MAE 0330 ANÁLISE MULTIVARIADA DE DADOS. Análise Fatorial. Júlia M Pavan Soler

Tamanho: px
Começar a partir da página:

Download "MAE 0330 ANÁLISE MULTIVARIADA DE DADOS. Análise Fatorial. Júlia M Pavan Soler"

Transcrição

1 MAE 0330 ANÁLISE MULTIVARIADA DE DADOS Análs atoral Júla M Pavan Solr avan@.us.br S/06

2 Análs d Coonnts Prncas Consdr os sgunts dados: E u studo co caundongos, o so cororal ( graas) d 50 fêas fo ddo logo aós o nascnto d suas rras 4 nnhadas. A sgur, são arsntados o vtor d édas a atrz d corrlação dos dados obtdos. X 39,88 ; 45,08 ; 48,; 49, 95 0,750 R 0,639 0,6363 0,750 0,695 0,7386 0,639 0,695 0,665 0,6363 0,7386 0,665 Obtnção dos CP assocados à varação do so das fêas aós o nascnto da nnhada a artr da atrz d corrlação: * * 3* 4* Var(Z) %Ac. Z -0,4935-0,595-0, , ,0584 0, Z 0,7366 0, ,5854-0,3350 0,3833 0,09558 Z3-0,37 0,4363-0,6455 0, ,3478 0, Z4 0, , ,0698 0, ,748 0,05437 ; E *; Cov * 0 Cov * R Corr R P * * P * E CP das varávs adronzadas

3 Análs d Coonnts Prncas Dados: Pso das fêas aós o nascnto das quatro rras nnhadas: * * 3* 4* Var(Z) %Ac. Cofcnt -0,4935-0,595-0, , Z Corrl -0, ,934-0, ,8699 %Var(*/Z) 0,7459 0,8343 0,7688 0, ,0584 0, Cofcnt 0,7366 0, ,5854-0,3350 Z Corrl 0,4463 0,8349-0,3696-0,077 %Var(*/Z) 0, , ,374 0, ,3833 0,86085 Cofcnt -0,37 0,4363-0,6455 0,73533 Z3 Corrl -0, , , ,43849 %Var(*/Z) 0,089 0, , ,77 0,3478 0,94563 Cofcnt 0, , ,0698 0,36385 Z4 Corrl 0, , , ,70744 %Var(*/Z) 0,0478 0,4837 0, ,0953 0,748 Var(*) 4 Z, soznho, xlca 76% da varânca total das varávs adronzadas E Z todas as varávs rcb sos/cargas arcdos Tíco d atrz d corrlação unfor

4 Análs d Coonnts Prncas ; Cov PP E Obtnção dos CP dos dados d so das fêas aós o nascnto das nnhadas: CP das varávs orgnas (obtdos da atrz ) s 3,9909 ; 33,598 ; 36,5534 ; 37, 357 Padrão tíco d R co adrão unfor hoocdastcdad 3 4 Var(Z) %Ac. Cofcnt -0, ,4947-0,530-0, Z Corrl 0,8469 0,9046 0,8658 0,889 %Var(/Z) 0, , ,743 0, ,0 0,76378 Cofcnt 0,849 0,406-0, ,3703 Z Corrl 0,8639 0,448 0,5066 0,6 %Var(/Z) 0, ,0087 0,5699 0, ,5 0,85836 Cofcnt -0,6798-0,858 0,0346 0,7033 Z3 Corrl 0, ,49 0,099 0,4043 %Var(/Z) 0,9564 0,0307 0, , ,3 0, Cofcnt 0, ,806 0, ,66744 Z4 Corrl 0,3979 0, ,0906 0,6 %Var(/Z) 0, ,4864 0, , ,7 Var() 088,4 8,4 336,5 395,5 4948,

5 Análs d Coonnts Prncas Análs atoral Coo obtr as varávs orgnas a artr das coonnts rncas? Z P P P Z P Z Z ;. P a a a P Z P P P Z a Z a Z a Z P. a P a P ; ; Pns nst ssta d quaçõs coo a xrssão das varávs função d u conunto d fators couns Z

6 Análs d Coonnts Prncas Análs atoral Para os dados (adronzados) d so das fêas aós o nascnto das nnhadas: * * 3* 4* Z -0,4935-0,595-0, , Z 0,7366 0, ,5854-0,3350 Z3-0,37 0,4363-0,6455 0,73533 Z4 0, , ,0698 0,36385 Z P * 4 Z Z Z3 Z4 * -0,4935 0,7366-0,37 0,44008 * -0,595 0, ,4363-0, * -0, ,5854-0,6455 0,0698 4* -0, ,3350 0, ,36385 * P Z Escrva as xrssõs qu dscrv as varávs * função d Z Z, soznho, xlca 76% da varabldad total dos dados adronzados arc natural rduzr o robla ara ua únca dnsão Pns na sgunt stuação: Há ntrss odlar * função d u únco fator cou Coo ncontrar tal fator?

7 Análs d Coonnts Prncas Análs atoral Para os dados d so das fêas aós o nascnto das nnhadas tos: * * 3* 4* Z -0,4935-0,595-0, , Z 0,7366 0, ,5854-0,3350 Z3-0,37 0,4363-0,6455 0,73533 Z4 0, , ,0698 0,36385 Z Z Z3 Z4 * -0,4935 0,7366-0,37 0,44008 * -0,595 0, ,4363-0, * -0, ,5854-0,6455 0,0698 4* -0, ,3350 0, ,36385 Z P * 4 * P Z As cargas atrbuídas às varávs Z dv lvar conta as varâncas dstas varávs. Nst caso, od sr xrsso tros d fators couns, dnotados or, tal qu: Cov ( ) = I 3 4 P / / * Z * -0, , , ,0533 * -0,9803 0,809 0, ,38898 / 3* -0, ,3698-0,3775 0,0854 * P 4* -0, ,075 0,4744 0,6949 novas cargas ator cou 4

8 Análs d Coonnts Prncas Análs atoral 3 4 * -0, , , ,0533 * -0,9803 0,809 0, , * -0, ,3698-0,3775 0,0854 4* -0, ,075 0,4744 0,6949 * 4 P * P / / / Z 4 / Z Cov / / / / CovZ I Nst caso, o fator rcb os aors sos Pod-s xrssar * função do fator cou Nsta aroxação (rdução) od-s adconar u fator scífco dnotado or, tal qu * od sr odlado coo: * = -0, * = -0, * = -0, * = -0, Vaos ntão foralzar o rocdnto d ncontrar fators couns scífcos a u conunto d varávs!

9 Análs Multvarada d Dados Varávs Undads Aostras Obtvos: n n n n n Dscrvr a ntr-rlação ntr as varávs, sto é, obtr fators couns à todas as varávs obtr constructos, varávs latnts (não obsrvávs) Dscrvr a strutura d dndênca ntr as varávs or o da construção d fators (couns scífcos) Análs atoral

10 Varávs Constructos Plananto d Exrntos: Undads Aostras Varávs d Intrss Estrutura d Tratanto Estrutura d Plananto Varávs Obsrvávs (concrtas) x.: so, altura, tratura, glca, tc. Constructos: varávs (latnts) qu não od sr ddas drtant, gral, rqur a obsrvação d utas varávs ara sua caractrzação x.: QI, QE, ansdad, susctbldad, satsfação, sndro tabólca, tc.. Ua das utldads da análs fatoral é a dntfcação d constructos xstnts u conunto d dados x.: construr u índc gral d ntlgênca (Saran, 904)

11 Escala IDATE Qustonáro d Ansdad (Proto CEA-IME/USP) It Dscrção Snto- b Canso- faclnt 3 Tnho vontad d chorar 4 Gostara d sr flz coo as outras ssoas arc sr 5 Prco oortundads orqu não consgo toar dcsõs rádas 6 Snto- dscansado 7 Snto- calo, ondrado snhor d so 8 Snto qu as dfculdads stão s acuulando d tal fora qu não consgo rsolvr 9 Procuo- das co as cosas s ortânca 0 Sou flz Dxo- aftar uto las cosas Não tnho confança so 3 Snto- sguro 4 Evto tr qu nfrntar crss roblas 5 Snto- drdo 6 Estou satsfto 7 Às vzs déas s ortânca ntra na cabça 8 Lvo as cosas tão a séro qu não consgo trá-las da cabça 9 Sou ua ssoa stávl 0 co tnso rturbado quando nso roblas do onto O nívl d ansdad od sr ddo or o d u nstrunto dnonado IDATE. Dv-s avalar cada fras atrbundo-s nota ntr a 4, tal qu: (nunca ocorr) 4 (ocorr quas sr) E gral, utlza-s a Soa dos scors ara dr ansdad. Soa dos scors: 0-80

12 Escala IDATE Qustonáro d Ansdad It Dscrção Snto- b Canso- faclnt 3 Tnho vontad d chorar 4 Gostara d sr flz coo as outras ssoas arc sr 5 Prco oortundads orqu não consgo toar dcsõs rádas 6 Snto- dscansado 7 Snto- calo, ondrado snhor d so 8 Snto qu as dfculdads stão s acuulando d tal fora qu não consgo rsolvr 9 Procuo- das co as cosas s ortânca 0 Sou flz Dxo- aftar uto las cosas Não tnho confança so 3 Snto- sguro 4 Evto tr qu nfrntar crss roblas 5 Snto- drdo 6 Estou satsfto 7 Às vzs déas s ortânca ntra na cabça 8 Lvo as cosas tão a séro qu não consgo trá-las da cabça 9 Sou ua ssoa stávl 0 co tnso rturbado quando nso roblas do onto Alcação do qustonáro Idat a.0 studants unvrstáros (Andrad t al., 00) Avalação da Matrz d Corrlação: foração d dos conuntos d varávs co alta corrlação ntra bloco baxa corrlação ntr blocos: B=(, 0, 3, 6) B=(9,, 7, 8) B: varávs lgadas ao constructo satsfação ssoal B: var. lgadas ao constructo dfculdad ldar co roblas

13 Matrz d corrlação ntr os dos blocos d varávs do Instrunto IDATE , ,385 0, ,53 0,66 0,54 9-0,37-0,6-0,308-0,4-0,04-0,4-0,376-0,3 0, ,8-0,03-0,36-0,5 0,55 0, ,34-0,33-0,367-0,398 0,40 0,48 0,478 A xstênca d corrlaçõs rlatvant altas ntr as varávs d u so bloco, ndca a ossbldad d qu tas varávs d algo cou varávs lgadas a u so constructo A Análs atoral nos rt não sont dntfcar constructos, coo tabé nos fornc os ara d-los.

