Mestrado Profissional em Administração. Disciplina: Análise Multivariada Professor: Hedibert Freitas Lopes 1º trimestre de 2015
|
|
- Malu Ávila Ferreira
- 5 Há anos
- Visualizações:
Transcrição
1 Mestrado Profissional em Administração Disciplina: Análise Multivariada Professor: Hedibert Freitas Lopes º trimestre de 05
2 Inferência Multivariada MANOVA MANLY, Cap. 4 HAIR et al., Cap. 6
3 Exemplo Uma empresa encomendou peças publicitárias para um novo produto que foram assistidas por dois grupos homogêneos de indivíduos, separados por gênero (Feminimo e Masculino) e devidamente aleatorizados em relação a qual comercial viam primeiro. Cada indivíduo informava a nota (escala de 0 a 0) para o novo produto depois de assistir a cada uma das peças publicitárias. X : Nota do produto após o comercial X : Nota do produto após o comercial Objetivo: Verificar se há diferença na avaliação do produto entre os grupos de indivíduos para cada uma das peças publicitárias. 3
4 Dados Grupo Feminino Masculino Indivíduo X X Indivíduo X X
5 Estatísticas Descritivas F M 5
6 Nota do produto após comercial - X X Teste t de Student t =,57 p = 0,34 4 F Grupo M 6
7 Nota do produto após comercial X 8 X Teste t de Student t = -,64 p = 0,9 3 F Grupo M Conclusão: não existe diferença estatisticamente significante entre as médias da avaliação do produto para homens e mulheres, com 95% de confiança para cada uma das peças publicitárias. 7
8 Diagrama de Dispersão 8 F M 7 6 Teste Multivariado X 5 T = 8,636 4 p = 0, X 6 7 Conclusão: há diferença na avaliação de homens e mulheres 8
9 9 Distribuição normal multivariada X = (X,..., X p ) T ~ N p (µ,σ) se a sua função densidade de probabilidade for: ( ) ( ) ( ) / / ) ( µ x Σ µ x Σ x = T e f p p π Distância de Mahalanobis
10 Distribuição normal bivariada 0
11 Propriedades, ) ( = = p p p p p Cov σ σ σ σ σ σ σ σ σ! "!! X Σ Se E(X) = µ = (µ, µ,..., µ p ) T e então X j ~ N(µ j, σ j ) e Cov(X j, X k ) = σ jk
12 Inferência Estatística P o p u l a ç ã o µ Σ Estimação Amostra X S H H o : µ = : µ µ µ 0 0 Teste de hipóteses
13 Estimação de µ e Σ Amostra de tamanho n. µ ˆ = X X X =! X p, X j = média amostral de ˆ = matriz de covariância amostral Σ = S divide - se por (n -) X j 3
14 Resultados Se X = (X,..., X p ) T é uma amostra aleatória de tamanho n de uma N p (µ,σ), então X X =! ) ~ N p (µ, (/n)σ) X X p ) (n-)σ segue uma distribuição Wishart com (n-) graus de liberdade 3) e S são independentes = X 4
15 Teste de Hipóteses H H o : µ = : µ µ µ 0 0 Suposições: X,..., X n amostra aleatória de X ~ N p (µ,σ) Obs: Σ deve ser uma matriz inversível. 5
16 Caso univariado H o : µ = µ 0 H : µ µ 0 t X o = ~ tn S / µ n Analogamente: t = n ( X µ ) (S ) ( X µ ) o o 6
17 Caso multivariado Univariado: ( ) ( ) X µ ( S ) X t = n µ o o Multivariado: ( ) T T = n X µ S ( X ) o µ o T ~ p ( n ) ( n p) F p, n p T de Hotelling 7
18 Comparação de duas populações normais X j ~ N p (µ,σ ) independentes Y k ~ N p (µ,σ ) independentes Independentes j =,..., n e k =,..., n H o : µ = µ H : µ µ 8
19 9 Comparação de duas populações normais ( ) ( ), T ) ( ) ( ~ ) ( ) ( n = + = p n n p p p F p n n n n p T n n n n n n T S S S Y X S Y X
20 Exemplo Uma empresa encomendou peças publicitárias para um novo produto que foram assistidas por dois grupos homogêneos de indivíduos, separados por gênero (Feminimo e Masculino) e devidamente aleatorizados em relação a qual comercial viam primeiro. Cada indivíduo informava a nota (escala de 0 a 0) para o novo produto depois de assistir a cada uma das peças publicitárias. X : Nota do produto após o comercial X : Nota do produto após o comercial Objetivo: Verificar se há diferença na avaliação do produto entre os grupos de indivíduos para cada uma das peças publicitárias. 0
21 No R p = n = c(0,0) y = matrix(c(5,3,4.5,3.,6,3.5,6,4.6,6.,5.6,6.9,5.,6.8,6, 5.3,5.5,6.6,7.3,7.3,6.5),n[],p,byrow=TRUE) y = matrix(c(4.6,4.9,4.9,5.9,4,4.,3.8,5.4,6.,6.,5,7,5.3, 4.7,7.,6.6,5.8,7.8,6.8,8.0),n[],p,byrow=TRUE) data = data.frame(y=rbind(y, y),iv=factor(rep(:p,n))) manova = manova(cbind(y.,y.) ~ IV, data=data)
22 > data y. y. IV
23 > manova Call: manova(cbind(y., y.) ~ IV, data = data) Terms: IV Residuals resp resp Deg. of Freedom 8 Residual standard errors: Estimated effects may be unbalanced
24 > summary(manova, test="hotelling-lawley") Df Hotelling-Lawley approx F num Df den Df Pr(>F) IV ** Residuals Signif. codes: 0 *** 0.00 ** 0.0 *
25 > hotelling = hotelling.test(y,y) > hotelling Test stat: Numerator df: Denominator df: 7 P-value:
