F = O modelo de Regressão Múltipla Geral é dado por: Y i = β 1 + β 2 X 1i + β 3 X 2i + +β k X ki + U i Para testar a hipótese nula de que: H
|
|
- Theodoro Aires Santiago
- 6 Há anos
- Visualizações:
Transcrição
1 Prof. Lorí Val, Dr. Nem sempre se quer testar os coefcentes ndvduas da regressão. Pode ser necessáro e é convenente testar o modelo como um todo, sto é testar se: H : β β... β 0 3 k Este caso pode ser tratado através da análse de varânca (ANOVA. 0 O modelo de Regressão Múltpla Geral é dado por: Y β 1 + β X 1 + β 3 X + +β k X k + U Para testar a hpótese nula de que: H : β β... β 0 3 k 0 Isto é, todos os coefcentes são nulos, contra a alternatva de que nem todos são smultaneamente nulos, determna-se: SQE /( k 1 F SQR /( n k A expressão tem uma dstrbução F com k - 1 e n - k graus de lberdade. SQE /( k 1 F SQR /( n k ( n k R ( k 1 ( 1 R ( n ( k k SQE 1 SQR ( n k SQE ( k 1 ( SQT SQE ( n k ( SQE / SQT ( k 1 [ 1 ( SQE / SQT ] ( 1 R /( k 1 R /( n k 1
2 Onde: SSR (Soma dos Quadrados dos Resíduos (RSS Resdual Sum of Squares VR SQR n E ( Y Yˆ 1 n 1 SQE (Soma dos Quadrados Explcados (ESS Explaned Sum of Squares VE SQE n ( Yˆ 1 Y e: n 1 G.L. ( Y Y n ( Y 1 Ŷ + n 1 ( Ŷ Y SQT SQR + SQE n -1 (n - k k O resultado anteror mostra que F e R varam dretamente. Assm se R 0, então F é zero. Quanto maor o valor de R maor será o valor de F. Desta forma o teste F que é de ajuste do modelo também testa a sgnfcânca do coefcente de determnação. Decdndo entre modelos compettvos A decsão entre um modelo lnear ou um modelo log-lnear (o lagartmo do regressor é uma função dos logartmos dos regressores é uma questão básca na análse empírca. Para testar: H 0 : Modelo Lnear; H 1 : Modelo Log-Lnear. Pode-se utlzar o teste MWD. O teste MWD fo proposto por MacKnnon, Whte e Davdson e envolve as seguntes etapas: Estmar o modelo lnear e determnar os valores Ŷ ; Estmar o modelo log-lnear e obter os valores ln^y ;
3 ln^ Obtenha Z 1 lnŷ Y ; Fazer uma regressão de Y sobre os valores de X e Z otdos como acma. Rejetar H 0 se o coefcente de Z 1 for estatstcamente sgnfcatvo através do teste t tradconal; Obter Z (antlog ln^ Y Ŷ Regredr o ln de Y sobre os logartmos de Xs e Z. Rejetar H 1 se o coefcente de Z for sgnfcatvo pelo teste t. O modelo clássco de Regressão Lnear é baseado em um conjunto de hpóteses smplfcadoras: É lnear nos parâmetros; Os regressores X são fxos em amostragens repetdas; A expectânca dos U é zero; A varânca de U é constante e homocedástca. Se U não são autocorrelaconados; Se os X são aleatóros eles são ndependentes ou não-correlaconados com U ; O número de observações (n deve ser maor que o número de regressoes (k; Não há relação lnear entre os regressoes, sto é, multcolneardade; Os termos U são normas. Três questões devem ser responddas: Qual o desvo mínmo em relação a uma hpótese, para que sto faça dferença? Como verfcar se uma hpótese fo, de fato, volada, numa stuação específca? Que correção adotar quando uma ou mas hpóteses não forem verdaderas? 3
4 O termo multcolneardade fo cunhado por Ragnar Frsch na obra Statstcal Confluence Analyss by Means of Complete Regresson Systems do Insttuto de Economa da Unversdade de Oslo que fo publcada em O termo sgnfca a exstênca de uma relação perfeta lnear entre algumas ou todas as varáves explcatvas do modelo. Assm para uma regressão que envolva k varáves explcatvas: X 1, X,, X k, dremos que exste uma relação lnear exata se: λ 1 X 1 + λ X + λ k X k 0 Onde λ 1, λ,, λ k são constantes não smultaneamente nulos. A déa de multcolneardade nclu anda: λ 1 X 1 + λ X + λ k X k + V 0 Onde o termo V é estocástco. O termo multcolnar como defndo nclu apenas relaconamento lnear mas sto não exclu outras relações como por exemplo: X X 1.X 1 A exstênca da multcolneardade pefeta torna os coefcentes da regressão ndetermnados