo fato de sua smlcdade e também or ser uma função exlícta dos arâmetros dos tens e da habldade do resondente. Anterormente se utlzava a dstrbução normal acumulada, ue é uma função mlícta dos arâmetros. 3.3 Teora de Resosta ao Item - TRI A TRI consttu-se a artr de um conunto de modelos matemátcos ue buscam reresentar a relação entre a robabldade de um ndvíduo dar uma determnada resosta a um tem como função dos arâmetros do tem e da habldade do resondente, caso aramétrco. No caso dcotômco esta relação é semre exressa de tal forma ue uanto maor a habldade, maor a robabldade de acertos ao tem. O termo acerto é utlzado aenas devdo à orgem da TRI estar assocada a testes educaconas. No resente contexto, em ue a varável latente ue é obeto do estudo reresenta uma condção sócoeconômca famlar, a resosta dcotômca ode reresentar, or exemlo, o fato de se ossur ou não determnado bem.
5 32 Os rmeros modelos matemátcos da TRI foram os dcotômcos, cuos resultados eram certo ou errado. ea a resosta a um tem U = 1ara certo ou 0 ara tem errado. Exsta a necessdade de encontrar uma função não lnear ue exressasse a robabldade do resondente em função de sua habldade a dar uma certa resosta em função dos arâmetros do tem. A róra necessdade desta função á munha a restrção da CCI ser monótona crescente. Brnbaum fo motvado elo trabalho de LORD (1952. Uma contrbução mortante de Brnbaum fo sugerr a troca da função ogva normal elo modelo logístco de dos arâmetros, or uestões de convenênca. Além dsso, fo Brnbaum, também, uem ntroduzu o tercero arâmetro (vulgarmente conhecdo como arâmetro de acerto casual, ue modela um acerto em um teste educaconal devdo a um chute na uestão. Uma outra contrbução de Brnbaum ara a teora scométrca fo a ntrodução da medda de Fsher ara descrever a estrutura de nformação do teste. O conteúdo de nformação de um teste ara uma habldade do resondente desconhecda é a soma de todas as nformações ndvduas de cada tem. Paralelamente ao trabalho de Brnbaum, RAH ue nos anos 40 á trabalhava em meddas scométrcas (Lnden e Hambleton (1997, elos anos 50 começou a desenvolver seu trabalho ara modelos dcotômcos ue or razões hstórcas fcaram conhecdos como modelo de RAH. Vale lembrar ue, formalmente, os modelos de RAH são um caso artcular dos de Brnbaum, mas ue conduzem a uma teora da análse do teste comletamente dferente. A róra necessdade dos testes scométrcos de ntroduzr resostas ue não fossem consderadas somente dcotômcas encarregou-se de motvar a cênca a desenvolver modelos ara TRI ue tratassem de tas necessdades como: Modelo de Resosta graduada, Modelo de Crédto Parcal, Modelo de Escala Gradual, entre outros. Para maor detalhe destes modelos recomenda-se (Lnden e Hambleton (1997.
6 O Contexto das Avalações Educaconas Nas últmas décadas a TRI vem tornando-se a técnca redomnante no contexto de avalações educaconas em város aíses. No Brasl a rmera exerênca ocorreu em 1995, na análse de dados do AEB (stema Naconal de Avalação Básca. A TRI ermte uma melhor análse de cada tem ue consttu o nstrumento de avalação e/ou medda, levando em consderação suas característcas na rodução das habldades, o ue faclta, também, a nterretação da escala roduzda. Além dsso, a TRI é extremamente vantaosa, os ermte a comarabldade dos resultados roduzdos ara gruos de ndvíduos dferentes, mesmo uando são alcados testes arcalmente dferentes. Essa roredade é útl, artcularmente, uando se desea avalar a evolução da medda de uma mesma escala ao longo do temo, o ue se denomna de estudos longtudnas. É freüente autores afrmarem ue a medda de habldade roduzda através da TRI é ndeendente do teste alcado e ndeendente do gruo de alunos a ue é alcado. Claro ue cudados e técncas esecífcas devem ser emregadas ara garantr essa roredade. A TRI tem como base de todo seu desenvolvmento dos ostulados: a erformance de um resondente em um teste ode ser revsta or um conunto de fatores nerentes ao ndvíduo, chamados de habldade ou traço latente. Ressalta-se au ue a habldade é uma varável não observável dretamente elo teste emregado; a relação entre a habldade do ndvíduo e a robabldade de escolha no tem ode ser descrta or uma função característca ou curva característca tem (CCI, arametrzada or característcas do tem de um teste (1 oder de dscrmnação; 2 oder de dfculdade Antes de aresentar os modelos faz-se necessáro exlcação sobre duas hóteses báscas na TRI: undmensonaldade e nvarânca.
7 Hóteses Báscas Os modelos matemátcos emregados na TRI esecfcam ue a robabldade de resosta certa de um resondente deende de sua habldade ou habldades e as característcas do tem. Modelos da TRI au tratados ncluem um conunto de hóteses sobre os dados em ue o modelo é alcado. A rmera hótese é chamada de undmensonaldade. Esta hótese admte ue somente uma habldade é medda elo modelo. Isto é, o conunto de tens deve estar medndo um únco traço latente. Parece claro ue dentro das nstâncas do ser humano exsta uma varedade de habldades resonsáves or um rocesso de execução de uma tarefa. Porém, ara satsfazer tal ostulado, é sufcente admtr ue haa uma habldade domnante, resonsável elo conunto de tens. Este fator é ue se suõe estar sendo meddo elo teste (Hambleton, Tcamente a análse de undmensonaldade é obtda através de métodos de análse fatoral. omente uma habldade é medda elo conunto de tens ue comõe o teste. Fatores como motvação, ansedade, habldades cogntvas, dentre outros, comõem o rocesso de execução de um teste. Como fo dto antes, basta acetar a resença de um fator domnante, sto é, auele ue nfluenca a erformance do teste. Modelos ue ncororam mas de uma habldade ara erformance de um teste são chamados de multdmensonas (Lnden, Uma outra suosção é a chamada ndeendênca local ou nvarânca, a ual ostula ue, ara uma dada habldade, as resostas atrbuídas aos dferentes tens são ndeendentes entre s. Tal ressuosto será mortante ara a estmação dos arâmetros nos modelos. Teorcamente, a undmensonaldade mlca na ndeendênca local (Hambleton, 1991 e assm aenas uma e não duas hóteses devem ser verfcadas. De fato, se houver deendênca local entre os tens essa roduzrá falsas dmensões na análse fatoral.
