TESTE DO QUI-QUADRADO - Ajustamento
|
|
|
- João Canedo Escobar
- 8 Há anos
- Visualizações:
Transcrição
1 Exemplo 3: Avalar se uma moeda ou um dado é honesto; Em 100 lances de moeda, observaram-se 65 coroas e 35 caras. Testar se a moeda é honesta. 1 H 0 : a moeda é honesta; H 1 : a moeda não é honesta; 2 α = 5%; k = 2 e g.l.=2-1=1; 3 Determnação da Regão Crítca, RC; χ (1)= 3.84 ; RC = [ 3.84, + [ Classes A Cara Coroa Freq. Observada o Freq. Esperada e º o valor observado da ET é x 2 = (35-50) 2 /50 + (65-50) 2 /50=9 logo Decsão: rejeta-se H 0.e., a moeda não é honesta. TPC: Calcule lmtes para enquadrar o p-value, como na aula. Isabel Fraga Alves FCUL/ DEIO - Estatístca Aplcada: Métodos Não-Paramétrcos 2ºAno/2ºSem (6 ECTS) 52
2 Exemplo 4: Tpo de sangue para uma determnada raça. Serão os dados consstentes com a hpótese formulada acerca da dstrbução do tpo de sangue de determnada raça ao nível de 2.5%? Explcte essa dstrbução, n=1000; Frequênca esperada: e =np 0 = n P(X A / H 0 ) ; Classes A B AB 0 o e H 0 : p 0 = e / n, =1,2,3,4, ou seja H 0 : P(A)=0.18 ; P(B)=0.48; P(AB)=0.2; P(0)=0.14 H 1 : para algum dos, p 0 e / n k=4, α = 2.5% ; χ (3) = 9,348 ; RC=[ 9,348, + [ x 2 = ( ) 2 /180 + ( ) 2 /480 + ( ) 2 /200 + ( ) 2 /140 = n= O 1 +O 2 +O 3 +O 4 = = 1000 CONCLUSÃO: Logo ao nível de 2.5% rejeta-se H 0 : P(A)=0.18 ; P(B)=0.48; P(AB)=0.2; P(0)=0.14. TPC:Verfque que o p-value = , utlzando o EXCEL Isabel Fraga Alves FCUL/ DEIO - Estatístca Aplcada: Métodos Não-Paramétrcos 2ºAno/2ºSem (6 ECTS) 53
3 Exemplo 5: Número de acdentes numa rodova. Fo regstado o Número de acdentes numa rodova, de acordo com o da da semana, tendo-se obtdo a Tabela segunte: Classes Seg Ter Qua Qu Sex Sab Dom Serão estes dados consstentes com a hpótese de que são unformes durante a semana? n=175 ; H 0 : p 0 = p =1/7, =1, 7 Frequênca esperada e =np 0 = n P(X A / H 0 )= 175 x 1/7 = 25 k=7, α = 5% χ (6) = 12,6 RC=[ 12,6, + [ Número de acdentes Classes Seg Ter Qua Qu Sex Sab Dom Acdentes Observados o Acdentes esperados e Valor observado da ET x 2 =12,0 ; Logo ao nível de 5% não se rejeta H 0 : Acdentes dstrbuídos unformemente ao longo da semana. 2 2 Resposta mas completa: p value = P X x H p-value = P[χ 2 (6) 12] = , do EXCEL =CHIDIST(x;deg_freedom)=CHIDIST(12;6) Rejetar a hpótese nula para níves de sgnfcânca maores ou guas ao p-value [ ] Isabel Fraga Alves FCUL/ DEIO - Estatístca Aplcada: Métodos Não-Paramétrcos 2ºAno/2ºSem (6 ECTS) 54 0
4 Os testes de ajustamento podem ser formulados para testar a hpótese de que uma determnada amostra observada tenha sdo extraída de uma população com dstrbução não completamente especfcada, com m parâmetros a estmar. (Hpótese Nula Composta); Estatístca de Teste, ET: k elevado: tem dstrbução perto de um e, a Regão de Rejeção e consttuída pelo ntervalo 1 X 2 k = = 1 ( O ˆ e ) eˆ 2 [ χ ( k m 1), + [ α 2 χ 2 ( k m 1) Isabel Fraga Alves FCUL/ DEIO - Estatístca Aplcada: Métodos Não-Paramétrcos 2ºAno/2ºSem (6 ECTS) 55
5 Na aplcação deste teste deve-se ter partcular atenção às frequêncas esperadas, e, pos se estas forem muto pequenas a aproxmação ao Qu-quadrado não é a mas aproprada. São referdas na lteratura váras regras prátcas de aplcação do teste: Se k=2, a frequênca esperada mínma deve ser 5; Se k>2, o teste não deve ser usado se mas de 20% das frequêncas esperadas forem abaxo de 5 ou se qualquer uma delas for nferor a 1. No caso de não se verfcarem estas condções deve-se proceder à agregação de algumas classes contíguas, e ncar novamente o teste, agora com menos classes. Isabel Fraga Alves FCUL/ DEIO - Estatístca Aplcada: Métodos Não-Paramétrcos 2ºAno/2ºSem (6 ECTS) 56