26 Exemplo - Bebidas Tipo X X X3 X4 X5 X6 X7 X8 X9 X0 = Refrigerante, =Esportiva, 3=Chá A marca tem um sabor refrescante. Prefiro essa marca por ter menos calorias. A marca elimina minha sede imediatamente. Gosto do sabor adocicado da marca. Prefiro consumir a marca após atividade física, pois me dá energia. Prefiro a marca pois vem numa embalagem que não agride o meio ambiente. A marca tem minerais e vitaminas que mantêm baixa a necessidade de água de meu corpo. A marca tem um sabor único. A marca possui uma mistura de minerais e vitaminas que é saudável para o meu corpo. Eu prefiro a marca quando realmente estou com sede. 6
27 Objetivo Cada indivíduo avaliou sua bebida favorita numa escala de 7 pontos em relação a cada uma das 0 questões avaliadas. Descobrir se há diferenças entre as respostas médias das questões (variáveis) quando se comparam os 3 tipos de bebidas: refrigerante, isotônico ou chá. 7
28 Comparação de várias populações normais! Unidades amostrais separadas em g populações.! Para cada unidade amostral observam-se p variáveis: X,..., X p.! Valores observados para o indivíduo i (i=,..., n j ) da população j (j=,..., g): X ji X X =! X ji ji jip 8
29 9 Suposições e notação X ji ~ N p (µ j, Σ j ), independentes, j =,..., g E(X ji ) = µ j = (µ j, µ j,..., µ jp ) T = = ) ( jp p j p j p j j j p j j j ji j Cov σ σ σ σ σ σ σ σ σ! "!! X Σ
30 Suposição de Normalidade " A normalidade é a suposição fundamental em algumas técnicas multivariadas. " Se houver grande violação de normalidade, todos os resultados dos testes estatísticos ficam inválidos! " Verificar a normalidade univariada através de gráficos do tipo Normal Plot ou fazer algum teste (Jarque-Bera ou Kolmogorov- Smirnov) 30
31 Suposição de Normalidade " Se um conjunto de variáveis tem distribuição normal multivariada, então cada uma das variáveis tem distribuição normal (volta nem sempre é verdade). " Amostras de tamanho grande tendem a diminuir o efeito negativo da falta de normalidade (Teorema do Limite Central). 3
32 Suposição de Homocedasticidade # Suposição de igualdade de variâncias para as variáveis dependentes. # A homocedasticidade pode ser verificada através de gráficos ou testes estatísticos (teste de Box M, por exemplo). 3
33 Comparação de várias populações normais (g grupos) H : µ = µ =! = 0 µ g H : pelo menos um dos grupos tem vetor de médias diferente. 33
34 Caso multivariado - MANOVA Fonte de variação SQ gl Entre B g- Dentro W n-g Total T n- g ( x x) ( x x) B = n j j - j - g j= n j ( ) T x ( ) ij - x j xij x j W = - j= i= T Λ = B W + W Lambda de Wilks 34
35 Regra de decisão Rejeito H 0 para valores pequenos de Λ, ou, analogamente, para valores grandes de L = p + g n ln( Λ) Em grandes amostras, L se distribui aproximadamente como uma qui-quadrado com p(g-) graus de liberdade 35
36 Exemplo Bebidas Analise descritiva A marca tem um sabor refrescante. Prefiro essa marca por ter menos calorias. A marca elimina minha sede imediatamente. Gosto do sabor adocicado da marca. Prefiro consumir a marca após atividade física, pois me dá energia. Prefiro a marca pois vem numa embalagem que não agride o meio ambiente. A marca tem minerais e vitaminas que mantêm baixa a necessidade de água de meu corpo. A marca tem um sabor único. A marca possui uma mistura de minerais e vitaminas que é saudável para o meu corpo. Eu prefiro a marca quando realmente estou com sede. TIPO refrigerante esportiva chá Média Média Média
37 Teste de normalidade de Kolmogorov-Smirnov H 0 : X j tem distribuição normal H : X j não tem distribuição normal A normalidade será testada para cada uma das variáveis envolvidas na análise, ou seja, de maneira univariada. 37
38 Kolmogorov-Smirnov Test for Normality: Statistic Probability X X X X X X X X X X
39 Teste de igualdade de vetores de médias H 0 : µ = µ =... = µ g H : Pelo menos um dos vetores de médias difere. T de Hotelling (g = ) Lambda de Wilks (g > ) 39
40 Testes > summary(m.bebidas, test="wilks") > summary(m.bebidas, test="roy") > summary(m.bebidas, test="pillai") > summary(m.bebidas, test="hotelling-lawley") Df Stat approx F num Df den Df Pr(>F) Wilks <.e-6 *** Roy <.e-6 *** Pillai <.e-6 *** Hotelling-Lawley <.e-6 *** Signif. codes: 0 *** 0.00 ** 0.0 *
Mestrado Profissional em Administração. Disciplina: Análise Multivariada Professor: Hedibert Freitas Lopes 1º trimestre de 2015
Mestrado Profissional em Administração Disciplina: Análise Multivariada Professor: Hedibert Freitas Lopes 1º trimestre de 015 Decomposição Espectral Autovalores e autovetores MANLY, Cap. Objetivo e Definição
Leia maisUNIVERSIDADE FEDERAL DA FRONTEIRA SUL Campus CERRO LARGO. PROJETO DE EXTENSÃO Software R: de dados utilizando um software livre.
