Revisão/Resumo de Inferência Estatística
|
|
- Izabel Fontes Valente
- 5 Há anos
- Visualizações:
Transcrição
1 Dscpla: Boestatístca Professor: Marcelo Rubes Revsão/Resumo de Iferêca Estatístca - Modelos Estatístcos/Probablístcos São modelos que se aplcam quado este claramete a preseça de uma compoete aleatóra ou estocástca o eveto ou feômeo que se deseja modelar. A aleatoredade estará presete em ossos modelos toda vez que ão pudermos determar com eatdão o resultado do eveto que desejamos modelar provocado por cosegute a observação de erros de modelagem. Etre as possíves causas para a preseça desses erros, podemos ctar: mprecsões do strumeto de mesuração ( equpametos, processo de medção, etc...); mprecsão da teora acerca do modelo; preseça de úmeros outros fatores (em geral dspoíves, dfíces de detfcar e mesurar, julgados rrelevates ou de elevado custo/beefíco) que afetam o feômeo em estudo. Apesar de ão observáves pelo modelo, esses erros apresetam, em geral, característcas probablístcas que os permtem estmar e ferr pequeos tervalos ode eles estarão dspersos com elevado ível de cofaça. No processo de aálse e estudo dos erros de modelagem e estmatva de parâmetros do modelo, utlzamos o strumetal da ferêca estatístca: Estatístca: cêca que lda com a orgazação, descrção, aálse e terpretação de dados epermetas sujetos às les do acaso. PROCESSOS DEDUTIVOS PROCESSOS INDUTIVOS OU INFERENCIAIS PROCESSO DEDUTIVO AMOSTRA POPULAÇÃO PROCESSO INDUTIVO ESTATÍSTICA INFERENCIAL OU INDUTIVA Amostragem e Estmação Estatístca descrtva Cálculo de Probabldades Estatístca Iferecal
2 - Amostragem O processo de plaejameto ou de tomada de decsões sob codções de certeza ege o cohecmeto de certas característcas quattatvas ou qualtatvas de uma determada população. Esse cohecmeto pode ser adqurdo através de estudos ou levatametos ode são realzadas medções de característcas quattatvas ou cotages de característcas qualtatvas a partr de todos os elemetos dessa população - levatameto cestáro - ou de uma subcojuto ou amostra dela - levatameto amostral. Nos levatametos sobre característcas qualtatvas, em geral o alvo das aálses são as proporções ou freqüêcas relatvas de cada característca a população total. Quado o estudo refere-se a característcas quattatvas mesuráves em escala de valores umércas (e.: peso, reda,...), usualmete o teresse repousa sobre uma medda de tedêca cetral dos valores como a méda e uma medda de varabldade ou dspersão como a varâca e o desvo padrão. O cohecmeto de formações atualzadas e precsas é fudametal para um bom plaejameto e tomada de decsões, etretato, levado-se em cosderação que em pratcamete todo tpo de plaejameto este a preseça de certeza e cotgêcas futuras deve-se levar em cosderação uma margem de erro permssível. Em prcípo, a déa que se tem de um levatameto cestáro é que ele é mas precso que um levatameto amostral, etretato a eperêca tem costatado que podem ocorrer erros devdos à: ) mperfeção dos questoáros; ) treameto da equpe de coleta; 3) coleta de dados; 4) crítca dos dados. Esses erros, cohecdos como erros ão amostras. tedem a ser mas freqüetes quato maor for a população alvo da pesqusa, especalmete os casos em que um ceso evolve meddas ou cocetos mas compleos tato para o etrevstador quato para o etrevstado. Alteratvamete, uma pesqusa por amostra eecutada em cocordâca com certos prcípos estatístcos permte ão só estmar o valor ou a proporção da característca para a população como um todo, como também obter-se uma estmatva válda através de métodos probablístcos do erro de amostragem erete, permtdo ada, um maor cotrole sobre os erros ão amostras. Quado comparado com o levatameto cestáro, além dessas característcas, esse tpo de levatameto apreseta como vatages meores custo e tempo de processameto e é a úca alteratva vável para cotrole de qualdade que evolve testes destrutvos e os casos ode a população é cosderada fta. De um modo geral, o comportameto do erro amostral é oposto ao do erro ão amostral, ou seja, ele dmu a medda que o tamaho da amostra aumeta. Covém ressaltar, que a redução o erro de amostragem é substacal para aumetos cas o tamaho da amostra, porém, após um certo estágo toram-se margas ou desprezíves. Talvez a grade maora das stuações, a soma dos erros amostras e ão amostras de uma pesqusa por amostra é feror aos erros ão amostras de um ceso.