e seus erros padrão nfntamente grandes. Se a multcolneardade não for alta (não perfeta os coefcentes de regressão poderão ser determnados mas os erros padrão serão grandes. Conseqüêncas da multcolneardade Se as hpóteses do modelo são satsfetas os estmadores de MQO dos coefcentes da regressão são MELNV. Pode-se mostrar que mesmo que as varáves sejam altamente colneares os MQO anda mantém a propredade MELNV. Assm as conseqüêncas prátcas podem ser: As estmatvas apresentarem grandes varâncas e como resultante ter-se-á: Intevalos de confança maores; Alguns coefcentes podem ser não sgnfcatvos; O R anda ser alto, mesmo com coefcentes não sgnfcatvos. 4
5 Percepção da multcolneardade Este é um fenômeno essencalmente amostral, conseqüênca decorrente em boa parte de dados não-expermentas coletados na maora das Cêncas Socas. A segur algumas regras prátcas para detectar sua presença: Um R alto com poucos regressores sgnfcatvos; Altas correlações dos a dos entre os regresssores; Índce de Condção (IC Índce de Condção O número de condção k é defndo como: Autovalor Máxmo k Autovalor Mínmo O Índce de Condção (IC é defndo, então, como: Autovalor Máxmo IC k Autovalor Mínmo Pode-se adotar, então, a segunte regra empírca. Se k estver entre 100 e 1000 exste multcolneardade de moderada a forte. Se estver acma de 1000 a multcolneardade é grave. Da mesma pode-se utlzar o IC. Se ele estver entre 10 e 30 colneardade moderada a forte e acma de 30 grave. Uma hpótese mportante do modelo clássco de regressão lnear é a de que a varânca de cada termo resdual (U é constante e gual a σ. Homo (gual scedastcdade (dspersão, ou E( U σ 1,,...,n 5
6 Alternatvamente pode ser expressa por: V ( Y / x σ a homoscedastcdade A heteroscedastcdade é, então dada por: V ( Y / x σ Alguns causas da heteroscedastcdade podem ser: Stuações de aprendzagem e erro; Aumento de renda com aumento da lberdade de escolha de como dspor a renda; Melhora nas técncas de coleta de dados, menos erros, menor varabldade; A heteroscedastcdade é mas comum quando os dados são provenentes de cortes de séres temporas. O que acontece com os estmadores dos MQO e com suas varâncas na presença de heteroscedastcdade? Vamos supor o modelo de Regressão Lnear Smples: Y α + βx + U e que: E( U A nclnação da lnha de regressão é dada por: S XY XY nxy b S X n XX X σ Neste caso, a varânca do estmador será dada por: ( X X σ V ( b [ ( X X ] Se σ σ, então a expressão acma fcará reduzda ao caso usual. Neste caso o estmador MQO contnua lnear e não tendencoso, mas não será mas de varânca mínma. Ele não é efcente, pos não leva em consderação a nformação de que para cada x a varânca de Y é dferente. Para obter um estmador efcente é precso fazer uso do método dos MQG. 6
7 MQG (Mínmos( Quadrados Generalzados O MQO não leva em conta as dferentes varabldades dos resíduos, conferndo a mesma mportânca para cada observação. O MQG leva em conta explctamente tal nformação e por sto é capaz de produzr estmadores efcentes na presença de heteroscedastcdade. Detectando a Heterocedastcdade Como saber se exste heteroscedastcdade nos dados? Não exste um método seguro com valores amostras. Como, em geral, só exste um Y para cada X, dectetar a presença de heroscedastcdade não é smples. A maora dos métodos se basea no exame dos resíduos. Testes formas Teste de Park; Teste de Glejser; Teste de Spearman de correlação da ordem; Teste de Goldfeld-Quandt; Teste de Breusch-Pagan-Godfrey; Teste Geral de Heteroscedastcdade de Whte; Meddas Corretvas As meddas corretvas devem levar em conta as duas seguntes stuações: Quando as varabldades resíduas forem conhecdas e Quando elas não forem conhecdas. Se as varabldades resduas forem conhecdas então deve-se utlzar o Método dos Mínmos Quadrados Generalzados ou Ponderados, onde a ponderação é dada por: w σ 1 Se as varabldades resduas não forem conhecdas pode-se adotar os seguntes procedmentos: Varâncas e erros-padrão consstentes em heteroscedastcdade segundo Whte; Hpóteses plausíves a respeto do padrão de heteroscedastcdade; 7