UNIVERSIDADE FEDERAL DA FRONTEIRA SUL Campus CERRO LARGO PROJETO DE EXTENSÃO Software R: Capacitação em análise estatística de dados utilizando um software livre. Fonte: https://www.r-project.org/ Módulo
Leia maisCapacitação em R e RStudio PROJETO DE EXTENSÃO. Software R: capacitação em análise estatística de dados utilizando um software livre.
UFFS Universidade Federal da Fronteira Sul Campus Cerro Largo PROJETO DE EXTENSÃO Software R: capacitação em análise estatística de dados utilizando um software livre Fonte: https://www.r-project.org/
Leia maisMestrado Profissional em Administração. Disciplina: Análise Multivariada Professor: Hedibert Freitas Lopes 1º trimestre de 2015
Mestrado Profissional em Administração Disciplina: Análise Multivariada Professor: Hedibert Freitas Lopes 1º trimestre de 2015 Análise Discriminante MANLY, Cap. 8 HAIR et al., Cap. 5 2 Objetivos o Construir
Leia maisTestes de significância com dados multivariados
Testes de significância com dados multivariados Hiron Pereira Farias e Talita T. Fernandes Wednesday, January 20, 2016 Hiron Pereira Farias e Talita T. Fernandes Testes de significância com dados multivariadoswednesday,
Leia maisTécnicas Multivariadas em Saúde. Vetores Aleatórios. Métodos Multivariados em Saúde Roteiro. Definições Principais. Vetores aleatórios:
Roteiro Técnicas Multivariadas em Saúde Lupércio França Bessegato Dep. Estatística/UFJF 1. Introdução 2. Distribuições de Probabilidade Multivariadas 3. Representação de Dados Multivariados 4. Testes de
Leia maisInferências sobre o vetor de Média. (Johnson & Wichern, Cap. 5) Considere o problema univariado no qual temse uma amostra aleatória de tamanho n da
Inferências sobre o vetor de Média (Johnson & Wichern, Cap. 5) Considere o problema univariado no qual temse uma amostra aleatória de tamanho n da distribuição N(µ, σ 2 ), em que ambos os parâmetros de
Leia mais29 e 30 de julho de 2013
Programa de Pós-Graduação em Estatística e Experimentação Agronômica ESALQ/USP 29 e 30 de julho de 2013 Dia 2 - Conteúdo 1 2 3 Dados multivariados Estrutura: n observações tomadas de p variáveis resposta.
Leia maisModelo de Regressão Múltipla
Modelo de Regressão Múltipla Modelo de Regressão Linear Simples Última aula: Y = α + βx + i i ε i Y é a variável resposta; X é a variável independente; ε representa o erro. 2 Modelo Clássico de Regressão
Leia maisDistribuições derivadas da distribuição Normal. Distribuição Normal., x real.
Distribuições derivadas da distribuição Normal Distribuição Normal Uma variável aleatória X tem distribuição normal com parâmetros µ e σ, quando sua densidade de probabilidade é f ( x) π σ e ( x µ ) σ,
Leia maisAnálise de Dados Longitudinais Aula
1/35 Análise de Dados Longitudinais Aula 08.08.2018 José Luiz Padilha da Silva - UFPR www.docs.ufpr.br/ jlpadilha 2/35 Sumário 1 Revisão para dados transversais 2 Como analisar dados longitudinais 3 Perspectiva
Leia maisAnálise de Variância Multivariada (MANOVA) (Johnson & Wichern, Cap. 6)
Análise de Variância Multivariada (MANOVA) (Johnson & Wichern, Cap. 6) 1. Comparações emparelhadas Começaremos com uma breve revisão deste problema no caso univariado. O problema aqui pode ser descrito
Leia maisAnálise de Dados da Avaliação II
Interfaces Pessoa Máquina Análise de Dados da Avaliação II Cap. 11 Análise dos Dados de Avaliação 15 Melhor e Pior? Melhor e Pior? Melhor e Pior? Resumo Análise Estatística Amostra Variáveis (dependentes
Leia maisTESTES DE NORMALIDADE E SIGNIFICÂNCIA. Profª. Sheila Regina Oro
TESTES DE NORMALIDADE E SIGNIFICÂNCIA Profª. Sheila Regina Oro A suposição de normalidade dos dados amostrais ou experimentais é uma condição exigida para a realização de muitas inferências válidas a respeito
Leia maisRalph S. Silva
ANÁLISE ESTATÍSTICA MULTIVARIADA Ralph S. Silva http://www.im.ufrj.br/ralph/multivariada.html Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário
Leia maisAnálise de Dados Longitudinais Modelos de Regressão - Perspecitva Histórica
