Parte 3 - Regressão linear simples
|
|
- Márcio Tuschinski Neves
- 7 Há anos
- Visualizações:
Transcrição
1 Parte 3 - Regressão lear smples
2 Defção do modelo Modelo de regressão empregado para eplcar a relação lear etre duas varáves (ajuste de uma reta). O modelo de regressão lear smples pode ser epresso a forma: sedo: y = β + β + ε, () y : varável depedete (resposta); : varável depedete (eplcatva), fa e observada; β e β : parâmetros do modelo; ε : erro aleatóro, ão observado, para o qual assummos méda zero ( ( ε ) = ) ( ε = σ ) σ Var ( ) E e varâca descohecda, costate para todo o domío do estudo. Adcoalmete, supõe-se que os erros correspodetes a dferetes observações sejam ão correlacoados ( Cor(,ε ) =, j) ε. j
3 E[ y ]=β + β y ε =y β β y Fgura Ilustração regressão lear smples. 3
4 Nota Observe que o modelo de regressão lear smples é lear ão só com relação aos parâmetros, mas também com relação à varável eplcatva ( ). A especfcação do modelo de regressão lear smples mplca que, codcoal ao valor de, a dstrbução de y tem as segutes propredades (Eercíco ): ( y ) E( β + β + ε ) = β + β E = ; ( y ) = Var( β + β + ε ) = Var( ε ) = σ Var. Com base a dstrbução codcoal de y com relação a, os parâmetros do modelo têm as segutes o terpretações: β : é a méda da dstrbução de y quado = (tercepto). Somete váldo quado = pertece ao domío do estudo (se ão, a terpretação de β cofgura um erro de etrapolação); o β : é a alteração a méda de y assocada ao acréscmo de uma udade em. 4
5 Fgura Ilustração referete à terpretação dos parâmetros do modelo de regressão lear smples (Fote: Demétro e Sadoval, ). 5
6 Estmação dos parâmetros do modelo - o método de mímos quadrados Supoha que se dspoha de uma amostra de observações do par (, y) : ( y ), (, y ),..., (, ), y ; Neste caso, o método de mímos quadrados cosste a determação dos valores de β e β tas que os erros do modelo de regressão lear smples: y = β + β + ε,,,..., () = sejam mímos. Em outras palavras, o método cosste a determação de β e β tas que a dstâca da reta aos valores observados seja míma. Nota O modelo apresetado em () descreve a relação etre as varáves a ível populacoal, como fução de parâmetros descohecdos. Logo, os erros do modelo ε E( y ) = y ( β + β ) observáves. 6 = ão são y
7 , β = ε = = = y β β Cosdere ( ) ( ) S β a soma dos quadrados dos erros. Os estmadores de mímos quadrados de β e β são determados mmzado ( ) S β,β com relação a β e β. Nota Embora apresetado aqu o coteto de regressão lear smples, o método de mímos quadrados pode ser descrto de forma mas geral. Supoha um modelo de regressão (lear ou ão lear) da forma: em que (,..., ) = e β ( β β,..., ), p (, ) +, =, y = f β ε,...,, =, β k. Cosdere S( β,..., β ) = ε = ( y f ( β )), k, = = β a soma dos quadrados dos erros. Os estmadores de mímos quadrados de, β β k. β,...,, β βk são determados mmzado S( β, β,..., β k ) β,..., com relação a 7
8 8 A obteção dos estmadores de mímos quadrados de β e β (que remos deotar por ˆβ e ˆβ ) resulta da solução do segute sstema de dervadas parcas: ( ) ( ), ;, = = β β β β β β S S. () Como resultado do sstema de equações apresetadas em (), têm-se os segutes estmadores de mímos quadrados (Eercíco ): ( )( ) ( ) ( ) ( ) = = = = = = y y y ˆβ e y ˆ ˆ β β =, sedo = = e = = y y.
9 Utlzado-se os estmadores de mímos quadrados ˆβ e ˆβ, obtém-se o modelo (reta) de regressão ajustado, deotado por: yˆ = ˆ β + ˆ β. Para um partcular valor, o correspodete valor ŷ ajustado pela reta é tato uma estmatva da méda de y, codcoada a, quato uma predção de y para o valor fado. A dfereça etre um valor observado de y e o correspodete valor ajustado pelo modelo de regressão ( ŷ ) é um resíduo. Assm, para as observações usadas o ajuste do modelo, tem-se um cojuto de resíduos, deotados por: ( ˆ + ˆ ),, ˆ = r = y y = y β β,...,. Os resíduos são de fudametal mportâca o dagóstco do modelo ajustado, sobretudo a avalação das suposções de varâca costate (homocedastcdade) e depedêca. 9
10 Eemplo Os dados que se seguem (Sedecor e Cochra, 967) referem-se a meddas de alturas de platas de fejão (Y ), durate sete semaas (amostras depedetes). Idade em semaas ( ) Altura em cm ( y ) Apresete o dagrama de dspersão e avale a relação etre as varáves. Calcule as estmatvas de mímos quadrados dos parâmetros de um modelo de regressão lear smples e apresete a reta de regressão ajustada.
11 Propredades dos estmadores de mímos quadrados do modelo de regressão lear smples - Os estmadores de mímos quadrados ˆβ e ˆβ são combações leares dos y ' s (Eercíco 3); - ˆβ e ˆβ são estmadores ão vcados de β e β (Eercíco 4): E ( ˆ β ) = β e ( ˆ β ) = β E ; 3- As varâcas de ˆβ e ˆβ são, respectvamete (Eercíco 5): Var ( ˆ ) = β σ + e Var( ˆ ) ( ) = σ β. = = ( ) 4- Teorema de Gauss-Markov Para o modelo de regressão lear smples, com as pressuposções mecoadas para os erros, os estmadores de mímos quadrados são ão vcados e têm varâca míma detre todos os estmadores ão vcados que são combações leares dos y ' s.