8 Modelos Teorcamente ode exstr uma nfndade de modelos da TRI. Porém, oucos modelos são usados na rátca. Entre os modelos roostos na lteratura deendem fundamentalmente de três fatores: ( da natureza do tem dcotômcos ou oltômcos; ( do número de oulações envolvdas; ( da uantdade de traços latentes ue está sendo medda. Na seção aresentaremos os modelos undmensonas ara tens dcotômcos mas utlzados e na seção 3.7 aresentaremos um dos modelos ara tens oltômcos utlzado no trabalho roosto Modelos undmensonas ara tens dcotômcos 1. ML1 - Modelo logístco (undmensonal de um arâmetro ou modelo de Rasch. Rasch começou seu trabalho em meddas educaconas e scométrcas or volta de Por volta da década de 50, Rasch usando a função de Posson desenvolveu dos modelos, um ara letura de testes e um modelo ara arovetamento e ntelgênca de testes, com a fnaldade de rodução de scores. Para maores detalhes (Lnden, 1991 : 6-7. Com base em seus trabalhos a motvação de Rasch fo reresentar a robabldade de resosta como função da habldade do resondente e a característca do tem. ea θ o arâmetro de habldade do resondente e b a dfculdade do tem. O sucesso do resondente é a razão entre sua habldade e a soma, da habldade com a dfculdade do tem. Dessa forma, Rasch construu:
9 36 ( = 1/ θ = = or uestões de nomenclatura usaremos θ = θ θ θ + δ P U e δ = b θ δ 1 + δ θ Tomando em uma escala logarítmca ara os arâmetros será adotada or convenção dau or dante. Tem-se o modelo undmensonal de um arâmetro: 1 PU ( = 1/ θ = θ ( b 1+ e onde: U é uma varável dcotômca ue assume os valores 1, uando o ndvíduo resonde corretamente o tem, ou 0 uando o ndvíduo não resonde corretamente ao tem. P = 1/ θ é a robabldade de um ndvíduo com ( U habldade θ resonder corretamente o tem. O arâmetro de dfculdade (ou de osção do tem, meddo na mesma escala da habldade, é denotado or b. 2. ML2 - Modelo logístco de 2 arâmetros Esse modelo, roosto or Brnbaum,1968, a artr da substtução da função de dstrbução normal, roosta no modelo de Lord, 1952, ela função logístca, ressuõe a relação monótona entre o valor da varável latente (a ser estmada do ndvíduo e a sua robabldade de escolha or uma das duas alternatvas segundo uma função de dstrbução logístca arametrzada or coefcentes ue reresentam determnadas característcas do tem. É muto natural no contexto de avalação educaconal, onde a varável latente é dentfcada com a habldade cogntva do aluno, e as ossbldades de escolha são acertar ou não o tem. Assm, admta ue U sea uma varável aleatóra dcotômca assumndo os valores 0, ou, 1. No caso esecífco de um teste educaconal o valor 0 está assocado a uma resosta errada e, o valor 1 a uma resosta certa or arte do
10 aluno. O modelo de dos arâmetros exressa a relação entre a varável latente θ e a resosta dada ao tem da segunte forma: 37 P( U 1/ = θ = Da ( θ b 1+ e 1 a é o arâmetro de dscrmnação (ou de nclnação do tem, com valor roorconal à nclnação da Curva Característca do Item CCI no onto b. D é um fator de escala constante e gual a 1. Utlza-se o valor 1,7 uando se desea ue a função logístca forneça resultados semelhantes ao da função ogva normal, dz-se, então, ue o modelo está na métrca normal. O índce reresenta o número do tem e o resondente. Como se ode notar, o arâmetro b reresenta o onto na escala de habldade em ue um examnando tem 50% de robabldade de resonder ao tem corretamente. Num contexto mas geral, b reresenta o valor da varável latente θ, ara o ual há 50% de chance de escolha da resosta reresentada or U =1 elo ndvíduo. É fácl observar ue se (6 for dervada em relação à θ, a função resultante atnge seu máxmo em θ = b com um valor dretamente roorconal a a (0.425 a, ndcando ue a nclnação da curva do modelo atnge seu maor valor onde a robabldade de ocorrer uma resosta reresentada or U =1 (sto é, a resosta correta, no caso de modelos ara avalação educaconal é 0.5. Portanto, uanto maor for o valor do arâmetro a, mas sensível torna-se o modelo a varações na habldade em torno de seu onto de dfculdade. Isto é, maores valores ara o arâmetro a roduzrão maor caacdade de dstnção entre dos ndvíduos com habldades dferentes no nível da escala em torno do nível de dfculdade do tem. Por sso, ele é conhecdo como arâmetro de dscrmnação do tem. A segur, aresenta-se a denomnada curva característca de um tem, sto é, a reresentação dos valores, sob forma de gráfco, de um artcular modelo θ, enfatzando as roredades de seus arâmetros:
11 38 Fgura 4 Curva Característca do Item com valores esecfcados Muto embora, a motvação rncal na roosção desse modelo tenha sdo o de sua utlzação em avalação educaconal, ode-se emregá-lo com fnaldade dversa. È o caso de, or exemlo, utlzá-lo ara a construção de um índce ue mede a condção sóco-econômca de ndvíduos de uma oulação. Podem ser consderadas como varáves ndcadoras da condção sócoeconômca, a osse de determnados bens como, or exemlo, eletrodoméstcos, automóvel, etc. 3. ML3 Modelo Logístco de 3 arâmetros Dos modelos roostos ela TRI, o modelo logístco undmensonal de 3 arâmetros é dado or: P( U 1/ (1 1+ e = θ = c + c Da ( θ b 1
12 Onde c é o arâmetro do tem ue reresenta a robabldade de ndvíduos com baxa habldade resonderem corretamente o tem (mutas vezes referdo como a robabldade de acerto casual. E os outros arâmetros á foram ctados acma Modelos ara Itens com Formato de Resosta Poltômca erá aresentado agora o modelo de resostas graduadas elo fato de este ter sdo o modelo usado no desenvolvmento deste trabalho ara a rodução do score ndcador NE da condção sóco-econômca. Recomenda-se fortemente a letura do lvro (Lnden, 1991 ara aueles ue deseam se arofundar no conhecmento dos números modelos exstentes hoe. Itens oltômcos são tens ue não se caracterzam aenas ela resença do fator certo ou errado, mas or todo um conunto ordenado de resostas. Em artcular, o modelo de resosta graduada fo desenvolvdo or amema (1968. Modelo de resostas graduadas (MRG. O MRG de amema (1962 assume ue as categoras de resostas de um tem odem ser ordenadas entre s. uonha ue os scores das categoras de um tem estão dsostos em ordem crescente denotamos or k = 0,1, K, m onde ( m + 1 é o número de categoras do -ésmo tem. A robabldade de um ndvíduo escolher uma artcular categora ou outra mas alta do tem é reresentada or: P, k ( θ = Da ( θ b, 1+ e 1 k um modelo logístco de dos arâmetros, com = 1, K, I ; = 1, K, n ; b, k é o arâmetro de dfculdade da k-ésma categora do tem.