3 . - Teora da Amostragem A teora da amostragem é um dos compoetes mportates de um estudo de ferêca estatístca, que cosste a formulação de certos julgametos e coclusões sobre um todo (população) após eamar-se apeas uma parte (amostra) dele, tedo-se por base resultados da estatístca descrtva e do cálculo de probabldades. Desta defção cocluímos que uma ferêca estatístca ege a adoção de um método probablístco ou aleatóro de seleção da amostra. Os processos probablístcos de seleção de uma amostra são mportates porque evtam a trodução de tedêcas os resultados da amostragem. Uma amostra é dta probablístca se a sua seleção é feta de maera que cada elemeto da população tem probabldade cohecda de ser selecoado. A segur resummos os prcpas métodos probablístcos de seleção de amostras: ) Amostragem aleatóra smples: refere-se a uma amostra selecoada de uma população de tal maera que cada combação dos elemetos da população tem probabldade gual de ser selecoado podedo ser realzada com reposção e sem reposção; ) Amostragem estratfcada: cosste em dvdr a população em grupos (chamados estratos) por um processo deomado estratfcação e de cada grupo selecoar uma amostra aleatóra smples ou outra espéce de amostra aleatóra. A dvsão da população em grupos tem por faldade jutar um mesmo grupo elemetos da população mas homogêeos etre s quato à característca em estudo do que a população como um todo, e de estrato para estrato um comportameto substacalmete dverso; 3) Amostragem por coglomerados: cosste em dvdr a população em grupos e uma amostra de grupos é selecoada aleatoramete para represetar a população. Os grupos servem como udade de amostragem; 4) Amostragem sstemátca: quado os elemetos da população se apresetam ordeados e a retrada dos elemetos da amostra é feta perodcamete, sedo o prmero elemeto sorteado aleatoramete. Estem também os chamados métodos ão probablístcos de seleção de amostras cuja utlzação ão permte que se coheça a precsão dos resultados obtdos, sedo esta precsão codcoada a suposções ou julgametos que ão podem ser meddos objetvamete. Detre esses métodos ctamos: ) Amostragem acdetal; ) Amostragem tecoal; 3) Amostragem por quotas.. - Dstrbuções Amostras.. - Defções e Notação Supoha-se uma população fta cosstdo de N udades e seja X o valor da varável X para a característca em estudo para a -ésma udade. Também supoha que uma amostra aleatóra smples de tamaho teha sdo etraída desta população, teremos: 3
4 População={X, X,..., X N } Amostra={,,..., } Como percebe-se, serão usadas letras maúsculas para desgar os valores da população e letras músculas para as observações da amostra. Defe-se como parâmetro de uma população a alguma fução de todas as udades da população (θ=f(x,...,x N )). Abao algus parâmetros usuas da estatístca descrtva: Se a característca é mesurável quattatvamete: µ EX ( ) X N X = = = = N (méda populacoal) N ( X X) = σ = VAR( X) = E[( X µ ) ] = (varâca populacoal) N = VAR( X) (desvo padrão populacoal) σ Se a característca é qualtatva represetado algum atrbuto de uma população, etão a varável dcadora X receberá o valor quado a característca é observada e quado o atrbuto ão é observado. Etão N X = é o úmero total de elemetos da população que apresetam o atrbuto, e a fórmula da méda represeta a proporção ou freqüêca relatva (P) dos elemetos da população ode a característca é observada a população total: N X P = = N Uma fução dos valores de uma amostra probablístca f(,,..., ) é deomada de uma estatístca. Eemplo: = = (méda amostral) Um estmador é uma estatístca obtda por um procedmeto específco para estmar um parâmetro da população. Como eemplo podemos utlzar a méda amostral para estmar a méda populacoal. Como a amostra utlzada é aleatóra, etão um estmador será uma varável aleatóra, já que seu valor dfere de amostra para amostra. Estmatva é um valor partcular que o estmador assume para uma dada amostra. Um estmador de um parâmetro θ ( θ ˆ = f (,..., ) ) é dto ão tedecoso se o seu valor esperado é gual ao referdo parâmetro da população, ou seja, µ θ = E(ˆ θ) = θ. Pode-se calcular também a varâca e o desvo padrão do estmador: ˆ σ = VAR(ˆ) θ = E[(ˆ θ µ ) ] (varâca ou precsão do estmador) θˆ σ θ ˆ = VAR(ˆ) θ θˆ (desvo padrão ou erro padrão do estmador) 4
