INTERVALO DE CONFIANÇA BOOTSTRAP COMO FERRAMENTA PARA CLASSIFICAR RAÇAS DO NEMATÓIDE DE CISTO DA SOJA 1
|
|
- Alessandra Pacheco Wagner
- 6 Há anos
- Visualizações:
Transcrição
1 INTERVALO DE CONFIANÇA BOOTSTRAP 71 INTERVALO DE CONFIANÇA BOOTSTRAP COMO FERRAMENTA PARA CLASSIFICAR RAÇAS DO NEMATÓIDE DE CISTO DA SOJA 1 JOSÉ ERIVALDO PEREIRA, JOÃO FLÁVIO VELOSO SILVA, WALDIR PEREIRA DIAS e GERALDO DA SILVA E SOUZA 3 RESUMO - Estimativas bootstrap da média aritmética dos geótipos de soja Pickett, Pekig, PI88788 e PI9763 e os itervalos de cofiaça obtidos pela teoria ormal e através da distribuição bootstrap deste estimador, como o percetil bootstrap e o BCa, correção para o viés e aceleração, do parâmetro de difereciação da cultivar padrão de suscetibilidade Lee são utilizados para classificar raças do ematóide de cisto da soja. Os itervalos de cofiaça obtidos a partir da distribuição bootstrap apresetaram meor amplitude e foram muito similares, dessa forma, o limite iferior do itervalo de cofiaça percetil bootstrap foi tomado como ível de referêcia as distribuições bootstrap do estimador da média aritmética dos geótipos difereciadores, permitido estimar a probabilidade empírica de uma reação positiva ou egativa, e, coseqüetemete, idetificar a raça sob determiado teste. Termos para idexação: Heterodera glycies, geótipos difereciadores, ídice, variâcia. BOOTSTRAP CONFIDENCE INTERVALS AS TOOL TO CLASSIFY RACES OF SOYBEAN S CYST NEMATODE ABSTRACT - Bootstrap estimates of arithmetic mea of Pickett, Pekig, PI88788 ad PI9763 soybea geotypes ad the cofidece itervals obtaied through ormal theory ad bootstrap distributio of this estimator, like the percetile bootstrap ad the BCa (bias-corrected ad accelerated of the differetiatio parameter of the stadard cultivar Lee for susceptibility, are utilized to classify races of soybea cyst ematode. The cofidece itervals obtaied from bootstrap distributio showed smaller amplitude ad were very similar. Therefore, the lower limit of the bootstrap percetile cofidece iterval was take as referece level i the bootstrap distributio of the arithmetic mea estimator of the differetial geotypes allowig to estimate the empirical probability of a positive or egative reactio ad, cosequetly, to idetify the most probable race uder specific test. Idex terms: Heterodera glycies, differetial geotypes, idex, variace. INTRODUÇÃO Populações do ematóide de cisto da soja (NCS, Heterodera glycies Ichiohe, podem ser classificadas em 16 raças (Riggs & Schmitt, Essa classificação é baseada o úmero médio de fêmeas do 1 Aceito para publicação em 14 de abril de Eg. Agrô., M.Sc., Embrapa-Cetro Nacioal de Pesquisa de Soja (CNPSo, Caixa Postal 31, CEP Lodria, PR. erivaldo@cpso.embrapa.br 3 Matemático, Ph.D., Embrapa-Secretaria de Admiistração Estratégica (SEA, SAIN Parque Rural-Fial Av. W/3 Norte, Caixa Postal 4315, CEP Brasília, DF. geraldo@sede.embrapa.br ematóide em quatro geótipos de soja (Glycie max (L. Merr., quais sejam: Pekig, Pickett, PI88788 e PI9763, quado comparados com a cotagem de fêmeas observada a cultivar padrão de suscetibilidade Lee. Um geótipo difereciador tem reação positiva se a porcetagem do úmero médio de cistos produzidos em relação ao úmero médio obtido a cultivar padrão de suscetibilidade Lee for igual ou maior que dez (Golde et al., 197, citados por Riggs & Schmitt, A experiêcia em pesquisa com a variável aleatória úmero de cistos por volume de solo tem evideciado a ocorrêcia de grade aleatoriedade associa-
2 7 J.E. PEREIRA et al. da à superdispersão (McSorley, 198; Ferris, 1984; McCullagh & Nelder, Riggs et al. (1988 relataram que a mesma população de NCS foi classificada em diferetes raças. Youg (1989 observou que o viés a idetificação da raça é maior quado são utilizadas meos de quatro repetições e frisou a ecessidade de se cosiderar a variâcia do ídice médio utilizado a difereciação das raças. O objetivo deste estudo foi estimar e utilizar como critério a determiação de raças do NCS os itervalos de cofiaça do parâmetro de difereciação da cultivar-padrão de suscetibilidade Lee obtidos pela teoria ormal e via distribuição bootstrap (Efro & Tibshirai, 1993 para a média aritmética, visado melhorar a precisão a idetificação das raças de NCS. MATERIAL E MÉTODOS A metodologia utilizada cosiste em obter a distribuição bootstrap para o estimador da média aritmética dos quatro geótipos difereciadores e do estimador do parâmetro de difereciação da cultivar padrão de suscetibilidade Lee. O método bootstrap foi utilizado a versão ão-paramétrica, ou seja, assumido a distribuição uiforme a geração das amostras bootstrap. Foram estimados os itervalos de cofiaça através da teoria ormal, e via distribuição bootstrap como o percetil bootstrap, e o BCa. Dada a distribuição bootstrap de um estimador, o itervalo de cofiaça percetil com coeficiete de cofiaça igual a 1-α é defiido pelos percetis α e 1-α *( desta distribuição, logo, os valores θ ˆ α *(1 α e θ ˆ represetam os limites do itervalo cosiderado. O itervalo BCa é também obtido da distribuição bootstrap, mas depede das estimativas de â e Ẑ, deomiados costate de aceleração e correção do viés, res- pectivamete, estas são dadas por, â = 6 3 θ i 1 (. θ(i =, 3 ( θˆ ˆ i 1 (. θ(i = ( ˆ θˆ = θ ˆ (i / (. ; i = 1 ˆθ : é a estimativa Jackkife de θ; (. ˆ ˆθ (i : é uma estimativa de θ obtida a partir da amostra origial sem a i-ésima observação; : é o tamaho da amostra origial; e Ẑ o * { θˆ (b < θˆ } = Φ 1 # B, θˆ : estimativa de θ da amostra origial; ˆθ * (b : é uma estimativa de θ para a b-ésima repetição bootstrap ; B: é o úmero de repetições bootstrap ; Φ 1 (. : idicado a fução iversa da distribuição ormal padrão acumulada. Dessa forma, o itervalo BCa com cobertura igual a 1-α, é dado por: *( α ( ˆ 1 *( α BCa, ˆ = θ θ, ( α Ẑ + Z = Φ( Ẑ + ( 1 â(ẑ + Z α 1 α ; (1 α Ẑ + Z = Φ( Ẑ + (1 1 â(ẑ + Z α α ; Z (α : é o α-ésimo poto percetil da distribuição ormal padroizada; Φ(.: idicado a fução de distribuição ormal padrão acumulada. O itervalo de cofiaça para a média através da S teoria ormal foi obtido por, ŷ ± t α., ŷ : é uma estimativa da média amostral; t α : é o valor tabelado da distribuição t de Studet com -1 graus de liberdade; S: é uma estimativa do desvio-padrão amostral; : é o tamaho da amostra. Os limites do itervalo de cofiaça da média aritmética foram multiplicados por,1 para se obter o itervalo de cofiaça do parâmetro de difereciação da cultivar Lee.
