A redução na pressão sangüínea (mm Hg) em um período de quatro semanas observadas em cães experimentais está tabulada abaixo:
|
|
- Thiago Castel-Branco Padilha
- 7 Há anos
- Visualizações:
Transcrição
1 UNIVERSIDADE ESTADUAL PAULISTA FACULDADE DE CIÊNCIAS AGRÁRIAS E VETERINÁRIAS CAMPUS DE JABOTICABAL ª PROVA DE ESTATÍSTICA EXPERIMENTAL - MEDICINA VETERINÁRIA NOME: DATA / / ª QUESTÃO (,): A redução da pressão sangüínea sstólca (RPS) depos da admnstração de drogas para hpertensão é um dos ndcadores de como os pacentes estão respondendo às drogas. No tratamento da hpertensão, os efetos colateras assocados com as drogas têm um partcular nteresse. Neste estudo, duas drogas X e Y para a redução dos efetos colateras de uma droga padrão (P) de hpertensão fo avalada. O estudo fo conduzdo em um delneamento nteramente casualzado com cnco tratamentos, assm defndos: T Droga padrão (P) T P combnada com uma dose baxa de X (P+XB) T P combnada com uma dose alta de X (P+XA) T P combnada com uma dose baxa de Y (P+YB) T P combnada com uma dose alta de Y (P+YA) A redução na pressão sangüínea (mm Hg) em um período de quatro semanas observadas em cães expermentas está tabulada abaxo: Tratamentos Repetções T T 9 6 T 0 0 T 8 T Pede-se: a) O modelo matemátco para este expermento, explcando cada termo, as hpóteses que serão testadas e as suposções mpostas ao modelo matemátco para que as nferêncas sejam váldas; Modelo = µ + τ + e, com =,,,, e j =,,, sendo, é a observação na undade expermental que recebeu o - ésmo tratamento na j-ésma repetção; µ é a méda geral comum a todas as observações defnda como k r µ = µ = N, com µ a méda populaconal do -ésmo tratamento; τ o efeto do -ésmo tratamento na varável dependente Y e mede o afastamento da méda µ em relação a µ, sto é, τ = µ µ ; e e é um erro casual não observável. Hpóteses: H : µ = µ H 0 : µ µ j = µ = µ = µ para pelo menos um par j Suposções e são varáves aleatóras ndependentes e dentcamente dstrbuídas com dstrbução N( σ ). Como os são funções lneares dos das suposções sobre os erros decorre que: E ( ) = µ + τ = µ ; e,
2 Var( ) = σ ; são normalmente dstrbuídos e ndependentes, ou, resumdamente que ~ N( µ, σ ). b) A análse de varânca para testar a hpótese geral de gualdade das médas dos tratamentos e apresente as conclusões pertnentes; Resolvendo no R: # entrando com o número de repetções r <- # entrando com os dados rps <- c(7, 6,, 6, # observações do tratamento 9,,, 6, # observações do tratamento,, # observações do tratamento,,, 8, # observações do tratamento 8, 7, 6) # observações do tratamento # entrando com os níves das drogas (Tratamentos) trat <- c(rep("t", r), rep("t", r), rep("t", r), rep("t", r), rep("t", r)) # estabelecendo o objeto trat com fator e guardando no própro objeto trat trat <- factor(trat) trat # fazendo a análse de varânca pelo comando aov() rps.av <- aov(rps~trat) #mprmndo o quadro da anova summar(rps.av) Saída do R: Quadro da Anova: comando aov( ) Df Sum Sq Mean Sq F value Pr(>F) trat e-0 *** Resduals Sgnf. codes: 0 *** 0.00 ** 0.0 * ANOVA pelo ExpDes # fazendo a análse pelo ExpDes requre(expdes) # requerendo o pacote ExpDes crd(trat,rps,mcomp=f) Analss of Varance Table DF SS MS Fc Pr>Fc Treatament e-0 Resduals Total 9 8. CV =. % Shapro-Wlk normalt test p-value: Accordng to Shapro-Wlk normalt test at % of sgnfcance, resduals can be consdered normal. Conclusão: O teste F é sgnfcatvo ( p=,8 0-0 ), portanto rejeta-se H 0, ou seja, exste uma dferença entre pelo menos duas drogas na redução da pressão sanguínea (rps). (Reparem que o ExpDes já fornece o CV e o teste da normaldade dos resíduos) c) Exste dferença sgnfcatva entre a méda das respostas esperadas das duas doses da droga X e a méda das respostas esperadas para as duas doses de Y? Defnndo o contraste Y como sendo