6 Exemplo 1 (revstado) A procura dára de um certo produto fo, em 60 das escolhdos ao acaso, a que consta da tabela 1: Será de admtr que tal procura segue uma dstrbução de Posson? Seja X := nº de undades procuradas, por da. H X P( λ), λ > 0 vs. H X / P( λ), λ > 0 Estmador do parâmetro λ : Estmatva de λ : 0: 1: Valores esperados, sob H 0 : com ˆ λ = X ˆ λ = x = 3.8 eˆ = npˆ 3.8 x 9 e 3.8 pˆ =, x = 0,1, 2,3, 4,5, 6, 7,8; pˆ = 1 pˆ. 10 x! = 1 Número de undades Número de das Tabela I: Procura dára de um produto regstada em 60 das. Isabel Fraga Alves FCUL/ DEIO - Estatístca Aplcada: Métodos Não-Paramétrcos 2ºAno/2ºSem (6 ECTS) 57
7 Exemplo 1(cont.) As probabldades (f.m.p.) estmadas foram obtdas no Excel : Posson(x; mean; cumulatve), em que x é o valor que a v.a. X assume, mean é o valor médo e cumulatve é um valor lógco: para a função massa de probabldade usar FALSE. para a função dstrbução, usar TRUE; Por exemplo, o valor =POISSON(B3;3.8;FALSE). eˆ = npˆ = 60 pˆ Chamamos a atenção para o facto de as classes A deverem consttur uma partção do domíno da v.a. X. Assm, como o domíno da Posson e consttuído pelos valores nteros postvos (nclundo o 0) ntroduzmos a classe 10 ou mas, cuja probabldade fo calculada fazendo (1-P(X 9)) Por outro lado, tendo em conta a observação feta sobre o valor dos ê, que não devem ser nferores a 5, agrupamos as classes 0 e 1, numa classe, e as classes 7, 8, 9 e 10 ou mas, noutra classe, tendo fcado assm 7 classes. χ 2 (k-m-1)= χ 2 (7-1-1)= χ 2 (5) p-value: P[χ 2 (5) ] = Este valor fo obtdo, através da função CHIDIST(E13;5) Decsão: Não há evdênca para dzer que a dstrbução do número de undades procuradas por da, não segue uma dstrbução de Posson. Isabel Fraga Alves FCUL/ DEIO - Estatístca Aplcada: Métodos Não-Paramétrcos 2ºAno/2ºSem (6 ECTS) 58
Testes não-paramétricos
Testes não-paramétrcos Prof. Lorí Val, Dr. http://www.mat.ufrgs.br/val/ [email protected] Um teste não paramétrco testa outras stuações que não parâmetros populaconas. Estas stuações podem ser relaconamentos,
MOQ-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
Inferência Estatística e Aplicações I. Edson Zangiacomi Martinez Departamento de Medicina Social FMRP/USP
Iferêca Estatístca e Aplcações I Edso Zagacom Martez Departameto de Medca Socal FMRP/USP [email protected] Rotero Parte I Escola frequetsta Defções: parâmetros, estmatvas Dstrbuções de probabldade Estmação
Os 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,
Identidade dos parâmetros de modelos segmentados
Identdade dos parâmetros de modelos segmentados Dana Campos de Olvera Antono Polcarpo Souza Carnero Joel Augusto Munz Fabyano Fonseca e Slva 4 Introdução No Brasl, dentre os anmas de médo porte, os ovnos
PRESSUPOSTOS 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
O 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
PROVA 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
3 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
Gabarito 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
Teste Mann-Whitney. Contrapartida não-paramétrica para. Teste-t para amostras independentes
Teste Mann-Whitney Contrapartida não-paramétrica para Teste-t para amostras independentes Teste Mann-Whitney pequenas amostras independentes 1. Testes para Duas Populações, X e Y, Independentes. Corresponde
Capítulo 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
X = 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
FICHA 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
a média populacional do i-ésimo tratamento; o efeito do i-ésimo tratamento na variável dependente Y e mede o afastamento da média µ
UNIVERSIDADE ESTADUAL PAULISTA FACULDADE DE CIÊNCIAS AGRÁRIAS E VETERINÁRIAS CAMPUS DE JABOTICABAL ª PROVA DE ESTATÍSTICA EXPERIMENTAL - MEDICINA VETERINÁRIA NOME: DATA / / ª QUESTÃO (5,5): Vnte e cnco
MODELOS DE REGRESSÃO PARAMÉTRICOS
MODELOS DE REGRESSÃO PARAMÉTRICOS Às vezes é de nteresse nclur na análse, característcas dos ndvíduos que podem estar relaconadas com o tempo de vda. Estudo de nsufcênca renal: verfcar qual o efeto da
FICHA 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
CONCEITOS 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
Cap. 5. Testes de Hipóteses