12 Propredades adcoas do modelo ajustado (Eercíco 6): o ( y y ) = o = = ˆ r = ; y yˆ ; = = = o A reta de regressão passa pelo cetróde (, y) dos dados; o r = ; = o y ˆr =. =
13 Estmação de σ A estmação de σ permte quatfcar a varação dos dados ão eplcada pelo modelo, além de servr para a obteção de ferêcas (tervalos de cofaça, testes de hpóteses) para β e β. Um estmador ão vcado (Eercíco 7) de σ, caso o modelo proposto seja bem especfcado, é dado por: ( y yˆ ) = r = ˆ σ = =. Um pouco de termologa: chamamos r = de soma de quadrados dos resíduos ( s ) e de quadrado médo de resíduos ( QM Re ). s SQ Re = r 3
14 σ=, σ=,3 σ=, y y y Fgura 3 Dados smulados a partr de uma mesma reta de regressão com dferetes desvos padrões ( σ =,; σ =,3 ; σ =, 5, da esquerda para a dreta). 4
15 Modelo de regressão lear smples com erros ormalmete dstrbuídos Vamos retomar o modelo de regressão lear smples, coforme especfcado em (), com a suposção adcoal de que o erro tem dstrbução Normal: d, sedo ε ~ N(, σ ) y = β + β + ε. Sob essa especfcação, codcoal a tem-se a segute dstrbução para a resposta (Eercíco 8): d ( β β ) y ~ N + σ., Assm, fado o valor de, y tem dstrbução Normal, cetrada em β + β e com varâca σ, que ão depede de. A Fgura 3 lustra esse fato. 5
16 Fgura 4 Ilustração do modelo de regressão lear smples com erros ormalmete dstrbuídos (Fote: Demétro e Sadoval, ). 6
17 Estmação por máma verossmlhaça para os parâmetros do modelo Retomado ovamete o modelo de regressão lear smples, coforme especfcado em (), com a suposção adcoal de que o erro tem dstrbução Normal. Cosdere uma amostra de observações do par (, y) : ( y ), (, y ),..., (, ) verossmlhaça fca dada por:, y. A fução de L (,,, ) ( ) / β β σ y = πσ ep ( y β β ) = = / ( πσ ) ep ( y β β ). σ = σ = Verfca-se que os estmadores de máma verossmlhaça de β e β são guas aos correspodetes estmadores de mímos quadrados (Eercíco 9); 7
18 O estmador de máma verossmlhaça de σ é dado por (Eercíco ): ~ y yˆ ˆ σ σ = = =, ( ) ( ) que é ão vcado apeas asstotcamete (quado ); Como propredades adcoas dos estmadores de máma verossmlhaça tem-se que, sob ormaldade, ˆβ e ˆβ são efcetes e cosstetes. 8
19 Dstrbução amostral dos estmadores dos parâmetros do modelo de regressão lear smples A dstrbução amostral de ˆβ refere-se à dstrbução de um cojuto de ˆ' β s obtdos repetdo-se o epermeto dversas vezes, matedo-se fos os ' s (o mesmo vale para ˆβ ); Sob a suposção de ormaldade, ˆβ e ˆβ tem as segutes dstrbuções amostras (Eercíco ): ( ) ˆ β ~ N β +, σ ; = ˆ σ β ~ N β, ( ), = sedo que Var ( ˆβ ) e ( ˆβ ) Var são estmados, respectvamete, por: ( ) = ^ ˆβ QM + e Var( ) ^ Re s Var = ( ) QM Re s ˆβ =. = ( ) 9
20 Itervalos de cofaça e testes de hpóteses para os parâmetros do modelo podem ser obtdos com base as dstrbuções amostras apresetadas. Nota Chamamos erro padrão de um estmador a raz quadra de sua varâca amostral. Assm, a título de lustração, ep ( ) QM Re s ˆβ =. = ( )
21 Iferêca para os parâmetros do modelo de regressão lear smples Teste de hpótese para o tercepto ( β ): o Hpóteses: H : β = β vs H : β β, sedo β algum valor postulado; o Estatístca do teste: t = QM Re s ˆ β β + =. ( ) o Regra de decsão: Sob H, t tem dstrbução ível de sgfcâca α, rejeta-se H se t > t ; /. α t Studet com graus de lberdade. Assm, para um
22 Teste de hpótese para o coefcete agular ( β ): o Hpóteses: H : β = β vs H : β β, sedo β algum valor postulado; o Estatístca do teste: t = ˆ β β QM = Re s ( ). o Regra de decsão: Sob H, t tem dstrbução t Studet com graus de lberdade (Eercíco ). Assm, para um ível de sgfcâca α, rejeta-se H se t t ; / (Eercíco 3). > α Um caso especal desse teste é o teste da sgfcâca da regressão, baseado o par de hpóteses: H β vs H β. : = :
23 A ão rejeção de H β ão mplca que ão haja relação etre y e, mas apeas a ão estêca : = de relação lear etre y e (ver Fgura 4). A rejeção de H β ão mplca relação lear y e, mas apeas a cotrbução do ajuste de uma : = reta a eplcação da relação etre as varáves, ada que tal relação seja mas complea (ver Fgura 5). o Adcoalmete, sob as suposções do modelo: ( ) QM σ Re s ~ χ, ode χ represeta a dstrbução qu-quadrado com graus de lberdade. 3
24 y y Fgura 5 Duas stuações em que a hpóteses H β ão é rejetada. 4 : =
25 y y Fgura 6 Duas stuações em que a hpóteses H β é rejetada. 5 : =
26 Itervalos de cofaça para os parâmetros do modelo o Se os erros do modelo obedecem aos pressupostos de ormaldade, depedêca e homogeedade de varâcas, etão: ˆ β β t ( ˆ ) ~ ep β ; ˆ β β t ( ˆ ) ~ ep β, ^ ^ sedo ep ( ˆ β ) = Var( ˆ β ) e ( ˆ β ) Var( ˆ β ) de lberdade. ep = e t represeta a dstrbução t Studet com graus o Com base as quatdades pvotas apresetadas, tervalos de cofaça ( α )% para β e β são dados, respectvamete, por: 6
27 IC IC ( β, α ) = ( ˆ β ± t ( ˆ α ep β ) ; / ( β, α ) = ( ˆ β ± t ( ˆ α ep β ), ; / (Eercíco 4) ode t ; / correspode ao quatl α / da dstrbução t. α o Itervalo de cofaça ( α )% para σ (Eercíco 5): ( ) ( ) QM Re s ( ) σ, α = ; QM Re s IC, χ ; α / χ ; α / sedo χ ; α / e ; α / χ os quats α / e α / da dstrbução χ. 7
28 Estmação da resposta méda e predção de ovas observações Itervalo de cofaça para a resposta méda Qual a resposta méda para pacetes tratados com uma dose da medcação? o Um estmador potual para a resposta méda (méda de y ), cosderado algum específco valor para a varável depedete (pertecete ao escopo do estudo), é dado por: E ( y ) = ˆ µ ˆ ˆ y = β + β. o Dstrbução amostral de ˆ y µ : sob os pressupostos do modelo de regressão lear smples: sedo µ y = β + β. ( ) ( ) ˆ µ y ~ Normal µ + y, σ, (Eercíco 6) = 8
29 o Com base a dstrbução amostral de pvotal para µ y : QM ˆ y µ, e substtudo-se Re s ˆ µ y + µ y ( ) ( ) = σ por ~ t. QM Re s, tem-se a segute quatdade o A partr da quatdade pvotal apresetada, tem-se o segute tervalo de cofaça ( α )% para µ y : ( ˆ, α ) = ( ˆ µ ± t ep( ) µ y α ˆ IC µ, (Eercíco 7) y ; / y ( ) ep µ y = QM Re s +. = ode ( ) ( ) ˆ Nota Repare que o tervalo de cofaça terá meor comprmeto (maor precsão) quado maor comprmeto (meor precsão) à medda que se afastar de. =, e terá 9
30 Itervalo de predção para uma observação futura Qual será a resposta para um pacete tratado com uma dose da medcação? o A predção potual, ovamete, é obtda por meo da regressão ajustada, por yˆ = ˆ β ˆ + β. o Um tervalo de predção ( α )% para uma futura observação em é dado por: IP ( y ) ( ) α = yˆ ± t ; / QM Re s + + ( ). =, α Nota Observe que o tervalo de predção sempre será meos precso do que o tervalo de cofaça para a resposta méda. (Por quê?). o Pode-se represetar tervalos de cofaça para a resposta méda e tervalos de predção para observações futuras, para todos os valores o escopo do estudo (badas de cofaça), por meo de gráfcos. 3
