CAPÍTULO 9 REGRESSÃO LINEAR PPGEP REGRESSÃO LINEAR SIMPLES REGRESSÃO LINEAR SIMPLES REGRESSÃO LINEAR SIMPLES UFRGS. Regressão Linear Simples
|
|
- Maria das Dores César Osório
- 7 Há anos
- Visualizações:
Transcrição
1 CAPÍTULO 9 REGREÃO LINEAR IMPLE REGREÃO LINEAR IMPLE UFRG Em mutos problemas há duas ou mas varáves que são relaconadas, e pode ser mportante modelar essa relação. Por exemplo, a resstênca à abrasão de um composto de borracha pode depender da quantdade de óleo adconada à mstura. Assm, é possível construr um modelo relaconando resstênca à abrasão com quantdade de óleo, e então pode-se usar esse modelo para fns de otmzação e controle de processo. REGREÃO LINEAR IMPLE REGREÃO LINEAR IMPLE Outro exemplo, as vendas de um produto podem estar relaconadas ao valor gasto em marketng com esse produto. Assm, é possível construr um modelo relaconando vendas à gastos com marketng, e então pode-se usar esse modelo para fns prevsão de vendas. Em geral vamos supor que há uma varável dependente (ou varável de resposta) Y que depende de k varáves ndependentes (ou varáves regressoras),..., k. A relação entre essas varáves será descrta por um modelo matemátco, chamado modelo de regressão, o qual é defndo (ajustado) a um conjunto de dados. Algumas vezes a relação funconal entre Y e,..., k é conhecda exatamente. Outras vezes o pesqusador deverá buscar o modelo aproprado testando dferentes funções. Modelos polnomas são largamente utlzados como uma função aproxmada da verdadera relação entre Y e, e por sso serão descrtos no capítulo
2 REGREÃO LINEAR IMPLE Correlação Modelos de regressão são usados com freqüênca na análse de dados provenentes de expermentos não planejados (observações de um fenômeno não controlado ou dados hstórcos). Mas a análse de regressão também é muto útl no caso de expermentos planejados que ncluem fatores a níves contínuos. Nesse caso a análse de varânca é usada para dentfcar os fatores sgnfcatvos, e a segur a análse de regressão é usada para construr um modelo que ncorpore esses fatores. Para uma amostra de n pares de valores (x,y) o coefcente de correlação r fornece uma medda da relação lnear que exste entre duas varáves aleatóras e Y. 5 6 Cálculo do coefcente de correlação Coefcente de correlação Desvo-padrão de : xx = x ( x ) n Para uma nterpretação adequada do coefcente de correlação, e Y deveram ser varáves aleatóras, ao contráro do que acontece nos problemas de regressão, onde Y é aleatóra, mas é consderada uma varável fxa. Desvo-padrão de Y: yy = y ( y ) n Covarânca de,y: = x y ( x )( y ) n xy r( x, y) = xx xy yy Mesmo assm, é prátca comum calcular r em quase todos os casos, sto é, com aleatóra ou não. O coefcente de correlação lnear r mede a ntensdade da relação lnear entre duas varáves 7 8
3 Coefcente de correlação lnear Coefcente de correlação lnear O coefcente de correlação lnear r mede a ntensdade da relação lnear entre duas varáves Deve-se ter em conta que r é uma medda da relação lnear entre as duas varáves e não tem sentdo quando a relação é não lnear. O coefcente de correlação vara de - r +: Valores de r próxmos de + ndcam uma forte correlação postva entre x e y Valores de r próxmos de - ndcam uma forte correlação negatva entre x e y Valores de r próxmos de 0 ndcam uma fraca correlação entre x e y Além dsso, o pesqusador deve ter em mente que a exstênca de uma correlação entre duas varáves não mplca necessaramente na exstênca de um relaconamento de causa e efeto entre elas. 9 0 Por exemplo. Rendmento de combustível Exemplo 9.: Após uma regulagem eletrônca um veículo apresenta um rendmento deal no que tange a consumo de combustível. Contudo, com o passar do tempo esse rendmento va se degradando. Os dados a segur representam o rendmento meddo mês a mês após a regulagem. Ajuste um modelo lnear a esses dados. :meses após a regulagem Y : rendmento 0,7 0,9 0,8 9,3 9,5 0,4 :meses após a regulagem Y : rendmento 9,0 9,3 7,6 7,6 7,9 7,7 0 Co Tempo após a regulagem
4 Cálculos ncas Meses() Rendmento(Y) ^ Y^ *Y 0,7 4,49 0,7 0,9 4 8,8,8 3 0,8 9 6,64 3,4 4 9,3 6 86,49 37, 5 9,5 5 90,5 47,5 6 0, ,6 6, , ,49 74,4 9 7,6 8 57,76 68,4 0 7, , ,9 6,4 86,9 7, ,9 9,4 78 0, ,55 673, 6,5 9,5 Σx = 78,00 ; Σx = 650,00; Σy = 0,70 ; Σy = 039,55; Cálculos Desvo-padrão de : Desvo-padrão de Y: Covarânca de,y: YY Y Coefcente de correlação: = x ( x ) n = 650 ( 78) / = 43, 00 Interpretação: Exste uma correlação lnear nversa na amostra entre meses após a regulagem e rendmento. A ntensdade desta correlação é forte. = y ( y ) n = 039,55 ( 0,70) / = 8, 34 = x y ( x )( y ) n = 673, (78 0,70)/= 46, 45 r = xy xx yy = 46,45 = 0,907 43,00 x 8, Teste de hpótese para coefcente de correlação Teste de hpótese para coefcente de correlação A hpótese da exstênca de uma relação entre e Y, pode ser formulada usando-se: H 0 : ρ = 0 H : ρ 0 onde a letra ρ é usada para representar o valor populaconal do coefcente de correlação. Pode ser demonstrado que o valor de t pode ser calculado usando: r t = n r Assm a hpótese da exstênca de uma relação entre e Y pode ser verfcada dretamente a partr do valor amostral do coefcente de correlação. Como sempre a hpótese nula será rejetada se o valor calculado for maor que o tabelado: t > tα /, n Para o exemplo em estudo tem-se: 0,907 t = = 6,8 > t0,05;0 =,8 rejeta - se ( 0,907) H0, ou seja, descarta-se a hpótese nula e conclu-se que exste correlação entre as varáves estudadas. 5 6
