UNIVERSIDADE FEDERAL DO PARÁ INSTITUTO DE CIÊNCIAS EXATAS E NATURAIS FACULDADE DE ESTATÍSTICA
|
|
- Benedita Malheiro Fartaria
- 8 Há anos
- Visualizações:
Transcrição
1 UNIVERSIDADE FEDERAL DO PARÁ INSTITUTO DE CIÊNCIAS EXATAS E NATURAIS FACULDADE DE ESTATÍSTICA Estimação Bayesiana Curso: Bacharelado em Estatística Disciplina: Estatística Aplicada Nome: Denis Ribeiro do Nascimento Matrícula: Belém-PA 2014
2 INFERÊNCIA BAYESIANA A teoria Bayesiana foi desenvolvida por Thomas Bayes em meados do século XVIII, o qual propôs uma teoria subjetiva de probabilidade, baseada principalmente em um conhecimento a priori em relação às incertezas envolvidas no estudo. No século XX, mais precisamente na década de 30, a análise Bayesiana ressurgiu, após um longo tempo de domínio dos métodos estatísticos frequentistas, com base em alguns estudos teóricos como o de JEFFREYES (1939), que reagindo contra a predominante posição frequentista conseguiu ressuscitar o bayesianismo, apresentando-lhe aplicações lógicas para a resolução de problemas estatísticos em diversas áreas da ciência. Porém, estes estudos exigiam resoluções de integrais complexas, o que fez com que os métodos Bayesianos se sujeitassem a mais algumas décadas de adormecimento. A inferência Bayesiana é o processo de encontrar um modelo de probabilidade para um conjunto de dados e resumir o resultado por uma distribuição de probabilidade sobre os parâmetros do modelo e sobre quantidades não observadas tais como predição para novas observações (GELMAN ET AL., 2003). A metodologia Bayesiana consiste de informações referentes aos dados amostrais (função de verossimilhança), de um conhecimento prévio a respeito dos parâmetros (distribuição a priori) e, a partir destas duas informações, do cálculo de uma distribuição a posteriori dos parâmetros, na qual todas as decisões e inferências são realizadas. O paradigma clássico A inferência clássica é talvez assim rotulada pelo papel predominante que desempenhou na primeira metade deste século sob impulso dos seus fundadores : Karl Pearson, Ronald A. Fischer e Jerzy Neyman. No quadro clássico o principal objetivo da inferência estatística costuma reformular-se do seguinte modo: determinar que generalizações (se algumas possíveis) sobre a população podem fazer-se a partida da amostra que da mesma foi recolhida. A designação de amostra é tomada correntemente como sinônima de observações ou dados estatísticos resultantes de experiências ou inquéritos repetidos em condições semelhantes. O paradigma bayesiano Para Lindley (1990) a substituição do paradigma bayesiano representa uma verdadeira revolução científica no sentido de Kuhn. A semente para a abordagem bayesiana a problemas de inferência foi lançada por Richard Price.
3 Esquema Clássico Modelo Experimental Dados Amostra Inferência Estatística Raciocínio Indutivo Esquema Bayesiano Modelo Experimental Dados Amostra Teorema de Bayes Raciocínio Dedutivo Inferência Estatística Distribuição a priori
4 Teorema de Bayes Uma das relações mais importantes envolvendo probabilidades condicionais é dada pelo Teorema de Bayes. A versão mais simples desse teorema é dada pela fórmula: P (A B) = = O Teorema de Bayes é, para muitos, um dos poucos resultados da matemática que se propõe caracterizar a aprendizagem com a experiência, isto é, a modificação da atitude inicial em relação aos antecedentes, causas, hipóteses ou estados depois de ter informação adicional de que certo acontecimento ou acontecimentos se realizaram (depois de conhecer os dados da experiência ou da observação). Aplicação do Teorema de Bayes A administração de fundo de investimento em ações pretende divulgar, após o encerramento do pregão, a probabilidade de queda de um índice da bolsa no dia seguinte, baseando-se nas informações disponíveis até aquele momento. Suponha que a previsão inicial seja de 0,10. Após encerrado o pregão, a nova informação sugere uma alta do dólar frente ao real. A experiência passada indica que, quando houver queda da bolsa no dia seguinte, 20 % das vezes foram precedidas por esse tipo de notícia no dia anterior. Chamando de E o evento que indica queda da bolsa, a sua probabilidade a priori é P (E) = 0,10%, enquanto a probabilidade de alta é P ( E c ) = 0,90. Se B indicar alta do dólar, então as verossimilhanças são dadas por: P (B E) = 0,20, P (B E c ) = 0,05.
5 Logo, pelo Teorema de Bayes, teremos que: P (B B) =, ou seja, P (E B) = = = = 0,31. Portanto, a nova informação aumenta a probabilidade de que haja queda na bolsa de 10% para 31%. Princípio de verossimilhança, suficiência e condicionalidade A função de verossimilhança tem papel fundamental, quer na inferência clássica, quer na inferência bayesiana, como veículo portador da informação dada pela amostra. O princípio de verossimilhança sustenta que toda informação dada pela amostra ou pela experiência está contida na função de verossimilhança. Mais precisamente, no quadro do modelo, Ƒ = {f (x ): }, Representação da Informação a priori A informação a priori que se pretende incorporar na análise é a informação apriorística possuída por alguém, se identifica como especialista (perito, experto) do problema concreto seja ele o investigador, o estatístico ou outrem e contém elementos subjetivos que, em geral, até dominantes. Estes elementos são muitas vezes radicados em fontes objetivas (dados históricos do problema ou de problemas análogos, factos), sem nelas se esgotarem pelo envolvimento do perito em processos de elaboração mental conducentes à formação das suas crenças sobre
6 aspectos desconhecidos (logo incertos) da modelação considerada para o problema. A quantificação probabilística destas crenças a priori, especificando a chamada distribuição a priori, exige por isso o recurso a conceitos de probabilidade que são estranhos à inferência Clássica. Deve-se recorrer à avaliação directa sempre que tal se afigure viável de susceptível de resultados fiáveis. Distribuições a priori subjetivas Existem situações práticas em que há informação a priori mais ou menos substancial sobre os parâmetros do modelo, quer por parte do decisor, quer por parte de outros indivíduos a que o decisor pode ocorrer. A questão de como obter e quantificar essa informação de natureza essencialmente subjetiva, de modo a transformá-la em uma distribuição a priori que possa ser utilizada para prosseguir com a metodologia Bayesiana. Como é que o Estatístico deve então proceder para responder adequadamente ao problema? Imediatamente várias questões se lhe põem: 1. Que perguntas deve fazer ao(s) especialista(s)? 2. Como ajudar o(s) especialistas, que não necessita (m) de ter conhecimentos de Probabilidade e Estatística, a responder coerente e consistentemente a essas perguntas? 3. Se recorrer a mais do que um especialista, como combinar a informação recebida? 4. Como usar a informação recebida de modo a construir uma distribuição de probabilidade para parâmetros ou acontecimento de interesse? O Estatístico pode optar por não realizar a experiência, fixar um ou mais valores de c, e pedir ao(s) especialistas (s) para atribuir (em) uma probabilidade a priori para o acontecimento A = { > c}.
