RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro RESUMO

Documentos relacionados
RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro RESUMO

Grande Conjuntos de Dados. Organização; Resumo; Apresentação. Amostra ou População. Defeitos em uma linha de produção

Organização de dados -Dados não agrupados n. Mediana:

Organização de dados -Dados não agrupados n. Mediana:

= n. Observando a fórmula para a variância, vemos que ela pode ser escrita como, i 2

13 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL

ESTATÍSTICA II FORMULÁRIO

Análise de Regressão e Correlação

Regressão Linear e Multilinear

Estatística 15 - Comparação entre Duas Populações

Disciplina: Análise Multivariada I Prof. Dr. Admir Antonio Betarelli Junior AULA 6.1

Capítulo III Medidas Estatísticas

Regressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança

EAD Métodos Estatísticos de Projeção

Tópicos Extras 2ª parte. Análise de Correlação e Regressão

02/02/2017. Intervalo de Confiança. Bioestatística. Universidade Estadual do Oeste do Paraná - Unioeste. Curso de Nutrição

1- Qual a diferença entre amostragem probabilística e não-probabilística? Qual é a mais recomendada?

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA

Uma coleção de todos os possíveis elementos, objetos ou medidas de interesse.

i 2 i= = n Observando a fórmula para a variância, vemos que ela pode ser escrita como, i 2

Análise da Informação Económica e Empresarial

Teste para Amostras Dependentes (teste t pareado)

Modelo de Regressão Simples

Estatística. 2 - Estatística Descritiva

sticas Estatística (divisão) População stica: uma definição Estatística:

MODELOS DE REGRESSÃO NÃO LINEARES

Estimação pontual, estimação intervalar e tamanho de amostras

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População

INTERVALO DE CONFIANÇA

Regressao Simples. Parte II: Anova, Estimação Intervalar e Predição

Cap. 5. Testes de Hipóteses

NOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling

Estudo do intervalo de confiança da regressão inversa utilizando o software R

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.

Revisão de Estatística X = X n

Inferência Estatística e Aplicações I. Edson Zangiacomi Martinez Departamento de Medicina Social FMRP/USP

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD

Gabarito da Lista de Interpolação e Método dos Mínimos Quadrados

Teste t: variâncias diferentes

NOTAS DE AULA DA DISCIPLINA CE076 = 2. ], T 2 = conhecido como T 2 de Hotelling

MIEEC Supervisão e Controlo de Sistemas Eléctricos. Despacho Óptimo (incluindo limites de produção e perdas) Introdução

Etapas para a construção de uma distribuição de frequências por ponto

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Intervalo de Confiança

Modelos de regressão linear: abordagem clássica

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø.

Probabilidade II Aula 10

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

7 Análise de covariância (ANCOVA)

n Obtido através desvio padrão da população (σ)

Escola Secundária de Jácome Ratton

Exercícios de Cálculo Numérico Interpolação Polinomial e Método dos Mínimos Quadrados

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

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão

ESTATÍSTICA APLICADA À ZOOTECNIA

Econometria: 3 - Regressão Múltipla

ESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano

6.1 Estimativa de uma média populacional: grandes amostras. Definição: Um estimador é uma característica amostral (como a média amostral

Construção e Análise de Gráficos

Denomina F a variável aleatória definida pelo quociente: F = n

50 Logo, Número de erros de impressão

Despertando o(a) Discente Ativo(a)

MEDIDAS DE DISPERSÃO:

Universidade Estadual de Londrina

Macroeconometria Aula 3 Revisão de estatística e teste de hipótese

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística

Tabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f

CAPÍTULO 5. Ajuste de curvas pelo Método dos Mínimos Quadrados

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados

Preliminares 1. 1 lim sup, lim inf. Medida e Integração. Departamento de Física e Matemática. USP-RP. Prof. Rafael A. Rosales. 8 de março de 2009.

Probabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual

NOTA: ESCREVA AS RESPOSTAS COMO FRAÇÕES OU COM 4 CASAS DECIMAIS NOTA 2: O FORMULÁRIO ESTÁ NO FINAL DA PROVA

REGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi

Inferência Estatística

Estatística - exestatmeddisper.doc 25/02/09

Para quantificar a variabilidade de um conjunto de dados ou medidas é que se usam medidas de dispersão. Vamos estudar algumas delas nesta aula.