5 .. - Estmadores Amostras ão Tedecosos ) Estmador ão tedecoso para a méda populacoal (µ ): = µ ˆ = =, portato, E( )=µ, (obs.: o chapéu sobre o µ dca seu estmador) e alem dsso, se a amostra for aleatóra smples (AAS) com reposção: VAR( ) = σ = σ, e se a amostra for aleatóra smples (AAS) sem reposção: σ N VAR() = σ = N Obs.: essa varâca dfere da ateror pelo fator de correção para populações ftas N, que tede à udade quado a população (N) tede para o fto, e N portato, quado a população é sufcetemete grade podemos cosderar o resultado da varâca da méda amostral gual ao resultado obtdo para amostragem com reposção. Por sso de agora em date somete cosderaremos esse tpo de amostragem aleatóra. ) Estmador ão tedecoso para a varâca populacoal (σ ): ( ) ˆ = σ = s =, portato, E( s )=σ..3 - Dstrbuções de Probabldade dos Estmadores Amostras ão Tedecosos Para amostras sufcetemete grades (geralmete de tamaho maor que 5 de acordo com a Le dos Grades Números) podemos cosderar que o Teorema do Lmte Cetral é váldo, portato: a) a dstrbução de probabldade da méda amostral será ormal: µ ~ Normal( µ ; σ / ) ~ Normal (,) σ b) Decorrete do teorema (.4. da apostla de prob.) pode-se demostrar: ( )s σ ~ c) Decorrete do resultado ateror e do teorema (.4. da apostla de prob.) pode-se demostrar: µ ~ t s 5
6 d) Dstrbução amostral da proporção: Numa amostra de tamaho (,,..., ) de uma varável dcadora X a soma amostral = y = tem dstrbução bomal com méda E(y)=P e varâca VAR(y)=PQ, ode Q=-P. Portato o estmador da proporção populacoal Pˆ = p = terá dstrbução também bomal com méda E(p)=P e varâca = VAR(p)=PQ/. Para sufcetemete grade, a dstrbução amostral da proporção p será: p ~ Normal(P; PQ / ) 3 - Resumo sobre Teora da Estmação 3. - Métodos de Estmação Potual Na ferêca estatístca clássca, em geral, temos um modelo probablístco que supõe-se gerador dos valores de característcas mesuráves de uma população. Esses modelos probablístcos são geralmete formulados em termos de parâmetros que os caracterzam (Eemplo: a dstrbução ormal é formulada em termos dos parâmetros µ e σ). Na prátca, devdo a mpossbldade de se avalar todos os elemetos de uma população, decorrete das lmtações de custo e de tempo, os parâmetros dos modelos probablístcos são descohecdos, restado somete a possbldade de estmá-los com base em subcojutos, ou amostra, da população. Podemos admtr dos tpos báscos de estmação: estmação potual e estmação tervalar. Na estmação potual, dado um estmador (fução dos valores da amostra) ecotramos um valor (uma estmatva) que se acredta estar próma do verdadero valor umérco do parâmetro. Algus crtéros aulam a seleção dos estmadores potuas, sedo eles: Seja o estmador θ ˆ = g(,..., ) para o parâmetro θ.. Tedêca ou víco (VIÉS): É quato o estmador dfere em méda do verdadero parâmetro populacoal: VIÉS( θˆ ) = E [( θˆ ) - θ] Covecoa-se que um bom estmador deva ter tedêca ula, ou, pelo meos VIÉS θˆ, lm VIÉS θˆ = asstotcamete ulo () () 6
7 . Cosstêca θˆ (X,...,X ) é cosstete se lm Ρ ( θˆ θ ε) =, ε >. Ou seja θˆ coverge em probabldade para θ Quado um estmador cosstete é ão tedecoso também, etão este caso, mostra-se que lm VAR( θ) = ˆ Estes estmadores são chamados de estmadores coeretes (Meyer). 3. Efcêca Dados dos estmadores ˆθ e ˆθ para um parâmetro θ, etão ˆθ será mas efcete que ˆθ se: VAR( ˆθ ) < VAR( ˆθ ) 4. Erro Quadrátco Médo teo. () ˆ = E( θˆ θ) VAR() θˆ + VIÉS() θˆ EQM θ = Sob esse crtéro, o melhor estmador é aquele que possu o meor EQM Estmação Itervalar Na estmação tervalar, o lugar de somete um valor, ecotramos uma faa de valores (Itervalo de Cofaça) cuja probabldade (codcoal ou ão) de coter o verdadero parâmetro é cohecda e elevada. Cohecdos o estmador e sua respectva dstrbução de probabldade, pode-se costrur, a partr de suas estmatvas, tervalos de cofaça com uma determada probabldade de clur o verdadero parâmetro populacoal. Essa probaldade é chamada de ível de cofaça = (-α). Os íves de cofaça usuas são acma de 9% (9%, 95%, 99%,...). Itervalo de cofaça de (-α) para um parâmetro θ é o tervalo [ l ; l s ] tal que P(l ode, l lmte feror do tervalo de cofaça l s lmte superor do tervao de cofaça θ l ) = α A otação covecoada aqu para deotar um tervalo de cofaça é a segute: IC (-α) (θ): [ l ; l s ] s 7
8 Eemplo: se afrmamos que IC 95% (µ): [ 47,4 ; 5,3 ] sso mplca que P(47,4 µ 5,3) = 95% Itervalo de Cofaça para a Méda Populacoal PARA σ CONHECIDO Sabemos que: µ σ ~ Normal (,) Sedo z α/ o valor tabelado da dstrbução Normal padrozada de modo que P(Z>z α/ )= P(Z<-z α/ )=α/, etão: µ P σ σ z α z α = -α P z α µ + z α = -α σ IC (-α) (µ ): l σ = z α ;ls = + z α σ, PARA σ DESCONHECIDO Estma-se o σ através de seu estmador ão tedecoso: µ Sabemos que: ~ t s ( ) = s = Sedo t (-,α/) o valor tabelado da dstrbução t-studet com - graus de lberdade tal que P(t - >t (-,α/))= P(t - <-t (-,α/))=α/, etão: 8
