Macroeconometria Aula 3 Revisão de estatística e teste de hipótese
|
|
- Benedita Braga Caiado
- 6 Há anos
- Visualizações:
Transcrição
1 Macroecoometra 008. Aula 3 Revsão de estatístca e teste de hpótese 3.5. Estmação No estudo das probabldades, o objetvo é calcular a probabldade de evetos préespecfcados. De agora em date o objetvo muda. A partr de uma amostra de uma dstrbução de probabldades especfca pretedemos apreder alguma cosa sobre os parâmetros da dstrbução, sto é, estaremos teressados em estmar os parâmetros da dstrbução de probabldade. O objetvo em estatístca é descobrr alguma cosa sobre os parâmetros descohecdos de uma dstrbução de probabldade. Os mecasmos mas usuas para ferr alguma cosa sobre estes parâmetros são:.- Estmação potual. O objetvo é chutar os valores do parâmetro descohecdo..- Estmação por tervalo.- O objetvo é ecotrar um tervalo que coteha o parâmetro de teresse com uma probabldade especfcada. 3.- Teste de hpóteses.- O objetvo é crar cojecturas sobre os valores possíves do parâmetro e verfcar se estas cojeturas são muto ou pouco provável (sto é, testar as hpóteses) Todos estes procedmetos são baseados a oção de amostra aleatóra Amostra aleatóra O problema básco da ferêca estatístca é fazer afrmações sobre uma população com base os dados de uma amostra. Para gahar formação sobre os parâmetros descohecdos de uma dstrbução de probabldade usamos um cojuto de varáves aleatóras depedetes e detcamete dstrbuídas. Isto equvale a repetr a experêca aleatóra que está sedo descrta pelo modelo em questão vezes, em codções dêtcas e de maera depedete. A partr dos valores observados das varáves,,..., calcularemos fuções que os permtrão apreder sobre os parâmetros descohecdos do modelo. Estas fuções serão chamadas de estatístcas. Defção (Estatístca) cguterrez@fgvmal.br
2 Macroecoometra 008. Aula 3 Revsão de estatístca e teste de hpótese Uma estatístca (ou estmador) θ ) é uma fução de uma amostra aleatóra,,... Formalmete: θ ) F(,,...) Observe que uma estatístca ão é fução de parâmetros descohecdos, ela só evolve as varáves a amostra aleatóra, ou seja, pode ser dretamete computada a partr dos valores observados em uma amostra. O objetvo agora é ecotrar estatístca que srvam como bos estmadores potuas de parâmetros descohecdos. Propredades dos estmadores Exste mutos estmadores a lteratura, portato, também é mportate defr crtéros que os permtam dzer que uma estatístca é melhor que outra para estmar um dado parâmetro. Um bom estmador é aquele que satsfaz três propredades: ) Não-tedecoso.- Um estmador θ ) é dto ão-tedecoso de θ se: E ( ) θ ) θ ) Efcete.- Sejam ) θ e ) θ dos estmadores ão tedecosos de θ. ) θ é dto ser efcete que ) θ se: ) ) Var θ ) < Var( θ ) ( ) Cosstete.- Um estmador θ ) é dto ser cosstete se quado a amostra cresce, o estmador θ ) se aproxma (coverge em probabldade) para o verdadero θ. Portato, um estmador deve ser selecoado de modo que seja ão tedesoso, cosstete e o mas efcete. cguterrez@fgvmal.br
3 Macroecoometra 008. Aula 3 Revsão de estatístca e teste de hpótese cguterrez@fgvmal.br 3 Estatístcas mas usadas Cosderado,,..., uma amostra aleatóra de uma dstrbução qualquer as estatístcas mas comus calculadas a partr desta amostra são:.- Méda amostral.- Varâca amostral ( ) S 3.- Desvo padrão amostral ( ) S S 4.- Coefcete de correlação amostral etre duas amostras aleatóras ( e Y) ( )( ) ( ) ( ) Y Y Y Y Y, ρ Qualquer destas estatístcas (ou estmadores) é uma fução da amostra (,,..., ). Note que como a amostra é aleatóra etão as estatístcas também serão varáves aleatóras. Portato, sedo varáves aleatóras, está mplícto uma dstrbução de probabldade desses estmadores com uma determada méda e varâca populacoal
4 Macroecoometra 008. Aula 3 Revsão de estatístca e teste de hpótese 4 (por mecoar os prmeros mometos) que também podem ser estmados através da mesma formação amostral. Méda e varâca da méda amostral Supohamos que as característcas de uma população sejam detfcadas pela varável aleatóra, com parâmetros populacoas E ( ) µ evar ( ). Seja uma amostra aleatóra desta população (,,..., ). Etão, pode-se demostrar que a méda e varâca amostral pode ser escrta em fução dos parâmetros populacoas da varável aleatóra : E ( ) µ e Var ( ) Note que a esperaça da méda amostral é a mesma da varável populacoal, e a varâca de é gual à varâca de dvdda pelo tamaho da amostra. Hpótese de ormaldade A hpótese de ormaldade é muto mportate a hora de realzar um teste de hpótese ou ferêca da população. É possível assumr que a varável aleatóra tem dstrbução de probabldade ormal. Com esta hpótese demostra-se que também terá dstrbução ormal. Ou seja, o caso de ormaldade, a méda amostral preserva a le de formação populacoal. No etato, a maora das aplcações, a dstrbução da varável ão é cohecda e, cosequetemete, a de. Afortuadamete exste um famoso teorema, cohecdo como Teorema Cetral do Lmte, que permta obter uma aproxmação para a dstrbução de. A desvatagem deste teorema é que precsamos um úmero razoável de observações para ele ter valdade. Teorema Cetral do Lmte cguterrez@fgvmal.br