5 A regressão lnear smples estma uma equação matemátca (ou modelo) que dado o valor de (varável ndependente), prevê o valor de Y (varável dependente). É dto relação lnear smples, pos supõe-se tendênca lnear entre as varáves e smples por ser uma únca varável ndependente eja que exstam dados coletados (pares de valores) assocando uma varável de resposta Y com uma varável regressora. E suponha que a relação entre Y e seja aproxmadamente lnear. Então o valor esperado de Y para cada valor de vrá dado por: E (Y/) = β 0 + β onde os parâmetros da relação lnear, β 0 e β, são desconhecdos. Vamos supor que cada observação Y possa ser descrta pelo modelo: Y = β 0 + β + ε () onde ε é o erro aleatóro, com méda 0 e varânca σ. A eq. () é chamada de modelo de regressão lnear smples. 7 8 O coefcente β 0 é a nterseção (valor de Y para = 0) enquanto que β é a nclnação da reta, que pode ser postva, negatva ou nula. Cálculos ncas Σ x = 78,00 ; Σ x = 650,00 ; Σ y = 0,70 ; Σ y = 039,55 ; = 650, Y = 95, e há n pares de dados (y, x ),..., (y n,x n ) é possível estmar os parâmetros β 0 e β usando o método dos Mínmos Quadrados e tendo como objetvo mnmzar: L = Σ (y -b 0 -b x ) onde b 0 e b são estmatvas amostras de β 0 e β. O uso do método conduz às seguntes estmatvas: b = Y / = Y b bo Humm... Mas, como estmar b o e b? YY = x ( x ) n = 43 Estmatva dos parâmetros: b = Y / = -46,45 / 43,00 = -0,35 b 0 = = 9,5 - (-0,35) 6,50 =,34 Equação de regressão Y =,34-0,35 = y ( y ) n = 8, 34 ( )( ) = xy x y n= 46, 45 Y DE NOVO 9 0
6 Relação entre o Coefcente de Correlação e a Regressão Decomposção dos resíduos O valor de r é um valor sem dmensão, que apenas fornece uma déa da relação lnear entre duas varáves. No caso de regressão, além de se ter uma déa da relação entre as duas varáves, também se encontra uma equação que pode ser usada para fornecer estmatvas. Pode ser demonstrado que exste a segunte relação: = n ( r ) n y onde é a varânca dos desvos em relação ao modelo, e é a varânca dos valores de Y. e n é grande, temos: ( ) r y Y Y ( Y Y ) ( Y Y$) ( Y$ Y ) Y= b o +b Nessa forma observamos que r equvale a proporção da varânca dos valores de Y que pode ser atrbuída à regressão com a varável. r é conhecdo como coefcente de Determnação. Para o exemplo analsado resultou r =(-0,907) = 0,8, ou seja, 8% da varabldade nos resultados de rendmento de combustível pode ser devda ao tempo decorrdo após a regulagem. Varânca dos Estmadores Para verfcar a precsão das estmatvas, determnar ntervalos de confança e testar hpóteses é mportante conhecer a varânca dos estmadores. 8% da varabldade total é devdo a outros fatores que não foram nvestgados Também pode ser demonstrado que: r = b / Y Assm, dado um conjunto de pares (x,y), conhecda a nclnação b, é possível calcular o coefcente de correlação r, ou vce-versa. Pode ser demonstrado que uma estmatva da varânca resdual, σ, vem dada por = QR / (n-) QR = YY b Y E a partr de σ obtém-se as estmatvas das varâncas de b e b 0 : b = b 0 = + n 3 4
7 Intervalos de Confança e Testes de Hpótese Como os resíduos de Y supostamente seguem a dstrbução Normal, e como os valores de a e b são funções lneares de Y, é possível demonstrar que: b N 0, ( β 0, σ b 0 ) ( ) b N β σ b Esses resultados podem ser usados em testes de hpótese. Por exemplo, se a hpótese é: H H 0 : β : β = β β 0 0 então calcula-se: Z = (b - β 0 ) / σ b Isto é, testa-se se a nclnação é gual a zero, o que equvale a testar se exste uma relação entre Y e. Usando a eq. () tem-se: t = b / b que deve ser comparado com o valor tabelado tα /,n. Como sempre, H 0 será rejetado se t > t. α /,n 5 6 e, para um nível de probabldade α, H 0 será rejetada se resultar Z > Zα /. Como em geral a varânca não é conhecda, usa-se: t = (b - β 0 ) / b () Exemplo 9.3: Usando os dados do problema do consumo de combustível, obtenha as estmatvas para a varânca resdual e para a varânca dos parâmetros b 0 e b. Construa um ntervalo de confança para a nclnação b e verfque a hpótese. e nesse caso H 0 é rejetada se t > tα /,n. O ntervalo de confança para β vrá dado por b tα / b < β < b + tα / b Uma hpótese testada com freqüênca é: H H 0 : β : β = 0 0 Estmatva das varâncas QR = YY b Y = 34, b b 0 = QR /( n = = / + n ) = 0,34 = 0,007 = 0,3 ; ; ; = 0,569 b b 0 = 0,0476 = 0,35 7 8