13 40 Por defnção do modelo temos: b, 1 b,2 b, m K ordenação entre os níves de dfculdade das categoras de um dado tem. A robabldade de um ndvíduo receber um score k no tem é dada ela exressão: P ( θ = P ( θ P + ( θ, k, k, k 1 E amema também admte ue ( 1 P θ e, P ( θ 0. Temse então:, 0 =, m + 1 = P P = P ( θ P ( θ = 1 P ( θ, 0,0,1,1 P = P ( θ P ( θ, 1,1,2 = P ( θ P + ( θ = P ( θ,, m, m, m 1, m em geral tem-se: P P ( θ P ( θ 0., k =, k, k + 1 Na forma logístca o modelo de resostas graduadas é dado or: P, k ( θ = 1 + e 1 Da ( θ b, k 1 + e 1 Da ( θ b, k + 1 O modelo na fgura 5 abaxo fo o encontrado ara a uestão ue erguntava sobre o número de banheros ue a famíla ossuía (as ossbldades de resostas foram as seguntes: nenhum, tem 1, tem 2, tem 3, tem 4 ou mas. Para esse to de tem, a robabldade de escolha de cada resosta ode ser modelada através do modelo de resostas graduadas. Fo obtdo o segunte modelo: (a = 1.511, b 0.592, b, 0 =, b, 1 = 3.81, b, 2 = 0.191, b, 3 = 1.183, b,4 =1.807, a robabldade de cada resosta está reresentada no gráfco abaxo:
14 41 Fgura 5 - Modelo de Resostas Graduadas ara o tem banhero Podemos extrar, com base na fgura acma, nformações valosas sobre o tem do uestonáro ossur (um ou mas banheros ou não, como: Pessoas com score estmado entre -4 e -3, a robabldade de não ossur banhero é sueror a 60 %; A medda ue aumenta o valor do score, também aumenta a chance do resondente ossur elo menos um banhero. Pessoas com score estmado entre -3 e -2, começam a aresentar um aumento na robabldade de ossur um banhero; Já entre o score -2 e 0 odemos afrmar sem erda de generaldade ue tal score é caracterzado or àueles ue ossuem elo menos um banhero. A construção da nterretabldade ara letura dos scores estmados, ara cada tem, segue como descrto acma. Faz-se necessáro chamar a atenção ue o valor da robabldade de uma curva ualuer (ara um score dado é 1 menos o valor da robabldade de outra curva abaxo da rmera, Por exemlo, exatamente no score 3, temos 80 % de ossur uatro banheros mas, aroxmadamente 15 % de ossur 3 banheros mas, 5 % (aroxmadamente de ossur 2 banheros.
15 Estmação dos arâmetros O rmero e mas mortante asso na alcação da TRI a dados de testes é a estmação dos arâmetros ue caracterzam o modelo de resosta ao tem. Nos modelos da TRI, a robabldade de uma resosta deende, da habldade do examnando, θ, e os arâmetros ue caracterzam o tem. Ambos, habldade e arâmetros do tem, na maora das vezes, são desconhecdos; o ue é conhecdo são as resostas dos examnados aos tens do teste. O roblema da estmação é determnar o valor de θ ara cada examnado e os arâmetros ue comõe cada tem do teste. Fazendo um aralelo com modelos clásscos de regressão, onde os arâmetros ue caracterzam o modelo de regressão (os coefcentes de regressão devem ser estmados, nota-se, no entanto, duas grandes dferenças entre os modelos de regressão e os modelos da TRI. Prmero, o modelo de regressão é usualmente lnear, enuanto os modelos de resosta ao tem são não lneares. egundo, e mas mortante, o regressor (varável ndeendente na análse de regressão é observável. Na TRI a varável regressora θ é não observável. Esse asecto dfculta substancalmente o roblema de estmação dos arâmetros do modelo. Na regressão lnear o melhor auste do modelo é defndo elo crtéro dos mínmos uadrados. Nos modelos da TRI tal crtéro não é usado orue sera dfícl determnar as roredades reuerdas ara seu uso em modelos não lneares. Alternatvamente, os arâmetros odem ser estmados usando o método da máxma verossmlhança através da alcação de algum rocesso teratvo, como o algortmo de Newton-Rahson ou corng de Fsher. Alguns rocedmentos Bayesanos também são alcados com alguma freüênca (ver Mslev (1986ª. Na stuação em ue se desea estmar tanto os arâmetros dos tens, uanto as habldades, há duas formas de se abordar o roblema de estmação: estmação conunta ou em duas artes (máxma verossmlhança margnal rmero a estmação dos tens e, osterormente, das habldades. Utlzou-se no resente trabalho a estmação em duas artes.