5 Macroecoometra 008. Aula 3 Revsão de estatístca e teste de hpótese 5 Seja,,,..., uma amostra aleatóra de uma população com E ( ) µ evar ( ). Etão, quado o tamaho da amostra cresce, a dstrbução de aproxma-se da Normal com parâmetros µ e, ou N(µ, ). Portato, com uma amostra grade, o teorema cetral do lmte garate ormaldade para a dstrbução de probabldade da méda amostral. Uma observação mportate este teorema é que ão há ehuma restrção sobre a forma da dstrbução populacoal da varável aleatóra. Estmação da méda e varâca populacoal Os parâmetros de teresse de uma população que comumete são alvo de estmação são: a méda populacoal E ( ) µ e a varâca populacoal Var ( ). Que estmadores utlzaremos para estes parâmetros? Porque? Podemos utlzar os estmadores potuas da méda e varâca amostral. É cohecdo que estes estmadores tem as boas propredades de um estmador. Logo, ) µ (méda amostral) ) S ( ) (varâca amostral) Estmação por tervalo A estmação potual os dá uma úca estatístca da amostra, que é utlzada para estmar o verdadero valor de um parâmetro da população. Como vsto a méda artmétca da amostra,, é uma estmatva de poto da méda da população e a varâca da amostra, S, é uma estmatva de poto da varâca da população,. Porém, como esta estmatva pode mudar de amostra a amostra, como o caso de, esta varação deve ser levada em cosderação ao ser forecda uma estmatva da característca da população. Para que sso seja alcaçado, uma estmatva de tervalo, cguterrez@fgvmal.br
6 Macroecoometra 008. Aula 3 Revsão de estatístca e teste de hpótese 6 relatva ao parâmetro de teresse da população, é desevolvda, levado em cota a dstrbução de amostragem da estatístca do parâmetro da população. O tervalo que é costruído terá uma cofaça ou probabldade especfcada de estar estmado corretamete o verdadero valor do parâmetro da população. Portato, a estmação de um tervalo de cofaça cosste em determar um tervalo, Ic, em geral smétrco, do tpo Ic (estmador potual erro; estmador potual + erro). A probabldade do parâmetro de teresse θ a ser testado, P( θ Ic ) é deotado por: P( θ Ic ) -α em que (-α ) é uma probabldade defdo como sedo o ível de cofaça do tervalo. α pode ser terpretado como a probabldade do tervalo ão coter o parâmetro θ. Normalmete, deseja-se que α seja pequeo, os valores usualmete utlzados os trabalhos empírcos são 0,0, 0,05 e 0, ou %, 5% e 0% respectvamete. Observe que, para dferetes estmatvas potuas do parâmetro de teresse, teremos dferetes estmatvas do tervalo de cofaça. O tervalo de cofaça é costruído com base a dstrbução amostral do estmador potual. No exemplo a segur mostramos a costrução de tervalos para a méda populacoal. Exemplo: Seja,,,..., uma amostra aleatóra Normal de uma população com E ( ) µ evar ( ). Tomemos como o estmador potual de µ. Cosderado que a varâca seja cohecda, pode-se demostrar que a méda e varâca amostral pode ser escrta em fução dos parâmetros populacoas da varável aleatóra : E ( ) µ e Var ( ) N( µ, ) Normalzado para a varável aleatóra Z temos: cguterrez@fgvmal.br
7 Macroecoometra 008. Aula 3 Revsão de estatístca e teste de hpótese 7 Z µ ( µ ) N ( 0,) Ao defr α, por exemplo 5%, a probabldade P( θ Ic ), para a varável ormalzada Z, fca defdo automatcamete como: P ( z Z ) α α / zα / Substtudo-se Z pela sua expressão acma, detro da probabldade, chega-se a expressão equvalete que defe o tervalo de cofaça: P zα / µ + zα / α e o tervalo de cofaça para µ com ível de sgfcâca de α % é dado por: z µ + z α / α / Exercíco: Como muda o tervalo de cofaça para este parâmetro se a varâca populacoal ão é cohecda? 3.6. Teste de Hpótese O teste de hpótese é uma fase da fereça estatístca que, da mesma forma que a estmatva do tervalo de cofaça, é baseada em formações sobre a amostra. A déa é ferr sobre um parâmetro populacoal apartr da estmatva desse parâmetro através de uma amostra. A hpótese de que o parâmetro da população seja gual à especfcação da empresa é chamada de hpótese ula (H 0 ). Etretato, se os resultados da amostra dcarem que cguterrez@fgvmal.br
8 Macroecoometra 008. Aula 3 Revsão de estatístca e teste de hpótese 8 H 0 pode ser rejetada, os pesqusadores poderão ferr que uma hpótese alteratva (H a ). A hpótese ula, H 0, dca a hpótese (umérca) a ser testada. A hpótese ula sempre se refere a um parâmetro. Por exemplo: O tempo médo para a coclusão do mestrado a FGV é 6 meses H0: µ 6 meses A hpótese alteratva, H, é o que ocorrera se a hpótese ula fosse falsa. Por exemplo: o tempo médo para a coclusão do mestrado a FGV é dferete de 6 meses Ha: µ 6 meses. Em resumo, dos potos-chave resume as hpóteses ula e alteratva:.- A hpótese ula, H 0, é a hpótese que é sempre testada..- A hpótese alteratva, H a, é desevolvda como sedo o oposto da hpótese ula e represeta a coclusão apoada, se a hpótese ula for rejetada. Observação: A hpótese ula, H 0, sempre se refere a um valor especfcado do parâmetro da população (tal como µ ), e ão a uma estatístca da amostra (tal como ). Exemplo : Supoha que deseja testar o grau de assocação lear etre duas varáves: Demada de Eerga (Y) e Temperatura () da cdade de Ro de Jaero, segudo a relação: Y β + erro A assocação de Y e depede da sgfcâca do parâmetroβ. Por tato testamos: H 0 : β 0 cguterrez@fgvmal.br