3 INTERVALO DE CONFIANÇA BOOTSTRAP 73 Para caracterizar uma reação positiva de um geótipo difereciador, assume-se que a média aritmética bootstrap deve ser maior ou igual ao limite iferior do itervalo de cofiaça percetil bootstrap para o parâmetro de difereciação da cultivar padrão de suscetibilidade Lee, ou seja, dez por ceto do limite iferior do itervalo de cofiaça percetil bootstrap obtido pela distribuição bootstrap do estimador da média aritmética. A probabilidade empírica de um geótipo difereciador ter uma reação positiva ou egativa pode ser obtida tomado-se esta estimativa do limite iferior do itervalo de cofiaça percetil bootstrap como referêcia as distribuições bootstrap das médias aritméticas dos geótipos difereciadores, obtedo-se, assim, a probabilidade da raça de ematóide mais provável para o teste cosiderado. RESULTADOS E DISCUSSÃO A Tabela 1 apreseta os itervalos de cofiaça estimados para o parâmetro de difereciação da cultivar padrão de suscetibilidade Lee os dois exemplos apresetados. Observa-se que os itervalos obtidos pela distribuição bootstrap têm meor amplitude, dessa forma, e por ser mais facilmete obtido, apeas o itervalo percetil bootstrap foi cosiderado a descrição dos dois exemplos dados a seguir: Os dados observados para o teste realizado em Água Clara, MS, em 17/1/96, foram feitas ioculações de 1.87 ovos/vaso, servem de exemplo. As cotages observadas foram: PI88788, 3, 1, 46, 5; = 5; PI9763 5, 18,, 56, 1, 1; = 6; Pekig 11, 79, 34, 56, 69, 4; = 6; Pickett 5, 197, 446, 174, 116, 1; = 6; Lee 85, 186, 436, 69, 3, 467; = 6. Com esses resultados, e utilizado o método de Riggs & Schmitt (1988, observa-se que a estimativa do parâmetro de difereciação da cultivar padrão de suscetibilidade Lee é igual a 3,75, e as médias dos geótipos difereciadores Pickett, Pekig, PI88788 e PI9763 são 17,5, 63,,,6 e 9,5, respectivamete, o que sugere a seqüêcia (+, (+, (-, (- relacioada ao padrão de suscetibilidade, ou seja, a raça 9 é idetificada. Em relação ao mesmo cojuto de dados, a aplicação do método bootstrap com B = 5. amostras bootstrap, as médias aritméticas bootstrap estimadas para as difereciadoras Pickett, Pekig, PI88788 e PI9763 são 17,15, 63,4, 16,91 e 9,5, respectivamete. Além disso, o itervalo de cofiaça percetil bootstrap com coeficiete de cofiaça igual a,9 para o parâmetro de difereciação da Lee é igual a 6,43-39,43; isto sugere a seqüêcia (+, (+, (-, (+, ou seja, a raça 14 é idetificada. Tomado-se agora o limite iferior do itervalo de cofiaça 6,43 como referêcia as distribuições bootstrap dos geótipos difereciadores, observa-se que a probabilidade empírica associada à idetificação da raça 14 é de 58,8%. Uma represetação gráfica deste procedimeto ecotra-se a Fig.1. A Tabela apreseta a probabilidade empírica de reação positiva ou egativa obtida das distribuições bootstrap, pode-se observar que as seqüêcias (+, (+, (-, (- e (+, (+, (+, (+, idetificado as raças 9 e 4, apresetam-se associadas a uma probabilidade de 31,63% e 6,65%, respectivamete. Nesse exemplo, as amostras origiais em cada geótipo difereciador, e iclusive a da cultivar padrão Lee, apresetaram bastate variação. Essa variabilidade resulta de fotes geéticas e ambietais, e depede do erro de amostragem. Assim, a idetificação da raça de NCS associada a uma medida de TABELA 1. Itervalos de cofiaça com coeficiete de cofiaça igual a,9 do parâmetro de difereciação da cultivar Lee os dois locais do teste de idetificação de raças do ematóide de cisto da soja. Itervalos de cofiaça Água Clara Tagará da Serra Teoria ormal 4, 41,49 19,49 5,58 Percetil bootstrap 6,43 39,43,14 4,9 BCa 6,58 39,58,18 4,95
4 74 J.E. PEREIRA et al. 16,91 9,5 6,43 39,43 63,4 ( I ( II ( III ( IV ( V 17,15 FIG. 1. Distribuição bootstrap do estimador da média aritmética dos geótipos difereciadores Pickett (I, Pekig (II, Pl88788 (III, Pl9763 (IV e do estimador do parâmetro de difereciação da cultivar padrão de suscetibilidade Lee (V. O limite iferior do itervalo de cofiaça percetil bootstrap cujo valor é 6,43 é tomado como referêcia as distribuições dos geótipos difereciadores. probabilidade costitui um fator importate para o moitorameto de uma população. Etretato, mesmo quado isso ão ocorre, é importate ressalvar que uma estimativa do parâmetro de difereciação muito próxima das estimativas das médias dos geótipos difereciadores pode resultar uma idetificação viesada da raça, essas dificuldades são corrigidas com o uso do itervalo de cofiaça. A aálise de um segudo exemplo ilustra essa situação. Cosiderado as cotages observadas o teste de Tagará da Serra, MT, em 15/8/97, foram feitas ioculações de 4. ovos/vaso, os seguites resultados foram obtidos: PI , 34, 6, 13, 31,, 1; = 7; PI9763,,,,,, ; = 7; Pekig,,,,,, ; = 7; Pickett,,,,,, ; = 7; Lee 89, 41, 19, 164, 58, 194, 13; = 7. Agora a estimativa do parâmetro de difereciação da cultivar padrão de suscetibilidade Lee é igual a,54 e as médias dos geótipos difereciadores Pickett, Pekig, PI88788 e PI9763 são,,,14 e, respectivamete; dessa forma, a raça idetificada é a 3, embora a média do geótipo PI88788 seja meor