Documente Academic
Documente Profesional
Documente Cultură
SEMANA CONTEÚDO
9 Inferência baseada em 2 amostras
10 Teste de aderência e análise de dados categorizados
Regressão linear simples. Estimação dos parâmetros pelo
11 método dos mínimos quadrados. Coeficiente de determinação.
Aplicações de modelos de regressão linear.
12 Prova
Hipóteses de um modelo de regressão. Estimação de parâmetros
13 pelo método da máxima verossimilhança. Inferência em análise de
regressão. Previsão utilizando regressão linear simples.
14 Regressão linear múltipla.
Distribuição F de Snedcor. Análise de variância (ANOVA).
15 Princípios de experimentação e algumas aplicações em
engenharia
16 Prova
MOQ-23 ESTATÍSTICA
ANÁLISE DE VARIÂNCIA
TESTAR
ADERÊNCIA
POPULAÇÃO
ESTIMAÇÃO DOS
AMOSTRA PARÂMETROS
FAZER INFERÊNCIAS EM
HIPÓTESES
RELAÇÃO A POPULAÇÃO
σ)
- Parâmetros conhecidos ou não (σ
Princípios:
•A análise de variância (ANOVA) é um conjunto de procedimentos
estatísticos para a análise de respostas quantitativas de unidades
experimentais.
•Ela pode ser vista como um teste de hipóteses utilizado para
comparar as médias de mais de duas populações.
Exemplos:
• A eficiência de diversas marcas de remédios para o
tratamento de uma mesma doença.
• O consumo em km/litro de diferentes marcas, do mesmo
porte, de carro abastecido com combustíveis do mesmo
tipo.
• A vida útil de componentes produzidos utilizando
diferentes processos de fabricação.
Conceitos da ANOVA:
•Objetivo: Avaliar se as diferenças observadas entre as médias das amostras
são estatisticamente significantes, ou seja, se uma variação de médias das
amostras pode ser conseqüência da variação amostral ou é uma boa
evidência da diferença entre as médias das populações.
•Sejam a: número de populações ou tratamentos sendo comparados
µ1, ..., µi: média da população ou do tratamento i, i = 1,...,a
yij: valor da j-ésima medida da i-ésima população(tratamento), j=1,...,n
yi.: média da i-ésima população (tratamento), i=1,...,a
y..: média geral
Conceitos da ANOVA:
• A variabilidade total das amostras pode ser dividida em duas partes,
ou fontes de variabilidade:
• A primeira parte de variabilidade é proveniente de as
populações serem diferentes, denominada variabilidade entre.
Quanto maior for a variabilidade entre, mais forte é a
evidência de as médias das populações serem diferentes.
• A segunda parte de variabilidade é causada pelas diferenças
dentro de cada amostra, denominada variabilidade dentro.
Quanto maior for a variabilidade dentro, maior será a
dificuldade para concluir se as médias das populações são
diferentes.
σ 22 σ 22
(n2 − 1)
F é a razão de duas X2 independentes divididas pelos seus g.l. e é utilizada na
comparação de variâncias amostrais.
Proposição: quando Ho é verdadeira, E(QMTr) = E(QME) = σ2, ao passo
que, quando Ho for falsa, E(QMTr) > E(QME) = σ2,ou seja, ambas são não
σ2), quando Ho
tendenciosas para estimar a variância comum da população (σ
for verdadeira, mas QMTr tende a superar σ2 quando Ho for falsa.
