Métodos Numéricos e Estatísticos Parte II-Métodos Estatísticos
|
|
- Rebeca Martini Santiago
- 6 Há anos
- Visualizações:
Transcrição
1 Métodos Numéricos e Estatísticos Parte II-Métodos Estatísticos Lic. Eng. Biomédica e Bioengenharia-2009/2010
2 Modelos de regressão É usual estarmos interessados em estabelecer uma relação entre uma variável dependente Y e uma (ou mais) variável(is) independentes x (ou x i, i = 1,..., k). Esta relação é, regra geral, traduzida por um modelo de regressão.
3 Exemplo Consideremos as variáveis Y =pressão atmosférica (variável dependente ou resposta) x = altitude (variável independente ou explicativa ou regressora) Há vários tipos de modelos de regressão, entre eles: 1 Modelo determinístico Y = β 0 + β 1 x 2 Modelo de regressão linear simples (RLS) Y = β 0 + β 1 x + ɛ, onde se assume que ɛ é um erro aleatório tal que E(ɛ) = 0 3 Modelo de regressão linear múltipla Y = β 0 + β 1 x 1 + β 2 x 2 ɛ, onde x 1 e x 2 representam a altitude e a temperatura, respectivamente.
4 Representação gráfica A obtenção de informação no âmbito de RLS passa pela recolha de uma amostra de n pontos (x i, y i ), i = 1,..., n onde x i representa a variável independente ou regressora e y i representa a resposta ou variável dependente. É crucial representar graficamente o conjunto de pontos (x i, y i ), i = 1,..., n, para averiguar se a relação entre a variável independente x e a variável dependente Y é de facto linear ou se existe a necessidade de uma transformação para que tal ocorra.
5 Exemplo Na seguinte tabela encontram-se dados relativos ao tempo dispendido (em 10 meses consecutivos) pelo pessoal administrativo de um centro de saúde para o preenchimento de convocatórias dos utentes para vacinação. Mês N o convocatórias Tempo (min) No scilab: plot2d(x,y,style=-4,rect=[18,20,82,174]) Apesar de nenhuma curva simples passar exactamente por todos os pontos, há forte indicação de o conjunto de pontos se dispersar aleatoriamente em torno de uma recta.
6 Modelo de RLS É definido por Y i = β 0 + β 1 x i + ɛ i, i = 1,..., n, onde Y i =resposta (ou variável dependente) aleatória x i = i-ésima observação da variável independente β 0 =ordenada na origem (constante desconhecida) β 1 =declive (constante deconhecida) ɛ i =erro aleatório associado à observação da resposta i É costume assumir que os erros aleatórios ɛ i são v.a. tais que V (ɛ i ) = σ 2 (constante desconhecida) Assim sendo, o modelo de RLS verifica E(Y i ) = β 0 + β 1 x i + E(ɛ i ) = β 0 + β 1 x i V (Y i ) = V (ɛ i ) = σ 2.
7 Estimação de β 0 e β 1 : Método dos mínimos quadrados Com base no conjunto de dados (x i, y i ), i = 1,..., n, a obtenção de estimativas dos mínimos quadrados de β 0 e β 1 consiste na minimização das discrepâncias entre o que é esperado pelo modelo de RLS (E(Y i ) = β 0 + β 1 x i ) e o que é efectivamente observado (y i ). Com efeito, pretendemos encontrar estimativas desses parâmetros que minimizem a soma dos quadrados dos desvios verticais entre y i e β 0 + β 1 x i, soma essa igual a Q = n [y i (β 0 + β 1 x i )] 2. i=1
8 Estimativas de mínimos quadrados As estimativas de mínimos quadrados de β 0 e β 1, que daqui em diante representaremos por β 0 e β 1, são a solução do seguinte sistema de equações { Q ( β 0, β β 1 ) : 0 β0 = β 0,β 1 = β 1 = 0 Q β 1 β0 = β 0,β 1 = β 1 = 0 i.e. β 0 = y β 1 x n i=1 β 1 = x iy i n xȳ n i=1 x i 2 nx 2
9 Notas: 1 O sistema cuja solução são as estimativas de β 0 e β 1 tem solução sse n i=1 x2 i nx 2 0, i.e., sse na amostra existirem pelo menos dois valores distintos da variável explicativa x; 2 Pode mostrar-se que a matriz Hessiana de Q é semi-definida positiva, pelo que, caso exista solução do sistema cuja solução são as estimativas de β 0 e β 1, então esta corresponderá a um ponto de mínimo; 3 Às diferenças e i = y i ( β 0 + β 1 x i ), chamamos resíduos. Será à custa destes que obteremos uma estimativa da variância σ 2. A soma dos resíduos é zero, i.e., i=1 e i = 0; 4 É usual estimar o valor esperado da resposta associada a um valor arbitrário x da variável explicativa. A estimativa pontual de E(Y x) = β 0 + β 1 x é igual a ŷ = ˆβ 0 + ˆβ 1 x. A esta recta dá-se o nome de recta de regressão.
10 Exemplo No exemplo anterior: β 0 = 10 e β1 = 2, o que nos permite concluir que o tempo médio aumenta de 2 minutos por cada convocatória a preencher. Se quisessemos determinar o tempo médio estimado necessário para convocar 55 pessoas, teríamos que fazer Ŷ 55 = = 120 No scilab, para determinarmos as estimativas β 0 e β 1, depois de definirmos os vectores x e y fazemos [beta1,beta0,sig]=reglin(x,y). devolvendo beta1=2 e beta0=10 sig=2.449 (desvio padrão não corrigido dos resíduos).
11 Estimação de β 0 e β 1 -método da MV Para obter as estimativas de MV de β 0 e β 1 são necessárias hipóteses adicionais, nomeadamente nos erros aleatórios. Estas hipóteses adicionais permitirão efectuar inferências de vário tipo, como por exemplo, obter intervalos de confiança e efectuar testes de hipóteses sobre β 0 e β 1 e outros parâmetros de interesse. Assume-se que Consequentemente ɛ i i.i.d normal(0, σ 2 ), i = 1,..., n Y i = β 0 + β 1 x i + ɛ i ind normal(β 0 + β 1 x i, σ 2 ) o que nos permite concluir que as estimativas de MV de β 0 e β 1 coincidem com as estimativas obtidas pelo método dos mínimos quadrados.