8 Uma hpótese mportante do modelo clássco de regressão lnear é a de que não exste autocorrelação ou correlação seral entre os resíduos U. No entanto, a correlação pode ocorrer, então deve-se responder: Qual a sua natureza? Quas as conseqüêncas teórcas e prátcas? Como corrgr o problema quando ele ocorre? A Natureza O termo autocorrelação pode ser entenddo como a correlação entre os termos de observações no tempo [séres temporas} ou espacas [dados de corte]. No modelo clássco a suposção é de que: E(U U j 0 se j Isto é, um dado resíduo não é nfluencado por um outro dado resíduo j. Causas da Autocorrelação Inérca ou rgdez. Séres como PNB, Índces de Preços, Produção, Emprego e Desemprego são cíclcas; Vés de especfcação: varáves excluídas. Vés de especfcação: forma funconal ncorreta; Fenômeno da Tea de Aranha. A oferta de produtos agrícolas reflete um fenômeno denomnado de Tea de Aranha, em que a oferta reage ao preço como uma defasagem de um período de tempo, pos as decsões relatvas à oferta levam um certo tempo para serem mplementadas. 8
9 Defasagens. Em uma regressão de sére temporal do consumo sobre a renda, não é raro verfcar que o consumo no período corrente depende, entre outras cosas, do consumo no período anteror; Manpulações de dados. Dados trmestras agregados de médas de dados mensas; Estmatvas por MQO com Autocorrelação O que ocorre com os estmadores de MQO se E(U U j 0 (para j e as demas hpóteses forem mantdas? Neste caso os estmadores, a exemplo, do caso heteroscedástco, são anda lneares e não tendecosos. No entanto sua varânca será afetada. Neste caso eles não mas terão varânca mínma, sto é, eles não serão efcentes. Aqu, também, a exemplo da heteroscedastcdade pode-se encontrar um estmador que seja efcente. Para sto será necessáro utlzar MQG Mínmos Quadrados Generalzados, que ncorpora qualquer nformação adconal que tvermos através da transformação das varáves. Detectando a Autocorrelação A autocorrelação é um problema potencalmente séro e meddas corretvas devem ser tomadas. Entretanto, ncalmente, é necessáro, verfcar se ela exste. Alguns testes para detectar a autocorrelação. Método Gráfco. Representar grafcamente os resíduos (U t e os resíduos padronzados (U t /s; Teste das carreras ou de Geary. O teste d de Durbn-Watson 9
10 Meddas Corretvas Quando a estrutura da autocorrelação é conhecda utlzar a transformação de Pras-Wnsten e a Equação de Dferença Generalzada ou de Quase-Dferença. Quando o autocorrelação não é conhecda. Embora smples de aplcar a regressão de dferença generalzada é geralmente dfícl de rodar, pos, na prátca, poucas vezes se conhece o valor de ρ. Por sto foram crados métodos alternatvos. Método da prmera dferença. Para aplcá-lo é necessáro fazer o teste de Berenblutt-Webb de que ρ 1. O processo teratvo de Cochrane- Orcutt para estmar ρ. O método de Cochrane-Orcutt em duas etapas. É uma versão abrevada do processo teratvo. Método de Durbn em duas etapas para estmar ρ. PARK, R. E. Estmaton wth Heteroscedastc Error Terms. Econometrca. v. 34, n. 34, Out de p GLEJSER, H. A New Test for Heteroscedastcty. Journal of the Amercan Statstcal Assocaton. v. 64, p GOLDFELD, S. M., QUANDT, R. E. Nonlnear Methods of Econometrcs. Amesterdã: North-Holland, 197. BREUSCH, T., PAGAN, A. A Smple Test for Heteroscedastcty and Random Coeffcent Varaton. Econometrca. v. 47, p GODFREY, L. Testng for Multplcatve Heteroscedastcty. Jornal of Econometrcs. v. 8, p WHITE, H. A Heteroscedastcty Consstent Covarance Matrx Estmator and a Drect Test of Heteroscedastcty. Econometrca. v. 48, p GEARY, R. C. Relatve