NOTAS DE AULA DA DISCIPLINA CE076
|
|
- André Garrau Teixeira
- 7 Há anos
- Visualizações:
Transcrição
1 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 exlcar a estrutura de varânca-covarânca da matrz de dados através de combnações lneares não correlaconadas das varáves orgnas. Embora comonentes seam necessáras ara reroduzr a varabldade total do sstema, frequentemente muto desta varabldade ode ser exlcada or um número equeno, k, de comonentes rncas. Neste caso, exste quase a mesma quantdade de nformação nas k comonentes que exste nas varáves orgnas. As k comonentes rncas odem então substtur as varáves ncas e, o conunto de dados orgnal que consste de n meddas das varáves, é reduzdo ara um formado or n meddas das k comonentes rncas (CHAVES NETO, 00). Varáves orgnas Comonentes rncas,,..., Tranformação lnear e ortogonal Y, Y,..., Y - A rerodução da varabldade total do sstema requer as varáves, orém, frequentemente a maor arte dessa varabldade ode ser exlcada or um número equeno k <, de comonentes rncas. - Neste caso exste um ercentual de quantdade de nformações nas k comonente rncas que nas varáves orgnas. - As k comonente rncas odem então substtur as varáves orgnas. - A ACP frequentemente revela relaconamentos que não são revamente susetos e ermte nterretações que oderam não ocorrer ordnaramente. 5.. Prncas obetvos da ACP: () Reduzr a dmensonaldade das varáves. () Obtenção de v.a s não correlaconadas; (3) Analsar quas as varáves ou, quas os conuntos de varáves exlcam a maor arte da varabldade total, revelando que to de relaconamento exste entre eles. Materal Retrado das Aostlas dos Profs. Jar Mendes Marques e Anselmo Chaves Neto Págna
2 Observações: () A ACP não deende da suosção ncal de normaldade. () A ACP é muto útl como método auxlar em Regressão, Análse Fatoral e Análse de Agruamentos (Cluster). 5.3 Comonentes Prncas Poulaconas: As combnações lneares reresentam a seleção de um novo sstema de coordenadas, obtdo or rotação do sstema orgnal com,,..., como exos. Os novos exos Y, Y,..., Y, reresentam as dreções com varabldade máxma (ermte uma nterretação mas smles da estrutura da matrz de covarânca). Por exemlo, ara = : Y Y Sea o vetor aleatóro = [,,..., ] que tem vetor de médas E() = µ e matrz de covarânca V() = Σ com autovalores Consdere as combnações lneares: Y = c = c + c c Y = c = c + c c c c... c c c... c C = c c... c Y = c = c + c c Materal Retrado das Aostlas dos Profs. Jar Mendes Marques e Anselmo Chaves Neto Págna
3 Y c c... c Então, tem-se Y = Y c c... c = =... C e Y c c... c - E(Y ) = E(c ) = c E() = c µ - V(Y ) = V(c ) = c V()c = c Σc - cov(y,y k ) = c Σc k = 0 - cov(y ) = V( C ) = CΣC As comonentes rncas são as combnações lneares não-correlaconadas Y, Y,..., Y cuas varâncas são tão grandes quanto ossível, assm: Resultado: Sea Σ a matrz de covarâncas assocada ao vetor aleatóro = [,,..., ] e que tem os ares de autovalor-autovetor (,e ),(,e ),...,(,e ) onde A -ésma comonente rncal é dada or Y = e e tem V(Y ) = e Σe = e cov(y, Y k ) = 0 k. Se algum é gual a outro, na escolha do corresondente vetor de coefcentes e, Y então não é únco. c Solução normalzada: c c c c c c.c = = = M = c Pode-se defnr então: A ª comonente rncal: como a combnação lnear c que maxmza V( c ) sueta à restrção c.c =. A ª comonente rncal: como a combnação lnear c que maxmza V( c ) sueta às restrções c.c = e Cov ( c,c ) = 0.. A -ésma comonente rncal como a combnação lnear c que maxmza V( c ) sueta às restrções c.c = e Cov ( c,c ) = 0 ara todo <. Proredades: () Sea o vetor aleatóro =,,..., ] com matrz covarânca Σ e ares de [ autovalores-autovetores (,e ), (,e ),...,(,e ), onde A - ésma comonente rncal é dada or: Materal Retrado das Aostlas dos Profs. Jar Mendes Marques e Anselmo Chaves Neto Págna 3