Distribuições de Probabilidades

Introdução à Correlação e Regressão Linear

Nº de sucessos ,3277 0,4096 0,2048 0,0512 0,0064 0,0003. n Limite superior de 0,025 0,01 0,0025 0,000625

Amostrador de Gibbs. Renato Assunção DCC - UFMG

Descritiva. Francisco Cysneiros DE - UFPE

06/02/2017. Teste de Hipóteses. Principais Conceitos. Teste de Hipóteses. Tipos de Erros. Tipos de Testes. Bioestatística

Cap. 11 Correlação e Regressão

Parte 3 - Regressão linear simples

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1.

CADERNO 1 (É permitido o uso de calculadora gráfica.)

Análise Estatística com Excel. Prof. Dr. Evandro Marcos Saidel Ribeiro

Números Complexos. 2. (IME) Seja z um número complexo de módulo unitário que satisfaz a condição z 2n 1, onde n é um número inteiro positivo.

Lista de Exercícios #9 Assunto: Análise de Regressão Método de Mínimos Quadrados

ANÁLISE DE REGRESSÃO É O ESTUDO E OBTENÇÃO DE RELAÇÕES ENTRE VARIÁVEIS. PRETENDE-SE SABER QUAL A MELHOR ESTIMATIVA DOS PARÂMETROS DA REGRESSÃO

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

Estatística Básica - Continuação

8. INFERÊNCIA PARA DUAS POPULAÇÕES

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro

Agenda Aula 2 Parte 1

Atividades Práticas Supervisionadas (APS)

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS

Probabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC

O delineamento amostral determina os processos de seleção e de inferência do valor da amostra para o valor populacional.

Transcrição:

UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD57 Etatítca Aplcaa à Amtração I Prof Dr Evaro Marco ael Rero REUMO REVIÃO DE INTRODUÇÃO À ETATÍTICA Mea e cetro Méa (méa artmétca) Meaa (prmeramete: orear o ao) A meaa é o valor que ve o cojuto e ao ao meo, ou eja, o valor que epara 5% o valore ferore o 5% o valore uperore, em outra palavra é o percetl 5 ~ P 5 Moa A moa é o valor ma frequete o cojuto e ao Ma utlzao para varáve creta Poto Méo O poto méo é a méa etre o valor mámo e mímo: ma PtoMe m Como localzar o percetl Oree o ao o meor para o maor Calcule: L (k/), oe úmero e valore k percetl em quetão L erá o Localzaor e P k Mea e perão Devo Parão Amotral Varâca L é um Itero? m O valor e P k etá etre o L-émo valor e o valor egute ão Ecotre P k omao o L-émo valor e o valor egute e vo o total por ( ) Mue L, arreoe para o prmero tero maor O valor e P k é o L-émo valor, cotao a partr o meor Dtrução Bomal A proalae e e oter eatamete uceo em tetatva, eo a p a proalae e uceo em uma tetatva, é aa por! p q P( ) ( )!! e q p Dtrução Normal Deae e proalae ( µ ) f ( ; µ, σ ) ep σ π σ No Ecel a eae é ota por: DITNORM(; µ; σ ) ou DITNORMP(z) No Ecel a área acumulaa até um valor e z é: INVNORM(; µ; σ ) ou INVNORMP(z) core-z ou parozação o ao Ecotre a méa e o evo parão Em egua utlze a epreão: ( ) z Itervalo e cofaça (etmatva tervalar) Etmatva para proporção p ˆ E < p < pˆ E eo pˆ a proporção e uceo oervaa a amotra: p ˆ /, oe é o úmero e uceo oervao pq ˆ ˆ N O erro é ao por: E zα / N e for eceáro etmar o tamaho a amotra para um erro mámo, coere: Npq ˆ ˆ( zα / ) pq ˆ ˆ( zα / ) ( N ) Ema Oerve que e a população puer er coeraa fta a epreõe acma ão epeem e N