1/41 Análise de Dados Longitudinais Modelos de Regressão - Perspecitva Histórica Enrico A. Colosimo/UFMG http://www.est.ufmg.br/ enricoc/ Revisão para Dados Transversais 1 Características Informações amostrais
Leia maisModelos de Análise de Variância
Modelos de Análise de Variância Delineamento Completamente Aleatorizado: k tratamentos, r réplicas (balanceado) yi iid ~ N ; i i Normalidade Variância constante ( homocedasticidade ) Independência Análise
Leia maisUNIVERSIDADE FEDERAL DO RIO GRANDE Instituto de Matemática, Estatística e Física Programa de Pós-Graduação em Modelagem Computacional
UNIVERSIDADE FEDERAL DO RIO GRANDE Instituto de Matemática, Estatística e Física Programa de Pós-Graduação em Modelagem Computacional MINICURSO DE CORRELAÇÃO, REGRESSÃO LINEAR SIMPLES E ANOVA Ministrantes:
Leia maisEstatística Aplicada II. } Estimação e Intervalos de Confiança
Estatística Aplicada II } Estimação e Intervalos de Confiança 1 Aula de hoje } Tópicos } Revisão } Estimação } Intervalos de Confiança } Referências } Barrow, M. Estatística para economia, contabilidade
Leia maisCapítulo 4 Inferência Estatística
Capítulo 4 Inferência Estatística Slide 1 Resenha Intervalo de Confiança para uma proporção Intervalo de Confiança para o valor médio de uma variável aleatória Intervalo de Confiança para a diferença de
Leia maisFilho, não é um bicho: chama-se Estatística!
Paulo Jorge Silveira Ferreira Filho, não é um bicho: chama-se Estatística! Estatística aplicada uma abordagem prática FICHA TÉCNICA EDIÇÃO: Paulo Ferreira TÍTULO: Filho, não é um bicho: chama-se Estatística!
Leia maisANÁLISE DISCRIMINANTE
ANÁLISE DISCRIMINANTE 56 ª Reunião Anual da Região Brasileira da Sociedade Internacional de Biometria 4 º Simpósio de Estatística Aplicada à Experimentação Agronômica Prof. Edwirde L. Silva 5 A 9 de Julho
Leia maisTópicos Extras 1ª parte. Testes Não Paramétricos, Análise Multivariada, Outras Técnicas
Tópicos Extras 1ª parte Testes Não Paramétricos, Análise Multivariada, Outras Técnicas 1 2 Técnicas de dependência 3 4 Situações Comparar 3 tipos de rede de computadores, C1, C2 e C3, em termos do tempo
Leia maisÍNDICE. Variáveis, Populações e Amostras. Estatística Descritiva PREFÁCIO 15 NOTA À 3ª EDIÇÃO 17 COMO USAR ESTE LIVRO? 21 CAPÍTULO 1 CAPÍTULO 2
COMO USAR ESTE LIVRO ÍNDICE PREFÁCIO 15 NOTA À 3ª EDIÇÃO 17 COMO USAR ESTE LIVRO? 21 CAPÍTULO 1 Variáveis, Populações e Amostras 1.1. VARIÁVEIS ESTATÍSTICAS E ESCALAS DE MEDIDA 27 1.2. POPULAÇÃO VS. AMOSTRA
Leia maisINSTRUÇÕES. O tempo disponível para a realização das duas provas e o preenchimento da Folha de Respostas é de 5 (cinco) horas no total.
INSTRUÇÕES Para a realização desta prova, você recebeu este Caderno de Questões. 1. Caderno de Questões Verifique se este Caderno de Questões contém a prova de Conhecimentos Específicos referente ao cargo
Leia maisAnálise da Regressão múltipla: MQO Assintótico y = β 0 + β 1 x 1 + β x +... β k x k + u 3. Propriedades assintóticas Antes, propriedades sobre amostra
Análise da Regressão múltipla: MQO Assintótico Capítulo 5 do Wooldridge Análise da Regressão múltipla: MQO Assintótico y = β 0 + β 1 x 1 + β x +... β k x k + u 3. Propriedades assintóticas Antes, propriedades
Leia maisAnálise de Variância e outras análises. Airlane P. Alencar
Análise de Variância e outras análises 2018 Airlane P. Alencar Introdução: Análise de Variância Caso particular do modelo de regressão: As variáveis explicativas são em geral, de natureza qualitativa (chamadas
Leia maisAula 2 Uma breve revisão sobre modelos lineares
Aula Uma breve revisão sobre modelos lineares Processo de ajuste de um modelo de regressão O ajuste de modelos de regressão tem como principais objetivos descrever relações entre variáveis, estimar e testar
Leia maisRevisões de Matemática e Estatística
Revisões de Matemática e Estatística Joaquim J.S. Ramalho Contents 1 Operadores matemáticos 2 1.1 Somatório........................................ 2 1.2 Duplo somatório....................................