4 Y = e = e + e e, =,,..., onde: V(Y ) = e. Σ. e = e Cov(Y,Y ) = e. Σ. e = 0, () Varânca total: V( = = σ + σ + + σ ) V( )... V() V(... = = ) = V(Y ) = (3) Se Y = e, Y = e,..., Y = e são as comonentes rncas de Σ então ρ Y = e σ,, =,,..., são os coefcentes de correlação entre as comonentes rncas Y e as varáves, onde (,e ), (,e ),...,(,e ), são os ares de autovalores-autovetores de Σ. (4) A roorção da varânca total devda à -ésma comonente rncal é, =,,..., Observação Imortante: Cada autovetor e = [e,e,...,e ] ode auxlar na nterretação da comonente rncal Y. A magntude de e mede a mortânca da - ésma varável ara a -ésma comonente rncal Y. Na realdade, e, é roorconal ao coefcente de correlação entre Y e. 5.4.Comonentes Prncas de Varáves Padronzadas: A -ésma comonente rncal das varáves adronzadas: z = [z = µ µ µ,,,z,...,z], σ σ σ ou, em notação matrcal: z = V / ( µ ) Materal Retrado das Aostlas dos Profs. Jar Mendes Marques e Anselmo Chaves Neto Págna 4
5 onde: σ 0 V / = M 0 0 σ M 0 M 0 0, M σ µ µ µ =, M µ = M com Cov(z) = ρ é dada or: y = e e.z = (V / ) ( µ), =,,..., Proredades: () V (y ) V(z ) = = = = () ρ y z = e,, =,,...,, onde: (,e ), (,e ),...,(,e ) são os ares de autovalores-autovetores de ρ com (3) A roorção da varânca total exlcada ela -ésma comonente rncal de z é dada or Exercícos: 0. Dada a matrz Σ = 5 0 do vetor aleatóro = (,, 3 ). 0 0 a) determne os ares de autovalor-autovetor da matrz de covarânca; b) escreva as comonentes rncas; c) determne a V(Y ); d) escreva a matrz C das combnações lneares referente às comonentes rncas; e) calcule a matrz de covarâncas do vetor de comonentes rncas Y; f) determne a roorção da varânca total que cabe a cada uma das comonentes rncas; g) qual a roorção da varânca total exlcada elas duas rmeras comonentes rncas; h) calcule os coefcentes de correlação entre a comonente Y e as v.a s e ; ) calcule os coefcentes de correlação entre a comonente Y e as v.a s, e 3 ; ) faça alguma conclusão quanto as comonentes rncas e as v.a s orgnas. k) Faça tudo de novo com dados adronzados; ) Sea a matrz de covarânca Σ = do vetor aleatóro = [ ]. Materal Retrado das Aostlas dos Profs. Jar Mendes Marques e Anselmo Chaves Neto Págna 5
6 a) Determne a matrz de correlação do vetor; b) determne os ares de autovalor-autovetor de Σ; c) determne os ares de autovalor-autovetor de ρ; d) determne as comonentes rncas, or Σ; e) determne as comonentes rncas, or ρ; f) determne as varâncas das comonentes rncas, or Σ e or ρ; g) determne a roorção da varação total que cabe ara cada uma das comonentes rncas; h) calcule os coefcentes de correlação entre Y e e ; ) calcule os coefcentes de correlação entre Y e Z e Z ; 5.5.Comonentes Prncas Amostras: Na rátca, os arâmetros µ e Σ são desconhecdos e devem ser estmados. Suonha que x, x,..., x n, com n >, são vetores de observações ndeendentes de. As estmatvas de µ e Σ são, resectvamente, n µ ˆ = x = n x e n S = x) (x x)(x = n = A -ésma comonente amostral é dada or: Ŷ ˆ = e = ê + ê ê, =,,..., onde: ( ˆ, ˆ ),(ˆ, ˆ ),...,(ˆ, ˆ e e e) são os autovalores-autovetores de S com ˆ ˆ... ˆ 0. Tem-se que: () V(Ŷ ) = ˆ, =,,,...,. () Cov (Ŷ,Ŷ ) = 0,. (3) s = s + s = ˆ = ˆ + ˆ ˆ s. = = (4) A roorção da varânca total devdo a -ésma comonente rncal estmada é ˆ, =,,...,. ˆ ˆ... ˆ Materal Retrado das Aostlas dos Profs. Jar Mendes Marques e Anselmo Chaves Neto Págna 6