7 Informação a priori de um especialista sobre um acontecimento Seja A um certo acontecimento de interesse e seja p o valor que o estatístico atribui à probabilidade da realização desse acontecimento, ou seja, P (A) = p. O Estatístico deseja, no entanto, usar a opinião de um especialista como sendo q a credibilidade que ele atribui à realização de A para rever a sua probabilidade a priori de ocorrência de A. Designe-se essa probabilidade, após revisão por P ( A q). Uma abordagem, intuitiva e simples, consiste numa ponderação linear das duas conjecturas relativas à probabilidade de realização de A, ou seja, P (A q) = ω q + (1 ω) p, sendo ω [0,1] um coeficiente de ponderação, o qual deve refletir a importância que o Estatístico atribui à previsão sugerida pelo especialista. Distribuições a priori conjugadas O método mais usado para ultrapassar as dificuldades de eliciação de distribuições a priori subjetivas é basicamente uma inversão do processo de sumariação de uma distribuição de probabilidade: eliciação cuidadosa de um conjunto de medidas resumo da distribuição procurada e adopção de uma forma funcional conveniente com elas consentânea. Famílias conjugadas A família distribucional a selecionar onde vai procurar o membro com os resumos eliciados deve idealmente satisfazer os seguintes requisitos: Versatilidade para acomodar o maior número possível de crenças a priori; Acessibilidade interpretativa para facilitar o processo de sumarização dos seus membros; Simplicidade da derivação analítica das distribuições a posteriori e preditivas.
8 A simplicidade da operação bayesiana poderá ficar garantida se Impuser que a família de distribuições a priori amostragem de (qualquer elemento de) Ƒ = {f (x ): seja fechada sob Θ}, i.e., que h ( ) h ( x) α h ( ) f (x ). Nestas condições, diz-se também que é uma família conjugada de Ƒ. Distribuições a priori não-informativas Estas distribuições começaram por ser dominantemente interpretadas como representações formais de ignorância, mas há hoje uma tendência (motivada pela não aceitação de representações objetivas únicas de ignorância) para encará-las como opções convencionais de defeito a que se recorre em caso de informação a priori insuficiente que torne difícil eliciar uma distribuição subjetiva considerada adequada. Método de Bayes-Laplace O argumento primeiramente invocado para gerar distribuições não informativas foi o Princípio da Razão Insuficiente devido a Bayes e Laplace. De acordo com este princípio, na ausência de razão suficiente para privilegiar umas possibilidades em detrimento de outras, decorrente da escassez informativa a priori deve-se adoptar a equiprobabilidade. No caso em que Θ é finito, digamos Θ = { 1,..., k}, a distribuição não-informativa gerada por este argumento é a distribuição Uniforme Discreta h ( ) =, Ө.
9 Método de Jeffreys A crítica da inconsistência da distribuição uniforme na representação formal da ignorância suscita que esta deva ser invariante sob transformações injectivas. Entre os procedimentos que asseguram esta invariância está aquele advogado por Jeffreys e que se baseia no uso da medida de informação de Fischer sobre ө IR, I ( ) = E [( 2 ө ]. Método de Box-Tiao Em consonância, procuram definir critérios que permitissem retratar a vaguidade relativa de informação a priori e, desse modo, gerar distribuições a priori não informativas. A sua idéia base foi procurar uma reparametrização ᴪ = ᴪ ( ) do modelo {f (x : ө Ө)} para qual a respectiva verossimilhança fosse apena transladada ( exacta ou pelo menos, aproximadamente) pelos dados, i.e., tal que L (ө x) g [ ᴪ (ө) m (x) ] onde g é uma função cuja forma é independente de x 10 e m(x) a função que descreve a transição de L com variação de x ( o parâmetro de localização de L). Uma vez detectada uma transformação ᴪ deste tipo, considera-se para ela uma distribuição que assegure que a respectiva distribuição a posteriori seja essencialmente a verossimilhança normalizada. Distribuições impróprias e suas implicações Constatou-se anteriormente que as distribuições a priori geradas pelas regras de Bayes-Laplace e de Jeffreys são frequentemente, o que suscita naturais interrogações sobre a validade do seu uso em Inferência Bayesiana. Esta abordagem acomoda em particular a distribuição uniforme discreta em IN com probabilidade c = P (ө = k) > 0, k IN.
