Ajuste de Curvas Regressão. Computação 2º Semestre 2016/2017
|
|
- Terezinha Lacerda Teixeira
- 6 Há anos
- Visualizações:
Transcrição
1 Ajuste de Curvas Regressão Computação 2º Semestre 2016/2017
2 Ajuste de Curvas Quando apenas sabemos alguns valores de uma função contínua e queremos estmar outros valores ntermédos Quando queremos obter uma versão smplfcada de uma função complexa Exemplos de aplcações em Cênca e Engenhara para o ajuste de curvas aos dados expermentas: Análse de tendêncas: usar a curva obtda para fazer prevsões para valores não obtdos expermentalmente Teste de hpóteses: verfcar a correcção de um modelo matemátco ou ajustar os seus parâmetros de acordo com os dados expermentas 2
3 Ajuste de Curvas Dos tpos de abordagens que dependem dos erros assocados aos dados dsponíves: Regressão: se o erro nos dados é sgnfcatvo procurar uma curva que represente todos os pontos sem ter que os ntersectar Interpolação: se os dados são exactos procurar uma curva que passe por todos os pontos 3
4 Estatístca Descrtva Objectvo: Descrever um conjunto de dados de forma sucnta Exemplo: foram fetas 24 meddas de uma quantdade Meddas de tendênca central Méda Artmétca: soma dos valores ndvduas (y ) a dvdr pelo seu número n: y y n Medana: o ponto médo de um conjunto ordenado de dados. Moda: o valor que ocorre mas frequentemente. 4
5 Estatístca Descrtva Meddas de dspersão Desvo Padrão: em que S t é a soma do quadrado dos resduos: Varânca: Coefcente de varação: s 2 y s y S t 2 y y n 1 S t n 1 2 y y y 2 y 2 /n n 1 c.v. s y y 100% 5
6 y s y 2 s y Estatístca Descrtva Exemplo: y n y y n ( ) c.v. s y y 100% % 1.47% 6.6 6
7 Estatístca Descrtva Dstrbução dos dados Hstograma: representação vsual das frequêncas de ocorrênca dos valores Se dstrbuídos de acordo com a Dstrbução Normal: [ y sy, y sy] 68% [ y 2s, y 2s ] 95% y y [ , ] 95% 7
8 Estatístca Descrtva no MATLAB O MATLAB tem váras funções pré-defndas de estatístca descrtva. Se s é um vector coluna: mean(s), medan(s), mode(s) Calcula a méda, a medana, e a moda de s. mn(s), max(s) Calcula o valor mínmo e o valor máxmo em s. var(s), std(s) Calcula a varânca e o desvo padrão de s Se o argumento s é uma matrz o resultado é calculado para cada coluna. 8
9 Hstogramas em MATLAB [n, x] = hst(s, x) Determna o número de elementos em cada ntervalo de dados em s. x é um vector com os valores centras dos ntervalos. [n, x] = hst(s, m) Determna o número de elementos em cada ntervalo de dados em s. m é o número de ntervalos usado. Por omssão: m=10 hst(s, x), hst(s, m), hst(s) Sem argumentos de saída produz o gráfco. 9
10 Estatístca Descrtva exemplo: >> s=[ ]'; >> format short g >> mean(s), medan(s), mode(s) ans = 6.6 ans = 6.61 ans =
11 Estatístca Descrtva exemplo: >> mn(s),max(s) ans = ans = >> range=max(s)-mn(s) range = 0.38 >> var(s),std(s) ans = ans =
12 Estatístca Descrtva exemplo: >> [n,x] =hst(s) n = x = >> hst(s) 12
13 Números Aleatóros em MATLAB r = rand(m, n) Gera uma matrz mn de números aleatóros unformemente dstrbuídos entre 0 e 1. r = a + (b-a)*rand(m, n) Gera uma matrz mn de números aleatóros unformemente dstrbuídos entre a e b. r = randn(m, n) Gera uma matrz mn de números aleatóros de acordo com uma dstrbução normal com méda 0 e desvo padrão 1. r = med + s*randn(m, n) Gera uma matrz mn de números aleatóros de acordo com uma dstrbução normal com méda med e desvo padrão s. 13
14 Números Aleatóros em MATLAB Exemplo: bungee jumper Sabe-se que: g=9.81 m/s 2, m=68.1 kg v t tanh Usar a função rand para gerar 1000 valores de c d unformemente dstrbuídos entre e (0.25 kg/m 10%) e calcular a dstrbução de velocdades para t=4 s Usar a função randn para gerar 1000 valores de c d dstrbuídos de acordo com uma normal com méda 0.25 e desvo padrão e calcular a dstrbução de velocdades para t=4 s gm c d gc m d t 14