Leia maisDelineamento e Análise Experimental Aula 3
Aula 3 Castro Soares de Oliveira Teste de hipótese Teste de hipótese é uma metodologia estatística que permite tomar decisões sobre uma ou mais populações baseando-se no conhecimento de informações da
Leia maisEstimação e Testes de Hipóteses
Estimação e Testes de Hipóteses 1 Estatísticas sticas e parâmetros Valores calculados por expressões matemáticas que resumem dados relativos a uma característica mensurável: Parâmetros: medidas numéricas
Leia maisUNIVERSIDADE FEDERAL FLUMINENSE. Programa de Mestrado e Doutorado em Engenharia de Produção. Disciplina: Estatística Multivariada
UNIVERSIDADE FEDERAL FLUMINENSE Programa de Mestrado e Doutorado em Engenharia de Produção Disciplina: Estatística Multivariada Aula: Análise Discriminante Professor: Valdecy Pereira, D. Sc. email: valdecy.pereira@gmail.com
Leia maisBioestatística Básica
Bioestatística Básica Curso de Pós-Graduação RCA 5804 PROF. DR. ALFREDO J RODRIGUES DEPARTAMENTO DE CIRURGIA E ANATOMIA FACULDADE DE MEDICINA DE RIBEIRÃO PRETO UNIVERSIDADE DE SÃO PAULO alfredo@fmrp.usp.br
Leia maisPlanejamento e Pesquisa 1. Dois Grupos
Planejamento e Pesquisa 1 Dois Grupos Conceitos básicos Comparando dois grupos Testes t para duas amostras independentes Testes t para amostras pareadas Suposições e Diagnóstico Comparação de mais que
Leia maisPROBABILIDADE E ESTATÍSTICA INFERÊNCIA ESTATÍSTICA Parte II
PROBABILIDADE E ESTATÍSTICA INFERÊNCIA ESTATÍSTICA Parte II Prof.ª Sheila Regina Oro Projeto Recursos Educacionais Digitais Autores: Bruno Baierle e Maurício Furigo TESTE PARA UMA PROPORÇÃO H0: p = p 0
Leia maisPlanejamento de Experimentos Suposições do Modelo e Comparações Múltiplas
1 / 30 Planejamento de Experimentos Suposições do Modelo e Comparações Múltiplas Enrico A. Colosimo/UFMG Depto. Estatística - ICEx - UFMG 2 / 30 Exemplo típico: Resistência de uma nova fibra sintética
Leia maisAULA 07 Inferência a Partir de Duas Amostras
1 AULA 07 Inferência a Partir de Duas Amostras Ernesto F. L. Amaral 10 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola,
Leia maisMétodos Estatísticos Avançados em Epidemiologia
1 / 44 Métodos Estatísticos Avançados em Epidemiologia Análise de Variância - ANOVA Referência: Cap. 12 - Pagano e Gauvreau (2004) - p.254 Enrico A. Colosimo/UFMG Depto. Estatística - ICEx - UFMG 2 / 44
Leia maisPlanejamento de Experimentos Medidas Repetidas
1 / 27 Planejamento de Experimentos Medidas Repetidas Enrico A. Colosimo/UFMG Depto. Estatística - ICEx - UFMG Exemplo: 2 / 27 3 / 27 Em outras aplicações, a resposta de cada unidade experimental é medida
Leia maisPOPULAÇÃO X AMOSTRA INTRODUÇÃO À BIOESTATÍSTICA TIPOS DE VARIÁVEIS CLASSIFICAÇÃO DAS VARIÁVEIS CLASSIFICAÇÃO DAS VARIÁVEIS 1) TIPOS DE VARIÁVEIS
POPULAÇÃO X AMOSTRA INTRODUÇÃO À BIOESTATÍSTICA População (N) representa o conjunto de todas as unidades experimentais que apresentam características em comum Amostra (n) representa uma parte do todo.
Leia maisTeste F-parcial 1 / 16
Teste F-parcial Ingredientes A hipótese nula, H 0, define o modelo restrito. A hipótese alternativa, H a : H 0 é falsa, define o modelo irrestrito. SQR r : soma de quadrado dos resíduos associada à estimação
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS C. Brabec, J. Hauch, P. Schilinsky e C. Waldauf. Production aspects of organic photovoltaics and their Impact on the commercialization of devices. MRS Bulletin, 30, 2005 (com
Leia maisMOQ 13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ 13 PROBABILIDADE E ESTATÍSTICA Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semanas 1 3 4 5 6 7 8 9 10 11 1 13 14 15 e 16 Introdução à probabilidade (eventos,
Leia maisTeste F-parcial 1 / 16
Teste F-parcial A hipótese nula, H 0, define o modelo restrito. Ingredientes SQR r : soma de quadrado dos resíduos sob H 0. R 2 r: coeficiente de determinação sob H 0. g: número de restrições a serem testadas
Leia maisVariância pop. * conhecida Teste t Paramétrico Quantitativa Distribuição normal Wilcoxon (teste dos sinais, Wilcoxon p/ 1 amostra)
Testes de Tendência Central (média, mediana, proporção) Classificação Variável 1 Variável 2 Núm ero Gru pos Dependência Teste Z Paramétrico Quantitativa - 1 - Premissas Variância pop. * conhecida Teste
Leia maisAnálise de Variância. Análise de Variância. Análise de Variância. Análise de Variância. Análise de Variância. Mestrado em Recreação e Lazer
Mestrado em Recreação e Lazer Estudos Práticos ANalysis Of VAriance O que é? Permite verificar qual o EFEITO de uma variável independente, de natureza qualitativa (factor), numa variável dependente ou
Leia maisCorrelação e Regressão
Correlação e Regressão Vamos começar com um exemplo: Temos abaixo uma amostra do tempo de serviço de 10 funcionários de uma companhia de seguros e o número de clientes que cada um possui. Será que existe
Leia maisSumário. CAPÍTULO 1 Conceitos preliminares 1. CAPÍTULO 2 Descrição de dados: análise monovariada 47
CAPÍTULO 1 Conceitos preliminares 1 Introdução........................................................1 O que é estatística?.................................................. 4 Papel dos microcomputadores.........................................