3 Y Yˆ = ( 0) µ + ( ) µ + ( ) µ + ( ) µ + ( ) µ = ( 0) + + ( ) + ( ) + ( ) e + ( ) H0 Y = 0 vs H : Y + sua = estmatva como Temos que testar : 0 utlzando o teste de Scheffé Scrpt no R # aplcando o comando tappl ao objeto nsulna para o cálculo das # médas dos tratamentos m.trat <- tappl(rps, trat, mean) m.trat #defnndo os coefcentes do contraste c<-c(,,-,-) # estmatva e mpressão do contraste <-sum(c*m.trat); # obtenção do QMR no quadro da anova qmr <- anova(rps.av)[,] qmr # obtenção dos gl dos tratamentos no quadro da anova gltr <- anova(rps.av)[,] gltr # obtenção dos gl do resduo no quadro da anova glr <- anova(rps.av)[,] glr # calculo da varanca do contraste var.c<-qmr/r*sum(c^) # cálculo da estatístca S de Scheffé s<- sqrt(gltr*qf(0.9,gltr,glr)*var.c) s o valor da estatístca s de scheffé é 8,867. Logo, Yˆ > s + = 9, mm Hg e o teste é sgnfcatvo a %, portanto rejeta-se a H 0 do contraste ser gual a zero, ou seja, a redução na rps provocada pela méda das doses baxa e alta da droga X é 9, mm Hg em méda menor que a méda das doses baxa e alta da droga Y. Assm as doses baxa e alta da droga Y provocam uma maor redução na pressão sstólca. d) Exste efeto sgnfcatvo das drogas X e Y combnadas? Dê uma estmatva deste contraste e faça as conclusões pertnentes. : Defnndo o contraste Y como sendo Y Yˆ = µ µ µ µ µ e sua estmatva como sendo = ( ) + ( ) + ( ) + ( ) + ( ) + = = 6 mm Hg Temos que testar : Y = 0 vs H : Y 0 utlzando o teste t-student H0 # defnndo os coefcentes do contraste c <- c(, -,-,-,-) # estmatva e mpressão do contraste <-sum(c*m.trat); #calculo da varânca do contraste var.c<- qmr/r*sum(c^) # cálculo da estatístca tc da estatístca t-student tc <- sum(c*m.trat)/sqrt(var.c)
4 tc # cálculo do valor de p assocado à estatstca t calculada anterormente valor.p<- -pt(abs(tc),glr) valor.p o valor de p = 6.77e-06 assocada à estatístca t = 6,7 é sgnfcatvo portanto rejeta-se a H 0 do contraste ser gual a zero, ou seja, a droga padrão P provoca uma redução de 6 mm Hg em méda na rps quando comparada com a méda das doses baxa e alta das drogas X e Y. e) Dê os valores dos estmadores de mínmos quadrados dos termos especfcados abaxo: ˆ µ = 7, 8 mm Hg ; ˆ 6, 0 ; ˆ ˆ + + = τ = = ε = =, Resolvendo no R mean(rps) # cálculando a méda geral m.trat-mean(rps) # estmando o efeto dos tratamentos res<-aov(rps.av)$res # obtendo os resíduos (e ) res[8] # mprmndo o 8º resíduo (º do T) f) Calcule os coefcentes de determnação (R ) e de varação (C.V.) do expermento e comente sobre seus valores (apresente os resultados); 0 CV R = SQ = QMR ++ x00 = 6, 7, 8 do modelo x00 = SQT x00 =, 9% SQTr SQT 88, 7 X00 = 8, X00 = 8 9% Comentáros: O coefcente de varação de,9% pode ser consderado baxo ndcando que o expermento fo bem conduzdo. Pelo valor de R sgnfca que 8% da varabldade dos dados em torno de sua méda geral (7,8) esta sendo explcada pelo modelo matemátco do DIC descrto no tem a) Resolvendo no R # # calculo do CV # cv <- sqrt(qmr)/mean(rps)*00 cv sqtr <- anova(rps.av)[,] # obtenção da soma de quadrados dos tratamentos do quadro da anova sqtr sqr <- anova(rps.av)[,] # obtenção da soma de quadrados do resíduos quadro da anova sqr r <- sqtr/(sqtr+sqr)*00 # calculo do R r g) Teste as hpóteses da normaldade dos erros e da homogenedade das varâncas dos tratamentos (apresente os resultados). Teste das hpóteses de normaldade e homogenedade das varâncas H0 : ε ~ N( σ ) H : ε não tem N( σ ) Shapro-Wlk normalt test data: res W = 0.999, p-value = 0.9 Conclusão: o teste de Shapro Wlks é não sgnfcatvo ( p = 9 ), portanto não rejetamos H 0, podemos conclur que os dados expermentas suportam a hpótese de normaldade. Estes resultados são fornecdos pelo comando crd( ) do pacote ExpDes (ver scrpt no tem b)