15 Números Aleatóros em MATLAB Exemplo: bungee jumper (dstrbução unforme) Escrever fchero unformcd.m clc,format short g n=1000;t=4;m=68.1;g=9.81; cd=0.25;cdmn=cd-0.025;cdmax=cd+0.025; cdrand=cdmn+(cdmax-cdmn)*rand(n,1); meancd=mean(cdrand),stdcd=std(cdrand) subplot(2,1,1) hst(cdrand),ttle('(a) Dstrbuton of drag') xlabel('cd (kg/m)') vrand=sqrt(g*m./cdrand).*tanh(sqrt(g*cdrand/m)*t); meanv=mean(vrand) subplot(2,1,2) hst(vrand),ttle('(b) Dstrbuton of velocty') xlabel('v (m/s)') 15
16 Números Aleatóros em MATLAB Exemplo: bungee jumper (dstrbução unforme) >> unformcd meancd = stdcd = meanv =
17 Números Aleatóros em MATLAB Exemplo: bungee jumper (dstrbução normal) Escrever fchero normalcd.m clc,format short g n=1000;t=4;m=68.1;g=9.81; cd=0.25; stdev= ; cdrand=cd+stdev*randn(n,1); meancd=mean(cdrand),stdevcd=std(cdrand),cvcd=stdevcd/meancd*100 subplot(2,1,1) hst(cdrand),ttle('(a) Dstrbuton of drag') xlabel('cd (kg/m)') vrand=sqrt(g*m./cdrand).*tanh(sqrt(g*cdrand/m)*t); meanv=mean(vrand),stdevv=std(vrand),cvv=stdevv/meanv*100 subplot(2,1,2) hst(vrand),ttle('(b) Dstrbuton of velocty') xlabel('v (m/s)') 17
18 Números Aleatóros em MATLAB Exemplo: bungee jumper (dstrbução normal) >> normalcd meancd = stdevcd = cvcd = meanv = stdevv = cvv =
19 Regressão Lnear Ajustar uma lnha recta a um conjunto de pares de observações: (x 1, y 1 ), (x 2, y 2 ),,(x n, y n ). y=a 0 +a 1 x+e Em que: a 1 - slope a 0 - ntercept e- erro (resíduo) entre o modelo e as observações 19
20 Regressão Lnear Ajustar uma lnha recta a um conjunto de pares de observações: (x 1, y 1 ), (x 2, y 2 ),,(x n, y n ). y=a 0 +a 1 x+e e=y a 0 a 1 x Crtéros: Mnmzar a soma dos erros resduas n 1 e n 1 ( y a o a x ) 1 Inadequado: os erros postvos compensam os erros negatvos (ambas as lnhas mnmzam o crtéro) 20
21 Regressão Lnear Ajustar uma lnha recta a um conjunto de pares de observações: (x 1, y 1 ), (x 2, y 2 ),,(x n, y n ). y=a 0 +a 1 x+e e=y a 0 a 1 x Crtéros: Mnmzar a soma do valor absoluto dos erros n 1 e n 1 y a o a x 1 Inadequado: não determna uma únca lnha (qualquer lnha entre as tracejadas mnmza o crtéro) 21
22 Regressão Lnear Ajustar uma lnha recta a um conjunto de pares de observações: (x 1, y 1 ), (x 2, y 2 ),,(x n, y n ). y=a 0 +a 1 x+e e=y a 0 a 1 x Crtéros: Mnmzar o erro máxmo Inadequado: um grande erro num ponto compromete o resultado (a lnha tracejada mnmza o crtéro) 22
23 Regressão Lnear Ajustar uma lnha recta a um conjunto de pares de observações: (x 1, y 1 ), (x 2, y 2 ),,(x n, y n ). y=a 0 +a 1 x+e e=y a 0 a 1 x Crtéros: Mnmzar a soma dos quadrados dos erros Tem sempre uma únca solução! Denomnado: Método dos Mínmos Quadrados n S r 2 e 1 n 1 y a 0 a 1 x 2 23
24 Método dos Mínmos Quadrados Mnmzar a soma dos quadrados dos erros Mínmo quando as dervadas se anulam: 24 S r e 2 1 n y a 0 a 1 x 2 1 n 0 ) ( 2 0 ) ( o r o o r x x a a y a S x a a y a S x a a y x a x a x y y a x a n 1 0 y x a x a x x a y a x x n y x y x n a valores médos
25 Método dos Mínmos Quadrados Exemplo: dados expermentas para medr como a força de resstênca do ar depende da velocdade 25
26 Método dos Mínmos Quadrados Exemplo: dados expermentas para medr como a força de resstênca do ar depende da velocdade 26
27 Método dos Mínmos Quadrados Exemplo: dados expermentas para medr como a força de resstênca do ar depende da velocdade 27