mas muito próxima da estimativa potual do parâmetro de difereciação. Aida esse exemplo, o método bootstrap com B = 5. amostras bootstrap, as médias aritméticas bootstrap estimadas para os geótipos difereciadores Pickett, Pekig, PI88788 e PI9763 são,,,9 e, respectivamete. O itervalo de cofiaça percetil bootstrap com coeficiete de cofiaça igual a,9 para o parâmetro de difereciação da cultivar Lee é,14-4,9, o que idica que as seqüêcias (-, (-, (+, (-, e (-, (-, (-, (- são as mais prováveis, ou seja, tomado-se o limite iferior do itervalo de cofiaça percetil bootstrap para a cultivar Lee, cujo valor é,14, como ível de referêcia as distribuições bootstrap dos geótipos difereciadores, tem-se que a probabilidade do teste está idetificado a raça 1 é de 74,6%, e a raça 3 é de 5,74%. Esses resultados são apresetados a Tabela 3.
5 INTERVALO DE CONFIANÇA BOOTSTRAP 75 TABELA. Probabilidade empírica de reação positiva ou egativa e raças mais prováveis o teste de Água Clara, MS. Geótipo difereciador P(<6,43 P(³6,43 Seqüêcia Seguda seqüêcia Terceira seqüêcia Pickett, 1, (+ (+ (+ Pekig, 1, (+ (+ (+ PI88788,897,18 (- (- (+ PI9763,356,6474 (+ (- (+ Raça idetificada Probabilidade da raça idetificada 58,8% 31,63% 6,65% TABELA 3. Probabilidade empírica de reação positiva ou egativa e raças mais prováveis o teste de Tagará da Serra, MT. Geótipo difereciador P(<,14 P(³,14 Seqüêcia mais provável Seguda seqüêcia Pickett 1,, (- (- Pekig 1,, (- (- PI88788,574,746 (+ (- PI9763 1,, (- (- Raça idetificada 1 3 Probabilidade da raça idetificada 74,6% 5,74% CONCLUSÃO 1. O itervalo de cofiaça percetil bootstrap é uma estimativa itervalar precisa do parâmetro de difereciação da cultivar Lee, podedo o limite iferior deste ser utilizado como referêcia a distribuição bootstrap do estimador da média aritmética dos geótipos difereciadores, obtedo-se, assim, a raça do NCS para o teste cosiderado. REFERÊNCIAS EFRON, B.; TIBSHIRANI, R. A itroductio to the bootstrap. New York : Chapma & Hall, p. FERRIS, H. Nematode damage fuctios: the problems of experimetal ad samplig error. Joural of Nematology, St. Paul, MN, v.16,.1, p.1-9, McCULLAGH, P.; NELDER, J.A. Geeralized liear models..ed. Lodo : Chapma ad Hall, p. McSORLEY, R. Simulated samplig strategies for ematodes distributed accordig to a egative biomial model. Joural of Nematology, St. Paul, MN, v.14,.4, p , 198. RIGGS, R.D.; SCHMITT, D.P. Complete characterizatio of the race scheme for Heterodera glycies. Joural of Nematology, St. Paul, MN, v.,.3, p , RIGGS, R.D.; SCHMITT, D.P.; NOEL, G.R. Variability i race tests with Heterodera glycies. Joural of Nematology, St. Paul, MN, v.,.4, p , YOUNG, L.D. Use of statistics i race determiatio tests. Joural of Nematology, St. Paul, MN, v.1,.4, p , 1989.
Cap. 4 - Estimação por Intervalo
Cap. 4 - Estimação por Itervalo Amostragem e iferêcia estatística População: cosiste a totalidade das observações em que estamos iteressados. Nº de observações a população é deomiado tamaho=n. Amostra:
A finalidade de uma equação de regressão seria estimar valores de uma variável, com base em valores conhecidos da outra.
Jaete Pereira Amador Itrodução A aálise de regressão tem por objetivo descrever através de um modelo matemático, a relação existete etre duas variáveis, a partir de observações dessas viráveis. A aálise
ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p
ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p Objetivo Estimar uma proporção p (descohecida) de elemetos em uma população, apresetado certa característica de iteresse, a partir da iformação forecida por uma amostra.
CONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA
1 CONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA 1. Coceitos Básicos de Probabilidade Variável aleatória: é um úmero (ou vetor) determiado por uma resposta, isto é, uma fução defiida em potos do espaço
Estatística: Aplicação ao Sensoriamento Remoto SER ANO Técnicas de Reamostragem
Estatística: Aplicação ao Sesoriameto Remoto SER 202 - ANO 2016 Técicas de Reamostragem Camilo Daleles Reó camilo@dpi.ipe.br http://www.dpi.ipe.br/~camilo/estatistica/ Distribuição Amostral Testes paramétricos
Teorema do Limite Central, distribuição amostral, estimação por ponto e intervalo de confiança
Teorema do Limite Cetral, distribuição amostral, estimação por poto e itervalo de cofiaça Prof. Marcos Pó Métodos Quatitativos para Ciêcias Sociais Distribuição amostral Duas amostrages iguais oriudas
Lista 9 - Introdução à Probabilidade e Estatística
Lista 9 - Itrodução à Probabilidade e Estatística Desigualdades e Teoremas Limites 2.=000. 1 Um ariro apota a um alvo de 20 cm de raio. Seus disparos atigem o alvo, em média, a 5 cm do cetro deste. Assuma
Teorema do Limite Central, distribuição amostral, estimação por ponto e intervalo de confiança
Teorema do Limite Cetral, distribuição amostral, estimação por poto e itervalo de cofiaça Prof. Marcos Pó Métodos Quatitativos para Ciêcias Sociais Distribuição amostral Duas amostrages iguais oriudas
Objetivo. Estimar a média µ de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra.
