Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.
|
|
- Ayrton Beppler de Paiva
- 6 Há anos
- Visualizações:
Transcrição
1 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, pode fazer com que as estmatvas seam pouco confáves. Com o obetvo de encontrar um modelo mas flexível, Cox propôs em 1972 um modelo, denomnado modelo de rsco proporconal de Cox. Esse modelo passou a ser o mas utlzado na análse de dados de sobrevvênca por sua versatldade.
2 Como em análse de sobrevvênca o nteresse também pode estar no rsco de falha o modelo proposto por Cox modela dretamente a função de rsco. O prncípo básco deste modelo para estmar o efeto das covaráves é a proporconaldade dos rscos ao longo de todo o tempo de observação. Suponha o caso smples em que uma únca covarável, que é um ndcador de grupo, é consderada. Consdere, por exemplo, que pacentes são aleatorzados para receber um tratamento padrão ou um novo tratamento. Sea h 1 (t) e h 0 (t) as funções de rsco no tempo t para pacentes no tratamento novo e no tratamento padrão, respectvamente.
3 De acordo com o prncípo da proporconaldade o rsco no tempo t para pacentes no novo tratamento é proporconal ao rsco, no mesmo tempo, para pacentes sobre o tratamento padrão. O modelo de rscos proporconas pode ser expresso na forma h1 ( t) h0 ( t) Uma mplcação da suposção de rscos proporconas é que as correspondentes funções de sobrevvênca para ndvíduos no novo e no tratamento padrão são razoavelmente paralelas ao longo de todo tempo. Um cruzamento das curvas ou uma varação nas dstâncas entre as curvas de dferentes categoras podem ndcar ausênca de proporconaldade.
4 O valor de é uma taxa de rsco ou rsco relatvo. Se < 1, o rsco de falha em t é menor para um ndvíduo sobre o novo tratamento, relatvo ao ndvíduo no tratamento padrão. Por outro lado, se > 1, o rsco de falha em t é maor para um ndvíduo no novo tratamento, ou sea o tratamento padrão ndca uma melhor alternatva. Consdere agora um estudo com n ndvíduos e denote a função de rsco para o -ésmo ndvíduo por h (t), = 1,2,...,n. Sea h 0 (t) a função de rsco para um tratamento padrão. A função de rsco para o novo tratamento é então h 0 (t). Como o rsco relatvo,, não pode ser negatvo é convenente consderar = exp().
5 O parâmetro é então o logartmo do rsco relatvo e qualquer valor de defndo em (-, +) leva a um valor postvo de. Note que valores postvos de são obtdos quando o rsco relatvo é maor do que 1, que é quando o novo tratamento é nferor ao padrão. Sea X uma varável ndcadora de grupo que assume o valor 0 para ndvíduos no tratamento padrão e 1 para ndvíduos no tratamento novo. Se x é o valor de X para o -ésmo ndvíduo no estudo, a função de rsco para este ndvíduo pode ser escrta por h ( t) h0 ( t)exp{ x} Este modelo é o modelo de rsco proporconal de Cox para a comparação de dos tratamentos.
6 De forma genérca, consdere p covaráves, de forma que x sea um vetor da forma x = (x 1,x 2,...,x p ). A função de rsco para o -ésmo ndvíduo é então escrta por h t) h0 ( t)exp{ 1x1 2x2... p x p} h ( t)exp{ x} ( 0 Este modelo é composto pelo produto de dos componentes, um não-paramétrco e o outro paramétrco. O componente não-paramétrco, h 0 (t), não é especfcado e é uma função não-negatva do tempo. Este componente é geralmente chamado de função de base ou função básca pos h(t) = h 0 (t) quando x = 0. O componente paramétrco, ou componente lnear é freqüentemente usado na forma multplcatva garantndo que h(t) sea sempre não-negatva.
