MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
|
|
- Maria Luiza Alencar da Mota
- 6 Há anos
- Visualizações:
Transcrição
1 MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS Professor: Rodrigo A. Scarpel rodrigo@ita.br
2 Programa do curso: Semana Conteúdo 1 Apresentação da disciplina. Princípios de modelos lineares de regressão. Correlação amostral. 2 Regressão linear simples: hipóteses do modelo, estimação de parâmetros, propriedades e inferência dos estimadores. 3 Análise de variância (ANOVA) em regressão. Intervalos de confiança e de previsão. Análise dos resíduos. 4 Diagnósticos e reparação de problemas em regressão. Transformações. 5 Regressão linear forma matricial: estimação dos parâmetros, inferência dos estimadores, intervalos de confiança. 6 Prova 7 Princípios de regressão linear múltipla. Diagnósticos e reparação dos problemas em regressão linear múltipla. Multicolinearidade e seus efeitos. 8 Seleção de variáveis. Modelos polinomiais. Modelos com variáveis qualitativas. 9 Introdução ao projeto de experimentos: estratégia de experimentação, princípios básicos e aplicações típicas. Experimentos inteiramente casualizados. Análise de variância. 10 Experimentos fatoriais com dois ou mais fatores. 11 Experimentos fatoriais 2 k. Pontos centrais. 12 Experimentos em blocos casualizados. blocagem em experimentos 2 k. 13 Prova 14 Experimentos fatoriais fracionados. 15 Experimentos com fatores quantitativos. Métodos de superfície de resposta. 16 Otimização de produtos e processos. Projetos robustos.
3 INTRODUÇÃO AO PROJETO DE EXPERIMENTOS Professor: Rodrigo A. Scarpel
4 Processo de experimentação: Experimentação pode ser visto como um teste, ou uma série de testes, nos quais mudanças propostas são aplicadas nas variáveis de entrada de um processo ou sistema, para então se observar e identificar as mudanças ocorridas nas variáveis de saída. A experimentação é feita de forma seqüencial: 1. O primeiro experimento em um sistema complexo (possui muitas variáveis de controle) é um piloto (screening experiment). É utilizado na identificação das variáveis mais importantes. 2. Experimentos subseqüentes são feitos para refinar a informação e determinar quais ajustes nas variáveis críticas são necessários para melhorar o sistema. 3. Otimização: é o objetivo final da experimentação. Consiste em determinar os níveis ótimos das variáveis críticas (resultarão no sistema com a melhor performance possível).
5 Importância em engenharia (PROCESSOS): Normalmente, os processos podem ser descritos utilizando variáveis de controle (exemplos: temperatura, pressão, viscosidade). Assim, utilizando experimentação é possível determinar qual subconjunto das variáveis de processo tem maior influência na sua performance. Como resultado é possível obter: Melhoria da performance de processos de manufatura Redução da variabilidade e maior conformidade (target requirements) Desenvolvimento de novos processos Detecção das causas de falhas Redução no custo de operação
6 Importância em engenharia (PROCESSO): Entrada Fatores Controláveis x 1 x 2 x 3 x 4 x p... Processo Saída y 1 y 2 y 3 y 4... z 1 z 2 z 3 z 4 z q... y m Fatores Incontroláveis (ruídos) Que fatores (controláveis ou não) mais influenciam nas saídas (y 1,,y m )? Como ajustar os fatores controláveis de modo que as saídas tenham o valor desejado (valores ótimos)? Como ajustar os fatores controláveis (x) de modo que os efeitos de dos fatores incontroláveis (z) sobre as saídas (y) sejam mínimos?
7 Importância em engenharia (PRODUTOS): Em desenvolvimento de novos produtos, a utilização de técnicas de experimentação permite: Avaliar e comparar configurações de projetos Avaliar e comparar diferentes materiais Selecionar parâmetros de projeto para que o produto funcione bem em diferentes condições de operação (projeto mais robusto) Determinar os parâmetros de projeto chave que afetam a performance do produto. Como resultado, busca-se desenvolver produtos mais simples de fabricar, com maior performance, mais confiáveis e projetados, desenvolvidos e produzidos em um menor tempo.
8 Processo de experimentação: Atividades de um processo de experimentação: 1. Conjectura: a hipótese original que motiva o experimento 2. Definir os objetivos do experimento (piloto, refinamento, otimização) 3. Escolha dos fatores controláveis e seus níveis 4. Seleção da(s) variável(is) de resposta 5. Projeto do experimento: forma de coleta dos dados 6. Realização do experimento: coleta dos dados 7. Análise dos dados: métodos analíticos (estatísticos) e de otimização aplicados aos dados 8. Conclusões e recomendações: o que foi aprendido em relação a conjectura.
