ANÁLISE DA VARIÂNCIA DA REGRESSÃO
|
|
- Matheus Sequeira de Sintra
- 6 Há anos
- Visualizações:
Transcrição
1 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 níves podem ser assocados com pontos em uma escala numérca, tas como Temperatura, Pressão, Tempo, Doses (adubo, medcamento, etc.). FATOR QUALITATIVO: é aquele cujos níves não podem ser colocados em ordem de magntude, tas como Varedade, Raça, Lnhagem, Materal. Não exste razão para ordenalos em qualquer ordem numérca partcular. Ambos os tpos de fatores são tratados dentcamente na análse de varânca dos dados de um ensao. O pesqusador está nteressado em determnar as dferenças, se alguma, entre os níves dos fatores. Se o fator é qualtatvo, como Varedade, não tem sentdo consderar a resposta para um nível ntermedáro do fator. Entretanto, com um fator quanttatvo, como Dose, o pesqusador está usualmente nteressado na ampltude de valores usados como níves desse fator. Partcularmente, na resposta de um nível ntermedáro do fator. Por exemplo, se o fator é Tempo, e os níves.0h,.0h e.0h são usados no ensao, o pesqusador pode está nteressado na resposta a.h. Então, o pesqusador está freqüentemente nteressado em desenvolver uma equação de nterpolação a partr dos dados. Exemplo: Um pesqusador está nteressado em determnar se varando o conteúdo de algodão em uma fbra sntétca, afeta a tensão de resstênca, e ele executou um ensao no DIA com cnco níves de algodão (porcentagens) e cnco repetções. Dados de Resstênca à Tensão (lb/pol ) Porcentagem Repetções De Algodão 4 Totas Médas ,8
2 , , , ,8 G76 µ ˆ, 04 Resstênca à tensão Ajuste quadrátco e cúbco y x x R 0.96 y x x x R Porcentagens de algodão Do exame desse gráfco, fca claro que a relação entre Resstênca à Tensão e porcentagem de algodão não é lnear. Como uma prmera tentatva pode-se ajustar uma equação quadrátca aos dados, dgamos ya o +a x+a x +e onde a 0, a, e a são parâmetros a serem estmados e e é o resíduo de regressão (tudo que não é explcado pela equação ajustada). O ajuste de mínmos quadrados forneceu a prmera equação. Esse ajuste parece não ser muto satsfatóro porque ele dramatcamente subestma a resposta em x0% de algodão e superestma a resposta em x% de algodão. Talvez, uma melhora possa ser obtda adconando um termo cúbco em x. O ajuste cúbco é mostrado no gráfco, na segunda equação (em azul). O modelo cúbco parece ser superor ao modelo quadrátco pos ele fornece um melhor ajuste em x e x0% de algodão.
3 Em geral, procura-se ajustar uma equação polnomal de menor ordem (modelos parcmonosos) que adequadamente descreva os dados. Neste exemplo, o modelo cúbco polnomal parece ajustar melhor que o quadrátco, e assm uma complexdade extra do modelo cúbco é justfcada. Seleconar a ordem do polnômo não é sempre fácl, entretanto, é relatvamente fácl superajustar, sto é, adconar alta ordem polnomal mas que não melhora o ajuste sgnfcatvamente, aumentando a complexdade do modelo e prejudcando a sua utldade como um predtor ou equação de nterpolação. POLINÔMIOS ORTOGONAIS Na stuação onde os níves dos fatores são gualmente espaçados, o ajuste de modelos polnomas pelo método de mínmos quadrados é grandemente smplfcado. O procedmento faz uso dos coefcentes para contrates ortogonas (v. Tabela X do apêndce de Montgomery(99) ou Gomes(000) ou Neter e Wasserman(974)). Em adção ao ajuste da equação polnomal de mínmos quadrados, obtém-se o efeto e Soma de quadrados: lnear, quadrátco, cúbco, quarta ordem etc. para o fator (Tratamento). Isto permte estmar a contrbução de cada termo para o polnômo a ser testado. É possível extrar o efeto polnomal até a ordem I- (gl do fator ou do tratamento) se exstem I níves do fator envolvdo no expermento. Exemplo: O processo é lustrado na tabela abaxo usando os dados de Algodão. Porcentagem de Algodão Totas de Coefcentes (c ) para contraste ortogonal(caso de níves) Tratamentos Lnear Quadrátco Cúbco Quarta ordem Efetos: I c T
4 I S.Q.: J I ct c (4) (0),6 ( ) (4) 4, ( 7) (0) 64,98 ( 09) (70),9 Para esses dados, o fator ndependente Porcentagem de Algodão, é gualmente espaçado nos cnco níves. As somas de quadrados para os efetos: Lnear, Quadrátco, Cúbco e Quarta Ordem do fator, formam uma partção ortogonal da Soma de Quadrados de Tratamentos e pode ser ncorporada na ANVA. Cada efeto tem um grau de lberdade (pos é um contraste) e pode ser testado comparando suas respectvas Soma de Quadrados ao Quadrado Médo do Resíduo. Análse da varânca para os dados de Algodão Fonte de Varação Soma de Graus de Quadrado F Quadrados Lberdade Médo Tratamentos 47,76 4 8,94 4,76* (Lnear) (,6),6 4,7 (Quadrátco) (4,) 4, 4,8** (Cúbco) (64,98) 64,98 8,06* (Quarta Ordem) (,9),9 4, Resíduo 6,0 0 8,06 Total 66, Do quadro da ANVA acma, pode-se ver que os efetos Quadrátco e Cúbco da % de Algodão são estatstcamente sgnfcantes quando comparados a F (;0; 0,0) 4,. Dessa forma, deve-se ajustar aos dados um polnômo do tercero grau, como y 0 a + a P (x) + a P (x) + a P (x) + ε onde P u (x) é a u-ésma ordem do polnômo ortogonal, o qual mplca que se exstem I I níves de x têm-se P u (x j)ps (x j) 0. Os cnco prmeros polnômos ortogonas são: P 0 (x) j 4