31 5 Número de vsualzações (y) Iserções dáras () Fgura 7 Gráfco de dspersão do úmero de vsualzações vs serções dáras do lk de um ste, com reta de regressão ajustada por mímos quadrados, badas de cofaça para a resposta méda (tracejado preto) e para predção de ovas observações (tracejado vermelho). 3
32 Aálse da varâca em regressão lear smples A aálse de varâca cosste a decomposção da varação total dos dados em dferetes fotes; Cosdere a segute decomposção dos resíduos: r ( y y) ( y y) = y yˆ = ˆ. () A decomposção acma, coforme lustrado a Fgura 7, pode ser terpretada da segute forma: desvo ão eplcado pelo mod elo = desvo total desvo devdo ao mod elo 3
33 Fgura 7 Decomposção dos resíduos em r = y y = ( y y) ( yˆ y) ˆ (fote: Demetro e Zocch, ) 33
34 Elevado ao quadrado ambos os lados da gualdade, e somado para as observações, obtém-se: = r = ( y y ) = ( y y) ( yˆ y) = = ˆ (Eercíco 8), = soma que pode ser re-escrta da segute forma: ( y y) = ( yˆ y) ( y yˆ ). = = = SQTot SQRe g SQRe s Soma de quadrados Soma de quadrados Soma de quadrados total da regressão dos resíduos 34
35 o Repare que a varabldade total, deotada por SQ Tot, é subdvdda em duas partes: o SQ Re g epressa a varabldade dos dados eplcada pelo modelo - SQ Re g = se β = e SQ Re g aumeta quato maor for β, uma vez que: SQ Re g = ˆβ ( ) (Eercíco 9). = o SQ Re s epressa a varabldade dos dados ão eplcada pelo modelo (repare que caso o modelo ajustasse perfetamete os dados teríamos todos os resíduos guas a zero e, cosequetemete, SQ ). Re s = o Graus de lberdade: Assocado a Assocado a Assocado a SQ temos graus de lberdade (perda de um grau devdo à estmação da méda); Tot SQ Re temos graus de lberdade (perda de dos graus devdo à estmação de β e β ); s SQ Re temos ( ) ( ) = g grau de lberdade. 35
36 Quadro Esquema da aálse da varâca para o modelo de regressão lear smples Fote de varação Graus de Lberdade Somas de quadrados Quadrados Médos F Regressão Lear SQRe g ( yˆ y) = = QM = Re g SQ Re g QM F = QM Re g Re s Resíduo Total (ajustado pela méda) SQRe s ( y yˆ ) = = SQ ( y y) Tot = = QM Re s SQRe = s Nota - QM Re s é um estmador ão vcado de σ. Se β =, etão QM Re g também é um estmador ão vcado de σ ; Nota Logo, para verfcar se β =, comparamos QM Re s e QM Re g. Se QM Re s QM Re g, etão temos dícos de que β =. Se, por outro lado, QM Re g >>> QM Re s, temos dícos desfavoráves a β =, atestado a sgfcâca da regressão. 36
37 o A sgfcâca da regressão pode ser testada também usado os resultados da aálse da varâca, baseada os segutes fatos: QM Re s SQ ) ( ) Re s σ = ~ σ χ ) Se β = (codção de ão sgfcâca da regressão), etão 3) SQ Re s e SQ Re g são depedetes; ; SQ σ Re g ~ χ ; o Assm, sob a hpótese H β, a estatístca teste: : = F SQRe g / glre g SQRe g / QM Re g = = = (Eercíco ) SQ / gl SQ / Re s Re s Re s ( ) QM Re s segue dstrbução F,. 37
38 o A hpótese H β deve ser rejetada, ao ível de sgfcâca α, se: : = QM F, Re g = > F,, α QM Re s ode F é o quatl α da dstrbução F,.,, α Nota No coteto de regressão lear smples, os testes de sgfcâca da regressão baseados as estatístcas t e F são equvaletes; O teste t permte avalar hpóteses ulateras ( β > β ; β < β); O teste F é mas fleível quato à etesão para dversas varáves (regressão lear múltpla). 38
39 Coefcete de determação O coefcete de determação é uma medda de adequação do ajuste defda por: R SQRe g SQRe s = =. SQ SQ Tot Tot Pela defção, segue que R : Como SQ Tot mede a varação da resposta sem cosderar a varável eplcatva e SQ Re g mede a varação da resposta levado em cota a varável eplcatva, etão R correspode à proporção da varação de y eplcada por. Valores de regressão. R prómos a dcam que a maor parte da varação de y é eplcada pelo modelo de 39
40 Algus cudados quato ao uso do coefcete de determação: o O coefcete de determação sempre aumeta à medda que ovos parâmetros são adcoados ao modelo. No lmte, R = se o modelo ajustado passa sobre todos os potos. No etato, quato mas parâmetros, mas compleo (e ão ecessaramete melhor) o modelo; 4
41 R =,85 R =,934 R = y y y Fgura 8 Três ajustes de regressão para o mesmo cojuto de observações, respectvamete: ajuste de uma reta, de um polômo de segudo grau e de um modelo com tatos parâmetros quato observações (saturado). 4
42 o O coefcete de determação ão mede a adequação da regressão lear, sedo que podemos ter elevado ada que a relação etre y e seja ão lear; R Fgura 9 Quatro ceáros dsttos que produzem o mesmo valor para o coefcete de determação para o ajuste do modelo de regressão lear smples ( R =, 667 ). Fote: Ascombe,
43 o O coefcete de determação depede da dspersão dos valores amostrados de. Pode-se mostrar que R = aumeta quato maor for ( ). Mas adate voltaremos a tratar do coefcete de determação e de outras meddas usadas para avalar o ajuste de modelos de regressão. 43
44 Eemplo Os dados apresetados a sequêca represetam o úmero de serções dáras de lks de propagadas em uma pága da teret ( ) e o úmero dáro de vsualzações de terautas ( y, em mlhares), por meo desses lks, para as propagadas de dez empresas dsttas: Empresa y 8,4 3, 6,6,8,7,7,7 8,4,7 4, Cosderado os dados dspoíves: a) Apresete o dagrama de dspersão com o ajuste da regressão ão paramétrca; b) Calcule as estmatvas de mímos quadrados dos parâmetros do modelo de regressão lear smples que relacoa o úmero de vsualzações ao úmero de serções dáras; c) Iterprete (se fzer setdo) as estmatvas obtdas o tem b; d) Apresete a equação do modelo ajustado e adcoe ao gráfco de dspersão a reta ajustada; e) Calcule o valor ajustado pelo modelo para as empresas 4 e 7; f) Calcule os resíduos correspodetes às empresas 4 e 7; 44