9 EXPERIMENTOS INTEIRAMENTE CASUALIZADOS e ANÁLISE DE VARIÂNCIA Professor: Rodrigo A. Scarpel rodrigo@ita.br
10 Introdução: Quando há apenas 1 fator a ser testado e este possui mais de 2 níveis, emprega-se o chamado experimento inteiramente casualizado e os dados coletados são analisados (verificar se há diferença entre as médias) por análise de variância (ou ANOVA). A análise de variância pode ser vista como um teste de hipóteses utilizado para comparar as médias de mais de duas populações. Exemplos: O rendimento de uma reação química executada com diferentes concentrações de catalisador. A eficiência de diversas marcas de remédios para o tratamento de uma mesma doença. A vida útil de componentes produzidos utilizando diferentes processos de fabricação.
11 Conceitos da ANOVA: Objetivo: Avaliar se as diferenças 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 k: número de populações ou tratamentos sendo comparados m i : média da população ou do tratamento i, i = 1,...,k y ij : valor da j-ésima medida da i-ésima população(tratamento), j=1,...,n y i. : média da i-ésima população (tratamento), i=1,...,k y.. : média geral k y k1 y k2 y kn y k. y k.
12 Conceitos da ANOVA: A variabilidade total das amostras pode ser dividida em duas partes: A primeira parte de variabilidade é proveniente das médias das populações (tratamentos) serem diferentes, denominada variabilidade entre (quanto maior for a variabilidade entre, mais forte é a evidência das 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) i 1,..., k Assim, yij mi ij j 1,..., n ou k n k k n 2 2 SQT = SSTr + SSE yij y.. nyi. y.. yij yi. i1 j1 i 1,..., k yij m i ij j 1,..., n com i 0 i1 i i1 j1 2
13 Procedimento da ANOVA: O teste de hipóteses para a níveis de um fator é estabelecido da seguinte forma: H 0 : m 1 = m 2 = m 3... = m k H A : Nem todas os tratamentos (níveis) têm a mesma média Estatística do teste: F calculado Variabilidade entre Variabilidade dentro SSTr k 1 SSE n k T QMTr QME ~ F, gl Tr, gl E A distribuição F conduzirá a decisão de rejeitar a hipótese nula, ou não, comparando o F calculado com o F crítico, F c, correspondente ao nível de significância adotado.
14 Tabela ANOVA: Análise de variância pela tabela ANOVA: SS k n y ij y.. i1 j1 2 SST n 2 y y n y k k. y.. SSE n 1 2 y 1 j y1. ykj yk. j1 n k j1 2 n T n 1 n k nk OBS: As fórmulas estão segundo a notação da tabela
15 Planejamento e análise dos Experimentos: CASO 1: Experimento inteiramente casualizado (1 fator, k=4 níveis, n=6 replicações) Conjectura, objetivo, variável resposta e fator controlável: Um fabricante de papel está interessado em aumentar a resistência à tração de seu produto. De acordo com engenheiros de produto, a resistência à tração de papéis está relacionada a concentração lenhosa do papel. Fator controlável, seus níveis e projeto do experimento: A equipe de engenheiros responsável por este estudo decidiu investigar 4 níveis de concentração lenhosa: 5%, 10%, 15% e 20%. Eles decidiram fazer seis coletas de dados para cada nível de concentração. A resistência à tração de todas as 24 amostras foram medidas, sendo a seqüência inteiramente casualizada.