7 È mportante ctar que o componente não-paramétrco absorve o termo constante, 0, presente nos modelos paramétrcos. Este modelo semparamétrco torna-se mas flexível que o modelo paramétrco devdo a presença da função de base. Exste outras formas possíves para (x ), mas essa é a mas comumente usada para modelos de dados de sobrevvênca. Este modelo é também denomnado modelo de rscos proporconas pos a razão das taxas de falha de dos ndvíduos dferentes é constante no tempo. Isto é, a razão das funções de rsco para os ndvíduos e é h ( t) h0 ( t)exp( x ) exp{ x x } h ( t) h ( t)exp( x ) 0
8 Esta razão de rscos não depende do tempo. Se um ndvíduo no níco do estudo tem um rsco de falha gual a duas vezes o rsco de um outro ndvíduo, esta razão de rscos será a mesma para todo o período de acompanhamento. O modelo de rscos proporconas também pode ser escrto em termos da função de rsco acumulada ou da função de sobrevvênca. H( t / x) H0( t)exp{ x} exp{ x } S( t / x) S 0 ( t) H t ( t) h0 ( s ds Sˆ ( t) exp{ Hˆ ( )} 0 ) t
9 ESTIMAÇÃO DOS PARÂMETROS O modelo de Cox é caracterzado pelos coefcentes s, que medem os efetos das covaráves sobre a função de rsco. Para que o modelo fque determnado, estas quantdades devem ser estmadas a partr dos dados amostras. Partndo do pressuposto de proporconaldade, é possível estmar os efetos das covaráves sem ter que fazer qualquer suposção a respeto da dstrbução do tempo de vda. A função de rsco básca e os coefcentes s podem ser estmados separadamente. Os s são estmados prmero e estas estmatvas são então usadas para construr uma estmatva da função de rsco básca.
10 Este é um resultado mportante pos assm é possível fazer nferêncas sobre os efetos das p varáves explcatvas no rsco relatvo sem precsar estmar a função de rsco básca. Os coefcentes s podem ser estmados usando o método de máxma verossmlhança. Contudo, a presença do componente não-paramétrco (h 0 (t)) na função de verossmlhança torna esse método naproprado. A solução proposta por Cox consste em condconar a construção da função de verossmlhança ao conhecmento da hstóra passada de falhas e censuras para elmnar a função de rsco básca.
11 Este método é chamado de método de máxma verossmlhança parcal. Consdere que em uma amostra de n ndvíduos exstam k n falhas dstntas nos tempos t 1 t 2... t k. A déa básca deste método é consderar a probabldade condconal da -ésma observação vr a falhar no tempo t conhecendo quas observações estão sob rsco em t. Esta probabldade condconal, que é a razão entre o rsco do ndvíduo falhar em t e a soma dos rscos de falha de todos os ndvíduos em rsco, é a contrbução de cada ndvíduo no tempo de falha t. Então a verossmlhança ndvdual L será, ) ( ) ( 0 0 ) ( } exp{ } exp{ } )exp{ ( } )exp{ ( ) ( ) ( t R t R t R x x x t h x t h t h t h L
12 R(t ) é o conunto dos índces das observações sob rsco no tempo t. Assm, condconal a hstóra de falhas e censuras até o tempo t, o componente não paramétrco desaparece da expressão de verossmlhança. A função de verossmlhança é dada por Os estmadores de máxma verossmlhança de são obtdos a partr da verossmlhança parcal, L(). n t R k t R x x x x L 1 ) ( 1 ) ( } exp{ } exp{ } exp{ } exp{ ) (
13 O modelo de rsco proporconal para dados de sobrevvênca e sua função de verossmlhança parcal assumem que os tempos de sobrevvênca são contínuos. Sob esta suposção, não permtem empates nos valores observados. Como o tempo de sobrevvênca pode ser regstrado em horas, das, meses ou até anos podem ocorrer empates nos tempos de falha ou de censura. Quando ocorrem empates entre falhas e censuras, usa-se a convenção de que a censura ocorreu após a falha, defnndo assm as observações a serem ncluídas no conunto de rsco em cada tempo de falha.
14 Para consderar empates entre tempos de falhas, a função de verossmlhança parcal pode ser modfcada. Uma aproxmação para a função de verossmlhança fo proposta por Breslow e Peto em 1972 e é freqüentemente usada em pacotes etsatístcos pela sua forma smples. Esta aproxmação é adequada quando o número de empates em qualquer tempo não é grande. Alguns autores provaram que os estmadores de máxma verossmlhança para o modelo de Cox são consstentes e assntotcamente normas sob certas condções de regulardade.
15 INTERPRETAÇÃO DOS COEFICIENTES O efeto das covaráves no modelo de rscos proporconas de Cox é de acelerar ou desacelerar a função de rsco. Para nterpretar os coefcentes estmados, a propredade de rscos proporconas do modelo deve ser usada. Consdere a razão das taxas de falha de dos ndvíduos e, que têm os mesmos valores para as covaraves com exceção da l-ésma. h h ( t) ( t) exp l x l x l Consdere que x l sea uma varável dcotômca ndcando pacentes hpertensos.