12 Parâmetro Estimador Valor esperado ( Variância β 0 β0 = Y β 1 x β 0 σ 2 1 β 1 β1 = ) n + x 2 ni=1 x i 2 nx2 ni=1 x i Y i nxy ni=1 x 2 i nx2 β 1 σ 2 ni=1 x 2 i nx2 Para além de β 0 eβ 1, é necessário estimar outro parâmetro desconhecido: V (ɛ i ) = V (Y i ) = σ 2 A estimativa de σ 2, representar-se-á por σ 2 e é dada por σ 2 = = 1 n 2 1 n 2 n (y i ŷ i ) 2 = 1 n [y i ( β 0 + β 1 x i )] 2 n 2 i=1 i=1 [( n ) ( n )] yi 2 ny 2 β 1 2 xi 2 nx 2 i=1 i=1
13 Exemplo Voltemos ao exemplo que temos vindo a considerar e determinemos a estimativa da variância do tempo dispendido. Recordemos que no scilab, o comando [beta1,beta0,sig]=reglin(x,y) devolvia beta1=2 e beta0=10 sig=2.449 (desvio padrão não corrigido dos resíduos). Assim sendo, σ 2 = n(sig)2 n 2 = 7.5. A relação traduzida pelo modelo de RLS só é válida no intervalo [ x(1), x (n) ], onde, recorde-se, x (1) = min i=1,...,n x i e x (n) = max i=1,...,n x i
14 Para além das estimativas pontuais, é também importante adiantar intervalos de valores razoáveis para os parâmetros desconhecidos β 0 e β 1, bem como o valor esperado da resposta quando a variável explicativa toma um certo valor x 0 : E(Y x 0 ) = β 0 + β 1 x 0. Para podermos construir intervalos de confiança e até efectuar testes de hipóteses sobre parâmetros de interesse no modelo de RLS, assumimos que ɛ i i.i.d normal(0, σ 2 ), i = 1,..., n, (1) o que nos permite obter os seguintes resultados distribucionais:
15 Sob a validade de (1), temos que Y i ind normal(β 0 + β 1 x i, σ 2 ), i = 1,..., n, e consequentemente Parâmetro Estimador Distribuição ( β 0 β0 normal (β 0, σ 2 ( β 1 β1 normal β 1, β 0 + β 1 x 0 β0 + β 1 x 0 normal 1 n + x 2 ni=1 x 2 i nx2 )) ) σ 2 ni=1 x ( i (β 2 nx2 )) 0 + β 1 x 0, σ 2 1 n + (x 0 x) 2 ni=1 x i 2 nx2 Sob a validade de (1), temos que Parâmetro V.a. fulcral para o parâm. Distribuição σ 2 (n 2) σ 2 σ 2 χ 2 (n 2) É exactamente por β 0 e β 1 terem distribuições normais e serem independentes da v.a. fulcral para σ 2 que seremos capazes de adiantar v.a. fulcrais para β 0, β 1 e β 0 + β 1 x 0. Elas possuem, em qualquer dos casos, distribuição de t-student já que (n 2) σ2 σ 2 distribuição do qui-quadrado. Obtemos assim: tem
16 V.a. fulcrais e intervalos de confiança para β 0, β 1 e β 0 + β 1 x 0 Parâmetro V.a. fulcral t (n 2) IC (1 α) 100% β0 β β 0 0 ( ) β0 ± F 1 ) σ 2 1 n + x 2 t (1 ( ) α (n 2) 2 σ 2 1 n + x 2 ni=1 x 2 nx2 i ni=1 x i 2 nx2 β 1 β1 β 1 σ 2 ni=1 x i 2 nx2 ( β 0 + β 1 x β 0 + β 1 x 0 ) (β 0 +β 1 x 0 ) 0 ( σ 2 1 n + (x 0 x) 2 ) ni=1 x i 2 nx2 [ β 1 ± F 1 t (n 2) (1 α 2 ( β 0 + β 1 x 0 ) ± F 1 t (n 2) (1 α 2 ) ] σ 2 ni=1 x i 2 nx2 ) ( ) σ 2 1 n + (x 0 x) 2 ni=1 x i 2 nx2
17 Exemplo Um astrónomo resolveu estudar a relação entre a distância e a velocidade de recessão entre nubelosas. Com esse objectivo, registou para 24 nubelosas as distâncias a partir da terra (x i em megaparsec) e as respectivas velocidades de recessão (y i e Km/s), tendo obtido os seguintes dados: 24 x i = , i= y i = 8955, yi 2 = , i=1 i=1 x (1) = 0.032, x (n) = 2 i=1 i=1 24 x i y i = , 24 xi 2 = Determinemos um intervalo de confiança a 90% para o valor esperado da velocidade de recessão de uma nubelosa a uma distância da terra de 0.55 megaparsec, assumindo que o modelo de RLS é apropriado.