16 Planejamento e análise dos Experimentos: CASO 1: Experimento inteiramente casualizado (1 fator, k=4 níveis, n=6 replicações) Projeto do Experimento: Concentração lenhosa Replicação Amostra % % % % Aleatório 0,2383 0,2004 0,7198 0,3921 0,7419 0,9203 0,7278 0,4475 0,7510 0,6384 0,3158 0,9478 0,8914 0,3203 0,7741 0,0763 0,6893 0,8473 0,9819 0,4575 0,3899 0,0930 0,8727 0,2245 Sequência de mensuração Amostra Aleatório 16 0, , , , , , , , , , , , , , , , , , , , , , , ,9819
17 Planejamento e análise dos Experimentos: CASO 1: Experimento inteiramente casualizado (1 fator, k=4 níveis, n=6 replicações) Dados coletados: Análises: - Análise de variância (ANOVA) - Análise de regressão
18 Planejamento e análise dos Experimentos: CASO 1: Experimento inteiramente casualizado (1 fator, k=4 níveis, n=6 replicações) Análises: ANOVA C5% C10% C15% C20% Anova: fator único RESUMO Grupo Contagem Soma Média Variância C5% C10% , , C15% ,2 C20% , , ANOVA Fonte da variação SQ gl MQ F valor-p F crítico Entre grupos 382, , , ,59258E-06 3, Dentro dos grupos 130, , Total 512,
19 Planejamento e análise dos Experimentos: CASO 1: Experimento inteiramente casualizado (1 fator, k=4 níveis, n=6 replicações) Análises: análise de regressão Concentração lenhosa Replicação Amostra Resistência à tração C10% C15% C20% C10% C15% C20% % % % %
20 Planejamento e análise dos Experimentos: CASO 1: Experimento inteiramente casualizado (1 fator, k=4 níveis, n=6 replicações) Análises: análise de regressão RESUMO DOS RESULTADOS Estatística de regressão R múltiplo 0, R-Quadrado 0, R-quadrado ajustado 0, Erro padrão 2, Observações 24 ANOVA gl SQ MQ F F de significação Regressão 3 382, , , ,59258E-06 Resíduo , , Total , Coeficientes Erro padrão Stat t valor-p 95% inferiores 95% superiores Interseção 15, , , ,76548E-18 14, , C10% -0, , , , , , C15% 1, , , , , , C20% 5, , , ,19204E-05 3, ,
21 Resíduo Planejamento e análise dos Experimentos: CASO 1: Experimento inteiramente casualizado (1 fator, k=4 níveis, n=6 replicações) Análise dos resíduos: gráfico de dispersão Gráfico de dispersão dos Resíduos Y previsto
22 Resíduo Planejamento e análise dos Experimentos: CASO 1: Experimento inteiramente casualizado (1 fator, k=4 níveis, n=6 replicações) Análise dos resíduos: verificação da normalidade QQ Norm 2,5 2 1,5 1 0, ,5-1 -0,5 0 0,5 1 1,5 2 2,5-0,5-1 -1,5-2 -2,5 Esperado
23 Planejamento e análise dos Experimentos: CASO 1: Experimento inteiramente casualizado (1 fator, k=4 níveis, n=6 replicações) Conjectura e objetivo: Um fabricante de papel está interessado em aumentar a resistência à tração de seu produto. De acordo com engenheiros de produto, a resistência à tração de papéis está relacionada a concentração lenhosa do papel. Conclusão e recomendações: A conjectura está correta (a resistência à tração está relacionada a concentração lenhosa do papel) e é possível especificar a concentração necessária para atender requisitos de resistência.
24 Comparações múltiplas: Apesar da ANOVA testar a homogeneidade de um conjunto de médias, se rejeitarmos a hipótese nula não é possível saber quais, dentre as médias, são diferentes. Se for aplicado o teste de diferença entre médias de duas populações estaremos subestimando o erro do tipo I = 1-(1-) r em que r é o número de médias comparações par a par (=k(k-1)/2). Ex: k=4 r=6 e Erro tipo I = 1-(0,95) 6 = 0,26 Teste de Tukey: permite a formação de intervalos de confiança 100(1-)% simultâneos para todas as comparações em pares. Estatística do teste: há diferença significativa entre as médias se yi. y j. q, k, k n 1 ˆ n
25 Comparações múltiplas: CASO 1: Experimento inteiramente casualizado (1 fator, k=4 níveis, n=6 replicações) q ˆ 2,55 2,55, k, kn 1 q0.05,4,20 3,96 4, 12 n 6 6 y y y 5% 5% 5% y y y 10% 15% 20% 5,67* 7,00* 11,17* y y y 10% 10% 15% y y y 15% 20% 20% 1,67 5,50* 4,17* * significativas a 5% Desta forma, apenas a diferença entre as médias de 10% e 15% de concentração lenhosa não são significativamente diferentes (=5%).
26 Para casa: Laboratório 6 (site: Leitura: Walpole et al. cap. 13 (13.1 a 13.3 e 13.6): Exper. com 1 fator: geral Montgomery e Runger cap.13 (13.1 a ): Desing and...
MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semana Conteúdo 1 Apresentação da disciplina. Princípios de modelos lineares
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semana Conteúdo 1 Apresentação da disciplina. Princípios de modelos lineares
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semana Conteúdo 1 Apresentação da disciplina. Princípios de modelos lineares
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semana Conteúdo 1 Apresentação da disciplina. Princípios de modelos lineares
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 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 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 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 maisNOÇÕES SOBRE EXPERIMENTOS FATORIAIS
3 NOÇÕES SOBRE EXPERIMENTOS FATORIAIS Planejamento de Experimentos Design of Experiments - DOE Em primeiro lugar devemos definir o que é um experimento: Um experimento é um procedimento no qual alterações
Leia maisProjeto de Experimentos
Projeto de Experimentos O uso de Projeto de Experimentos conduz a uma seqüência estruturada de ensaios, que assegura o máximo de informação com um gasto mínimo de tempo/dinheiro. Entrada Processo Saída
Leia maisCOMPARAÇÕES MÚLTIPLAS
ESCOLA SUPERIOR DE AGRICULTURA LUIZ DE QUEIROZ COMPARAÇÕES MÚLTIPLAS Josiane Rodrigues Lilian Emerick Fernandes 2009 INTRODUÇÃO Comparação entre médias de tratamentos ou dos níveis de um fator de tratamentos;
Leia maisDELINEAMENTO EM BLOCOS AO ACASO
DELINEAMENTO EM BLOCOS AO ACASO Sempre que não houver condições experimentais homogêneas, devemos utilizar o principio do controle local, instalando Blocos, casualizando os tratamentos, igualmente repetidos.
Leia maisDelineamento e Análise Experimental Aula 4
Aula 4 Castro Soares de Oliveira ANOVA Significativa Quando a aplicação da análise de variância conduz à rejeição da hipótese nula, temos evidência de que existem diferenças entre as médias populacionais.
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 maisDPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM
Morgana Pizzolato, Dr a. Aula 20 Introdução à otimização experimental e experimentos de um fator DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM TÓPICOS DESTA AULA Projetos de Experimentos
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 maisAnálise da Variância. Prof. Dr. Alberto Franke (48)
Análise da Variância Prof. Dr. Alberto Franke (48) 91471041 Análise da variância Até aqui, a metodologia do teste de hipóteses foi utilizada para tirar conclusões sobre possíveis diferenças entre os parâmetros
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 maisProf. Dr. Marcone Augusto Leal de Oliveira UFJF CURSO INTRODUTÓRIO DE 12 HORAS OFERECIDO PARA A PÓS-GRADUAÇÃO DA UFABC EM NOVEMBRO DE 2017
Prof. Dr. Marcone Augusto Leal de Oliveira UFJF CURSO INTRODUTÓRIO DE 2 HORAS OFERECIDO PARA A PÓS-GRADUAÇÃO DA UFABC EM NOVEMBRO DE 207 SUMÁRIO - BREVE DESCRIÇÃO, FUNDAMENTOS, CONCEITOS, CARACTERÍSTICAS,
Leia maisAnálise Multivariada Aplicada à Contabilidade
Mestrado e Doutorado em Controladoria e Contabilidade Análise Multivariada Aplicada à Contabilidade Prof. Dr. Marcelo Botelho da Costa Moraes www.marcelobotelho.com mbotelho@usp.br Turma: 2º / 2016 1 Agenda
Leia maisPlanejamento e Análise de Experimentos
Planejamento e Análise de Experimentos Aula 3 Felipe Campelo http://www.cpdee.ufmg.br/~fcampelo Programa de Pós-Graduação em Engenharia Elétrica Belo Horizonte Agosto de 2011 ANOVA para Fator Único Análise
Leia maisConceitos Básicos Teste t Teste F. Teste de Hipóteses. Joel M. Corrêa da Rosa
2011 O 1. Formular duas hipóteses sobre um valor que é desconhecido na população. 2. Fixar um nível de significância 3. Escolher a Estatística do Teste 4. Calcular o p-valor 5. Tomar a decisão mediante
Leia maisRegressões: Simples e MúltiplaM. Prof. Dr. Luiz Paulo Fávero 1
Regressões: Simples e MúltiplaM Prof. Dr. Luiz Paulo FáveroF Prof. Dr. Luiz Paulo Fávero 1 1 Técnicas de Dependência Análise de Objetivos 1. Investigação de dependências entre variáveis. 2. Avaliação da
Leia maisMINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE CIENCIAS E TECNOLOGIA AGROALIMENTAR UNIDADE V
MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE CIENCIAS E TECNOLOGIA AGROALIMENTAR UNIDADE V DELINEAMENTO EM BLOCOS CASUALIZADOS (DBC) Profª Railene Hérica Carlos Rocha 1. Introdução
Leia maisPesquisador. Planejamento de Experimentos Design of Experiments - DOE NOÇÕES SOBRE EXPERIMENTOS FATORIAIS. 1 - Fixar T e variar P até > Pureza
3 NOÇÕES SOBRE EXPERIMENTOS FATORIAIS Planeamento de Experimentos Design of Experiments - DOE Em primeiro lugar devemos definir o que é um experimento: Um experimento é um procedimento no qual alterações
Leia maisEscola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo
Escola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo Regressão Polinomial e Análise da Variância Piracicaba Setembro 2014 Estatística Experimental 18 de Setembro de 2014 1 / 20 Vimos
Leia maisAnálise de Regressão EST036
Análise de Regressão EST036 Michel Helcias Montoril Instituto de Ciências Exatas Universidade Federal de Juiz de Fora Regressão sem intercepto; Formas alternativas do modelo de regressão Regressão sem
Leia mais5.3 Experimentos fatoriais a dois fatores. Ambos os fatores são supostos fixos e os efeitos de tratamento são definidos como desvios da média tal que
5. Experimentos Fatoriais 5.3 Experimentos fatoriais a dois fatores. Modelo de Efeitos Y ijk = µ+τ i +β j +(τβ) ij +ɛ ijk, i = 1, 2,..., a j = 1, 2,..., b k = 1, 2,..., n Ambos os fatores são supostos
Leia maisAnálise da Regressão. Prof. Dr. Alberto Franke (48)
Análise da Regressão Prof. Dr. Alberto Franke (48) 91471041 O que é Análise da Regressão? Análise da regressão é uma metodologia estatística que utiliza a relação entre duas ou mais variáveis quantitativas
Leia maisBibliografia Recomendada.