9 Macroecoometra 008. Aula 3 Revsão de estatístca e teste de hpótese 9 H a : β 0 Um aumeto de temperatura faz com que o cosumo de eerga aumete. Por tato, esperamos que exsta uma relação lear etre essas varáves. Ou seja, esperamos que o resulados do teste rejete a hpótese ula Estatístca do teste A estatístca de teste é costruída cosderado como verdadera à hpótese ula. t c ˆ µ µ H 0 ˆ µ em que µ é o parâmetro a ser testado, µ H o valor do parâmetro µ sob a hpótese ula, 0 ˆ µ o desvo padrão do estmador ) µ. O teste t c pode assumr duas dstrbuções: Caso : Se o parâmetro for cohecdo a estatístca t c terá dstrbução Normal-Padrão (Gaussaa). Caso : Se o parâmetro ão for cohecdo a estatístca t z terá dstrbução t-studet. Em geral o parâmetro ão é cohecdo, estmado-se a partr da amostra. Utlzamos esta estatístca para calcular os potos crítcos que são os que defem a regão de rejeção (às vezes chamada de regão crítca) e uma regão de ão-rejeção como mostrado a fgura. No exemplo ateror cosderamos uma relação lear etre Y e segudo Y β + erro. Supoha que o parâmetro β fo estmado a partr de uma amostra de dados ) β, com desvo padrão ) 0, 6. Qual é a estatístca do teste? β Solução: cguterrez@fgvmal.br
10 Macroecoometra 008. Aula 3 Revsão de estatístca e teste de hpótese 0 Substtudo a equação da estatístca do teste temos: t c β β ) β H0, 0 0,6 Quado trabalhamos com a méda amostral é ecessáro costrur uma ova varável aleatóra. Exemplo : Supoha o produtor de lete em pó afrme o rótulo de sua embalagem que o seu produto em peso líqudo de 500 gramas. Para testar essa afrmatva, fo coletada uma amostra de 0 udades do produto e pesados, regsrado uma méda amostral de 495 gramas e um desvo padrão de s0 gramas. Supoha que quera testar a hpótese ula de que o produto tem realmete peso líqudo de 500 gramas, cotra a hpótese alteratva de que o produto tem peso líqudo meor que 500 gramas. H0: µ 500 gramas Ha: µ 500 gramas. produtor de lete em pó afrme o rótulo de sua embalagem que o seu produto em peso líqudo de 500 gramas. Para testar essa afrmatva, fo coletada uma amostra Exemplo: Calcule a estatístca de teste para o exemplo ateror. Como o desvo padrão da população é estmado através da amostra estamos o caso em que a estatístca de teste é t-studet. Idetfquemos os parâmetros; 0, ˆ s0 gramas, ˆ µ 495 gramas Logo, µµ t z ˆ P-Valor cguterrez@fgvmal.br
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 edso@fmrp.usp.br Rotero Parte I Escola frequetsta Defções: parâmetros, estmatvas Dstrbuções de probabldade Estmação
Leia maisEm muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.
Prof. Lorí Val, Dr. val@pucrs.r http://www.pucrs.r/famat/val/ Em mutas stuações duas ou mas varáves estão relacoadas e surge etão a ecessdade de determar a atureza deste relacoameto. A aálse de regressão
Leia maisEconometria: 3 - Regressão Múltipla
Ecoometra: 3 - Regressão Múltpla Prof. Marcelo C. Mederos mcm@eco.puc-ro.br Prof. Marco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo de regressão
Leia maisESTATÍSTICA Exame Final 1ª Época 3 de Junho de 2002 às 14 horas Duração : 3 horas
Faculdade de cooma Uversdade Nova de Lsboa STTÍSTIC xame Fal ª Época de Juho de 00 às horas Duração : horas teção:. Respoda a cada grupo em folhas separadas. Idetfque todas as folhas.. Todas as respostas
Leia maisDistribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD
Dstrbuções Amostras Estatístca 8 - Dstrbuções Amostras 08- Dstrbuções Amostras Dstrbução Amostral de Objetvo: Estudar a dstrbução da população costtuída de todos os valores que se pode obter para, em fução
Leia maisEstimação pontual, estimação intervalar e tamanho de amostras
Estmação potual, estmação tervalar e tamaho de amostras Iferêca: por meo das amostras, cohecer formações geras da população. Problemas de ferêca, em geral, se dvdem em estmação de parâmetros e testes de
Leia maisEstudo do intervalo de confiança da regressão inversa utilizando o software R
Estudo do tervalo de cofaça da regressão versa utlzado o software R Llae Lopes Cordero João Domgos Scalo. Itrodução Na maora das aplcações evolvedo regressão, determa-se o valor de Y correspodete a um
Leia maisESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano
ESTATÍSTICA Aula 7 Prof. Dr. Marco Atoo Leoel Caetao Dstrbuções de Probabldade DISCRETAS CONTÍNUAS (Números teros) Bomal Posso Geométrca Hper-Geométrca Pascal (Números reas) Normal t-studet F-Sedecor Gama
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou expermetal. Numa relação expermetal os valores de uma das varáves
Leia mais( ) ( ) Es'mador de Máxima-Verossimilhança. ,θ i. L( Θ; X) = f ( X;Θ) = f (x i
5.. Esmador de Máxma-Verossmlhaça O prcípo básco do esmador de Máxma-Verossmlhaça cosste a obteção de esmavas de parâmetros populacoas de uma desdade de uma varável aleatóra a parr de um cojuto de formações