7 ê ˆ (5) A correlação amostral entre Ŷ e é r =,, =,,...,. Ŷ s Para um vetor de observações adronzadas: z ˆ = [ẑ,ẑ,...,ẑ] a matrz covarânca será: Sz ρˆ = R = M ρˆ ρˆ M ρ ρˆ ρˆ M A -ésma comonente rncal será ˆ ŷ = e z = ê z + ê z ê z, =,,..., onde: ( ˆ, ˆ e ) é o -ésmo ar autovalor-autovetor de R com ˆ ˆ... ˆ 0. Para ŷ tem-se que: () V(ŷ ) ˆ =, =,,...,. () Cov (ŷ, ŷ ) = 0,. (3) Varânca total amostral = ˆ = ˆ + ˆ + + ˆ =... = tr(r) = (4) r ŷ z = ê ˆ, =,,..., (5) A roorção da varânca total amostral exlcada ela -ésma comonente será dada or ˆ, =,,...,. Materal Retrado das Aostlas dos Profs. Jar Mendes Marques e Anselmo Chaves Neto Págna 7
8 Exercícos: ) O censo de 970 forneceu nformações sobre cnco varáves sóco-econômcas de determnada regão. Os dados roduzram os seguntes resultados: 4, 3 x = 4, 0, 95, 7, 45 ª lnha oulação (ml) ª lnha dade escolar méda (anos) 3ª lnha total de emregados (ml) 4ª lnha total de emregados em servços lgados a saúde (00) 5ª lnha valor médo de resdêncas 4, 308, ,, 55 0, 53, 683, 768 0, 588 0, 77 0, 76 S = 803, 0, 588 0, 80, 065 0, 58, 55 0, 77, 065, 970 0, 357 0, 53 0, 76 0, 58 0, 357 0, 504 Pergunta-se, ode a varação total amostral ser sumarada or uma ou duas comonentes rncas? ) Em um estudo sobre o relaconamento entre comrmento e forma de tartarugas ntadas, dos centstas medram o comrmento da caraaça, largura e altura. Seus dados, sugerem uma análse em termos de logartmos. O obetvo do trabalho era dar um sgnfcado ara os concetos de tamanho e forma. Foram fetas as meddas de (comrmento), (largura) e 3 (altura) em 4 tartarugas machos e a matrz de covarânca dos dados é dada a segur. Pede-se: a) Calcule os autovalores e autovetores de S; b) Determne as comonentes rncas Y, Y e Y 3; c) Qual a orcentagem da varânca total exlcada or cada uma das comonentes rncas? d) Calcule os coefcentes de correlação entre as comonentes e as v.a s orgnas; 43,58 59,87 6, 67 S = 64,57 98,99 63,87 Materal Retrado das Aostlas dos Profs. Jar Mendes Marques e Anselmo Chaves Neto Págna 8
9 3) Berce e Wlbaux (935) coletaram meddas de 5 varáves meteorológcas durante um eríodo de anos. As varáves são: ANO a) Estme com base na amostra de tamanho n = observações do vetor o vetor médo oulaconal, a matrz de covarânca e a matrz de correlação oulaconas; b) Calcule os autovetores e os autovalores da matrz de correlação R; c) Escreva as comonentes rncas com base na matrz de correlação R; d) Determne a arcela da varação total exlcada or cada uma das comonentes rncas; e) Calcule os coefcentes de correlação entre as comonentes rncas ˆ Y =,,...,5 e as varáves orgnas =,...,5; f) Usando a matrz de covarâncas S que você obteve no tem a determne as comonentes rncas e determne a roorção da varânca total exlcada or elas. Comare com o que você obteve anterormente com base em R. Qual a nterretação é mas sgnfcatva. Materal Retrado das Aostlas dos Profs. Jar Mendes Marques e Anselmo Chaves Neto Págna 9
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 maisCE-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 maisAs componentes principais no descarte de variáveis em um modelo de regressão múltipla
As omonentes rnas no desarte de varáves em um modelo de regressão múltla The rnal omonents n the reduton of varables n a multle regresson model Jar Mendes Marques* Maros Augusto Mendes Marques** Resumo
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 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 maisR X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais
30 Varáves aleatóras bdmensonas Sea ε uma experênca aleatóra e S um espaço amostral assocado a essa experênca. Seam X X(s) e Y Y(s) duas funções cada uma assocando um número real a cada resultado s S.
Leia maisMétodos de Agrupamento e Componentes Principais: Teoria e Aplicações
Métodos de Agruamento e Comonentes Prncas: Teora e Alcações Danele Barroca Marra Alves Enuce Menezes de Souza Faculdade de Cêncas e Tecnologa - UNESP 96-9, Presdente Prudente, SP E-mal: danbarroca@yahoo.com.br,
Leia maisMAE 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 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/ 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 maisEventos coletivamente exaustivos: A união dos eventos é o espaço amostral.
DEFINIÇÕES ADICIONAIS: PROBABILIDADE Espaço amostral (Ω) é o conjunto de todos os possíves resultados de um expermento. Evento é qualquer subconjunto do espaço amostral. Evento combnado: Possu duas ou
Leia 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 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 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 maisNOTAS DE AULA DA DISCIPLINA CE076 = 2. ], T 2 = conhecido como T 2 de Hotelling
NOTAS DE AULA DA DISCIPLINA CE76 4 INFERÊNCIA SOBRE O VETOR DE MÉDIAS 4. TESTE PARA UM VETOR DE MÉDIAS µ Lembrado o caso uvarado: H : µ µ H : µ µ Nível de sfcâca: α Estatístca do teste: t X µ s/ ~ t Decsão:
Leia maisAnálise 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 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 mais3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo
3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas
Leia maisREGRESSÃO NÃO LINEAR 27/06/2017
7/06/07 REGRESSÃO NÃO LINEAR CUIABÁ, MT 07/ Os modelos de regressão não lnear dferencam-se dos modelos lneares, tanto smples como múltplos, pelo fato de suas varáves ndependentes não estarem separados
Leia 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 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 maisRISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%
Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $
Leia 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 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 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 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 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 maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRGS Insttuto de Matemátca
Leia 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 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 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 maisUNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)
UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade
Leia maisAnálise de Novos Atributos para Determinação de Padrões de Continuidade no Fornecimento de Energia Elétrica Um Estudo de Caso no Pará
Análse de Novos Atrbutos ara Determnação de Padrões de Contnudade no Fornecmento de Energa Elétrca Um Estudo de Caso no Pará W. S. Tostes 1 M. E. L. Tostes 1 R. D. S. Slva 1 T.F. Olvera S.C.P. Sousa 1
Leia maisOPF básico - Exemplo de aplicação dos conceitos de optimização não linear Notas para a disciplina de DOSE (LEEC-FEUP)
OF básco - Exemlo de alcação dos concetos de otmzação não lnear Notas ara a dsclna de DOSE (EE-FEU Manuel Matos FEU, 4. Introdução A nclusão das equações do trânsto de otêncas no roblema do desacho económco
Leia maisCorrelação. Frases. Roteiro. 1. Coeficiente de Correlação 2. Interpretação de r 3. Análise de Correlação 4. Aplicação Computacional 5.