Effcency of Count of Sgn Changes for Assessng Resdual Autoregresson n Least Squares Regresson. Bometrka, v. 57, P DURBIN, J., WATSON, G. S. Testng for Seral Correlaton n Least-Squares Regresson. Bometrka. v. 38, p BERENBLUTT, I. I., WEBB, G. I. A New Test for Autocorrelated Errors n the Lnear Regresson Model. Journal of the Royal Statstcal Socety. Sére B, v. 35, n. 1, P COCHRANE, D. ORCUTT, G. H. Applcaton of Least Squares Regressons to Relatonshps Contanng Autocorrelated Error Terms. Journal of the Royal Statstcal Socety. v. 44, P DURBIN, J. Estmaton of Parameters n Tme-Seres Regresson Models. Journal of the Royal Statstcal Socety. Sére B. v., p
Prof. 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 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 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 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 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 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 maisPRESSUPOSTOS DO MODELO DE REGRESSÃO
PREUPOTO DO MODELO DE REGREÃO A aplcação do modelo de regressão lnear múltpla (bem como da smples) pressupõe a verfcação de alguns pressupostos que condensamos segudamente.. Os erros E são varáves aleatóras
Leia maisAnálise de Variância. Comparação de duas ou mais médias
Análse de Varânca Comparação de duas ou mas médas Análse de varânca com um fator Exemplo Um expermento fo realzado para se estudar dabetes gestaconal. Desejava-se avalar o comportamento da hemoglobna (HbA)
Leia 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 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 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 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 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 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 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 maisUNIVERSIDADE FEDERAL DE VIÇOSA CENTRO DE CIÊNCIAS AGRÁRIAS DEPARTAMENTO DE ECONOMIA RURAL. ERU ECONOMETRIA I Segundo Semestre/2010
UNIVERSIDADE FEDERAL DE VIÇOSA CENTRO DE CIÊNCIAS AGRÁRIAS DEPARTAMENTO DE ECONOMIA RURAL ERU 66 - ECONOMETRIA I Segundo Semestre/010 AULA PRÁTICA N o 3- Dados em Panel Ana Carolna Campana Nascmento Fernanda
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 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 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 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 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. Cláudio Serra, Esp. 1. Produção de Leite x índice Pluviométrico y = 0.8x R 2 =
Análse de Regressão Cap.. Introdução Análse de regressão é uma técnca de modelagem utlzada para analsar a relação entre uma varável dependente () e uma ou mas varáves ndependentes,, 3,..., n. O ojetvo
Leia 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 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 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 maisRedução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma
Redução dos Dados Júlo Osóro Meddas Característcas da Dstrbução Tendênca Central (Localzação) Varação (Dspersão) Forma 1 Meddas Característcas da Dstrbução Meddas Estatístcas Tendênca Central Dspersão
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 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 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 maisEconometria II. Painel (1ª Diferenças, Efeitos Fixos e escolha entre estimadores de painel)
Eco montora Leandro Anazawa Econometra II Este não é um resumo extensvo. O ntuto deste resumo é de servr como gua para os seus estudos. Procure desenvolver as contas e passos apresentados em sala de aula.
Leia maisPARTE 1. 1. Apresente as equações que descrevem o comportamento do preço de venda dos imóveis.