Leia maisEstatística Descritiva. Medidas estatísticas: Localização, Dispersão
Estatístca Descrtva Meddas estatístcas: Localzação, Dspersão Meddas estatístcas Localzação Dspersão Meddas estatístcas - localzação Méda artmétca Dados ão agrupados x x Dados dscretos agrupados x f r x
Leia maisDistribuições de Probabilidades
Estatístca - aulasestdstrnormal.doc 0/05/06 Dstrbuções de Probabldades Estudamos aterormete as dstrbuções de freqüêcas de amostras. Estudaremos, agora, as dstrbuções de probabldades de populações. A dstrbução
Leia maisEstatística - exestatmeddisper.doc 25/02/09
Estatístca - exestatmeddsper.doc 5/0/09 Meddas de Dspersão Itrodução ão meddas estatístcas utlzadas para avalar o grau de varabldade, ou dspersão, dos valores em toro da méda. ervem para medr a represetatvdade
Leia maisParte 3 - Regressão linear simples
Parte 3 - Regressão lear smples Defção do modelo Modelo de regressão empregado para eplcar a relação lear etre duas varáves (ajuste de uma reta). O modelo de regressão lear smples pode ser epresso a forma:
Leia maisFaculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL
Faculdade de Tecologa de Cataduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL 5. Meddas de Posção cetral ou Meddas de Tedêca Cetral Meddas de posção cetral preocupam-se com a caracterzação e a
Leia maisIND 1115 Inferência Estatística Aula 9
Coteúdo IND 5 Iferêca Estatístca Aula 9 Outubro 2004 Môca Barros Dfereça etre Probabldade e Estatístca Amostra Aleatóra Objetvos da Estatístca Dstrbução Amostral Estmação Potual Estmação Bayesaa Clássca
Leia maisMEDIDAS DE DISPERSÃO:
MEDID DE DIPERÃO: fução dessas meddas é avalar o quato estão dspersos os valores observados uma dstrbução de freqüêca ou de probabldades, ou seja, o grau de afastameto ou de cocetração etre os valores.
Leia maisInterpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1.
Iterpolação Iterpolação é um método que permte costrur um ovo cojuto de dados a partr de um cojuto dscreto de dados potuas cohecdos. Em egehara e cêcas, dspõese habtualmete de dados potuas, obtdos a partr
Leia mais13 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL
3 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL Como vto em amotragem o prmero bmetre, etem fatore que fazem com que a obervação de toda uma população em uma pequa eja mpratcável, muta veze em vrtude
Leia maisControle Estatístico de Qualidade. Capítulo 6 (montgomery)
Cotrole Estatístco de Qualdade Capítulo 6 (motgomery) Gráfcos de Cotrole para Atrbutos Itrodução Mutas característcas da qualdade ão podem ser represetadas umercamete. Nestes casos, classfcamos cada tem
Leia maisCurso de Graduação. Inferência I N F ERÊNCI A ESTAT ÍSTICA
Iferêca Estatístca I N F ERÊNCI A ESTAT ÍSTICA CAPÍTULO N O Ç Õ ES PRELIMINAR ES SOBR E AMOSTRAGEM A elaboração de um projeto de pesqusa por amostragem, objetvado a vestgação sobre um certo feômeo, evolve
Leia maisEconometria: 4 - Regressão Múltipla em Notação Matricial
Ecoometra: 4 - Regressão últpla em Notação atrcal Prof. arcelo C. ederos mcm@eco.puc-ro.br Prof. arco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo
Leia maisRevisão de Estatística X = X n
Revsão de Estatístca MÉDIA É medda de tedêca cetral mas comumete usada ara descrever resumdamete uma dstrbução de freqüêca. MÉDIA ARIMÉTICA SIMPLES São utlzados os valores do cojuto com esos guas. + +...
Leia maisProfessor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø.
Professor Maurco Lutz 1 EGESSÃO LINEA SIMPLES A correlação lear é uma correlação etre duas varáves, cujo gráfco aproma-se de uma lha. O gráfco cartesao que represeta essa lha é deomado dagrama de dspersão.
Leia maisx n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População
ESTATÍSTICA STICA DESCRITIVA Prof. Lorí Val, Dr. val@mat.ufrgs.br http://.ufrgs.br/~val/ Orgazação; Resumo; Apresetação. Cojuto de dados: Amostra ou População Um cojuto de dados é resumdo de acordo com
Leia maisTESTES DE PROPORÇÕES TESTE DE UMA PROPORÇÃO POPULACIONAL
TESTES DE PROPORÇÕES TESTE DE UMA PROPORÇÃO POPULACIONAL As hpóteses a serem testadas serão: H 0 : p p 0 H : p p 0 p > p 0 p < p 0 Estatístca do Teste: pˆ p0 z c p ( p ) 0 0 EXEMPLOS. Uma máqua está regulada
Leia mais3. ANPEC Questão 15 Ainda em relação à questão anterior pode-se concluir que, exceto por erro de arredondamento:
Lsta de Exercícos #9 Ass uto: Aáls e de Re gres s ão Mé todo de Mímos Quadrados. ANPEC 99 - Questão 8 A capacdade de produção stalada (Y), em toeladas, de uma frma, pode ser fução da potêca stalada (X),
Leia maisMEDIDAS DE TENDÊNCIA CENTRAL I
Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, edca Veterára, uscoterapa, Odotologa, Pscologa EDIDAS DE TENDÊNCIA CENTRAL I 7 7. EDIDAS DE
Leia maisREGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi
REGESD Prolc Matemátca e Realdade- Profª Suz Samá Pto e Profº Alessadro da Slva Saad Meddas de Posção ou Tedêca Cetral As meddas de posção ou meddas de tedêca cetral dcam um valor que melhor represeta
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.