8 Prevsão de valores de Y Intervalo de confança para b t 0,05;0 =,8-0,35 -,8 (0,0476) < β < -0,35 +,8 (0,0476) -0,43 < β <-0,9 Como esse ntervalo não nclu o zero, a hpótese β = 0 é rejetada, ou seja, exste uma relação entre o consumo de combustível e o tempo decorrdo após a regulagem. A análse de regressão produz uma relação entre as varáves consderadas, a qual pode ser usada para prever valores de Y. Dado um certo valor de = x 0, há dos tpos de prevsão: prevsão de um valor médo de Y e prevsão de um valor ndvdual de Y. Nos dos casos a estmatva pontual de Y é a mesma, mas a ampltude do ntervalo de confança é dferente. O ntervalo de confança é mas amplo para o caso de prevsões de valores ndvduas Prevsão de um valor médo de Y Prevsão de um valor médo de Y A varânca dos valores predtos rá depender não somente de, mas também do valor de x 0. Isso acontece porque as prevsões são mas precsas quando x 0 e menos precsas quando x 0 aproxma-se dos extremos nvestgados. Pode ser demonstrado que a varânca da prevsão de um valor médo de Y vem dada por: = + n 0 Yp ( x ) Como pode ser vsto, a varânca da prevsão é mínma quando x 0 = e aumenta quando x 0 afasta-se de. Assm, o ntervalo de confança para a prevsão de um valor médo vrá dado por: µ Y = (b0 + b 0) ± tα/ ; n- ( ) Y p 3 3
9 Prevsão de um valor ndvdual de Y A varânca da prevsão de valores ndvduas de Y segue o mesmo comportamento observado para os valores médos. Contudo, a varânca é maor no caso de valores ndvduas. Pode ser demonstrado que a varânca da prevsão de um valor ndvdual de Y vem dada por: ( ) x0 Yp = + + n De modo que o ntervalo de confança para a prevsão de um valor ndvdual de Y é: Y = (b0 + b 0) ± tα/ ; n- ( Y p) Usando os dados do problema do consumo de combustível, obtenha os ntervalos de confança de 95% para a prevsão de um valor médo e um valor ndvdual de Y para um tempo x 0 = 8 meses. ( ) (b 0 + b x 0 ) = 8,74 ; x0 = 0,057 Y p Y p = 0,34 + = 0,34 + 0,057 = 0,03 + 0,057 = 0,356 ; ; Y p Y p = 0,79 = 0, Valor médo para x 0 = 8 µ Y = 8,74 ±,8. (0,79) µ Y = 8,74 ± 0,399 Valor ndvdual para x 0 = 8 Y = 8,74 ±,8. (0,597) Y = 8,74 ±,33 Análse da Valdade do Modelo A adequação do ajuste e as suposções do modelo podem ser verfcadas através de uma análse dos resíduos. Os resíduos padronzados são calculados como: 0 Co Tempo após a regulagem R = ( ) y b + b x QR = b 0 YY Y = QR / n Adequação do ajuste A adequação do ajuste é testada plotando os resíduos em função de. e o ajuste for bom, os resíduos segurão um padrão aleatóro. Caso contráro, alguma tendênca curvlínea será observada
10 Na fgura a segur, (a) representa uma stuação onde o ajuste é adequado, enquanto (b) representa uma stuação onde o modelo lnear não se ajusta bem aos dados. Re (a) Re 0 (b) e o modelo lnear não fornece um bom ajuste, às vezes o problema pode ser contornado trabalhando-se com valores transformados de ou Y, por exemplo, Y = b + b 0 Y = b + b 0 onde = Homogenedade da varânca A suposção de homogenedade da varânca σ ao longo de todo o ntervalo de também pode ser verfcada analsando o gráfco de Resíduos. A fgura a segur apresenta uma stuação (a) onde verfcase a suposção de homogenedade, enquanto que em (b) essa suposção é volada. Re (a) Re 0 (b) Homogenedade da varânca Normaldade dos Resíduos e a suposção de homogenedade da varânca é rejetada, pode-se usar o método da regressão lnear ponderada, onde se busca os valores de β 0 e β que mnmzam L = Σ w (y -(b 0 + b x )) Nesse caso, os pesos w são nversamente proporconas à varânca. O teste da normaldade da dstrbução dos resíduos pode ser feto plotando-se os resíduos em papel de probabldade ou utlzando testes analítcos de normaldade, como o teste do Ch-quadrado ou o teste de Kolmorov-mrnov. e a suposção de normaldade é rejetada, mutas vezes uma transformação matemátca nos valores de e Y (logartmo, nverso, raz quadrada) rá gerar valores transformados com resíduos normalmente dstrbuídos. Então o problema é analsado no espaço das varáves transformadas e ao fnal retorna-se ao espaço orgnal
11 Intervalo de Varação para A Análse de Varânca e a Regressão A varânca da nclnação b aumenta quando se reduz o ntervalo de varação de. e o ntervalo é pequeno, b será grande e nesse caso será dfícl rejetar a hpótese H 0 : b = 0. Em outras palavras, se a relação entre e Y é medda em um ntervalo reduzdo de, os parâmetros estmados não terão muto sgnfcado estatístco. e o objetvo é construr um modelo de regressão, devese coletar dados nos extremos do ntervalo de, ou seja, nos lmtes de nteresse e vabldade prátcos ou nos lmtes em que se supõe válda a relação lnear. A análse de varânca também é aplcável aos problemas de regressão. Na regressão smples, podemos decompor os resíduos da segunte manera: [( ) ] ( Y Y) = [ y ( b + b )] + b + b Y 0 0 Elevando ao quadrado e somando, obtém-se: [ ] [ ( ) ] ( Y Y) = y ( b + b ) + b + b Y 0 0 Uma vez que o produto cruzado resulta nulo. Essa equação também pode ser escrta como: YY = QR + QReg Cujos graus de lberdade valem respectvamente: (n - ) = (n - ) A Análse de Varânca e a Regressão Tabela ANOVA Assm, a méda quadrada assocada com o modelo de regressão e a méda quadrada dos resíduos resultam: MQReg = QReg / MQR = QR / (n - ) E o teste F é feto comparando MQReg, com MQR, ou seja, F = MQReg / MQR A hpótese nula, H 0 : β = 0, será rejetada sempre que F > F α,, n- A segur apresenta-se a tabela ANOVA, contendo o formuláro prátco para o cálculo das omas Quadradas e os demas desenvolvmentos até o teste F. A tabela ANOVA, contendo o formuláro prátco para o cálculo das omas Quadradas e os demas desenvolvmentos até o teste F Fonte de Q GDL MQ F Varação Regressão QReg = b Y MQReg MQReg/MQR Resdual QR= YY - b Y n - MQR Total YY n