ESTIMAÇÃO PARA A MÉDIAM Objetivo Estimar a média µ de uma variável aleatória X, que represeta uma característica de iteresse de uma população, a partir de uma amostra. Exemplos: µ : peso médio de homes
10 - Medidas de Variabilidade ou de Dispersão
10 - Medidas de Variabilidade ou de Dispersão 10.1 Itrodução Localizado o cetro de uma distribuição de dados, o próximo passo será verificar a dispersão desses dados, buscado uma medida para essa dispersão.
ESTIMAÇÃO DE PARÂMETROS
ESTIMAÇÃO DE PARÂMETROS 1 Estimação de Parâmetros uiverso do estudo (população) dados observados O raciocíio idutivo da estimação de parâmetros Estimação de Parâmetros POPULAÇÃO p =? AMOSTRA Observações:
CORRELAÇÃO Aqui me tens de regresso
CORRELAÇÃO Aqui me tes de regresso O assuto Correlação fez parte, acompahado de Regressão, do programa de Auditor Fiscal, até 998, desaparecedo a partir do cocurso do ao 000 para agora retorar soziho.
DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia
ROTEIRO DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL 1. Itrodução. Teorema Cetral do Limite 3. Coceitos de estimação potual 4. Métodos de estimação potual 5. Referêcias Estatística Aplicada à Egeharia 1 Estatística
Métodos de Amostragem
Métodos de Amostragem Amostragem aleatória Este é o procedimeto mais usual para ivetários florestais e baseia-se o pressuposto de que todas as uidades amostrais têm a mesma chace de serem amostradas a
AMOSTRAGEM ALEATÓRIA DISTRIBUIÇÕES POR AMOSTRAGEM
6 AMOSTRAGEM ALEATÓRIA DISTRIBUIÇÕES POR AMOSTRAGEM Quado se pretede estudar uma determiada população, aalisam-se certas características ou variáveis dessa população. Essas variáveis poderão ser discretas
Instruções gerais sobre a Prova:
DEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2012/2013 Istruções gerais sobre a Prova: (a) Cada questão respodida corretamete vale 1 (um) poto. (b) Cada
ENGENHARIA DA QUALIDADE A ENG AULA 6 CARTAS DE CONTROLE PARA ATRIBUTOS
ENGENHARIA DA QUALIDADE A ENG 09008 AULA 6 CARTAS DE CONTROLE PARA ATRIBUTOS PROFESSORES: CARLA SCHWENGBER TEN CATEN Tópicos desta aula Cartas de Cotrole para Variáveis Tipo 1: Tipo 2: Tipo 3: X X X ~
Estimação de parâmetros da distribuição beta-binomial: uso do programa SAS e uma aplicação a dados obtidos da Escala P-DUREL
Estimação de parâmetros da distribuição beta-biomial: uso do programa SAS e uma aplicação a dados obtidos da Escala P-DUREL Diorgies Herculao da Silva Itrodução Edso Zagiacomi Martiez O modelo beta-biomial
Escola de Engenharia de Lorena EEL USP Departamento de Engenharia Química DEQUI Disciplina: Normalização e Controle da Qualidade NCQ
1 Escola de Egeharia de orea EE SP Departameto de Egeharia Química DEQI Disciplia: Normalização e Cotrole da Qualidade NCQ Capítulo : Amostragem por Variáveis (MI STD 1) SEÇÃO A.1 Objetivo Este capítulo
Intervalos Estatísticos para uma única Amostra - parte II
Itervalos Estatísticos para uma úica Amostra - parte II Itervalo de cofiaça para proporção 2012/02 1 Itrodução 2 3 Objetivos Ao fial deste capítulo você deve ser capaz de: Costruir itervalos de cofiaça
VARIÂNCIAS DO PONTO CRÍTICO DE EQUAÇÕES DE REGRESSÃO QUADRÁTICA
VARIÂNCIAS DO PONTO CRÍTICO DE EQUAÇÕES DE REGRESSÃO QUADRÁTICA Variaces of the critical poit of a quadratic regressio equatio Ceile Cristia Ferreira Nues, Augusto Ramalho de Morais, Joel Augusto Muiz
Distribuições Amostrais
9/3/06 Uiversidade Federal do Pará Istituto de Tecologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Egeharia Mecâica 3/09/06 3:38 ESTATÍSTICA APLICADA I - Teoria
1 Distribuições Amostrais
1 Distribuições Amostrais Ao retirarmos uma amostra aleatória de uma população e calcularmos a partir desta amostra qualquer quatidade, ecotramos a estatística, ou seja, chamaremos os valores calculados
Capítulo 5- Introdução à Inferência estatística.
Capítulo 5- Itrodução à Iferêcia estatística. 1.1) Itrodução.(184) Na iferêcia estatística, aalisamos e iterpretamos amostras com o objetivo de tirar coclusões acerca da população de ode se extraiu a amostra.
Estimativa de Parâmetros
Estimativa de Parâmetros ENG09004 04/ Prof. Alexadre Pedott pedott@producao.ufrgs.br Trabalho em Grupo Primeira Etrega: 7/0/04. Plao de Amostragem - Cotexto - Tipo de dado, frequêcia de coleta, quatidade
Amostras Aleatórias e Distribuições Amostrais. Probabilidade e Estatística: afinal, qual é a diferença?
Amostras Aleatórias e Distribuições Amostrais Probabilidade e Estatística: afial, qual é a difereça? Até agora o que fizemos foi desevolver modelos probabilísticos que se adequavam a situações reais. Por
A Inferência Estatística é um conjunto de técnicas que objetiva estudar a população através de evidências fornecidas por uma amostra.