Etmatva para méa (σ coheco) E < µ < E eo a méa amotral σ N O erro é ao por: E zα / N e for eceáro etmar o tamaho a amotra para um erro mámo, coere: σ Nσ ( zα / ) ( z ) ( N ) E α / ma Etmatva para méa (σ ão-coheco) E < µ < E eo a méa amotral O erro é ao por: E tα / Oerve que o evo parão é o amotral e utlza-e a trução t e tuet para oter o valor crítco t α / Etmatva para evo parão ou varâca O tervalo é oto com ae a trução ququarao ( ) A trução qu-quarao ão é métrca e o valore crítco ão empre potvo Para fazer o tervalo e cofaça utlza-e (valor crítco a equera) e D (valor crítco a reta) a etmatva tervalare ão: E Procemeto para Tete e Hpótee: Ecreva a afrmatva orgal a forma mólca Ecreva o opoto a afrmatva orgal a forma mólca 3 Epree H e H (H é empre a gualae) 4 elecoe o ível e gfcâca α 5 Verfque a trução a er utlzaa 6 Calcule a etatítca tete 7 A partr a etatítca tete verfque e H é rejetaa ou ão, para tato e utlze um métoo: Métoo tracoal: Compare a etatítca tete com o valor crítco, e a etatítca tete etá a regão crítca, Rejete H Métoo valor-p: a partr a etatítca tete eterme o valor-p e valor-p < α, Rejete H 8 Etaeleça a cocluão (fraeao fal aao) Fraeao Fal para o Tete e Hpótee: A afrmatva orgal cotém a gualae? Para o evo parão, ão m ( ) D < σ < ( ) E A hpótee H fo rejetaa? A hpótee H fo rejetaa? Para a varâca, ( ) D < σ ( ) < E O ao amotra apoam a afrmatva e que m m Há evêca para rejetar a afrmatva e que ETATÍTICA APLICADA À ADM I TETE DE HIPÓTEE: Itroução Ter em mete a Regra o eveto raro : e, o uma aa upoção, a proalae e um eveto oervao partcular é ecepcoalmete pequea, cocluímo que a upoção provavelmete ão é correta Não há evêca amotral para apoar a afrmatva e que ão ão Não há evêca para rejetar a afrmatva e que

TETE DE HIPÓTEE - uma amotra Iferêca ore uma proporção: H : p p p p Etatítca tete: z tete ˆ, pq eo q p Iferêca ore uma méa: Devo parão Coheco H : µ µ µ Etatítca tete: z tete σ Iferêca ore uma méa: Devo parão Decoheco H : µ µ µ Etatítca tete: t tete, grau e lerae: gl ( ) Iferêca ore um evo parão ou uma varâca: H : σ σ ou H : σ σ ( ) Etatítca tete: tete, σ grau e lerae: gl ( ) Iferêca ore ua méa: Amotra Iepeete H : µ µ Etatítca tete: t tete, grau e lerae: gl ecolha o meor etre ( ) e ( ) Iferêca ore ua méa: Amotra Emparelhaa H : µ Etatítca tete: ttete, eo a méa e toa a fereça amotra ; e é o evo parão a fereça amotra, ou eja para amotra e : e grau e lerae: gl ( ) ( ) Comparação a varação em ua amotra: Tete F para comparação e varâca H : σ σ Etatítca tete: F tete, eo a maor a ua varâca amotra - grau e lerae o umeraor: gl - grau e lerae o eomaor: gl TETE DE HIPÓTEE - ua amotra Iferêca ore ua proporçõe: H : p p pˆ pˆ Etatítca tete: z tete, p q p q eo p ˆ, p e q p 3

3 ANOVA (ANaly Of VArace) - Iferêca a partr e ma e ua amotra Hpótee: H : µ µ µ 3 H : pelo meo uma a méa é ferete a outra ANOVA e um fator - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - o Cálculo com tamaho gua - - - - - - - - - - - - - - - - - - - - - - - - - - Varâca etre amotra, eo a varâca a méa amotra Varâca etro a amotra p, eo p a méa a varâca amotra Etatítca Tete: F tete p - grau e l o umeraor: k gl Num - grau e l o eomaor: k ( ) gl De o Cálculo com tamaho amotra ferete - - - - - - - - - - - - - - - - - - - - ( ) Etatítca Tete: k F, eo a méa e too o valore amotra e tete ( ) N k - grau e lerae o umeraor: gl Num k ; grau e lerae o eomaor: N k gl De 4