9 µ P t (, α ) t (, α ) =-α s s s P t (, α ) µ + t (, α ) = -α s s IC (-α) (µ ): l = t (, α ) ;ls = + t (, α ) Itervalo de Cofaça para a Varâca Populacoal Sabemos que: ( ) σ s ~ - Sedo (-,α/) o valor tabelado da dstrbução Qu-quadrado com - graus de lberdade tal que P( - > (-,α/) )=α/ ; e o valor tal que (-,-α/) P( - > )=-α/, etão: (-,-α/) P (, α ) ( ) σ s (, α ) =-α P ( ) s ( ) σ s (, α ) (, α ) =-α IC (-α) (σ ): l = ( ) s ( ) (, α ) ;l s = s (, α ) Itervalo de Cofaça para a Proporções p P Sabemos que: ~ Normal(; ) p( p) P p P p( p) p( p) z α zα = -α P p( p) p zα P p + zα = -α 9
10 IC (-α) (P): p( p) = p zα ;ls = p + zα p( p) l, 4 - Teste de Hpótese Hpótese estatístca: é uma afrmação a respeto de um parâmetro de uma varável aleatóra. Teste de hpótese: é uma regra que os dz se acetamos ou rejetamos uma hpótese estatístca para uma amostra observada. A hpótese a ser testada é chamada de hpótese ula (H ). Uma hpótese alteratva (H ) é cosderada verdadera quado (H ) é falsa. α - ível de sgfcâca do teste (probabldade de rejetar H sedo ela verdadera) β - prob. rejetar H sedo ela verdadera DECISÕES E RESULTADOS QUADRO DAS DECISÕES POSSÍVEIS H É VERDADEIRA ESTADO DA NATUREZA H É VERDADEIRA DECISÃO ACEITAR H Decsão correta - P=(-α) Erro tpo II P=(β) REJEITAR H Erro tpo I - P=(α) Decsão correta P=(-β) Supoha que a lustração segute tehamos: H : µ =5 H : µ =8
11 Da fgura acma percebemos que quado aumetamos α etão β dmu e vce-versa. A postura estatístca clássca sugere que trabalhemos somete com α e deemos o β de lado, já que ão há como mmzar ambas as probabldades de erros. Portato quado acetamos H para um α pequeo (pequea probabldade do erro de tpo I) ão sabemos a probabldade β de estarmos errado caso a hpótese alteratva seja de fato verdadera (probabldade do erro de tpo II deve ser grade). 4. Testes Clásscos ou Paramétrcos O procedmeto estatístco clássco para testar hpóteses basea-se a defção de um pequeo ível de sgfcâca (α) fado a pror do procedmeto de teste. No lvro do Ermes, Elo, Valter, Afrâo (este lvro o procedmeto clássco é chamado de teste de sgfcâca, porém o lvro do Larso esta deomação tem um sgfcado dferete que adotaremos e abordaremos a seção segute) temos uma boa argumetação para justfcar a mportâca do erro de tpo I frete ao erro do tpo II através dos eemplos do julgameto de um réu e da decsão de um médco sobre uma crurga, vsto que ormalmete é preferível dear um culpado solto (erro tpo II) do que codear um ocete (erro tpo I), assm como é também preferível ão operar um pacete que ecessta (erro tpo II) do que operá-lo quado ão há ecessdade (erro tpo I), por razões aálogas é melhor acetar H quado ela é falsa (erro do tpo II) do que rejetá-la quado ela é verdadera (erro do tpo I), sedo este o tpo de erro que mmzamos pos é o meos desejado. No teste de sgfcâca são defdas duas regões que permtem decdr se acetamos (regão de acetação - RA) ou rejetamos a hpótese ula (regão crítca - RC) e o que se faz é observar a qual regão pertecerá a estmatva amostral do estmador do parâmetro em teste. Como o ível de sgfcâca é especfcado a pror, podemos estabelecer a regão crtca com base a dstrbução de probabldade do estmador amostral e da probabldade P(θˆ RC H ) = α, equvalete a P(θˆ RA H ) = -α. Quado uma estmatva pertece a uma regão de acetação é melhor afrmar que ão há evdêcas empírcas para se rejetar H por uma questão semâtca. Coforme dscussão ateror, a eplcação para sto é que o rsco ao se acetar H, ou seja, a probabldade de se cometer o erro de tpo II, β, é descohecdo a regra de decsão clássca. Por essa regra só se cohece o rsco de se rejetar H, α, por sso faz mas setdo fazer afrmações sobre a rejeção ou ão de H. Estem três tpos padrões para a formulação das hpóteses que proporcoam tpos de testes de hpóteses dferetes, assm como procedmetos de decsão com base em regões crítcas dsttas: o. Tpo: H : θ = θ H : θ θ
12 o. Tpo: H : θ = θ H : θ < θ 3 o. Tpo: H : θ = θ H : θ > θ A segur apresetamos eemplos de regões crítcas dos testes de hpóteses clásscos para a méda populacoal. As regões de decsão foram costruídas para que a coclusão do teste seja baseada a estmatva de. PARA σ CONHECIDO o. Tpo: H : µ = µ H : µ µ µ P σ σ z α z α = -α Pµ z α µ + zα = -α σ σ σ RC=(-, µ zα ) ( µ + z α, + ) σ σ RA=[ µ zα, µ + z α ] o. Tpo: H : µ = µ H : µ < µ
13 µ P σ σ z σ α = -α P µ zα = -α P < µ zα = α σ RC=(-, µ z α ) σ RA=[ µ z α,+ ) 3 o. Tpo: H : µ = µ H : µ > µ µ P σ σ RC=( µ + zα,+ ) σ RA=(-, µ + zα ] > z α σ = α P > µ + z α = α PARA σ DESCONHECIDO o. Tpo: H : µ = µ H : µ µ µ P t (, α ) t (, α ) =-α s s s Pµ t (, α ) µ + t (, α ) =-α s s RC=(-, µ t (, α ) ) ( µ + t (, α ), + ) s s RA=[ µ t (, α ), µ + t (, α ) ] o. Tpo: H : µ = µ H : µ < µ P s µ t (, α) s = -α... P < µ t (, α) = α 3