UNIVERSIDADE FEDERAL DA PARAÍBA Distribuição Amostral Luiz Medeiros de Araujo Lima Filho Departameto de Estatística INTRODUÇÃO A Iferêcia Estatística é um cojuto de técicas que objetiva estudar a população
3.4.2 Cálculo da moda para dados tabulados. 3.4 Moda Cálculo da moda para uma lista Cálculo da moda para distribuição de freqüências
14 Calcular a mediaa do cojuto descrito pela distribuição de freqüêcias a seguir. 8,0 10,0 10 Sabedo-se que é a somatória das, e, portato, = 15+25+16+34+10 = 100, pode-se determiar a posição cetral /2
INFERÊNCIA. Fazer inferência (ou inferir) = tirar conclusões
INFERÊNCIA Fazer iferêcia (ou iferir) = tirar coclusões Iferêcia Estatística: cojuto de métodos de aálise estatística que permitem tirar coclusões sobre uma população com base em somete uma parte dela
CAPÍTULO 6 ESTIMATIVA DE PARÂMETROS PPGEP. Introdução. Introdução. Estimativa de Parâmetros UFRGS
CAPÍTULO 6 Itrodução Uma variável aleatória é caracterizada ou descrita pela sua distribuição de probabilidade. ETIMATIVA DE PARÂMETRO URG Em aplicações idustriais, as distribuições de probabilidade são
Mestrado Integrado em Engenharia Civil. Disciplina: TRANSPORTES. Sessão Prática 4: Amostragem
Mestrado Itegrado em Egeharia Civil Disciplia: TRNSPORTES Prof. Resposável: José Mauel Viegas Sessão Prática 4: mostragem Istituto Superior Técico / Mestrado Itegrado Egª Civil Trasportes ulas Práticas
DETERMINANDO A SIGNIFICÂNCIA ESTATÍSTICA PARA AS DIFERENÇAS ENTRE MÉDIAS
DTRMINANDO A SIGNIFIÂNIA STATÍSTIA PARA AS DIFRNÇAS NTR MÉDIAS Ferado Lag da Silveira Istituto de Física - UFRGS lag@if.ufrgs.br O objetivo desse texto é apresetar através de exemplos uméricos como se
Stela Adami Vayego DEST/UFPR
Resumo 3 Resumo dos dados uméricos por meio de úmeros 1. Medidas de Tedêcia Cetral A tedêcia cetral da distribuição de freqüêcias de uma variável em um cojuto de dados é caracterizada pelo valor típico
Universidade São Judas Tadeu Faculdade de Tecnologia e Ciências Exatas Laboratório de Física e Química
Uiversidade São Judas Tadeu Faculdade de Tecologia e Ciêcias Exatas Laboratório de Física e Química Aálise de Medidas Físicas Quado fazemos uma medida, determiamos um úmero para caracterizar uma gradeza
DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL. todas as repetições). Então, para todo o número positivo ξ, teremos:
48 DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL LEI DOS GRANDES NÚMEROS Pretede-se estudar o seguite problema: À medida que o úmero de repetições de uma experiêcia cresce, a frequêcia relativa
Estatística: Aplicação ao Sensoriamento Remoto SER ANO Teoria da amostragem
Estatística: Aplicação ao Sesoriameto Remoto SER 04 - ANO 017 Teoria da amostragem Camilo Daleles Reó camilo@dpi.ipe.br http://www.dpi.ipe.br/~camilo/estatistica/ Algumas Cosiderações... É importate ter
CAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES
CAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES 6. INTRODUÇÃO INFERÊNCIA ESTATÍSTICA Estimação por poto por itervalo Testes de Hipóteses População X θ =? Amostra θ Iferêcia Estatística X, X,..., X 6. ESTIMAÇÃO
Métodos Numéricos e Estatísticos Parte II-Métodos Estatísticos Estimação pontual e intervalar
potual por itervalos Métodos Numéricos e Estatísticos Parte II-Métodos Estatísticos potual e itervalar Lic. Eg. Biomédica e Bioegeharia-2009/2010 potual por itervalos A Teoria das Probabilidades cosiste
AEP FISCAL ESTATÍSTICA
AEP FISCAL ESTATÍSTICA Módulo 0: Medidas de Dispersão (webercampos@gmail.com) MÓDULO 0 - MEDIDAS DE DISPERSÃO 1. Coceito: Dispersão é a maior ou meor diversificação dos valores de uma variável, em toro
Experimento 1 Estudo da Lei de Hooke
Experimeto 1 Estudo da Lei de Hooke 1.1 Objetivos Físicos Verificação experimetal da lei de Hooke para uma mola helicoidal: Medida experimetal do módulo de rigidez do material μ. 1. Objetivos Didáticos
MEDIDAS RESUMO EM TABELAS DE FREQUÊNCIA
MEDIDAS RESUMO EM TABELAS DE FREQUÊNCIA Média ) Tabela de frequêcias simples Cálculo da média: Tabela a Distribuição da idade de fucioários hipertesos Frequêcia Frequêcia (aos) 7 4 5 6 4 4 44 45 46 5 (aos)
MAE116 Noções de Estatística
Exercício 1 A Secretaria de Saúde de um muicípio vem realizado um programa educativo etre as gestates mostrado a importâcia da amametação. Para averiguar a eficácia do programa pretede-se realizar uma
Estimação A estimação de um parâmetro, θ, de uma população pode ser feita por dois processos: Estimação Pontual e Estimação intervalar.
Escola uperior de Tecologia de Viseu ETIMAÇÃO Estimação A estimação de um parâmetro, θ, de uma população pode ser feita por dois processos: Estimação Potual e Estimação itervalar. Exemplo: Num dos diversos
3ª Lista de Exercícios de Programação I
3ª Lista de Exercícios de Programação I Istrução As questões devem ser implemetadas em C. 1. Desevolva um programa que leia dois valores a e b ( a b ) e mostre os seguites resultados: (1) a. Todos os úmeros
Faculdade de Economia Universidade Nova de Lisboa ESTATÍSTICA. Exame Final 2ª Época 26 de Junho de Grupo I (3 valores)
Faculdade de Ecoomia Uiversidade Nova de Lisboa ESTATÍSTIA Exame Fial ª Época 6 de Juho de 00 Ateção:. Respoda a cada grupo em folhas separadas. Idetifique todas as folhas.. Todas as respostas devem ser
Métodos paramétricos e não-paramétricos para determinar o valor característico em resultados de ensaio de madeira
SCIENTIA FORESTALIS. 66, p. 76-83, dez. 2004 Métodos paramétricos e ão-paramétricos para determiar o valor característico em resultados de esaio de madeira Parametric ad o-parametric methods to determie
Estatística Aplicada Medidas Resumo Apostila 4 Prof. Fábio Hipólito Aluno(a):
Medidas Resumo Apostila 4 Prof. Fábio Hipólito Aluo(a): # Objetivo desta aula: Calcular as medidas de tedêcia cetral: média, moda e mediaa para distribuições de frequêcias potuais e por itervalos de classes.