EXERCICIOS AVALIATIVOS Dscplna: ECONOMETRIA Data lmte para entrega: da da 3ª prova Valor: 7 pontos INSTRUÇÕES: O trabalho é ndvdual. A dscussão das questões pode ser feta em grupo, mas cada aluno deve
Leia maisUniversidade do Estado do Rio de Janeiro Instituto de Matemática e Estatística Econometria
Unversdade do Estado do Ro de Janero Insttuto de Matemátca e Estatístca Econometra Revsão de modelos de regressão lnear Prof. José Francsco Morera Pessanha professorjfmp@hotmal.com Regressão Objetvo: Estabelecer
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 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(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 maisANÁLISE DAS TENSÕES TÉRMICAS EM MATERIAIS CERÂMICOS. Palavras-chave: Tensões térmicas, Propriedades variáveis, Condução de calor, GITT
ANÁLISE DAS TENSÕES TÉRMICAS EM MATERIAIS CERÂMICOS Dnz, L.S. Santos, C.A.C. Lma, J.A. Unversdade Federal da Paraíba Laboratóro de Energa Solar LES/DTM/CT/UFPB 5859-9 - João Pessoa - PB, Brasl e-mal: cabral@les.ufpb.br
Leia maisANÁLISE DE VARIÂNCIA (ANOVA) CLÁSSICA: TÉCNICA ÚTIL, PORÉM RESTRITIVA!
ANÁLSE DE VARÂNCA (ANOVA) CLÁSSCA: TÉCNCA ÚTL, PORÉM RESTRTVA! Questões assocadas à verfcação de suas suposções: (adtvdade, ndependênca, homocedastcdade e normaldade) k..d.~n(0, ) quadrados mínmos ordnáros
Leia maisAnálise Descritiva com Dados Agrupados
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 descrtvas
Leia mais1.UNIVERSIDADE FEDERAL DE VIÇOSA, VIÇOSA, MG, BRASIL; 2.UNIVERSIDADE FEDERAL DE GOIÁS, GOIANIA, GO, BRASIL.
A FUNÇÃO DE PRODUÇÃO E SUPERMERCADOS NO BRASIL ALEX AIRES CUNHA (1) ; CLEYZER ADRIAN CUNHA (). 1.UNIVERSIDADE FEDERAL DE VIÇOSA, VIÇOSA, MG, BRASIL;.UNIVERSIDADE FEDERAL DE GOIÁS, GOIANIA, GO, BRASIL.
Leia maisAplicando o método de mínimos quadrados ordinários, você encontrou o seguinte resultado: 1,2
Econometra - Lsta 3 - Regressão Lnear Múltpla Professores: Hedbert Lopes, Prscla Rbero e Sérgo Martns Montores: Gustavo Amarante e João Marcos Nusdeo QUESTÃO 1. Você trabalha na consultora Fazemos Qualquer
Leia mais5.1 Seleção dos melhores regressores univariados (modelo de Índice de Difusão univariado)
5 Aplcação Neste capítulo será apresentada a parte empírca do estudo no qual serão avalados os prncpas regressores, um Modelo de Índce de Dfusão com o resultado dos melhores regressores (aqu chamado de
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 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 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 maisTipo tratamento idade Tipo tratamento sexo
Modelos de Regressão em Saúde Rejane Sobrno Pnhero Tâna Zdenka Gullén de Torres Modelos de Regressão Famíla de técncas estatístcas város fatores meddos (predtor, covarável, varável ndependente) relaconados
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 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 maisElementos de Estatística e Probabilidades II
Elementos de Estatístca e Probabldades II Varáves e Vetores Aleatóros dscretos Inês Das 203 O prncpal objetvo da deste documento é fornecer conhecmentos báscos de varáves aleatóras dscretas e pares aleatóros
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 maisResumo 7-22, Janete Pereira Amador 1, Sidinei José Lopes 2, João Eduardo Pereira 1, Adriano Mendonça Souza 1, Marcos Toebe 3
7-, 011 Análse das pressuposções e adequação dos resíduos em modelo de regressão lnear para valores ndvduas, ponderados e não ponderados, utlzando pro- cedmentos do SAS Janete Perera Amador 1, Sdne José
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 mais3ª AULA: ESTATÍSTICA DESCRITIVA Medidas Numéricas
PROGRAMA DE PÓS-GRADUAÇÃO EM EGEHARIA DE TRASPORTES E GESTÃO TERRITORIAL PPGTG DEPARTAMETO DE EGEHARIA CIVIL ECV DISCIPLIA: TGT41006 FUDAMETOS DE ESTATÍSTICA 3ª AULA: ESTATÍSTICA DESCRITIVA Meddas umércas
Leia maisEm muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.