Eemplo para ANOVA e um fator com tamaho amotra ferete: 4 CORRELAÇÃO Coere pare e ao (y,) y y y y Coefcete e Correlação Lear e Pearo: y r eo wz zz ( wz) yy ( w)( z) e ( z ) ( z) O tete e hpótee: H : ρ H : ρ gl t tete r Ou valor crítco r r α t α t α No Ecel: Ferrameta > Aále e Dao > Correlação 5 REGREÃO LINEAR IMPLE Equação a reta: ˆ eo y y e y Para avalar o ajute: ( y) Tot ( y y) ( y ), ( ) ( ) ( ) ( y) Re g yˆ y y y Erro ( y yˆ ) ( y ) ( y) ( ) y R Erro gfcao o R : proporção a varaçõe e y que ão eplcaa pela varaçõe e Tot Na HP: Dgte o ao: y, [eter],, Σ r: [ g ],, [y] Regtro Valor R R Σ R 3 Σ R 4 Σ y R 5 Σ y R 6 Σ y Erro Parão: y y Erro y 5

Tete e Hpótee H : β t tete H : β gl No Ecel: Na HP: :, [ g ], > Ferrameta > Aále e Dao > Regreão :, [ g ],, [ y], R, [y],[-] 5 Itervalo e cofaça a regreão Para oter o erro eve-e calcular h em caa valor e h (X X) X (X X) (X X) h erá utlzao para o cálculo o tervalo e cofaça, como vto a epreõe egute 7 MATRIZ DE COVARIÂNCIA (a partr a correlação) O cálculo e caa elemeto a matrz e covarâca poe er feto a partr a matrz e correlação Am, a partr a correlação r, etre ua varáve e, a covarâca é aa por: r () j j j Na epreão () e ão o evo-parão a j varáve e j, repectvamete 8 REGREÃO LINEAR MÚLTIPLA Coere ma e ua varáve (E: y,,) y y y y O ojetvo é oter o moelo e regreão lear múltpla, coerao k varáve epeete: y ˆ K k k Oter o moelo gfca ecotrar o valore e,,,, k 5 Etmatva para méa Itervalo e Cofaça para μ Yˆ ± t α / YX 5 Etmatva para valor h Itervalo e Cofaça para Y Y ˆ ± t α / YX h Y X X X X : : Etapa para o etuo e regreão lear múltpla: A repota o prolema (oteção e ) poe er aa atravé e matrze: β ( Z Z) ( Z Y) (3) M k A egur o pao para oteção o : 6 MATRIZ DE CORRELAÇÃO A matrz e correlação é ecrta a forma: r K r k r K r k R () M M O M rk rk K O cálculo e caa elemeto eta matrz poe er oto como motrao a eção 4 A matrz R é métrca, ou eja, r r j j Gráfco e perão y, y,, y k A partr a taela e ao coere a matrze Z e Y aa por: K k K k Z e M M M O M K k y y Y M y 6

Oteha Z, ou eja, a trapota a matrz Z: K K Z K M M O M k k K k Multplque a matrz trapota Z pela matrz Z: Z Z Coere o reultao ateror e verta oteo a matrz M ( Z Z) (4) Para verter a matrz veja: 9 MATRIZ INVERA Faça a multplcação a matrze Z e Y oteo a matrz Aaa por A Z Y (5) Multplque a matrze ota em (4) e (5) oteo am o valore e efo em (3), ou eja: β ( Z Z) ( Z Y) Com o valore e ecreva a equação lear: y ˆ K k k (6) A partr a epreão (6) calcule etmatva para caa cao em aále Calcule o reíuo ε para caa etmatva: ε y yˆ Faça um gráfco o reíuo (o eo-y) como fução a etmatva (o eo-) 9 MATRIZ INVERA A matrz vera e uma matrz A (e etr) é a matrz A - tal que A A - A - A Determação a Matrz Ivera pela matrz Ajuta: A aj( A) (7) et( A) Para uma matrz 33, coere o elemeto omeao e acoro com a epreão (8) aao: a c A e f (8) g h A matrz ajuta e A é ota pela matrz o cofatore trapota, que o cao a matrz A a epreão (8) reulta em: e f c h h f a c aj( A ) g g e a g h g h O etermate e A é oto por: e a a c f c f e et(a ) a e f g h c g e c a h f 7