12 Exemplo 9.5: Faça a análse de varânca para o problema do consumo de combustível e confrme a sgnfcânca do modelo de regressão lnear. olução: Já tínhamos calculado as omas Quadradas YY e QR como: YY = 8,34 ; Y = - 46,45 ; b = - 0,35 QR = 3,4 Assm QReg = b Y = - 0,35 (- 46,45) = 5,0 De modo que a ANOVA resulta: Fonte de Q GDL MQ F Varação Regressão 5,0 5,0 46,6 Resdual 3,4 0 0,34 Total 8,34 O valor de F calculado (46,6) é muto maor que o tabelado (4,96) e assm confrma-se a sgnfcânca do modelo. Nota: o coefcente de determnação r também pode ser calculado usando: r = Q Re g 50, = = 0, 8 ou 8% 8, 34 YY Dados Atípcos Algumas vezes, o conjunto de dados pode estar contamnado com alguns dados atípcos. Esses dados atípcos podem ser o resultado do efeto de algum fator externo ao estudo, ou podem ser smplesmente um erro de letura e regstro. Exste um procedmento para testar a sgnfcânca de um dado atípco. Este procedmento está baseado na determnação de uma nova equação, com o dado atípco elmnado, segudo de um teste de hpótese comparando os valores predtos pela equação orgnal com aqueles predtos pela nova equação. e o conjunto pode estar contamnado por város dados atípcos, a solução será usar técncas de regressão robusta. Neste tpo de análse, é dado um peso menor àqueles dados que se afastam do conjunto. Por exemplo, uma alternatva é mnmzar L = Σ w [y -(b 0 + b x )] onde os pesos w são proporconas ao nverso do resíduo R. A solução é obtda após algumas terações
13 Regressão Não Lnear mples Regressão Não Lnear mples e o ajuste lnear é defcente, mutas vezes é possível encontrar uma solução aproxmada, e em geral satsfatóra, utlzando uma transformação em e/ou em Y. Note-se que o método dos mínmos quadrados aplcado aos valores transformados, sto é, mnmzando Em forma genérca, teríamos: f(y) = b 0 + b g() + ε Y * = b 0 + b * + ε Os possíves valores de Y * = f(y) seram y, /y, y, ln y, etc. Igualmente, para * = g(x) poderíamos usar x, /x, x, ln x, etc. Uma vez defnda a transformação, e confrmada em um gráfco de dspersão a relação aproxmadamente lnear entre Y * e *, podera-se usar o método apresentado anterormente para obter as estmatvas de β 0 e β. L = Σ [ f (y) - (b0 + b g (x))], não va fornecer os mesmos resultados que seram obtdos mnmzando L = Σ [ y - h (x)], onde h (x) é uma função não lnear de x. Contudo, as dferenças em geral são pequenas e não comprometem a análse Exercícos 9. Em um processo químco, a quantdade de sóldos depostada pode depender da concentração de um componente A que é adconado à mstura. Ajuste um modelo de regressão lnear aos dados que aparecem a segur. Depos plote a reta de regressão e os valores observados. Conc Depos. 3,3,5,9 4, 3,3 6, 4,9 5,9 8, 7,5 6,5 8,9 0,3 8,5 0, 9. Para os dados do exercíco 9., calcule a varânca resdual e a varânca dos parâmetros b 0 e b. Depos construa um ntervalo de confança de 95% para a nclnação b e verfque a hpótese H 0 : β = Calcule os resíduos padronzados R = [Y -(b 0 + b )] / para os dados do exercíco 9.. Em seguda, plote um gráfco de Resíduos e verfque se há evdêncas de falta de ajuste do modelo lnear ou falta de homogenedade da varânca. 9.4 Anda em relação aos dados do exercíco 9., calcule os ntervalos de confança para um valor médo e para um valor ndvdual de Y usando x 0 = 0 e x 0 = Um torno mecânco pode ser operado a dversas velocdades. Contudo, a qualdade do acabamento, ou seja, a rugosdade superfcal, pode porar com o aumento da velocdade de operação. Ajuste um modelo de regressão lnear aos dados que aparecem a segur e depos plote a reta de regressão e os valores observados. Velocdade Rugosdade 6,0,5 33,5 36,0 7,5 37,0 4,5 8,0 39,5 43,0 37,0 50,5 5 5
14 9.6 Para os dados do exercíco 9.5, calcule a varânca resdual e a varânca dos parâmetros b 0 e b. Depos, construa um ntervalo de confança de 95% para a nclnação b e verfque a hpótese da exstênca de uma relação entre velocdade e rugosdade superfcal. 9.7 Faça a análse de varânca para os dados do exercíco 9.5 e confrme a sgnfcânca do modelo de regressão lnear. Em seguda calcule o valor do coefcente de determnação e ndque qual o sgnfcado técnco desse coefcente para o problema em questão. 