16 43 Não é a fnaldade do resente trabalho rolongar-se sobre o assunto de estmação, haa vsto a exstênca de números trabalhos exostos na lteratura corrente. Entendemos ue, se decdíssemos aresentar de manera formal o assunto de estmação, nos desvaríamos de nosso real obetvo. Recomenda-se ara arofundamento em estmação de arâmetros dos modelos de resosta ao tem: Hambleton [3] e/ou Lnden [4], Andrade et al, Métodos Clásscos ara Dscrmnação dos Itens e Análse da Dmensonaldade Correlação Bsseral e Correlação Ponto Bsseral Consdere o caso de testes consttuídos or tens bnáros ou dcotômcos, sto é, tens ara os uas se admte duas resostas ossíves. A correlação bsseral e a correlação onto bsseral são meddas estatístcas ue medem a correlação do resultado de um tem em artcular do teste com o resultado do teste (sto é, o escore bruto total, sendo, ortanto, uma medda da caacdade de dscrmnação do tem em relação ao resultado do teste. Elas são muto usadas dentro da teora clássca de testes scométrcos. A correlação onto bsseral ode ser dervada dretamente da correlação de Pearson. Para tanto, admta ue reresente o escore bruto obtdo no teste. Admta ue Y reresente o resultado da resosta atrbuída a um tem, uma varável dcotômca (no caso de testes educaconas, or exemlo, atrbu-se o valor Y = 0, se a resosta for errada, e Y = 1, ara uma resosta correta; e, no caso de um tem ue avala a condção sócoeconômca Y = 1 reresenta a osse de um bem, or exemlo. O índce de correlação de Pearson é defndo or: ρ Y = E( Y E( E( Y σ σ Y e é a robabldade de se acertar o tem, então E ( Y = e σ, onde Y = = 1. Assm, tendo em vsta ue Y é uma varável dscreta, tem-se:
17 44 ρ Y = E( Y \ Y = 0 P( Y = 0 + E( Y \ Y = 1 P( Y = 1 E( σ ρ tal ue ρ Y E( \ Y = 1 = 0 + σ E( Uma estmatva natural obtda sobre o resultado do teste é a segunte: ρ ρ b = σ onde é o escore médo no teste ara os ue acertaram o tem e é o escore médo no teste ara todos. Au σ é o desvo adrão dos escores obtdos nos testes elos resondentes e, a estmatva ρ b é o ue se freüentemente se denomna na lteratura de correlação onto bsseral. é a roorção dos ue acertaram o tem no teste. Um desenvolvmento ara a correlação bsseral ode ser o segunte. ea Z uma varável aleatóra artfcal (e, ortanto, não observada, assocada ao constructo latente do resondente, tal ue Z ~ N(0,1. Admta anda ue o escore bruto do resondente no teste se assoca lnearmente a essa varável da segunte forma: = AZ + B+ ε, onde E ( ε = 0 e E( ε Z = 0. Note-se ue E( = A E( Z + B e, então a correlação de Pearson ara e Z é dada or: ρ Z 2 E( AZ + BZ E( E( Z A = = σ σ σ Z σ Z eam dos conuntos de ossíves resondentes, os ue acertam o tem e os ue erram o tem. Assm: E( \Y = 0 = A E( Z \Y = 0 + B
18 45 e, E(\Y = 1 = A E(Z\Y = 1 + B tal ue: E( \Y = 0 E( \Y = 1 A = E( Z \Y = 0 E( Z \Y = 1 (1 É fácl obter estmatvas ara os termos no numerador da euação (1. Basta tomar a méda dos escores em todo o teste dos ue acertam e dos ue erram o tem. O mesmo não ocorre em relação ao denomnador or se tratarem de varáves latentes. Admte-se, então, ue os resondentes ue acertam o tem são os ue aresentam valores ara Z suerores à Z, onde Z é tal ue ZP e z2 2 2π dz =. Logo, sob essa hótese: E( Z \ Y = 1 = h( Z = Z e Z 2 2 2π e, h( z E( Z \Y = 0 = Assm, de (1: A = E( \Y = 0 E( \Y = 1 h( z h( z Uma estmatva ara a correlação de Pearson é dada, então, or: ρ bs = ρ sz = h( Z h( Z 1 σ onde é o escore bruto médo ara os ue erram o tem, é o escore bruto médo ara os ue acertam o tem, h( z é o valor da função de densdade normal adrão em z, é a roorção dos ue acertaram o tem no teste.
19 Fnalmente, σ é o desvo adrão dos escores brutos obtdos no teste. Note-se ue: 46 ρ bs 1 1 = = = h( z h( z σ σ h( z + 1 =. σ h( z 1 mas, = +, de tal forma ue = e, ortanto: ρ bs 1 h( z σ h( z = = σ = ρ b. h( z (2 A fórmula (2 exressa a relação entre a correlação bsseral e correlação onto bsseral. Maores detalhes em Machado [20] Correlação Polsseral e Ponto Polsseral Os concetos de correlação onto bsseral e bsseral odem ser estenddos ara o caso de tens oltômcos, os uas aresentam mas de duas categoras ordenadas de resostas (T 0,T 1,...,T m,t K 1 T K. A correlação onto + olsseral ( ρ é defnda, smlesmente, como sendo a correlação de Pearson ol entre o escore bruto do teste ( e o escore do tem, meddo segundo uma escala ordenada de nteros cuas dferenças entre dos valores sucessvos sea semre a mesma ( or exemlo, (0, 1, 2,..., m. A correlação olsseral é defnda com base na relação (2 da segunte forma:
20 47 ρ = ρ ol ol m 1 k= 0 h( z (T T k+ 1 k k+ 1 σ (3 onde é a roorção dos ue alcançaram o k-ésmo escore e σ é o desvo k+ 1 adrão dos escores alcançados no tem.
MÉTODO DE FIBONACCI. L, em que L
Métodos de bonacc e da Seção Aúrea Adotando a notação: MÉTODO DE IBOACCI L e L L, em que L b a, resulta a: ncal orma Recursva: ara,,, - (-a) ou ara,,, - (-b) A esta equação se assoca a condção de contorno
A esse tipo de tabela, cujos elementos não foram numericamente organizados, denominamos tabela primitiva.
Dstrbução de Frequênca Tabela prmtva ROL Suponhamos termos feto uma coleta de dados relatvos à estaturas de quarenta alunos, que compõem uma amostra dos alunos de um colégo A, resultando a segunte tabela
Probabilidade e Estatística. Correlação e Regressão Linear
Probabldade e Estatístca Correlação e Regressão Lnear Varáves Varável: característcas ou tens de nteresse de cada elemento de uma população ou amostra Também chamada parâmetro, posconamento, condção...
UTILIZAÇÃO DA TEORIA DA RESPOSTA AO ITEM NA PRODUÇÃO DE INDICADORES SÓCIO-ECONÔMICOS
versão mressa ISSN 00-7438 / versão onlne ISSN 678-54 UTILIZAÇÃO DA TEORIA DA RESPOSTA AO ITEM NA PRODUÇÃO DE INDICADORES SÓCIO-ECONÔMICOS Tuf Machado Soares Deartamento de Estatístca Centro de Avalação
Análise dos resíduos e Outlier, Alavancagem e Influência
Análse dos resíduos e Outler, Alavancagem e Influênca Dagnóstco na análse de regressão Usadas para detectar problemas com o ajuste do modelo de regressão. Presença de observações mal ajustadas (pontos
MECÂNICA CLÁSSICA. AULA N o 9. Colchetes de Poisson Simetrias Espaço de Fases Transformações Canônicas (Hamiltoniano)
1 MECÂNICA CLÁSSICA AULA N o 9 Colchetes de Posson Smetras Esaço de Fases Transformações Canôncas (amltonano) O Esaço de Fases tem uma estrutura assocada a s. Esaços ossuem estruturas, que se referem aos
Probabilidade: Diagramas de Árvore
Probabldade: Dagramas de Árvore Ana Mara Lma de Faras Departamento de Estatístca (GET/UFF) Introdução Nesse texto apresentaremos, de forma resumda, concetos e propredades báscas sobre probabldade condconal
Experiência III (aula 05) Distância focal de uma lente
Exerênca III (aula 05) Dstânca de uma lente 1. Objetvos 2. Introdução 3. Medda da dstânca de uma lente delgada Dstânca de uma lente convergente 4. Arranjo e rocedmento exermental 5. Análse de dados 6.