Bibliografia Recomendada http://paginapessoal.utfpr.edu.br/ebona Bibliografia Recomendada Montgomery, D. C. Design and Analysis of Experiments. Bibliografia Recomendada Barros Neto, B.; Scarminio, I. S.;
Leia maisrio de Guerra Eletrônica EENEM 2008 Estatística stica e Probabilidade de Variância (ANOVA) 1/24
ITA - Laboratório rio de Guerra Eletrônica EENEM 2008 Estatística stica e Probabilidade Aula 07: Análise de Variância (ANOVA) 1/24 Definição A análise de variância (ANOVA) é um método para testar a igualdade
Leia maisMétodos Quantitativos Aplicados
Métodos Quantitativos Aplicados Aula 10 http://www.iseg.utl.pt/~vescaria/mqa/ Tópicos apresentação Análise Regressão: Avaliação de relações de dependência em que se explica o comportamento de uma/várias
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 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 maisEXPERIMENTAÇÃO AGRÁRIA
EXPERIMENTAÇÃO AGRÁRIA Tema : Delineamentos experimentais básicos (DCC/DBCC/DQL) Delineamento Completamente 1. Quando usar? Casualizado (DCC) Este delineamento é usado quando as unidades experimentais
Leia maisEXPERIMENTAÇÃO AGRÁRIA
EXPERIMENTAÇÃO AGRÁRIA Tema : Delineamentos experimentais básicos (DCC/DBCC/DQL) Delineamento de Blocos Completos Casualizados (DBCC) Quando usar? Quando as unidades experimentais não apresentam características
Leia maisBibliografia Recomendada
Bibliografia Recomendada Barros Neto, B.; Scarminio, I. S.; Bruns, R. E. Como Fazer Experimentos. Montgomery, D. C. Design and Analysis of Experiments. Box, G. E. P.; Hunter, J. S.; Hunter, W. G. Statistics
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 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 maisDELINEAMENTO EM BLOCOS CASUALIZADOS COM REPETIÇÕES. Profª. Sheila Regina Oro
DELINEAMENTO EM BLOCOS CASUALIZADOS COM REPETIÇÕES Profª. Sheila Regina Oro Delineamento em Blocos Casualizados com Repetições (DBCr) Utilizado quando temos mais de uma repetição de cada tratamento dentro
Leia maisPROJETO E ANÁLISES DE EXPERIMENTOS (PAE) EXPERIMENTOS COM DOIS FATORES E O PLANEJAMENTO FATORIAL
PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) EXPERIMENTOS COM DOIS FATORES E O PLANEJAMENTO FATORIAL Dr Sivaldo Leite Correia CONCEITOS E DEFINIÇÕES FUNDAMENTAIS Muitos experimentos são realizados visando
Leia maisPlanejamento de Experimentos Experimento com um fator aleatório
1 / 12 Planejamento de Experimentos Experimento com um fator aleatório Enrico A. Colosimo/UFMG Depto. Estatística - ICEx - UFMG 2 / 12 Modelo Estatístico para Efeitos Fixos Y ij = µ + τ i + ɛ ij em que
Leia maisDELINEAMENTO INTEIRAMENTE CASUALIZADO. Profª. Sheila Regina Oro
DELINEAMENTO INTEIRAMENTE CASUALIZADO Profª. Sheila Regina Oro Delineamento experimental Para planejar um experimento é preciso definir os tratamentos em comparação e a maneira de designar os tratamentos
Leia maisEXPERIMENTAÇÃO ZOOTÉCNICA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
EXPERIMENTAÇÃO ZOOTÉCNICA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda@fcav.unesp.br CARACTERIZAÇÃO o Em alguns experimentos pode-se ter fatores que estão interferindo na variável resposta,
Leia maisEXPERIMENTAÇÃO AGRÍCOLA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
EXPERIMENTAÇÃO AGRÍCOLA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda@fcav.unesp.br CARACTERIZAÇÃO o Em alguns experimentos pode-se ter fatores que estão interferindo na variável resposta,