9.8 O gerente de uma ndústra localzada em um país tropcal suspeta que há uma correlação entre a temperatura do da e produtvdade. Dados coletados aleatoramente ao longo de um período de ses meses revelaram o segunte: Temperatura, 0,3,7,0,3 3,5 4,8 4, 5,5 5, 5,5 5,8 Produtvdade Temperatura 7,5 6,3 8, 8,6 9,0 9,7 30,7 30,3 30, 3,4 3,5 3,7 Produtvdade Calcule o valor do coefcente de correlação entre a Temperatura e a produtvdade e verfque a hpótese H 0 :ρ=0. Depos plote um gráfco de dspersão e vsualze a natureza da correlação entre Temperatura e Produtvdade A análse de 0 pares de valores ndcou que a resstênca à tração (Y) de uma fbra sntétca usada na ndústra têxtl guarda uma relação lnear com a percentagem de algodão () presente na fbra. A equação obtda fo Y = 35,7 + 0,85 ( fornecdo em percentagem, equação válda para o ntervalo de entre 0 e 35%). Conhecdos os valores das omas Quadradas Y =43,68 e YY =79,43 pede-se: a) Faça a análse de Varânca e conclua a respeto da sgnfcânca do modelo. b) Calcule o valor do coefcente de determnação r e ndque qual o seu sgnfcado técnco. 9.0 Um sofstcado smulador estocástco de tráfego fornece a velocdade méda em avendas de uma metrópole em função do volume de automóves. O resultado de 4 smulações revelou o segunte: Vol. de Tráfego Velocd. Méda ,6 93,8 74,4 74,8 50,5 5,5 44,6 4,4 35,8 38,7 3,0 3, 30, 9, Ajuste um modelo lnear a esses dados e ache a equação de regressão Y = b 0 + b 55 56
15 9. Calcule os resíduos padronzados para os dados do exercíco 9.0. Após, plote um gráfco de Resíduos e verfque se há evdêncas de falta de ajuste do modelo lnear. 9. Utlze o segunte modelo para ajustar os dados do exercíco 9.0: Y=b 0 + b ( / ). Estme o valor dos coefcentes b 0 e b para esse modelo não lnear e depos repta a análse de resíduos pedda em 9., verfcando se para o presente modelo há evdêncas de falta de ajuste. 57
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
Leia maisProf. 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
Leia maisProf. 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
Leia maisMOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES
MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES 1. Obtenha os estmadores dos coefcentes lnear e angular de um modelo de regressão lnear smples utlzando o método
Leia maisProf. 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
Leia mais9 Regressão linear simples
9 Regressão linear simples José Luis Duarte Ribeiro Carla ten Caten COMENTÁRIOS INICIAIS Em muitos problemas há duas ou mais variáveis que são relacionadas e pode ser importante modelar essa relação. Por
Leia mais1. CORRELAÇÃO E REGRESSÃO LINEAR
1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação
Leia mais4 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
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 maisUNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)
UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade
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 maisCORRELAÇÃO E REGRESSÃO
CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr
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 maisProf. 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. UFRGS Insttuto de Matemátca
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional. ou experimental.
Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~vall/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal http://www.mat.ufrgs.br/~vall/ ou expermental. Numa relação
Leia mais3 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
Leia maisREGRESSÃO NÃO LINEAR 27/06/2017
7/06/07 REGRESSÃO NÃO LINEAR CUIABÁ, MT 07/ Os modelos de regressão não lnear dferencam-se dos modelos lneares, tanto smples como múltplos, pelo fato de suas varáves ndependentes não estarem separados
Leia maisCap. 11 Correlação e Regressão
Estatístca para Cursos de Engenhara e Informátca Pedro Alberto Barbetta / Marcelo Menezes Res / Antono Cezar Borna São Paulo: Atlas, 2004 Cap. 11 Correlação e Regressão APOIO: Fundação de Apoo à Pesqusa
Leia maisPRESSUPOSTOS DO MODELO DE REGRESSÃO
PREUPOTO DO MODELO DE REGREÃO A aplcação do modelo de regressão lnear múltpla (bem como da smples) pressupõe a verfcação de alguns pressupostos que condensamos segudamente.. Os erros E são varáves aleatóras
Leia maisTestes não-paramétricos
Testes não-paramétrcos Prof. Lorí Val, Dr. http://www.mat.ufrgs.br/val/ val@mat.ufrgs.br Um teste não paramétrco testa outras stuações que não parâmetros populaconas. Estas stuações podem ser relaconamentos,
Leia maisAssociação 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
Leia maisContabilometria. Aula 8 Regressão Linear Simples
Contalometra Aula 8 Regressão Lnear Smples Orgem hstórca do termo Regressão Le da Regressão Unversal de Galton 1885 Galton verfcou que, apesar da tendênca de que pas altos tvessem flhos altos e pas axos
Leia maisAnálise de Regressão Linear Múltipla IV
Análse de Regressão Lnear Múltpla IV Aula 7 Guarat e Porter, 11 Capítulos 7 e 8 He et al., 4 Capítulo 3 Exemplo Tomando por base o modelo salaro 1educ anosemp exp prev log 3 a senhorta Jole, gerente do
Leia maisCapítulo 1. Exercício 5. Capítulo 2 Exercício
UNIVERSIDADE FEDERAL DE GOIÁS CIÊNCIAS ECONÔMICAS ECONOMETRIA (04-II) PRIMEIRA LISTA DE EXERCÍCIOS Exercícos do Gujarat Exercíco 5 Capítulo Capítulo Exercíco 3 4 5 7 0 5 Capítulo 3 As duas prmeras demonstrações
Leia maisCurso 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,
Leia mais3 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.
