7 Análise de covariância (ANCOVA)

Documentos relacionados
Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples.

Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.

CAPÍTULO 9 - Regressão linear e correlação

A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: enchentes

MAE116 Noções de Estatística

Regressão Linear - Introdução

Análise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA

Análise de Regressão

ELECTROTECNIA TEÓRICA MEEC IST

INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA

1) Escrever um programa que faça o calculo de transformação de horas em minuto onde às horas devem ser apenas número inteiros.

Prof. Dr. Marco Antonio Leonel Caetano Projeção de Cenários Aplicados ao Orçamento Empresarial Com revisão das Ferramentas de Estatística

PUCRS FAMAT DEPTº DE ESTATÍSTICA ESTATÍSTICA DESCRITIVA SÉRGIO KATO

O que heterocedasticidade? Heterocedasticidade. Por que se preocupar com heterocedasticidade? Exemplo de heterocedasticidade.

Monitoramento ou Inventário Florestal Contínuo

MA12 - Unidade 4 Somatórios e Binômio de Newton Semana de 11/04 a 17/04

AMOSTRAGEM EM DOIS ESTÁGIOS COM UNIDADES PRIMÁRIAS DE TAMANHOS DIFERENTES SUBSAMPLING TO TWO PROBATION WITH PRIMARY UNITS OF UNEQUAL SIZES

A Medição e o Erro de Medição

Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira INEP Ministério da Educação MEC. Índice Geral de Cursos (IGC)

2 Avaliação da segurança dinâmica de sistemas de energia elétrica: Teoria

UNIVERSIDADE FEDERAL FLUMINENSE CENTRO DE ESTUDOS GERAIS INSTITUTO DE MATEMÁTICA DEPARTAMENTO DE ESTATÍSTICA NÚMEROS ÍNDICES

UERJ CTC IME Departamento de Informática e Ciência da Computação 2 Cálculo Numérico Professora Mariluci Ferreira Portes

Unidade II ESTATÍSTICA

CAPÍTULO 2 - Estatística Descritiva

Modelos de Regressão Linear Simples - Erro Puro e Falta de Ajuste

MÉTODO COMPUTACIONAL AUTOMÁTICO TICO PARA PRÉ-PROCESSAMENTO PROCESSAMENTO DE IMAGENS RADIOGRÁFICAS. M. Z. Nascimento, A. F. Frère e L. A.

IND 1115 Inferência Estatística Aula 9


SUMÁRIO GOVERNO DO ESTADO DO CEARÁ. Cid Ferreira Gomes Governador. 1. Introdução Domingos Gomes de Aguiar Filho Vice Governador

Variância estatística associada a métodos semi-empíricos para estimativa da capacidade de carga de estacas

Capítulo 2 O conceito de Função de Regressão Populacional (FRP) e Função de Regressão Amostral (FRA)

Estatística Notas de Aulas ESTATÍSTICA. Notas de Aulas. Professor Inácio Andruski Guimarães, DSc. Professor Inácio Andruski Guimarães, DSc.

3 Precificação de resseguro

Capítulo 6 - Centro de Gravidade de Superfícies Planas

Matemática Ficha de Trabalho

Requisitos metrológicos de instrumentos de pesagem de funcionamento não automático

Econometria: 4 - Regressão Múltipla em Notação Matricial

Cálculo de média a posteriori através de métodos de integração numérica e simulação monte carlo: estudo comparativo

ANÁLISE DE CORRELAÇÃO: ABORDAGEM TEÓRICA E DE CONSTRUÇÃO DOS COEFICIENTES COM APLICAÇÕES

CAPÍTULO 1 PROBABILIDADE

Capítulo 1: Erros em cálculo numérico

13 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL

Estatística Agosto 2009 Campus do Pontal Prof. MSc. Quintiliano Siqueira Schroden Nomelini