18 Exemplo (cont.) Ora, uma vez que: x = , y = xi 2 nx = , i=1 24 yi 2 ny = i=1 obtemos: ˆβ 1 = 24 i=1 x i y i 24 xȳ 24 = i=1 x2 i 24x = ˆβ 0 = y ˆβ 1 x = , e portanto a estimativa de E(Y x 0 = 0.55) é dada por Ê(Y x 0 = 0.55) = ˆβ 0 + ˆβ 1 x 0 =
19 Exemplo (cont.) A estimativa de σ 2 é, neste caso: ˆσ 2 = [( n ) ( n )] 1 yi 2 nȳ 2 n xi 2 n x 2 1=1 1=1 = O intervalo de confiança pedido, para α = 0.10, é dado por: IC (1 α) 100% = ( β 0 + β ( 1 x 0 ) ± Ft 1 (n 2) 1 α ) ( ) 1 σ 2 2 n + (x 0 x) 2 n i=1 x2 i nx 2 = [ ± ] = [ , ]
20 Testes de hipóteses em regressão linear simples Mais uma vez, é a partir das v.a. fulcrais utilizadas nos intervalos de confiança que se obtêm as estatísticas de teste para o confronto de duas hipóteses (sobre β 0, β 1 ou β 0 + β 1 x 0 ). Assumindo que ɛ i i.i.d normal(0, σ 2 ), temos então: Hipótese nula Estatística de teste β0 β H 0 : β 0 = β 0,0 0,0 ( ) H0 T (n 2) σ 2 1 n + x 2 ni=1 x i 2 nx2 β1 β H 0 : β 1 = β 1,0 1,0 σ 2 ni=1 x i 2 nx2 H 0 : E(Y x 0 ) = β 0 + β 1 x 0 = = E 0 (Y x 0 ) ( β 0 + β 1 x 0 ) E 0 (T x 0 ) ( σ 2 1 n + (x 0 x)2 H0 T (n 2) ni=1 x 2 i nx2 ) H0 T (n 2)
21 Nota: De entre todos os testes de hipóteses no âmbito da RLS, existe um particularmente importante, o teste cuja hipótese nula é H 0 : β 1 = β 1,0 = 0. A este teste costuma dar-se o nome de teste de significância da regressão e permite-nos decidir se existe ou não uma dependência linear entre a variável dependente e a variável explicativa, uma vez que, sob a validade de H 0, temos Y i = β 0 + ɛ i, ou seja não existe uma dependência linear entre as duas variáveis. Exemplo Voltando ao exemplo anterior, testemos agora a hipótese de a velocidade de recessão das nubelosas não ser influenciada pela respectiva distância da terra, ao n.s. de 10%. Hipóteses: H 0 : β 1 = β 1,0 = 0 vs. H 1 : β 1 0 Nível de significância: α 0 = 10% Estatística de teste: T = β 1 β 1,0 σ 2 ni=1 x i 2 nx2 H0 T (n 2)
22 Exemplo (cont.) Região de rejeição de H 0 : Porque estamos a lidar com um teste de hipóteses bilateral e uma vez que quanto maior for ˆβ 1, mais inconsistente é a hipótese nula com os dados. Logo, a região de rejeição de H 0 será uma região do tipo onde c = P(rejeitarH 0 H 0 ), i.e.: W = (, c) (c, + ) ( c = Ft 1 (n 2) 1 α ) ( = Ft 1 2 (n 2) ) = Decisão: O valor observado da estatística de teste é: t = = Como t W, devemos rejeitar H 0, i.e., a hipótese de a velocidade das nubelosas não ser influenciada pela sua distância à terra, ao n.s de 10% (ou a qualquer n.s.superior a este).
23 Coeficiente de determinação Coeficiente de determinação Trata-se de um coeficiente que fornece informação acerca do ajustamento da recta de regressão aos dados e é definido por r 2 = n i=1 (ŷ i ȳ) 2 n i=1 (y i ȳ) 2 = ( n i=1 x iy i n xȳ) 2 ( n i=1 x i 2 n x 2) ( n i=1 y i 2 nȳ 2). Assim, r 2 100% corresponde à variação total ( n i=1 (y i ȳ) 2 ) explicada pela variável regressora x ( n i=1 (ŷ i ȳ) 2 ). Notas: r 2 [0, 1]; Se r 2 = 1 ŷ i = y i e portanto o modelo de RLS é muito bom. Se r 2 = 0 ŷ i = ȳ, então o modelo de RLS é incapaz de descrever a variabilidade observada na variável resposta e como tal, o modelo é muito mau.
24 Exemplo No exemplo anterior, o coeficiente de determinação é: r 2 = ( ) 2 ( ) ( ) = Podemos então afirmar que a recta de regressão explica 62.35% da variação total da variável resposta Y. Havendo então cerca de 40% de variação não explicada, pode afirmar-se que a recta estimada se ajusta razoavelmente aos dados.
Estatística - Análise de Regressão Linear Simples. Professor José Alberto - (11) sosestatistica.com.br
Estatística - Análise de Regressão Linear Simples Professor José Alberto - (11 9.7525-3343 sosestatistica.com.br 1 Estatística - Análise de Regressão Linear Simples 1 MODELO DE REGRESSÃO LINEAR SIMPLES
Leia maisProbabilidades e Estatística
Departamento de Matemática Probabilidades e Estatística LEAN, LEE, LEGI, LEGM, LEIC-A, LEIC-T, LEMat, LERC, LMAC, MEAer, MEAmbi, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ o semestre 011/01 Exame de Época
Leia maisMÓDULO V: Análise Bidimensional: Correlação, Regressão e Teste Qui-quadrado de Independência
MÓDULO V: Análise Bidimensional: Correlação, Regressão e Teste Qui-quadrado de Independência Introdução 1 Muito frequentemente fazemos perguntas do tipo se alguma coisa tem relação com outra. Estatisticamente
Leia mais= < 5. O segundo menor valor esperado estimado corresponde à célula (3,3), com Ê33 = 29 30
ISTITUTO SUPERIOR DE AGROOMIA ESTATÍSTICA E DELIEAMETO 2 de ovembro, 205 PRIMEIRO TESTE 205-6 Uma resolução possível I Tem-se uma tabela de contingências de dimensão 3 4. Apenas o número total de observações
Leia maisIntrodução ao modelo de Regressão Linear
Introdução ao modelo de Regressão Linear Prof. Gilberto Rodrigues Liska 8 de Novembro de 2017 Material de Apoio e-mail: gilbertoliska@unipampa.edu.br Local: Sala dos professores (junto ao administrativo)
Leia maisANÁLISE DOS RESÍDUOS. Na análise de regressão linear, assumimos que os erros E 1, E 2,, E n satisfazem os seguintes pressupostos:
ANÁLISE DOS RESÍDUOS Na análise de regressão linear, assumimos que os erros E 1, E 2,, E n satisfazem os seguintes pressupostos: seguem uma distribuição normal; têm média zero; têm variância σ 2 constante
Leia maisRevisão de Modelos de regressão. Prof. Thais C O Fonseca - DME, UFRJ
Revisão de Modelos de regressão Prof. Thais C O Fonseca - DME, UFRJ Conteúdo Regressão linear simples Regressão linear múltipla Método de Mínimos Quadrados Introdução a Inferência Bayesiana em Regressão
Leia maisProbabilidades e Estatística - LEIC + LERCI + LEE 2 o semestre 2004/05
Departamento de Matemática Secção de Estatística e Aplicações - IST Probabilidades e Estatística - LEIC + LERCI + LEE 2 o semestre 2004/05 3 o Teste 4/6/2005 9h O Teste que vai realizar tem a duração total
Leia maisProbabilidades e Estatística
Departamento de Matemática Probabilidades e Estatística LEAN, LEE, LEGI, LEGM, LEIC-A, LEIC-T, LEMat, LERC, LMAC, MEAer, MEAmbi, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ o semestre 11/1 Exame de Época Especial
Leia maisREGRESSÃO LINEAR Parte I. Flávia F. Feitosa
REGRESSÃO LINEAR Parte I Flávia F. Feitosa BH1350 Métodos e Técnicas de Análise da Informação para o Planejamento Julho de 2015 Onde Estamos Para onde vamos Inferência Esta5s6ca se resumindo a uma equação
Leia maisProbabilidade e Estatística. Estimação de Parâmetros Intervalo de Confiança
Probabilidade e Estatística Prof. Dr. Narciso Gonçalves da Silva http://páginapessoal.utfpr.edu.br/ngsilva Estimação de Parâmetros Intervalo de Confiança Introdução A inferência estatística é o processo
Leia maisCorrelação e Regressão Linear
Correlação e Regressão Linear Prof. Marcos Vinicius Pó Métodos Quantitativos para Ciências Sociais CORRELAÇÃO LINEAR Coeficiente de correlação linear r Mede o grau de relacionamento linear entre valores
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS 2003 2004 2005 2006 2007 2008 2009 2010 X 39,0 39,5 39,5 39,0 39,5 41,5 42,0 42,0 Y 46,5 65,5 86,0 100,0 121,0 150,5 174,0 203,0 A tabela acima mostra as quantidades, em milhões
Leia maisTestes de hipóteses Paramétricos
Testes de hipóteses Paramétricos Modelos de análise de variância com um factor Teste de Bartlett Teste de comparações múltiplas de Scheffé Rita Brandão (Univ. Açores) Testes de hipóteses Paramétricos 1
Leia maisAULA 09 Regressão. Ernesto F. L. Amaral. 17 de setembro de 2012
1 AULA 09 Regressão Ernesto F. L. Amaral 17 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario F. 2008. Introdução à
Leia maisAnálise da Regressão. Prof. Dr. Alberto Franke (48)
Análise da Regressão Prof. Dr. Alberto Franke (48) 91471041 O que é Análise da Regressão? Análise da regressão é uma metodologia estatística que utiliza a relação entre duas ou mais variáveis quantitativas
Leia maisModelos de Regressão Linear Simples - Análise de Resíduos
Modelos de Regressão Linear Simples - Análise de Resíduos Erica Castilho Rodrigues 1 de Setembro de 2014 3 O modelo de regressão linear é dado por Y i = β 0 + β 1 x i + ɛ i onde ɛ i iid N(0,σ 2 ). O erro
Leia maisRESUMO DO CAPÍTULO 3 DO LIVRO DE WOOLDRIDGE ANÁLISE DE REGRESSÃO MÚLTIPLA: ESTIMAÇÃO
RESUMO DO CAPÍTULO 3 DO LIVRO DE WOOLDRIDGE ANÁLISE DE REGRESSÃO MÚLTIPLA: ESTIMAÇÃO Regressão simples: desvantagem de apenas uma variável independente explicando y mantendo ceteris paribus as demais (ou
Leia maisInstituto Federal Goiano
e simples e Instituto Federal Goiano e Conteúdo simples 1 2 3 4 5 simples 6 e simples Associação entre duas variáveis resposta Exemplos: altura de planta e altura da espiga, teor de fósforo no solo e na
Leia maisECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc.
ECONOMETRIA Prof. Patricia Maria Bortolon, D. Sc. Cap. 10 Multicolinearidade: o que acontece se os regressores são correlacionados? Fonte: GUJARATI; D. N. Econometria Básica: 4ª Edição. Rio de Janeiro.
Leia maisNessa situação, a média dessa distribuição Normal (X ) é igual à média populacional, ou seja:
Pessoal, trago a vocês a resolução da prova de Estatística do concurso para Auditor Fiscal aplicada pela FCC. Foram 10 questões de estatística! Não identifiquei possibilidade para recursos. Considero a
Leia maisIntrodução ao Planejamento e Análise Estatística de Experimentos 1º Semestre de 2013 Capítulo 3 Introdução à Probabilidade e à Inferência Estatística
Introdução ao Planejamento e Análise Estatística de Capítulo 3 Introdução à Probabilidade e à Inferência Estatística INTERVALOS DE CONFIANÇA: Diferentes pesquisadores, selecionando amostras de uma mesma
Leia maisSeja (X,Y) uma v.a. bidimensional contínua ou discreta. Define-se valor esperado condicionado de X para um dado Y igual a y da seguinte forma:
46 VALOR ESPERADO CONDICIONADO Seja (X,Y) uma v.a. bidimensional contínua ou discreta. Define-se valor esperado condicionado de X para um dado Y igual a y da seguinte forma: Variável contínua E + ( X Y
Leia maisINSTITUTO POLITÉCNICO DE SETÚBAL ESCOLA SUPERIOR DE SAÚDE ESTATÍSTICA. Cursos: Licenciatura em Enfermagem
INSTITUTO POLITÉCNICO DE SETÚBAL ESCOLA SUPERIOR DE SAÚDE ESTATÍSTICA Cursos: Licenciatura em Enfermagem Teste Final o Ano/3 o Semestre 007/08 Data: a feira, 9 de Novembro de 007 Duração: 4h às h Instruções:.