Leia maisModelo linear clássico com erros heterocedásticos. O método de mínimos quadrados ponderados
Modelo lnear clássco com erros heterocedástcos O método de mínmos quadrados ponderados 1 Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal
Leia maisEstatística II Antonio Roque Aula 18. Regressão Linear
Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão
Leia maisMODELOS DE REGRESSÃO PARAMÉTRICOS
MODELOS DE REGRESSÃO PARAMÉTRICOS Às vezes é de nteresse nclur na análse, característcas dos ndvíduos que podem estar relaconadas com o tempo de vda. Estudo de nsufcênca renal: verfcar qual o efeto da
Leia maisModelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados
Modelo lnear normal com erros heterocedástcos O método de mínmos quadrados ponderados Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal
Leia maisGráficos 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
Leia maisOs 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,
Leia maisAnálise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA
Análse de Regressão Profa Alcone Mranda dos Santos Departamento de Saúde Públca UFMA Introdução Uma das preocupações estatístcas ao analsar dados, é a de crar modelos que explctem estruturas do fenômeno
Leia maisVariação 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
Leia mais2 Incerteza de medição
2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr
Leia maisNOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES
NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES 1 O nosso objetvo é estudar a relação entre duas varáves quanttatvas. Eemplos:. Idade e altura das cranças.. v. Tempo de prátca de esportes e rtmo cardíaco
Leia maisO problema da superdispersão na análise de dados de contagens
O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão
Leia maisGabarito da Lista de Exercícios de Econometria I
Gabarto da sta de Exercícos de Econometra I Professor: Rogéro lva Mattos Montor: eonardo enrque A. lva Questão Y X y x xy x ŷ ˆ ˆ y ŷ (Y - Y ) (X - X ) (Ŷ - Y ) 360 00-76 -00 35.00 40.000 36-4 30.976 3076
Leia maisO problema da superdispersão na análise de dados de contagens
O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão
Leia maisDELINEAMENTOS EXPERIMENTAIS
SUMÁRIO 1 Delneamentos Expermentas 2 1.1 Delneamento Interamente Casualzado..................... 2 1.2 Delneamento Blocos Casualzados (DBC).................... 3 1.3 Delneamento Quadrado Latno (DQL)......................
Leia maisAlgarismos 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
Leia maisINSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO
Área Centfca Curso Matemátca Engenhara Electrotécnca º Semestre º 00/0 Fcha nº 9. Um artgo da revsta Wear (99) apresenta dados relatvos à vscosdade do óleo e ao desgaste do aço maco. A relação entre estas
Leia maisESTATÍSTICA APLICADA II ANO LECTIVO 2011/2012. Exame Final 26 de Julho de 2012
ETATÍTICA APLICADA II ANO LECTIVO / Exame Fnal 6 de Julho de Duração : H 3 M Nota: Responder um grupo por folha (utlze frente e verso de cada folha) Em todas as questões apresentar os cálculos efectuados
Leia maisAnálise de Variância. Comparação de duas ou mais médias
Análse de Varânca Comparação de duas ou mas médas Análse de varânca com um fator Exemplo Um expermento fo realzado para se estudar dabetes gestaconal. Desejava-se avalar o comportamento da hemoglobna (HbA)
Leia maisDIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS
DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS 1 A análse de dagnóstco (ou dagnóstco do ajuste) confgura uma etapa fundamental no ajuste de modelos de regressão. O objetvo prncpal da análse de dagnóstco
Leia maisAnálise de Regressão Linear Múltipla VII
Análse de Regressão Lnear Múltpla VII Aula 1 Hej et al., 4 Seções 3. e 3.4 Hpótese Lnear Geral Seja y = + 1 x 1 + x +... + k x k +, = 1,,..., n. um modelo de regressão lnear múltpla, que pode ser escrto
Leia maisAnálise Exploratória de Dados
Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: traçar dagramas de dspersão, para avalar possíves relações entre as duas varáves; calcular o coefcente de correlação entre as duas
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-14 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Prncípos de cração de modelos empírcos: Modelos (matemátcos, lógcos, ) são comumente utlzados na
Leia maisEstatística Aplicada II CORRELAÇÃO. AULA 21 07/11/16 Prof a Lilian M. Lima Cunha
09//06 Estatístca Aplcada II CORRELAÇÃO AULA 07//6 Prof a Llan M. Lma Cunha CORRELAÇÃO: Identfcar a estênca ou não de assocação lnear entre varáves: -Preço de um produto em regões; -Frete e Km percorrdo;
Leia maisCAPÍTULO 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
Leia maisDEFINIÇÃO - MODELO LINEAR GENERALIZADO
DEFINIÇÃO - MODELO LINEAR GENERALIZADO 1 Um modelo lnear generalzado é defndo pelos seguntes três componentes: Componente aleatóro; Componente sstemátco; Função de lgação; Componente aleatóro: Um conjunto
Leia maisNome: Nº: Estatística para Economia e Gestão Licenciaturas em Economia e Gestão. 2.º Semestre de 2008/2009
Estatístca para Economa e Gestão Lcencaturas em Economa e Gestão.º Semestre de 008/009 Exame Fnal (.ª Época) 16 de Junho de 009; 17h30m Duração: 10 mnutos INSTRUÇÕES Escreva o nome e número de aluno em
Leia maisX = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)
Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado
Leia maisR 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.