14 s RC=(-, µ t (, α) ) s RA=[ µ t (, α),+ ) 3 o. Tpo: H : µ = µ H : µ > µ µ P > t s s RC=( µ + t (, α),+ ) s RA=(-, µ + t (, α) ] (, α) s = α P > µ + t (, α) = α A segur apresetamos eemplos de regões crítcas dos testes de hpóteses clásscos para a varâca populacoal. As regões de decsão foram costruídas para que a coclusão do teste seja baseada a estmatva de s. o. Tpo: H : σ = σ H : σ σ RC=[, RA=[ o. Tpo: H : σ = σ H : σ < σ RC=[, RA=[ P P ( (, α ) ( ) σ s (, α ) =-α σ σ s (, α ) σ ) (, α ) ( ), σ (, α ) ( ) σ ( ) (, α) ) (, α) σ,+ ) ( ) ( ) ( ) (, α ) σ (, α ) ( ) P σ, + ) (, α ) ( ) ] σ (, α) s ( ) =-α =-α 4
15 3 o. Tpo: H : σ = σ H : σ > σ RC=( RA=[, (, α) σ,+ ) ( ) (, α) ] σ ( ) P s σ ( ) (, α) =-α A segur apresetamos eemplos de regões crítcas dos testes de hpóteses clásscos para proporções. As regões de decsão foram costruídas para que a coclusão do teste seja baseada a estmatva de p. o. Tpo: H : P = P H : P P P p P p( p) p( p) z α zα = -α P p( p) P zα p P + zα = -α p( p) p( p) RC=(-, P z α ) ( P + z α, + ) p( p) p( p) RA=[ P z α, P + z α ] o. Tpo: H : P = P H : P < P RC=(-, RA=[ P P P p P p( p) z α = -α P p( p) p P zα = -α p( p) P p < P zα = α p( p) z α ) p ( p ) z α,+ ) 5
16 3 o. Tpo: H : P = P H : P > P P p P p( p) > z α = α P p( p) p > P + zα = α p( p) RC=( P + z α,+ ) p( p) RA=(-, P + z α ] 4. Teste de Sgfcâca (p-valor) Os procedmetos clásscos descrtos a seção ateror, por serem testes do tpo rejeta/ão-rejeta para cada ível de sgfcâca α pré-estabelecdo, apresetam o coveete de serem fleíves para dferetes íves α, ou seja, se precsarmos adotar uma regra de decsão para íves de sgfcâcas dferetes daquele calmete estabelecdo, o procedmeto de cálculo deverá ser todo refeto para cada ovo α. Para cotorar tal problema defe-se o p-valor que cosste a probabldade de ocorrerem valores da estatístca de teste mas etremos (o setdo da regão crítca) que o observado a suposção de que H seja verdadero. Este tpo de procedmeto é usualmete adotado quado se trabalha com pacotes computacoas estatístcos que forecem o cálculo dos p-valores. De posse do p- valor pode-se coclur o teste de hpótese para qualquer ível α com base a segute regra de decsão: Regra de decsão: p-valor > α ão-rejete H p-valor α rejete H 4.3 Teste Qu-quadrado Os testes clásscos são também cohecdos como testes paramétrcos porque checam afrmações sobre parâmetros de uma dstrbução de probabldade que se supõe possur a estatístca de teste a pror. Porém esta suposção pode ser alvo de cotrovérsas teórcas ou empírcas. O teste qu-quadrado é um procedmeto de teste de hpótese que serve para checar estatstcamete a aderêca de um cojuto de dados a uma determada dstrbução de probabldade. Ao testar aderêca a uma dstrbução, ou seja, ão assumdo ehuma dstrbução a pror, e por ão testar afrmações sobre parâmetros, trata-se de um teste classfcado como ão-paramétrco. Supoha um epermeto, cujo espaço amostral apresete uma determada partção (coleção mutuamete eclusva e eaustva) de evetos, partção para a qual seja observada a segute coleção de freqüêcas O, O,..., O k. Supoha por hpótese (H ) adcoalmete que esta partção apresete uma dstrbução de 6
17 probabldades com freqüêcas esperadas respectvamete de e, e,..., e k. Provase que, sob H, a estatístca, com fórmula apresetada a segur, tem dstrbução obs asstótca qu-quadrado com k- ( k ) graus de lberdade: obs = k = ( O e ) e Com base a dstrbução desta estatístca de teste pode-se motar um teste de sgfcâca a partr de pacotes computacoas. Esta mesma estatístca permte ser adaptada para testes de depedêca a partr de tabelas de cotgêca. Nestes casos as freqüêcas esperadas correspodem àquelas decorretes da hpótese de depedêca etre os crtéros de partção que defem as lhas e as coluas de uma tabela de cotgêca. Referêcas Bblográfcas: Meyer, P.L., Probabldade: Aplcações à Estatístca, a. Ed., 983 Costa Neto, P. L. O., Estatístca, 977 Larso, H. J., Itroducto to Probablty Theory ad Statstcal Iferece, 3ª Ed. Hoffma, R., Estatístca para Ecoomstas, 3 ª Ed. da Slva, E. M., da Slva, E.M., Goçalves, V., Murolo, A. C., Estatístca para os Cursos de Ecooma, Admstração e Cêcas Cotábes, vol., a.ed., 997 7
Revisão/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 maisCap. 5. Testes de Hipóteses
Cap. 5. Testes de Hpóteses Neste capítulo será estudado o segudo problema da ferêca estatístca: o teste de hpóteses. Um teste de hpóteses cosste em verfcar, a partr das observações de uma amostra, se uma
Leia maisInferência 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 maisMacroeconometria Aula 3 Revisão de estatística e teste de hipótese
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.