10 Outra hipótese que permite encarar distribuições impróprias como distribuições de probabilidade consiste em substituir a exigência de aditividade numerável pela aditividade finita. Método da entropia máxima Na procura de objectividade na formulação de distribuições a priori que caracterizem adequadamente um estado de ignorância (1968) sugeriu a idéia de usar o conceito de entropia. Caso Discreto Seja ө um parâmetro discreto com função massa de probabilidade h ( ) e suporte Ө. Define-se entropia de h ( ) como sendo o valor esperado de ln h(ө), ou seja, * (h ()) = - Metodologia Inferencial Ficou explícito que a distribuição a posteriori, h (ө x), é a descrição completa do conhecimento corrente sobre ө obtido da quantificação da informação a priori em h ( ) e da informação amostral em L ( x ) α f ( x ), materializando-se na expressão matemática, h ( x) = Ө. Estimação Pontual A própria idéia de estimação de parâmetros por pontos conduz no cenário bayesiano a tomar como estimativas pontos típicos da distribuição a posteriori, para o que se revela útil a determinação das suas medidas de localização. A escolha das estimativas bayesianas de depende naturalmente da forma de h (ө x), bem como dos objectivos do seu uso. As estimativas mais usadas são a moda a posteriori e a mediana a posteriori (de parâmetros escalares), cuja definição a seguir onde ө = ( 1,..., k ):
11 Moda a posteriori: Média a posteriori: Vetor das medianas a posteriori: Estimação por regiões Um resumo de h ( x) mais informativo do que qualquer estimativa pontual é obtido de uma região de Ө que contenha uma parte substancial da massa probabilidade a posteriori o paralelo bayesiano da região de confiança. R (x) é uma região de credibilidade para se, P [ R (x) x) = x ) d. Qualquer região de credibilidade é definida numericamente, i,e., não é aleatório, e admite uma interpretação probabilística directa e inequívoca em contraste com a região de confiança clássica.
12 Referências Bibliográficas BUSSAB, W. O.; MORETTIN, P. A. Estatística Básica. 6ª ed. Saraiva. São Paulo 2010.
Espaço Amostral ( ): conjunto de todos os
PROBABILIDADE Espaço Amostral (): conjunto de todos os resultados possíveis de um experimento aleatório. Exemplos: 1. Lançamento de um dado. = {1,, 3, 4,, 6}. Doador de sangue (tipo sangüíneo). = {A, B,
Cláudio Tadeu Cristino 1. Julho, 2014
Inferência Estatística Estimação Cláudio Tadeu Cristino 1 1 Universidade Federal de Pernambuco, Recife, Brasil Mestrado em Nutrição, Atividade Física e Plasticidade Fenotípica Julho, 2014 C.T.Cristino
DESENVOLVIMENTO DE UM SOFTWARE NA LINGUAGEM R PARA CÁLCULO DE TAMANHOS DE AMOSTRAS NA ÁREA DE SAÚDE
DESENVOLVIMENTO DE UM SOFTWARE NA LINGUAGEM R PARA CÁLCULO DE TAMANHOS DE AMOSTRAS NA ÁREA DE SAÚDE Mariane Alves Gomes da Silva Eliana Zandonade 1. INTRODUÇÃO Um aspecto fundamental de um levantamento
Prof. Dr. Guanis de Barros Vilela Junior
Prof. Dr. Guanis de Barros Vilela Junior INTRODUÇÃO O que é pesquisa? Pesquisar significa, de forma bem simples, procurar respostas para indagações propostas. INTRODUÇÃO Minayo (1993, p. 23), vendo por
4 Avaliação Econômica
4 Avaliação Econômica Este capítulo tem o objetivo de descrever a segunda etapa da metodologia, correspondente a avaliação econômica das entidades de reservas. A avaliação econômica é realizada a partir
CAP. I ERROS EM CÁLCULO NUMÉRICO
CAP. I ERROS EM CÁLCULO NUMÉRICO 0. Introdução Por método numérico entende-se um método para calcular a solução de um problema realizando apenas uma sequência finita de operações aritméticas. A obtenção
A pesquisa e suas classificações FACULDADE DE COSTA RICA Prof.ª NELIZE A. VARGAS. nelizevargas@hotmail.com O que é pesquisa? MINAYO (l993,p.23), vendo por um prisma mais filósofico, considera a pesquisa
A MATEMÁTICA NO ENSINO SUPERIOR POLICIAL 1
A MATEMÁTICA NO ENSINO SUPERIOR POLICIAL 1 A IMPORTÂNCIA DA MATEMÁTICA O desenvolvimento das sociedades tem sido também materializado por um progresso acentuado no plano científico e nos diversos domínios
Lógica e Raciocínio. Decisão sob Risco Probabilidade. Universidade da Madeira. http://dme.uma.pt/edu/ler/
Lógica e Raciocínio Universidade da Madeira http://dme.uma.pt/edu/ler/ Decisão sob Risco Probabilidade 1 Probabilidade Em decisões sob ignorância a probabilidade dos diferentes resultados e consequências
UNIVERSIDADE DE SÃO PAULO. Faculdade de Arquitetura e Urbanismo
UNIVERSIDADE DE SÃO PAULO Faculdade de Arquitetura e Urbanismo DISTRIBUIÇÃO AMOSTRAL ESTIMAÇÃO AUT 516 Estatística Aplicada a Arquitetura e Urbanismo 2 DISTRIBUIÇÃO AMOSTRAL Na aula anterior analisamos
Modelo de distribuição de probabilidade para o número de bolas chamadas até que alguém bata em um bingo Convencional
Modelo de distribuição de probabilidade para o número de bolas chamadas até que alguém bata em um bingo Convencional Pedro Ferreira de Lima 1 Cícero Carlos Felix de Oliveira 2 Dr. Cláudio Tadeu Cristiano
As pesquisas podem ser agrupadas de acordo com diferentes critérios e nomenclaturas. Por exemplo, elas podem ser classificadas de acordo com:
1 Metodologia da Pesquisa Científica Aula 4: Tipos de pesquisa Podemos classificar os vários tipos de pesquisa em função das diferentes maneiras pelo qual interpretamos os resultados alcançados. Essa diversidade
Matemática Aplicada às Ciências Sociais
DEPARTAMENTO DE MATEMÁTICA Matemática Aplicada às Ciências Sociais Ensino Regular Curso Geral de Ciências Sociais e Humanas 10º Ano Planificação 2014/2015 Índice Finalidades... 2 Objectivos e competências
Características do conhecimento científico
Características Racional Objetivo Factual Transcende os fatos Analítico Claro e preciso Comunicável Verificável Depende de investigação metódica Sistemático Acumulativo Falível Geral Explicativo Preditivo
PRÓ-MATATEMÁTICA NA FORMAÇÃO DE PROFESSORES
PRÓ-MATATEMÁTICA NA FORMAÇÃO DE PROFESSORES Regina Luzia Corio de Buriasco * UEL reginaburiasco@sercomtel.com.br Magna Natália Marin Pires* UEL magna@onda.com.br Márcia Cristina de Costa Trindade Cyrino*
O que é a estatística?