É o grau de assocação etre duas ou mas varáves. Pode ser: Prof. Lorí Val, Dr. val@pucrs.br http://www.pucrs.br/famat/val www.pucrs.br/famat/val/ correlacoal ou expermetal. Numa relação expermetal os valores
Leia maisCAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados
3.1. Meddas de Tedêca Cetral CAPÍTULO 3 MEDIDA DE TENDÊNCIA CENTRAL E VARIABILIDADE UFRG 1 Há váras meddas de tedêca cetral. Etre elas ctamos a méda artmétca, a medaa, a méda harmôca, etc. Cada uma dessas
Leia maisMétodos iterativos. Capítulo O Método de Jacobi
Capítulo 4 Métodos teratvos 41 O Método de Jacob O Método de Jacob é um procedmeto teratvo para a resolução de sstemas leares Tem a vatagem de ser mas smples de se mplemetar o computador do que o Método
Leia maisANÁLISE DE REGRESSÃO E CORRELAÇÃO
ANÁLISE DE REGRESSÃO E CORRELAÇÃO Quado se cosderam oservações de ou mas varáves surge um poto ovo: O estudo das relações porvetura estetes etre as varáves A aálse de regressão e correlação compreedem
Leia mais? Isso é, d i= ( x i. . Percebeu que
Estatístca - Desvo Padrão e Varâca Preparado pelo Prof. Atoo Sales,00 Supoha que tehamos acompahado as otas de quatro aluos, com méda 6,0. Aluo A: 4,0; 6,0; 8,0; méda 6,0 Aluo B:,0; 8,0; 8,0; méda 6,0
Leia maisEstudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples.
Estudo das relações etre peso e altura de estudates de estatístca através da aálse de regressão smples. Waessa Luaa de Brto COSTA 1, Adraa de Souza COSTA 1. Tago Almeda de OLIVEIRA 1 1 Departameto de Estatístca,
Leia maisMÓDULO 8 REVISÃO REVISÃO MÓDULO 1
MÓDULO 8 REVISÃO REVISÃO MÓDULO A Estatístca é uma técca que egloba os métodos cetícos para a coleta, orgazação, apresetação, tratameto e aálse de dados. O objetvo da Estatístca é azer com que dados dspersos
Leia maisProf. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística
Prof. Lorí Val, Dr. http://www.pucrs.br/famat/val/ val@pucrs.br Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Obetvos A Aálse de
Leia maisReconhecimento de Padrões. Reconhecimento de Padrões
Recohecmeto de Padrões 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 Escola Superor de Tecologa Egehara Iformátca Recohecmeto de Padrões Prof. João Asceso e Prof. Aa Fred Sumáro:
Leia maisApostila de Introdução Aos Métodos Numéricos
Apostla de Itrodução Aos Métodos Numércos PARTE III o Semestre - Pro a. Salete Souza de Olvera Buo Ídce INTERPOAÇÃO POINOMIA...3 INTRODUÇÃO...3 FORMA DE AGRANGE... 4 Iterpolação para potos (+) - ajuste
Leia maisRevisão/Resumo de Análise Estatística I e Introdução à Tecnologia da Amostragem I
Dscpla: Tecologa da Amostragem I Professor: Marcelo Rubes Revsão/Resumo de Aálse Estatístca I e Itrodução à Tecologa da Amostragem I 1 - Modelos Estatístcos/Probablístcos São modelos que se aplcam quado
Leia mais3. TESTES DE QUALIDADE DE AJUSTAMENTO
Testes da qualdade de ajustameto 3 TESTES DE QULIDDE DE JUSTMENTO 3 Itrodução formação sobre o modelo da população dode se extra uma amostra costtu, frequetemete, um problema estatístco forma da dstrbução
Leia mais( ) ( IV ) n ( ) Escolha a alternativa correta: A. III, II, I, IV. B. II, III, I, IV. C. IV, III, I, II. D. IV, II, I, III. E. Nenhuma das anteriores.
Prova de Estatístca Epermetal Istruções geras. Esta prova é composta de 0 questões de múltpla escolha a respeto dos cocetos báscos de estatístca epermetal, baseada os lvros BANZATTO, A.D. e KRONKA, S.N.
Leia maisDados Experimentais. Isto é chamado de experimento controlado. Uma das vantagens
Dados xpermetas Para medr a produção de certa varedade de mlho, faremos um expermeto o qual a varedade de mlho semete é platada em váras parcelas homogêeas com o mesmo fertlzate, pestcda etc. Depos mede-se
Leia maisESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO
Área Cetífca Matemátca Udade Curso Egehara do Ambete Ao º Semestre º Folha Nº 8: Aálse de Regressão e de Correlação Probabldades e Estatístca Ao 00/0. Pretede-se testar um strumeto que mede a cocetração
Leia maisRegressão e Correlação
Regressão e Correlação Júlo Osóro Regressão & Correlação: geeraldades Em mutas stuações de pesqusa cetífca, dspomos de uma amostra aleatóra de pares de dados (x, ), resultates da medda cocomtate de duas
Leia maisO delineamento amostral determina os processos de seleção e de inferência do valor da amostra para o valor populacional.