Leia mais7 - 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
Leia maisEscola Superior de Tecnologia de Viseu. Fundamentos de Estatística 2006/2007 Ficha nº 7
Escola Superor de Tecnologa de Vseu Fundamentos de Estatístca 006/00 Fcha nº. Um artgo da revsta Wear (99) apresenta dados relatvos à vscosdade do óleo e ao desgaste do aço maco. A relação entre estas
Leia maisAo se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.
Estatístca Dscplna de Estatístca 0/ Curso Superor de tecnólogo em Gestão Ambental Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos
Leia maisCap. 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
Leia maisRISCO. 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 $
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-4 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Programa do curso: Semana Conteúdo Apresentação da dscplna. Prncípos de modelos lneares de regressão.
Leia maisAo se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.
Estatístca Dscplna de Estatístca 0/ Curso de Admnstração em Gestão Públca Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos uns dos
Leia maisRegressão Linear Simples. Frases. Roteiro
Regressão Lnear Smples Frases Por serem mas precsos que as palavras, os números são partcularmente adequados para transmtr conclusões centífcas Pagano e Gauvre, 4 Rotero. Modelagem de Relação. Modelo Lnear
Leia maisINTRODUÇÃO À CALIBRAÇÃO MULTIVARIADA
INTRODUÇÃO À CALIBRAÇÃO MULTIVARIADA APLICAÇÃO NO CONTROLE DE QUALIDADE DE FÁRMACOS Prof. Dr. Marcelo Martns de Sena MÓDULO 04 Undade Unverstára de Cêncas Eatas e Tecnológcas UnUCET Anápols 1 MÓDULO 04
Leia maisPrograma de Certificação de Medidas de um laboratório
Programa de Certfcação de Meddas de um laboratóro Tratamento de dados Elmnação de dervas Programa de calbração entre laboratóros Programa nterno de calbração justes de meddas a curvas Tratamento dos resultados
Leia maisANÁLISE DA VARIÂNCIA DA REGRESSÃO
ANÁLISE DA VARIÂNCIA DA REGRESSÃO PROCEDIMENTO GERAL DE REGRESSÃO Em um modelo de análse de varânca, como no DIA, o fator em estudo pode ser quanttatvo ou qualtatvo. FATOR QUANTITATIVO: é aquele cujos
Leia maisREGRESSÃO E CORRELAÇÃO
Relaconamento entre varáves : - requer conhecmento REGRESSÃO E CORRELAÇÃO Y = f ( ) + ε Ex: 1. Y = Lucro de uma Empresa = Investmento em Publcdade Y(v.aleatóra) em função de (v.determnístca), onde Y é
Leia maisComo Construir Modelos Empíricos
Unversdade Tecnológca Federal do Paraná Programa de Pós-Graduação em Engenhara Mecânca - PPGEM Como Construr Modelos Empírcos Prof a Danele Tonolo Das F. Rosa http://pagnapessoal.utfpr.edu.br/daneletdas
Leia maisPROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2010/2011
Instruções: PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 00/0 Cada uestão respondda corretamente vale (um) ponto. Cada uestão respondda ncorretamente vale - (menos um) ponto. Cada uestão
Leia maisEventos coletivamente exaustivos: A união dos eventos é o espaço amostral.
DEFINIÇÕES ADICIONAIS: PROBABILIDADE Espaço amostral (Ω) é o conjunto de todos os possíves resultados de um expermento. Evento é qualquer subconjunto do espaço amostral. Evento combnado: Possu duas ou
Leia mais(c) 0,5; 9,5; -10,5; -0,5; 12,3; 2,3; etc. Ocorre desvio alto para o indivíduo 19 (-19,5) X (idade da casa)
Bussab&Morettn Estatístca Básca Capítulo 6 Problema zˆ,5, 55x αˆ : a acudade vsual méda estmada para recém-nascdos (zero anos de dade) é,5; βˆ : a acudade vsual méda estmada dmnu,55 a cada ano,5; 9,5;
Leia maisa média populacional do i-ésimo tratamento; o efeito do i-ésimo tratamento na variável dependente Y e mede o afastamento da média µ
UNIVERSIDADE ESTADUAL PAULISTA FACULDADE DE CIÊNCIAS AGRÁRIAS E VETERINÁRIAS CAMPUS DE JABOTICABAL ª PROVA DE ESTATÍSTICA EXPERIMENTAL - MEDICINA VETERINÁRIA NOME: DATA / / ª QUESTÃO (5,5): Vnte e cnco
Leia maisRegressão Linear Simples by Estevam Martins
Regressão Lnear Smples by Estevam Martns stvm@uol.com.br "O únco lugar onde o sucesso vem antes do trabalho, é no dconáro" Albert Ensten Introdução Mutos estudos estatístcos têm como objetvo estabelecer
Leia maisAnálise Exploratória de Dados
Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: obter uma reta que se ajuste aos dados segundo o crtéro de mínmos quadrados; apresentar outros crtéros para a determnação de uma
Leia maisPrograma do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall
Sstemas Intelgentes Aplcados Carlos Hall Programa do Curso Lmpeza/Integração de Dados Transformação de Dados Dscretzação de Varáves Contínuas Transformação de Varáves Dscretas em Contínuas Transformação
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-4 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Programa do curso: Semana Conteúdo Apresentação da dscplna. Prncípos de modelos lneares de regressão.