Elementos de Estatística Prof. Dr. Clécio da Silva Ferreira Departamento de Estatística - UFJF O que é a estatística? Para muitos, a estatística não passa de conjuntos de tabelas de dados numéricos. Os
14 --------- Como redigir o projeto de pesquisa? 14. 1.2 Identificação
14 --------- Como redigir o projeto de pesquisa? 14. 1.2 Identificação Nesta primeira parte são apresentados os dados essenciais à identificação do projeto, quais sejam: a) título e subtítulo (se houver);
PÓS GRADUAÇÃO EM CIÊNCIAS DE FLORESTAS TROPICAIS-PG-CFT INSTITUTO NACIONAL DE PESQUISAS DA AMAZÔNIA-INPA. 09/abril de 2014
PÓS GRADUAÇÃO EM CIÊNCIAS DE FLORESTAS TROPICAIS-PG-CFT INSTITUTO NACIONAL DE PESQUISAS DA AMAZÔNIA-INPA 09/abril de 2014 Considerações Estatísticas para Planejamento e Publicação 1 Circularidade do Método
Exercícios Resolvidos sobre probabilidade total e Teorema de Bayes
Exercícios Resolvidos sobre probabilidade total e Teorema de Bayes Para ampliar sua compreensão sobre probabilidade total e Teorema de Bayes, estude este conjunto de exercícios resolvidos sobre o tema.
Teoria da Decisão MÉTODOS QUANTITATIVOS DE GESTÃO
Teoria da Decisão MÉTODOS QUANTITATIVOS DE GESTÃO INTRODUÇÃO Todo problema de decisão envolve julgamento sobre um conjunto conhecido de alternativas; Informações Disponíveis (Dados) Conhecidos com certeza;
6 Construção de Cenários
6 Construção de Cenários Neste capítulo será mostrada a metodologia utilizada para mensuração dos parâmetros estocásticos (ou incertos) e construção dos cenários com respectivas probabilidades de ocorrência.
Após essa disciplina você vai ficar convencido que a estatística tem enorme aplicação em diversas áreas.
UNIVERSIDADE FEDERAL DA PARAÍBA INTRODUÇÃO Departamento de Estatística Luiz Medeiros http://www.de.ufpb.br/~luiz/ CONCEITOS FUNDAMENTAIS DE ESTATÍSTICA O que a Estatística significa para você? Pesquisas
Conceito de pesquisa
Conceito de pesquisa A pesquisa e uma atividade voltada para a solução de problemas, através do emprego de procedimentos científicos. Seus elementos são: 1. Problema ou dúvida 2. Metodo científico 3. Resposta
Função Mudar de unidade estatística
Função Mudar de unidade estatística Frequentemente, certas pesquisas contêm informações correspondentes a níveis estatísticos diferentes. No Sphinx (Survey ou Léxica), a partir do menu Gestão, opção Mudar
A MODELAÇÃO DE LEIS E TEORIAS CIENTÍFICAS
A MODELAÇÃO DE LEIS E TEORIAS CIENTÍFICAS O ESPÍRITO HUMANO PROCURA LEIS E TEORIAS CIENTÍFICAS AO MENOS POR DOIS MOTIVOS Porque lhe dão um certo tipo de compreensão do real Porque lhe oferecem esquemas
Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu
1 Programação Não Linear Aula 25: Programação Não-Linear - Funções de Uma única variável Mínimo; Mínimo Global; Mínimo Local; Optimização Irrestrita; Condições Óptimas; Método da Bissecção; Método de Newton.