Leia maisEstatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual
Estatístca: Aplcação ao Sesorameto Remoto SER 04 - ANO 08 Estmação Potual Camlo Daleles Reó camlo@dp.pe.br http://www.dp.pe.br/~camlo/estatstca/ Iferêca Estatístca Cosdere o expermeto: retram-se 3 bolas
Leia maisRegressao Simples. Parte II: Anova, Estimação Intervalar e Predição
egressao Smples Parte II: Aova, Estmação Itervalar e Predção Aálse de Varâca Nem todos os valores das amostras estão cotdos a reta de regressão, e quato mas afastados estverem por, a reta represetará a
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 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 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 maisNas Instituições de Ensino Superior(IES), há uma relação direta entre a qualidade do ensino e a taxa de inadimplência. A taxa de inadimplência das
CORRELAÇÃO Nas Isttuções de Eso Superor(IES), há uma relação dreta etre a qualdade do eso e a taxa de admplêca. A taxa de admplêca das IES que obtveram cocetos A e B o Provão é,%, as que obtveram C é 6%
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 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 maisDISTRIBUIÇÃO HIPERGEOMÉTRICA
7 DISTRIBUIÇÃO HIPERGEOMÉTRICA Cosdere-se uma população fta costtuída por N elemetos dstrbuídos por duas categoras eclusvas e eaustvas de dmesões M e N M, respectvamete. Os elemetos da prmera categora
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 maisANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS
ANÁLISE DE ERROS A oservação de um feómeo físco ão é completa se ão pudermos quatfcá-lo. Para é sso é ecessáro medr uma propredade físca. O processo de medda cosste em atrur um úmero a uma propredade físca;
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 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 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 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 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 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 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 maisAvaliação da qualidade do ajuste
Avalação da qualdade do ajuste 1 Alguma termologa: Modelo ulo: é o modelo mas smples que pode ser defdo, cotedo um úco parâmetro ( µ) comum a todos os dados; Modelo saturado: é o modelo mas complexo a
Leia maisEstatística: uma definição
Prof. Lorí Val, Dr. - val@pucrs.br http://www.pucrs.br/famat/val/ Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Estatístca: uma defção Coleç Coleção de ú úmeros estatí estatístcas O ú ú mero
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 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 maisa) 1,8 e 4,6. b) 2,0 e 2,2. c) 1,8 e 5,2. d) 2,0 e 4,6. e) 2,0 e 1,9.
Questão : As otas de dez aluos, um exame, estão dadas a segur:, 5, 8, 3, 6, 5, 8, 7, 6, 0 O desvo médo e a varâca dessas otas podem ser expressos, respectvamete, por: a),8 e 4,6 b),0 e, c),8 e 5, d),0
Leia maisProbabilidades e Estatística
Departameto de Matemátca robabldades e Estatístca LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmb, MEBol, MEEC, MEMec 2 o semestre 20/202 2 o Teste B 08/06/202 :00 Duração: hora e 30 mutos Justfque coveetemete
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 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 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: AGR Boestatístca Professor: Celso Luz Borges de Olvera Assuto: Estatístca TEMA: Somatóro RESUMO E NOTAS DA AULA Nº 0 Seja
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 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 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 mais50 Logo, Número de erros de impressão
Capítulo 3 Problema. (a) Sedo o úmero médo de erros por pága, tem-se: 5 + + 3 + 3 + 4 33,66 5 5 Represetado o úmero medao de erros por md, tem-se, pela ordeação dos valores observados, que os valores de
Leia maisModelo de Regressão Simples
Modelo de Regressão Smples Hstora Hstóra Termo regressão fo troduzdo por Fracs Galto (8-9). Estudo sobre altura de pas e flhos. Karl Pearso coletou mas de ml regstros e verfcou a le de regressão uversal
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 maisESTATÍSTICA APLICADA À ZOOTECNIA
ESTATÍSTICA APLICADA À ZOOTECNIA Eucldes Braga MALHEIROS *. INTRODUÇÃO.a) Somatóras e Produtóros Sejam,, 3,...,, valores umércos. A soma desses valores (somatóra) pode ser represetada por: = = = =. e o
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS Uma uversdade oferece um curso para capactação profssoal de joves caretes. Ao fal do curso, cada jovem partcpate será avalado por meo de uma prova teórca e de uma prova prátca,
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 maisTabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f
Lsta de exercícos Gabarto e chave de respostas Estatístca Prof.: Nelse 1) Calcule 1, e para o segute cojuto de valores. A,1,8,0,11,,7,8,6,,9, 1 O úmero que correspode a 5% do rol é o valor. O úmero que
Leia maisREGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA
REGRESSÃO LINEAR CUIABÁ, MT 6/ INTRODUÇÃO Relação dos valores da varável depedete (varável resposta) aos valores de regressoras ou exógeas). SIMPLES MÚLTIPLA (varáves depedetes,... =,,, K=,,, k em que:
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: correlacoal ou Prof. Lorí Val, Dr. val@mat.ufrgs.r http://www.mat.ufrgs.r/~val/ expermetal. Numa relação expermetal os valores de uma das varáves
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 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 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 maisNOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling
4 INFERÊNCIA SOBRE O VETOR DE MÉDIAS 4. TESTE PARA UM VETOR DE MÉDIAS µ Lembrado o caso uvarado: H : µ = µ H : µ µ Nível de sgfcâca: α Estatístca do teste: X µ t = s/ ~ t Decsão: se t > t - (α/) rejeta-se
Leia maisProf. Janete Pereira Amador 1
Prof. Jaete Perera Amador 1 1 Itrodução Mutas stuações cotdaas podem ser usadas como expermeto que dão resultados correspodetes a algum valor, e tas stuações podem ser descrtas por uma varável aleatóra.