Estudando complexidade de algoritmos
Estudado complexidade de algoritmos Dailo de Oliveira Domigos wwwdadomicombr Notas de aula de Estrutura de Dados e Aálise de Algoritmos (Professor Adré Bala, mestrado UFABC) Durate os estudos de complexidade
Uma amostra aleatória simples de n elementos é selecionada a partir da população. Calcula-se o valor da média a partir da amostra
Distribuição amostral de Um dos procedimetos estatísticos mais comus é o uso de uma média da amostra ( ) para fazer iferêcias sobre uma população de média µ. Esse processo é apresetado a figura abaio.
Exame MACS- Inferência-Intervalos.
Exame MACS- Iferêcia-Itervalos. No iício deste capítulo, surgem algumas ideias que devemos ter presetes: O objectivo da iferêcia estatística é usar uma amostra e tirar coclusões para toda a população.
Introdução ao Qui-Quadrado
Técicas Laboratoriais de Física Lic. Física e g. Biomédica 007/08 Capítulo X Teste do Qui-quadrado, Itrodução ao qui-quadrado Defiição geral do qui-quadrado Graus de liberdade e reduzido abilidade do 66
Capítulo I Séries Numéricas
Capítulo I Séries Numéricas Capitulo I Séries. SÉRIES NÚMERICAS DEFINIÇÃO Sedo u, u,..., u,... uma sucessão umérica, chama-se série umérica de termo geral u à epressão que habitualmete se escreve u u...
ESTATÍSTICA. PROF. RANILDO LOPES U.E PROF EDGAR TITO
ESTATÍSTICA PROF. RANILDO LOPES http://ueedgartito.wordpress.com U.E PROF EDGAR TITO Medidas de tedêcia cetral Medidas cetrais são valores que resumem um cojuto de dados a um úico valor que, de alguma
SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO DE CIÊNCIAS BIOLÓGICAS DECB
Govero do Estado do Rio Grade do Norte Secretaria de Estado da Educação e da Cultura - SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO
PREVISÃO DE PRECIPITAÇÃO
4 PREVISÃO DE PRECIPITAÇÃO PROBABILIDADE NOS PROJETOS Em Egeharia o cohecimeto das magitudes das precipitações apreseta grade iteresse prático por sua freqüete aplicação os projetos hidráulicos. Nos projetos
a = b n Vejamos alguns exemplos que nos permitem observar essas relações. = 4 4² = 16 radical radicando
Caro aluo, Com o objetivo de esclarecer as dúvidas sobre a raiz quadrada, apresetamos este material a defiição de radiciação, o cálculo da raiz quadrada e algumas propriedades de radiciação. Além disso,
Exercícios de Intervalos de Confiança para media, variância e proporção
Exercícios de Itervalos de Cofiaça para media, variâcia e proporção 1. Se uma amostra aleatória =5, tem uma média amostral de 51,3 e uma desvio padrão populacioal de σ=. Costrua o itervalo com 95% de cofiaça
Inferência Estatística
Iferêcia Estatística opulação Amostra Itroduç Itrodução à Iferêcia Estatística Como tirar coclusões tomar decisões a partir de iformação parcial / icompleta (amostra) projectado /geeralizado resultados
Processos Estocásticos
IFBA Processos Estocásticos Versão 1 Alla de Sousa Soares Graduação: Liceciatura em Matemática - UESB Especilização: Matemática Pura - UESB Mestrado: Matemática Pura - UFMG Vitória da Coquista - BA 2014
Revisando... Distribuição Amostral da Média
Estatística Aplicada II DISTRIBUIÇÃO AMOSTRAL MÉDIA AULA 08/08/16 Prof a Lilia M. Lima Cuha Agosto de 016 Revisado... Distribuição Amostral da Média Seja X uma v. a. de uma população com média µ e variâcia
P.M.S. Oliveira, C.S. Munita
Estudo comparativo de métodos de ormalização em resultados experimetais. P.M.S. Oliveira, C.S. Muita Istituto de Pesquisas Eergéticas e Nucleares - IPEN-CNEN/SP, Av. Prof. Lieu Prestes 4. CEP 05508-000,
Introdução. Exemplos. Comparar três lojas quanto ao volume médio de vendas. ...
Itrodução Exemplos Para curar uma certa doeça existem quatro tratametos possíveis: A, B, C e D. Pretede-se saber se existem difereças sigificativas os tratametos o que diz respeito ao tempo ecessário para
Prova Escrita de MATEMÁTICA A - 12o Ano a Fase
Prova Escrita de MATEMÁTICA A - 1o Ao 00 - a Fase Proposta de resolução GRUPO I 1. Como a probabilidade do João acertar em cada tetativa é 0,, a probabilidade do João acertar as tetativas é 0, 0, 0, 0,
Virgílio A. F. Almeida DCC-UFMG 1/2005
Virgílio A. F. Almeida DCC-UFMG 1/005 !" # Comparado quatitativamete sistemas eperimetais: Algoritmos, protótipos, modelos, etc Sigificado de uma amostra Itervalos de cofiaça Tomado decisões e comparado
FICHA DE TRABALHO 11º ANO. Sucessões
. Observe a sequêcia das seguites figuras: FICHA DE TRABALHO º ANO Sucessões Vão-se costruido, sucessivamete, triâgulos equiláteros os vértices dos triâgulos equiláteros já existetes, prologado-se os seus
Probabilidade II Aula 12
Coteúdo Probabilidade II Aula Juho de 009 Desigualdade de Marov Desigualdade de Jese Lei Fraca dos Grades Números Môica Barros, D.Sc. Itrodução A variâcia de uma variável aleatória mede a dispersão em
Análise de Regressão Linear Múltipla I
Aálise de Regressão Liear Múltipla I Aula 04 Gujarati e Porter, 0 Capítulos 7 e 0 tradução da 5ª ed. Heij et al., 004 Capítulo 3 Wooldridge, 0 Capítulo 3 tradução da 4ª ed. Itrodução Como pode ser visto
Exercício: Mediu-se os ângulos internos de um quadrilátero e obteve-se 361,4. Qual é o erro de que está afetada esta medida?