5 H H 0 : σ = σ = σ = σ = σ : σ σ j j Bartlett test of homogenet of varances data: rps b trat Bartlett's K-squared = 0.99, df =, p-value = 0.9 Conclusão: o teste de Bartlett é não sgnfcatvo ( p = 9 ), portanto não rejetamos H 0, podemos conclur que as varâncas dos tratamentos são homogêneas. Resolvendo no R shapro.test(res) # teste da normaldade dos resíduos bartlett.test(rps~trat) # teste da homogenedade das varâncas ª QUESTÃO (,0): A Tabela da ANOVA abaxo fo obtda de um DIC balanceado Fonte de var. g.l. SQ QM F c valor de p Tratamentos 6, Resíduo TOTAL 6 a) Preencha as lacunas na tabela acma, determne o número de tratamentos, o número de repetções por tratamentos. Num. de tratamentos: k = ; num. de repetções: r = 6 Comando no R para calcular o vapor de p : pf(.6,, 0) b) Faça um teste estatístco para ver se exste uma dferença entre as verdaderas médas das respostas dos tratamentos (Faça um desenho da dstrbução com as áreas de rejeção e não rejeção). Tre as conclusões pertnentes. Conclusão baseada nos valores da dstrbução F: Das tabelas das dstrbuções F, temos que = 098 e F 98. O valor da estatístca calculada com base nos F(, 0 ), (, 0) =, dados fo F c =,6 a qual é menor do que os valores das estatístcas F teórcas, cau na regão
6 de não rejeção, assm não rejetamos a hpótese nula H 0 de gualdade das médas dos tratamentos para α = 0, ou % de probabldade (se não é sgnfcatvo a %, óbvo que também não é sgnfcatvo a %). Conclusão baseada no valor de p o teste F é não sgnfcatvo (p = 078), ou seja, não se rejeta H 0 : as médas dos tratamentos são guas, logo conclu-se que não exste dferença entre as médas esperadas dos tratamentos. Obtenção dos valores F teórcos no R qf(0.9,, 0) # valor de F(, 0) qf(0.99,, 0) # valor de F(, 0) ª QUESTÃO (,): Abaxo estão os resultados de um teste de Tuke de comparações de médas duas a duas fornecdas pelo R. Escreva as hpóteses estatístcas que são testadas, e com base nos resultados abaxo monte o quadro de médas com as letras para representar as dferenças sgnfcatvas entre as médas. Tre as conclusões Tuke multple comparsons of means 9% faml-wse confdence level Ft: aov(formula = pa ~ trat) Tratamentos A B C D E F Médas $trat Dff lwr upr p adj B-A C-A D-A E-A F-A C-B D-B E-B F-B D-C E-C F-C E-D F-D E-06 F-E Tratamentos Médas Letras * D 9 a A a b E b c C 0 b c B 8 c F c * Médas segudas pelas mesmas letras não dferem entre s pelo teste de Tuke a % Conclusão: O tratamento D apresentou a maor méda, a qual dfere sgnfcatvamente (p<0) dos outros tratamentos, exceto do tratamento A. Por sua vez o tratamento A dfere sgnfcatvamente (p<0) dos tratamentos B e F, mas não dfere sgnfcatvamente (p>0) dos tratamentos E e C. Também não exste dferença sgnfcatva (p>0) entre os tratamentos E, C, B e F quando comparados a entre s.
A redução na pressão sangüínea (mm Hg) em um período de quatro semanas observadas em cães experimentais está tabulada abaixo:
UNIVERSIDADE ESTADUAL PAULISTA FACULDADE DE CIÊNCIAS AGRÁRIAS E VETERINÁRIAS CAMPUS DE JABOTICABAL ª PROVA DE ESTATÍSTICA EXPERIMENTAL - MEDICINA VETERINÁRIA NOME: DATA / / ª QUESTÃO (5,5): A redução da
Leia maisa média populacional do i-ésimo tratamento; o efeito do i-ésimo tratamento na variável dependente Y e mede o afastamento da média µ
UNIVERSIDADE ESTADUAL PAULISTA FACULDADE DE CIÊNCIAS AGRÁRIAS E VETERINÁRIAS CAMPUS DE JABOTICABAL ª PROVA DE ESTATÍSTICA EXPERIMENTAL - MEDICINA VETERINÁRIA NOME: DATA / / ª QUESTÃO (5,5): Vnte e cnco
Leia mais1ª PROVA DE ESTATÍSTICA EXPERIMENTAL
UNIVERSIAE ESTAUAL PAULISTA FACULAE E CIÊNCIAS AGRÁRIAS E VETERINÁRIAS CAMPUS E JABOTICABAL ª PROVA E ESTATÍSTICA EXPERIMENTAL - MEICINA VETERINÁRIA NOME: ATA / / ª QUESTÃO (5,5): Vnte suínos foram dstrbuídos
Leia maisUNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)
UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade
Leia maisVariação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.
Aplcação Por exemplo, se prepararmos uma área expermental com todo cudado possível e fzermos, manualmente, o planto de 100 sementes seleconadas de um mlho híbrdo, cudando para que as sementes fquem na
Leia maisDELINEAMENTOS EXPERIMENTAIS
SUMÁRIO 1 Delneamentos Expermentas 2 1.1 Delneamento Interamente Casualzado..................... 2 1.2 Delneamento Blocos Casualzados (DBC).................... 3 1.3 Delneamento Quadrado Latno (DQL)......................