Aula 4 Conceitos Básicos de Estatística. Aula 4 Conceitos básicos de estatística
Aula 4 Conceitos Básicos de Estatística Aula 4 Conceitos básicos de estatística A Estatística é a ciência de aprendizagem a partir de dados. Trata-se de uma disciplina estratégica, que coleta, analisa
Universidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Revisão de Probabilidade e Estatística
Universidade Federal do Paraná Departamento de Informática Reconhecimento de Padrões Revisão de Probabilidade e Estatística Luiz Eduardo S. Oliveira, Ph.D. http://lesoliveira.net Conceitos Básicos Estamos
Representação do Conhecimento
UNIVERSIDADE TÉCNICA DE LISBOA INSTITUTO SUPERIOR TÉCNICO Representação do Conhecimento Licenciatura em Engenharia Informática e de Computadores Repescagem Segundo teste 0 de Julho de 004, 9:00H 0:0H Nome:
Aprendizagem da Análise Combinatória nas séries iniciais do Ensino Fundamental
Aprendizagem da Análise Combinatória nas séries iniciais do Ensino Fundamental Ana Lydia Perrone 1 Sergio Minoru Oikawa 2 Fernando Antônio Moala 2 RESUMO Este estudo fez parte do projeto de pesquisa desenvolvido
Apresentação... 19 Prefácio da primeira edição... 21 Prefácio da segunda edição... 27 Introdução... 33
Sumário Apresentação... 19 Prefácio da primeira edição... 21 Prefácio da segunda edição... 27 Introdução... 33 Capítulo I CIÊNCIA, CONHECIMENTOS E PESQUISA CIENTÍFICA... 37 1. Conceito de ciência e tipos
PESQUISA QUANTITATIVA e QUALITATIVA
universidade de Santa Cruz do Sul Faculdade de Serviço Social Pesquisa em Serviço Social I I PESQUISA QUANTITATIVA e QUALITATIVA BIBLIOGRAFIA: MARCONI, Marina de Andrade; LAKATOS, Eva Maria. Técnicas de
ESCOLA SECUNDÁRIA MANUEL DA FONSECA, SANTIAGO DO CACÉM GRUPO DISCIPLINAR: 500 Matemática Aplicada às Ciências Sociais
ANO: 11º ANO LECTIVO : 008/009 p.1/7 CONTEÚDOS MODELOS MATEMÁTICOS COMPETÊNCIAS A DESENVOLVER - Compreender a importância dos modelos matemáticos na resolução de problemas de problemas concretos. Nº. AULAS
Ajuda ao SciEn-Produção 1. 1. O Artigo Científico da Pesquisa Experimental
Ajuda ao SciEn-Produção 1 Este texto de ajuda contém três partes: a parte 1 indica em linhas gerais o que deve ser esclarecido em cada uma das seções da estrutura de um artigo cientifico relatando uma
Parece claro que há uma, e uma só, conclusão a tirar destas proposições. Esa conclusão é:
Argumentos Dedutivos e Indutivos Paulo Andrade Ruas Introdução Em geral, quando se quer explicar que géneros de argumentos existem, começa-se por distinguir os argumentos dedutivos dos não dedutivos. A
Múltiplos Estágios processo com três estágios Inquérito de Satisfação Fase II
O seguinte exercício contempla um processo com três estágios. Baseia-se no Inquérito de Satisfação Fase II, sendo, por isso, essencial compreender primeiro o problema antes de começar o tutorial. 1 1.
FLUXOGRAMA DA PESQUISA
FLUXOGRAMA DA PESQUISA Desde a preparação até a apresentação de um relatório de pesquisa estão envolvidas diferentes etapas. Algumas delas são concomitantes; outras são interpostas. O fluxo que ora se
AMOSTRAGEM ESTATÍSTICA EM AUDITORIA PARTE ll
AMOSTRAGEM ESTATÍSTICA EM AUDITORIA PARTE ll! Os parâmetros para decisão do auditor.! Tipos de planos de amostragem estatística em auditoria. Francisco Cavalcante(f_c_a@uol.com.br) Administrador de Empresas
UNIVERSIDADE IGUAÇU FACUDADE DAS CIÊNCIAS BIOLÓGICAS E DA SAÚDE CURSO DE GRADUAÇÃO EM CIÊNCIAS BIOLÓGICAS
UNIVERSIDADE IGUAÇU FACUDADE DAS CIÊNCIAS BIOLÓGICAS E DA SAÚDE CURSO DE GRADUAÇÃO EM CIÊNCIAS BIOLÓGICAS MANUAL PARA ELABORAÇÃO DE PROJETO DE MONOGRAFIA FILOMENA MARIA RATES SOARES VITOR TENÓRIO NOVA
ESCOLA SUPERIOR ABERTA DO BRASIL - ESAB CURSO DE PÓS-GRADUAÇÃO LATO SENSU EM ENGENHARIA DE SISTEMAS JACK SUSLIK POGORELSKY JUNIOR
ESCOLA SUPERIOR ABERTA DO BRASIL - ESAB CURSO DE PÓS-GRADUAÇÃO LATO SENSU EM ENGENHARIA DE SISTEMAS JACK SUSLIK POGORELSKY JUNIOR METODOLOGIA DA PESQUISA CIENTÍFICA VILA VELHA - ES 2012 ESCOLA SUPERIOR
PLANIFICAÇÃO ANUAL. MACS Matemática Aplicada às Ciências Sociais. Curso de Línguas e Humanidades 2º ANO (11º ANO)
PLANIFICAÇÃO ANUAL MACS Matemática Aplicada às Ciências Sociais Curso de Línguas e Humanidades º ANO (º ANO) Ano Lectivo 0/05 Planificação º Ano - MACS º Período Número de Aulas Previstas 0 Apresentação
SISTEMAS ESPECIALISTAS
SISTEMAS ESPECIALISTAS Pasteur Ottoni de Miranda Junior DCC PUC Minas Postado em www.pasteurjr.blogspot.com Sistemas especialistas (SE) representam o comportamento de um especialista humano em determinada
Lógica Indutiva. Aula 4. Prof. André Martins
Lógica Indutiva Aula 4 Prof. André Martins É uma bruxa? Lógica Clássica (Dedutiva) Na Lógica Clássica, determinamos a veracidade de proposições a partir de outras proposições que julgamos verdadeiras.
Matemática Aplicada às Ciências Sociais
Prova de Exame Nacional de Matemática Aplicada às Ciências Sociais Prova 835 2011 10.º e 11.º Anos de Escolaridade Decreto-Lei n.º 74/2004, de 26 de Março Para: Direcção-Geral de Inovação e de Desenvolvimento
AS LEIS DE NEWTON PROFESSOR ANDERSON VIEIRA
CAPÍTULO 1 AS LEIS DE NEWTON PROFESSOR ANDERSON VIEIRA Talvez o conceito físico mais intuitivo que carregamos conosco, seja a noção do que é uma força. Muito embora, formalmente, seja algo bastante complicado
UNIVERSIDADE FEDERAL DE UBERLÂNDIA FACULDADE DE MATEMÁTICA 4 a LISTA DE EXERCÍCIOS GBQ12 Professor: Ednaldo Carvalho Guimarães AMOSTRAGEM
1 UNIVERSIDADE FEDERAL DE UBERLÂNDIA FACULDADE DE MATEMÁTICA 4 a LISTA DE EXERCÍCIOS GBQ12 Professor: Ednaldo Carvalho Guimarães AMOSTRAGEM 1) Um pesquisador está interessado em saber o tempo médio que
Este material traz a teoria necessária à resolução das questões propostas.