Leia maisEconometria. Regressão Linear Simples Lista de Exercícios
Econometria Regressão Linear Simples Lista de Exercícios 1. Formas funcionais e coeficiente de explicação Um corretor de imóveis quer compreender a relação existente entre o preço de um imóvel e o tamanho,
Leia maisEXAME DE ESTATÍSTICA / ESTATÍSTICA I
INSTITUTO POLITÉCNICO DE SETÚBAL ESCOLA SUPERIOR DE SAÚDE EAME DE ESTATÍSTICA / ESTATÍSTICA I Cursos: Licenciatura em Enfermagem e Licenciaturas Bi-etápicas em Fisioterapia e em Terapia da Fala Época de
Leia maisTestes de Hipóteses Paramétricos
Testes de Hipóteses Paramétricos Carla Henriques Departamento de Matemática Escola Superior de Tecnologia de Viseu Introdução Exemplos Testar se mais de metade da população irá consumir um novo produto
Leia maisEXAME DE ESTATÍSTICA / ESTATÍSTICA I
INSTITUTO POLITÉCNICO DE SETÚBAL ESCOLA SUPERIOR DE SAÚDE EAME DE ESTATÍSTICA / ESTATÍSTICA I Cursos: Licenciatura em Enfermagem e Licenciaturas Bi-etápicas em Fisioterapia e em Terapia da Fala Época de
Leia maisMétodos Quantitativos
Métodos Quantitativos Introdução à Análise de Regressão Universidade Salvador SSA - Bahia Brasil Maio 2016 Outline Revisão de conceitos básicos Distribuição amostral dos estimadores OLS Teste de hipóteses
Leia maisAnálise da Regressão múltipla: Inferência. Aula 4 6 de maio de 2013
Análise da Regressão múltipla: Inferência Revisão da graduação Aula 4 6 de maio de 2013 Hipóteses do modelo linear clássico (MLC) Sabemos que, dadas as hipóteses de Gauss- Markov, MQO é BLUE. Para realizarmos
Leia maisINFERÊNCIA ESTATÍSTICA. ESTIMAÇÃO PARA A PROPORÇÃO POPULACIONAL p
INFERÊNCIA ESTATÍSTICA ESTIMAÇÃO PARA A PROPORÇÃO POPULACIONAL p Objetivo Estimar uma proporção p (desconhecida) de elementos em uma população, apresentando certa característica de interesse, a partir
Leia maisAjuste de Curvas. Universidade Tecnológica Federal do Paraná Campus Francisco Beltrão. Disciplina: Cálculo Numérico Professor: Jonas Joacir Radtke
Ajuste de Curvas Campus Francisco Beltrão Disciplina: Professor: Jonas Joacir Radtke Uma forma de se trabalhar com uma função definida por uma tabela de valores é a interpolação. Contudo, a interpolação
Leia maisTestes de Hipóteses Paramétricos
Testes de Hipóteses Paramétricos Departamento de Matemática Escola Superior de Tecnologia de Viseu (DepMAT ESTV) Testes de Hipóteses Paramétricos 1 / 41 Introdução. Hipóteses Estatísticas. Erro Tipo I
Leia maisExercícios Selecionados de Econometria para Concursos Públicos
1 Exercícios Selecionados de Econometria para Concursos Públicos 1. Regressão Linear Simples... 2 2. Séries Temporais... 17 GABARITO... 20 2 1. Regressão Linear Simples 01 - (ESAF/Auditor Fiscal da Previdência
Leia maisInferência para várias populações normais análise de variância (ANOVA)
Inferência para várias populações normais análise de variância (ANOVA) Capítulo 15, Estatística Básica (Bussab&Morettin, 8a Edição) 9a AULA 11/05/2015 MAE229 - Ano letivo 2015 Lígia Henriques-Rodrigues
Leia maisEstatística Computacional (Licenciatura em Matemática) Duração: 2h Exame 14/06/10 NOME:
DEPARTAMENTO DE MATEMÁTICA DA UNIVERSIDADE DE COIMBRA Estatística Computacional (Licenciatura em Matemática) Duração: 2h Exame 14/06/10 NOME: Observação: A resolução completa das perguntas inclui a justificação
Leia mais9 Correlação e Regressão. 9-1 Aspectos Gerais 9-2 Correlação 9-3 Regressão 9-4 Intervalos de Variação e Predição 9-5 Regressão Múltipla
9 Correlação e Regressão 9-1 Aspectos Gerais 9-2 Correlação 9-3 Regressão 9-4 Intervalos de Variação e Predição 9-5 Regressão Múltipla 1 9-1 Aspectos Gerais Dados Emparelhados há uma relação? se há, qual
Leia maisProva de Estatística
Prova de Estatística 1. Para um número-índice ser considerado um índice ideal, ele precisa atender duas propriedades: reversão no tempo e o critério da decomposição das causas. Desta forma, é correto afirmar
Leia maisIntervalos de Confiança
Intervalos de Confiança INTERVALOS DE CONFIANÇA.1 Conceitos básicos.1.1 Parâmetro e estatística Parâmetro é a descrição numérica de uma característica da população. Estatística é a descrição numérica de
Leia maisPlanejamento de Experimentos. 13. Experimentos com fatores aleatórios
Planejamento de Experimentos 13. Experimentos com fatores aleatórios Até aqui assumimos que os fatores nos experimentos eram fixos, isto é, os níveis dos fatores utilizados eram níveis específicos de interesse.
Leia maisP x. 2 i = P y. 2 i = Analise os dados e comente a possibilidade de existir uma relação linear entreasvariáveisemestudo.
8 Regressão Linear Exercício 8.1 Indique, justificando, qual dos valores abaixo indicados se aproxima mais do coeficiente de correlação dos dados descritos nas seguintes nuvens de pontos, X X X 1. r xy
Leia maisModelos Lineares Generalizados - Modelos log-lineares para tabelas de contingência
Modelos Lineares Generalizados - Modelos log-lineares para tabelas de contingência Erica Castilho Rodrigues 12 de Agosto Introdução 3 Vimos como usar Poisson para testar independência em uma Tabela 2x2.