Leia maisMAE 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 maisDelineamento Aleatorizado em Blocos Completos (DABC)
Delneamento Aleatorzado em Blocos Completos (DABC) Motvação Por que planear um expermento? Como dmnur o efeto resdual? Como controlar o efeto de fontes de varação conhecdas mas que não são de nteresse
Leia maisMétodos Avançados em Epidemiologia
Unversdade Federal de Mnas Geras Insttuto de Cêncas Exatas Departamento de Estatístca Métodos Avançados em Epdemologa Aula 5-1 Regressão Lnear Smples: Estmação e Interpretação da Reta Tabela ANOVA e R
Leia maisPRESSUPOSTOS DO MODELO DE REGRESSÃO
PREUPOTO DO MODELO DE REGREÃO A aplcação do modelo de regressão lnear múltpla (bem como da smples) pressupõe a verfcação de alguns pressupostos que condensamos segudamente.. Os erros E são varáves aleatóras
Leia maisAnálise de Variância. Comparação de duas ou mais médias
Análse de Varânca Comparação de duas ou mas médas Análse de varânca com um fator Exemplo Um expermento fo realzado para se estudar dabetes gestaconal. Desejava-se avalar o comportamento da hemoglobna (HbA)
Leia maisMOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES
MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES 1. Obtenha os estmadores dos coefcentes lnear e angular de um modelo de regressão lnear smples utlzando o método
Leia maisAnálise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA
Análse de Regressão Profa Alcone Mranda dos Santos Departamento de Saúde Públca UFMA Introdução Uma das preocupações estatístcas ao analsar dados, é a de crar modelos que explctem estruturas do fenômeno
Leia maisCap. 11 Correlação e Regressão
Estatístca para Cursos de Engenhara e Informátca Pedro Alberto Barbetta / Marcelo Menezes Res / Antono Cezar Borna São Paulo: Atlas, 2004 Cap. 11 Correlação e Regressão APOIO: Fundação de Apoo à Pesqusa
Leia maisESTATÍSTICA APLICADA II ANO LECTIVO 2011/2012. Exame Final 26 de Julho de 2012
ETATÍTICA APLICADA II ANO LECTIVO / Exame Fnal 6 de Julho de Duração : H 3 M Nota: Responder um grupo por folha (utlze frente e verso de cada folha) Em todas as questões apresentar os cálculos efectuados
Leia maisUNIDADE VIII ENSAIOS FATORIAIS
UNIDADE VIII ENSAIOS FATORIAIS CUIABÁ, MT 015/ PROF.: RÔMULO MÔRA 1. INTRODUÇÃO Ensaos fatoras são aqueles em que se estudam smultaneamente dos ou mas fatores, cada um deles com dos ou mas níves. O fatoral
Leia maisCapítulo 1. Exercício 5. Capítulo 2 Exercício
UNIVERSIDADE FEDERAL DE GOIÁS CIÊNCIAS ECONÔMICAS ECONOMETRIA (04-II) PRIMEIRA LISTA DE EXERCÍCIOS Exercícos do Gujarat Exercíco 5 Capítulo Capítulo Exercíco 3 4 5 7 0 5 Capítulo 3 As duas prmeras demonstrações
Leia maisRegressão Múltipla. Parte I: Modelo Geral e Estimação
Regressão Múltpla Parte I: Modelo Geral e Estmação Regressão lnear múltpla Exemplos: Num estudo sobre a produtvdade de trabalhadores ( em aeronave, navos) o pesqusador deseja controlar o número desses
Leia mais3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo
3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas
Leia maisANÁLISE DA VARIÂNCIA DA REGRESSÃO
ANÁLISE DA VARIÂNCIA DA REGRESSÃO PROCEDIMENTO GERAL DE REGRESSÃO Em um modelo de análse de varânca, como no DIA, o fator em estudo pode ser quanttatvo ou qualtatvo. FATOR QUANTITATIVO: é aquele cujos
Leia mais4 Critérios para Avaliação dos Cenários
Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ Em mutas stuações duas ou mas varáves estão relaconadas e surge então a necessdade de determnar a natureza deste relaconamento. A análse
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca
Leia maisREGRESSÃO E CORRELAÇÃO
Relaconamento entre varáves : - requer conhecmento REGRESSÃO E CORRELAÇÃO Y = f ( ) + ε Ex: 1. Y = Lucro de uma Empresa = Investmento em Publcdade Y(v.aleatóra) em função de (v.determnístca), onde Y é
Leia maisTESTE DO QUI-QUADRADO - Ajustamento
Exemplo 3: Avalar se uma moeda ou um dado é honesto; Em 100 lances de moeda, observaram-se 65 coroas e 35 caras. Testar se a moeda é honesta. 1 H 0 : a moeda é honesta; H 1 : a moeda não é honesta; 2 α
Leia maisUniversidade de São Paulo Escola Superior de Agricultura Luiz de Queiroz Departamento de Ciências Exatas
Unversdade de São Paulo Escola Superor de Agrcultura Luz de Queroz Departamento de Cêncas Exatas Prova escrta de seleção para DOUTORADO em Estatístca e Expermentação Agronômca Nome do canddato (a): Questão