Curso Aperfeçoameto em Avalação de Programas Socas ª Turma Dscpla: Téccas quattatvas de levatameto de dados: prcpas téccas de amostragem Docete: Claudete Ruas Brasíla, ovembro/005 Pesqusa por amostragem
Leia maisMédia. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística
BAC 0 - Estatístca Uversdade Federal de Itajubá - Campus Itabra BAC0 - ESTATÍSTICA ESTATÍSTICA DESCRITIVA MEDIDAS DE CENTRO Méda Medda de cetro ecotrada pela somatóra de todos os valores de um cojuto,
Leia maisx Ex: A tabela abaixo refere-se às notas finais de três turmas de estudantes. Calcular a média de cada turma:
Professora Jaete Perera Amador 1 9 Meddas Descrtvas Vmos aterormete que um cojuto de dados pode ser resumdo através de uma dstrbução de freqüêcas, e que esta pode ser represetada através de uma tabela
Leia maisCursos de Licenciatura em Ensino de Matemática e de EGI. Teoria de Probabilidade
Celso Albo FACULDADE DE CIÊNCIAS NATURAIS E MATEMÁTICA DEPARTAMENTO DE MATEMÁTICA Campus de Lhaguee, Av. de Moçambque, km, Tel: +258 240078, Fax: +258 240082, Maputo Cursos de Lcecatura em Eso de Matemátca
Leia maisTestes não-paramétricos
Testes não-paramétrcos Prof. Lorí Val, Dr. http://www.mat.ufrgs.br/val/ val@mat.ufrgs.br Um teste não paramétrco testa outras stuações que não parâmetros populaconas. Estas stuações podem ser relaconamentos,
Leia maisRACIOCÍNIO LÓGICO / ESTATÍSTICA LISTA 2 RESUMO TEÓRICO
RACIOCÍIO LÓGICO - Zé Carlos RACIOCÍIO LÓGICO / ESTATÍSTICA LISTA RESUMO TEÓRICO I. Cocetos Icas. O desvo médo (DM), é a méda artmétca dos desvos de cada dado da amostra em toro do valor médo, sto é x
Leia maisRelatório 2ª Atividade Formativa UC ECS
Relatóro 2ª Atvdade Formatva Eercíco I. Quado a dstrbução de dados é smétrca ou apromadamete smétrca, as meddas de localzação méda e medaa, cocdem ou são muto semelhates. O mesmo ão acotece quado a dstrbução
Leia maisMÉTODO DOS MÍNIMOS QUADRADOS
MÉTODO DOS MÍNIMOS QUADRADOS I - INTRODUÇÃO O processo de medda costtu uma parte essecal a metodologa cetífca e também é fudametal para o desevolvmeto e aplcação da própra cêca. No decorrer do seu curso
Leia mais7 Análise de covariância (ANCOVA)
Plejameto de Expermetos II - Adlso dos Ajos 74 7 Aálse de covarâca (ANCOVA) 7.1 Itrodução Em algus expermetos, pode ser muto dfícl e até mpossível obter udades expermetas semelhtes. Por exemplo, pode-se
Leia mais6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS
7 6 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS A medção dreta é aquela cuja dcação resulta aturalmete da aplcação do sstema de medção sobre o mesurado Há apeas uma gradeza de etrada evolvda
Leia mais6. Inferência para Duas Populações USP-ICMC-SME 2013
6. Iferêca ara Duas Poulações UP-ICMC-ME 3 8.. Poulações deedetes co dstrbução oral Poulação Poulação,,,, ~ N, ~ N, ~ N, Obs. e a dstrbução de e/ou ão for oral, os resultados são váldos aroxadaete. Testes
Leia maisConceitos básicos de metrologia. Prof. Dr. Evandro Leonardo Silva Teixeira Faculdade UnB Gama
Prof. Dr. Evadro Leoardo Slva Teera Faculdade UB Gama Metrologa: Cêca que abrage os aspectos teórcos e prátcos relatvos a medção; Descreve os procedmetos e métodos para determar as certezas de medções;
Leia mais9 Medidas Descritivas
1 9 Meddas Descrtvas Vmos aterormete que um cojuto de dados pode ser resumdo através de uma dstrbução de freqüêcas, e que esta pode ser represetada através de uma tabela ou de um gráfco. Se o cojuto refere-se
Leia maisANÁLISE DE REGRESSÃO E CORRELAÇÃO
ANÁLISE DE REGRESSÃO E CORRELAÇÃO Quado se cosderam oservações de ou mas varáves surge um poto ovo: O estudo das relações porvetura estetes etre as varáves. A aálse de regressão e correlação compreedem
Leia maisApostla Básca de Estatístca Slvo Alves de Souza ÍNDICE Itrodução... 3 Software R... 4 Software SPSS... 5 Dstrbução ormal de probabldade... 6 Testes de Hpótese paramêtrco... Testes Não-Paramétrco...5 Dstrbução
Leia maisTeoria da Amostragem
Teora da Amostragem I- oções fudametas sobre amostragem. Amostragem é todo o processo de recolha de uma parte, geralmete pequea, dos elemetos que costtuem um dado couto. Da aálse dessa parte pretede obter-se
Leia mais5 Critérios para Análise dos Resultados
5 Crtéros para Aálse dos Resultados Este capítulo tem por objetvos forecer os crtéros utlzados para aálse dos dados ecotrados a pesqusa, bem como uma vsão geral dos custos ecotrados e a forma de sua evolução
Leia maisHipóteses do Modelo de Regressão Linear Clássico
Uversdade Federal da Baha Facldade de Cêcas coômcas Departameto de cooma CO 66 Itrodção à coometra Hpóteses do Modelo de Regressão Lear Clássco Gerváso F. Satos Propredades dos estmadores de MQO As estmatvas
Leia mais( k) Tema 02 Risco e Retorno 1. Conceitos Básicos
FEA -USP Graduação Cêcas Cotábes EAC05 04_0 Profa. Joaíla Ca. Rsco e Retoro. Cocetos Báscos Rotero BE-cap.6 Tema 0 Rsco e Retoro. Cocetos Báscos I. O que é Retoro? II. Qual é o Rsco de um Atvo Idvdual
Leia maisII. Propriedades Termodinâmicas de Soluções
II. Propredades Termodâmcas de Soluções 1 I. Propredades Termodâmcas de Fludos OBJETIVOS Eteder a dfereça etre propredade molar parcal e propredade de uma espéce pura Saber utlzar a equação de Gbbs-Duhem
Leia maisTeoria Elementar da Probabilidade. a) Cada experiência poderá ser repetida indefinidamente sob condições essencialmente inalteradas.