Leia maisREGRESSÃO LINEAR SIMPLES E MÚLTIPLA
REGRESSÃO LINEAR SIMPLES E MÚLTIPLA Curso: Agronomia Matéria: Metodologia e Estatística Experimental Docente: José Cláudio Faria Discente: Michelle Alcântara e João Nascimento UNIVERSIDADE ESTADUAL DE
Leia maisEstimação e Testes de Hipóteses
Estimação e Testes de Hipóteses 1 Estatísticas sticas e parâmetros Valores calculados por expressões matemáticas que resumem dados relativos a uma característica mensurável: Parâmetros: medidas numéricas
Leia maisX 1 X 2 Y
Universidade da Beira Interior - Departamento de Matemática ESTATÍSTICA APLICADA À GESTÃO Ficha de exercícios 3 Regressão Múltipla 2015/2016 1. Considere os seguintes dados: X 1 X 2 Y 8 0.7 1.8 1.8 6 6.4
Leia maisEscola Secundária de Jácome Ratton
Escola Secundária de Jácome Ratton Ano Lectivo 21/211 Matemática Aplicada às Ciências Sociais Dados bidimensionais ou bivariados são dados obtidos de pares de variáveis. A amostra de dados bivariados pode
Leia maisIntervalos de Confiança
Intervalos de Confiança Carla Henriques e Nuno Bastos Departamento de Matemática Escola Superior de Tecnologia de Viseu Carla Henriques e Nuno Bastos (DepMAT) Intervalos de Confiança 2010/2011 1 / 33 Introdução
Leia maisAula 2 Regressão e Correlação Linear
1 ESTATÍSTICA E PROBABILIDADE Aula Regressão e Correlação Linear Professor Luciano Nóbrega Regressão e Correlação Quando consideramos a observação de duas ou mais variáveis, surge um novo problema: -as
Leia maisInferência Estatística: DEEST/UFOP Prof.: Spencer Barbosa da Silva
Inferência Estatística: Prof.: Spencer Barbosa da Silva Amostragem Estatística Descritiva Cálculo de Probabilidade Inferência Estatística Estimação Teste de Hipótese Pontual Por Intervalo Conceitos básicos
Leia maisAmostragem e distribuições por amostragem
Amostragem e distribuições por amostragem Carla Henriques e Nuno Bastos Departamento de Matemática Escola Superior de Tecnologia de Viseu Contabilidade e Administração População, amostra e inferência estatística
Leia maisConceitos Básicos Teste t Teste F. Teste de Hipóteses. Joel M. Corrêa da Rosa
2011 O 1. Formular duas hipóteses sobre um valor que é desconhecido na população. 2. Fixar um nível de significância 3. Escolher a Estatística do Teste 4. Calcular o p-valor 5. Tomar a decisão mediante
Leia maisAULAS 14 E 15 Modelo de regressão simples
1 AULAS 14 E 15 Modelo de regressão simples Ernesto F. L. Amaral 18 e 23 de outubro de 2012 Avaliação de Políticas Públicas (DCP 046) Fonte: Wooldridge, Jeffrey M. Introdução à econometria: uma abordagem
Leia maisAula 2 Tópicos em Econometria I. Porque estudar econometria? Causalidade! Modelo de RLM Hipóteses
Aula 2 Tópicos em Econometria I Porque estudar econometria? Causalidade! Modelo de RLM Hipóteses A Questão da Causalidade Estabelecer relações entre variáveis não é suficiente para a análise econômica.
Leia maisESTATÍSTICA E BIOESTATÍSTICA
INSTITUTO POLITÉCNICO DE SETÚBAL ESCOLA SUPERIOR DE SAÚDE ESTATÍSTICA E BIOESTATÍSTICA Cursos: Licenciaturas Bi-etápicas em Enfermagem e em Fisioterapia Época Normal o Ano/3 o Semestre 003/004 Data: 6
Leia maisAula 6. Testes de Hipóteses Paramétricos (I)
Aula 6. Testes de Hipóteses Paramétricos (I) Métodos Estadísticos 2008 Universidade de Averio Profª Gladys Castillo Jordán Teste de Hipóteses Procedimento estatístico que averigua se os dados sustentam
Leia maisDE ESPECIALIZAÇÃO EM ESTATÍSTICA APLICADA)
1. Sabe-se que o nível de significância é a probabilidade de cometermos um determinado tipo de erro quando da realização de um teste de hipóteses. Então: a) A escolha ideal seria um nível de significância
Leia maisContabilometria. Aula 9 Regressão Linear Inferências e Grau de Ajustamento
Contabilometria Aula 9 Regressão Linear Inferências e Grau de Ajustamento Interpretação do Intercepto e da Inclinação b 0 é o valor estimado da média de Y quando o valor de X é zero b 1 é a mudança estimada
Leia maisMedidas de Dispersão ou variabilidade
Medidas de Dispersão ou variabilidade A média - ainda que considerada como um número que tem a faculdade de representar uma série de valores - não pode, por si mesma, destacar o grau de homogeneidade ou
Leia maisResolução da Prova de Matemática Financeira e Estatística do ISS Teresina, aplicada em 28/08/2016.