Leia mais(c) 0,5; 9,5; -10,5; -0,5; 12,3; 2,3; etc. Ocorre desvio alto para o indivíduo 19 (-19,5) X (idade da casa)
Bussab&Morettn Estatístca Básca Capítulo 6 Problema zˆ,5, 55x αˆ : a acudade vsual méda estmada para recém-nascdos (zero anos de dade) é,5; βˆ : a acudade vsual méda estmada dmnu,55 a cada ano,5; 9,5;
Leia maisEstatística II Antonio Roque Aula 18. Regressão Linear
Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão
Leia maisTestes não-paramétricos
Testes não-paramétrcos Prof. Lorí Val, Dr. http://www.mat.ufrgs.br/val/ val@mat.ufrgs.br Um teste não paramétrco testa outras stuações que não parâmetros populaconas. Estas stuações podem ser relaconamentos,
Leia maisAnálise de Regressão Linear Múltipla IV
Análse de Regressão Lnear Múltpla IV Aula 7 Guarat e Porter, 11 Capítulos 7 e 8 He et al., 4 Capítulo 3 Exemplo Tomando por base o modelo salaro 1educ anosemp exp prev log 3 a senhorta Jole, gerente do
Leia maisREGRESSÃO NÃO LINEAR 27/06/2017
7/06/07 REGRESSÃO NÃO LINEAR CUIABÁ, MT 07/ Os modelos de regressão não lnear dferencam-se dos modelos lneares, tanto smples como múltplos, pelo fato de suas varáves ndependentes não estarem separados
Leia maisAnálise de Variância (ANOVA) de 1 via
varâncas guas guas? populaconas conhecdas? varâncas dferentes Teste Z varâncas guas guas? Amostras pequenas? (n
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisPrograma do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall
Sstemas Intelgentes Aplcados Carlos Hall Programa do Curso Lmpeza/Integração de Dados Transformação de Dados Dscretzação de Varáves Contínuas Transformação de Varáves Dscretas em Contínuas Transformação
Leia maisUNIVERSIDADE ESTADUAL PAULISTA JÚLIO DE MESQUITA FILHO FACULDADE DE CIÊNCIAS AGRÁRIAS E VETERINÁRIAS CAMPUS DE JABOTICABAL MATERIAL DIDATICO DO CURSO
UNIVERSIDADE ESTADUAL PAULISTA JÚLIO DE MESQUITA FILHO FACULDADE DE CIÊNCIAS AGRÁRIAS E VETERINÁRIAS CAMPUS DE JABOTICABAL MATERIAL DIDATICO DO CURSO ESTATISTICA EXPERIMENTAL: Com aplcaçoes em R Medcna
Leia maisAssociação entre duas variáveis quantitativas
Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa
Leia maisOs modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.
MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,
Leia mais3 A técnica de computação intensiva Bootstrap
A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.
Leia mais(B) Considere X = antes e Y = depois e realize um teste t para dados pareados e um teste da ANOVA de um DBC com 5 blocos. Compare os resultados.
INF 6 Notas de aula sujeto a correções Prof. Luz Alexandre Peternell (B) Consdere X antes e Y depos e realze um teste t para dados pareados e um teste da ANOVA de um DBC com 5 blocos. Compare os resultados.
Leia maisIdentidade dos parâmetros de modelos segmentados
Identdade dos parâmetros de modelos segmentados Dana Campos de Olvera Antono Polcarpo Souza Carnero Joel Augusto Munz Fabyano Fonseca e Slva 4 Introdução No Brasl, dentre os anmas de médo porte, os ovnos
Leia maisCurso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos
Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,
Leia mais1. CORRELAÇÃO E REGRESSÃO LINEAR
1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação
Leia maisO problema da superdispersão na análise de dados de contagens
O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão
Leia maisINTRODUÇÃO À CALIBRAÇÃO MULTIVARIADA
INTRODUÇÃO À CALIBRAÇÃO MULTIVARIADA APLICAÇÃO NO CONTROLE DE QUALIDADE DE FÁRMACOS Prof. Dr. Marcelo Martns de Sena MÓDULO 04 Undade Unverstára de Cêncas Eatas e Tecnológcas UnUCET Anápols 1 MÓDULO 04
Leia maisREGRESSÃO APLICADA À DADOS FLORESTAIS
3/6/8 REGRESSÃO APLICADA À DADOS FLORESTAIS INTRODUÇÃO SOFTWARE R IRATI, PR 8 HISTÓRICO O R é uma lnguagem orentada a objetos, crada em 996 por Ross Ihaka e Robert Gentleman, que alada a um ambente ntegrado,
Leia maisAlgarismos Significativos Propagação de Erros ou Desvios
Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento
Leia maisAnálise de Regressão
Análse de Regressão método estatístco que utlza relação entre duas ou mas varáves de modo que uma varável pode ser estmada (ou predta) a partr da outra ou das outras Neter, J. et al. Appled Lnear Statstcal
Leia maisTabela 1. Porcentagem de crianças imunizadas contra DPT e taxa de mortalidade de menores de 5 anos para 20 países, 1992.