28 Método dos Mínmos Quadrados (a) dspersão de dados à volta da méda da varável dependente (b) dspersão de dados à volta da lnha obtda por regressão A redução da dspersão representa a melhora na explcação dos dados obtda pela regressão lnear. 28
29 Método dos Mínmos Quadrados Medda de dspersão para a varável dependente: Desvo Padrão: em que Na regressão o resíduo representa a dstânca vertcal entre o observado e a lnha recta: n n 2 2 S e y a a x Assumndo uma dstrbução normal do erro da estmatva r 1 s y S t n Desvo Padrão da regressão: S t 2 y y s y/ x S r n 2 29
30 Método dos Mínmos Quadrados S t é a soma dos quadrados à volta da méda da varável dependente S r é a soma dos quadrados dos resíduos à volta da lnha de regressão S t -S r quantfca a redução do erro obtda pela descrção dos dados com a lnha de regressão em vez da descrção com o valor médo. O coefcente de determnação r 2 é dado por: r 2 S t S r S t (r coefcente de correlação) r 2 representa a percentagem da ncerteza orgnal explcada pelo modelo. Para um ajuste perfeto, S r =0 e r 2 =1. Se r 2 =0, não há melhoras relatvamente à smples escolha da méda. Se r 2 <0, o modelo é por que a smples escolha da méda! 30
31 Método dos Mínmos Quadrados (a) regressão lnear com um coefcente de determnação maor (b) regressão lnear com um coefcente de determnação menor 31
32 Método dos Mínmos Quadrados Exemplo: dados expermentas para medr como a força de resstênca do ar depende da velocdade (melhorou!) (88% da ncerteza orgnal é explcada pelo modelo) 32
33 Lnearzação de Relações Não Lneares A Regressão Lnear assume a lneardade entre as varáves dependente e ndependente No entanto, nem sempre é o caso! Exemplo: exponenca l : y e 1 x 1 potênca : y x 2 2 crescment o lmtado : y 3 x 3 x 33
34 Lnearzação de Relações Não Lneares Em certos casos é possível lnearzar o modelo: Modelo Não lnear Lnearzad o exponenta l : y e 1 x 1 ln y ln x 1 1 potênca : y x 2 2 log y log 2 log x 2 crescment o lmtado : y 3 x 3 x 1 y x 34
35 Lnearzação de Relações Não Lneares 35
36 Lnearzação de Relações Não Lneares Exemplo: dados expermentas para medr como a força de resstênca do ar depende da velocdade (modelo potênca) 36
37 Lnearzação de Relações Não Lneares Exemplo: dados expermentas para medr como a força de resstênca do ar depende da velocdade (modelo potênca) 2 y x 2 log y log2 2 log x y x
38 Função lnregr functon [a, r2] = lnregr(x,y) % lnregr: lnear regresson curve fttng % [a, r2] = lnregr(x,y): Least squares ft of straght % lne to data by solvng the normal equatons % nput: % x = ndependent varable % y = dependent varable % output: % a = vector of slope, a(1), and ntercept, a(2) % r2 = coeffcent of determnaton n = length(x); f length(y)~=n, error('x and y must be same length'); end 38
39 Função lnregr x = x(:); y = y(:); % convert to column vectors sx = sum(x); sy = sum(y); sx2 = sum(x.*x); sxy = sum(x.*y); sy2 = sum(y.*y); a(1) = (n*sxy-sx*sy)/(n*sx2-sx^2); a(2) = sy/n-a(1)*sx/n; r2 = ((n*sxy-sx*sy)/sqrt(n*sx2-sx^2)/sqrt(n*sy2-sy^2))^2; % create plot of data and best ft lne xp = lnspace(mn(x),max(x),2); yp = a(1)*xp+a(2); plot(x,y,'o',xp,yp) grd on 39
40 Função lnregr Exemplo: dados expermentas para medr como a força de resstênca do ar depende da velocdade (modelo lnear) >> x = [ ]; >> y = [ ]; >> [a, r2] = lnregr(x,y) a = r2 =
41 Função lnregr Exemplo: dados expermentas para medr como a força de resstênca do ar depende da velocdade (modelo potênca) >> [a, r2] = lnregr(log10(x),log10(y)) a = r2 =
42 Função pré-defnda polyft A função pré-defnda polyft usa o método dos mínmos quadrados para ajustar um polnómo de grau n: p = polyft(x, y, n) x: dados da varável ndependente y: dados da varável dependente n: ordem do polnómo p: coefcentes do polnómo f(x)=p 1 x n +p 2 x n-1 + +p n x+p n+1 O comando polyval pode ser usado para calcular um valor com os coefcente do polnómo obtdos. y = polyval(p, x) 42