16 O rsco de morte entre os hpertensos é exp{ l } vezes o rsco de pacentes com pressão normal, com as outras covaráves mantda fxas. Sea = exp{}, que é a taxa de falha relatva no tempo t, assm ˆ exp ˆ. Para verfcar a exstênca de dferenças sgnfcatvas entre os grupos, basta observar se o valor 1 pertence ao ntervalo de confança estmado. Caso sto ocorra não há evdêncas de que os rscos dos pacentes nos dos grupos apresentam dferenças sgnfcatvas.
17 EXEMPLO: Consdere uma covarável grupo com três níves, representada por x 1 : grupo 1 e x 2 : grupo 2. As estmatvas de máxma verossmlhança parcal com I.C. entre parênteses são: ˆ 2,01,5;4,1 exp ˆ 2 1,2 0,7;1,8 exp 1 Exste dferença sgnfcatva entre o grupo controle e grupo 1, mas não exste dferença entre o grupo controle e grupo 2. O rsco de falha para pacentes do grupo 1 é duas vezes o rsco dos pacentes do grupo controle. Consdere agora a covarável dade com efeto sgnfcatvo e estmatva pontual dada por exp{ ˆ} 1.05 Temos então que se aumentarmos em um ano a dade, o rsco de falha fca aumentado em 5%.
18 AVALIAÇÃO DA PROPORCIONALIDADE DOS RISCOS Uma avalação ncal da proporconaldade do efeto das covaráves no tempo pode ser feta através da construção das curvas de Kaplan-Meer. A suposção de proporconaldade ao longo do tempo, será aceta se não houver cruzamento entre as curvas de sobrevvênca por categoras das varáves. Uma outra forma de avalar a suposção de proporconaldade é através da análse de resíduos de Schoenfeld. Consdere que se o -ésmo ndvíduo com vetor de covaráves x =(x 1,...,x p )` é observado falhar.
19 Tem-se para este ndvíduo um vetor de resíduos de Schoenfeld r = (r 1,...r p ) dado por r q x q Estes resíduos são nterpretados como a dferença entre os valores observados de covaráves de um ndvíduo com tempo de ocorrênca do evento t e os valores esperados em t dado o grupo de rsco R(t ). R( t ) x R( t ) q exp exp x ˆ x ˆ Estes resíduos são defndos apenas nos tempos de falha. O número de vetores de resíduos é gual ao número de covaráves austadas no modelo.
20 Dessa forma, através do gráfco dos resíduos padronzados de Schoenfeld contra o tempo é possível verfcar a exstênca ou não de proporconaldade. Isto é, se a suposção de rscos proporconas for satsfeta não deverá exstr nenhuma tendênca sstemátca no gráfco. É possível realzar um teste para verfcar a hpótese de que não exste correlação entre o tempo de sobrevvênca transformado e os resíduos padronzados. Isto equvale a testar a hpótese nula de que não exste tendênca no tempo (H 0 : =0).
21
22
23 AVALIAÇÃO DO AJUSTE DO MODELO Os mesmos testes aplcados aos modelos paramétrcos, também podem ser utlzados no modelo de Cox. A estatístca de Wald pode ser utlzada tanto para testar a sgnfcânca do parâmetro do modelo, como verfcar o auste global do mesmo. O teste da razão de verossmlhança (análse da função desvo) compara modelos encaxados. Avala se a nclusão de uma ou mas varáves no modelo aumenta de modo sgnfcatvo a verossmlhança de um modelo em relação ao modelo com menos parâmetros. A função desvo é assntotcamente semelhante a estatístca de Wald quando o número de observações é grande. Caso esse número sea pequeno, a análse da função desvo é mas robusta.
24 AVALIAÇÃO DO AJUSTE DO MODELO
25 AVALIAÇÃO DO AJUSTE DO MODELO PERGUNTA: Qual o poder explcatvo de um modelo escolhdo para avalar os dados? Uma medda de qualdade de auste para modelos lneares é o R 2. Poucas são as meddas estatístcas dsponíves para avalar globalmente a qualdade de auste de um modelo de sobrevvênca. A mas smples delas é uma medda baseada na razão de verossmlhanças e está dsponível no R.
26 EXEMPLO: Aletamento materno
27 EXEMPLO: Aletamento materno
28 EXEMPLO: Aletamento materno
29 EXEMPLO: Leucema Pedátrca
MODELOS 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 maisModelo Logístico. Modelagem multivariável com variáveis quantitativas e qualitativas, com resposta binária.