Regressão Lnear Algumas vezes estamos nteressados não apenas se exste assocação entre duas varáves quanttatvas x e y, mas nós temos também uma hpótese a respeto de uma provável relação de causa e efeto
Leia maisAnálise de Variância. Introdução. Rejane Sobrino Pinheiro Tania Guillén de Torres
Análse de Varânca Rejane Sobrno Pnhero Tana Gullén de Torres Análse de Varânca Introdução Modelos de análse de varânca consttuem uma classe de modelos que relaconam uma varável resposta contínua com varáves
Leia maisX = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)
Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado
Leia mais2. MODELO MATEMÁTICO DO (DIA) E HIPÓTESES BÁSICAS PARA A ANÁLISE DE VARIÂNCIA. i = 1, 2,..., I j = 1, 2,..., J
Estatístca Expermental OC Carlos adeu dos Santos Das a. aula/ a. aula Delneamento nteramente Aleatorzado (DA). VANAGENS: Em relação aos outros a) é bastante flexível, pos o número de tratamentos e de repetções
Leia maisGabarito da Lista de Exercícios de Econometria I
Gabarto da sta de Exercícos de Econometra I Professor: Rogéro lva Mattos Montor: eonardo enrque A. lva Questão Y X y x xy x ŷ ˆ ˆ y ŷ (Y - Y ) (X - X ) (Ŷ - Y ) 360 00-76 -00 35.00 40.000 36-4 30.976 3076
Leia mais8.16. Experimentos Fatoriais e o Fatorial Fracionado
8.6. Expermentos Fatoras e o Fatoral Fraconado Segundo Kng (995) os arranos fatoras e fatoral fraconado estão dentre os arranos mas usados em expermentos ndustras. Veremos aqu alguns casos mas geras e
Leia maisO problema da superdispersão na análise de dados de contagens
O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão
Leia maisPROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2010/2011
Instruções: PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 00/0 Cada uestão respondda corretamente vale (um) ponto. Cada uestão respondda ncorretamente vale - (menos um) ponto. Cada uestão
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-4 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Programa do curso: Semana Conteúdo Apresentação da dscplna. Prncípos de modelos lneares de regressão.
Leia maisAnálise de Regressão Linear Múltipla VII
Análse de Regressão Lnear Múltpla VII Aula 1 Hej et al., 4 Seções 3. e 3.4 Hpótese Lnear Geral Seja y = + 1 x 1 + x +... + k x k +, = 1,,..., n. um modelo de regressão lnear múltpla, que pode ser escrto
Leia maisModelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados
Modelo lnear normal com erros heterocedástcos O método de mínmos quadrados ponderados Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal
Leia maisCAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA
CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de
Leia maisExperimentos em Quadrados Latinos: Aspectos Teóricos com Aplicação
Unversdade Estadual da Paraíba Centro de Cêncas e Tecnologa Departamento de Estatístca Anderson Ferrera Arruda de Arauo Expermentos em Quadrados Latnos: Aspectos Teórcos com Aplcação Campna Grande Dezembro,
Leia maisComo Construir Modelos Empíricos
Unversdade Tecnológca Federal do Paraná Programa de Pós-Graduação em Engenhara Mecânca - PPGEM Como Construr Modelos Empírcos Prof a Danele Tonolo Das F. Rosa http://pagnapessoal.utfpr.edu.br/daneletdas
Leia maisRegressão Linear Simples. Frases. Roteiro
Regressão Lnear Smples Frases Por serem mas precsos que as palavras, os números são partcularmente adequados para transmtr conclusões centífcas Pagano e Gauvre, 4 Rotero. Modelagem de Relação. Modelo Lnear
Leia maisEstatística I Licenciatura MAEG 2006/07