de Matemática Financeira e Estatística do ISS Teresina, aplicada em 8/08/016. 11 - (ISS Teresina 016 / FCC) Joana aplicou todo seu capital, durante 6 meses, em bancos ( e Y). No Banco, ela aplicou 37,5%
Leia maisInferência Estatística. Teoria da Estimação
Inferência Estatística Teoria da Estimação Os procedimentos básicos de inferência Estimação: usamos o resultado amostral para estimar o valor desconhecido do parâmetro Teste de hipótese: usamos o resultado
Leia maisEconometria - Lista 5
Econometria - Lista 5 Professores: Hedibert Lopes, Priscila Ribeiro e Sérgio Martins Monitores: Gustavo Amarante e João Marcos Nusdeo Exercício 1 Utilizando a base de dados disponível em TEMCOPROD.wtf1,
Leia maisCatarina Marques. Estatística II Licenciatura em Gestão. Conceitos: População, Unidade Estatística e Amostra
Amostragem Estatística II Licenciatura em Gestão 1 Conceitos: População, Unidade Estatística e Amostra População (ou Universo) dimensão N Conjunto de unidades com uma ou mais características comuns População
Leia maisMais Informações sobre Itens do Relatório
Mais Informações sobre Itens do Relatório Amostra Tabela contendo os valores amostrados a serem utilizados pelo método comparativo (estatística descritiva ou inferencial) Modelos Pesquisados Tabela contendo
Leia maisMétodos Quantitativos Aplicados
Métodos Quantitativos Aplicados Aula 10 http://www.iseg.utl.pt/~vescaria/mqa/ Tópicos apresentação Análise Regressão: Avaliação de relações de dependência em que se explica o comportamento de uma/várias
Leia maisMOQ-13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ-13 PROBABILIDADE E ESTATÍSTICA Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semanas 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 e 16 Introdução à probabilidade (eventos,
Leia maisINSTITUTO SUPERIOR DE AGRONOMIA ESTATÍSTICA E DELINEAMENTO 28 de Janeiro, a CHAMADA de EXAME Uma resolução possível
INSTITUTO SUPERIOR DE AGRONOMIA ESTATÍSTICA E DELINEAMENTO 28 de Janeiro, 2015 2 a CHAMADA de EXAME 2014-15 Uma resolução possível I 1. O número médio de colónias por quadrado é dado por uma média ponderada
Leia maisMAE Introdução à Probabilidade e Estatística II Resolução Lista 5
MAE 229 - Introdução à Probabilidade e Estatística II Resolução Lista 5 Professor: Pedro Morettin e Profa. Chang Chian Exercício 1 (a) De uma forma geral, o desvio padrão é usado para medir a dispersão
Leia maisProva de Estatística
UNIVERSIDADE FEDERAL DO PARÁ CURSO DE MESTRADO EM ECONOMIA PROCESSO SELETIVO 2010 Prova de Estatística INSTRUÇÕES PARA A PROVA Leia atentamente as questões. A interpretação das questões faz parte da prova;
Leia maisHomocedasticidade? Exemplo: consumo vs peso de automóveis
REGRESSÃO Análise de resíduos Homocedasticidade? Exemplo: consumo vs peso de automóveis 60 50 Consumo (mpg) 40 30 0 10 0 1500 000 500 3000 3500 4000 4500 Peso 0 Diagrama de resíduos 15 10 Resíduos 5 0-5
Leia maisVERSÃO RESPOSTAS PROVA DE MÉTODOS QUANTITATIVOS
UNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO PROGRAMA DE PÓS-GRADUAÇÃO EM ADMINISTRAÇÃO DE ORGANIZAÇÕES PROCESSO SELETIVO MESTRADO - TURMA 2012 PROVA
Leia maisEconometria em Finanças e Atuária
Ralph S. Silva http://www.im.ufrj.br/ralph/especializacao.html Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Maio-Junho/2013 Modelos condicionalmente
Leia maisEstatística 1. Resumo Teórico
Estatística 1 Resumo Teórico Conceitos do Curso 1. Tipos de Variáveis e Representações Gráficas a. Tipos de Variáveis b. Distribuição de Frequências c. Histograma 2. Estatística Descritiva Medidas Estatísticas
Leia maisCapítulo 8 - Testes de hipóteses 3
Capítulo 8 - Testes de hipóteses Conceição Amado e Ana M. Pires Capítulo 8 - Testes de hipóteses 3 8.1 Noções básicas....................................................... 4 8.2 Testes de hipóteses para
Leia maisPoder do teste e determinação do tamanho da amostra:pca & PBC
Poder do teste e determinação do tamanho da amostra:pca & PBC Relembrando: α = probabilidade do erro do tipo I: P(Rejeitar H 0 H 0 é verdadeira). β = probabilidade do erro do tipo II: P(Não rejeitar H
Leia maisAula 7. Testes de Hipóteses Paramétricos (II)
Aula 7. Testes de Hipóteses Paramétricos (II) Métodos Estadísticos 008 Universidade de Averio Profª Gladys Castillo Jordán IC e TH para comparação de valores médios µ X e µ Y de duas populações Normais.
Leia maisRenda x Vulnerabilidade Ambiental
Renda x Vulnerabilidade Ambiental ANEXO D ANÁLISE EXPLORATÓRIA E PREPARAÇÃO DOS DADOS Identificamos tendência linear positiva. A correlação entre as variáveis é significativa, apresentando 99% de confiança.
Leia maisa) 19% b) 20% c) Aproximadamente 13% d) 14% e) Qualquer número menor que 20%
0. Sabe-se que o nível de significância é a probabilidade de cometermos um determinado tipo de erro quando da realização de um teste de hipóteses. Então: a) A escolha ideal seria um nível de significância
Leia maisRESOLUÇÃO DAS QUESTÕES DE ESTATÍSTICA
RESOLUÇÃO DAS QUESTÕES DE ESTATÍSTICA Caro aluno, Disponibilizo abaixo a resolução resumida das questões de Estatística da prova de Auditor da SEFAZ/PI 2015. Vale dizer que utilizei a numeração da prova
Leia maisAula 7. Testes de Hipóteses Paramétricos (II)
Aula 7. Testes de Hipóteses Paramétricos (II) Métodos Estadísticos 008 Universidade de Averio Profª Gladys Castillo Jordán IC e TH para comparação de valores médios µ X e µ Y de duas populações Normais.
Leia maisIntervalos Estatísticos para uma única Amostra - parte I
Intervalos Estatísticos para uma única Amostra - parte I Intervalo de confiança para média 14 de Janeiro Objetivos Ao final deste capítulo você deve ser capaz de: Construir intervalos de confiança para
Leia maisDefinição. Os valores assumidos pelos estimadores denomina-se estimativas pontuais ou simplesmente estimativas.