Leia maisMAE 317 Planejamento e Pesquisa I Profa. Júlia Maria Pavan Soler
MAE 37 Planeamento e Pesquisa I Profa. Júlia Maria Pavan Soler pavan@ime.usp.br IME/USP º Semestre/09 Delineamento Completamente Aleatorizado - DCA T T... T Y Y... Y Y Y... Y...... Yi... Yn Y n... Yn n
Leia maisANÁLISE DE VARIÂNCIA DE DOIS CRITÉRIOS (DBC)
ANÁLISE DE VARIÂNCIA DE DOIS CRITÉRIOS (DBC) Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 13 de dezembro de 2017 ANAVA dois critérios A análise de variância
Leia maisCapítulo 9 - Regressão Linear Simples (RLS): Notas breves
Capítulo 9 - Regressão Linear Simples RLS: Notas breves Regressão Linear Simples Estrutura formal do modelo de Regressão Linear Simples RLS: Y i = β 0 + β 1 x i + ε i, 1 onde Y i : variável resposta ou
Leia maisRESOLUÇÃO Nº 01/2016
Legislações Complementares: Resolução Nº 02/2016 Colegiado DEst Resolução Nº 03/2016 Colegiado DEst Resolução Nº 01/2017 Colegiado DEst RESOLUÇÃO Nº 01/2016 O Departamento de Estatística, tendo em vista
Leia maisDistribuições Amostrais e Estimação Pontual de Parâmetros
Distribuições Amostrais e Estimação Pontual de Parâmetros ESQUEMA DO CAPÍTULO 7.1 INTRODUÇÃO 7.2 DISTRIBUIÇÕES AMOSTRAIS E TEOREMA DO LIMITE CENTRAL 7.3 CONCEITOS GERAIS DE ESTIMAÇÃO PONTUAL 7.3.1 Estimadores
Leia maisENGENHARIA DA QUALIDADE A ENG AULA 8 PROJETOS DE EXPERIMENTOS - ANOVA
ENGENHARIA DA QUALIDADE A ENG 09008 AULA 8 PROJETOS DE EXPERIMENTOS - ANOVA PROFESSORES: CARLA SCHWENGBER TEN CATEN Tópicos desta aula Projetos de Experimentos Terminologia Passos de implementação Princípios
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 maisCorrelação e Regressão Linear
Correlação e Regressão Linear Prof. Marcos Vinicius Pó Métodos Quantitativos para Ciências Sociais CORRELAÇÃO LINEAR Coeficiente de correlação linear r Mede o grau de relacionamento linear entre valores
Leia maisÚltima Lista de Exercícios
Última Lista de Exercícios 1. Para comparar o peso de um componente fornecido por 4 diferentes fornecedores, uma amostra de cada fornecedor foi colhida e analisada. Os dados colhidos estão ao lado. Ao
Leia maisTestes de Hipóteses para. uma Única Amostra. Objetivos de Aprendizagem. 9.1 Teste de Hipóteses. UFMG-ICEx-EST-027/031 07/06/ :07
-027/031 07/06/2018 10:07 9 ESQUEMA DO CAPÍTULO 9.1 TESTE DE HIPÓTESES 9.2 TESTES PARA A MÉDIA DE UMA DISTRIBUIÇÃO NORMAL, VARIÂNCIA CONHECIDA 9.3 TESTES PARA A MÉDIA DE UMA DISTRIBUIÇÃO NORMAL, VARIÂNCIA
Leia maisDELINEAMENTO COMPLETAMENTE CASUALIZADO. Prof. Dra. Janete Pereira Amador
DELINEAMENTO COMPLETAMENTE CASUALIZADO Prof. Dra. Janete Pereira Amador Análise de Variância Considerando esquematicamente um experimento, tem-se: Tratamentos Unidade Experimental Efeito onde ij são as
Leia maisBIOESTATÍSTICA. Parte 5 Testes de Hipóteses
BIOESTATÍSTICA Parte 5 Testes de Hipóteses Aulas Teóricas de 05/05/2011 a 19/05/2011 5.1. Conceito de erro, estatística de teste, região de rejeição, nível de significância, valor de prova, potência do
Leia maisPROBABILIDADE E ESTATÍSTICA INFERÊNCIA ESTATÍSTICA. Prof.ª Sheila Regina Oro Projeto Recursos Educacionais Digitais
PROBABILIDADE E ESTATÍSTICA INFERÊNCIA ESTATÍSTICA Prof.ª Sheila Regina Oro Projeto Recursos Educacionais Digitais TESTE DE HIPÓTESES POPULAÇÃO Conjectura (hipótese), sobre o comportamento das variáveis.