Perguntas Freqüentes - Bandeiras

FINANCIAMENTOS UTILIZANDO O EXCEL

Capítulo 5 EQUAÇÕES DE CONSERVAÇÃO DA MASSA

Ana Clara P. Campos 1 Denise Nunes Viola 1 Moacyr Cunha Filho 2 Guilherme Vilar 2 Vanessa Van Der Linden 3

ÍNDICE DE TERMOS: MOTOR DEDICADO, PADRONIZAÇÃO;

Algoritmos de Interseções de Curvas de Bézier com Uma Aplicação à Localização de Raízes de Equações

Teoria da Amostragem

Medidas de Localização

CURSO SOBRE MEDIDAS DESCRITIVA Adriano Mendonça Souza Departamento de Estatística - UFSM -

RESUMO DE MATEMÁTICA FINANCEIRA. Juro Bom Investimento C valor aplicado M saldo ao fim da aplicação J rendimento (= M C)

PROCEDIMENTOS DE CÁLCULO DE INCERTEZA DE MEDIÇÃO EM MEDIÇÕES DIRETAS E INDIRETAS

Capitulo 8 Resolução de Exercícios

Perguntas freqüentes Credenciadores

Nota Técnica n o 037/2013-SRG/ANEEL. Em 17 de maio de Processo: /

FERRAMENTA AVALIATIVA DINÂMICA A PARTIR DA TEORIA DE RESPOSTA AO ITEM

Matemática. Resolução das atividades complementares. M18 Noções de Estatística

Probabilidade e Estatística. Correlação e Regressão Linear

A esse tipo de tabela, cujos elementos não foram numericamente organizados, denominamos tabela primitiva.

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS

AVALIAÇÃO DOS PROGRAMAS DE PÓS-GRADUAÇÃO EM ENGENHARIA DA UFRJ EMPREGANDO UMA VARIANTE DESENVOLVIDA DO MÉTODO UTA

Aluno(a): Professor: Chiquinho

1 SISTEMA FRANCÊS DE AMORTIZAÇÃO

É o quociente da divisão da soma dos valores das variáveis pelos números deles:

Projeção Populacional para a Cidade do Rio de Janeiro: uma aplicação do método AiBi

Uma Calculadora Financeira usando métodos numéricos e software livre

Gestão de Sistemas de Produção/Operações Profº Túlio de Almeida

APOSTILA DE ESTATÍSTICA APLICADA A ADMINISTRAÇÃO, ECONOMIA, MATEMÁTICA INDUSTRIAL E ENGENHARIA

Professor Mauricio Lutz CORRELAÇÃO

b. As medidas de posição mais importantes são as medidas de tendência central. Dentre elas, destacamos: média aritmética, mediana, moda.

MODELAGEM DE DADOS POR REGRESSÃO LINEAR MÚLTIPLA PARA AVALIAÇÃO DE IMÓVEIS RURAIS DO SUBMÉDIO SÃO FRANCISCO

LCE2112 Estatística Aplicada às Ciências Sociais e Ambientais 2010/02. Exemplos de revisão

Módulo: Binômio de Newton e o Triângulo de Pascal. Binômio de Newton e o Triângulo de Pascal. 2 ano do E.M.

Projeto de rede na cadeia de suprimentos

M = C( 1 + i.n ) J = C.i.n. J = C((1+i) n -1) MATEMÁTICA FINANCEIRA. M = C(1 + i) n BANCO DO BRASIL. Prof Pacher

SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO DE CIÊNCIAS BIOLÓGICAS DECB

CVT: Coeficiente de Variação de Thorndike CVQ: Coeficiente Quartílico de Variação MEDIDAS DE ASSIMETRIA

Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto

Análise de Variância. Introdução. Rejane Sobrino Pinheiro Tania Guillén de Torres

Capítulo 1 PORCENTAGEM

de Energia Geração Térmica

2-Geometria da Programação Linear

MATERIAL DE ESTATÍSTICA II PROF. MÁRIO ROBERTO

Caderno de Fórmulas. Swap

LEASING UMA OBSERVAÇÃO Economista Antonio Pereira da Silva

Olá, amigos concursandos de todo o Brasil!