Correlação Frases Uma probabldade razoável é a únca certeza Samuel Howe A experênca não permte nunca atngr a certeza absoluta. Não devemos procurar obter mas que uma probabldade. Bertrand Russel Rotero
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 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 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 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 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 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 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 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 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 maisANÁLISE DE COMPONENTES PRINCIPAIS, ANÁLISE FATORIAL: Exemplos em STATA. Prof. Dr. Evandro Marcos Saidel Ribeiro RESUMO
UNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE DEPARTAMENTO DE ADMINISTRAÇÃO ANÁLISE DE COMPONENTES PRINCIPAIS, ANÁLISE FATORIAL: Eemplos em STATA. Prof. Dr. Evandro Marcos
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 maisEstatística Aplicada II CORRELAÇÃO. AULA 21 07/11/16 Prof a Lilian M. Lima Cunha
09//06 Estatístca Aplcada II CORRELAÇÃO AULA 07//6 Prof a Llan M. Lma Cunha CORRELAÇÃO: Identfcar a estênca ou não de assocação lnear entre varáves: -Preço de um produto em regões; -Frete e Km percorrdo;
Leia maisUNIVERSIDADE NOVA DE LISBOA Faculdade de Economia Análise de Dados e Probabilidade 2º Semestre 2008/2009 Exame Final 1ª Época. Grupo I (4 Valores)
UNIVERSIDADE NOVA DE LISBOA Faculdade de Economa Análse de Dados e Probabldade º Semestre 008/009 Exame Fnal ª Época Clara Costa Duarte Data: 8/05/009 Graça Slva Duração: h0 Grupo I (4 Valores) A gelatara
Leia mais3. Estatística descritiva bidimensional
3. Estatístca descrtva bdmensonal (Tabelas, Gráfcos e números) Análse bvarada (ou bdmensonal): avala o comportamento de uma varável em função da outra, por exemplo: Quantas TV Phlps são venddas na regão
Leia maisRAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro
UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD1507 Estatístca Aplcada à Admnstração I Prof. Dr. Evandro Marcos adel Rbero
Leia 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 maisPARÂMETRO ROBUSTO MULTIVARIADO NA OTIMIZAÇÃO DO TORNEAMENTO DO AÇO ABNT ENDURECIDO
Desenvolvmento Sustentável e Resonsabldade Socal: As Contrbuções da Engenhara de Produção Bento Gonçalves, RS, Brasl, 15 a 18 de outubro de 01. PARÂMETRO ROBUSTO MULTIVARIADO NA OTIMIZAÇÃO DO TORNEAMENTO
Leia maisNotas Processos estocásticos. Nestor Caticha 23 de abril de 2012
Notas Processos estocástcos Nestor Catcha 23 de abrl de 2012 notas processos estocástcos 2 O Teorema de Perron Frobenus para matrzes de Markov Consdere um processo estocástco representado por um conunto
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 maisAvaliação de processos produtivos multivariados através das menores componentes principais
XXIII Encontro Nac. de Eng. de Produção - Ouro Preto, MG, Brasl, a 4 de out de 3 Avalação de processos produtvos multvarados através das menores componentes prncpas Adrano Mendonça Souza (UFSM) amsouza@ccne.ufsm.br
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 maisFaculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu
Programação Lnear (PL) Aula : Dualdade. Defnção do Problema Dual. Defnção do problema dual. O que é dualdade em Programação Lnear? Dualdade sgnfca a exstênca de um outro problema de PL, assocado a cada