Cap. 5. Testes de Hpóteses Neste capítulo será estudado o segudo problema da ferêca estatístca: o teste de hpóteses. Um teste de hpóteses cosste em verfcar, a partr das observações de uma amostra, se uma
FICHA 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
Curso 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,
Regressão Múltipla. Parte I: Modelo Geral e Estimação
Regressão Múltpla Parte I: Modelo Geral e Estmação Regressão lnear múltpla Exemplos: Num estudo sobre a produtvdade de trabalhadores ( em aeronave, navos) o pesqusador deseja controlar o número desses
Análise de Regressão Linear Múltipla VII
Análse de Regressão Lnear Múltpla VII Aula 1 Hej et al., 4 Seções 3. e 3.4 Hpótese Lnear Geral Seja y = + 1 x 1 + x +... + k x k +, = 1,,..., n. um modelo de regressão lnear múltpla, que pode ser escrto
CAPÍTULO 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
1ª PROVA DE ESTATÍSTICA EXPERIMENTAL
UNIVERSIAE ESTAUAL PAULISTA FACULAE E CIÊNCIAS AGRÁRIAS E VETERINÁRIAS CAMPUS E JABOTICABAL ª PROVA E ESTATÍSTICA EXPERIMENTAL - MEICINA VETERINÁRIA NOME: ATA / / ª QUESTÃO (5,5): Vnte suínos foram dstrbuídos
1. 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
Prof. 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
5 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
AULA 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
Probabilidades e Estatística LEGM, LEIC-A, LEIC-T, MA, MEMec
Duração: 90 mutos Grupo I Probabldades e Estatístca LEGM, LEIC-A, LEIC-T, MA, MEMec Justfque coveetemete todas as respostas 2 o semestre 2017/2018 14/06/2018 11:00 2 o Teste B 10 valores 1. Os dvíduos
7 - 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
RAD1507 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
Covariância 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
Algarismos 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
Notas de Aula de Probabilidade A
VII- VARIÁVEIS ALEATÓRIAS UNIDIMENSIONAIS. 7. CONCEITO DE VARIÁVEIS ALEATÓRIAS: Informalmente, uma varável aleatóra é um característco numérco do resultado de um epermento aleatóro. Defnção: Uma varável
AEP FISCAL ESTATÍSTICA
AEP FISCAL ESTATÍSTICA Módulo 11: Varáves Aleatóras ([email protected]) VARIÁVEIS ALEATÓRIAS 1. Conceto de Varáves Aleatóras Exemplo: O expermento consste no lançamento de duas moedas: X: nº de caras
Associação 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
D- MÉTODO DAS APROXIMAÇÕES SUCESSIVAS
D- MÉTODO DAS APROXIMAÇÕES SUCESSIVAS O método das apromações sucessvas é um método teratvo que se basea na aplcação de uma fórmula de recorrênca que, sendo satsfetas determnadas condções de convergênca,
Análise 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
TABELAS 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
EXEMPLOS DO CURSO DE ESTATÍSTICA ENGENHARIA DE MATERIAIS
EEMPLOS DO CURSO DE ESTATÍSTICA ENGENHARIA DE MATERIAIS Exemplo: Peso de 25 bolos ndustras Forma bruta: Dsposção ordenada 266 267 266 26 22 255 266 26 272 22 260 272 25 262 23 25 266 270 274 22 2 270 20
É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.
Prof. Lorí Val, Dr. [email protected] 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
4 Discretização e Linearização
4 Dscretzação e Lnearzação Uma vez defndas as equações dferencas do problema, o passo segunte consste no processo de dscretzação e lnearzação das mesmas para que seja montado um sstema de equações algébrcas
1. 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
Capítulo XI. Teste do Qui-quadrado. (χ 2 )
TLF 00/ Cap. XI Teste do Capítulo XI Teste do Qu-quadrado ( ).. Aplcação do teste do a uma dstrbução de frequêncas 08.. Escolha de ntervalos para o teste do.3. Graus de lberdade e reduzdo.4. Tabela de
Atividade em Soluções Eletrolíticas
Modelo de solução eletrolítca segundo Debye-Hückel. - A le lmte de Debye-Hückel (LLDH) tem o lmte que está em: I 0,01. log z.z A I 1/ valêncas do íons + e do eletrólto I 1 [ z b / b ] constante que depende