Leia maisAmostra Aleatória Simples
Amostra Aleatória Simples Airlane Pereira Alencar 4 de Abril de 2018 Alencar, A.P. (IME-USP) Amostra Aleatória Simples 4 de Abril de 2018 1 / 34 Definições e Notações Notações População ou Universo U =
Leia maisUniversidade de São Paulo Instituto de Ciências Matemáticas e de Computação
Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Francisco A. Rodrigues Departamento de Matemática Aplicada e Estatística - SME Objetivo Dada M classes ω 1, ω 2,..., ω M e um
Leia mais1. Conceitos básicos de estatística Níveis de medição Medidas características de distribuições univariadas 21
OS SABERES INDISPENSÁVEIS 7 Índice Prefácio 13 Capítulo 1 Os Saberes Indispensáveis 1. Conceitos básicos de estatística 17 1.1. Níveis de medição 18 1.2. Medidas características de distribuições univariadas
Leia maisANÁLISE DE VARIÂNCIA. y j = µ + τ i + e i j = µ i + e i j
SUMÁRIO 1 Análise de Variância 1 1.1 O Teste F...................................... 1.2 Verificando as pressuposições do modelo..................... 5 1.2.1 Verificação de Normalidade.........................
Leia maisInferência a partir de duas amostras
Inferência a partir de duas amostras Inferência a partir de duas amostras. Inferência sobre duas médias: amostras dependentes. Inferência sobre duas médias: amostras grandes e independêntes 3. Comparação
Leia maisLucas Santana da Cunha 12 de julho de 2017
DISTRIBUIÇÃO NORMAL Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 12 de julho de 2017 Distribuição Normal Dentre todas as distribuições de probabilidades,
Leia maisViolação dos pressupostos básicos do modelo clássico de regressão linear
AGOSTO 2017 Lutemberg Florencio Doutorando em Eng. Civil (Real Estate) USP Engenheiro Civil (POLI-UPE) Espec. em Aval. e Perícias de Eng. (FOC-SP) Mestre em Estatística (UFPE) Eng. Civil do Banco do Nordeste
Leia maisEstatística Não Paramétrica. Como construir testes de aderência
Estatística Não Paramétrica Como construir testes de aderência Teste Qui-quadrado Suposições amostra aleatória Dados nominais (sexo: M ou F) ou numéricos (idade: menor que 15, 15-24, 25-34, 35-44, 45-54,
Leia maisLucas Santana da Cunha de junho de 2018 Londrina
Distribuição Normal Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 25 de junho de 2018 Londrina 1 / 17 Distribuição Normal Dentre todas as distribuições de probabilidades,
Leia maisEstatística. Guia de Estudos P2
Estatística Guia de Estudos P2 1. Intervalo de Confiança Conceito extremamente importante que consiste em utilizar os valores amostrais obtidos através das fórmulas de Estatística Descritiva para encontrar
Leia mais1 Que é Estatística?, 1. 2 Séries Estatísticas, 9. 3 Medidas Descritivas, 27
Prefácio, xiii 1 Que é Estatística?, 1 1.1 Introdução, 1 1.2 Desenvolvimento da estatística, 1 1.2.1 Estatística descritiva, 2 1.2.2 Estatística inferencial, 2 1.3 Sobre os softwares estatísticos, 2 1.4
Leia maisUNIVERSIDADE FEDERAL DA PARAÍBA
UNIVERSIDADE FEDERAL DA PARAÍBA Modelos de Probabilidade e Inferência Estatística Análise de Variância Parte 1 Departamento de Estatística Luiz Medeiros MOTIVAÇÃO Em uma experiência para comparar a eficiência
Leia maisMétodos Estatísticos
Métodos Estatísticos 8 Inferência Estatística stica Estimação de Parâmetros Média Referencia: Estatística Aplicada às Ciências Sociais, Cap. 9 Pedro Alberto Barbetta. Ed. UFSC, 5ª Edição, 22. Estimação
Leia maisPARTE TEÓRICA Perguntas de escolha múltipla
PROBABILIDADES E ESTATÍSTICA MIEEC/FEUP PARTE TEÓRICA Perguntas de escolha múltipla 1 Dada a experiência aleatória ε define-se espaço amostral associado a ε como sendo: A O espaço físico onde se realiza
Leia maisANÁLISE DE VARIÂNCIA DE UM CRITÉRIO (DIC)
ANÁLISE DE VARIÂNCIA DE UM CRITÉRIO (DIC) Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 11 de dezembro de 2017 Uma análise de variância expressa uma medida
Leia maisEstatística Aplicada II. } Regressão Linear
Estatística Aplicada II } Regressão Linear 1 Aula de hoje } Tópicos } Regressão Linear } Referência } Barrow, M. Estatística para economia, contabilidade e administração. São Paulo: Ática, 007, Cap. 7
Leia maisEstatística Frequentista
Estatística Frequentista Analise de Variância Alexandre Adalardo de Oliveira PlanECO 2017 1 of 32 03/24/2017 09:03 AM Conteúdo histórico conceituação básica exemplo Testes Clásssicos 2 of 32 03/24/2017