Prof. Lorí Val, Dr. val@pucrs.r http://www.pucrs.r/famat/val/ Em mutas stuações duas ou mas varáves estão relacoadas e surge etão a ecessdade de determar a atureza deste relacoameto. A aálse de regressão
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 maisNOTAS DE AULA DA DISCIPLINA CE076
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
Leia maisObjetivos da aula. Essa aula objetiva fornecer algumas ferramentas descritivas úteis para
Objetvos da aula Essa aula objetva fornecer algumas ferramentas descrtvas útes para escolha de uma forma funconal adequada. Por exemplo, qual sera a forma funconal adequada para estudar a relação entre
Leia maisEconometria: 3 - Regressão Múltipla
Ecoometra: 3 - Regressão Múltpla Prof. Marcelo C. Mederos mcm@eco.puc-ro.br Prof. Marco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo de regressão
Leia maisProfessor Mauricio Lutz CORRELAÇÃO
Professor Maurco Lutz 1 CORRELAÇÃO Em mutas stuações, torna-se nteressante e útl estabelecer uma relação entre duas ou mas varáves. A matemátca estabelece város tpos de relações entre varáves, por eemplo,
Leia maisAnálise de Variância. Introdução. Rejane Sobrino Pinheiro Tania Guillén de Torres
Análse de Varânca Rejane Sobrno Pnhero Tana Gullén de Torres Análse de Varânca Introdução Modelos de análse de varânca consttuem uma classe de modelos que relaconam uma varável resposta contínua com varáves
Leia mais2. Validação e ferramentas estatísticas
. Valdação e ferramentas estatístcas Mutos aspectos relaconados à socedade são suportados, de alguma forma, por algum tpo de medção analítca. Mlhões de medções analítcas são realzadas todos os das, em
Leia maisTEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma.
UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO DE CIÊNCIAS EXATAS DEPARTAMENTO DE FÍSICA AV. FERNANDO FERRARI, 514 - GOIABEIRAS 29075-910 VITÓRIA - ES PROF. ANDERSON COSER GAUDIO FONE: 4009.7820 FAX: 4009.2823
Leia maisPREVISÃO DE CUSTO DE HORA-EXTRA COM A UTILIZAÇÃO DO MODELO TOBIT
PREVISÃO DE CUSTO DE HORA-EXTRA COM A UTILIZAÇÃO DO MODELO TOBIT Anderson de Barros Dantas Doutorando do PPGEP/UFSC/Bolssta CNPq anderson@eps.ufsc.br Robert Wayne Samohyl Prof. PhD do PPGEP/UFSC samohyl@eps.ufsc.br
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 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 maisCAPÍTULO VI Introdução ao Método de Elementos Finitos (MEF)
PMR 40 - Mecânca Computaconal CAPÍTULO VI Introdução ao Método de Elementos Fntos (MEF). Formulação Teórca - MEF em uma dmensão Consderemos a equação abao que representa a dstrbução de temperatura na barra
Leia maisTânia Lucia Hojo (UFMG) Sueli Aparecida Mingoti (UFMG)
Modelos de equações estruturas: uma avalação dos métodos de máxma verossmlhança, mínmos quadrados ordnáros e mínmos quadrados parcas usados na estmação de parâmetros do modelo. Tâna Luca Hojo (UFMG) hojo@est.mest.ufmg.br
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 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 maisIMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO
IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO Alne de Paula Sanches 1 ; Adrana Betâna de Paula Molgora 1 Estudante do Curso de Cênca da Computação da UEMS, Undade Unverstára de Dourados;