Leia mais3- Projetos Fatoriais
3- Projetos Fatoriais Exemplo do que se faz na indústria: Uma empresa estava interessada em aumentar o teor de pureza de uma substância química. Os dois fatores mais importantes que influenciavam o teor
Leia maisEXPERIMENTAÇÃO AGRÍCOLA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
EXPERIMENTAÇÃO AGRÍCOLA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda@fcav.unesp.br INTRODUÇÃO Muitas vezes, embora se tenha cuidado no planejamento e Ao planejar um experimento, o pesquisador
Leia maisCapítulo 9 - Regressão Linear Simples (RLS): Notas breves
Capítulo 9 - Regressão Linear Simples RLS: Notas breves Regressão Linear Simples Estrutura formal do modelo de Regressão Linear Simples RLS: Y i = β 0 + β 1 x i + ε i, 1 onde Y i : variável resposta ou
Leia maisESTATÍSTICA APLICADA II ANO LECTIVO 2013/2014. Exame Final 18 de Julho de 2014
ESTTÍSTIC PLICD II O LECTIVO 3/4 Exame Final 8 de Julho de 4 Duração : 3 M ota: Responder um grupo por folha (utilize frente e verso de cada folha) Em todas as questões apresentar os cálculos efectuados
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 maisLucas Santana da Cunha de outubro de 2018 Londrina
e Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 22 de outubro de 2018 Londrina 1 / 24 Obtenção de uma amostra Princípios básicos da experimentação Há basicamente duas
Leia maisModelos de Regressão Linear Simples - parte III
1 Modelos de Regressão Linear Simples - parte III Erica Castilho Rodrigues 20 de Setembro de 2016 2 3 4 A variável X é um bom preditor da resposta Y? Quanto da variação da variável resposta é explicada
Leia maisESTATÍSTICA EXPERIMENTAL
ESTATÍSTICA EXPERIMENTAL ESTUDO DE VARIABILIDADE DOS DADOS EXPERIMENTAIS Prof. Miguel Toledo del Pino, Eng. Agrícola (Dr.) INTRODUÇÃO Realizamos experimentos para compararmos os efeitos de tratamentos
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 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 maisANOVA - parte I Conceitos Básicos
ANOVA - parte I Conceitos Básicos Erica Castilho Rodrigues 9 de Agosto de 2011 Referências: Noções de Probabilidade e Estatística - Pedroso e Lima (Capítulo 11). Textos avulsos. Introdução 3 Introdução
Leia maisLucas Santana da Cunha de outubro de 2018 Londrina
e Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 17 de outubro de 2018 Londrina 1 / 31 Obtenção de uma amostra Há basicamente duas formas de se obter dados para uma pesquisa
Leia maisEspecialização em Engenharia de Processos e de Sistemas de Produção
Especialização em Engenharia de Processos e de Sistemas de Produção Projetos de Experimento e Confiabilidade de Sistemas da Produção Prof. Claudio Luis C. Frankenberg 2ª parte Experimentos inteiramente
Leia maisEXPERIMENTAÇÃO ZOOTÉCNICA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
EXPERIMENTAÇÃO ZOOTÉCNICA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda.perticarrari@unesp.br INTRODUÇÃO Um dos principais objetivos da estatística é a tomada de decisões a respeito da população,
Leia maisANÁLISE DE VARIÂNCIA (ANOVA) Prof. Anderson Rodrigo da Silva
ANÁLISE DE VARIÂNCIA (ANOVA) Prof. Anderson Rodrigo da Silva anderson.silva@ifgoiano.edu.br Exemplo 1 de Introdução Medley & Clements (1998) estudaram o efeito de metais pesados, especialmente zinco, sobre
Leia maisTeste de hipótese de variância e Análise de Variância (ANOVA)
Teste de hipótese de variância e Análise de Variância (ANOVA) Prof. Marcos Vinicius Pó Métodos Quantitativos para Ciências Sociais Modelos explicativos estatísticos Modelos estatísticos visam descrever
Leia maisRegressão linear simples
Regressão linear simples Universidade Estadual de Santa Cruz Ivan Bezerra Allaman Introdução Foi visto na aula anterior que o coeficiente de correlação de Pearson é utilizado para mensurar o grau de associação
Leia maisEXPERIMENTOS COM INTERAÇÕES