5 (x x) (x) λ d P x x P (x) λ d I x x x x I 7 P (x) λ d d 0 4 x x P4 (x) λ4 d x x d I (I + 4 )(I 60 9) onde d é a dstânca entre os níves de x, I é o número de níves e { λ } são constantes tas que os polnômos tenham valores nteros. Ver Tabela X no apêndce de Montgomery (99), onde é lstado os coefcentes dos polnômos ortogonas e os valores de λ, para I 0. Para os dados do exemplo, têm-se as estmatvas de mínmos quadrados dos parâmetros do modelo polnomal: yp (x) J[ P (x)] â 0,,...,I-, ou Assm, yp0 (x) J[ P0 (x)] y 76 () â 0 yp (x) J[ P (x)] 4 (0) â yp (x) J[ P (x)] (4) â yp (x) J[ P (x)] 7 (0) â 0,800,4,400,0400 a ˆ J c T c Caso se quera adconar ou retrar termos do modelo, não é necessáro recalcular os parâmetros que já estão no modelo devdo a propredade de ortogonaldade dos polnômos.
6 ortogonal fca: Desde que I níves de x e a dstânca entre eles é d, o modelo polnomal x ŷ,04 + 0,8() x,4() x,4(/6) x () 7 0 onde λ λ e λ / 6 é obtdo da Tabela X. Esta equação pode ser smplfcada para ŷ 6,6 9,0x + 0,484x 0,00786x a qual é exatamente a mesma equação encontrada anterormente usando métodos de regressão geral pelo Excel ou SAS, consderando as aproxmações computaconas. CHECANDO A ADEQUACIDADE DO MODELO DE REGRESSÃO Análse de resíduo Como no ajuste de qualquer modelo lnear, análse dos resíduos de um modelo de regressão é necessáro para determnar a adequacdade do ajuste de mínmos quadrados. É útl examnar um gráfco de probabldade normal um gráfco de resíduo versus valores ajustados, e um gráfco de resíduos versus cada varável regressora. Em adção, se exstem varáves não ncluídas no modelo que são de potencal nteresse, então os resíduos devem ser representados contra esses fatores omtdos. Qualquer estrutura na qual uma representação ndcara que o modelo podera ser melhorado pela adção daquele fator. Um gráfco de probabldade normal dos resíduos do exemplo do algodão ajustado para os efetos Lnear, Quadrátco Cúbco e de Quarta ordem é mostrado a segur. Esse gráfco não ndca qualquer séra volação da suposção de normaldade para o resíduo da análse. R 4 R E S 0 T E - N - 0 N_RRESTE 6
7 Os resíduos ê são representados versus os valores ajustados ŷ. Esse gráfco não revela qualquer problema, tal que concluímos que a análse da varânca da regressão com os efetos lnear, quadrátco, cúbco e de quarta ordem é um ajuste adequado. R R E S T E N PRESTEN TESTE PARA FALTA DE AJUSTE DO MODELO DE REGRESSÃO Modelos de regressão são frequentemente ajustados aos dados quando a relação verdadera é conhecda. Naturalmente, gostaríamos de saber se a ordem do modelo assumdo por tentatva está correto. O pergo de usar um modelo de regressão é quando ele é uma aproxmação pobre da verdadera relação funconal, como mostrado na fgura a segur. y x Obvamente, um modelo polnomal de grau dos ou maor deve ser usado para essa stuação hpotétca. O resultado é que um modelo muto pobre fo obtdo para ajustar os dados. Um teste para qualdade do ajuste de um modelo de regressão será aquele que testa a hpóteses: H o : O modelo adequadamente ajusta os dados; H : O modelo não ajusta os dados. O teste envolve a partção da Soma de Quadrados do Resíduo nos seguntes dos componentes: SQ RESÍDUO SQ PURO +SQ FALTA DE AJUSTE, 7
8 em que SQ PURO é a soma de quadrados atrbuída ao erro expermental puro, e SQ FALTA DE AJUSTE é a soma de quadrados atrbuída à falta do ajuste do modelo. Para calcular a SQ PURO é precso observações sobre y para no mínmo um nível de x. Suponha que temos n observações tas que: y, y,..., y J observações em x y, y,..., y J observações em x : y I, y I,..., y IJ observações em x I Vemos que exste I dstntos níves de x. A contrbução para a Soma de Quadrados do Erro Puro no nível x, por exemplo, é J ( y j y ) j A Soma de Quadrados Total para o Erro Puro será obtdo somando a Equação anteror sobre todos os níves de x. como: Exstem n e I (J SQ PURO J I ( yj y ) j ) n I graus de lberdade assocados com a Soma de Quadrados do Erro Puro, em que nj +J +...+J I. A Soma de Quadrados para Falta de Ajuste é smplesmente SQ FALTA DE AJUSTE SQ RESÍDUO - SQ PURO, com n p - n e I - p graus de lberdade, em que p é o número de parâmetros no modelo que está sendo ajustado. O teste estatístco para falta de ajuste é então, SQFALTA DE AJUSTE /(I p) QM F o SQ /(n I) QM ERRO PURO FALTA DE AJUSTE ERRO PURO E rejetamos a hpótese de adequacdade do modelo se F o >F,I-p,n-I. Este procedmento teste pode ser faclmente ntroduzdo dentro da análse de varânca conduzda para a regressão. Se a hpótese nula da adequacdade do modelo é rejetada, então o modelo deve ser abandonado e tentatvas devem ser fetas para encontrar um modelo mas aproprado. Se H o não é rejetada, então não exste razão aparente para 8