14 Análs atoral Coo xlcar o coortanto d varávs obsrvadas função d u conunto d varávs latnts (não obsrvávs, constructos)? : :,, :,, f fators couns fators scífcos cargas fatoras f Notação Matrcal

15 Análs atoral f Dagraa d canho d u odlo d Análs atoral ortogonal Var. Obsrvadas: rtângulos Var. Latnts (constructo): círculos Erros: s rrsntação gráfca As stas art d ua varávl ndndnt atng ua varávl dndnt S xstr corrlaçõs (ntr os fators scífcos ou so os couns), stas dv sr rrsntadas or arcos

16 Análs atoral f Suosçõs do odlo d fators ortogonas: Cov E f I Covf, 0 0 Cov dag,, Matrz d Covarânca argnal d : Dcoosção uto artcular! Cov Covf coonnt d covarânca dvdo ao fator cou coonnt d covarânca dvdo ao fator scífco

17 Análs atoral f Matrz d Covarânca argnal d : Var ) ( dnd dos fators couns scífcos h Counaldad da varávl Proorção da Var() xlcada lo conunto dos fators couns Var h h h Var ) ( Escfcdad

18 Análs atoral f h Var ) ( Cov ' ' ' ' ), ( dnd sont dos fators couns Var h h Var h H k Var H k % da Var() xlcada lo conunto dos fators couns % da Varânca Total d xlcada lo conunto dos fators couns % da Varânca Total xlcada lo fator cou k

19 Análs atoral f Matrz d Covarânca ntr as varávs : k k k k k k k k Cov Cov Cov ; ; ), ( Intrrtação das cargas fatoras: são as covarâncas ntr as varávs obsrvadas orgnas os fators couns k k k h Var Corr ), (

20 Análs atoral Exlo. Suonha qu u conunto d dados (4 varávs nsuradas n ndvíduos) arsnt a sgunt atrz d covarânca: 4,00 0,80,68,6 0,80,00 0,44 0,96,68 0,44,00,3,6,3 ; 0,96,00 Sa, Mostr qu, nst caso, val a gualdad:,60 0,0,00,0 0,40,0 0,0 0,60, , , ,0 4,00 0,80,68,6 0,80,00 0,44 0,96,68 0,44,00,3,6,60,3 0,0 0,96,00,00,0 0,40,0,60 0,0 0,40 0,60 0,0,0,00 0,0,8,0 0 0, , , ,0 h,60 0,40 h,7 4,7,8 counaldad + scfcdad d

21 Análs atoral Exlo. Suonha qu u conunto d dados arsnt a sgunt atrz d covarânca: 4,00 0,80,68,6 0,80,00 0,44 0,96,68 0,44,00,3 Tal qu, nst caso:,6,3 ; 0,96,00,60 0,0,00,0 0,40,0 0,0 0,60,8 0 0,5 Logo, od sr odlado tros d fators couns scífcos: 0,96 0 0,0 3 4,60 0,00 3 4,00,0 0,40,0 0,0 0, Isto rt a rotação d xos Nota: Esta é ua artcular solução ara. Not qu, ara qualqur atrz ortogonal, t-s: * ; I * *

22 Análs atoral Exlo. Suonha qu u conunto d dados arsnt a sgunt atrz d covarânca: 4,00 0,80,68,6 0,80,00 0,44 0,96,68 0,44,00,3,6,3 0,96,00,60 0,0,00,0 0,40,0 0,0 0,60,8 0 0,5 0,96 0 0,0 3 4,60 0,00 3 4,00,0 0,40,0 0,0 0, ² ² h² % Var,56 0,6,7 68,8 0,04,44, ,5 3 0,04,04 5 0,96 4,44 0,36,8 90 0, Total 5,4 7,04 % Var 50,4 0 70,4 Calcul: Var ; tr; Obtnha: covarâncas, counaldads, scfcdads. Intrrt os rsultados!

23 Análs atoral f Coo obtr os coonnts COMUNS (), ESPECÍICOS () Escors atoras (f ) do odlo? Método d Coonnts Prncas Método d Máxa Vrosslhança

24 Análs atoral va Coonnts Prncas f PP a a a a a a a a a a Aroxação usando coonnts dfn os tros couns!,, a,, a k k a k dag h,, h k k Coonnt scífco da varânca d

25 Análs atoral va Coonnts Prncas Obtnção do odlo d fators couns scífcos f aa a a a dag h k k Rrs Matrz rsdual Not: Para os lntos fora da dagonal d a aroxação od não sr boa!! U crtéro d bondad d aust é: S.Q. das ntradas d Rrs

26 Análs atoral va Coonnts Prncas Exlo. Consdr a atrz d covarânca d =( 3 ) dada or: 0,9 0,7 0,9 0,4 0,7 0,4 Obtr a solução do odlo fatoral ara va Coonnts Prncas: f??

27 Análs atoral va Coonnts Prncas Consdr o xlo qu obtvos a solução atátca dos coonnts. Agora vaos obtr a solução va CP: 0,9 0,7 0,9 0,4 0,7 0,4 Autovalors:, ,660 0,03035 Matrz dos autovtors: 0, ,080 0, , , ,5755 0, , , a a f 0,6436,350,5766 0,503 0, ,77 3 0, ,987 0,885 0,77

28 Análs atoral va Coonnts Prncas f 0,9 0,7 0,9 0,4 0,7 0,4 3 0,987 0,885 0,77 3 Matrz d covarânca aostral d tr = 3 : varânca total 3 =-0,974 0,9 0,7 0,9 0,4 0,7 0,4 0,974 0,8735 0,760 0,8735 0,783 0,683 0,760 0,683 0,5960 0, , ,4040 A varânca total stá rsrvada as os tros fora da dagonal od não star b aroxados!

29 Análs atoral va Coonnts Prncas 0,9 0,7 0,9 0,4 0,7 0,4 tr = 3 : varânca total Intrrt os rsultados! Varávl ator Counaldad Escfcdad Var 0,987 0,975-0,975=0,058 Var 0,885 0,783-0,783=0,68 Var 3 0,77 0,596-0,596=0,4040 Varânca,3536 0,6466 % Var 78,5%,5%

30 Análs atoral va Coonnts Prncas Exlo 3. Agora consdr a sgunt atrz d covarânca obtnha o odlo fatoral va CP:,00 0,6 0,63 0,6,00 0,45 0,63 0,45,00 Adot =! Autovalors:,307 0, ,394 Autovtors: -0,6978 0, , , , , , ,6839 0, Dscuta os rsultados!

31 Análs atoral va CP,00 0,6 0,63 0,6,00 0,45 0,63 0,45,00 tr = 3 : varânca total 0,80/; Var( )= Varávl ator ator Counaldad % Exlc Escf Var -0,895 0,06 0,80 0,80 0,99 Var -0,80-0,54 0,949 0,949 0,05 Var 3-0,8 0,506 0,930 0,930 0,070-0,80 Varânca,303 0,5505,6808 0,30 % Exlc 0,70 0,83 0,8933 0,07,6808/3

32 Análs atoral Exrcíco: Consdr o conunto d dados dos ardas d Manly (994): Matrx CORR, , ,668 0,6458 0,605 0,73496, , ,7685 0,590 0,668 0,67374, ,7639 0,567 0,6458 0,7685 0,7639, , ,605 0,590 0,567 0,60665,00000 * = 0,859 + * = 0, * = 0, * = 0, * = 0, Obtnha: counaldads, scfcdads a atrz rsdual.

33 Análs atoral va Máxa Vrosslhança Estação dos Coonnts do Modlo atoral va Máxa Vrosslhança Suonha qu os fators couns os scífcos sgu dstrbução Noral, tal qu, a dstrbução argnal d é : ~ N μ, Σ Então, ara ua aostra d n vtors ndndnts d a função d vrosslhança d, é dada or: n μ Σ μ L(,, ) n/ n/ Σ Maxzar L é quvalnt a nzar a sgunt dda d dstânca: ln + + tr ( S + - ) ln S - qu toa o valor zro s ( + ) é gual a S (atrz d covarânca aostral d ). Não xst solução xlícta ara os stadors d qu nz a função d dstânca uso d étodos nuércos.