Critérios de divisibilidade em bases numéricas genéricas
Crtéros de dvsbldade em bases numércas genércas Clezo A. Braga 1 Jhon Marcelo Zn 1 Colegado do Curso de Matemátca - Centro de Cêncas Exatas e Tecnológcas da Unversdade Estadual do Oeste do Paraná Caxa
NOTAS DE AULA DA DISCIPLINA CE076
5. COMPONENTES PRINCIPAIS 5. Introdução A análse de Comonentes Prncas está relaconada com a exlcação da estrutura de covarânca or meo de oucas combnações lneares das varáves orgnas em estudo, ou sea, rocura
Variáveis Indicadoras. Roteiro. Introdução
Varáves Indcadoras Rotero 1. Introdução 2. Varável Bnára de Intercepto 3. Varável de Interação 4. Aplcação 5. Varáves Qualtatvas com Váras Categoras 6. Referêncas Introdução Varáves Bnáras Modelo estenddo
Em muitas aplicações, estamos interessados em subgrafos especiais de um determinado grafo.
.4 Árvores Geradoras Em mutas aplcações estamos nteressados em subgrafos especas de um determnado grafo. Defnção Árvore Geradora - uma árvore T é chamada de árvore geradora de um grafo G se T é um subgrafo
Uma estimativa bayesiana aplicada aos casos notificados de hantavirose no estado do Pará via regressão logística
Uma estmatva bayesana aplcada aos casos notfcados de hantavrose no estado do Pará va regressão logístca Pâmela Tamrs Caldas Serra de Souza 1 Wagner Rogéro Ferrera Pnhero 1 Crstane Nazaré Pamplona de Souza
2 PROPRIEDADES ÓPTICAS
23 2 PROPRIEDADES ÓPTICAS A segur será feta uma revsão sobre as prncpas propredades óptcas de nteresse para o nosso estudo. 2.1. Luz Segundo Maxwell, a luz é uma modaldade de energa radante que se propaga
PQI Daí, substituindo as respectivas expressões de solução ideal e solução gasosa perfeita, temos (7-2)
PQI-581 014 7 Soluções Ideas 7.1 Defnção de solução deal Uma solução é dta deal se 1, ara todos os seus comonentes, temos: ln (7-1) onde é função aenas da temeratura e ressão. Esta defnção é nteressante
Prof. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca
INÁCIO ANDRUSKI GUIMARÃES
INÁCIO ANDRUSKI GUIMARÃES MODELOS DE REGRESSÃO LOGÍSICA OCULO E DE COMPONENES PRINCIPAIS PARA RECONHECIMENO E CLASSIFICAÇÃO DE PADRÕES COM VARIÁVEL RESPOSA POLIÔMICA ese aresentada como requsto arcal à
2 Esquemas conceituais em lógica de descrição
2 Esquemas concetuas em lógca de descrção Lógca de descrção (Descrton Logc LD) [4] é o nome dado ara uma famíla de formalsmos de reresentação de conhecmento. Para modelar um domíno de alcação em LD, rmeramente
Proposta de resolução da Prova de Matemática A (código 635) 21 de Junho de 2010
Proposta de resolução da Prova de Matemátca A (códgo 6 Como A e B são acontecmentos ncompatíves, 0 e Ou seja, de acordo com os dados do enuncado, 0% 0% 0% Versão : B Versão : C Como se trata de uma únca
SINTONIA DE CONTROLADORES P.I.D. João Lourenço Realizado em Janeiro de 96 e revisto em Janeiro de 97
SINTONIA DE CONTROLADORES P.I.D. João Lourenço Realzado em Janero de 96 e revsto em Janero de 97 O resente texto retende, ncalmente, dar a conhecer quas as característcas rncas das váras acções de controlo,
Identidade dos parâmetros de modelos segmentados
Identdade dos parâmetros de modelos segmentados Dana Campos de Olvera Antono Polcarpo Souza Carnero Joel Augusto Munz Fabyano Fonseca e Slva 4 Introdução No Brasl, dentre os anmas de médo porte, os ovnos
É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Capítulo 2 Método de Cross
UNIERSIDDE NDRNTE DE SÃO PUO - Escola de Engenhara vl Notas de aula do curso Teora das Estruturas Prof. Dr. Rcardo de. lvm.. Introdução aítulo étodo de ross O étodo de ross é um método que ermte calcular
Economia básica para os cursos de graduação em Zootecnia, Engenharia de Alimentos e Engenharia de Biossistemas.
05 UNIVERSIDADE DE SÃO PAULO Faculdade de Zootecna e Engenhara de Almentos Deartamento de Zootecna Economa básca ara os cursos de graduação em Zootecna, Engenhara de Almentos e Engenhara de Bossstemas.
Escola Secundária de Lousada Ficha de trabalho de Matemática do 7º ano nº Data: / / 2011 Assunto: Tratamento de dados I Lições nº, e,
Escola Secundára de Lousada Fcha de trabalho de Matemátca do 7º ano nº Data: / / 2011 Assunto: Tratamento de dados I Lções nº, e, Estatístca é um ramos da Matemátca que permte fazer um estudo de uma forma
TEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma.
UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO DE CIÊNCIAS EXATAS DEPARTAMENTO DE FÍSICA AV. FERNANDO FERRARI, 514 - GOIABEIRAS 29075-910 VITÓRIA - ES PROF. ANDERSON COSER GAUDIO FONE: 4009.7820 FAX: 4009.2823
Determinantes. De nição de determinante de uma matriz quadrada. Determinantes - ALGA - 2004/05 15
Determnantes - ALGA - 004/05 15 Permutações Determnantes Seja n N Uma permutação p = (p 1 ; p ; : : : ; p n ) do conjunto f1; ; ; ng é um arranjo dos n números em alguma ordem, sem repetções ou omssões
4 Critérios para Avaliação dos Cenários
Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada
OPF básico - Exemplo de aplicação dos conceitos de optimização não linear Notas para a disciplina de DOSE (LEEC-FEUP)
OF básco - Exemlo de alcação dos concetos de otmzação não lnear Notas ara a dsclna de DOSE (EE-FEU Manuel Matos FEU, 4. Introdução A nclusão das equações do trânsto de otêncas no roblema do desacho económco
Variáveis Aleatórias
Unversdade Federal do Pará Insttuto de Tecnologa Estatístca Aplcada I Prof. Dr. Jorge Teóflo de Barros Lopes Campus de Belém Curso de Engenhara Mecânca /08/06 7:39 ESTATÍSTICA APLICADA I - Teora das Probabldades
b. As medidas de posição mais importantes são as medidas de tendência central. Dentre elas, destacamos: média aritmética, mediana, moda.