9 duvdar da adequacdade do modelo, e QM ERRO PURO e QM FALTA DE AJUSTE são combnados para estmar σ. EXEMPLO: no caso dos dados de Algodão, temos:!"#$%&''( #)#*+%'&(,(- "(( ) ('-...!"#$%&''( +#/$#)%&''((,(, #)#*+%(&-,-((-, "(( ) ('-...!"#$%&''( +#/$#)%&''((,(, 0+ 0%&-,, #)#*+%&''-(-(' "(( ) ('- data ALGODAO; nput PORCENT RESTEN; LINEARPORCENT; QUADRATPORCENT**; CUBICOPORCENT**; QUARTAPORCENT**4; cards;
10 ; proc glm dataalgodao; class PORCENT; model RESTENPORCENT/ss; ttle 'ANVA DO DIA'; proc glm dataalgodao; model RESTENLINEAR QUADRAT CUBICO QUARTA/ss; ttle 'ANVA DA REGRESSÂO POR POLINÔMIOS ORTOGONAIS'; proc reg dataalgodao; model RESTENLINEAR QUADRAT CUBICO; ttle 'AJUSTE DO MODELO POLINOMIAL CÚBICO'; run; proc gplot dataalgodao; plot RESTEN*PORCENT; symbol vdot rc cblue; run; 40)")"#$##)#/"#*+)"4 #/# 6 $0"!)$")"!!"#$.$0"!) +#/$#).$0"!)44( 0+ 0.$0"!)44' +#$)#.$0"!)44 #)#*+.$0"!) 7 - (( ( (( (, (, ( (, (, (- (- '- '( '(( '- '(' 0
11 ' ' ' ' ' 678.#/# 7 $0"!) $")"!.$0"!)' 9#!:#// #9 678.#/# $")"!.!"#$+#/$#)0+ 0+#$)# 6.$".$$")"!6.$")"! 9#!:#/#$"$";$!< $)!# #/# $")"!.!"#$+#/$#)0+ 0 9#*+)"//"! # #/# 6$")"!4$0"!) >?..77.? 678.#/# 7 #)#*+ $")"!.!"#$#)#*+ 9)")"#$##)#/"#*+)"!"#$9 678.#/# 7 #)#*+ $")"!.!"#$+#/$#)#)#*+ 9)")"#$##)#/"#*+)"!"#$@+#/$#)9 678.#/# 7 #)#*+ $")"!.!"#$+#/$#)0+ 0#)#*+ 9)")"#$##)#/"#*+)"!"#$@+#/$#)@0+ 09 O Coefcente de Determnação A quantdade R SQ REGRESSÃO SQ TOTAL É chamado de coefcente de determnação, e é frequentemente usado para julgar a adequacdade do modelo de regressão. Claramente 0<R. Frequentemente nos refermos
12 ao R como a proporção da varabldade nos dados explcada pelo modelo de regressão. Se a regressora x é uma varável aleatóra tal que x e y pode ser vsta como varáves aleatóras conjuntamente dstrbuídas, então R é exatamente a correlação smples entre y e x. Entretanto, se x não é uma varável aleatóra, como no caso de ensaos com níves quanttatvos para um fator, então o conceto de correlação entre y e x fca ndefndo. A estatístca R deve ser usada com cautela desde que é sempre possível fazer R gual a undade smplesmente adconando termos sufcentes ao modelo. Por exemplo, podemos obter um perfeto ajuste para n pontos de dados com um polnômo de grau (n- ). Também, R sempre aumentará se adconarmos uma varável ao modelo, porém sto não necessaramente sgnfca que o novo modelo é superor ao anteror. A menos que a Soma de quadrados do resíduo no novo modelo seja reduzda por uma quantdade gual ao Quadrado Médo do Resíduo, o novo modelo terá uma Soma de Quadrados do resíduo maor do que o modelo antgo por causa da perda de um grau de lberdade do resíduo. Assm, o novo modelo será realmente por do que o antgo. EXERCÍCIO: Consdere os dados de altura (cm) de plantas de alface (Lactuca satva L.) em relação aos níves de adubação orgânca (kg de esterco de bo/,6m, ) Slva e Ferera 98, adaptado de Ferera 99. Tratamentos 4 6 Totas de Tratamentos 0 8,07,69 6,6 7,68 8,4 8,07,0 0 8,7,96 6,8 7,6 7,60 0,84 4,0 0,80 8,00 9,80 9,8 8,6 0, 9,90 40,7,7 9,,0 0,60, 70, Pede-se: a) Fazer a análse da varânca da regressão por polnômos ortogonas. b) Obter a equação polnomal que melhor se ajuste aos dados. c) Faça o teste para falta de ajuste. d) Calcule o coefcente de determnação R, e nterprete-o.
Regressão Múltipla. Parte I: Modelo Geral e Estimação
Regressão Múltpla Parte I: Modelo Geral e Estmação Regressão lnear múltpla Exemplos: Num estudo sobre a produtvdade de trabalhadores ( em aeronave, navos) o pesqusador deseja controlar o número desses
Leia 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 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 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 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 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 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 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 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 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 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 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 maisA 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 (,): A redução da