34 Análs atoral va Máxa Vrosslhança Estação dos Coonnts do Modlo atoral va Máxa Vrosslhança A solução va MVS é count obtda consdrando a atrz d corrlação d, R (quvalnt a axzar a função d vrosslhança dos dados adronzados, *). Ass, é ncssáro nzar ln R R + R + tr ( R R R + R - ) ln R - Ass, a solução ara a dcoosção da atrz d covarânca é: ˆ D / ˆ ˆ / ; ˆ s R Ds R D / s Co s a statva da varânca d calculada co dvsor n.

35 Análs atoral,00 0,6 0,63 0,6,00 0,45 0,63 0,45,00 Solução do Modlo atoral ara a xtração dos coonnts (couns scífcos) va Coonnts Prncas os stadors d Máxa Vrosslhança: CP Max. Vross. Varávl Counald Escf Counald Escf -0,895 0,06 0,80 0,99 0,733 0,7 0,554 0,446-0,8-0,54 0,949 0,05 0,897-0,38 0,949 0,05 3-0,8 0,506 0,93 0,067 0,755 0,6 0,93 0,067 Varânca,303 0,5505,6808 0,03,936 0,599,4335 0,564 % Exlc 0,7 0,83 0,894 0,006 0,638 0,73 0,8 0,88 (Uso do R, MINITAB, ) As counaldads obtdas va CP são usadas coo valors ncas no algorto tratvo d axzação da função d vrosslhança

36 Análs atoral,00 0,6 0,63 0,6,00 0,45 0,63 0,45,00 Matrz Rsdual va Coonnts Prncas: 0, , ,795 0, , ,0594 0,795-0,0594 0, Matrz Rsdual va Máxa Vrosslhança: 0, , , , , , , , , A solução or áxa vrosslhança arsnta lhor rsultado na aroxação d asar da % da varânca total xlcada tr sdo nor

37 Análs atoral Rotação dos ators f é solução Cov Covf ΦΦ Ψ Sa * ; I * * * é solução *= Gotrcant é ua rotação d xos (novos fators) Podos buscar rotaçõs qu conduza a soluçõs fács d ntrrtar (édas, contrasts, foras canôncas)

38 Análs atoral Rotação dos ators Gografa Inglês Hstóra Artétca Algbra Gotra 0,439 0,4 0,88 0,39 0,48 0,439 0,35 0,354 0,3 0,39 R = 0,4 0,35 0,64 0,9 0,8 0,88 0,354 0,64 0,595 0,47 0,39 0,3 0,9 0,595 0,464 0,48 0,39 0,8 0,47 0,464 Varávl ator ator Counaldad Gogr 0,553 0,49 0,49 Inglês 0,568 0,88 0,406 Hst 0,39 0,45 0,356 Art 0,74-0,73 0,63 Algbra 0,74-0, 0,569 Go 0,595-0,3 0,37 Varanc,094 0,6057,85 % Var 0,368 0,0 0,469 Solução da análs fatoral va áxa vrosslhança : cargas ostvas rsosta éda fator d ntlgênca gral : tad das cargas é ostva tad é ngatva fator bolar Rotaconar os fators

39 Análs atoral Rotação dos ators 0,5 0,4 0,3 0, 0, 0,0-0, -0, -0,3 0 0,0 Rotação d 0 0 xos orgnas 0, 0, Cargas atoras 0,3 0,4 V3 Nos novos xos o fator d ntlgênca gral () stá artconado nos fators * * 0,5 V V 0,6 V6 0,7 V5 V4 0,8 0 Os xos orgnas od sr rotaconados d tal fora qu todos os ontos ca no quadrant As varávs V4, V5 V6 (da ára xata) rcb carga alta * baxa * As varávs V, V V3 (da ára d huanas) rcb carga alta * carga odrada/baxa * *: habldad atátca *: habldad vrbal

40 Análs atoral Rotação dos ators 0,5 0,4 0 Rotação d 0 0 xos orgnas Cargas atoras V3 V Obtnha as novas coordnadas sob ua rotação d 0 graus nos xos orgnas (sntdo horáro) (Johnson and Wchrn, 978). 0,3 0, 0, V cos sn sn cos 0,0-0, -0, -0,3 0,0 0, 0, 0,3 0,4 0,5 V6 0,6 0,7 0 V5 V4 0,8 Cossno d 0 0 = 0,9397 Sno d 0 0 = 0,340 * ; I Obtnha tabé as coordnadas sob ua rotação d 40 graus (Evrtt, 007).

41 Análs atoral Rotação dos ators ators Orgnas ators Rotaconados (=40 0 ) Varávl ator ator Counald ator* ator* Counald Gogr 0,553 0,49 0,49 0,3 0,66 0,49 Inglês 0,568 0,88 0,406 0,3 0,55 0,406 Hst 0,39 0,45 0,356 0,085 0,59 0,356 Art 0,74-0,73 0,63 0,77 0,73 0,63 Algbra 0,74-0, 0,569 0,73 0,5 0,569 Go 0,595-0,3 0,37 0,57 0,3 0,37 Varanc,094 0,6057,85,6057,094,85 % Var 0,368 0,0 0,469 0,68 0,0 0,469 habldad atátca habldad vrbal As counaldads são nvarants or rotação ortogonal dos fators * *

42 Análs atoral Rotação dos ators Não xst ua solução únca ara rrsntar os fators * Φ* k Coo scolhr obtr ua solução/rotação? : novas cargas dos fators rotaconados Consgur valors 0 s s Na rátca o obtvo dos étodos d rotação é SIMPLIICAR as lnhas colunas da atrx d cargas ara facltar a ntrrtação f Matrz d Cargas lnhas Varabld. das varávs colunas varabldad dos fators k

43 Análs atoral Rotação dos ators Rotação Varax: Não xst ua solução únca ara rrsntar os fators * Φ* k Coo scolhr obtr ua solução/rotação? : novas cargas dos fators rotaconados Sa: k : roorção da counaldad d xlcada or k h V k * k V k k k k ; k k A atrz d rotação varax é scolhda d tal fora a axzar V (soa das varâncas d k ) sra-s qu alguas das novas cargas sa altas outras baxas, facltando a ntrrtação dos fators (axzar a varabldad dos fators/colunas d ).

44 Análs atoral Rotação dos ators Não xst ua solução únca ara rrsntar os fators Coo scolhr obtr ua solução/rotação? Métodos d Rotação Ortogonal: Rotação Varax: slfca as colunas da atrz d cargas Rotação Quartax: slfca as lnhas da atrz d cargas Rotação Equax: é u corosso ntr as duas outras técncas Exst anda as rotaçõs oblquas. Nst caso, as counaldads não são nvarants.

45 Análs atoral Rotação dos ators ators Orgnas ators Rotaconados Varávl ator ator Counald ator* ator* Counald Gogr 0,553 0,49 0,49 0,3 0,66 0,49 Inglês 0,568 0,88 0,406 0,3 0,55 0,406 Hst 0,39 0,45 0,356 0,085 0,59 0,356 Art 0,74-0,73 0,63 0,77 0,73 0,63 Algbra 0,74-0, 0,569 0,73 0,5 0,569 Go 0,595-0,3 0,37 0,57 0,3 0,37 Varanc,094 0,6057,85,6057,094,85 % Var 0,368 0,0 0,469 0,68 0,0 0,469 ators Rotaconados - Quartax ators Rotaconados - Equax Varávl ator ator Counald ator* ator* Counald Gogr 0,6 0,65 0,49 0,3 0,66 0,49 Inglês 0,344 0,536 0,406 0,3 0,55 0,406 Hst 0, 0,587 0,356 0,085 0,59 0,356 Art 0,777 0,39 0,63 0,77 0,73 0,63 Algbra 0,73 0,84 0,569 0,73 0,5 0,569 Go 0,58 0,88 0,37 0,57 0,3 0,37 Varanc,6733,48,85,6057,094,85 % Var 0,79 0,9 0,469 0,68 0,0 0,469

46 Análs atoral Escors atoras Escor atoral: valor qu cada ndvíduo na aostra t ara cada u dos fators couns f f ) ( Para o ndvíduo : Qual o valor d? n,,,, f

47 Análs atoral Escors atoras Qual o valor d f,?, n,, Método d Coonnts Prncas: ( ) f f Z D rros coonnts rncas / Método d Mínos Quadrados Pondrados (Bartltt): Suondo, conhcdos odlo d rgrssão lnar htrocdástco O rdtor d f é dado or: ˆf (x) Cofcnt do fator (x)

48 Análs atoral Escors atoras f ) ( Qual o valor d? n,,,, f Método da Rgrssão: (, são assudos conhcdos) O rdtor d f é dado or: ˆf I N N I N 0 0 0, ~ 0, ~ 0, ~ f f I N N 0, ~ 0, ~ f f ; ~ / I N f Cofcnt do fator (x)

49 Análs atoral Arquvo HATCO (Har t al., 005) ID X X X3 X4 X5 X6 X7 X8 X9 X0 X X X3 X4 4, 0,6 6,9 4,7,4,3 5, 0 3 4, 0,8 3,0 6,3 6,6,5 4,0 8,4 43 4, ,4 5, 5,7 6,0 4,3,7 8, 48 5, 0 4,7,0 7, 5,9,8,3 7,8 3 3, ,0 0,9 9,6 7,8 3,4 4,6 4, , ,9 3,3 7,9 4,8,6,9 9,7 45 4, , 0,5 9, 4,8 3,3,8 7, , ,0,8 5, 5,0,4,7 8,4 38 3, ,, 6,7 6,8,6,9 8,4 4 4, ,5,8 9,0 5,0, 3,0 6, ,4 0 0

50 Egnvalu Análs atoral Quantos ators usar? Crtéro Scr : o núro d fators é scolhdo quando a dfrnça d xlcação ntr os fators tnd a s stablzar,5,0,5,0 0,5 Scr Plot d X, X, X3, X4, X6 X7 Lbrar qu na solução va CP o k-éso autovalor rrsnta a xlcação da varânca total dvda ao ator k k k 0,0 3 4 actor Nubr 5 6 Usar dos ou três fators.