Meddas de Posção Introdução a. Dentre os elementos típcos, destacamos aqu as meddas de posção _ estatístcas que representam uma sére de dados orentando-nos quanto à posção da dstrbução em relação ao exo
Prof. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Comprimento de Arco. Comprimento de Arco
UNIVERSIDADE DO ESTADO DE MATO GROSSO CAMPUS UNIVERSITÁRIO DE SINOP FACULDADE DE CIÊNCIAS EXATAS E TECNOLÓGICAS CURSO DE ENGENHARIA CIVIL DISCIPLINA: CÁLCULO DIFERENCIAL E INTEGRAL I Comprmento de Arco
CÁLCULO DA DIRECTRIZ
CÁCUO DA DIRECTRIZ I - Elementos de defnção da polgonal de apoo: - Coordenadas dos vértces da polgonal (M, P ); - Dstânca entre vértces da polgonal ( d); - Rumos dos alnhamentos (ângulo que fazem com a
CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA
CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de
Fls... do PA nº 2010-0.349.079-0, (a)...
PREFEITURA DA CIDADE DE SÃO PAULO SECRETARIA MUNICIPAL DE TRANSPORTES CONCORRÊNCIA nº 002/12-SMT Processo Admnstratvo nº 2010-0.349.079-0 CONCESSÃO PARA A IMPLEMENTAÇÃO, MANUTENÇÃO E OPERAÇÃO DOS ESTACIONAMENTOS
Aula 3 - Classificação de sinais
Processamento Dgtal de Snas Aula 3 Professor Marco Esencraft feverero 0 Aula 3 - Classfcação de snas Bblografa OPPENHEIM, AV; WILLSKY, A S Snas e Sstemas, a edção, Pearson, 00 ISBN 9788576055044 Págnas
UM PROCEDIMENTO PARA CALCULAR ÍNDICES A PARTIR DE UMA BASE DE DADOS MULTIVARIADOS
Vol. 21, No. 1, p. 107-117, junho de 2001 Pesqusa Operaconal 107 UM PROCEDIMENTO PARA CALCULAR ÍNDICES A PARTIR DE UMA BASE DE DADOS MULTIVARIADOS Luca Slva Kubrusly Insttuto de Economa /UFRJ Av. Pasteur,
Teoria da Resposta ao Item: Conceitos e Aplicações
Teora da Resposta ao Item: Concetos e Aplcações Dalton Francsco de Andrade 1 Helton Rbero Tavares 2 Raquel da Cunha Valle 3 1 Professor Ttular do Departamento de Estatístca e Matemátca Aplcada da Unversdade
Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.
MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,
FUNDAMENTOS DA PROGRAMAÇÃO SEMAFÓRICA
Lus Vlanova * FUNDMENOS D PROGRMÇÃO SEMFÓRIC resentação Este artgo detalha os rmeros assos da teora de cálculo da rogramação semafórca de um semáforo solado, deduzndo as equações báscas do temo de cclo
Algarismos Significativos Propagação de Erros ou Desvios
Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento
is: corrente pelo transitor vs: tensão sobre o transistor
4. CONRSOR ABAIXADOR-ADOR D TNSÃO COMO PRÉ- RGUADOR D FATOR D POTÊNCIA ste to de conversor ermte ter na saída tensões menores ou maores do que a tensão de entrada. Funconando como PFP suas rncas vantagens
3 Algoritmos propostos
Algortmos propostos 3 Algortmos propostos Nesse trabalho foram desenvolvdos dos algortmos que permtem classfcar documentos em categoras de forma automátca, com trenamento feto por usuáros Tas algortmos
Prof. Lorí Viali, Dr.
Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ Em mutas stuações duas ou mas varáves estão relaconadas e surge então a necessdade de determnar a natureza deste relaconamento. A análse
Proposta de resolução do Exame Nacional de Matemática A 2017 (2 ạ fase) GRUPO I (Versão 1) Assim, 2! 3! 4 = 48 é a resposta pedida.
Proosta de resolução do Eame Naconal de Matemátca A 7 ( ạ fase) GRUPO I (Versão ) P P I I I. 3 3! 3! = 6 = 8 Estem quatro maneras dstntas de os algarsmos ares estarem um a segur ao outro (PPIII ou IPPII
7 - Distribuição de Freqüências
7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste
3 Método Numérico. 3.1 Discretização da Equação Diferencial
3 Método Numérco O presente capítulo apresenta a dscretação da equação dferencal para o campo de pressão e a ntegração numérca da expressão obtda anterormente para a Vscosdade Newtonana Equvalente possbltando
7. Resolução Numérica de Equações Diferenciais Ordinárias
7. Resolução Numérca de Equações Dferencas Ordnáras Fenômenos físcos em dversas áreas, tas como: mecânca dos fludos, fluo de calor, vbrações, crcutos elétrcos, reações químcas, dentre váras outras, podem
22/8/2010 COMPLEXIDADE DE ALGORITMOS CES para os numeradores e 1 para o denominador. Noções de complexidade de algoritmos
Razão de crescmento desse temo Imortânca de análse de algortmos Um mesmo roblema ode, em mutos casos, ser resolvdo or város algortmos. Nesse caso, qual algortmo deve ser o escolhdo? Crtéro 1: fácl comreensão,
O que heterocedasticidade? Heterocedasticidade. Por que se preocupar com heterocedasticidade? Exemplo de heterocedasticidade.