1. Tratameto estatísticos dos dados 1.1. TEORIA DE ERROS O ato de medir é, em essêcia, um ato de comparar, e essa comparação evolve erros de diversas origes (dos istrumetos, do operador, do processo de
UNIVERSIDADE DE SÃO PAULO ENGENHARIA QUÍMICA LOQ 4016 OPERAÇÕES UNITÁRIAS EXPERIMENTAL I
UNIVERSIAE E SÃO PAULO ENGENHARIA QUÍMICA LOQ 4016 OPERAÇÕES UNITÁRIAS EXPERIMENTAL I Profa. Lívia Chaguri E-mail: lchaguri@usp.br 1- Redução de Tamaho - Fudametos/Caracterização graulométrica - Equipametos:
População x Amostra. statística descritiva X inferência estatística. Revisão de Estatística e Probabilidade
Revisão de Estatística e Probabilidade Magos Martiello Uiversidade Federal do Espírito Sato - UFES Departameto de Iformática DI Laboratório de Pesquisas em Redes Multimidia LPRM statística descritiva X
5. ANÁLISE DE SISTEMAS DA CONFIABILIADE DE SISTEMAS SÉRIE-PARALELO
5. ANÁLISE DE SISTEMAS DA CONFIABILIADE DE SISTEMAS SÉRIE-PARALELO 5.1 INTRODUÇÃO Um sistema é defiido como todo o cojuto de compoetes itercoectados, previamete determiados, de forma a realizar um cojuto
AEP FISCAL ESTATÍSTICA
AEP FISCAL ESTATÍSTICA Módulo 04: Medidas de Posição (webercampos@gmail.com) . MÉDIA ARITMÉTICA : Para um cojuto de valores Média Aritmética Simples: xi p Média Aritmética Poderada: MÓDULO 04 - MEDIDAS
Probabilidade II Aula 9
Coteúdo Probabilidade II Aula 9 Maio de 9 Môica Barros, D.Sc. Estatísticas de Ordem Distribuição do Máximo e Míimo de uma amostra Uiforme(,) Distribuição do Máximo e Míimo caso geral Distribuição das Estatísticas
Preliminares 1. 1 lim sup, lim inf. Medida e Integração. Departamento de Física e Matemática. USP-RP. Prof. Rafael A. Rosales. 8 de março de 2009.
Medida e Itegração. Departameto de Física e Matemática. USP-RP. Prof. Rafael A. Rosales 8 de março de 2009. 1 lim sup, lim if Prelimiares 1 Seja (x ), N, uma seqüêcia de úmeros reais, e l o limite desta
Estudo da precipitação pluviométrica no período seco e chuvoso do município de Sete Lagoas, MG
Estudo da precipitação pluviométrica o período seco e chuvoso do muicípio de Sete Lagoas, MG Aa Paula Coelho Madeira Silva 13 Jailso de Araujo Rodrigues 2 Jaime dos Satos Filho 2 1 Itrodução A precipitação
CAPÍTULO 5 - INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA
CAPÍTULO 5 - INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA 5. INTRODUÇÃO É freqüete ecotrarmos problemas estatísticos do seguite tipo : temos um grade úmero de objetos (população) tais que se fossem tomadas as medidas
Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos
Aálise de Algoritmos Aálise de Algoritmos Prof Dr José Augusto Baraauskas DFM-FFCLRP-USP A Aálise de Algoritmos é um campo da Ciêcia da Computação que tem como objetivo o etedimeto da complexidade dos
OMBRO-CABEÇA-OMBRO : TESTANDO A LUCRATIVIDADE DO PADRÃO GRÁFICO DE ANÁLISE TÉCNICA NO MERCADO DE AÇÕES BRASILEIRO
Caro parecerista, Agradecemos as sugestões e críticas ao osso artigo, as quais procuramos observar a revisão do artigo. A seguir você ecotrará um relatório descrevedo todos os ajustes realizados, a ordem
2.2. Séries de potências
Capítulo 2 Séries de Potêcias 2.. Itrodução Série de potêcias é uma série ifiita de termos variáveis. Assim, a teoria desevolvida para séries ifiitas de termos costates pode ser estedida para a aálise
Jorge Figueiredo, DSC/UFCG. Análise e Técnicas de Algoritmos Jorge Figueiredo, DSC/UFCG. Análise e Técnicas de Algoritmos 2005.
Ageda Aálise e Técicas de Algoritmos Jorge Figueiredo Relação de de Recorrêcia Derivado recorrêcia Resolvedo recorrêcia Aálise de de algoritmos recursivos Aálise de de Algoritmos Recursivos Itrodução A
Avaliação de mapas urbanos produzidos a partir de imagens orbitais de alta resolução
Avaliação de mapas urbaos produzidos a partir de images orbitais de alta resolução Salomão Soares Roberto Coelho de Berrêdo Agaldo Morais Ataíde Igor Lacerda Ferreira Cemig Distribuição SA Av. Barbacea,
FUNDAÇÃO GETULIO VARGAS Programa de Certificação de Qualidade Curso de Graduação em Administração
FUNDAÇÃO GETULIO VARGAS Programa de Certificação de Qualidade Curso de Graduação em Admiistração PROVA DE ESTATÍSTICA II º Semestre / 00 - P - TIPO DADOS DO ALUNO: Nome: Assiatura INSTRUÇÕES: Você receberá
Estimação por Intervalo (Intervalos de Confiança):
Estimação por Itervalo (Itervalos de Cofiaça): 1) Itervalo de Cofiaça para a Média Populacioal: Muitas vezes, para obter-se a verdadeira média populacioal ão compesa fazer um levatameto a 100% da população
ESTATÍSTICAS DE ORDEM DA DISTRIBUIÇÃO DE POISSON: UM ESTUDO ASSINTÓTICO DE SEUS MOMENTOS
ESTATÍSTICAS DE ORDEM DA DISTRIBUIÇÃO DE POISSON: UM ESTUDO ASSINTÓTICO DE SEUS MOMENTOS Flavia Barbato RIBEIRO 1 Maria Cecilia Medes BARRETO 2 RESUMO: O cohecimeto de certas propriedades de estatísticas
S É R I E : E s t a t í s t i c a B á s i c a T e x t o 3 : E S T I M A Ç Ã O SUMÁRIO 1. INTRODUÇÃO ESTIMAÇÃO POR PONTO...4
SUMÁRIO. INTRODUÇÃO...3. ESTIMAÇÃO POR PONTO...4.. NOTAÇÃO...4.. PROPRIEDADES DOS ESTIMADORES...5... Não-tedeciosidade...5... Precisão ou eficiêcia...7..3. Validade (ou Acurácia)...8..4. Coerêcia ou cosistêcia...8.3.