51 Análs atoral Arquvo HATCO (Har t al., 005) Varabl ator ator Counaldad X 0,67-0,54 0,658 X -0,759 0,068 0,58 X3 0,73-0,337 0,646 X4-0,494-0,798 0,88 X6-0,45-0,83 0,87 X7-0,767 0,68 0,66 Varanc,535,7395 4,53 % Var 0,49 0,9 0,709 Solução va CP. Dscutr os rsultados!

52 Scond actor Intrrtação dos ators: Análs atoral 0,00 X7 X Loadng Plot d X, X, X3, X4, X6 X7-0,5 X3-0,50 X -0,75 X4 X6-0,8-0,6-0,4-0, 0,0 rst actor 0, 0,4 0,6 0,8

53 Arquvo HATCO (Har t al., 005) Análs atoral ators Orgnas - CP ators Rotaconados - Varax Varávl ator ator Counaldad ator ator Counaldad X 0,67-0,54 0,658-0,787 0,94 0,658 X -0,759 0,068 0,58 0,74 0,66 0,58 X3 0,73-0,337 0,646-0,804-0,0 0,646 X4-0,494-0,798 0,88 0,0 0,933 0,88 X6-0,45-0,83 0,87 0,05 0,934 0,87 X7-0,767 0,68 0,66 0,764 0,79 0,66 Varanc,535,7395 4,53,3698,883 4,53 % Var 0,49 0,9 0,709 0,395 0,34 0,709 Valor básco Iag X, X X3: varávs assocadas a rço do roduto (X7: qualdad) X4 X6: varávs assocadas à ag da CO Coo valdar os rsultados d ua Análs atoral?

54 Arquvo HATCO (Har t al., 005) Análs atoral Escors dos ators Cofcnts dos ators Varávl ator ator X -0,35 0,59 X 0,89 0,095 X3-0,345 0,05 X4-0,0 0,499 X6-0,053 0,504 X7 0,37 0, ˆf Matrz (x) dos cofcnts dos fators Alcação: Uso dos ators ara Análs d dagnóstco d valors dscrants (coo od sr fto co os Coonnts Prncas).

55 Arquvo HATCO (Har t al., 005) Análs atoral Alcação: Os ators od sr usados análss adconas Tst d Dfrnças ntr as Médas das varávs X d acordo co o taanho das rsas (X8) X8=0 X8= t valor X 4,967,5 8,07 0 X,94833,9875-4,56 0 X3 8,667 6,805 8,83 0 X4 5,333 5,3-0,4 0,686 X6,6967,65 0,45 0,65 X7 6,09 8,95-9,9 0 Valor básco Iag -0, , ,77 0 0,0588-0,0788 0,68 0,499 Os rsultados do tst d hóts s anté na análs dos ators

56 Coonnts Prncas x Análs atoral Abas busca ua Rdução d Dnsonaldad, or xlcar u conunto d dados ultvarados usando u conunto nor d varávs CONTUDO, os crtéros d otaldad usados cada caso são dfrnts: An.. é óta no sntdo d xlcar as covarâncas/corrlaçõs ntr as varávs or o d fators couns. An.C.P. xlca a varânca total das varávs obsrvadas. Na análs d C.P. s o núro d coonnts rtdos é auntado, sto NÃO altra os antrors, as sto od não acontcr na Análs atoral, rncalnt sob a solução d MVS. Cálculo dos scors C.P. t solução únca. No caso d A.. (va MVS) xst dfrnts rocdntos nfrncas roostos.

57 Coonnts Prncas x Análs atoral As análss d C.P. va atrz d covarânca (=Cov()) ou d corrlação (R=Cov(*) são dfrnts. Na Análs atoral va MVS a solução ara a atrz d covarânca é obtda da solução da atrz d corrlação: / D s *, D / s * D / s, co n coo dvsor d s Tst (assntótco) da adquação do odlo fatoral: H0 : H : co strutura gral A statístca da razão d vrosslhanças (sob noraldad) é: ˆ ˆ ˆ L0 ln nln L S n Usando a corrção d Bartltt, rta-s H0 a u nívl d sgnfcânca α s: ˆ ˆ ˆ n 4 5/ 6ln ( ) S n ( ) /

MAE 0330 ANÁLISE MULTIVARIADA DE DADOS. Análise Fatorial. Júlia M Pavan Soler

MAE 0330 ANÁLISE MULTIVARIADA DE DADOS. Análise Fatorial. Júlia M Pavan Soler MAE 0330 ANÁLISE MULTIVARIADA DE DADOS Análs atoral Júla M Pavan Solr avan@.us.br S/07 Análs d Coonnts Prncas Consdr os sgunts dados: E u studo co caundongos, o so cororal ( graas) d 50 fêas fo ddo logo

Leia mais

Estatística Multivariada Normal Multivariada Função densidade conjunta e contorno de probabilidade

Estatística Multivariada Normal Multivariada Função densidade conjunta e contorno de probabilidade Estatístca ultvarada Normal ultvarada Função dnsdad conjunta contorno d robabldad Prof. José Francsco orra Pssanha rofssorjfm@hotmal.com Dstrbução normal unvarada Sja uma varávl alatóra normalmnt dstrbuída

Leia mais

Disciplina: Análise Multivariada I Prof. Dr. Admir Antonio Betarelli Junior AULA 3

Disciplina: Análise Multivariada I Prof. Dr. Admir Antonio Betarelli Junior AULA 3 Dscna: Anás utvarada I Prof. Dr. Adr Antono Btar Junor AUA 3 ANÁISE ATORIA A Coo vsto a anás d coonnts rncas rocura sconar u nro íno d coonnts não corraconados ara xrssar o áxo ossív da varânca tota. Sarnt

Leia mais

sendo classificado como modelo de primeira ordem com (p) variáveis independentes.

sendo classificado como modelo de primeira ordem com (p) variáveis independentes. RGRSSAO MULTIPLA - comlmtação Itrodução O modlo lar d rgrssão múltla é da forma: sdo classfcado como modlo d rmra ordm com () varávs ddts. od: é a varávl d studo (ddt, xlcada, rsosta ou dóga); é o cofct

Leia mais

Análise de regressão

Análise de regressão Análs d rgrssão Slvana Lags Rbro Garca FDV Hlo Garca Lt UFV Um dos usos da análs d rgrssão é vrfcar s, como, uma ou mas varávs ndpndnts nfluncam o comportamnto d outra varávl dpndnt Y. As varávs ndpndnts

Leia mais

NOTAS DE AULA DA DISCIPLINA CE076

NOTAS DE AULA DA DISCIPLINA CE076 5. COMPONENTES PRINCIPAIS 5. Introdução A análse de Comonentes Prncas está relaconada com a exlcação da estrutura de covarânca or meo de oucas combnações lneares das varáves orgnas em estudo, ou sea, rocura

Leia mais

MODELOS DE REGRESSÃO PARA DADOS DE CONTAGEM. O modelo log-linear de Poisson

MODELOS DE REGRESSÃO PARA DADOS DE CONTAGEM. O modelo log-linear de Poisson MODELOS DE REGRESSÃO PARA DADOS DE CONTAGEM O modlo log-lnar d Posson Intrss m modlar a dstrbução d uma varávl rfrnt a algum tpo d contagm m função d covarávs. A stratéga mas comum para modlagm nssas stuaçõs

Leia mais

3. VARIÁVEIS ALEATÓRIAS

3. VARIÁVEIS ALEATÓRIAS 3. VARIÁVEIS ALEATÓRIAS 0 Varávl alatóra Ω é o spaço amostral d um prmnto alatóro. Uma varávl alatóra,, é uma função qu atrbu um númro ral a cada rsultado m Ω. Emplo. Rtra-s, ao acaso, um tm produzdo d

Leia mais

Análise de dados industriais

Análise de dados industriais Análs d dados ndustras Escola Poltécnca Dpartamnto d Engnhara Químca Robrto Guardan 014 ANÁLISE DE COMPONENES PRINCIPAIS 3.1. Introdução Componnts prncpas são combnaçõs lnars das varávs orgnas d procsso,

Leia mais

2 Principais Técnicas de Análise Multivariada

2 Principais Técnicas de Análise Multivariada Prncas Técncas d Análs Multvarada As nraçõs abrdadas na squsa d ca rsultara u banc d dads c crca d 550 varávs. Para acltar a ltura dstas varávs utlzad u data nng ara rganzaçã d banc d dads a alcaçã d alguas