Notas de aula da disciplina Probabilidade e Estatística

Vitamina A Vitamina B Vitamina C Alimento Alimento Alimento

Marília Brasil Xavier REITORA. Prof. Rubens Vilhena Fonseca COORDENADOR GERAL DOS CURSOS DE MATEMÁTICA

Cap 6. Substituição de Equipamentos

Educação e Pesquisa ISSN: revedu@usp.br Universidade de São Paulo Brasil

Sérgio Leonardo Nhapulo. Vento Como Fonte Alternativa de Energia do Futuro Para a Província de Gaza. Licenciatura em Ensino de Física

5.1 Seleção dos melhores regressores univariados (modelo de Índice de Difusão univariado)

ANAIS O JOGO DA LOGÍSTICA E SUAS VARIANTES NO PROBLEMA DE LOCALIZAÇÃO DE INSTALAÇÕES

UNIVERSIDADE ESTADUAL PAULISTA ESTIMAÇÃO DE RIGIDEZES DE MANCAIS DE ROTORES POR ANÁLISE DE SENSIBILIDADE. Leonardo Caldiron

Professor Mauricio Lutz ESTATÍSTICA BÁSICA

Transcrição:

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 ão ter cobaas de mesmo peso, motores com o mesmo tempo de fucoameto, corpos de prova com mesmo tamho etc. Mas, em todos estes casos, qudo a codção cal da udade expermetal for cohecda e puder ser medda, e ada, que seja cohecdo que esta codção cal (uma varável) teha fluêca sobre a varável resposta, pode-se utlzar esta formação para corrgr a varável resposta. Tal, procedmeto pode ser feto utlzdo-se da técca de álse de covarâca. A varável medda a codção cal da udade expermetal é chamada de covarável (ou ada, varável auxlar, varável cocomtte). Em um mesmo expermeto, pode haver mas de uma covarável. A covarável complemeta o cotrole local e a grde maora das stuações smplesmete o substtu. Obvamete, a covarável ecessta estar correlacoada com a varável resposta para que se possa fazer uso de tal álse. Qudo a Aálse de Varâca é realzada com uma ou mas covaráves, usase chamar a álse de ANCOVA 2. A ANCOVA permte que se faça um ajuste do efeto de uma varável resposta que sofreu fluêca de uma varável ou uma causa de varação ão cotrolada. A ANCOVA, permte, portto, um cotrole do erro expermetal, aumetdo a precsão do expermeto. é possível também fazer o ajuste das médas dos tratametos em fução da(s) covarável(es) e, em algus casos, estmar observações perddas durte o expermeto. Para que uma covarável possa ser assm cosderada, deve-se gartr que ela ão seja afetada pelo tratameto. Por exemplo: ao utlza-se como covarável o úmero de mas sobrevvetes em uma gaola, deve-se gartr que a causa da morte ou da perda dos mas durte o expermeto ão seja causada pelo efeto do tratameto. Neste caso, o uso da covarável é correto, pos será elmado da álse uma possível fote de varação cohecda: o própro efeto do tratameto. 2 Aalyss of covarce

Plejameto de Expermetos II - Adlso dos Ajos 7 Um stuação bastte comum é qudo exstem mas de pesos dferetes e a varável resposta de teresse é o peso fal dos mas. Neste caso, tes do íco do expermeto, o peso cal dos mas é obtdo e utlzado como covarável o expermeto. Grafcamete, a forma de correção da varável resposta através da ANCOVA pode ser vsta a fgura 14. Fgura 14: Metodologa de ajuste da álse de covarâca. 7.2 Modelo estatístco Cosdere um expermeto com um fator e uma covarável. O modelo estatístco pode ser escrto da segute mera: y = µ + α + β(x X) + (23) ode µ = costte; α =efeto do -ésmo tratameto; X = valor observado da covarável; X = méda da covarável; β = coefcete de regressão lear etre a covarável (X) e a varável resposta (Y), com β = 0. Neste caso, a relação deve ser lear. Neste modelo, assume-se que a varável resposta e a covarável estão relacoadas learmete.