1. Inferência Estatística Inferência Estatística é o uso da informção (ou experiência ou história) para a redução da incerteza sobre o objeto em estudo. A informação pode ou não ser proveniente de um experimento
Leia maisEstimação parâmetros e teste de hipóteses. Prof. Dr. Alberto Franke (48)
Estimação parâmetros e teste de hipóteses Prof. Dr. Alberto Franke (48) 91471041 Intervalo de confiança para média É um intervalo em que haja probabilidade do verdadeiro valor desconhecido do parâmetro
Leia maisANOVA FACTORIAL EXEMPLO 1. ANOVA TWO-WAY COM O SPSS. a capacidade de reconhecimento do odor materno
ANOVA FACTORIAL Quando a variável dependente é influenciada por mais do que uma variável independente (Factor) estamos interessados em estudar o efeito não só de cada um dos factores mas e também a possível
Leia maisINSTITUTO SUPERIOR DE ECONOMIA E GESTÃO Estatística II - Licenciatura em Gestão Época de Recurso - Parte prática (14 valores) 24/01/2011.
INSTITUTO SUPERIOR DE ECONOMIA E GESTÃO Estatística II - Licenciatura em Gestão Época de Recurso - Parte prática (14 valores) 24/01/2011 Nome: Nº Espaço reservado para a classificação (não escrever aqui)
Leia mais4 Modelos de Regressão Dinâmica
4 Modelos de Regressão Dinâmica Nos modelos de regressão linear (Johnston e Dinardo, 1998) estudados comumente na literatura, supõe-se que os erros gerados pelo modelo possuem algumas características como:
Leia maisSumário. CAPÍTULO 1 Conceitos preliminares 1. CAPÍTULO 2 Descrição de dados: análise monovariada 47
CAPÍTULO 1 Conceitos preliminares 1 Introdução........................................................1 O que é estatística?.................................................. 4 Papel dos microcomputadores.........................................
Leia mais( ) = σ 2. Capítulo 8 - Testes de hipóteses. 8.1 Introdução
Capítulo 8 - Testes de hipóteses 8.1 Introdução Nos capítulos anteriores vimos como estimar um parâmetro desconhecido a partir de uma amostra (obtendo estimativas pontuais e intervalos de confiança para
Leia maisInferência Estatística:
Inferência Estatística: Amostragem Estatística Descritiva Cálculo de Probabilidade Inferência Estatística Estimação Teste de Hipótese Pontual Por Intervalo Conceitos básicos Estimação É um processo que
Leia maisEstatística Indutiva
Estatística Indutiva MÓDULO 7: INTERVALOS DE CONFIANÇA 7.1 Conceitos básicos 7.1.1 Parâmetro e estatística Parâmetro é a descrição numérica de uma característica da população. Estatística é a descrição
Leia maisAULA 11 Heteroscedasticidade
1 AULA 11 Heteroscedasticidade Ernesto F. L. Amaral 30 de julho de 2012 Análise de Regressão Linear (MQ 2012) www.ernestoamaral.com/mq12reg.html Fonte: Wooldridge, Jeffrey M. Introdução à econometria:
Leia maisMétodos Quantitativos para Ciência da Computação Experimental
Métodos Quantitativos para Ciência da Computação Experimental Revisão Virgílio A. F. Almeida Maio de 2008 Departamento de Ciência da Computação Universidade Federal de Minas Gerais FOCO do curso Revisão
Leia mais6. Amostragem e estimação pontual
6. Amostragem e estimação pontual Definição 6.1: População é um conjunto cujos elementos possuem qualquer característica em comum. Definição 6.2: Amostra é um subconjunto da população. Exemplo 6.1: Um
Leia mais7 Teste de Hipóteses
7 Teste de Hipóteses 7-1 Aspectos Gerais 7-2 Fundamentos do Teste de Hipóteses 7-3 Teste de uma Afirmação sobre a Média: Grandes Amostras 7-4 Teste de uma Afirmação sobre a Média : Pequenas Amostras 7-5
Leia maisMódulo 2 AVALIAÇÃO DA DEMANDA EM TRANSPORTES
Módulo 2 AVALIAÇÃO DA DEMANDA EM TRANSPORTES Conceitos Iniciais Prever é a arte e a ciência de predizer eventos futuros, utilizandose de dados históricos e sua projeção para o futuro, de fatores subjetivos
Leia mais1 semestre de 2014 Gabarito Lista de exercícios 3 - Estatística Descritiva III C A S A
Exercício 1. (1,0 ponto). A tabela a seguir mostra o aproveitamento conjunto em Física e Matemática para os alunos do ensino médio de uma escola. Notas Notas Notas Física/Matemática Altas Regulares Baixas
Leia maisTratamento estatístico de observações
Tratamento estatístico de observações Prof. Dr. Carlos Aurélio Nadal OBSERVAÇÃO: é o valor obtido durante um processo de medição. DADO: é o resultado do tratamento de uma observação (por aplicação de uma
Leia maisBioestatística e Computação I
Bioestatística e Computação I Inferência por Teste de Hipótese Maria Virginia P Dutra Eloane G Ramos Vania Matos Fonseca Pós Graduação em Saúde da Mulher e da Criança IFF FIOCRUZ Baseado nas aulas de M.
Leia maisEXAME NACIONAL DE SELEÇÃO 2012 PROVA DE ESTATÍSTICA
EXAME NACIONAL DE SELEÇÃO 2012 PROVA DE ESTATÍSTICA 1 o Dia: 28/09/2011 - QUARTA FEIRA HORÁRIO: 10h30m às 12h45m (horário de Brasília) Exame Nacional ANPEC 2012: 1º Dia 1 EXAME NACIONAL DE SELEÇÃO 2012
Leia maisSoluções da Colectânea de Exercícios
Soluções da Colectânea de Exercícios (Edição de Fevereiro de 2003) Capítulo 1 1.1 d) x = 3.167; s = 0.886 (dados não agrupados) e) mediana = x = 3.25; q 1 = 2.4 ; q 3 = 3.9 1.2 a) x = 2.866 ; x = 3; moda
Leia maisTestes de Hipótese para uma única Amostra - parte II
Testes de Hipótese para uma única Amostra - parte II 2012/02 1 Teste para média com variância conhecida 2 3 Objetivos Ao final deste capítulo você deve ser capaz de: Testar hipóteses para média de uma
Leia mais