Leia mais1ª PROVA DE ESTATÍSTICA EXPERIMENTAL
UNIVERSIAE ESTAUAL PAULISTA FACULAE E CIÊNCIAS AGRÁRIAS E VETERINÁRIAS CAMPUS E JABOTICABAL ª PROVA E ESTATÍSTICA EXPERIMENTAL - MEICINA VETERINÁRIA NOME: ATA / / ª QUESTÃO (5,5): Vnte suínos foram dstrbuídos
Leia maisRAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro
UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD1507 Estatístca Aplcada à Admnstração I Prof. Dr. Evandro Marcos adel Rbero
Leia maisCovariância na Propagação de Erros
Técncas Laboratoras de Físca Lc. Físca e Eng. omédca 007/08 Capítulo VII Covarânca e Correlação Covarânca na propagação de erros Coefcente de Correlação Lnear 35 Covarânca na Propagação de Erros Suponhamos
Leia mais5 Métodos de cálculo do limite de retenção em função da ruína e do capital inicial
5 Métodos de cálculo do lmte de retenção em função da ruína e do captal ncal Nesta dssertação serão utlzados dos métodos comparatvos de cálculo de lmte de retenção, onde ambos consderam a necessdade de
Leia maisEstatística Espacial: Dados de Área
Estatístca Espacal: Dados de Área Dstrbução do número observado de eventos Padronzação e SMR Mapas de Probabldades Mapas com taxas empírcas bayesanas Padronzação Para permtr comparações entre dferentes
Leia maisMétodos Experimentais em Ciências Mecânicas
Métodos Expermentas em Cêncas Mecâncas Professor Jorge Luz A. Ferrera Sumáro.. Dagrama de Dspersão. Coefcente de Correlação Lnear de Pearson. Flosofa assocada a medda da Estatstca. este de Hpótese 3. Exemplos.
Leia maisAULA EXTRA Análise de Regressão Logística
1 AULA EXTRA Análse de Regressão Logístca Ernesto F. L. Amaral 13 de dezembro de 2012 Metodologa de Pesqusa (DCP 854B) VARIÁVEL DEPENDENTE BINÁRIA 2 O modelo de regressão logístco é utlzado quando a varável
Leia maisO 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,
Leia maisDados ajustáveis a uma linha recta
Capítulo VI juste dos Mínmos Quadrados Dados ajustáves a uma lnha recta Determnação das constantes e B Incerteza nas meddas de Incerteza na determnação de e B juste dos mínmos quadrados a outras curvas:
Leia maisUNIVERSIDADE DE PERNAMBUCO. Física Experimental. Prof o José Wilson Vieira
UNIVERSIDADE DE PERNAMBUCO ESCOLA POLITÉCNICA DE PERNAMBUCO Físca Expermental Prof o José Wlson Vera wlson.vera@upe.br AULA 01: PROCESSOS DE ANÁLISE GRÁFICA E NUMÉRICA MODELO LINEAR Recfe, agosto de 2015
Leia maisModelagem do crescimento de clones de Eucalyptus via modelos não lineares
Modelagem do crescmento de clones de Eucalyptus va modelos não lneares Joselme Fernandes Gouvea 2 Davd Venanco da Cruz 3 Máco Augusto de Albuquerque 3 José Antôno Alexo da Slva Introdução Os fenômenos
Leia maisA redução na pressão sangüínea (mm Hg) em um período de quatro semanas observadas em cães experimentais está tabulada abaixo:
UNIVERSIDADE ESTADUAL PAULISTA FACULDADE DE CIÊNCIAS AGRÁRIAS E VETERINÁRIAS CAMPUS DE JABOTICABAL ª PROVA DE ESTATÍSTICA EXPERIMENTAL - MEDICINA VETERINÁRIA NOME: DATA / / ª QUESTÃO (,): A redução da
Leia maisUMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EATAS DEPARTAMENTO DE ESTATÍSTICA UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
Leia maisCapítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES
Capítulo. Aproxmações numércas 1D em malhas unformes 9 Capítulo. AROXIMAÇÕS NUMÉRICAS 1D M MALHAS UNIFORMS O prncípo fundamental do método das dferenças fntas (MDF é aproxmar através de expressões algébrcas
Leia maisExperiência V (aulas 08 e 09) Curvas características
Experênca (aulas 08 e 09) Curvas característcas 1. Objetvos 2. Introdução 3. Procedmento expermental 4. Análse de dados 5. Referêncas 1. Objetvos Como no expermento anteror, remos estudar a adequação de
Leia mais3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas
3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas
Leia maisDIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS
177 DIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS Antôno Carlos da Slva Flho Un-FACEF Introdução Trend Strps (TS) são uma nova técnca de análse da dnâmca de um sstema,
Leia maisDelineamento Aleatorizado em Blocos Completos (DABC)
Delneamento Aleatorzado em Blocos Completos (DABC) Motvação Por que planear um expermento? Como dmnur o efeto resdual? Como controlar o efeto de fontes de varação conhecdas mas que não são de nteresse
Leia mais1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de
Leia maisEXERCÍCIO: VIA EXPRESSA CONTROLADA
EXERCÍCIO: VIA EXPRESSA CONTROLADA Engenhara de Tráfego Consdere o segmento de va expressa esquematzado abaxo, que apresenta problemas de congestonamento no pco, e os dados a segur apresentados: Trechos
Leia maisFigura 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
Leia maisIntrodução à Análise de Dados nas medidas de grandezas físicas
Introdução à Análse de Dados nas meddas de grandezas físcas www.chem.wts.ac.za/chem0/ http://uregna.ca/~peresnep/ www.ph.ed.ac.uk/~td/p3lab/analss/ otas baseadas nos apontamentos Análse de Dados do Prof.
Leia mais