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 maisClassificação de Padrões
Classfcação de Padrões Introdução Classfcadores Paramétrcos Classfcadores Sem-paramétrcos Redução da Dmensonaldade Teste de Sgnfcânca 6.345 Sstema de Reconhecmento de Voz Teora Acústca da Produção de Voz
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 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 maisFaculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu
1 Programação Não Lnear com Restrções Aula 9: Programação Não-Lnear - Funções de Váras Varáves com Restrções Ponto Regular; Introdução aos Multplcadores de Lagrange; Multplcadores de Lagrange e Condções
Leia maisEscola Superior de Tecnologia de Viseu. Fundamentos de Estatística 2006/2007 Ficha nº 7
Escola Superor de Tecnologa de Vseu Fundamentos de Estatístca 006/00 Fcha nº. Um artgo da revsta Wear (99) apresenta dados relatvos à vscosdade do óleo e ao desgaste do aço maco. A relação entre estas
Leia 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 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 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 maisCORRELAÇÃO E REGRESSÃO
CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr
Leia mais22/8/2010 COMPLEXIDADE DE ALGORITMOS CES para os numeradores e 1 para o denominador. Noções de complexidade de algoritmos
Razão de crescmento desse temo Imortânca de análse de algortmos Um mesmo roblema ode, em mutos casos, ser resolvdo or város algortmos. Nesse caso, qual algortmo deve ser o escolhdo? Crtéro 1: fácl comreensão,
Leia maisEquações Simultâneas
Equações Smultâneas Caracterzação. Os modelos de equações smultâneasenvolvem mas de uma varável dependente, ou endógena, sendo necessáras tantas equações quanto for o número de varáves endógenas 2. Uma
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 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 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 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 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 mais4 Autovetores e autovalores de um operador hermiteano
T (ψ) j = ψ j ˆT ψ = k ψ j ˆT φ k S k = k,l ψ j φ l T (φ) S k = k,l φ l ψ j T (φ) S k = k,l SljT (φ) S k. Após todos esses passos vemos que T (ψ) j = k,l S jl T (φ) S k ou, em termos matrcas T (ψ) = S
Leia maisVariáveis Aleatórias
Unversdade Federal do Pará Insttuto de Tecnologa Estatístca Aplcada I Prof. Dr. Jorge Teóflo de Barros Lopes Campus de Belém Curso de Engenhara Mecânca /08/06 7:39 ESTATÍSTICA APLICADA I - Teora das Probabldades
Leia mais6 ALOCAÇÃO POR ÚLTIMA ADIÇÃO (UA)
ALOCAÇÃO POR ÚLTIMA ADIÇÃO (UA 7 6 ALOCAÇÃO POR ÚLTIMA ADIÇÃO (UA As desvantagens do método BM apresentadas no capítulo 5 sugerem que a alocação dos benefícos seja feta proporconalmente ao prejuízo causado
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 maisProbabilidade de Óbito por Leptospirose Humana em Belém - PA
Probabldade de Óbto or Letosrose Humana em Belém - PA. Introdução Bolssta de Incação Centífca ICEN/UFPA. e-mal: dana.olvera@cen.ufa.br ² Mestrando em Estatístca Alcada e Bometra CCE/UFV. ³ Professor(a
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 maisTeoria Elementar da Probabilidade
10 Teora Elementar da Probabldade MODELOS MATEMÁTICOS DETERMINÍSTICOS PROBABILÍSTICOS PROCESSO (FENÓMENO) ALEATÓRIO - Quando o acaso nterfere na ocorrênca de um ou mas dos resultados nos quas tal processo
Leia maisFigura 3: Diagrama de blocos do sistema de inferência da qualidade.