43 Função lnregr Exemplo: dados expermentas para medr como a força de resstênca do ar depende da velocdade (modelo lnear) >> x = [ ]; >> y = [ ]; >> a = polyft(x,y,1) a = >> y = polyval(a,45) y =
44 Regressão Polnomal O método dos mínmos quadrados pode ser usado para o ajuste de um polnómo de ordem superor. A dea é mnmzar a soma dos quadrados dos erros resduas. Exemplo do ajuste de: a) Um polnómo de prmero grau b) Um polnómo de segundo grau Ajuste de Curvas Regressão Não Lnear 44
45 Regressão Polnomal Para um polnómo de segundo grau, mnmzar: S r 2 2 e y a 0 a 1 x a 2 x 1 Encontrar os zeros das dervadas: n n 1 2 Resolver o sstema equações lneares de 33: Ajuste de Curvas Regressão Não Lnear 45
46 Regressão Polnomal Em geral, mnmzar: n S r 2 e y a 0 a 1 x a 2 x 2 m a m x 1 n 1 corresponde a resolver um sstema de equações lneares m+1m+1 O Desvo Padrão para o ajuste de um polnómo de ordem m a n pontos é: S s y/ x r n m 1 O coefcente de determnação r 2 é: 2 r 2 S t S r S t Ajuste de Curvas Regressão Não Lnear 46
47 Regressão Polnomal Exemplo: ajustar um polnómo de 2º grau aos dados das 2 prmeras colunas da tabela segunte Resolver o sstema equações lneares de 33: Ajuste de Curvas Regressão Não Lnear 47
48 Regressão Polnomal Exemplo: ajustar um polnómo de 2º grau aos dados das 2 prmeras colunas da tabela segunte Correspondendo ao sstema equações lneares de 33: Ajuste de Curvas Regressão Não Lnear 48
49 Regressão Polnomal Exemplo: ajustar um polnómo de 2º grau aos dados das 2 prmeras colunas da tabela segunte >> N = [ ; ; ]; >> r = [ ]; >> a = N\r a = Resultando o polnómo: Ajuste de Curvas Regressão Não Lnear 49
50 Regressão Não Lnear Nem todas os modelos podem ser representados por equações lneares de coefcentes e funções báscas. Ex: Uma solução consste em transformar as varáves e resolver o problema de regressão lnear resultante. Desvantagens: Nem todas as equações podem ser transformadas A solução obtda corresponde ao melhor ajuste para as varáves transformadas e não para as varáves orgnas. A alternatva é usar regressão não lnear para determnar drectamente o ajuste que mnmza a soma dos quadrados dos erros resduas. Ajuste de Curvas Regressão Não Lnear 50
51 Regressão Não Lnear em MATLAB Escrever uma função que calcule a soma dos quadrados dos erros resduas. Usar a função pré-defnda fmnsearch para encontrar os valores dos coefcentes que mnmzam a função anteror. Ajuste de Curvas Regressão Não Lnear 51
52 Lnearzação de Relações Não Lneares Exemplo: dados expermentas para medr como a força de resstênca do ar depende da velocdade (modelo potênca) 2 y x 2 log y log2 2 log x y x
53 Regressão Não Lnear em MATLAB Exemplo: dados expermentas para medr como a força de resstênca do ar depende da velocdade (modelo potênca) Escrever no fchero fssr.m: functon f = fssr(a,xm,ym) yp = a(1)*xm.^a(2); f = sum((ym-yp).^2); Introduzr os dados para ajustar: >> x = [ ]; >> y = [ ]; Resolver o problema de mnmzação: fmnsearch(@fssr, [1, 1], [], x, y) ans = Resultado: y x y a x a 1 Ajuste de Curvas Regressão Não Lnear 53
54 Regressão Não Lnear em MATLAB Os coefcentes obtdos maxmzam o coefcente de determnação r 2 e podem ser dferentes dos obtdos por transformação: Ajuste de Curvas Regressão Não Lnear 54
É 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 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 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 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 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 maisRegressão Múltipla. Parte I: Modelo Geral e Estimação