Inclui Teoria e Questões Inteiramente Resolvidas dos assuntos: Contagem: princípio aditivo e multiplicativo. Arranjo. Permutação. Combinação simples e com repetição. Lógica sentencial, de primeira ordem
COMENTÁRIO AFRM/RS 2012 ESTATÍSTICA Prof. Sérgio Altenfelder
Comentário Geral: Prova muito difícil, muito fora dos padrões das provas do TCE administração e Economia, praticamente só caiu teoria. Existem três questões (4, 45 e 47) que devem ser anuladas, por tratarem
EXERCÍCIOS DE LÓGICA DE 1ª ORDEM
QUANTIFICADORES EXERCÍCIOS DE LÓGICA DE 1ª ORDEM 1 {9.3} Tornar as frases verdadeiras. Abra Bozo s Sentences e Leibniz s World. Algumas das expressões não são wffs, algumas são wffs mas não são frases
Ivan Guilhon Mitoso Rocha. As grandezas fundamentais que serão adotadas por nós daqui em frente:
Rumo ao ITA Física Análise Dimensional Ivan Guilhon Mitoso Rocha A análise dimensional é um assunto básico que estuda as grandezas físicas em geral, com respeito a suas unidades de medida. Como as grandezas
A PESQUISA E SUAS CLASSIFICAÇÕES
1/6 A PESQUISA E SUAS CLASSIFICAÇÕES Definir o que é pesquisa; mostrar as formas clássicas de classificação das pesquisas; identificar as etapas de um planejamento de pesquisa. INTRODUÇÃO O que é pesquisa?
ITECH Instituto de Terapia e Ensino do Comportamento Humano. Abuso e dependência de álcool e substâncias psicoativas. Cristina Belotto da Silva
ITECH Instituto de Terapia e Ensino do Comportamento Humano Abuso e dependência de álcool e substâncias psicoativas Cristina Belotto da Silva Tainara Claudio Maciel O abuso e a dependência de álcool e
Aula 04 Método de Monte Carlo aplicado a análise de incertezas. Aula 04 Prof. Valner Brusamarello
Aula 04 Método de Monte Carlo aplicado a análise de incertezas Aula 04 Prof. Valner Brusamarello Incerteza - GUM O Guia para a Expressão da Incerteza de Medição (GUM) estabelece regras gerais para avaliar
ALEXANDRE WILLIAM BARBOSA DUARTE
SURVEY Método de pesquisa amplamente utilizado em pesquisas de opinião pública, de mercado e, atualmente, em pesquisas sociais que, objetivamente, visam descrever, explicar e/ou explorar características
AULA 04 - TABELA DE TEMPORALIDADE
AULA 04 - TABELA DE TEMPORALIDADE 4.1 - Tabela de Temporalidade Como é cediço todos os arquivos possuem um ciclo vital, composto pelas fases corrente, intermediária e permanente. Mas como saber quando
Índice. Como aceder ao serviço de Certificação PME? Como efectuar uma operação de renovação da certificação?
Índice Como aceder ao serviço de Certificação PME? Como efectuar uma operação de renovação da certificação? Como efectuar uma operação de confirmação de estimativas? Como aceder ao Serviço de Certificação
x0 = 1 x n = 3x n 1 x k x k 1 Quantas são as sequências com n letras, cada uma igual a a, b ou c, de modo que não há duas letras a seguidas?
Recorrências Muitas vezes não é possível resolver problemas de contagem diretamente combinando os princípios aditivo e multiplicativo. Para resolver esses problemas recorremos a outros recursos: as recursões
BCC202 - Estrutura de Dados I
BCC202 - Estrutura de Dados I Aula 04: Análise de Algoritmos (Parte 1) Reinaldo Fortes Universidade Federal de Ouro Preto, UFOP Departamento de Ciência da Computação, DECOM Website: www.decom.ufop.br/reifortes
Cálculo das Probabilidades e Estatística I
Cálculo das Probabilidades e Estatística I Prof a. Juliana Freitas Pires Departamento de Estatística Universidade Federal da Paraíba - UFPB juliana@de.ufpb.br Introdução a Probabilidade Existem dois tipos
Empresa de Pesquisa Energética (EPE) 2014. Analista de Projetos da Geração de Energia
Empresa de Pesquisa Energética (EPE) 2014 Analista de Projetos da Geração de Energia Oi, pessoal! Vou resolver as quatro questões de Estatística (53 a 56) da prova elaborada pela banca Cesgranrio para
Métodos de Síntese e Evidência: Revisão Sistemática e Metanálise
Métodos de Síntese e Evidência: Revisão Sistemática e Metanálise Mirian Carvalho de Souza Divisão de Epidemiologia Coordenação de Pesquisa Populacional Coordenação Geral Técnico-Científica Estudos Revisão
Métodos de Investigação em Sistemas de Informação
Métodos de Investigação em Sistemas de Informação Henrique O Neill Programa Doutoral em CTI ISCTE, 26 Novembro 2009 Henrique O'Neill 1/18 INVESTIGAÇÃO CIENTÍFICA O que é? Henrique O'Neill 2/18 1 Investigar
SOCIEDADE E TEORIA DA AÇÃO SOCIAL
SOCIEDADE E TEORIA DA AÇÃO SOCIAL INTRODUÇÃO O conceito de ação social está presente em diversas fontes, porém, no que se refere aos materiais desta disciplina o mesmo será esclarecido com base nas idéias
Inferência Estatística-Macs11ºano
INFERÊNCIA ESTATÍSTICA Inferência Estatística-Macs11ºano Estatística Descritiva: conjunto de métodos para sintetizar e representar de forma compreensível a informação contida num conjunto de dados. Usam-se,
Na introdução o aluno deverá explicar o assunto que deseja desenvolver. Situar o tema dentro do contexto geral da sua área de trabalho