45 g) Com base o modelo ajustado, qual a predção do úmero de vsualzações para propagadas com 7 e 39 serções? h) Com base o modelo ajustado, você podera predzer o úmero de vsualzações para propagadas com 5 serções? Por que? ) Se uma ova empresa, por motvos operacoas, deseja alcaçar 7 ml vsualzações dáras, com base o modelo ajustado qual devera ser o úmero de serções? j) Estme o aumeto esperado o úmero de vsualzações se uma empresa que hoje cota com 3 serções passasse a cotar com 4 serções dáras; k) Faça um gráfco de dspersão dos valores observados versus valores ajustados pelo modelo de regressão lear smples. Avale-o; l) Faça um gráfco de dspersão dos resíduos versus valores ajustados pelo modelo de regressão lear smples. Avale-o; m) Apresete uma estmatva para σ ; ) O que dzer das estmatvas de máma verossmlhaça de β, β e σ? Apresete-as; o) Calcule o erro padrão assocado às estmatvas dos parâmetros do modelo; p) Teste a sgfcâca do modelo de regressão, baseado o par de hpóteses H β vs H β ; : = : 45
46 q) O resposável pela pága afrma que para uma serção a mas da propagada tem-se, em méda, mas de 3 vsualzações dáras. Os dados levatados permtem cofrmar essa afrmação? Cosdere um ível de sgfcâca de 5%. r) Apresete tervalos de cofaça (95 e 99%) para β e β ; s) Apresete tervalos de cofaça (95%) para o úmero médo de vsualzações dáras cosderado 7, 33 e 4 serções; t) Apresete tervalos de predção (95%) para o úmero de vsualzações dáras cosderado 7, 33 e 4 serções; u) Apresete as badas de cofaça e de predção (95%) sobre o gráfco de dspersão com reta de regressão ajustada; v) Apresete o quadro da aálse de varâca e teste a sgfcâca do modelo com base o teste F. Compare com o resultado do teste t, usado aterormete com mesma faldade; w) Calcule o valor do coefcete de determação ( R ). Iterprete-o. 46
47 Aálse da correlação lear Numa aálse de correlação, busca-se avalar a relação cojuta etre duas varáves (dgamos e y ), dferdo do coteto da regressão em dos aspectos prcpas: o Não há uma relação de depedêca etre as varáves (ão há uma varável resposta e outra eplcatva). O objetvo é ferr sobre a relação cojuta etre as varáves, e ão eprmr uma como fução da outra; o Na aálse de correlação admtmos que ambas as varáves sejam aleatóras, cabedo, portato, estudar a dstrbução cojuta das mesmas. 47
48 Vamos cosderar que a dstrbução cojuta de e y seja uma ormal bvarada: f (, y) = πσ σ y ρ ep µ y µ y µ y µ y, ( ) + ρ ρ σ σ y σ σ y sedo µ e σ a méda e a varâca de, µ y e σ y a méda e a varâca de y e [( µ )( y µ )] E y σ y ρ = = σ σ σ σ y y o coefcete de correlação etre e y ( σ é a covarâca). y Uma propredade do coefcete de correlação é que ρ, de tal forma que: o ρ dca relação lear e crescete etre e y ; o ρ dca relação lear e decrescete etre e y ; o ρ dca ausêca de relação lear etre e y. 48
49 Fgura Dstrbução ormal bvarada. 49
50 Fgura Gráfcos das fuções desdade de probabldades de dstrbuções ormas bvaradas com correlações -,8, e,8 (da esquerda para a dreta). 5
51 Um estmador de ρ é o coefcete de correlação amostral, defdo por: ( y y)( ) = r =. / ( y y) ( ) = = Para testar a hpótese de ausêca de correlação lear ( H ρ = vs H : ρ aproprada é dada por: : ), a estatístca teste t r =, r que sob H tem dstrbução t. Assm, deve-se rejetar H, para um ível de sgfcâca α, se t. > t ; α / 5
52 Fgura Dferetes ceáros (amostras de pares (, y )) e os correspodetes valores para o coefcete de correlação lear (fote: Wkpeda). 5
53 Nota O teste apresetado é equvalete ao teste de H β, para o coefcete agular do modelo de regressão lear smples. : = A obteção de tervalos de cofaça para ρ é um pouco mas complcada e basea-se a estatístca: Z r = arcta h( r) = l( ( + r) ). Um tervalo de cofaça ( α )% para ρ, váldo, apromadamete, para sufcetemete grade ( 5), tem lmtes: u u u u ode ( u) = ( e e ) ( e + e ) IC z ρ r, 3 α / (, α ) = tah( Z ) ± tah e z α / é o quatl α / da dstrbução ormal padrão. 53
54 Nota Ausêca de correlação lear ão mplca em depedêca (ver Fgura ). Nota Coeão etre r e o coefcete de determação ( R ). Seja ry y ˆ, a correlação etre os valores observados e predtos de um modelo de regressão e Pode-se verfcar que (Eercíco ): R o coefcete de determação do modelo ajustado. r y, yˆ R =. 54
Regressao Simples. Parte II: Anova, Estimação Intervalar e Predição
egressao Smples Parte II: Aova, Estmação Itervalar e Predção Aálse de Varâca Nem todos os valores das amostras estão cotdos a reta de regressão, e quato mas afastados estverem por, a reta represetará a
Leia maisREGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA
REGRESSÃO LINEAR CUIABÁ, MT 6/ INTRODUÇÃO Relação dos valores da varável depedete (varável resposta) aos valores de regressoras ou exógeas). SIMPLES MÚLTIPLA (varáves depedetes,... =,,, K=,,, k em que:
Leia maisAvaliação da qualidade do ajuste
Avalação da qualdade do ajuste 1 Alguma termologa: Modelo ulo: é o modelo mas smples que pode ser defdo, cotedo um úco parâmetro ( µ) comum a todos os dados; Modelo saturado: é o modelo mas complexo a
Leia maisCap. 5. Testes de Hipóteses
Cap. 5. Testes de Hpóteses Neste capítulo será estudado o segudo problema da ferêca estatístca: o teste de hpóteses. Um teste de hpóteses cosste em verfcar, a partr das observações de uma amostra, se uma
Leia maisEconometria: 3 - Regressão Múltipla
Ecoometra: 3 - Regressão Múltpla Prof. Marcelo C. Mederos mcm@eco.puc-ro.br Prof. Marco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo de regressão
Leia maisRegressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança
Regressão Smples Parte III: Coefcete de determação, regressão a orgem e método de máxma verossmlhaça Coefcete de determação Proporção da varabldade explcada pelo regressor. R Varação explcada Varação total
Leia maisEstudo do intervalo de confiança da regressão inversa utilizando o software R
Estudo do tervalo de cofaça da regressão versa utlzado o software R Llae Lopes Cordero João Domgos Scalo. Itrodução Na maora das aplcações evolvedo regressão, determa-se o valor de Y correspodete a um
Leia maisModelo de Regressão Simples
Modelo de Regressão Smples Hstora Hstóra Termo regressão fo troduzdo por Fracs Galto (8-9). Estudo sobre altura de pas e flhos. Karl Pearso coletou mas de ml regstros e verfcou a le de regressão uversal
Leia maisModelos de regressão linear: abordagem clássica
Modelos de regressão lear: abordagem clássca Prof. Marcelo Rubes mrubes@me.uerj.br Depto. Estatístca Aálse de Regressão Objetvo: Determar uma fução matemátca que descreva a relação etre uma varável cotíua
Leia maisNOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling
4 INFERÊNCIA SOBRE O VETOR DE MÉDIAS 4. TESTE PARA UM VETOR DE MÉDIAS µ Lembrado o caso uvarado: H : µ = µ H : µ µ Nível de sgfcâca: α Estatístca do teste: X µ t = s/ ~ t Decsão: se t > t - (α/) rejeta-se
Leia maisEm muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.