Leia maisMétodos Quantitativos para Avaliação de Políticas Públicas
ACH3657 Métodos Quantitativos para Avaliação de Políticas Públicas Aula 11 Análise de Resíduos Alexandre Ribeiro Leichsenring alexandre.leichsenring@usp.br Alexandre Leichsenring ACH3657 Aula 11 1 / 26
Leia maisVerificando as pressuposições do modelo estatístico
Verificando as pressuposições do modelo estatístico Prof. a Dr. a Simone Daniela Sartorio de Medeiros DTAiSeR-Ar 1 As pressuposições do modelo estatístico: 1) os efeitos do modelo estatístico devem ser
Leia maisPlanejamento e Otimização de Experimentos
Planejamento e Otimização de Experimentos Um Pouco de Estatística Descritiva Prof. Dr. Anselmo E de Oliveira anselmo.quimica.ufg.br elcana@quimica.ufg.br Populações, Amostras e Distribuições População
Leia maisMOQ 13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ 3 PROBABILIDADE E ESTATÍSTICA Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semanas 2 3 4 5 6 7 8 9 0 2 3 4 5 e 6 Introdução à probabilidade (eventos, espaço
Leia maisDistribuição de frequências. Prof. Dr. Alberto Franke
Distribuição de frequências Prof. Dr. Alberto Franke E-mail: alberto.franke@ufsc.br 1 Distribuição de frequências Há necessidade de distinguir entre: Distribuição observada Distribuição verdadeira Distribuição
Leia maisMOQ-13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ-13 PROBABILIDADE E ESTATÍSTICA Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semanas 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 e 16 Introdução à probabilidade (eventos,
Leia maisModelos longitudinais aplicados a dados de experimentos com cupuaçuzelro no Estado do Pará
Modelos longitudinais aplicados a dados de experimentos com cupuaçuzelro no Estado do Pará Vinicius Silva dos Santos - FacEst, UFPA l2 Maria Regina Madruga - FacEst, UFPA 1 Rafael Moysés Alves - Embrapa,
Leia maisA figura 5.1 ilustra a densidade da curva normal, que é simétrica em torno da média (µ).
Capítulo 5 Distribuição Normal Muitas variáveis aleatórias contínuas, tais como altura, comprimento, peso, entre outras, podem ser descritas pelo modelo Normal de probabilidades. Este modelo é, sem dúvida,
Leia maisEstatística Descritiva e Inferencial CE081. Prof. Dr. Jomar Camarinha
Estatística Descritiva e Inferencial CE081 Prof. Dr. Jomar Camarinha CONTEÚDO Estatística Descritiva e Exploratória Teoria dos Conjuntos Análise Combinatória Noções de Probabilidade Noções de Amostragem
Leia maisRalph S. Silva
ANÁLISE ESTATÍSTICA MULTIVARIADA Ralph S Silva http://wwwimufrjbr/ralph/multivariadahtml Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Revisão:
Leia maisMAE 317 Planejamento de Experimentos I. Profa. Júlia Maria Pavan Soler IME/USP
MAE 37 Planeamento de Experimentos I Profa. Júlia Maria Pavan Soler pavan@ime.usp.br IME/USP MAE 37 Planeamento de Experimentos I Profa. Júlia Maria Pavan Soler pavan@ime.usp.br IME/USP Delineamento Completamente
Leia maisCap. 9 Comparação entre tratamentos
Estatística para Cursos de Engenharia e Informática Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 004 Cap. 9 Comparação entre tratamentos APOIO: Fundação de Apoio
Leia maisGabarito Lista 2 LES0773 Estatística III. Os resultados dessa regressão são apresentados na seguinte tabela:
Gabarito Lista 2 LES0773 Estatística III Exercício 1) Utilizando a ferramenta Análise de Dados e a sua função Regressão, foi realizada uma regressão levando em consideração os gastos com PD como variável
Leia maisESTATÍSTICA Distribuições qui-quadrado, t de Student e F de Snedecor Lucas Schmidt
ESTATÍSTICA Distribuições qui-quadrado, t de Student e F de Snedecor Lucas Schmidt lucas.breniuk@hotmail.com Estimação de parâmetros Média Variância Proporção Estimação de parâmetros Média: " estimador
Leia maisANÁLISE DOS RESÍDUOS. Na análise de regressão linear, assumimos que os erros E 1, E 2,, E n satisfazem os seguintes pressupostos:
ANÁLISE DOS RESÍDUOS Na análise de regressão linear, assumimos que os erros E 1, E 2,, E n satisfazem os seguintes pressupostos: seguem uma distribuição normal; têm média zero; têm variância σ 2 constante
Leia maisAULA 05 Teste de Hipótese
1 AULA 05 Teste de Hipótese Ernesto F. L. Amaral 03 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario F. 2008. Introdução
Leia maisTeste de Hipótese. Comparação entre médias de dois grupos de dados 22/05/2009. Conteúdo. Valor de P. Tipos de Erro. Tipos de Erro