4 Solução Proposta A metodologa proposta nesta dssertação pode ser dvdda em quatro etapas complementares que estão representadas no dagrama de blocos na Fgura 3. Cada uma delas está descrta através do
Leia maisReconhecimento Estatístico de Padrões
Reconhecmento Estatístco de Padrões X 3 O paradgma pode ser sumarzado da segunte forma: Cada padrão é representado por um vector de característcas x = x1 x2 x N (,,, ) x x1 x... x d 2 = X 1 X 2 Espaço
Leia maisUTILIZAÇÃO DA TEORIA DA RESPOSTA AO ITEM NA PRODUÇÃO DE INDICADORES SÓCIO-ECONÔMICOS
versão mressa ISSN 00-7438 / versão onlne ISSN 678-54 UTILIZAÇÃO DA TEORIA DA RESPOSTA AO ITEM NA PRODUÇÃO DE INDICADORES SÓCIO-ECONÔMICOS Tuf Machado Soares Deartamento de Estatístca Centro de Avalação
Leia mais4 Modelos de Equações Estruturais
4 Modelos de Equações Estruturas 4. Introdução Este capítulo é dedcado aos fundamentos teórcos sobre os Modelos de Equações Estruturas baseados em Estruturas de Covarâncas (CSM) e em Mínmos Quadrados Parcas
Leia maisANÁLISE MATRICIAL DE ESTRUTURAS DE BARRAS PELO MÉTODO DE RIGIDEZ
ANÁISE MATRICIA DE ESTRUTURAS DE BARRAS PEO MÉTODO DE RIGIDEZ A análse matrcal de estruturas pelo método de rgdez compreende o estudo de cnco modelos estruturas báscos: trelça plana, trelça espacal, pórtco
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 mais4. MODELAMENTOS EM POLUIÇÃO DO AR: PREDITIVOS E RECEPTORES
4. MODELAMENTOS EM POLUIÇÃO DO AR: PREDITIVOS E RECEPTORES Para o Curso de Físca da Polução do Ar FAP346, º Semestre/006 Prof. Amérco Sansgolo Kerr Montora: Mara Emíla Rehder aver 4. INTRODUÇÃO No modelamento
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 maisNOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES
NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES 1 O nosso objetvo é estudar a relação entre duas varáves quanttatvas. Eemplos:. Idade e altura das cranças.. v. Tempo de prátca de esportes e rtmo cardíaco
Leia mais2 Referencial Teórico
Referencal Teórco O obetvo deste capítulo é apresentar os concetos de rsco, correlação e dversfcação no contexto da Teora oderna de Carteras e os últmos estudos a respeto das correlações entre mercados
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 maisEletroquímica 2017/3. Professores: Renato Camargo Matos Hélio Ferreira dos Santos.
Eletroquímca 2017/3 Professores: Renato Camargo Matos Hélo Ferrera dos Santos http://www.ufjf.br/nups/ Data Conteúdo 07/08 Estatístca aplcada à Químca Analítca Parte 2 14/08 Introdução à eletroquímca 21/08
Leia mais2ª Atividade Formativa UC ECS
I. Explque quando é que a méda conduz a melhores resultados que a medana. Dê um exemplo para a melhor utlzação de cada uma das meddas de localzação (Exame 01/09/2009). II. Suponha que um professor fez
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 maisEstudo e Previsão da Demanda de Energia Elétrica. Parte II
Unversdade Federal de Paraná Setor de Tecnologa Departamento de Engenhara Elétrca Estudo e Prevsão da Demanda de Energa Elétrca Parte II Prof: Clodomro Unshuay-Vla Etapas de um Modelo de Prevsão Objetvo
Leia mais4 ANÁLISE DE CONFIABILIDADE COM ANÁLISE LIMITE
4 ANÁLISE DE CONIABILIDADE COM ANÁLISE LIMITE A avalação da segurança das estruturas geotécncas tem sdo sempre um dos objetvos da Engenhara Geotécnca. A forma convenconal de quantfcar a segurança de uma
Leia maisEXERCÍCIO: VIA EXPRESSA CONTROLADA
EXERCÍCIO: VIA EXPRESSA CONTROLADA Engenhara de Tráfego Consdere o segmento de va expressa esquematzado abaxo, que apresenta problemas de congestonamento no pco, e os dados a segur apresentados: Trechos
Leia maise como falha o evento complementar F
No caítulo 3, foram aresentados os fundamentos da teora de robabldades, necessáros à comreensão das varáves aleatóras e de suas dstrbuções. No resente caítulo, dá-se níco à formulação e à descrção dos
Leia mais