Regressão Múltpla Parte I: Modelo Geral e Estmação Regressão lnear múltpla Exemplos: Num estudo sobre a produtvdade de trabalhadores ( em aeronave, navos) o pesqusador deseja controlar o número desses
Leia 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 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 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 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 maisAnálise Exploratória de Dados
Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: obter uma reta que se ajuste aos dados segundo o crtéro de mínmos quadrados; apresentar outros crtéros para a determnação de uma
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 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 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 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 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 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 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 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 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 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 maisIntrodução à Análise de Dados nas medidas de grandezas físicas
Introdução à Análse de Dados nas meddas de grandezas físcas www.chem.wts.ac.za/chem0/ http://uregna.ca/~peresnep/ www.ph.ed.ac.uk/~td/p3lab/analss/ otas baseadas nos apontamentos Análse de Dados do Prof.
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 maisCapítulo 2 Estatística Descritiva Continuação. Prof. Fabrício Maciel Gomes
Capítulo Estatístca Descrtva Contnuação Prof. Fabríco Macel Gomes Problema Uma peça após fundda sob pressão a alta temperatura recebe um furo com dâmetro especfcado em 1,00 mm e tolerânca de 0,5 mm: (11,75
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 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 maisAULA 4. Segundo Quartil ( Q observações são menores que ele e 50% são maiores.
Estatístca Aplcada à Engenhara AULA 4 UNAMA - Unversdade da Amazôna.8 MEDIDA EPARATRIZE ão valores que separam o rol (os dados ordenados) em quatro (quarts), dez (decs) ou em cem (percents) partes guas.
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 maisMedidas de Dispersão e Assimetria Desvio Médio Variância Desvio Padrão Medidas de Assimetria Coeficiente de Assimetria Exemplos.
Meddas de Dspersão e Assmetra Desvo Médo Varânca Desvo Padrão Meddas de Assmetra Coefcente de Assmetra Exemplos lde 1 de 16 Meddas de Dspersão - Méda ervem para verfcação e representatvdade das meddas
Leia mais2ª Atividade Formativa UC ECS
I. Explque quando é que a méda conduz a melhores resultados que a medana. Dê um exemplo para a melhor utlzação de cada uma das meddas de localzação (Exame 01/09/2009). II. Suponha que um professor fez
Leia 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 maisCovariância na Propagação de Erros
Técncas Laboratoras de Físca Lc. Físca e Eng. omédca 007/08 Capítulo VII Covarânca e Correlação Covarânca na propagação de erros Coefcente de Correlação Lnear 35 Covarânca na Propagação de Erros Suponhamos
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 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 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 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 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 maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional. ou experimental.
Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~vall/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal http://www.mat.ufrgs.br/~vall/ ou expermental. Numa relação
Leia 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 maisREGRESSÃO LINEAR ANÁLISE DE REGRESSÃO LINEAR MÚLTIPLA REGRESSÃO CURVILÍNEA FUNÇÃO QUADRÁTICA
ANÁLISE DE REGRESSÃO LINEAR MÚLTIPLA REGRESSÃO LINEAR Verfcado, pelo valor de r, que ocorre uma sgnfcante correlação lnear entre duas varáves há necessdade de quantfcar tal relação, o que é feto pela análse
Leia mais3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo
3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas
Leia 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 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 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 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 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 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 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 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 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 maisPrimeiro Exercício da Lista de Interpolação TOL 10 9
Prmero Exercíco da Lsta de Interpolação TOL 9 Busque uma expressão de segundo grau e outra de tercero grau que melhor aproxmam a função x 4 no ntervalo x. Analse e dscuta seus resultados confrontado-os
Leia maisAerodinâmica I. Verificação de Códigos. Objectivo: verificar que o programa não tem erros
e Verfcação de Códgos Objectvo: verfcar que o programa não tem erros - O erro numérco tende para zero quando o tamanho da malha / passo no tempo tendem para zero? p ( φ ) = φ φ e + αh exact - A ordem de
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 maisEscola Secundária com 3º ciclo D. Dinis 10º Ano de Matemática A Estatística
Escola Secundára com º cclo D. Dns 10º Ano de Matemátca A Estatístca Trabalho de casa nº 15 GRUPO I 1. Num referencal o.n. Oxyz, a undade é o cm e a esfera defnda por ( ) ( ) está nscrta num cubo. O volume
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 mais3. Estatística descritiva bidimensional
3. Estatístca descrtva bdmensonal (Tabelas, Gráfcos e números) Análse bvarada (ou bdmensonal): avala o comportamento de uma varável em função da outra, por exemplo: Quantas TV Phlps são venddas na regão
Leia 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 EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
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 métodos
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 maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRGS Insttuto de Matemátca
Leia 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 de Admnstração em Gestão Públca Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos uns dos
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 maisREGRESSÃO LINEAR ANÁLISE DE REGRESSÃO LINEAR MÚLTIPLA REGRESSÃO CURVILÍNEA FUNÇÃO QUADRÁTICA VERIFICAÇÃO DO AJUSTE A UMA RETA PELO COEFICIENTE 3 X 3
ANÁLISE DE REGRESSÃO LINEAR MÚLTIPLA REGRESSÃO LINEAR Verfcado, pelo valor de r, que ocorre uma sgnfcante correlação lnear entre duas varáves há necessdade de quantfcar tal relação, o que é feto pela análse
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 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 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 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 maisUNIVERSIDADE DE PERNAMBUCO. Física Experimental. Prof o José Wilson Vieira
UNIVERSIDADE DE PERNAMBUCO ESCOLA POLITÉCNICA DE PERNAMBUCO Físca Expermental Prof o José Wlson Vera wlson.vera@upe.br AULA 01: PROCESSOS DE ANÁLISE GRÁFICA E NUMÉRICA MODELO LINEAR Recfe, agosto de 2015
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 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 maisEventos coletivamente exaustivos: A união dos eventos é o espaço amostral.