Plejameto de Expermetos II - Adlso dos Ajos 76 Aálse de Varâca Tabela 9: Aálse de covarâca. GL SQ e Prod. Cruzados Ajuste pela Regressão CV GL xx xy yy y GL QM Trat a-1 T xx T xy T yy Erro a(-1) E xy E yy SQE=E yy (E xy) 2 a(-1)-1 Total -1 S xx S xy S yy SQE =S yy (Sxy)2 S xx -2 Trat. aj. SQE-SQE a-1 SQE a( 1) 1 SQE SQE a 1 Ode S yy = S xx = y (y..) 2 x (x..) 2 S xy = x y (y..)(x.. ) T xx = x. (x..) 2 T xy = (x. )(y. ) (x..)(y.. ) T yy = y. (y..) 2 E yy = S yy T yy = S xx T xx E xy = S xy T xy

Plejameto de Expermetos II - Adlso dos Ajos 77 e ˆβ = E xy (24) O valor de F para tratametos é obtdo por: F = SQE SQE A 1 SQE a( 1) 1 (2) E a hpótese H 0 : β = 0 pode ser testada por F = (E xy) 2 E yy (E xy) 2 Exx a( 1) 1 F α (1, a( 1) 1) (26) O ajuste da varável observada Y, pode ser eteddo como y β(x X) = µ + α + (27) O ajuste de médas de tratametos, pode ser feto da segute mera ȳ. = ȳ. ˆβ( x. x.. ) (28) 7.3 Exemplo: Cosdere o segute cojuto de dados ode fo meddo a resstêca de fos de algodão. A resposta avalada fo o comprmeto (cm) que o fo atgu tes de se romper. Como cada fo possu um dâmetro dferete, e sso afeta a resstêca, utlzou-se essa formação como covarável. Os dados estão a tabela 60. Três tpos de máquas foram comparadas este expermeto. O prmero passo da álse é verfcar se exste relação lear etre a varável e a covarável. Esta relação deve ser pelo meos aproxmada. O passo segute é calcular as somas de quadrados e produtos cruzados. S yy = 3 j=1 y 2 (y..) 2 = (362 +... + 32 2 ) (603)2 3 = 346, 40

Plejameto de Expermetos II - Adlso dos Ajos 78 Tabela 60: Comprmeto (Y) e dâmetro (X) de fos de algodão. Máqua 1 Máqua 2 Máqua 3 Observação Y X Y X Y X 1 36 20 40 22 3 21 2 41 2 48 28 37 23 3 39 24 39 22 42 26 4 42 2 4 30 34 21 49 32 44 28 32 Total 207 126 216 130 180 106 S xx = 3 S xy = 3 T yy = 3 j=1 j=1 T xx = 3 T xy = 3 x 2 (x..) 2 = (202 +... + 2 ) (362)2 3 = 261, 73 (x )(y ) (x..)(y..) = (20 36 +... + 32) (362)(603) = 282, 60 3 (y. ) 2 (y..) 2 = (2072 +216 2 +180 2 ) (603)2 = 140, 4 (x. ) 2 E yy = 346, 4 140, 4 = 206, 0 (x..)2 = (1262 +130 2 +106 2 ) (362)2 = 66, 13 (x. )(y. ) (x..)(y.. ) = (126 207+130 216+106 180) (362)(603) = 96 = 261, 73 66, 13 = 19, 6 E xy = 282, 6 96 = 186, 6 SQE = 346, 4 (282,6)2 261,73 = 41, 27 SQE = 206 (186,6)2 19,6 = 27, 99 SQE SQE = 41, 27 27, 99 = 13, 28 tratametos ajustada para a covarável. que é a soma de quadrados de O Coefcete de regressão ˆβ pode ser obtdo por ˆβ = E xy = 186, 6 19, 6 Pode-se testar a hpótese H 0 : β = 0 por = 0, 94 F β = (186, 6)2 /19, 6 2, 4 = 70, 08