Prof. Lorí Val, Dr. val@pucrs.r http://www.pucrs.r/famat/val/ Em mutas stuações duas ou mas varáves estão relacoadas e surge etão a ecessdade de determar a atureza deste relacoameto. A aálse de regressão
Leia maisEstatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual
Estatístca: Aplcação ao Sesorameto Remoto SER 04 - ANO 08 Estmação Potual Camlo Daleles Reó camlo@dp.pe.br http://www.dp.pe.br/~camlo/estatstca/ Iferêca Estatístca Cosdere o expermeto: retram-se 3 bolas
Leia maisTópicos Extras 2ª parte. Análise de Correlação e Regressão
Tópcos Extras ª parte Aálse de Correlação e Regressão 1 Defções báscas ANÁLISE DE CORRELAÇÃO Mesurar a força da assocação etre as varáves (geralmete através do cálculo de algum coefcete). ANÁLISE DE REGRESSÃO
Leia maisCapítulo 5: Ajuste de curvas pelo método dos mínimos quadrados
Capítulo : Ajuste de curvas pelo método dos mímos quadrados. agrama de dspersão No capítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas por uma taela de valores. Frequetemete o etato
Leia maisANÁLISE DE REGRESSÃO E CORRELAÇÃO
ANÁLISE DE REGRESSÃO E CORRELAÇÃO Quado se cosderam oservações de ou mas varáves surge um poto ovo: O estudo das relações porvetura estetes etre as varáves A aálse de regressão e correlação compreedem
Leia maisInferência Estatística e Aplicações I. Edson Zangiacomi Martinez Departamento de Medicina Social FMRP/USP
Iferêca Estatístca e Aplcações I Edso Zagacom Martez Departameto de Medca Socal FMRP/USP edso@fmrp.usp.br Rotero Parte I Escola frequetsta Defções: parâmetros, estmatvas Dstrbuções de probabldade Estmação
Leia maisProfessor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø.
Professor Maurco Lutz 1 EGESSÃO LINEA SIMPLES A correlação lear é uma correlação etre duas varáves, cujo gráfco aproma-se de uma lha. O gráfco cartesao que represeta essa lha é deomado dagrama de dspersão.
Leia maisDistribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD
Dstrbuções Amostras Estatístca 8 - Dstrbuções Amostras 08- Dstrbuções Amostras Dstrbução Amostral de Objetvo: Estudar a dstrbução da população costtuída de todos os valores que se pode obter para, em fução
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS Uma uversdade oferece um curso para capactação profssoal de joves caretes. Ao fal do curso, cada jovem partcpate será avalado por meo de uma prova teórca e de uma prova prátca,
Leia maisNas Instituições de Ensino Superior(IES), há uma relação direta entre a qualidade do ensino e a taxa de inadimplência. A taxa de inadimplência das
CORRELAÇÃO Nas Isttuções de Eso Superor(IES), há uma relação dreta etre a qualdade do eso e a taxa de admplêca. A taxa de admplêca das IES que obtveram cocetos A e B o Provão é,%, as que obtveram C é 6%
Leia maisANÁLISE DE REGRESSÃO E CORRELAÇÃO
ANÁLISE DE REGRESSÃO E CORRELAÇÃO Quado se cosderam oservações de ou mas varáves surge um poto ovo: O estudo das relações porvetura estetes etre as varáves. A aálse de regressão e correlação compreedem
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental.
É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou Prof. Lorí Val, Dr. val@mat.ufrgs.r http://www.mat.ufrgs.r/~val/ expermetal. Numa relação expermetal os valores de uma das varáves
Leia maisESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano
ESTATÍSTICA Aula 7 Prof. Dr. Marco Atoo Leoel Caetao Dstrbuções de Probabldade DISCRETAS CONTÍNUAS (Números teros) Bomal Posso Geométrca Hper-Geométrca Pascal (Números reas) Normal t-studet F-Sedecor Gama
Leia maisMacroeconometria Aula 3 Revisão de estatística e teste de hipótese
Macroecoometra 008. Aula 3 Revsão de estatístca e teste de hpótese 3.5. Estmação No estudo das probabldades, o objetvo é calcular a probabldade de evetos préespecfcados. De agora em date o objetvo muda.
Leia maisÉ 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 etre duas ou mas varáves. Pode ser: correlacoal ou expermetal. Numa relação expermetal os valores de uma das varáves
Leia maisEstatística - exestatmeddisper.doc 25/02/09
Estatístca - exestatmeddsper.doc 5/0/09 Meddas de Dspersão Itrodução ão meddas estatístcas utlzadas para avalar o grau de varabldade, ou dspersão, dos valores em toro da méda. ervem para medr a represetatvdade
Leia maisRegressão Linear e Multilinear
Regressão Lear e Multlear Deleameto Expermetal Mestrado em Sstemas de Produção em Agrcultura Medterrâca Modelo de Regressão Lear Smples X Varável Idepedete Y Varável Depedete y =β +β x +ε β ordeada a orgem
Leia maisProbabilidades e Estatística LEGM, LEIC-A, LEIC-T, MA, MEMec
Duração: 90 mutos Grupo I Probabldades e Estatístca LEGM, LEIC-A, LEIC-T, MA, MEMec Justfque coveetemete todas as respostas 2 o semestre 2017/2018 14/06/2018 11:00 2 o Teste B 10 valores 1. Os dvíduos
Leia maisProbabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ
Duração: 90 mutos Grupo I Probabldades e Estatístca LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBol, MEBom, MEEC, MEFT, MEMec, MEQ Justfque coveetemete todas as respostas 1 o semestre 018/019 10/01/019 09:00 o
Leia maisA análise de variância de uma classificação (One-Way ANOVA) verifica se as médias de k amostras independentes (tratamentos) diferem entre si.
Prof. Lorí Va, Dr. http://www. ufrgs.br/~va/ va@mat.ufrgs.br aáse de varâca de uma cassfcação (Oe-Way NOV) verfca se as médas de amostras depedetes (tratametos) dferem etre s. Um segudo tpo de aáse de
Leia maisLista de Exercícios #9 Assunto: Análise de Regressão Método de Mínimos Quadrados
Lsta de Exercícos #9 Assuto: Aálse de Regressão Método de Mímos Quadrados ANPEC 8 Questão 4 Cosdere o segute modelo de regressão lear smples: () y = β + β x + u Para uma amostra com 3 observações, foram
Leia mais? Isso é, d i= ( x i. . Percebeu que
Estatístca - Desvo Padrão e Varâca Preparado pelo Prof. Atoo Sales,00 Supoha que tehamos acompahado as otas de quatro aluos, com méda 6,0. Aluo A: 4,0; 6,0; 8,0; méda 6,0 Aluo B:,0; 8,0; 8,0; méda 6,0
Leia maisRegressão e Correlação
Regressão e Correlação Júlo Osóro Regressão & Correlação: geeraldades Em mutas stuações de pesqusa cetífca, dspomos de uma amostra aleatóra de pares de dados (x, ), resultates da medda cocomtate de duas
Leia maisInterpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1.