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 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 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 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 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 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 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 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 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 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 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 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 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 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 maisA 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 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 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 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 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 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 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 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 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 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 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 maisCálculo Numérico BCC760 Interpolação Polinomial
Cálculo Numérco BCC76 Interpolação Polnomal Departamento de Computação Págna da dscplna http://www.decom.ufop.br/bcc76/ 1 Interpolação Polnomal Conteúdo 1. Introdução 2. Objetvo 3. Estênca e uncdade 4.
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 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 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 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 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 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 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 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 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 maisPrograma de Certificação de Medidas de um laboratório
Programa de Certfcação de Meddas de um laboratóro Tratamento de dados Elmnação de dervas Programa de calbração entre laboratóros Programa nterno de calbração justes de meddas a curvas Tratamento dos resultados
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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 maisVariável discreta: X = número de divórcios por indivíduo
5. 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 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 maisUniversidade Federal de Viçosa. Introdução à Metodologia de Superfícies de
Unversdade Federal de Vçosa Departamento de Estatístca Dscplna: EST 63 Métodos Estatístcos II Apostla Introdução à Metodologa de Superfíces de Resposta Paulo Roberto Cecon Anderson Rodrgo da Slva Vçosa,
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 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 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 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 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 maisAjuste de Curvas Regressão. Computação 2º Semestre 2016/2017
Ajuste de Curvas Regressão Computação 2º Semestre 2016/2017 Ajuste de Curvas Quando apenas sabemos alguns valores de uma função contínua e queremos estmar outros valores ntermédos Quando queremos obter
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 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 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 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 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 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 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 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 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 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 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 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 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 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 maisPROVA 2 Cálculo Numérico. Q1. (2.0) (20 min)
PROVA Cálculo Numérco Q. (.0) (0 mn) Seja f a função dada pelo gráfco abaxo. Para claro entendmento da fgura, foram marcados todos os pontos que são: () raízes; () pontos crítcos; () pontos de nflexão.
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 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 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 maisAo se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.
Estatístca Dscplna de Estatístca 0/ Curso Superor de tecnólogo em Gestão Ambental Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos
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 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 maisUMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EATAS DEPARTAMENTO DE ESTATÍSTICA UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
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 mais