Procedimento da ANOVA:
• Cálculo da variância dentro: Sw2
∑ (X i − X 1 ) + K + ∑ (X i − X k )
n1 nk
2 2
SSE
S w2 = i =1 i =1
= = MSE
n1 + n2 + K + nk − k nT − k
S =
2 ( )2
n1 X 1 − X + K + nk X k − X ( )
2
=
SST
= MST
k −1 k −1
b
Procedimento da ANOVA:
• Cálculo da variância total: SS
(X − X )
n1 + n2 +L+ nk 2
SS = ∑ i
i =1
SS − SSE
Demonstra-se que SS = SSE + SST ⇒ S = 2
k −1
b
SST
S b2 k − 1 MST
• Cálculo do F observado: Fo = 2 = =
Sw SSE MSE
nT − k
Tabela ANOVA:
• Análise de variância pela tabela ANOVA:
MOQ-23 ESTATÍSTICA
PRINCÍPIOS DE EXPERIMENTAÇÃO
Fatores Controláveis
x1 x2 x3 x4 xp
y1
...
y2
Entrada Saída y3
Processo y4
...
...
ym
z1 z2 z3 z4 zq
Fatores Incontroláveis
(ruídos)
Fatores Controláveis
x1 x2 x3 x4 xp
y1
...
y2
Entrada Saída y3
Processo y4
...
...
ym
z1 z2 z3 z4 zq
Fatores Incontroláveis
(ruídos)
Z: Operador
Importância em engenharia (PRODUTOS):
0,0000
0,0000 13 0,0522
0,3157 14 0,1573 -0,5000
0,3536 15 0,2641 -1,0000
0,4754 16 0,3741
0,5590 17 0,4888 -1,5000
0,5590 18 0,6103 -2,0000
0,6946 19 0,7416
-2,5000
0,8319 20 0,8871
-2,5000 -1,5000 -0,5000 0,5000 1,5000 2,5000
1,1180 21 1,0545
1,1885 22 1,2582 Dados padronizados
1,4523 23 1,5341
1,7678 24 2,0368
Planejamento e análise dos Experimentos:
CASO 1: Experimento fatorial completo (1 fator, k níveis) com n replicações
e seqüência aleatória.
Análises:
Concentração lenhosa Replicação Amostra Resistência à tração C5% C10% C15% C20%
1 1 7 1 0 0 0
2 2 8 1 0 0 0
3 3 15 1 0 0 0
5% 4 4 11 1 0 0 0
5 5 9 1 0 0 0
6 6 10 1 0 0 0
1 7 12 0 1 0 0
2 8 17 0 1 0 0
3 9 13 0 1 0 0
10% 4 10 18 0 1 0 0
5 11 19 0 1 0 0
6 12 15 0 1 0 0
1 13 14 0 0 1 0
2 14 18 0 0 1 0
3 15 19 0 0 1 0
15% 4 16 17 0 0 1 0
5 17 16 0 0 1 0
6 18 18 0 0 1 0
1 19 19 0 0 0 1
2 20 25 0 0 0 1
3 21 22 0 0 0 1
20% 4 22 23 0 0 0 1
5 23 18 0 0 0 1
6 24 20 0 0 0 1
Planejamento e análise dos Experimentos:
CASO 1: Experimento fatorial completo (1 fator, k níveis) com n replicações
e seqüência aleatória.
Análises:
RESUMO DOS RESULTADOS
Estatística de regressão
R múltiplo 0,86385
R-Quadrado 0,74624
R-quadrado ajustado 0,70818
Erro padrão 2,55114
Observações 24
ANOVA
gl SQ MQ F F de significação
Regressão 3 382,7917 127,5972 19,6052 0,0000
Resíduo 20 130,1667 6,5083
Total 23 512,9583
RESUMO
Grupo Contagem Soma Média Variância
C5% 6 60 10 8
C10% 6 94 15,66666667 7,866666667
C15% 6 102 17 3,2
C20% 6 127 21,16666667 6,966666667
ANOVA
Fonte da variação SQ gl MQ F valor-P F crítico
Entre grupos 382,7916667 3 127,5972222 19,605207 3,59258E-06 3,098392654
Dentro dos grupos 130,1666667 20 6,508333333
Total 512,9583333 23
Planejamento e análise dos Experimentos:
CASO 1: Experimento fatorial completo (1 fator, k níveis) com n replicações
e seqüência aleatória.