DEFINIÇÕES ADICIONAIS: PROBABILIDADE Espaço amostral (Ω) é o conjunto de todos os possíves resultados de um expermento. Evento é qualquer subconjunto do espaço amostral. Evento combnado: Possu duas ou
Leia maisUniversidade de São Paulo Escola Superior de Agricultura Luiz de Queiroz Departamento de Ciências Exatas
Unversdade de São Paulo Escola Superor de Agrcultura Luz de Queroz Departamento de Cêncas Exatas Prova escrta de seleção para DOUTORADO em Estatístca e Expermentação Agronômca Nome do canddato (a): Questão
Leia 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 maisProbabilidade e Estatística. Correlação e Regressão Linear
Probabldade e Estatístca Correlação e Regressão Lnear Correlação Este uma correlação entre duas varáves quando uma delas está, de alguma forma, relaconada com a outra. Gráfco ou Dagrama de Dspersão é o
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 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 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 maisCONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues
CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogéro Rodrgues I) TABELA PRIMITIVA E DISTRIBUIÇÃO DE FREQÜÊNCIA : No processo de amostragem, a forma de regstro mas
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 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 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 maisDados ajustáveis a uma linha recta
Capítulo VI juste dos Mínmos Quadrados Dados ajustáves a uma lnha recta Determnação das constantes e B Incerteza nas meddas de Incerteza na determnação de e B juste dos mínmos quadrados a outras curvas:
Leia mais1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 011 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 maisEstatística Aplicada II CORRELAÇÃO. AULA 21 07/11/16 Prof a Lilian M. Lima Cunha
09//06 Estatístca Aplcada II CORRELAÇÃO AULA 07//6 Prof a Llan M. Lma Cunha CORRELAÇÃO: Identfcar a estênca ou não de assocação lnear entre varáves: -Preço de um produto em regões; -Frete e Km percorrdo;
Leia 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 maisTABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS
TABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS Varável Qualquer característca assocada a uma população Classfcação de varáves Qualtatva { Nomnal sexo, cor dos olhos Ordnal Classe
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 maisRAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro
UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD1507 Estatístca Aplcada à Admnstração I Prof. Dr. Evandro Marcos adel Rbero
Leia mais8 - Medidas Descritivas
8 - Meddas Descrtvas 8. Introdução Ao descrevemos um conjunto de dados por meo de tabelas e gráfcos temos muto mas nformações sobre o comportamento de uma varável do que a própra sére orgnal de dados.
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 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 maisResumos Numéricos de Distribuições
Estatístca Aplcada à Educação Antono Roque Aula Resumos umércos de Dstrbuções As representações tabulares e grácas de dados são muto útes, mas mutas vezes é desejável termos meddas numércas quanttatvas
Leia maisProbabilidade e Estatística I Antonio Roque Aula 4. Resumos Numéricos de Distribuições
Probabldade e Estatístca I Antono Roque Aula Resumos umércos de Dstrbuções As representações tabulares e grácas de dados são muto útes, mas mutas vezes é desejável termos meddas numércas quanttatvas para
Leia maisRegressão múltipla linear
Regressão múltpla lnear (Análse de superfíces de tendênca) Coefcente de correlação lnear produto momento, segundo Pearson (r) SPXY = -( ) / n; SQX = - () / n; SQY = - () / n r cov(, ) var( )var( ) r SPXY
Leia maisCap. IV Análise estatística de incertezas aleatórias
TLF 010/11 Cap. IV Análse estatístca de ncertezas aleatóras Capítulo IV Análse estatístca de ncertezas aleatóras 4.1. Méda 43 4.. Desvo padrão 44 4.3. Sgnfcado do desvo padrão 46 4.4. Desvo padrão da méda
Leia maisEscola Superior de Tecnologia de Viseu. Fundamentos de Estatística 2006/2007 Ficha nº 7
Escola Superor de Tecnologa de Vseu Fundamentos de Estatístca 006/00 Fcha nº. Um artgo da revsta Wear (99) apresenta dados relatvos à vscosdade do óleo e ao desgaste do aço maco. A relação entre estas
Leia maisExperiência V (aulas 08 e 09) Curvas características
Experênca (aulas 08 e 09) Curvas característcas 1. Objetvos 2. Introdução 3. Procedmento expermental 4. Análse de dados 5. Referêncas 1. Objetvos Como no expermento anteror, remos estudar a adequação de
Leia maisANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
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 métodos
Leia mais