PROJETO DE PESQUISA INTRODUÇÃO (O QUE É O TEMA?) Na introdução o aluno deverá explicar o assunto que deseja desenvolver. Desenvolver genericamente o tema Anunciar a idéia básica Delimitar o foco da pesquisa
O consumo de conteúdos noticiosos dos estudantes de Ciências da Comunicação da Faculdade de Letras da Universidade do Porto
Ciências da Comunicação: Jornalismo, Assessoria e Multimédia O consumo de conteúdos noticiosos dos estudantes de Ciências da Comunicação da Faculdade de Letras da Universidade do Porto Metodologia da Investigaça
COMUNICAÇÃO INTERPESSOAL
PSICOLOGIA DA COMUNICAÇÃO Ciências da Comunicação CONTEXTOS DE COMUNICAÇÃO: COMUNICAÇÃO INTERPESSOAL Aspectos gerais Comunicação interpessoal e comunicação grupal Comunicação interpessoal e relações interpessoais
Reflexões sobre Probabilidade, Estatística e Modelamento Matemático
Reflexões sobre Probabilidade, Estatística e Modelamento Matemático Por: Armando Z. Milioni Instituto Tecnológico de Aeronáutica MPEP - BSB Agosto 2013 1 Resumo do que fizemos Um Jogador lançou 30 dados
PROJETO DE PESQUISA CIENTÍFICA: a escolha do tema e a construção do problema
PROJETO DE PESQUISA CIENTÍFICA: a escolha do tema e a construção do problema de pesquisa, temos que traçar um caminho a seguir durante a investigação. Realizar um estudo mais planejado dos aspectos que
INSTITUTO FLORENCE DE ENSINO COORDENAÇÃO DE PÓS-GRADUAÇÃO CURSO DE PÓS-GRADUAÇÃO EM (TÍTULO DO PROJETO) Acadêmico: Orientador:
INSTITUTO FLORENCE DE ENSINO COORDENAÇÃO DE PÓS-GRADUAÇÃO CURSO DE PÓS-GRADUAÇÃO EM (TÍTULO DO PROJETO) Acadêmico: Orientador: São Luis 2015 (TÍTULO DO PROJETO) (NOME DO ALUNO) Projeto de Pesquisa do Programa
Tomada de Decisão e Distribuições de Probabilidade. Lupércio França Bessegato
Tomada de Decisão e Distribuições de Probabilidade Lupércio França Bessegato Introdução Roteiro Tabela de Retorno e Árvore de Decisão Critérios para Tomada de Decisão Exemplos de Aplicação Referências
1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3.
1 1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3. Modelo de Resultados Potenciais e Aleatorização (Cap. 2 e 3
Exercícios Resolvidos sobre Amostragem
Exercícios Resolvidos sobre Amostragem Observe agora, nestes Exercícios Resolvidos, como alguns parâmetros estatísticos devem ser construídos para formar amostras fidedignas de certas populações ou fenômenos
Como ler um artigo científico
Como ler um artigo científico Baseado no texto Leitura Eficiente de Artigos Científicos Dra. Renata Fortes (USP São Carlos) (http://www.cse.ogi.edu/~dylan/efficientreading.html) Disciplina: Metodologia
Estatística Aplicada ao Serviço Social Módulo 1:
Estatística Aplicada ao Serviço Social Módulo 1: Introdução à Estatística Importância da Estatística Fases do Método Estatístico Variáveis estatísticas. Formas Iniciais de Tratamento dos Dados Séries Estatísticas.
5. Métodos ágeis de desenvolvimento de software
Engenharia de Software 5. Métodos ágeis de desenvolvimento de software Nuno Miguel Gil Fonseca nuno.fonseca@estgoh.ipc.pt Desenvolver e entregar software o mais rapidamente possível é hoje em dia um dos
EXPLORANDO ALGUMAS IDEIAS CENTRAIS DO PARÂMETROS CURRICULARES NACIONAIS ENSINO FUNDAMENTAL. Giovani Cammarota
UNIVERSIDADE FEDERAL DE VIÇOSA DEPARTAMENTO DE MATEMÁTICA PRÁTICA DE ENSINO DE MATEMÁTICA III EXPLORANDO ALGUMAS IDEIAS CENTRAIS DO PARÂMETROS CURRICULARES NACIONAIS ENSINO FUNDAMENTAL Giovani Cammarota
5 Análise dos resultados
5 Análise dos resultados Neste capitulo será feita a análise dos resultados coletados pelos questionários que foram apresentados no Capítulo 4. Isso ocorrerá através de análises global e específica. A
CONTRIBUIÇÕES PARA UMA ALFABETIZAÇÃO CIENTÍFICA: ANALISANDO ABORDAGENS DA PRIMEIRA LEI DE NEWTON EM LIVROS DIDÁTICOS DE FÍSICA
CONTRIBUIÇÕES PARA UMA ALFABETIZAÇÃO CIENTÍFICA: ANALISANDO ABORDAGENS DA PRIMEIRA LEI DE NEWTON EM LIVROS DIDÁTICOS DE FÍSICA Andrew Stanley Raposo 1, Tayse Raquel dos Santos 2, Katemari Rosa 3 Unidade
União do Ensino Superior de Nova Mutum - UNINOVA Nome dos acadêmicos em ordem alfabética. Orientações Sobre a Elaboração de Projetos de Pesquisa
União do Ensino Superior de Nova Mutum - UNINOVA Nome dos acadêmicos em ordem alfabética Orientações Sobre a Elaboração de Projetos de Pesquisa Nova Mutum MT 2012 Nome dos acadêmicos em ordem alfabética
UNIVERSIDADE FEDERAL DA BAHIA INSTITUTO DE MATEMÁTICA 5 0 Encontro da RPM TRANSFORMAÇÕES NO PLANO
UNIVERSIDADE FEDERAL DA BAHIA INSTITUTO DE MATEMÁTICA 5 0 Encontro da RPM TRANSFORMAÇÕES NO PLANO Jorge Costa do Nascimento Introdução Na produção desse texto utilizamos como fonte de pesquisa material
1. Conceitos de sistemas. Conceitos da Teoria de Sistemas. Conceitos de sistemas extraídos do dicionário Aurélio:
1. Conceitos de sistemas Conceitos da Teoria de Sistemas OPTNER: É um conjunto de objetos com um determinado conjunto de relações entre seus objetos e seus atributos. TILLES: É um conjunto de partes inter-relacionadas.