Modelagem multvarável com varáves quanttatvas e qualtatvas, com resposta bnára. O modelo de regressão não lnear logístco ou modelo logístco é utlzado quando a varável resposta é qualtatva com dos resultados
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 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 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 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 maisCURSO de ESTATÍSTICA Gabarito
UNIVERSIDADE FEDERAL FLUMINENSE TRANSFERÊNCIA o semestre letvo de 010 e 1 o semestre letvo de 011 CURSO de ESTATÍSTICA Gabarto INSTRUÇÕES AO CANDIDATO Verfque se este caderno contém: PROVA DE REDAÇÃO com
Leia maisUM PROBLEMA ECONOMÉTRICO NO USO DE VARIÁVEIS CLIMÁTICAS EM FUNÇÕES DE PRODUÇÃO AJUSTADAS A DADOS EXPERIMENTAIS
UM PROBLEMA ECONOMÉTRICO NO USO DE VARIÁVEIS CLIMÁTICAS EM FUNÇÕES DE PRODUÇÃO AJUSTADAS A DADOS EXPERIMENTAIS Rodolfo Hoffmann * Vctor Hugo da Fonseca Porto ** SINOPSE Neste trabalho deduz-se qual é o
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 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 maisAEP FISCAL ESTATÍSTICA
AEP FISCAL ESTATÍSTICA Módulo 11: Varáves Aleatóras (webercampos@gmal.com) VARIÁVEIS ALEATÓRIAS 1. Conceto de Varáves Aleatóras Exemplo: O expermento consste no lançamento de duas moedas: X: nº de caras
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 mais7 - Distribuição de Freqüências
7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste
Leia 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 maisNOTA II TABELAS E GRÁFICOS
Depto de Físca/UFMG Laboratóro de Fundamentos de Físca NOTA II TABELAS E GRÁFICOS II.1 - TABELAS A manera mas adequada na apresentação de uma sére de meddas de um certo epermento é através de tabelas.
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 maisAnálise de influência
Análse de nfluênca Dzemos que uma observação é nfluente caso ela altere, de forma substancal, alguma propredade do modelo ajustado (como as estmatvas dos parâmetros, seus erros padrões, valores ajustados...).
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 mais5 Métodos de cálculo do limite de retenção em função da ruína e do capital inicial
5 Métodos de cálculo do lmte de retenção em função da ruína e do captal ncal Nesta dssertação serão utlzados dos métodos comparatvos de cálculo de lmte de retenção, onde ambos consderam a necessdade de
Leia mais3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas
3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas
Leia 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 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 maisDEFINIÇÃO - MODELO LINEAR GENERALIZADO
DEFINIÇÃO - MODELO LINEAR GENERALIZADO 1 Um modelo lnear generalzado é defndo pelos seguntes três componentes: Componente aleatóro; Componente sstemátco; Função de lgação; Componente aleatóro: Um conjunto
Leia maisO que heterocedasticidade? Heterocedasticidade. Por que se preocupar com heterocedasticidade? Exemplo de heterocedasticidade.
Heterocedastcdade y = β 0 + β + β + β k k + u O que heterocedastcdade? Lembre-se da hpótese de homocedastcdade: condconal às varáves eplcatvas, a varânca do erro, u, é constante Se sso não for verdade,
Leia 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 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 maisAvaliação do Modelo. Avaliação de Modelos. Métricas para avaliação de desempenho. Métricas para avaliação de desempenho 31/05/2017
3/05/07 Avalação do Modelo Avalação de Modelos Métrcas para avalação de desempenho Como avalar o desempenho do modelo? Métodos para avalação de desempenho Como obter estmatvas confáves? Métodos para comparação
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 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 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 maisTeoria da Regressão Espacial Aplicada a. Sérgio Alberto Pires da Silva
Teora da Regressão Espacal Aplcada a Modelos Genércos Sérgo Alberto Pres da Slva ITENS DE RELACIONAMENTOS Tópcos Báscos da Regressão Espacal; Banco de Dados Geo-Referencados; Modelos Genércos Robustos;
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
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 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 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 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 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 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 maisCapítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES
Capítulo. Aproxmações numércas 1D em malhas unformes 9 Capítulo. AROXIMAÇÕS NUMÉRICAS 1D M MALHAS UNIFORMS O prncípo fundamental do método das dferenças fntas (MDF é aproxmar através de expressões algébrcas