Leia mais

4 Modelo Elastoplástico UBCSand

4 Modelo Elastoplástico UBCSand 53 4 Modlo Elastolástico UCSand 4.1. Introdução O odlo UCSand oi dsnvolvido lo rossor tr M. yrn na Univrsidad da ritish Colubia, Vancouvr, Canadá (yrn t al., 1995; aty & yrn; 1998; yrn t al., 004a), sndo

Leia mais

Análise de correlação canônica na descrição de potenciais de desenvolvimento nos municípios de Minas Gerais

Análise de correlação canônica na descrição de potenciais de desenvolvimento nos municípios de Minas Gerais Anális d corrlação canônica na dscrição d otnciais d dsnvolvimnto nos municíios d Minas Grais Introdução Naj Clécio Nuns da Silva Wdrson Landro Frrira Gilbrto Rodrigus Liska João Domingos Scalon Marclo

Leia mais

NOTAS DE AULA DA DISCIPLINA CE076

NOTAS DE AULA DA DISCIPLINA CE076 NOTAS DE AULA DA DISCIPLINA CE76 6. ANÁLISE FATORIAL 6.. Introdução A Análse Fatoral teve níco odernaente no prncípo do século XX co K. Pearson e C. Spearan, que estudara as eddas de ntelgnca. A dfculdade

Leia mais

Capítulo 2. Mistura e Convecção

Capítulo 2. Mistura e Convecção Caítulo Mistura Convção Mistura Mistura Isobária Mistura Adiabátia Mistura isobária M,, q, w,p M,, q, w,p M,,q,w,P Média Pondrada das assas q q q w w w Uidad sífia Razão d istura Prssão d Vaor S durant

Leia mais

Problemas. Regressão Linear Múltipla. Ajuda a encontrar relações Ceteris Paribus entre variáveis; Melhora o ajuste ao dados; Maior flexibilidade.

Problemas. Regressão Linear Múltipla. Ajuda a encontrar relações Ceteris Paribus entre variáveis; Melhora o ajuste ao dados; Maior flexibilidade. Prof. Lorí Val, Dr. val@at.ufrgs.br http://www.at.ufrgs.br/~val/ Rgrssão Lar Múltpla O odlo d rgrssão lar últpla Itrodução Dfção trologa Itrprtação Estação Itrprtação rvstada Qualdad do aust Proprdads

Leia mais

Modelos com Variáveis Dependentes Qualitativas. Prob(Y = 1) = F(β X) probabilidade de um indivíduo com determinadas características X trabalhar

Modelos com Variáveis Dependentes Qualitativas. Prob(Y = 1) = F(β X) probabilidade de um indivíduo com determinadas características X trabalhar Modlos co Varávs Dpdts Qualtatvas Cosdr, por xplo, odlar a partcpação a força d trabalho. Atrbura-s valor zro a ão partcpação p u a partcpação p o rcado d trabalho. Fators tas coo: dad, ducação, stado

Leia mais

MATRIZES 04) (FATEC-SP) Seja A a ij uma matriz quadrada de . Nessas ordem 2 tal que

MATRIZES 04) (FATEC-SP) Seja A a ij uma matriz quadrada de . Nessas ordem 2 tal que MATRIZES www.profssortnan.com.br 0) (PUC) A matrz A d ordm dfnda por a. é dada por: 4 6 4 6 b) 4 4 6 4 6 ) 0) (UFBA) A matrz, com 0 4 b) 0 4 0 ) 4 a, s, é: a, s 0) S A ( a ) é a matrz quadrada d ordm,

Leia mais

UNIVERSIDADE FEDERAL DE ITAJUBÁ PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE PRODUÇÃO

UNIVERSIDADE FEDERAL DE ITAJUBÁ PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE PRODUÇÃO UNIVERSIDADE FEDERAL DE ITAJUBÁ PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE PRODUÇÃO LUIZ GUSTAVO DIAS LOPES UMA CONTRIBUIÇÃO PARA ANÁLISE DE COMPONENTES PRINCIPAIS EM OTIMIZAÇÃO DE MÚLTIPLAS RESPOSTAS

Leia mais

y z CC2: na saída do reator: z = 1: 0. Pe dz Os valores característicos do problema são as raízes de: Da Pe 0 Pe Pe

y z CC2: na saída do reator: z = 1: 0. Pe dz Os valores característicos do problema são as raízes de: Da Pe 0 Pe Pe COQ-86 Méodos Nuércos para Ssas Dsrbuídos Explos Ilusravos d EDO co Problas d Valors o Cooro -) Modlo sacoáro do raor co dsprsão soérco Coo o obvo ds sudo d caso é lusrar o ovo procdo avalar o su dspo

Leia mais

Resoluções dos exercícios propostos

Resoluções dos exercícios propostos da físca 3 Undad C Capítulo 15 Indução ltromagnétca soluçõs dos xrcícos propostos 1 P.368 D L v, vm: 0,5 0, 1 5 2 V P.369 D L v, vm: 15 6 1 20 3 4 V P.370 a) L v 1,5 0,40 2 1,2 V b) 1,2 2 0,6 Pla rgra

Leia mais

MAE 5776 ANÁLISE MULTIVARIADA

MAE 5776 ANÁLISE MULTIVARIADA MAE 5776 ANÁLISE MULTIVARIADA Júla M Pavan Soler avan@me.us.br º Sem/09 - IME n n j Análse Multvarada Matrz de Dados: Estatístcas descrtvas multvaradas em, e Esódes de Concentração, Boxlot Bvarado, Esaços

Leia mais

Deformações devidas a carregamentos verticais

Deformações devidas a carregamentos verticais Dformaçõs dvdas a carrgamntos vrtcas GEOTECNIA II SLIDES 07 Prof. MSc. Douglas M. A. Bttncourt prof.douglas.pucgo@gmal.com Rcalqus dvdo a carrgamntos na suprfíc Exmplos: Rcalqus d fundaçõs (sapatas ou

Leia mais

Análise de Regressão Linear Múltipla IV

Análise 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 mais

COLEÇÃO DARLAN MOUTINHO VOL. 04 RESOLUÇÕES. com. e voce

COLEÇÃO DARLAN MOUTINHO VOL. 04 RESOLUÇÕES. com. e voce COLEÇÃO DARLAN MOUTINHO VOL. 04 RESOLUÇÕES voc o c voc RESOLUÇÃO voc A1 [A] valors ínio áxio igual a -1 1. Portanto, b =. Coo o valor édio a dfasag são nulos a = 0 k = 0. T-s a sguint função: Os valors

Leia mais

/ d0) e economicamente (descrevendo a cadeia de causação

/ d0) e economicamente (descrevendo a cadeia de causação UNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE DEPARTAMENTO DE ECONOMIA EAE 26 Macroconoma I º Smstr 27 Profssor Frnano Rugtsky Lsta Exrcícos [] Consr uma macroconoma scrta

Leia mais

). Quer os eixos de S quer os de S

). Quer os eixos de S quer os de S CAPÍULO RANSFORMAÇÃO LINEAR DE COORDENADAS Nst capítulo é aprsntada a ddução da prssão qu prmt transformar as coordnadas d um ponto no spaço d um rfrncal ( S) para outro ( S ). Qur os os d S qur os d S

Leia mais

A Transformação Karhunen-Loève - Compressão por Decomposição em Sub-Espaços. A Transformação Karhunen-Loève (KLT) projeta um conjunto X de vetores de

A Transformação Karhunen-Loève - Compressão por Decomposição em Sub-Espaços. A Transformação Karhunen-Loève (KLT) projeta um conjunto X de vetores de PUCRS Faculdad d Engnhara Dpartanto d Engnhara Elétrca Codfcação d Snas por F.C.C D Castro.C.F. D Castro Capítulo VI A ransforação Karhunn-Loèv - Coprssão por Dcoposção Sub-Espaços 6. Introdução A ransforação

Leia mais

NOTAS DE AULA DA DISCIPLINA CE DENSIDADE NORMAL MULTIVARIADA E SUAS PROPRIEDADES

NOTAS DE AULA DA DISCIPLINA CE DENSIDADE NORMAL MULTIVARIADA E SUAS PROPRIEDADES NOTAS DE AULA DA DISCIPLINA CE76 3 DISTRIBUIÇÃO NORMAL MULTIVARIADA 3 DENSIDADE NORMAL MULTIVARIADA E SUAS PROPRIEDADES A densdade normal multvarada é uma generalação da densdade normal unvarada ara dmensões

Leia mais

Análise Multivariada

Análise Multivariada Análse Multvarada Aula 3: Análse Fatoral Prof. Admr Antono Betarell Junor Juz de Fora Análse Fatoral ACP procura seleconar um n mínmo de componentes, não correlaconados, para expressar o máxmo possível

Leia mais

5. MODELOS MECÂNICOS - N GL

5. MODELOS MECÂNICOS - N GL BRAÇÕE MECÂNCA - CAPÍUO 5 - MODEO MECÂNCO 6 5. MODEO MECÂNCO - N G O studo das vbraçõs lvrs orçadas d sstas ânos, o odlos dsrtos, sto é, o N graus d lbrdad, é to a partr d odlos obtdos através d uaçõs