Iterpolação Iterpolação é um método que permte costrur um ovo cojuto de dados a partr de um cojuto dscreto de dados potuas cohecdos. Em egehara e cêcas, dspõese habtualmete de dados potuas, obtdos a partr
Leia maisESTATÍSTICA APLICADA À ZOOTECNIA
ESTATÍSTICA APLICADA À ZOOTECNIA Eucldes Braga MALHEIROS *. INTRODUÇÃO.a) Somatóras e Produtóros Sejam,, 3,...,, valores umércos. A soma desses valores (somatóra) pode ser represetada por: = = = =. e o
Leia maisANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS
ANÁLISE DE ERROS A oservação de um feómeo físco ão é completa se ão pudermos quatfcá-lo. Para é sso é ecessáro medr uma propredade físca. O processo de medda cosste em atrur um úmero a uma propredade físca;
Leia maisProbabilidade II Aula 10
Probabldade II Aula 0 Mao de 009 Môca Barros, D.Sc. Coteúdo Esperaça Matemá (Valores esperados) Mometos e Mometos Cetras Valores esperados de uma fução de Covarâca e Correlação Matrz de covarâca, matrz
Leia mais7 Análise de covariância (ANCOVA)
Plejameto de Expermetos II - Adlso dos Ajos 74 7 Aálse de covarâca (ANCOVA) 7.1 Itrodução Em algus expermetos, pode ser muto dfícl e até mpossível obter udades expermetas semelhtes. Por exemplo, pode-se
Leia maisMédia. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística
BAC 0 - Estatístca Uversdade Federal de Itajubá - Campus Itabra BAC0 - ESTATÍSTICA ESTATÍSTICA DESCRITIVA MEDIDAS DE CENTRO Méda Medda de cetro ecotrada pela somatóra de todos os valores de um cojuto,
Leia maisEconometria: 4 - Regressão Múltipla em Notação Matricial
Ecoometra: 4 - Regressão últpla em Notação atrcal Prof. arcelo C. ederos mcm@eco.puc-ro.br Prof. arco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo
Leia maisEstudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples.
Estudo das relações etre peso e altura de estudates de estatístca através da aálse de regressão smples. Waessa Luaa de Brto COSTA 1, Adraa de Souza COSTA 1. Tago Almeda de OLIVEIRA 1 1 Departameto de Estatístca,
Leia maisEstatística Básica - Continuação
Professora Adraa Borsso http://www.cp.utfpr.edu.br/borsso adraaborsso@utfpr.edu.br COEME - Grupo de Matemátca Meddas de Varabldade ou Dspersão Estatístca Básca - Cotuação As meddas de tedêca cetral, descrtas
Leia maisProbabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC
Duração: 90 mutos Grupo I Probabldades e Estatístca LEAN, LEGI, LEGM, LMAC, MEAer, MEAmb, MEC Justfque coveetemete todas as respostas 1 o semestre 2018/2019 10/01/2019 11:00 2 o teste B 10 valores 1. Cosdere-se
Leia maisMEDIDAS DE DISPERSÃO:
MEDID DE DIPERÃO: fução dessas meddas é avalar o quato estão dspersos os valores observados uma dstrbução de freqüêca ou de probabldades, ou seja, o grau de afastameto ou de cocetração etre os valores.
Leia maisRevisão de Estatística X = X n
Revsão de Estatístca MÉDIA É medda de tedêca cetral mas comumete usada ara descrever resumdamete uma dstrbução de freqüêca. MÉDIA ARIMÉTICA SIMPLES São utlzados os valores do cojuto com esos guas. + +...
Leia maisCAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados
3.1. Meddas de Tedêca Cetral CAPÍTULO 3 MEDIDA DE TENDÊNCIA CENTRAL E VARIABILIDADE UFRG 1 Há váras meddas de tedêca cetral. Etre elas ctamos a méda artmétca, a medaa, a méda harmôca, etc. Cada uma dessas
Leia mais3 Experimento com Mistura com Respostas Não-Normais
Modelagem em Epermetos Mstura-Processo para Otmzação de Processos Idustras 5 Epermeto com Mstura com Respostas Não-Normas Neste capítulo é apresetado o plaejameto e aálse de um EM com respostas ão ormas,
Leia maisESTATÍSTICA Exame Final 1ª Época 3 de Junho de 2002 às 14 horas Duração : 3 horas
Faculdade de cooma Uversdade Nova de Lsboa STTÍSTIC xame Fal ª Época de Juho de 00 às horas Duração : horas teção:. Respoda a cada grupo em folhas separadas. Idetfque todas as folhas.. Todas as respostas
Leia maisRelatório 2ª Atividade Formativa UC ECS
Relatóro 2ª Atvdade Formatva Eercíco I. Quado a dstrbução de dados é smétrca ou apromadamete smétrca, as meddas de localzação méda e medaa, cocdem ou são muto semelhates. O mesmo ão acotece quado a dstrbução
Leia maisRegressão. Pedro Paulo Balestrassi
Regressão Pedro Paulo Balestrass www.pedro.ufe.edu.br ppbalestrass@gmal.com 5-696 / 88776958 (cel) Questoametos comus: Como mplemetar a equação Y=f(X) a partr de dados hstórcos ou epermetas? Como fazer
Leia maisMAE0229 Introdução à Probabilidade e Estatística II
Exercíco Cosdere a dstrbução expoecal com fução de desdade de probabldade dada por f (y; λ) = λe λy, em que y, λ > 0 e E(Y) = /λ Supor que o parâmetro λ pode ser expresso proporcoalmete aos valores de
Leia maisFaculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL
Faculdade de Tecologa de Cataduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL 5. Meddas de Posção cetral ou Meddas de Tedêca Cetral Meddas de posção cetral preocupam-se com a caracterzação e a
Leia maisEstimação pontual, estimação intervalar e tamanho de amostras
Estmação potual, estmação tervalar e tamaho de amostras Iferêca: por meo das amostras, cohecer formações geras da população. Problemas de ferêca, em geral, se dvdem em estmação de parâmetros e testes de
Leia maisConstrução e Análise de Gráficos
Costrução e Aálse de Gráfcos Por que fazer gráfcos? Facldade de vsualzação de cojutos de dados Faclta a terpretação de dados Exemplos: Egehara Físca Ecooma Bologa Estatístca Y(udade y) 5 15 1 5 Tabela
Leia maisRelações entre variáveis: Regressão
Dscpla: 04 Relações etre varáves: Regressão Prof. a Dr. a Smoe Daela Sartoro de Mederos DTASeR-Ar Itrodução Cosdere uma varável aleatóra Y de teresse. Já vmos que podemos escrever essa varável como sedo:
Leia maisDistribuições de Probabilidades
Estatístca - aulasestdstrnormal.doc 0/05/06 Dstrbuções de Probabldades Estudamos aterormete as dstrbuções de freqüêcas de amostras. Estudaremos, agora, as dstrbuções de probabldades de populações. A dstrbução
Leia mais3. ANPEC Questão 15 Ainda em relação à questão anterior pode-se concluir que, exceto por erro de arredondamento:
Lsta de Exercícos #9 Ass uto: Aáls e de Re gres s ão Mé todo de Mímos Quadrados. ANPEC 99 - Questão 8 A capacdade de produção stalada (Y), em toeladas, de uma frma, pode ser fução da potêca stalada (X),
Leia maisNOTA: ESCREVA AS RESPOSTAS COMO FRAÇÕES OU COM 4 CASAS DECIMAIS NOTA 2: O FORMULÁRIO ESTÁ NO FINAL DA PROVA
IND 5 Iferêca Estatístca Semestre 007.0 Teste 4 //007 Nome: NOTA: ESCREVA AS RESPOSTAS COMO FRAÇÕES OU COM 4 CASAS DECIMAIS NOTA : O FORMULÁRIO ESTÁ NO FINAL DA PROVA PROBLEMA (5 potos) Em cada questão
Leia maisProbabilidades e Estatística
Departameto de Matemátca robabldades e Estatístca LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmb, MEBol, MEEC, MEMec 2 o semestre 20/202 2 o Teste B 08/06/202 :00 Duração: hora e 30 mutos Justfque coveetemete
Leia maisMétodos Avançados em Epidemiologia
Unversdade Federal de Mnas Geras Insttuto de Cêncas Exatas Departamento de Estatístca Métodos Avançados em Epdemologa Aula 5-1 Regressão Lnear Smples: Estmação e Interpretação da Reta Tabela ANOVA e R
Leia maisEstatística Descritiva. Medidas estatísticas: Localização, Dispersão
Estatístca Descrtva Meddas estatístcas: Localzação, Dspersão Meddas estatístcas Localzação Dspersão Meddas estatístcas - localzação Méda artmétca Dados ão agrupados x x Dados dscretos agrupados x f r x
Leia maisESCOLA SUPERIOR DE TECNOLOGIA UNIVERSIDADE DO ALGARVE
SCOLA SUPIO D CNOLOGIA UNIVSIDAD DO ALGAV CUSO BIÁPICO M NGNHAIA CIVIL º cclo egme Duro/Nocturo Dscpla de COMPLMNOS D MAMÁICA Ao lectvo de 7/8 - º Semestre Ídce. egressão lear múltpla.... Itrodução....
