Métodos Numéricos e Estatísticos Parte II-Métodos Estatísticos

Tamanho: px
Começar a partir da página:

Download "Métodos Numéricos e Estatísticos Parte II-Métodos Estatísticos"

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) 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 mais

Probabilidades e Estatística

Probabilidades 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 mais

MÓDULO V: Análise Bidimensional: Correlação, Regressão e Teste Qui-quadrado de Independência

MÓDULO 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

= < 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 mais

Introdução ao modelo de Regressão Linear

Introdução 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 mais

ANÁLISE 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: 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 mais

Revisão de Modelos de regressão. Prof. Thais C O Fonseca - DME, UFRJ

Revisão 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 mais

Probabilidades e Estatística - LEIC + LERCI + LEE 2 o semestre 2004/05

Probabilidades 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 mais

Probabilidades e Estatística

Probabilidades 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 mais

REGRESSÃO LINEAR Parte I. Flávia F. Feitosa

REGRESSÃO 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 mais

Probabilidade e Estatística. Estimação de Parâmetros Intervalo de Confiança

Probabilidade 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 mais

Correlação e Regressão Linear

Correlação 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 mais

CONHECIMENTOS ESPECÍFICOS

CONHECIMENTOS 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 mais

Testes de hipóteses Paramétricos

Testes 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 mais

AULA 09 Regressão. Ernesto F. L. Amaral. 17 de setembro de 2012

AULA 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 mais

Análise da Regressão. Prof. Dr. Alberto Franke (48)

Análise 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 mais

Modelos de Regressão Linear Simples - Análise de Resíduos

Modelos 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 mais

RESUMO 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 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 mais

Instituto Federal Goiano

Instituto 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 mais

ECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc.

ECONOMETRIA. 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 mais

Nessa situação, a média dessa distribuição Normal (X ) é igual à média populacional, ou seja:

Nessa 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 mais

Introdução 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 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 mais

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:

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: 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 mais

INSTITUTO 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 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 mais

Econometria. Regressão Linear Simples Lista de Exercícios

Econometria. 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 mais

EXAME DE ESTATÍSTICA / ESTATÍSTICA I

EXAME 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 mais

Testes de Hipóteses Paramétricos

Testes 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 mais

EXAME DE ESTATÍSTICA / ESTATÍSTICA I

EXAME 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 mais

Métodos Quantitativos

Métodos 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 mais

Análise da Regressão múltipla: Inferência. Aula 4 6 de maio de 2013

Análise 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 mais

INFERÊNCIA ESTATÍSTICA. ESTIMAÇÃO PARA A PROPORÇÃO POPULACIONAL p

INFERÊNCIA 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 mais

Ajuste de Curvas. Universidade Tecnológica Federal do Paraná Campus Francisco Beltrão. Disciplina: Cálculo Numérico Professor: Jonas Joacir Radtke

Ajuste 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 mais

Testes de Hipóteses Paramétricos

Testes 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 mais

Exercícios Selecionados de Econometria para Concursos Públicos

Exercícios 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 mais

Inferência para várias populações normais análise de variância (ANOVA)

Inferência 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 mais

Estatística Computacional (Licenciatura em Matemática) Duração: 2h Exame 14/06/10 NOME:

Estatística 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 mais

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

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 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 mais

Prova de Estatística

Prova 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 mais

Intervalos de Confiança

Intervalos 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 mais

Planejamento de Experimentos. 13. Experimentos com fatores aleatórios

Planejamento 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 mais

P x. 2 i = P y. 2 i = Analise os dados e comente a possibilidade de existir uma relação linear entreasvariáveisemestudo.

P 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 mais

Modelos Lineares Generalizados - Modelos log-lineares para tabelas de contingência

Modelos 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 mais

REGRESSÃO LINEAR SIMPLES E MÚLTIPLA

REGRESSÃO 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 mais

Estimação e Testes de Hipóteses

Estimação 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 mais

X 1 X 2 Y

X 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 mais

Escola Secundária de Jácome Ratton

Escola 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 mais

Intervalos de Confiança

Intervalos 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 mais

Aula 2 Regressão e Correlação Linear

Aula 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 mais

Inferência Estatística: DEEST/UFOP Prof.: Spencer Barbosa da Silva

Inferência 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 mais

Amostragem e distribuições por amostragem

Amostragem 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 mais

Conceitos Básicos Teste t Teste F. Teste de Hipóteses. Joel M. Corrêa da Rosa

Conceitos 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 mais

AULAS 14 E 15 Modelo de regressão simples

AULAS 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 mais

Aula 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 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 mais