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 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 maisMETODOLOGIA DE GRÁFICOS DE CONTROLE PARA O USO EM CURVAS DE CRESCIMENTO
METODOLOGIA DE GRÁFICO DE CONTROLE PARA O UO EM CURVA DE CRECIMENTO João Eduardo da lva Perera UFM CCNE - Departamento de Estatístca CAMPU - 9705-900 - anta Mara - R - e-mal: jesp@ccne.ufsm.br Janete Perera
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 maisDiferença entre a classificação do PIB per capita e a classificação do IDH
Curso Bem Estar Socal Marcelo Ner - www.fgv.br/cps Metas Socas Entre as mutas questões decorrentes da déa de se mplementar uma proposta de metas socas temos: Qual a justfcatva econômca para a exstênca
Leia maisAVALIAÇÃO DO VALOR DE IMÓVEIS POR ANALISE DE REGRESSÃO: UM ESTUDO DE CASO PARA A CIDADE DE JUIZ DE FORA. Túlio Alves Matta
AVALIAÇÃO DO VALOR DE IMÓVEIS POR ANALISE DE REGRESSÃO: UM ESTUDO DE CASO PARA A CIDADE DE JUIZ DE FORA Túlo Alves Matta MONOGRAFIA SUBMETIDA À COORDENAÇÃO DE CURSO DE ENGENHARIA DE PRODUÇÃO DA UNIVERSIDADE
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 maisCAPITULO II - FORMULAÇAO MATEMATICA
CAPITULO II - FORMULAÇAO MATEMATICA II.1. HIPOTESES BASICAS A modelagem aqu empregada está baseado nas seguntes hpóteses smplfcadoras : - Regme permanente; - Ausênca de forças de campo; - Ausênca de trabalho
Leia maisTeste para verificar a igualdade de modelos de regressão e uma aplicação na área médica
Teste para verfcar a gualdade de modelos de regressão e uma aplcação na área médca Sérgo Rcardo Magalhães 1, Ednaldo Antôno de Andrade 1 Prof. e Coordenador do Curso de Sstemas de Informação da Unversdade
Leia maisPalavras-Chave: Métodos Interativos da Potência e Inverso, Sistemas Lineares, Autovetores e Autovalores.
MSc leandre Estáco Féo ssocação Educaconal Dom Bosco - Faculdade de Engenhara de Resende Caa Postal 8.698/87 - CEP 75-97 - Resende - RJ Brasl Professor e Doutorando de Engenhara aefeo@yahoo.com.br Resumo
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 maisMecânica. Sistemas de Partículas
Mecânca Sstemas de Partículas Mecânca» Sstemas de Partículas Introdução A dnâmca newtonana estudada até aqu fo utlzada no entendmento e nas prevsões do movmento de objetos puntformes. Objetos dealzados,
Leia maisEstatística stica Descritiva
AULA1-AULA5 AULA5 Estatístca stca Descrtva Prof. Vctor Hugo Lachos Davla oo que é a estatístca? Para mutos, a estatístca não passa de conjuntos de tabelas de dados numércos. Os estatístcos são pessoas
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 maisRepresentação e Descrição de Regiões
Depos de uma magem ter sdo segmentada em regões é necessáro representar e descrever cada regão para posteror processamento A escolha da representação de uma regão envolve a escolha dos elementos que são
Leia mais1. Caracterização de séries com
1. Caracterzação de séres com sazonaldade Como dscutdo na Aula 1, sazonaldade é um padrão que se repete anualmente. A sazonaldade é determnístca quando o padrão de repetção anual é exato, ou estocástca,
Leia maisRegressão Linear Múltipla
Prof. Lorí Val, Dr. http://www.pucrs.br/faat/val/ val@pucrs.br Regressão Lear Múltpla O odelo de regressão lear últpla Itrodução Defção e terologa Iterpretação Estação Iterpretação revstada Qualdade do