Leia mais

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

ECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc. ECONOMETRIA Prof. Patrca Mara Bortolon, D. Sc. Modlos d Escolha Qualtatva Font: GUJARATI; D. N. Economtra Básca: 4ª Edção. Ro d Janro. Elsvr- Campus, 2006 Modlos d scolha qualtatva Varávl dpndnt: bnára

Leia mais

30/09/2015. Distribuições. Distribuições Discretas. p + q = 1. E[X] = np, Var[X] = npq DISTRIBUIÇÃO BINOMIAL. Contínuas. Discretas

30/09/2015. Distribuições. Distribuições Discretas. p + q = 1. E[X] = np, Var[X] = npq DISTRIBUIÇÃO BINOMIAL. Contínuas. Discretas Dstrbuçõs Dscrtas Dstrbuçõs 30/09/05 Contínuas DISTRIBUIÇÃO DE PROBABILIDADE Dscrtas DISTRIBUIÇÃO BIOMIAL Bnomal Posson Consdramos n tntatvas ndpndnts, d um msmo prmnto alatóro. Cada tntatva admt dos rsultados:

Leia mais

Deformações devidas a carregamentos verticais

Deformações devidas a carregamentos verticais Dformaçõs dvdas a carrgamntos vrtcas GEOTECNIA II SLIDES 06 / AULA Prof. MSc. Douglas M. A. Bttncourt prof.douglas.pucgo@gmal.com Rcalqus dvdo a carrgamntos na suprfíc Exmplos: Rcalqus d fundaçõs (sapatas

Leia mais

Métodos Avançados em Epidemiologia

Métodos 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 mais

MODELOS DE REGRESSÃO PARA DADOS BINÁRIOS

MODELOS DE REGRESSÃO PARA DADOS BINÁRIOS MODELOS DE REGRESSÃO PARA DADOS BINÁRIOS Introdução Intrss m modlar algum fnômno alatóro com dos dsfchos possívs ( sucsso ou fracasso ) m função d uma ou mas covarávs. Assoca-s ao rsultado do fnômno uma

Leia mais

28 a Aula AMIV LEAN, LEC Apontamentos

28 a Aula AMIV LEAN, LEC Apontamentos 8 a Aula 49 AMIV LEAN, LEC Apontamntos (RcardoCoutnho@mathstutlpt) 8 Exponncal d matrzs smlhants Proposção 8 S A SJS ond A, S J são matrzs n n,(comdt S 6 ), ntão A S J S Dmonstração Tmos A SJS, dond por

Leia mais

UNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE DEPARTAMENTO DE ECONOMIA

UNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE DEPARTAMENTO DE ECONOMIA UNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE DEPARTAMENTO DE ECONOMIA EAE 26 Macroconoma I º Smstr 27 Príoo Durno Profssors: lbrto Tau Lma Pro arca Duart Lsta Exrcícos

Leia mais

ANOVA Modelos de Efeitos Aleatórios

ANOVA Modelos de Efeitos Aleatórios O Modlos d Eftos latóros Modlos d Eftos latóros Ex. Tmpratura Corporal (ºC d mas Rpl 3 4 5 6 3 5 8 3 8 8 7 3 3 5 4 4 9 8 4 9 7 3 3 Obtvo do Exprmto: Estmar a tmpratura corporal dos amas d crta spéc m codçõs

Leia mais

Associação entre duas variáveis quantitativas

Associação entre duas variáveis quantitativas Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa

Leia mais

1 1 2π. Área de uma Superfície de Revolução. Área de uma Superfície de Revolução

1 1 2π. Área de uma Superfície de Revolução. Área de uma Superfície de Revolução UNIVERSIDADE DO ESTADO DE MATO GROSSO CAMPUS UNIVERSITÁRIO DE SINOP FACULDADE DE CIÊNCIAS EXATAS E TECNOLÓGICAS CURSO DE ENGENHARIA CIVIL DISCIPLINA: CÁLCULO DIFERENCIAL E INTEGRAL I Ára d uma Suprfíc

Leia mais

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência. MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,

Leia mais

Transistor Bipolar de Junção TBJ Cap. 4 Sedra/Smith Cap. 7 Boylestad Cap. 9 Malvino

Transistor Bipolar de Junção TBJ Cap. 4 Sedra/Smith Cap. 7 Boylestad Cap. 9 Malvino Tanssto Bpola d Junção TBJ Cap. 4 Sda/Sth Cap. 7 Boylstad Cap. 9 Malno Análs Pqunos Snas Notas d Aula SEL 313 Ccutos Eltôncos 1 Pat 5 1 o S/2016 Pof. Manol Modlos Pqunos Snas do TBJ Tas odlos são úts paa

Leia mais

ANÁLISE DA QUALIDADE DE RESULTADOS GPS EM PROGRAMAS COMERCIAIS

ANÁLISE DA QUALIDADE DE RESULTADOS GPS EM PROGRAMAS COMERCIAIS UIVRSIDAD FDRAL D SATA MARIA CTRO D CIÊCIAS RURAIS PROGRAMA D PÓS-GRADUAÇÃO M GOMÁTICA AÁLIS DA QUALIDAD D RSULTADOS GPS M PROGRAMAS COMRCIAIS DISSRTAÇÃO D MSTRADO ALARICO VALLS D MORAS Santa Mara, RS,

Leia mais

Integração numérica: Método de Euler

Integração numérica: Método de Euler Intgração nuérica: Método d Eulr Quando ua partícula s ov sob influência d forças co rsultant constant, sua aclração tabé é constant, podos ncontrar sua vlocidad posição a cada instant a partir d fórulas

Leia mais

AVALIAÇÃO NUMÉRICA DA EFICIÊNCIA DE UMA LIGAÇÃO VIGA-PILAR SEMI-RÍGIDA EM ESTRUTURAS DE CONCRETO PRÉ-MOLDADO

AVALIAÇÃO NUMÉRICA DA EFICIÊNCIA DE UMA LIGAÇÃO VIGA-PILAR SEMI-RÍGIDA EM ESTRUTURAS DE CONCRETO PRÉ-MOLDADO o NCONTRO NACONAL D PRODUÇÃO PROJTO PSQUSA CONCRTO PRÉ-OLDADO AVALAÇÃO NUÉRCA DA FCÊNCA D UA LGAÇÃO VGA-PLAR S-RÍGDA STRUTURAS D CONCRTO PRÉ-OLDADO Autor: Joaqui ota CONCTUAÇÃO DA LGAÇÃO VGA-PLAR S-RÍGDA

Leia mais

CÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano

CÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 7 e 8 06/204 Ajuste de Curvas AJUSTE DE CURVAS Cálculo Nuérco 3/64 INTRODUÇÃO E geral, experentos gera ua gaa de dados que

Leia mais

AÇÕES BÁSICAS DE CONTROLE E CONTROLADORES AUTOMÁTICOS INDUSTRIAIS

AÇÕES BÁSICAS DE CONTROLE E CONTROLADORES AUTOMÁTICOS INDUSTRIAIS Projto Rng - Eng. Elétrca Apostla d stmas d Control I V- &$3Ì78/ 9 AÇÕE BÁICA DE CONTROLE E CONTROLADORE AUTOMÁTICO INDUTRIAI Conform havíamos mnconado no Capítulo I, a busca da qualdad, fcênca prcsão

Leia mais

Resoluções dos exercícios propostos

Resoluções dos exercícios propostos da física P.3 Situação inicial: θ 7 C 7 73 4 K; º Situação final: θ 37 C 37 73 6 K 6 5 º 4 5 5 º P.33 a) Analisando os dados da tabla, concluímos qu a rlação ntr os alors do olum ( ) os corrsondnts alors

Leia mais

Otimização de Redes de Distribuição de Água com Bombeamento

Otimização de Redes de Distribuição de Água com Bombeamento Otzação d Rds d strbução d Água co Bobanto Ua rd d dstrbução d água é coposta por u conunto d canos u ntrlga nós os uas rprsnta consudors (casas ndústras tc.) forncdors d água (caas d'água staçõs d tratanto

Leia mais

5.10 EXERCÍCIO pg. 215

5.10 EXERCÍCIO pg. 215 EXERCÍCIO pg Em cada um dos sguints casos, vriicar s o Torma do Valor Médio s aplica Em caso airmativo, achar um númro c m (a, b, tal qu (c ( a - ( a b - a a ( ; a,b A unção ( é contínua m [,] A unção

Leia mais

Teoria dos Jogos. Prof. Maurício Bugarin Eco/UnB 2014-I. Aula 7 Teoria dos Jogos Maurício Bugarin. Roteiro

Teoria dos Jogos. Prof. Maurício Bugarin Eco/UnB 2014-I. Aula 7 Teoria dos Jogos Maurício Bugarin. Roteiro Tora dos Jogos Prof. Mauríco Bugarn Eco/UnB 4-I Rotro Capítulo : Jogos dnâmcos com nformação complta. Jogos Dnâmcos com Informação Complta Prfta Forma xtnsva Estratégas Equlíbro d Nash Subjogos qulíbro