Estatístca 47 Estatístca 48 Teora Elemetar da Probabldade SPECTOS PERTINENTES À CRCTERIZÇÃO DE UM EXPERIÊNCI LETÓRI MODELOS MTEMÁTICOS DETERMINÍSTICOS PROBBILÍSTICOS PROCESSO (FENÓMENO) LETÓRIO - Quado
Leia maisMODELOS DE REGRESSÃO NÃO LINEARES
M. Mede de Olvera Excerto da ota peoa obre: MODELOS DE REGRESSÃO NÃO LINEARES Obervação No modelo de regreão dto leare, a varável depedete é exprea como fução lear do coefcete de regreão. É rrelevate,
Leia mais1. Revisão Matemática
1. Revsão Matemátca Dervadas Seja a fução f : R R, fxe x R, e cosdere a expressão : f ( x+ αe ) lmα 0 α f, ode e é o vector utáro. Se o lmte acma exstr, chama-se a dervada parcal de f o poto x e é represetado
Leia maisSumário. Mecânica. Sistemas de partículas
umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - stemas de partículas e corpo rígdo. - Cetro de massa. - Como determar o cetro de massa dum sstema de partículas. - Vetor
Leia maisESTATÍSTICA 2º. SEMESTRE DE 2016
ESTATÍSTICA O presete materal fo elaborado com o objetvo de facltar as atvdades em sala de aula, segudo a bblografa apresetada o fal do texto. Esclarece-se que o materal, ão substtu a bblografa apresetada,
Leia maisGrande Conjuntos de Dados. Organização; Resumo; Apresentação. Amostra ou População. Defeitos em uma linha de produção
Prof. Lorí Val, Dr. val@pucr.br http://www.pucr.br/~val/ Grade Cojuto de Dado Orgazação; Reumo; Apreetação. Amotra ou População Defeto em uma lha de produção Lacado Deeho Torto Deeho Torto Lacado Torto
Leia maisDisciplina: Prof. a Dr. a Simone Daniela Sartorio de Medeiros. DTAiSeR-Ar
Dscpla: 04 Relações etre varáves: Regressão Prof. a Dr. a Smoe Daela Sartoro de Mederos DTASeR-Ar Itrodução Cosdere uma varável aleatóra Y de teresse. Já vmos que podemos escrever essa varável como sedo:
Leia mais3 Análises Probabilísticas de Estabilidade
3 Aálses Probablístcas de Establdade 3.1 Itrodução Para facltar o etedmeto das metodologas de aálse de cofabldade serão apresetados este capítulo algus cocetos báscos de probabldade e estatístca. 3. Cocetos
Leia maisMEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12
MEDIDAS DE POSIÇÃO: São meddas que possbltam represetar resumdamete um cojuto de dados relatvos à observação de um determado feômeo, pos oretam quato à posção da dstrbução o exo dos, permtdo a comparação
Leia maisESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA
ESTATÍSTICA MÓDULO OS RAMOS DA ESTATÍSTICA Ídce. Os Ramos da Estatístca...3.. Dados Estatístcos...3.. Formas Icas de Tratameto dos Dados....3. Notação por Ídces...5.. Notação Sgma ()...5 Estatístca Módulo
Leia mais2 Procedimentos para Ajuste e Tratamento Estatístico de Dados Experimentais
48 Procedmetos para Ajuste e Tratameto Estatístco de Dados Expermetas. Itrodução Modelos matemátcos desevolvdos para descrever eômeos íscos a partr de observações expermetas devem ser baseados em dados
Leia maisTEORIA DE ERROS MEDIDAS E GRÁFICOS
Uversdade Federal de Juz de Fora Isttuto de Cêcas Eatas Departameto de Físca TEORIA DE ERROS MEDIDAS E GRÁFICOS Prof. Carlos R. A. Lma Edção Março de 010 ÌNDICE CAPÍTULO 1 - PRINCÍPIOS BÁSICOS DA ESTATÍSTICA
Leia maisÌNDICE APÊNDICE A - PRINCÍPIOS BÁSICOS DA ESTATÍSTICA
ÌNDICE APÊNDICE A - PRINCÍPIOS BÁSICOS DA ESTATÍSTICA ------------------------------------------------------------------------------- 03 A.- Itrodução ----------------------------------------------------------------------------------------------------------------------------
Leia maisAlguns Fundamentos Acerca dos Testes de Hipóteses
UNIVERSIDADE DA BEIRA INTERIOR Cêcas Algus Fudametos Acerca dos Testes de Hpóteses Adré Marques de Adrade Relatóro de Estágo para obteção do Grau de Mestre em Eso da Matemátca o 3º Cclo do Eso Básco e
Leia maisEstatística Básica - Continuação
Professora Adraa Borsso http://www.cp.utfpr.edu.br/borsso adraaborsso@utfpr.edu.br COEME - Grupo de Matemátca Meddas de Varabldade ou Dspersão Estatístca Básca - Cotuação As meddas de tedêca cetral, descrtas
Leia maisAULA Produto interno em espaços vectoriais reais ou complexos Produto Interno. Norma. Distância.