ESTATÍSTICA E BIOESTATÍSTICA

ESTATÍSTICA 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 mais

Aula 6. Testes de Hipóteses Paramétricos (I)

Aula 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 mais

DE ESPECIALIZAÇÃO EM ESTATÍSTICA APLICADA)

DE 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 mais

Contabilometria. Aula 9 Regressão Linear Inferências e Grau de Ajustamento

Contabilometria. 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 mais

Medidas de Dispersão ou variabilidade

Medidas 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 mais

Resolução da Prova de Matemática Financeira e Estatística do ISS Teresina, aplicada em 28/08/2016.

Resolução 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 mais

Inferência Estatística. Teoria da Estimação

Inferência 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 mais

Econometria - Lista 5

Econometria - 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 mais

Catarina Marques. Estatística II Licenciatura em Gestão. Conceitos: População, Unidade Estatística e Amostra

Catarina 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 mais

Mais Informações sobre Itens do Relatório

Mais 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 mais

Métodos Quantitativos Aplicados

Métodos 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 mais

MOQ-13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel

MOQ-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 mais

INSTITUTO 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, 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 mais

MAE Introdução à Probabilidade e Estatística II Resolução Lista 5

MAE 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 mais

Prova de Estatística

Prova 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 mais

Homocedasticidade? Exemplo: consumo vs peso de automóveis

Homocedasticidade? 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 mais

VERSÃO RESPOSTAS PROVA DE MÉTODOS QUANTITATIVOS

VERSÃO 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 mais

Econometria em Finanças e Atuária

Econometria 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 mais

Estatística 1. Resumo Teórico

Estatística 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 mais

Capítulo 8 - Testes de hipóteses 3

Capítulo 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 mais

Poder do teste e determinação do tamanho da amostra:pca & PBC

Poder 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 mais

Aula 7. Testes de Hipóteses Paramétricos (II)

Aula 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 mais

Renda x Vulnerabilidade Ambiental

Renda 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 mais

a) 19% b) 20% c) Aproximadamente 13% d) 14% e) Qualquer número menor que 20%

a) 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 mais

RESOLUÇÃO DAS QUESTÕES DE ESTATÍSTICA

RESOLUÇÃO 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 mais

Aula 7. Testes de Hipóteses Paramétricos (II)

Aula 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 mais

Intervalos Estatísticos para uma única Amostra - parte I

Intervalos 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 mais

Definição. Os valores assumidos pelos estimadores denomina-se estimativas pontuais ou simplesmente estimativas.

Definição. 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 mais

Estimação parâmetros e teste de hipóteses. Prof. Dr. Alberto Franke (48)

Estimação 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 mais

ANOVA FACTORIAL EXEMPLO 1. ANOVA TWO-WAY COM O SPSS. a capacidade de reconhecimento do odor materno

ANOVA 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 mais

INSTITUTO 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. 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 mais

4 Modelos de Regressão Dinâmica

4 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 mais

Sumário. CAPÍTULO 1 Conceitos preliminares 1. CAPÍTULO 2 Descrição de dados: análise monovariada 47

Sumário. 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

( ) = 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 mais

Inferência Estatística:

Inferência 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 mais

Estatística Indutiva

Estatística 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 mais

AULA 11 Heteroscedasticidade

AULA 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 mais

Métodos Quantitativos para Ciência da Computação Experimental

Métodos 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 mais

6. Amostragem e estimação pontual

6. 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 mais

7 Teste de Hipóteses

7 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 mais

Módulo 2 AVALIAÇÃO DA DEMANDA EM TRANSPORTES

Módulo 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 mais

1 semestre de 2014 Gabarito Lista de exercícios 3 - Estatística Descritiva III C A S A

1 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 mais

Tratamento estatístico de observações

Tratamento 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 mais

Bioestatística e Computação I

Bioestatística 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 mais

EXAME NACIONAL DE SELEÇÃO 2012 PROVA DE ESTATÍSTICA

EXAME 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 mais

Soluções da Colectânea de Exercícios

Soluções 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 mais

Testes de Hipótese para uma única Amostra - parte II

Testes 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