Leia mais

3 A técnica de computação intensiva Bootstrap

3 A técnica de computação intensiva Bootstrap A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.

Leia mais

4 Critérios para Avaliação dos Cenários

4 Critérios para Avaliação dos Cenários Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada

Leia mais

MAE 317 Planejamento e Pesquisa I Profa. Júlia Maria Pavan Soler

MAE 317 Planejamento e Pesquisa I Profa. Júlia Maria Pavan Soler MAE 317 Planeamento e Pesqusa I Profa. Júla Mara Pavan Soler pavan@me.usp.br IME/USP 1º Semestre/019 Delneamento Aleatorzado em Blocos Completos (DABC) Motvação Por que planear um expermento? Como dmnur

Leia mais

3 ANALISE ESTÁTICA DA ESTABILIDADE - MÉTODO RAYLEIGH RITZ.

3 ANALISE ESTÁTICA DA ESTABILIDADE - MÉTODO RAYLEIGH RITZ. ANALISE ESTÁTICA DA ESTABILIDADE MÉTODO RAYLEIGH RITZ Alguns roblmas d stabilidad d struturas não odm sr rsolvidos or métodos analíticos ou são rsolvidos d forma mais fácil utilizando métodos aroximados

Leia mais

Tecnologia de Grupo. 1. Justificativa e Importância da Tecnologia de Grupo. 2. Algoritmo de Ordenação Binária. = 1 se a máquina i

Tecnologia de Grupo. 1. Justificativa e Importância da Tecnologia de Grupo. 2. Algoritmo de Ordenação Binária. = 1 se a máquina i Tecnologa de Grpo 1. Jstfcatva e Iportânca da Tecnologa de Grpo Tecnologa de grpos é conceto portante aplcado na foração de céllas de anfatra. A organzação do sstea de prodção e céllas de anfatra poss

Leia mais

Tratamento de Dados 2º Semestre 2005/2006 Tópicos de Resolução do Trabalho 1

Tratamento de Dados 2º Semestre 2005/2006 Tópicos de Resolução do Trabalho 1 Trataento de Dados º Seestre 5/6 Tópcos de Resolução do Trabalho. a) A éda, para dados não classfcados, é calculada a partr da segunte expressão: x x 57,75,555 Dado que a densão da aostra é par,, a edana

Leia mais

FÍSICA MODERNA I AULA 22 -

FÍSICA MODERNA I AULA 22 - Unvrsa São Paulo Insuo Físca FÍSIC MODRN I UL - Profa. Márca la Rzzuo Pllron sala 4 rzzuo@f.us.br o. Ssr 04 Monor: Gabrl M. Souza Sanos Págna o curso: ://sclnas.soa.us.br/cours/vw.?=905 30/05/04 Função

Leia mais

Modelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados

Modelo 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 mais

MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel

MOQ-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 mais

Delineamento Aleatorizado em Blocos Completos (DABC)

Delineamento 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 mais

TENSORES 1.1 INTRODUÇÃO

TENSORES 1.1 INTRODUÇÃO nsors ENSORES. INRODUÇÃO Os lmntos sóldos utlzados m Engnhara Mcânca das Estruturas dsnolm-s num spaço trdmnsonal no qu rspta à sua Gomtra, sndo ncssáro posconar pontos, curas, suprfícs obctos no spaço

Leia mais

Padrões espaciais de pobreza rural: uma análise exploratória na Bacia do Rio São Francisco, Brasil

Padrões espaciais de pobreza rural: uma análise exploratória na Bacia do Rio São Francisco, Brasil Padrões esacas de obreza rural: uma análse exloratóra na Baca do Ro São Francsco, Brasl Autores: Marcelo de O. Torres, Stehen A. Vost, Marco P. Maneta Wesley W. Wallender, Lneu N. Rodrgues, Lus H. Basso

Leia mais

Resolver problemas com amostragem aleatória significa gerar vários números aleatórios (amostras) e repetir operações matemáticas para cada amostra.

Resolver problemas com amostragem aleatória significa gerar vários números aleatórios (amostras) e repetir operações matemáticas para cada amostra. Dscplna: SComLMol Numann, Ulam Mtropols (945-947) Numann Ulam [945] prcbram qu problmas dtrmnístcos podm sr transormados num análogo probablístco qu pod sr rsolvdo com amostragm alatóra. Els studavam dusão

Leia mais

Regressão Múltipla. Parte I: Modelo Geral e Estimação

Regressão 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

UNIVERSIDADE DE SÃO PAULO Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto Departamento de Economia

UNIVERSIDADE DE SÃO PAULO Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto Departamento de Economia Faculdad d Econoia, Adinistração Contabilidad d Ribirão Prto Dpartanto d Econoia REC00 MICROECONOMIA PRIMEIRA PROVA (0) ROBERTO GUENA () Esboç u apa d curvas d indifrnças para cada ua das funçõs d utilidad

Leia mais

E X A M E ª FASE, V E R S Ã O 1 P R O P O S T A D E R E S O L U Ç Ã O

E X A M E ª FASE, V E R S Ã O 1 P R O P O S T A D E R E S O L U Ç Ã O Prparar o Eam 05 Matmática A E X A M E 0.ª FASE, V E R S Ã O P R O P O S T A D E R E S O L U Ç Ã O. Tm-s qu P A P A P A GRUPO I ITENS DE ESCOLHA MÚLTIPLA 0, 0, 0,. Assim: P B A PB A 0,8 0,8 PB A 0,8 0,

Leia mais

Representação e Descrição de Regiões

Representação e Descrição de Regiões Depos de uma magem ter sdo segmentada em regões é necessáro representar e descrever cada regão para posteror processamento A escolha da representação de uma regão envolve a escolha dos elementos que são

Leia mais

Míriam Márcia Carvalho da Conceição

Míriam Márcia Carvalho da Conceição Míra Márca arvalho da onceção UMA PROPOSTA DO ÍNDIE PM MULTIVARIADO E IMPLEMENTAÇÃO OMPUTAIONAL NO SOFTAWE MINITAB FOR WINDOWS DOS ÍNDIES DE APAIDADE MULTIVARIADOS DE HEN MODIFIADOS, PROPOSTOS POR MINGOTI

Leia mais

Teoria unificada da relatividade absoluta B (I) António José Saraiva Bases teóricas da teoria da relatividade absoluta

Teoria unificada da relatividade absoluta B (I) António José Saraiva Bases teóricas da teoria da relatividade absoluta Toria uniiada da rlatividad absoluta B (I António José Saraiva - -7- ajs@otail.o Introdução Tudo é absolutant rlativo, inluindo a vloidad da luz. A artir d u quno ornor atátio das quaçõs d Lorntz, dduzios

Leia mais

PROPOSTA DE RESOLUÇÃO DA PROVA DE MATEMÁTICA A DO ENSINO SECUNDÁRIO (CÓDIGO DA PROVA 635) 2ª FASE 21 DE JULHO Grupo I. Questões

PROPOSTA DE RESOLUÇÃO DA PROVA DE MATEMÁTICA A DO ENSINO SECUNDÁRIO (CÓDIGO DA PROVA 635) 2ª FASE 21 DE JULHO Grupo I. Questões PROPOSTA DE RESOLUÇÃO DA PROVA DE MATEMÁTICA A DO ENSINO SECUNDÁRIO (CÓDIGO DA PROVA 63) ª FASE 1 DE JULHO 014 Grupo I Qustõs 1 3 4 6 7 8 Vrsão 1 C B B D C A B C Vrsão B C C A B A D D 1 Grupo II 11 O complo

Leia mais

Cap. 7. Princípio dos trabalhos virtuais

Cap. 7. Princípio dos trabalhos virtuais Cap. 7. Prncípo dos trabalhos vrtuas. Enrga d dformação ntrna. Dfnção prssupostos adoptados. Dnsdad da nrga d dformação ntrna.3 Caso partcular: L consttutva é rprsntada pla rcta.4 Enrga d dformação ntrna.

Leia mais

Seja o problema primal o qual será solucionado utilizando o método simplex Dual: (P)

Seja o problema primal o qual será solucionado utilizando o método simplex Dual: (P) PROGRAMA DE MESTRADO PROGRAMAÇÃO LIEAR PROFESSOR BALEEIRO Método Splex Dual no Tableau Garfnkel-ehauser E-al: abaleero@gal.co Ste: www.eeec.ufg.br/~baleero Sea o problea pral o qual será soluconado utlzando

Leia mais

CE-704 ANÁLISE MULTIVARIADA APLICADA À PESQUISA

CE-704 ANÁLISE MULTIVARIADA APLICADA À PESQUISA CE-74 ANÁLISE MULTIVARIADA APLICADA À PESQUISA NOTAS DE AULA Estas notas de aula seguem de muto erto os lvros referencados na BIBLIOGRAFIA e que na verdade corresondem aos lvros tetos deste Curso. Sugere-se

Leia mais

E X A M E ª FASE, V E R S Ã O 1 P R O P O S T A D E R E S O L U Ç Ã O

E X A M E ª FASE, V E R S Ã O 1 P R O P O S T A D E R E S O L U Ç Ã O Prparar o Eam 05 Matmática A E X A M E 0.ª FASE, V E R S Ã O P R O P O S T A D E R E S O L U Ç Ã O. Tm-s qu P A P A P A GRUPO I ITENS DE ESCOLHA MÚLTIPLA 0, 0, 0,. Assim: P B A PB A 0,8 0,8 PB A 0,8 0,

Leia mais

Pág Circunferência: ( ) ( ) 5.4. Circunferência: ( ) ( ) A reta r passa nos pontos de coordenadas (0, 1) e (2, 2).