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 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 maisCAPÍTULO 5: AMOSTRAGEM
CAPÍTULO 5: AMOSTRAGEM 5. Itrodução A estatístca dutva busca trar coclusões probablístcas ou fazer ferêcas, sobre populações, com base em resultados verfcados em amostras retradas dessas populações. Além
Leia maisNoções Básicas de Medidas e Algarismos Significativos
Noções Báscas de Meddas e Algarsmos Sgfcatvos Prof. Theo Z. Pava Departameto de Físca - Faculdade de Flosofa, Cêcas e Letras de Rberão Preto-USP Físca Acústca Motvações Quas são os padrões de meddas? Podemos
Leia maisProbabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ
Duração: 90 mutos Grupo I Probabldades e Estatístca LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBol, MEBom, MEEC, MEFT, MEMec, MEQ Justfque coveetemete todas as respostas 1 o semestre 018/019 10/01/019 09:00 o
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 maisProbabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC
Duração: 90 mutos Grupo I Probabldades e Estatístca LEAN, LEGI, LEGM, LMAC, MEAer, MEAmb, MEC Justfque coveetemete todas as respostas 1 o semestre 2018/2019 10/01/2019 11:00 2 o teste B 10 valores 1. Cosdere-se
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 maisRegressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança
Regressão Smples Parte III: Coefcete de determação, regressão a orgem e método de máxma verossmlhaça Coefcete de determação Proporção da varabldade explcada pelo regressor. R Varação explcada Varação total
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 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 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 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 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 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 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 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 maisHIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia
Aálse estatístca aplcada à hdrologa. Séres hdrológcas oções complemetares HIDROLOGIA E RECURSOS HÍDRICOS Aálse estatístca aplcada à hdrologa O Egehero HIDRÁULICO Echerá? Que população pode abastecer e
Leia maisTópicos Extras 2ª parte. Análise de Correlação e Regressão
Tópcos Extras ª parte Aálse de Correlação e Regressão 1 Defções báscas ANÁLISE DE CORRELAÇÃO Mesurar a força da assocação etre as varáves (geralmete através do cálculo de algum coefcete). ANÁLISE DE REGRESSÃO
Leia maisConstrução e Análise de Gráficos
Costrução e Aálse de Gráfcos Por que fazer gráfcos? Facldade de vsualzação de cojutos de dados Faclta a terpretação de dados Exemplos: Egehara Físca Ecooma Bologa Estatístca Y(udade y) 5 15 1 5 Tabela
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 mais2. MODELO DETALHADO: Relações de Recorrência. Exemplo: Algoritmo Recursivo para Cálculo do Fatorial Substituição Repetida
. MODELO DETALHADO: Relações de Recorrêca Exemplo: Algortmo Recursvo para Cálculo do Fatoral Substtução Repetda T T ( ) ( ) t 1, T ( + t, > T ( ) T ( + t T ( ) ( T( ) + t + t ) + t T ( ) T ( ) T ( ) +
Leia maisLista de Exercícios #9 Assunto: Análise de Regressão Método de Mínimos Quadrados
Lsta de Exercícos #9 Assuto: Aálse de Regressão Método de Mímos Quadrados ANPEC 8 Questão 4 Cosdere o segute modelo de regressão lear smples: () y = β + β x + u Para uma amostra com 3 observações, foram
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 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 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 maisModelos de Regressão Linear Simples e Múltipla. Fabio Antonio Avilla (Matemática) Profª Dra. Carine Savalli Redígolo (Orientadora)
Modelos de Regressão Lear Smples e Múltpla Fabo Atoo Avlla (Matemátca) Profª Dra. Care Savall Redígolo (Oretadora) Resumo Dversas áreas do cohecmeto cetífco procuram valdar suas hpóteses por meo de pesqusas
Leia mais3 Experimento com Mistura com Respostas Não-Normais
Modelagem em Epermetos Mstura-Processo para Otmzação de Processos Idustras 5 Epermeto com Mstura com Respostas Não-Normas Neste capítulo é apresetado o plaejameto e aálse de um EM com respostas ão ormas,
Leia maisEstatística: uma definição
Estatístca: uma defção Coleção de úmeros estatístcas O úmero de aumetou em 30%. carros veddos o país A taa de desemprego atge, este mês, 7,5%. As ações da Telebrás subram R$,5, hoje. Resultados do Caraval
Leia maisEstatística: uma definição
Prof. Lorí Val, Dr. val@ufrgs.br http://www.ufrgs.br/~val/ Estatístca: uma defção Coleção de úmeros estatístcas O úmero de carros veddos o país aumetou em 30%. A taa de desemprego atge, este mês, 7,5%.