Conteúdo Teste de hipótese Erros tipo I e II Teste t de Student ANOVA Qui-quadrado Teste de Hipótese Hipótese de Pesquisa (H 1 ) Prediz a relação entre variáveis Diferenças entre grupos Não é testada estatisticamente
Leia maisProbabilidade e Estatística. Estimação de Parâmetros Intervalo de Confiança
Probabilidade e Estatística Prof. Dr. Narciso Gonçalves da Silva http://páginapessoal.utfpr.edu.br/ngsilva Estimação de Parâmetros Intervalo de Confiança Introdução A inferência estatística é o processo
Leia maisANÁLISE MULTIVARIADA APLICADA AS CIÊNCIAS AGRÁRIAS PÓS-GRADUAÇÃO EM AGRONOMIA CIÊNCIA DO SOLO: CPGA-CS
ANÁLISE MULTIVARIADA APLICADA AS CIÊNCIAS AGRÁRIAS PÓS-GRADUAÇÃO EM AGRONOMIA CIÊNCIA DO SOLO: CPGA-CS ANÁLISE DE VARIÁVEIS CANÔNICAS Carlos Alberto Alves Varella 1 ÍNDICE INTRODUÇÃO... 2 DIMENSIONALIDADE
Leia maisAULA 11 Teste de Hipótese
1 AULA 11 Teste de Hipótese Ernesto F. L. Amaral 20 de setembro de 2012 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro: LTC. Capítulo
Leia maisEng a. Morgana Pizzolato, Dr a. Aula 02 Revisão de Estatística DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM
Eng a. Morgana Pizzolato, Dr a. Aula 02 Revisão de Estatística DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM TÓPICOS DESTA AULA Revisão de Estatística Coleta de dados Análise de dados
Leia maisDistribuição Normal. Estatística Aplicada I DISTRIBUIÇÃO NORMAL. Algumas característica importantes. 2πσ
Estatística Aplicada I DISTRIBUIÇÃO NORMAL Prof a Lilian M. Lima Cunha AULA 5 09/05/017 Maio de 017 Distribuição Normal Algumas característica importantes Definida pela média e desvio padrão Media=mediana=moda
Leia maisEstatística Aplicada II. } Algumas distribuições adicionais
Estatística Aplicada II } Algumas distribuições adicionais 1 Aula de hoje } Tópicos } Algumas distribuições adicionais } Referência } Barrow, M. Estatística para economia, contabilidade e administração.
Leia maisEstatísticas Inferenciais Distribuições Amostrais. Estatística
Estatística Na descrição dos conjuntos de dados x 1,..., x n, não foi feita menção ao conceito de população. Estatísticas inferenciais: preocupadas com a fonte dos dados e em tentar fazer generalizações
Leia maisCONHECIMENTOS ESPECÍFICOS
fonte de graus de soma de quadrado variação liberdade quadrados médio teste F regressão 1 1,4 1,4 46,2 resíduo 28 0,8 0,03 total 2,2 A tabela de análise de variância (ANOVA) ilustrada acima resulta de
Leia maisX 2. (σ 2 + µ 2 ) = 1 n (nσ 2 + nµ 2 ) = σ 2 + µ 2. µ = 0 E(T ) = σ 2
Estatística II (GET00182) Turma A1 Prova 1 20/10/2017 2/2017 NOME: GABARITO 1. Seja X 1, X 2,, X n uma amostra aleatória simples de uma população X com média µ e variância σ 2. (a) Mostre que, se µ = 0,
Leia maisRegression and Clinical prediction models
Regression and Clinical prediction models Session 6 Introducing statistical modeling Part 2 (Correlation and Linear regression) Pedro E A A do Brasil pedro.brasil@ini.fiocruz.br 2018 Objetivos Continuar
Leia maisAVALIAÇÃO DOS TESTES MULTIVARIADOS DA RAZÃO DE VEROSSIMILHANÇAS E T² DE HOTELLING: Um estudo por simulação de dados
AVALIAÇÃO DOS TESTES MULTIVARIADOS DA RAZÃO DE VEROSSIMILHANÇAS E T² DE HOTELLING: Um estudo por simulação de dados Eduardo Campana Barbosa 12 Rômulo César Manuli² Patrícia Sousa² Ana Carolina Campana
Leia maisSUMÁRIO. 1.1 Introdução, Conceitos Fundamentais, 2
SUMÁRIO 1 CONCEITOS BÁSICOS, 1 1.1 Introdução, 1 1.2 Conceitos Fundamentais, 2 1.2.1 Objetivo, 2 1.2.2 População e amostra, 2 1.3 Processos estatísticos de abordagem, 2 1.4 Dados estatísticos, 3 1.5 Estatística
Leia maisINTRODUÇÃO A MODELOS MISTOS
INTRODUÇÃO A MODELOS MISTOS Delineamento experimental ou desenho experimental, de uma forma bastante simples, é a forma em que os tratamentos (níveis de um fator ou combinações de níveis de fatores) são
Leia maisInferência Estatística
Inferência Estatística Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA Núcleo de Estatística e Informática HUUFMA email: alcione.miranda@terra.com.br Inferência Estatística Inferências
Leia maisInferência. 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média. Renata Souza
Inferência 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média Renata Souza Aspectos Gerais A estatística descritiva tem por objetivo resumir ou descrever características importantes
Leia mais