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 maisPESQUISA EM MERCADO DE CAPITAIS. Prof. Patricia Maria Bortolon, D. Sc. (colaboração de Prof. Claudio Cunha)
PESQUISA EM MERCADO DE CAPITAIS Prof. Patrca Mara Bortolon, D. Sc. (colaboração de Prof. Claudo Cunha) Cap. 15 Testes Empírcos de Modelos de Equlíbro ELTON, E.; GRUBER, M.; BROWN, S., GOETZMANN, W. Moderna
Leia maisVariáveis dummy: especificações de modelos com parâmetros variáveis
Varáves dummy: especfcações de modelos com parâmetros varáves Fabríco Msso, Lucane Flores Jacob Curso de Cêncas Econômcas/Unversdade Estadual de Mato Grosso do Sul E-mal: fabrcomsso@gmal.com Departamento
Leia maisLQA - LEFQ - EQ -Química Analítica Complemantos Teóricos 04-05
LQA - LEFQ - EQ -Químca Analítca Complemantos Teórcos 04-05 CONCEITO DE ERRO ALGARISMOS SIGNIFICATIVOS Embora uma análse detalhada do erro em Químca Analítca esteja fora do âmbto desta cadera, sendo abordada
Leia mais4 Otimização e Diversificação: o Binômio Risco-Retorno
4 Otmzação e Dversfcação: o Bnômo Rsco-Retorno O alto dnamsmo e a crescente sofstcação do mercado fnancero mundal fazem com que os nvestdores tenham o constante desafo de utlzarem estratégas que maxmzem
Leia maisCovariância e Correlação Linear
TLF 00/ Cap. X Covarânca e correlação lnear Capítulo X Covarânca e Correlação Lnear 0.. Valor médo da grandeza (,) 0 0.. Covarânca na propagação de erros 03 0.3. Coecente de correlação lnear 05 Departamento
Leia maisCAPÍTULO 7 TESTES DE HIPÓTESES
CAPÍTULO 7 TESTES DE HIPÓTESES Além dos métodos de estmação de parâmetros e de construção de ntervalos de confança, os testes de hpóteses são procedmentos usuas da nferênca estatístca, útes na tomada de
Leia maisEstudo quantitativo do processo de tomada de decisão de um projeto de melhoria da qualidade de ensino de graduação.
Estudo quanttatvo do processo de tomada de decsão de um projeto de melhora da qualdade de ensno de graduação. Rogéro de Melo Costa Pnto 1, Rafael Aparecdo Pres Espíndula 2, Arlndo José de Souza Júnor 1,
Leia maisANDRÉ OLIVEIRA SOUZA TESTES ESTATÍSTICOS EM REGRESSÃO LOGÍSTICA SOB A CONDIÇÃO DE SEPARABILIDADE
ANDRÉ OLIVEIRA SOUZA TESTES ESTATÍSTICOS EM REGRESSÃO LOGÍSTICA SOB A CONDIÇÃO DE SEPARABILIDADE Dssertação apresentada à Unversdade Federal de Vçosa, como parte das exgêncas do Programa de Pós-Graduação
Leia maisESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11. EXERCÍCIOS PRÁTICOS - CADERNO 1 Revisões de Estatística
ESTATÍSTICA MULTIVARIADA º SEMESTRE 010 / 11 EXERCÍCIOS PRÁTICOS - CADERNO 1 Revsões de Estatístca -0-11 1.1 1.1. (Varáves aleatóras: função de densdade e de dstrbução; Méda e Varânca enquanto expectatvas
Leia mais2 Principio do Trabalho Virtual (PTV)
Prncpo do Trabalho rtual (PT)..Contnuo com mcroestrutura Na teora que leva em consderação a mcroestrutura do materal, cada partícula anda é representada por um ponto P, conforme Fgura. Porém suas propredades
Leia maisPUCPR- Pontifícia Universidade Católica Do Paraná PPGIA- Programa de Pós-Graduação Em Informática Aplicada PROF. DR. JACQUES FACON
1 PUCPR- Pontfíca Unversdade Católca Do Paraná PPGIA- Programa de Pós-Graduação Em Informátca Aplcada PROF. DR. JACQUES FACON LIMIARIZAÇÃO ITERATIVA DE LAM E LEUNG Resumo: A proposta para essa sére de
Leia mais