Manual do Revisor Oficial de Contas. Directriz de Revisão/Auditoria 701
Directriz de Revisão/Auditoria 701 RELATÓRIO DE AUDITORIA ELABORADO POR AUDITOR REGISTADO NA CMVM SOBRE INFORMAÇÃO ANUAL Fevereiro de 2001 ÍNDICE Parágrafos INTRODUÇÃO 1-4 OBJECTIVO 5-6 RELATÓRIO DE AUDITORIA
Seção 2/E Monitoramento, Avaliação e Aprendizagem
Seção 2/E Monitoramento, Avaliação e Aprendizagem www.bettercotton.org Orientação Text to go here O documento Monitoramento, Avaliação e Aprendizagem da BCI proporciona uma estrutura para medir as mudanças
6.3 Equivalência entre Autômatos com Pilha Não-Determinísticos e Gramáticas Livre do Contexto
Capítulo 6. Autômatos com Pilha 6.3 Equivalência entre Autômatos com Pilha Não-Determinísticos e Gramáticas Livre do Contexto Nos exemplos da seção anterior, vimos que os autômatos com pilha existem para
Módulo 2 Custos de Oportunidade e Curva de Possibilidades de Produção
Módulo 2 Custos de Oportunidade e Curva de Possibilidades de Produção 2.1. Custo de Oportunidade Conforme vínhamos analisando, os recursos produtivos são escassos e as necessidades humanas ilimitadas,
Segurança e Higiene no Trabalho
Guia Técnico Segurança e Higiene no Trabalho Volume III Análise de Riscos um Guia Técnico de Copyright, todos os direitos reservados. Este Guia Técnico não pode ser reproduzido ou distribuído sem a expressa
AULA 11 Desenhos, recursos e obstáculos
1 AULA 11 Desenhos, recursos e obstáculos Ernesto F. L. Amaral 15 de abril de 2010 Metodologia (DCP 033) Fonte: Flick, Uwe. 2009. Desenho da pesquisa qualitativa. Porto Alegre: Artmed. pp.57-73 & 75-85.
MAT 461 Tópicos de Matemática II Aula 3: Resumo de Probabilidade
MAT 461 Tópicos de Matemática II Aula 3: Resumo de Probabilidade Edson de Faria Departamento de Matemática IME-USP 19 de Agosto, 2013 Probabilidade: uma Introdução / Aula 3 1 Probabilidade Discreta: Exemplos
CAP5: Amostragem e Distribuição Amostral
CAP5: Amostragem e Distribuição Amostral O que é uma amostra? É um subconjunto de um universo (população). Ex: Amostra de sangue; amostra de pessoas, amostra de objetos, etc O que se espera de uma amostra?
CURSO ON-LINE PROFESSOR GUILHERME NEVES 1
CURSO ON-LINE PROFESSOR GUILHERME NEVES 1 Olá pessoal! Resolverei neste ponto a prova de Matemática e Estatística para Técnico Administrativo para o BNDES 2008 organizado pela CESGRANRIO. Sem mais delongas,
Investigação experimental
Investigação experimental Aproximação positivista Experiências laboratoriais: identificação de relações exactas entre as variáveis escolhidas num ambiente controlado (laboratório) através do uso de técnicas
1. Motivação para o sucesso (Ânsia de trabalhar bem ou de se avaliar por uma norma de excelência)
SEREI UM EMPREENDEDOR? Este questionário pretende estimular a sua reflexão sobre a sua chama empreendedora. A seguir encontrará algumas questões que poderão servir de parâmetro para a sua auto avaliação
A IMPORTÂNCIA DAS DISCIPLINAS DE MATEMÁTICA E FÍSICA NO ENEM: PERCEPÇÃO DOS ALUNOS DO CURSO PRÉ- UNIVERSITÁRIO DA UFPB LITORAL NORTE
A IMPORTÂNCIA DAS DISCIPLINAS DE MATEMÁTICA E FÍSICA NO ENEM: PERCEPÇÃO DOS ALUNOS DO CURSO PRÉ- UNIVERSITÁRIO DA UFPB LITORAL NORTE ALMEIDA 1, Leonardo Rodrigues de SOUSA 2, Raniere Lima Menezes de PEREIRA
Aula 1 Estatística e Probabilidade
Aula 1 Estatística e Probabilidade Anamaria Teodora Coelho Rios da Silva O QUE É ESTATÍSTICA? No nosso cotidiano, precisamos tomar decisões, muitas vezes decisões rápidas. A Estatística fornece métodos
Modelagens e Gerenciamento de riscos (Simulação Monte Carlo)
Modelagens e Gerenciamento de riscos (Simulação Monte Carlo) Prof. Esp. João Carlos Hipólito e-mail: jchbn@hotmail.com Sobre o professor: Contador; Professor da Faculdade de Ciências Aplicadas e Sociais
MODELAGEM E SIMULAÇÃO
MODELAGEM E SIMULAÇÃO Professor: Dr. Edwin B. Mitacc Meza edwin@engenharia-puro.com.br www.engenharia-puro.com.br/edwin Como Funciona a Simulação Introdução Assim como qualquer programa de computador,
Organizaçãoe Recuperaçãode Informação GSI521. Prof. Dr. Rodrigo Sanches Miani FACOM/UFU
Organizaçãoe Recuperaçãode Informação GSI521 Prof. Dr. Rodrigo Sanches Miani FACOM/UFU Aula anterior Organização e Recuperação de Informação(GSI521) Modelo vetorial- Definição Para o modelo vetorial, o