Leia maisIntrodução à Correlação e Regressão Linear
Itrodução à Correlação e Regressão Lear Ru Carvalho Olvera rolv@st.utl.pt Estatístca Descrtva amostras bvaradas Amostras bvaradas: cada etdade (dvíduo/objecto é caracterzado por um par de varáves (atrbutos
Leia maisDifusão entre Dois Compartimentos
59087 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 4 Dfusão etre Dos Compartmetos A le de Fck para membraas (equação 4 da aula passada) mplca que a permeabldade de uma membraa a um soluto é dada pela razão
Leia maisRACIOCÍNIO LÓGICO / ESTATÍSTICA LISTA 2 RESUMO TEÓRICO
RACIOCÍIO LÓGICO - Zé Carlos RACIOCÍIO LÓGICO / ESTATÍSTICA LISTA RESUMO TEÓRICO I. Cocetos Icas. O desvo médo (DM), é a méda artmétca dos desvos de cada dado da amostra em toro do valor médo, sto é x
Leia maisNOTAS DE AULA DA DISCIPLINA CE076 = 2. ], T 2 = conhecido como T 2 de Hotelling
NOTAS DE AULA DA DISCIPLINA CE76 4 INFERÊNCIA SOBRE O VETOR DE MÉDIAS 4. TESTE PARA UM VETOR DE MÉDIAS µ Lembrado o caso uvarado: H : µ µ H : µ µ Nível de sfcâca: α Estatístca do teste: t X µ s/ ~ t Decsão:
Leia maisEstatística. 2 - Estatística Descritiva
Estatístca - Estatístca Descrtva UNESP FEG DPD Prof. Edgard - 0 0- ESTATÍSTICA DESCRITIVA Possblta descrever as Varáves: DESCRIÇÃO GRÁFICA MEDIDAS DE POSIÇÃO MEDIDAS DE DISPERSÃO MEDIDAS DE ASSIMETRIA
Leia maisREGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi
REGESD Prolc Matemátca e Realdade- Profª Suz Samá Pto e Profº Alessadro da Slva Saad Meddas de Posção ou Tedêca Cetral As meddas de posção ou meddas de tedêca cetral dcam um valor que melhor represeta
Leia maisa) 1,8 e 4,6. b) 2,0 e 2,2. c) 1,8 e 5,2. d) 2,0 e 4,6. e) 2,0 e 1,9.
Questão : As otas de dez aluos, um exame, estão dadas a segur:, 5, 8, 3, 6, 5, 8, 7, 6, 0 O desvo médo e a varâca dessas otas podem ser expressos, respectvamete, por: a),8 e 4,6 b),0 e, c),8 e 5, d),0
Leia maisCAPÍTULO 5. Ajuste de curvas pelo Método dos Mínimos Quadrados
CAPÍTULO Ajuste de curvas pelo Método dos Mímos Quadrados Ajuste Lear Smples (ou Regressão Lear); Ajuste Lear Múltplo (ou Regressão Lear Múltpla); Ajuste Polomal; Regressão Não Lear Iterpolação polomal
Leia maisA forma geral de um modelo de regressão linear para uma amostra de tamanho n e p variáveis é apresentada a seguir.
2 Regressão O termo regressão fo proposto pela prmera vez por Sr Fracs Galto (885) um estudo ode demostrou que a altura dos flhos ão tede a refletr a altura dos pas, mas tede sm a regredr para a méda da
Leia maisDisciplina: Prof. a Dr. a Simone Daniela Sartorio de Medeiros. DTAiSeR-Ar
Dscpla: 04 Relações etre varáves: Regressão Prof. a Dr. a Smoe Daela Sartoro de Mederos DTASeR-Ar Itrodução Cosdere uma varável aleatóra Y de teresse. Já vmos que podemos escrever essa varável como sedo:
Leia maisHipóteses do Modelo de Regressão Linear Clássico
Uversdade Federal da Baha Facldade de Cêcas coômcas Departameto de cooma CO 66 Itrodção à coometra Hpóteses do Modelo de Regressão Lear Clássco Gerváso F. Satos Propredades dos estmadores de MQO As estmatvas
Leia mais50 Logo, Número de erros de impressão
Capítulo 3 Problema. (a) Sedo o úmero médo de erros por pága, tem-se: 5 + + 3 + 3 + 4 33,66 5 5 Represetado o úmero medao de erros por md, tem-se, pela ordeação dos valores observados, que os valores de
Leia maisTESTES DE PROPORÇÕES TESTE DE UMA PROPORÇÃO POPULACIONAL
TESTES DE PROPORÇÕES TESTE DE UMA PROPORÇÃO POPULACIONAL As hpóteses a serem testadas serão: H 0 : p p 0 H : p p 0 p > p 0 p < p 0 Estatístca do Teste: pˆ p0 z c p ( p ) 0 0 EXEMPLOS. Uma máqua está regulada
Leia maisRegressão Múltipla. Parte I: Modelo Geral e Estimação
Regressão Múltpla Parte I: Modelo Geral e Estmação Regressão lnear múltpla Exemplos: Num estudo sobre a produtvdade de trabalhadores ( em aeronave, navos) o pesqusador deseja controlar o número desses
Leia mais( ) ( IV ) n ( ) Escolha a alternativa correta: A. III, II, I, IV. B. II, III, I, IV. C. IV, III, I, II. D. IV, II, I, III. E. Nenhuma das anteriores.
Prova de Estatístca Epermetal Istruções geras. Esta prova é composta de 0 questões de múltpla escolha a respeto dos cocetos báscos de estatístca epermetal, baseada os lvros BANZATTO, A.D. e KRONKA, S.N.