Estatístca I Lcencatura MAEG 006/07 AMOSTRAGEM. DISTRIBUIÇÕES POR AMOSTRAGEM.. Em determnada unversdade verfca-se que 30% dos alunos têm carro. Seleccona-se uma amostra casual smples de 0 alunos. a) Qual
Leia mais2 Incerteza de medição
2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr
Leia maisEscola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo. Testes de Comparações Múltiplas
Escola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo Testes de Comparações Múltiplas Professora Renata Alcarde Sermarini Piracicaba Agosto 2016 Renata Alcarde Sermarini Estatística
Leia maisMODELOS DE REGRESSÃO PARAMÉTRICOS
MODELOS DE REGRESSÃO PARAMÉTRICOS Às vezes é de nteresse nclur na análse, característcas dos ndvíduos que podem estar relaconadas com o tempo de vda. Estudo de nsufcênca renal: verfcar qual o efeto da
Leia maisRegressão Linear Múltipla. Frases. Roteiro
Regressão Lnear Múltpla Frases Por serem mas precsos que as palavras, os números são partcularmente adequados para transmtr conclusões centífcas Pagano e Gauvre, 004 Rotero 1. Especfcação do Modelo. Modelo
Leia maisDIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS
DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS 1 A análse de dagnóstco (ou dagnóstco do ajuste) confgura uma etapa fundamental no ajuste de modelos de regressão. O objetvo prncpal da análse de dagnóstco
Leia maisNeste 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 maisAplicando o método de mínimos quadrados ordinários, você encontrou o seguinte resultado: 1,2
Econometra - Lsta 3 - Regressão Lnear Múltpla Professores: Hedbert Lopes, Prscla Rbero e Sérgo Martns Montores: Gustavo Amarante e João Marcos Nusdeo QUESTÃO 1. Você trabalha na consultora Fazemos Qualquer
Leia maisEstatística Experimental Medicina Veterinária. Faculadade de Ciências Agrárias e Veterinárias. Campus de Jaboticabal SP. Gener Tadeu Pereira
MATERIAL DIDÁTICO Estatístca Expermental Medcna Veternára Faculadade de Cêncas Agráras e Veternáras Campus de Jabotcabal SP Gener Tadeu Perera º SEMESTRE DE 03 ÍNDICE AULA ESTATÍSTICA DESCRITIVA º EXERCÍCIO
Leia maisINSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO
Área Centfca Curso Matemátca Engenhara Electrotécnca º Semestre º 00/0 Fcha nº 9. Um artgo da revsta Wear (99) apresenta dados relatvos à vscosdade do óleo e ao desgaste do aço maco. A relação entre estas
Leia maisDELINEAMENTO EM BLOCOS AO ACASO
DELINEAMENTO EM BLOCOS AO ACASO Sempre que não houver condições experimentais homogêneas, devemos utilizar o principio do controle local, instalando Blocos, casualizando os tratamentos, igualmente repetidos.
Leia maisGráficos de Controle para Processos Autocorrelacionados
Gráfcos de Controle para Processos Autocorrelaconados Gráfco de controle de Shewhart: observações ndependentes e normalmente dstrbuídas. Shewhart ao crar os gráfcos de controle não exgu que os dados fossem
Leia maisCAPÍTULO 2 - Estatística Descritiva
INF 16 Prof. Luz Alexandre Peternell CAPÍTULO - Estatístca Descrtva Exercícos Propostos 1) Consderando os dados amostras abaxo, calcular: méda artmétca, varânca, desvo padrão, erro padrão da méda e coefcente
Leia maisOcorrência (i) Total Freq. Observada (n i )
apítulo 4 Problema H L : p p p6 / 6 Ocorrênca ( 3 4 5 6 Total Freq. Observada (n 43 49 56 45 66 4 3 Freq. Esperada ( n * 5 5 5 5 5 5 3 ( n / n n,98,,7,5 5,,6 8,96 8,96 ; s 6; g.l. 5. ˆ 5 α P ( χ > 8,96,.
Leia maisMétodos Experimentais em Ciências Mecânicas
Métodos Expermentas em Cêncas Mecâncas Professor Jorge Luz A. Ferrera Sumáro.. Dagrama de Dspersão. Coefcente de Correlação Lnear de Pearson. Flosofa assocada a medda da Estatstca. este de Hpótese 3. Exemplos.