Pág Circunferência: ( ) ( ) 5.4. Circunferência: ( ) ( ) A reta r passa nos pontos de coordenadas (0, 1) e (2, 2). Númros complxos Atvdad d dagnóstco AB + + + AB ( ) ( ) ( ) + + + 9+ A, ; B, ; P x, y Pág AP BP x+ y x + y + x + x + + y x + x x + + y + x + yx y x A bsstr dos quadrants ímpars é a mdatr d [AB] B(, ) ;

Leia mais

k m d 2 x m z = x + iy, d 2 z m Essa mesma equação também pode ser escrita assim: dt 2 + ω2 0z = F 0 Veja que interessante a propriedade seguinte:

k m d 2 x m z = x + iy, d 2 z m Essa mesma equação também pode ser escrita assim: dt 2 + ω2 0z = F 0 Veja que interessante a propriedade seguinte: Oscilaçõs forçadas Dpois d tr visto coo são as oscilaçõs aortcidas, agora você pod facilnt ntndr as oscilaçõs forçadas. Aqui vou ignorar a dissipação apnas introduzir ua força oscilant ao sista assa-ola.

Leia mais

Neste capítulo abordam-se os principais conceitos relacionados com os cálculos de estatísticas, histogramas e correlação entre imagens digitais.

Neste capítulo abordam-se os principais conceitos relacionados com os cálculos de estatísticas, histogramas e correlação entre imagens digitais. 1 1Imagem Dgtal: Estatístcas INTRODUÇÃO Neste capítulo abordam-se os prncpas concetos relaconados com os cálculos de estatístcas, hstogramas e correlação entre magens dgtas. 4.1. VALOR MÉDIO, VARIÂNCIA,

Leia mais

Transistores Bipolares de Junção Parte II Transistores Bipolares de Junção (TBJs) Parte II

Transistores Bipolares de Junção Parte II Transistores Bipolares de Junção (TBJs) Parte II ansstos Bpolas d Junção Pat ansstos Bpolas d Junção (BJs) Pat apítulo 4 d (SDA SMH, 1996). SUMÁO 4.7. O anssto oo Aplfado 4.8. Modlos qualnts paa Pqunos Snas 4.9. Análs Gáfa 4.7. O ANSSO OMO AMPLFADO Paa

Leia mais

DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS

DIAGNÓSTICO 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 mais

UNIVERSIDADE TÉCNICA DE LISBOA INSTITUTO SUPERIOR DE ECONOMIA E GESTÃO MERCADOS E INVESTIMENTOS FINANCEIROS FORMULÁRIO

UNIVERSIDADE TÉCNICA DE LISBOA INSTITUTO SUPERIOR DE ECONOMIA E GESTÃO MERCADOS E INVESTIMENTOS FINANCEIROS FORMULÁRIO UIVESIDADE TÉCICA DE LISBOA ISTITUTO SUEIO DE ECOOIA E GESTÃO ECADOS E IVESTIETOS IACEIOS OULÁIO 0. Apresentação O desenvolvento da teora e Gestão de Carteras de Valores obláros deve uto dos prncpas conhecentos

Leia mais

TIPOS DE GERADORES DE CC

TIPOS DE GERADORES DE CC ANOTAÇÕS D MÁQUINAS LÉTRICAS 17 TIPOS D GRADORS D CC S dfnm m função dos tpos d bobnas dos pólos. ssas bobnas, atravssadas pla corrnt d xctação, produzm a força magntomotrz qu produz o fluxo magnétco ndutor.

Leia mais

1. CORRELAÇÃO E REGRESSÃO LINEAR

1. 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 mais

PRESSUPOSTOS DO MODELO DE REGRESSÃO

PRESSUPOSTOS 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 mais

QUADRO DE DADOS GENÉRICO

QUADRO DE DADOS GENÉRICO QUADRO D DADOS GNÉRICO Cada aostra está localzada no ponto co coordenadas e é caracterzada por p atrbutos ou varáves z. z - Varável regonalzada eplos: Teores quícos e aostras de solos Porosdades Intensdade

Leia mais

3 O Método Híbrido dos Elementos de Contorno e sua formulação simplificada aplicados a problemas estáticos em domínio infinito e multiplamente conexo

3 O Método Híbrido dos Elementos de Contorno e sua formulação simplificada aplicados a problemas estáticos em domínio infinito e multiplamente conexo 3 O Método Hírdo dos Elmntos d Contorno sua formulação smplfcada aplcados a prolmas státcos m domíno nfnto multplamnt conxo A valdad d amas as formulaçõs hírdas aprsntadas no capítulo antror stá na possldad

Leia mais

1.1 O Círculo Trigonométrico

1.1 O Círculo Trigonométrico Elmntos d Cálculo I - 06/ - Drivada das Funçõs Trigonométricas Logarítmicas Prof Carlos Albrto S Soars Funçõs Trigonométricas. O Círculo Trigonométrico Considrmos no plano a cirncunfrência d quação + =,

Leia mais

Prova Escrita de Matemática A 12. o Ano de Escolaridade Prova 635/Versões 1 e 2

Prova Escrita de Matemática A 12. o Ano de Escolaridade Prova 635/Versões 1 e 2 Eam Nacional d 0 (. a fas) Prova Escrita d Matmática. o no d Escolaridad Prova 3/Vrsõs GRUPO I Itns Vrsão Vrsão. (C) (). () (C) 3. () (C). (D) (). (C) (). () () 7. () (D) 8. (C) (D) Justificaçõs:. P( )

Leia mais

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro

RAD1507 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 mais

Teste do Qui-Quadrado( ) 2 x

Teste do Qui-Quadrado( ) 2 x Tst do Qui-Quadrado( ) Tst do Qui-Quadrado É usado quando qurmos comparar Frqüências Obsrvadas (F ) com Frqüências Espradas (F ). Divid-s m três tipos: Tst d adquação do ajustamnto Tst d adrência Tst d

Leia mais

UNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE DEPARTAMENTO DE ECONOMIA

UNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE DEPARTAMENTO DE ECONOMIA UNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISRAÇÃO E CONABILIDADE DEPARAMENO DE ECONOMIA EAE 26 Macroconomia I 1º Smstr d 217 Profssor Frnando Rugitsky Lista d Exrcícios 4 [1] Considr uma macroconomia

Leia mais

Solução da equação de Poisson 1D com coordenada generalizada

Solução da equação de Poisson 1D com coordenada generalizada Solução da quação d Poisson 1D com coordnada gnralizada Guilhrm Brtoldo 8 d Agosto d 2012 1 Introdução Ao s rsolvr a quação d Poisson unidimnsional d 2 T = fx), 0 x 1, 1) dx2 sujita às condiçõs d contorno

Leia mais

Cálculo de Autovalores, Autovetores e Autoespaços Seja o operador linear tal que. Por definição,, com e. Considere o operador identidade tal que.

Cálculo de Autovalores, Autovetores e Autoespaços Seja o operador linear tal que. Por definição,, com e. Considere o operador identidade tal que. AUTOVALORES E AUTOVETORES Dfiniçõs Sja um oprador linar Um vtor, é dito autovtor, vtor próprio ou vtor caractrístico do oprador T, s xistir tal qu O scalar é dnominado autovalor, valor próprio ou valor

Leia mais

r = (x 2 + y 2 ) 1 2 θ = arctan y x

r = (x 2 + y 2 ) 1 2 θ = arctan y x Sção 0: Equação d Laplac m coordnadas polars Laplaciano m coordnadas polars. Sja u = ux, y uma função d duas variávis. Dpndndo da rgião m qu a função stja dfinida, pod sr mais fácil trabalhar com coordnadas

Leia mais

EPUSP-PQI-3104 a8 2/10 /17 misturas não ideais aantunha Pag. 1 de 14 Termodinâmica e Operações Unitárias

EPUSP-PQI-3104 a8 2/10 /17 misturas não ideais aantunha Pag. 1 de 14 Termodinâmica e Operações Unitárias PUP-PQI-34 a8 / /7 isturas não idais aantunha Pag. d 4 rodinâica Oraçõs Unitárias PUP-PQI-34 a8 / /7 isturas não idais aantunha Pag. d 4 No quacionanto d 3 stados/corrnts binários, isobáricos, quiantos/stágios

Leia mais

Capítulo 8. (d) 1) 0,5 2) 1,0 3) 0,5 4) 0 5) 2/3 6) 1/2. Problema 02. (a) (b)

Capítulo 8. (d) 1) 0,5 2) 1,0 3) 0,5 4) 0 5) 2/3 6) 1/2. Problema 02. (a) (b) Capítulo Problma. Ω{C C C C C5 C R R R R R5 R} Od: Ccara Rcoroa 5 P 5 5 P 7 7 7 7 7 7 c Sm pos P j P P j j d 5 5 5 / / Problma. P 5 P 5 9 5 7 9 c Não pos P P P 9 d P / P / 5 P 5 P 5 Problma. Prchdo os

Leia mais

Enunciados equivalentes

Enunciados equivalentes Lógica para Ciência da Computação I Lógica Matmática Txto 6 Enunciados quivalnts Sumário 1 Equivalência d nunciados 2 1.1 Obsrvaçõs................................ 5 1.2 Exrcícios rsolvidos...........................

Leia mais