Leia maisProf. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística
Prof. Lorí Val, Dr. http://www.pucrs.br/famat/val/ val@pucrs.br Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Obetvos A Aálse de
Leia maisDISTRIBUIÇÃO HIPERGEOMÉTRICA
7 DISTRIBUIÇÃO HIPERGEOMÉTRICA Cosdere-se uma população fta costtuída por N elemetos dstrbuídos por duas categoras eclusvas e eaustvas de dmesões M e N M, respectvamete. Os elemetos da prmera categora
Leia maisTeoria Elementar da Probabilidade. a) Cada experiência poderá ser repetida indefinidamente sob condições essencialmente inalteradas.
Estatístca 47 Estatístca 48 Teora Elemetar da Probabldade SPECTOS PERTINENTES À CRCTERIZÇÃO DE UM EXPERIÊNCI LETÓRI MODELOS MTEMÁTICOS DETERMINÍSTICOS PROBBILÍSTICOS PROCESSO (FENÓMENO) LETÓRIO - Quado
Leia maisMAE 5776 ANÁLISE MULTIVARIADA. Júlia M Pavan Soler
MAE 5776 ANÁLISE MULTIVARIADA Júla M Pava Soler ava@me.us.br º Semestre IME/09 Baco de Dados: Dados Multvarados Varáves Udades Amostras j j j j j j : Matrz de Dados resosta do -ésmo dvíduo a j-ésma varável
Leia maisESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO
Área Cetífca Matemátca Udade Curso Egehara do Ambete Ao º Semestre º Folha Nº 8: Aálse de Regressão e de Correlação Probabldades e Estatístca Ao 00/0. Pretede-se testar um strumeto que mede a cocetração
Leia maisMEDIDAS DE TENDÊNCIA CENTRAL I
Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, edca Veterára, uscoterapa, Odotologa, Pscologa EDIDAS DE TENDÊNCIA CENTRAL I 7 7. EDIDAS DE
Leia maisx n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População
ESTATÍSTICA STICA DESCRITIVA Prof. Lorí Val, Dr. val@mat.ufrgs.br http://.ufrgs.br/~val/ Orgazação; Resumo; Apresetação. Cojuto de dados: Amostra ou População Um cojuto de dados é resumdo de acordo com
Leia maisConceitos básicos de metrologia. Prof. Dr. Evandro Leonardo Silva Teixeira Faculdade UnB Gama
Prof. Dr. Evadro Leoardo Slva Teera Faculdade UB Gama Metrologa: Cêca que abrage os aspectos teórcos e prátcos relatvos a medção; Descreve os procedmetos e métodos para determar as certezas de medções;
Leia maisAnálise de Regressão
Análse de Regressão método estatístco que utlza relação entre duas ou mas varáves de modo que uma varável pode ser estmada (ou predta) a partr da outra ou das outras Neter, J. et al. Appled Lnear Statstcal
Leia maisProf. Janete Pereira Amador 1
Prof. Jaete Perera Amador 1 1 Itrodução Mutas stuações cotdaas podem ser usadas como expermeto que dão resultados correspodetes a algum valor, e tas stuações podem ser descrtas por uma varável aleatóra.
Leia mais3 Modelos Lineares Generalizados
3 Modelos Leares Geeralzados No capítulo foram cosderados apeas modelos leares com dstrbução ormal e fução de lgação detdade. Neste capítulo apresetamos os modelos leares geeralzados (MLG, que foram propostos
Leia maisConfiabilidade Estrutural
Professor Uversdade de Brasíla Departameto de Egehara Mecâca Programa de Pós graduação em Itegrdade Estrutural Algortmo para a Estmatva do Idce de Cofabldade de Hasofer-Ld Cofabldade Estrutural Jorge Luz
Leia maisANÁLISE DOS CUSTOS OPERACIONAIS DE CONCESSIONÁRIAS BRASILEIRAS DE ENERGIA ELÉTRICA UTILIZANDO O MÉTODO DE REGRESSÃO MÚLTIPLA
UNIVERSIDADE FEDERAL DE MINAS GERAIS Curso de Especalzação em Estatístca ANÁLISE DOS CUSTOS OPERACIONAIS DE CONCESSIONÁRIAS BRASILEIRAS DE ENERGIA ELÉTRICA UTILIZANDO O MÉTODO DE REGRESSÃO MÚLTIPLA Belo
Leia maisMÓDULO 8 REVISÃO REVISÃO MÓDULO 1
MÓDULO 8 REVISÃO REVISÃO MÓDULO A Estatístca é uma técca que egloba os métodos cetícos para a coleta, orgazação, apresetação, tratameto e aálse de dados. O objetvo da Estatístca é azer com que dados dspersos
Leia maisCAPÍTULO 9 - Regressão linear e correlação
INF 6 Prof. Luz Alexadre Peterell CAPÍTULO 9 - Regressão lear e correlação Veremos esse capítulo os segutes assutos essa ordem: Correlação amostral Regressão Lear Smples Regressão Lear Múltpla Correlação
Leia maistem-se que: b) Ao contrário, se pelo menos uma das derivadas parciais,, depender de
Porque se chama: modelo de regressão lear? Nos estudos de regressão busca-se, coforme dto aterormete, relacoar as varáves X e Y por meo da especfcação de uma fução f() Quado Y depede apeas de uma varável
Leia maisCAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS
CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS No caítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas or taelas de valores. Frequetemete, estas taelas são otdas com ase em
Leia maisUniversidade Aberta. Modelos de Regressão Linear e Logística. utilizando o software R. João Pedro Bento Clemente da Silva
Uversdade Aberta Modelos de Regressão Lear e Logístca utlzado o software R João Pedro Beto Clemete da Slva Mestrado em Estatístca, Matemátca e Computação Área de especalzação em Estatístca Computacoal
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.
É o grau de assocação etre duas ou mas varáves. Pode ser: Prof. Lorí Val, Dr. val@pucrs.br http://www.pucrs.br/famat/val www.pucrs.br/famat/val/ correlacoal ou expermetal. Numa relação expermetal os valores
Leia maisMEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12
MEDIDAS DE POSIÇÃO: São meddas que possbltam represetar resumdamete um cojuto de dados relatvos à observação de um determado feômeo, pos oretam quato à posção da dstrbução o exo dos, permtdo a comparação
Leia mais6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS
7 6 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS A medção dreta é aquela cuja dcação resulta aturalmete da aplcação do sstema de medção sobre o mesurado Há apeas uma gradeza de etrada evolvda
Leia maisComo CD = DC CD + DC = 0
(9-0 www.eltecampas.com.br O ELITE RESOLVE IME 008 MATEMÁTICA - DISCURSIVAS MATEMÁTICA QUESTÃO Determe o cojuto-solução da equação se +cos = -se.cos se + cos = se cos ( se cos ( se se.cos cos + + = = (
Leia mais8. DISCRIMINAÇÃO, CLASSIFICAÇÃO E RECONHECIMENTO DE PADRÕES:
NOTAS DE AULA DA DISIPLINA E76 8. DISRIMINAÇÃO, LASSIFIAÇÃO E REONHEIMENTO DE PADRÕES: 8. INTRODUÇÃO A técca multvarada cohecda como Aálse Dscrmate trata dos problemas relacoados com SEPARAR cojutos dsttos
Leia mais