Leia maisRegressão Linear Simples by Estevam Martins
Regressão Lnear Smples by Estevam Martns stvm@uol.com.br "O únco lugar onde o sucesso vem antes do trabalho, é no dconáro" Albert Ensten Introdução Mutos estudos estatístcos têm como objetvo estabelecer
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-14 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Prncípos de cração de modelos empírcos: Modelos (matemátcos, lógcos, ) são comumente utlzados na
Leia maisTécnicas Experimentais Aplicadas
Técnicas Experimentais Aplicadas em Ciência do Solo Mario de Andrade Lira Junior lira.pro.br/wordpress 7/4/010 1 Principais delineamentos Inteiramente casualizado Segundo mais comum Blocos completos Normalmente
Leia maisModelo linear clássico com erros heterocedásticos. O método de mínimos quadrados ponderados
Modelo lnear clássco com erros heterocedástcos O método de mínmos quadrados ponderados 1 Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal
Leia maisESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11. EXERCÍCIOS PRÁTICOS - CADERNO 1 Revisões de Estatística
ESTATÍSTICA MULTIVARIADA º SEMESTRE 010 / 11 EXERCÍCIOS PRÁTICOS - CADERNO 1 Revsões de Estatístca -0-11 1.1 1.1. (Varáves aleatóras: função de densdade e de dstrbução; Méda e Varânca enquanto expectatvas
Leia maisREGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA
REGRESSÃO LINEAR CUIABÁ, MT 6/ INTRODUÇÃO Relação dos valores da varável depedete (varável resposta) aos valores de regressoras ou exógeas). SIMPLES MÚLTIPLA (varáves depedetes,... =,,, K=,,, k em que:
Leia maisTópicos Extras 2ª parte. Análise de Correlação e Regressão
Tópcos Extras ª parte Aálse de Correlação e Regressão 1 Defções báscas ANÁLISE DE CORRELAÇÃO Mesurar a força da assocação etre as varáves (geralmete através do cálculo de algum coefcete). ANÁLISE DE REGRESSÃO
Leia mais8.2. Tipos de Ações Gerenciais em Empresas que Valorizam o Controle de Qualidade
8. USO DA ANÁLISE DE VARIÂNCIA E DA REGRESSÃO 8.1. Introdução A estatístca é a cênca que lda com a coleta, o processamento e a dsposção de dados (nformação) atuando como ferramenta fundamental nos processos
Leia maisAULA 4. Segundo Quartil ( Q observações são menores que ele e 50% são maiores.
Estatístca Aplcada à Engenhara AULA 4 UNAMA - Unversdade da Amazôna.8 MEDIDA EPARATRIZE ão valores que separam o rol (os dados ordenados) em quatro (quarts), dez (decs) ou em cem (percents) partes guas.
Leia maisCAPÍTULO 9 REGRESSÃO LINEAR PPGEP REGRESSÃO LINEAR SIMPLES REGRESSÃO LINEAR SIMPLES REGRESSÃO LINEAR SIMPLES UFRGS. Regressão Linear Simples
CAPÍTULO 9 REGREÃO LINEAR IMPLE REGREÃO LINEAR IMPLE UFRG Em mutos problemas há duas ou mas varáves que são relaconadas, e pode ser mportante modelar essa relação. Por exemplo, a resstênca à abrasão de
Leia maisContabilometria. Aula 8 Regressão Linear Simples
Contalometra Aula 8 Regressão Lnear Smples Orgem hstórca do termo Regressão Le da Regressão Unversal de Galton 1885 Galton verfcou que, apesar da tendênca de que pas altos tvessem flhos altos e pas axos
Leia maisNome: Nº: Estatística para Economia e Gestão Licenciaturas em Economia e Gestão. 2.º Semestre de 2008/2009
Estatístca para Economa e Gestão Lcencaturas em Economa e Gestão.º Semestre de 008/009 Exame Fnal (.ª Época) 16 de Junho de 009; 17h30m Duração: 10 mnutos INSTRUÇÕES Escreva o nome e número de aluno em
Leia maisAULA EXTRA Análise de Regressão Logística
1 AULA EXTRA Análse de Regressão Logístca Ernesto F. L. Amaral 13 de dezembro de 2012 Metodologa de Pesqusa (DCP 854B) VARIÁVEL DEPENDENTE BINÁRIA 2 O modelo de regressão logístco é utlzado quando a varável
Leia maisIntrodução a Processos Estocásticos:Exercícios
lvroexerccos 2017/3/19 11:24 page #1 Introdução a Processos Estocástcos:Exercícos Luz Antono Baccalá Escola Poltécnca da USP Departamento de Engenhara de Telecomuncações e Controle 2016 lvroexerccos 2017/3/19
Leia mais1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de
Leia maisAnálise Exploratória de Dados
Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: traçar dagramas de dspersão, para avalar possíves relações entre as duas varáves; calcular o coefcente de correlação entre as duas
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional. ou experimental.
Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~vall/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal http://www.mat.ufrgs.br/~vall/ ou expermental. Numa relação
Leia maisProf. Cláudio Serra, Esp. 1. Produção de Leite x índice Pluviométrico y = 0.8x R 2 =
Análse de Regressão Cap.. Introdução Análse de regressão é uma técnca de modelagem utlzada para analsar a relação entre uma varável dependente () e uma ou mas varáves ndependentes,, 3,..., n. O ojetvo
Leia maisNOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling
4 INFERÊNCIA SOBRE O VETOR DE MÉDIAS 4. TESTE PARA UM VETOR DE MÉDIAS µ Lembrado o caso uvarado: H : µ = µ H : µ µ Nível de sgfcâca: α Estatístca do teste: X µ t = s/ ~ t Decsão: se t > t - (α/) rejeta-se
Leia maisRegressao Simples. Parte II: Anova, Estimação Intervalar e Predição
egressao Smples Parte II: Aova, Estmação Itervalar e Predção Aálse de Varâca Nem todos os valores das amostras estão cotdos a reta de regressão, e quato mas afastados estverem por, a reta represetará a
Leia mais