Leia maisOrganização; Resumo; Apresentação.
Prof. Lorí Val, Dr. val@ufrgs.br http://www.ufrgs.br/~val/ Grade Cojutos de Dados Orgazação; Resumo; Apresetação. Amostra ou População Defetos em uma lha de produção Lascado Deseho Torto Deseho Torto Lascado
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 maisIntrodução à Teoria dos Números Notas 1 Os Princípios da Boa Ordem e de Indução Finita Prof Carlos Alberto S Soares
Itrodução à Teora dos Números 018 - Notas 1 Os Prcípos da Boa Ordem e de Idução Fta Prof Carlos Alberto S Soares 1 Prelmares Neste curso, prortaramete, estaremos trabalhado com úmeros teros mas, quado
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 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 maisEstatística. 2 - Estatística Descritiva
Estatístca - Estatístca Descrtva UNESP FEG DPD Prof. Edgard - 0 0- ESTATÍSTICA DESCRITIVA Possblta descrever as Varáves: DESCRIÇÃO GRÁFICA MEDIDAS DE POSIÇÃO MEDIDAS DE DISPERSÃO MEDIDAS DE ASSIMETRIA
Leia maisDESEMPENHO DE ESTIMADORES DA MÉDIA POPULACIONAL DE DISTRIBUIÇÕES ASSIMÉTRICAS BASEADOS EM AMOSTRAGEM POR CONJUNTOS ORDENADOS
DESEMPENHO DE ESTIMADORES DA MÉDIA POPULACIONAL DE DISTRIBUIÇÕES ASSIMÉTRICAS BASEADOS EM AMOSTRAGEM POR CONJUNTOS ORDENADOS Fracsco Juor PIGATO Mara Cecíla Medes BARRETO RESUMO: Um deleameto amostral
Leia maisNOTA: ESCREVA AS RESPOSTAS COMO FRAÇÕES OU COM 4 CASAS DECIMAIS NOTA 2: O FORMULÁRIO ESTÁ NO FINAL DA PROVA
IND 5 Iferêca Estatístca Semestre 007.0 Teste 4 //007 Nome: NOTA: ESCREVA AS RESPOSTAS COMO FRAÇÕES OU COM 4 CASAS DECIMAIS NOTA : O FORMULÁRIO ESTÁ NO FINAL DA PROVA PROBLEMA (5 potos) Em cada questão
Leia maisProbabilidades e Estatística LEGM, LEIC-A, LEIC-T, MA, MEMec
Duração: 90 mutos Grupo I Probabldades e Estatístca LEGM, LEIC-A, LEIC-T, MA, MEMec Justfque coveetemete todas as respostas 2 o semestre 2017/2018 14/06/2018 11:00 2 o Teste B 10 valores 1. Os dvíduos
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 maisAula 9. Aula de hoje. Aula passada. Self-normalized Importance Sampling Gerando amostras complicadas Variância amostral Simulação
Aula 9 Aula passada Método da rejeção (rejecto samplg) Exemplos Importace Samplg Exemplos Geeralzação Aula de hoje Self-ormalzed Importace Samplg Gerado amostras complcadas Varâca amostral Smulação Importace
Leia maisA análise de variância de uma classificação (One-Way ANOVA) verifica se as médias de k amostras independentes (tratamentos) diferem entre si.
Prof. Lorí Va, Dr. http://www. ufrgs.br/~va/ va@mat.ufrgs.br aáse de varâca de uma cassfcação (Oe-Way NOV) verfca se as médas de amostras depedetes (tratametos) dferem etre s. Um segudo tpo de aáse de
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 maisEstatística: uma definição
Coleção de úmeros estatístcas Estatístca: uma defção O úmero de carros veddos o país aumetou em 30%. A taa de desemprego atge, este mês, 7,5%. As ações da Telebrás subram R$,5, hoje. Resultados do Caraval
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 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 maisAnálise Exploratória de Dados
Aálse Eploratóra de Dados Objetvos Aálse bvarada: uma varável qualtatva e uma quattatva: represetar grafcamete as duas varáves combadas; defr e calcular uma medda de assocação etre as varáves. Eemplo 1
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 maisCapítulo 5: Ajuste de curvas pelo método dos mínimos quadrados
Capítulo : Ajuste de curvas pelo método dos mímos quadrados. agrama de dspersão No capítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas por uma taela de valores. Frequetemete o etato
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 maisIntrodução à Estatística
Itrodução à Estatístca Júlo Cesar de C. Balero Estatístca É a cêca que se preocupa com: () Orgazação; () Descrção; () Aálses; (v) Iterpretações. Estatístca Descrtva Estatístca Idutva ou Estatístca Ierecal
Leia mais