Note bem: a letura destes apotametos ão dspesa de modo algum a letura ateta da bblografa prcpal da cadera Chama-se a ateção para a mportâca do trabalho pessoal a realzar pelo aluo resoledo os problemas
Leia maisTeoria das Comunicações
Teora das Comucações.6ª Revsão de robabldade rof. dré Noll arreto rcíos de Comucação robabldade Cocetos áscos Eermeto aleatóro com dversos resultados ossíves Eemlo: rolar um dado Evetos são cojutos de
Leia mais1. Conceitos básicos de estatística descritiva 1.3. Noção de extracção aleatória e de probabilidade
Sumáro (3ª aula). Cocetos báscos de estatístca descrtva.3. Noção de etracção aleatóra e de probabldade.4 Meddas de tedêca cetral.4. Méda artmétca smples.4. Méda artmétca poderada.4.3 Méda artmétca calculada
Leia maisForma padrão do modelo de Programação Linear
POGAMAÇÃO LINEA. Forma Padrão do Modelo de Programação Lear 2. elações de Equvalêca 3. Suposções da Programação Lear 4. Eemplos de Modelos de PPL 5. Suposções da Programação Lear 6. Solução Gráfca e Iterpretação
Leia maisCAPÍTULO 9 - Regressão linear e correlação
INF 6 Prof. Luz Alexadre Peterell CAPÍTULO 9 - Regressão lear e correlação Veremos esse capítulo os segutes assutos essa ordem: Correlação amostral Regressão Lear Smples Regressão Lear Múltpla Correlação
Leia maisCentro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola
Cetro de Cêcas Agráras e Ambetas da UFBA Departameto de Egehara Agrícola Dscpla: AGR116 Boestatístca Proessor: Celso Luz Borges de Olvera Assuto: Estatístca Descrtva Tema: Meddas de Posção e Meddas de
Leia mais16/03/2014. IV. Juros: taxa efetiva, equivalente e proporcional. IV.1 Taxa efetiva. IV.2 Taxas proporcionais. Definição:
6// IV. Juros: taxa efetva, equvalete e proporcoal Matemátca Facera Aplcada ao Mercado Facero e de Captas Professor Roaldo Távora IV. Taxa efetva Defção: É a taxa de juros em que a udade referecal de seu
Leia maisArquitetura da ART Controle 1 Controle 2
Teora de Ressoâca Adaptatva - ART Arqutetura da ART Cotrole Cotrole 2 Desevolvda por Carpeter e Grossberg como uma alteratva para resolver o dlema establdade-plastcdade (rede ão aprede ovos padrões). Realme
Leia mais3 Modelos Lineares Generalizados
3 Modelos Leares Geeralzados No capítulo foram cosderados apeas modelos leares com dstrbução ormal e fução de lgação detdade. Neste capítulo apresetamos os modelos leares geeralzados (MLG, que foram propostos
Leia maisAPOSTILA DA DISCIPLINA INFERÊNCIA ESTATÍSTICA I
UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA PLANO DE ENSINO Fcha º APOSTILA DA DISCIPLINA INFERÊNCIA ESTATÍSTICA I Dscpla: Iferêca Estatístca I Turma : A Códgo:
Leia maisAnálise de Regressão
Aálse de Regressão Prof. Paulo Rcardo B. Gumarães. Itrodução Os modelos de regressão são largamete utlzados em dversas áreas do cohecmeto, tas como: computação, admstração, egeharas, bologa, agrooma, saúde,
Leia maisCaracterização de Partículas. Prof. Gerônimo
Caracterzação de Partículas Prof. Gerômo Aálse Graulométrca de partículas Tabela: Sére Padrão Tyler Mesh Abertura Lvre (cm) âmetro do fo () 2 ½ 0,7925 0,088 0,6680 0,070 ½ 0,56 0,065 4 0,4699 0,065
Leia maisMATERIAL DE ESTATÍSTICA II PROF. MÁRIO ROBERTO
1 VARIÁVEIS ALEATÓRIAS O que se etede por varável aleatóra? Até agora ossos estudos estavam pratcamete voltados mas para defrmos osso Espaço Amostral U, sem assocarmos suas respectvas probabldades aos
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca
Leia maisAmostras Aleatórias e Distribuições Amostrais. Probabilidade e Estatística: afinal, qual é a diferença?
Amostras Aleatórias e Distribuições Amostrais Probabilidade e Estatística: afial, qual é a difereça? Até agora o que fizemos foi desevolver modelos probabilísticos que se adequavam a situações reais. Por
Leia maisCapítulo 1. Exercício 5. Capítulo 2 Exercício
UNIVERSIDADE FEDERAL DE GOIÁS CIÊNCIAS ECONÔMICAS ECONOMETRIA (04-II) PRIMEIRA LISTA DE EXERCÍCIOS Exercícos do Gujarat Exercíco 5 Capítulo Capítulo Exercíco 3 4 5 7 0 5 Capítulo 3 As duas prmeras demonstrações
Leia maisINTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA
INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA 003 Iformações: relembra-se os aluos teressados que a realzação de acções presecas só é possível medate solctação vossa, por escrto, à assstete da cadera. A realzação
Leia mais1. Conceito de variável aleatória Podemos estudar, por exemplo, algumas características dos alunos do Curso de estatística.
CAPÍTULO 7 VARIÁVEL ALEATÓRIA A probabldade teve íco com os jogos de azar (século XVII) com Cavalero de Nere, Fermat e Pascal, porém, coube a Beroull (73) laçar as bases da probabldade e a segur Laplace
Leia maisApêndice 1-Tratamento de dados
Apêdce 1-Tratameto de dados A faldade deste apêdce é formar algus procedmetos que serão adotados ao logo do curso o que dz respeto ao tratameto de dados epermetas. erão abordados suctamete a propagação
Leia maisAnálise Estatística com Excel. Prof. Dr. Evandro Marcos Saidel Ribeiro
Aálse Estatístca com Excel Prof. Dr. Evadro Marcos adel Rbero E-mal: esadel@usp.br Home page: www.fearp.usp.br/~sadel Módulo Itrodução. Apresetação geral dos tópcos do curso. Estatístca e Excel a empresa
Leia mais