Leia 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 maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
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 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 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 maisFigura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma
Capítulo 8 Dferencação Numérca Quase todos os métodos numércos utlzados atualmente para obtenção de soluções de equações erencas ordnáras e parcas utlzam algum tpo de aproxmação para as dervadas contínuas
Leia maisIntrodução às Medidas em Física a Aula
Introdução às Meddas em Físca 4300152 8 a Aula Objetvos: Experênca Curvas Característcas Meddas de grandezas elétrcas: Estudar curvas característcas de elementos resstvos Utlzação de um multímetro Influênca
Leia maisEstimação Bayesiana das Fragilidades Individuais de Pacientes em Tratamento de Hemodiálise
Estmação Bayesana das Fragldades Indvduas de Pacentes em Tratamento de Hemodálse Grazela Dutra Rocha Gouvêa 2 Vera Lúca Damasceno Tomazella 3 João Domngos Scalon 4 Introdução Em análse de sobrevvênca consdera-se,
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 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 maisDissertação de Mestrado
Dssertação de Mestrado O Modelo Paramétrco de Webull B-varado Para Modelagem de Dados com Censura Intervalar Por Fernanda Carla Álvares Das Dnz Orentadora Marta Afonso Fretas Belo Horzonte, 9 de outubro
Leia maisCapítulo 2. Modelos de Regressão
Capítulo 2 Modelos de regressão 39 Capítulo 2 Modelos de Regressão Objetvos do Capítulo Todos os modelos são errados, mas alguns são útes George E P Box Algumas vezes fcamos assustados quando vemos engenheros
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
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 maisEstatística e Probabilidade
Estatístca e Probabldade Professor conteudsta: Rcardo Vda Sumáro Estatístca e Probabldade Undade I 1 CONCEITOS BÁSICOS...1 1.1 Concetos fundamentas... 1. Processos estatístcos de abordagem... 1.3 Dados
Leia maisExperiência V (aulas 08 e 09) Curvas características
Experênca (aulas 08 e 09) Curvas característcas 1. Objetvos 2. Introdução 3. Procedmento expermental 4. Análse de dados 5. Referêncas 1. Objetvos Como no expermento anteror, remos estudar a adequação de
Leia maisMinistério da Educação. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Cálculo do Conceito Preliminar de Cursos de Graduação
Mnstéro da Educação Insttuto Naconal de Estudos e Pesqusas Educaconas Aníso Texera Cálculo do Conceto Prelmnar de Cursos de Graduação Nota Técnca Nesta nota técnca são descrtos os procedmentos utlzados
Leia maisESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11. EXERCÍCIOS PRÁTICOS - CADERNO 4 Regressão Linear
ESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11 EERCÍCIOS PRÁTICOS - CADERNO 4 Regressão Lnear 4. EERCÍCIOS PARA RESOLVER NAS AULAS 4.1. O gestor de marketng duma grande cadea de supermercados quer determnar
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 mais3 Algoritmos propostos
Algortmos propostos 3 Algortmos propostos Nesse trabalho foram desenvolvdos dos algortmos que permtem classfcar documentos em categoras de forma automátca, com trenamento feto por usuáros Tas algortmos
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 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 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 maisAlternativas ao modelo de Cox na análise de dados de sobrevivência com covariáveis dependentes no tempo
Alternatvas ao modelo de Cox na análse de dados de sobrevvênca com covaráves dependentes no tempo Luís Machado Departamento de Matemátca para a Cênca e a Tecnologa, Unversdade do Mnho Carmen Cadarso-Suárez
Leia maisEstatística Espacial: Dados de Área
Estatístca Espacal: Dados de Área Dstrbução do número observado de eventos Padronzação e SMR Mapas de Probabldades Mapas com taxas empírcas bayesanas Padronzação Para permtr comparações entre dferentes
Leia maisECONOMETRIA Prova Intermediária PI 04/04/2014
ECONOMETRIA Prova Intermedára PI 04/04/2014 Prezado(a) Aluno(a), Você terá 120 mnutos a partr do níco ofcal da prova para conclur esta avalação, admnstre bem o seu tempo. Lea atentamente as nstruções a
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 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 maisCap. IV Análise estatística de incertezas aleatórias
TLF 010/11 Cap. IV Análse estatístca de ncertezas aleatóras Capítulo IV Análse estatístca de ncertezas aleatóras 4.1. Méda 43 4.. Desvo padrão 44 4.3. Sgnfcado do desvo padrão 46 4.4. Desvo padrão da méda
Leia mais