Heterocedastcdade y = β 0 + β + β + β k k + u O que heterocedastcdade? Lembre-se da hpótese de homocedastcdade: condconal às varáves eplcatvas, a varânca do erro, u, é constante Se sso não for verdade,
Probabilidade de Óbito por Leptospirose Humana em Belém - PA
Probabldade de Óbto or Letosrose Humana em Belém - PA. Introdução Bolssta de Incação Centífca ICEN/UFPA. e-mal: dana.olvera@cen.ufa.br ² Mestrando em Estatístca Alcada e Bometra CCE/UFV. ³ Professor(a
MODELOS DE ESCOLHA BINÁRIA
MODELOS DE ESCOLHA BINÁRIA Introdução Em mutas aplcações do modelo de regressão lnear, pressupõe-se que a varável dependente é uma varável aleatóra contínua e que tem por domíno o conjunto dos números
20 TRANSFORMAÇÕES DAS TENSÕES
ENG040 Turma C (Prof. Aleandre Pacheco) 58 0 TRANSFORMAÇÕES DAS TENSÕES Equações Gerais no Plano Dado um certo estado de tensões num onto, associado a um dado sistema de coordenadas, é imortante que se
5 Análise Modal da Estrutura
5 Análse Modal da Estrutura No capítulo anteror comentou-se sobre as característcas construtvas da bancada, composta de um sstema rotatvo e uma estrutura de base (a qual chamaremos estrutura). Város trabalhos
Medidas de tendência central. Média Aritmética. 4ª aula 2012
Estatístca 4ª aula 2012 Meddas de tendênca central Ajudam a conhecer a analsar melhor as característcas de dados colhdos. Chamamos de meddas de tendênca central em decorrênca dos dados observados apresentarem
F-328 Física Geral III
F-328 Físca Geral III Aula exploratóra- 06 UNICAMP IFGW username@f.uncamp.br F328 2 o Semestre de 2013 1 Corrente elétrca e resstênca Defnção de corrente: Δq = dq = t+δt Undade de corrente: 1 Ampère =
Autores: Dani Gamerman (IM-UFRJ) Oswaldo Gomes de Souza Junior (SERPROS)
Prevsões de partdas de futebol usando modelos dnâmcos Autores: Dan Gamerman (IM-UFRJ) Oswaldo Gomes de Souza Junor (SERPROS) Alguns resultados que poderemos responder: Resultados dos jogos futuros; Quantos
Objetivos da aula. Essa aula objetiva fornecer algumas ferramentas descritivas úteis para
Objetvos da aula Essa aula objetva fornecer algumas ferramentas descrtvas útes para escolha de uma forma funconal adequada. Por exemplo, qual sera a forma funconal adequada para estudar a relação entre
Cap. IV Análise estatística de incertezas aleatórias
TLF 010/11 Cap. IV Análse estatístca de ncertezas aleatóras Capítulo IV Análse estatístca de ncertezas aleatóras 4.1. Méda 43 4.. Desvo padrão 44 4.3. Sgnfcado do desvo padrão 46 4.4. Desvo padrão da méda
3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo
3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas
Sumário, aula 6. Curva da procura. Curva da procura. Curva da procura. Curva da procura
Sumáro, aula 6 ) Mercado Curva da Procura Agregação das curvas ndvduas Equlíbro de mercado (concorrênca erfeta) Já sabemos que os agentes económcos são esecalzados Produzem muta quantdade de oucos BS Consomem
2 Principio do Trabalho Virtual (PTV)
Prncpo do Trabalho rtual (PT)..Contnuo com mcroestrutura Na teora que leva em consderação a mcroestrutura do materal, cada partícula anda é representada por um ponto P, conforme Fgura. Porém suas propredades
MAE5778 - Teoria da Resposta ao Item
MAE5778 - Teora da Resposta ao Item Fernando Henrque Ferraz Perera da Rosa Robson Lunard 1 de feverero de 2005 Lsta 2 1. Na Tabela 1 estão apresentados os parâmetros de 6 tens, na escala (0,1). a b c 1
Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.
Aplcação Por exemplo, se prepararmos uma área expermental com todo cudado possível e fzermos, manualmente, o planto de 100 sementes seleconadas de um mlho híbrdo, cudando para que as sementes fquem na
Diagnóstico em Regressão. Rejane Sobrino Pinheiro Tania Guillén de Torres
Dagnóstco em Regressão Rejane Sobrno Pnhero Tana Gullén de Torres Dagnóstcos em Regressão Introdução Conjunto de ferramentas para análse dos resíduos, detecção de valores extremos (outlers), de pontos
Série de exercícios 2
Sére de exercícos -Calcule as arações em S, U e ara um rocesso que conerte mol de água líquda à 0 o C e atm em aor a 00 o C e 3 atm. Admta que a água tenha densdade e caacdade térmca constantes. Admta
5945851-1 Psicologia Conexionista Antonio Roque Aula 6. A Adaline
594585- Pscologa Conexonsta Antono Roque Aula 6 A Adalne Poucos meses aós a ublcação do teorema da convergênca do Percetron or Rosenblatt, os engenheros da Unversdade de Stanford Bernard Wdrow (99 ) e
Cap 3 Concorrência Perfeita e Análise de Bem Estar
Nota: Este materal fo desenvolvdo elo rof. Roland Veras Saldanha Jr, e reresenta uma rmera versão de materal a ser transformado em lvro ddátco. Reservam-se os dretos autoras sobre o mesmo, mas comentáros
PREFEITURA DA CIDADE DE SÃO PAULO SECRETARIA MUNICIPAL DE TRANSPORTES. CONCORRÊNCIA nº /12-SMT Processo Administrativo nº 2010-0.349.
SECRETARIA MUNICIPAL DE TRANSPORTES MINUTA Fls.... do PA nº 2010-0.349.079-0, (a)... PREFEITURA DA CIDADE DE SÃO PAULO SECRETARIA MUNICIPAL DE TRANSPORTES CONCORRÊNCIA nº /12-SMT Processo Admnstratvo nº
SUMÁRIO LISTA DE TABELAS...IV LISTA DE ILUSTRAÇÕES...V RESUMO...VIII ABSTRACT...IX
SUMÁRIO LISTA DE TABELAS...IV LISTA DE ILUSTRAÇÕES...V RESUMO...VIII ABSTRACT...IX. INTRODUÇÃO.... TEMAS DE ESTUDO.... O PROBLEMA... 3.3 OBJETIVOS... 4.4 JUSTIFICATIVA... 5.5 ESTRUTURA DO TRABAHO... 7.
SIMULAÇÃO E COMPARAÇÃO DE MÉTODOS COMPUTACIONAIS PARA OBTENÇÃO DE DISTRIBUIÇÕES A POSTERIORI
SIMULAÇÃO E COMPARAÇÃO DE MÉTODOS COMPUTACIONAIS PARA OBTENÇÃO DE DISTRIBUIÇÕES A POSTERIORI Flávo Bambrra Gonçalves, Vnícus Dnz Mayrnk e Rosangela Helena Losch Deartamento de Estatístca ICEx - Unversdade
RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%
Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $
ESTATÍSTICA. na Contabilidade Revisão - Parte 2. Medidas Estatísticas
01/09/01 ESTATÍSTICA na Contabldade Revsão - Parte Luz A. Bertolo Meddas Estatístcas A dstrbução de frequêncas permte-nos descrever, de modo geral, os grupos de valores (classes) assumdos por uma varável.