Aula 14 Parte 1 RACIOCÍNIO LÓGICO QUANTITATIVO PARA AFRFB PROFESSOR: GUILHERME NEVES
Aula 14 Parte 1 Amostragem e Estimadores... Itervalo de cofiaça para a média... 9 Itervalo de cofiaça para proporções.... 39 Relação das questões cometadas... 51 Gabaritos... 57 Prof. Guilherme Neves www.potodoscocursos.com.br
Jackknife, Bootstrap e outros métodos de reamostragem
Jackkife, Bootstrap e outros métodos de reamostragem Camilo Daleles Reó camilo@dpi.ipe.br Referata Biodiversa (http://www.dpi.ipe.br/referata/idex.html) São José dos Campos, 8 de dezembro de 20 Iferêcia
CÁLCULO DIFERENCIAL. Conceito de derivada. Interpretação geométrica
CÁLCULO DIFERENCIAL Coceito de derivada Iterpretação geométrica A oção fudametal do Cálculo Diferecial a derivada parece ter sido pela primeira vez explicitada o século XVII, pelo matemático fracês Pierre
Variáveis Aleatórias e Distribuições de Probabilidade
PROBABILIDADES Variáveis Aleatórias e Distribuições de Probabilidade BERTOLO Fução de Probabilidades Vamos cosiderar um experimeto E que cosiste o laçameto de um dado hoesto. Seja a variável aleatória
Métodos de Classificação dos Objetos Segmentados(IAR) Vizinho Próximo Lógica Fuzzy
Viziho Próximo ógica Fuzzy Métodos de Classificação dos Objetos Segmetados(IAR) objeto REGRA CASSE Fuzzy Cohecimeto Miima Distâcia Viziho Próximo O método do viziho próximo é baseado o método da míima
DERIVADAS DE FUNÇÕES11
DERIVADAS DE FUNÇÕES11 Gil da Costa Marques Fudametos de Matemática I 11.1 O cálculo diferecial 11. Difereças 11.3 Taxa de variação média 11.4 Taxa de variação istatâea e potual 11.5 Primeiros exemplos
MEDIDAS DE TENDÊNCIA CENTRAL E MEDIDAS DE DISPERSÃO Í N D I C E
MEDIDAS DE TENDÊNCIA CENTRAL E MEDIDAS DE DISPERSÃO Í N D I C E Medidas de Tedêcia Cetral Itrodução... 1- Média Aritmética... - Moda... 3- Mediaa... Medidas de Dispersão 4- Amplitude Total... 5- Variâcia
= o logaritmo natural de x.
VI OLIMPÍ IEROMERIN E MTEMÁTI UNIVERSITÁRI 8 E NOVEMRO E 00 PROLEM [5 potos] Seja f ( x) log x 0 = o logaritmo atural de x efia para todo 0 f+ ( x) = f() t dt = lim f() t dt x 0 ε 0 ε Prove que o limite
PROVA 1 27/10/ Os dados apresentados na seqüência mostram os resultados de colesterol
PROVA 1 7/10/009 Nome: GABARITO 1. Os dados apresetados a seqüêcia mostram os resultados de colesterol mg /100ml em dois grupos de aimais. O grupo A é formado por 10 total ( ) aimais submetidos a um cotrole
MAE Introdução à Probabilidade e Estatística II Resolução Lista 1
MAE 229 - Itrodução à Probabilidade e Estatística II Resolução Lista 1 Professor: Pedro Moretti Exercício 1 (a) Fazer histograma usado os seguites dados: Distribuição de probabilidade da variável X: X
) x N(núcleos) = λ N desint./seg.
FÍSICA NUCLEAR E PARTÍCULAS PERÍODOS DE SEMI - DESINTEGRAÇÃO (ACTIVAÇÃO COM NEUTRÕES) Um úcleo radioactivo, após a sua formação, pode decair em qualquer istate. Verifica-se que este processo de decaimeto
O QUE HÁ DE ERRADO COM O MERCADO ACIONÁRIO BRASILEIRO? - COMPARAÇÃO ENTRE OS RETORNOS MÉDIOS DO IBOVESPA E DO CDI NO PERÍODO DE 1986 A 2004
V I I S E M E A D P E S Q U I S A Q U A N T I T A T I V A F I N A N Ç A S O QUE HÁ DE ERRADO COM O MERCADO ACIONÁRIO BRASILEIRO? - COMPARAÇÃO ENTRE OS RETORNOS MÉDIOS DO IBOVESPA E DO CDI NO PERÍODO DE
ENDOGAMIA COM DADOS DE FREQUÊNCIAS ALÉLICAS EM UMA POPULAÇÃO DIPLÓIDE 1
COMPRÇÃO ENTRE Comparação MÉTODOS etre métodos DE de estimação ESTIMÇÃO do coeficiete... DO COEFICIENTE DE43 ENDOGMI COM DDOS DE FREQUÊNCIS LÉLICS EM UM POPULÇÃO DIPLÓIDE 1 Compariso amog ibreedig coefficiet
Método de Monte Carlo. Técnica de redução da variância. Monte Carlo Method. Variance reduction technique
Método de Mote Carlo ARTIGO ORIGIAL / ORIGIAL ARTICLE Método de Mote Carlo. Técica de redução da variâcia Mote Carlo Method. Variace reductio techique Aa Vergíia Libos Messetti* Simoe de Castro Queiroz**
Capítulo 8 Estimativa do Intervalo de Confiança. Statistics for Managers Using Microsoft Excel, 5e 2008 Pearson Prentice-Hall, Inc.
Capítulo 8 Estimativa do Itervalo de Cofiaça Statistics for Maagers Usig Microsoft Excel, 5e 2008 Pearso Pretice-Hall, Ic. Chap 8-1 Objetivos: Neste capítulo, você aprederá: Costruir e iterpretar estimativas