Y = AN α, 0 < α < 1 (1) Π = RT CT = P Y W N (2) Π/ N = α N α -1 AP W = 0. W = α P AN α -1. P = W/α AN α -1
Gabarto da Lsta 1 de Macro II 2008.01 1 a Questão a)falso, pode ocorrer que a força de trabalho cresça juntamente com o número de empregados. Se a Força de trabalho crescer mas que o número de empregados
Manual dos Indicadores de Qualidade 2011
Manual dos Indcadores de Qualdade 2011 1 Dretora de Avalação da Educação Superor Clauda Maffn Grbosk Coordenação Geral de Controle de Qualdade da Educação Superor Stela Mara Meneghel Equpe Técnca: José
4.1. Tábuas de mortalidade
42 4. Metodologa A verfcação da estênca de dferença na taa de mortaldade de partcpantes ue abandonam um plano de seguro de vda ou prevdênca complementar será realzada medante a comparação entre as probabldades
1ª e 2ª leis da termodinâmica
1ª e 2ª les da termodnâmca 1ª Le da Termodnâmca Le de Conservação da Energa 2ª Le da Termodnâmca Restrnge o tpo de conversões energétcas nos processos termodnâmcos Formalza os concetos de processos reversíves
QUESTÕES DISCURSIVAS Módulo 01 (com resoluções)
QUESTÕES DISCURSIVAS Módulo 0 (com resoluções D (Fuvest-SP/00 Nos tens abaxo, denota um número complexo e a undade magnára ( Suponha a Para que valores de tem-se? b Determne o conjunto de todos os valores
R X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais
30 Varáves aleatóras bdmensonas Sea ε uma experênca aleatóra e S um espaço amostral assocado a essa experênca. Seam X X(s) e Y Y(s) duas funções cada uma assocando um número real a cada resultado s S.
Introdução e Organização de Dados Estatísticos
II INTRODUÇÃO E ORGANIZAÇÃO DE DADOS ESTATÍSTICOS 2.1 Defnção de Estatístca Uma coleção de métodos para planejar expermentos, obter dados e organzá-los, resum-los, analsá-los, nterpretá-los e deles extrar
Controle de Processo de Produção do Alto Forno por meio de Técnicas Estatísticas Multivariadas em Tempo Real
Eduardo Perera da Rocha Thomsen Controle de Processo de Produção do Alto Forno por meo de Técncas Estatístcas Multvaradas em Tempo Real Dssertação apresentada à banca examnadora como parte ntegrante dos
LEIS DE KIRCHHOFF EM CIRCUITOS DE CORRENTE CONTÍNUA
EXPERIÊNCI 04 LEIS DE KIRCHHOFF EM CIRCUITOS DE CORRENTE CONTÍNU 1. OBJETIVOS a) Determnar a força eletromotrz e a resstênca nterna de uma batera em um crcuto de malha únca. b) Calcular a resstênca nterna
Incerteza na Medição da Largura de Cordões de Solda
(Weld Bead Wdth Measurement Uncertanty) Rosenda Valdés Arencba, José Rbamar dos Santos Rbero Unversdade Federal de Uberlânda, FEMEC, Av. João Naves de Ávla, 22 Bloco M, Uberlânda - MG, CEP 3800-902, arvaldes@mecanca.ufu.br,
3 A técnica de computação intensiva Bootstrap
A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.
O CASO NESTLÉ-GAROTO E REFLEXÕES PARA O USO DE MODELOS DE SIMULAÇÃO NA ANÁLISE ANTITRUSTE
O ASO NESTLÉ-GAROTO E REFLEXÕES PARA O USO E MOELOS E SIMULAÇÃO NA ANÁLISE ANTITRUSTE Ian Ramalho Guerrero 1 Resumo O uso de modelos de smulação tem sdo cada vez mas recorrente em casos de concentração
Gráficos de Controle para Processos Autocorrelacionados
Gráfcos de Controle para Processos Autocorrelaconados Gráfco de controle de Shewhart: observações ndependentes e normalmente dstrbuídas. Shewhart ao crar os gráfcos de controle não exgu que os dados fossem
Padrões espaciais de pobreza rural: uma análise exploratória na Bacia do Rio São Francisco, Brasil
Padrões esacas de obreza rural: uma análse exloratóra na Baca do Ro São Francsco, Brasl Autores: Marcelo de O. Torres, Stehen A. Vost, Marco P. Maneta Wesley W. Wallender, Lneu N. Rodrgues, Lus H. Basso
Compacidade em espaços métricos
Comacdade em esaços métrcos Gselle Moraes Resende Perera, Lucana Yoshe Tsuchya e Geraldo Márco de Azevedo Botelho 3 de abrl de 2009 1 Introdução Comacdade é um dos concetos centras da toologa Na reta,
O mercado de oligopólio
Fernando Branco Ano lectvo 2003-2004 Trmestre de Inverno Sessão 6 O mercado de olgopólo Exstem poucas empresas Produtos dferencados ou homogéneo Interacções estratégcas: As decsões de umas empresas afectam
8 Estrutura horizontal da célula de chuva 8.1. Procedimentos iniciais
8 Estrutura horzontal da célula de chuva 8.1. Procedmentos ncas No caítulo 7 foram defndas as relações entre Z e R ara serem utlzadas na análse dos dados radares de Cruzero do Sul, Manaus e Tabatnga. A
e como falha o evento complementar F
No caítulo 3, foram aresentados os fundamentos da teora de robabldades, necessáros à comreensão das varáves aleatóras e de suas dstrbuções. No resente caítulo, dá-se níco à formulação e à descrção dos
Associação entre duas variáveis quantitativas
Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa
Universidade Federal do Rio Grande FURG. Instituto de Matemática, Estatística e Física IMEF Edital 15 CAPES INTERPOLAÇÃO
Uversdade Federal do Ro Grade FURG Isttuto de Matemátca, Estatístca e Físca IMEF Edtal CAPES INTERPOLAÇÃO Pro. Atôo Mauríco Mederos Alves Proª Dese Mara Varella Martez Matemátca Básca ara Cêcas Socas II
Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos
Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,
Casos de estimação do modelo de ajustamento da dívida com o xtabond2 do Stata
Lus Fernandes Rodrgues Casos de estmação do modelo de ajustamento da dívda com o xtabond do Stata Arellano-Bond (99) nspraram-se na forma de nstrumentar de Holtz-Eakn, Newe, e Rosen (988) que preconzam,
Prof. A.F.Guimarães Questões de termologia 7
Questão (FUES SP) Uma equena bolha de ar, artndo da rounddade de, m abaxo da sueríce de um lago, tem seu volume aumentado em % ao chegar à sueríce. Suonha que a temeratura do lago seja constante e unorme,
1. Introdução. 1 Exemplos na América Latina são Argentina, Chile, Colômbia, México, Uruguai e Venezuela. No resto do mundo,
Sumáro 1. Introdução. Economa Normatva.1. Informação Smétrca e Inconsstênca Dnâmca.. A Proosta de Rogoff.3. Indeendênca e Flexbldade 3. Economa Postva 3.1. O Modelo de Cukerman: Elementos e Equlíbro 3..
Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma
Capítulo 8 Dferencação Numérca Quase todos os métodos numércos utlzados atualmente para obtenção de soluções de equações erencas ordnáras e parcas utlzam algum tpo de aproxmação para as dervadas contínuas