EXPERIMENTOS COM INTERAÇÕES Na maioria dos experimentos, os tratamentos são de efeitos fixos. Mas também são realizados experimentos em que os efeitos dos tratamentos são aleatórios. 1 Para saber se, em
Leia maisEXPERIMENTAÇÃO AGRÍCOLA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
EXPERIMENTAÇÃO AGRÍCOLA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda@fcav.unesp.br INTRODUÇÃO Um dos principais objetivos da estatística é a tomada de decisões a respeito da população, com
Leia maisEXPERIMENTAÇÃO ZOOTÉCNICA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
EXPERIMENTAÇÃO ZOOTÉCNICA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda@fcav.unesp.br INTRODUÇÃO Um dos principais objetivos da estatística é a tomada de decisões a respeito da população,
Leia maisProjeto de Experimentos e Superfícies de Resposta (Design of Experiments DOE Response Surfaces - RS) (ENG03024-Análise de Sistemas Mecânicos)
UFRGS - Universidade Federal do Rio Grande do Sul EE - Escola de Engenharia DEMEC - Departamento de Engenharia Mecânica e Superfícies de Resposta (Design of Experiments DOE Response Surfaces - RS) (ENG0304-Análise
Leia maisMAE Planejamento e Pesquisa I
MAE0317 - Planejamento e Pesquisa I COMPARAÇÕES DE MÉDIAS - 1 FATOR FIXO 1 de abril de 2014 Denise A. Botter MAE0317 1 de abril de 2014 1 / 55 INTRODUÇÃO Testamos H 0 : µ 1 =... = µ r. Se H 0 não é rejeitada,
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 maisEXPERIMENTO FATORIAL BLOCADO PARA DETERMINAÇÃO DE DIFERENÇAS ENTRE TEMPO DE QUEIMA DE VELAS DE PARAFINA
Revista da Estatística da UFOP, Vol I, 2011 - XI Semana da Matemática e III Semana da Estatística, 2011 ISSN 2237-8111 EXPERIMENTO FATORIAL BLOCADO PARA DETERMINAÇÃO DE DIFERENÇAS ENTRE TEMPO DE QUEIMA
Leia maisConceitosintrodutórios Planejamentode Experimentos. Prof. Dr. Fernando Luiz Pereira de Oliveira Sala1 ICEB I DEMAT
Conceitosintrodutórios Planejamentode Experimentos Prof. Dr. Fernando Luiz Pereira de Oliveira Sala1 ICEB I DEMAT Email: fernandoest@ig.com.br Um planejamento de experimentos consiste em um teste ou umas
Leia maisECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc.
ECONOMETRIA Prof. Patricia Maria Bortolon, D. Sc. Cap. 8 Análise de Regressão Múltipla: o Problema da Inferência Fonte: GUJARATI; D. N. Econometria Básica: 4ª Edição. Rio de Janeiro. Elsevier- Campus,
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 maisSUMÁRIO. 2 Tabelas 10
SUMÁRIO 1 Regressão na análise de variância 2 1.1 Polinômio Ortogonal................................ 2 1.1.1 Constraste Polinomial............................ 5 1.1.2 Regressão por polinômio ortogonal.....................
Leia maisEstudar a relação entre duas variáveis quantitativas.
Estudar a relação entre duas variáveis quantitativas. Exemplos: Idade e altura das crianças Tempo de prática de esportes e ritmo cardíaco Tempo de estudo e nota na prova Taxa de desemprego e taxa de criminalidade
Leia maisTeste de hipótese de variância e Análise de Variância (ANOVA)
Teste de hipótese de variância e Análise de Variância (ANOVA) Prof. Marcos Vinicius Pó Métodos Quantitativos para Ciências Sociais Testes sobre variâncias Problema: queremos saber se há diferenças estatisticamente
Leia maisPlanejamento e Otimização de Experimentos Ajuste de Modelos de Regressão e Outros Planejamentos
Planejamento e Otimização de Experimentos Ajuste de Modelos de Regressão e Outros Planejamentos Prof. Dr. Anselmo E de Oliveira anselmo.quimica.ufg.br anselmo.disciplinas@gmail.com.br Ajuste de modelos
Leia maisDELINEAMENTO EM BLOCOS CASUALIZADOS (DBC)
DELINEAMENTO EM BLOCOS CASUALIZADOS (DBC) Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha Universidade Estadual de Londrina Departamento de Estatística 08 de julho de 2017 DBC O delineamento em
Leia maisESTATÍSTICA EXPERIMENTAL. ANOVA. Aula 05
ESTATÍSTICA EXPERIMENTAL ANOVA. Aula 05 Introdução A ANOVA ou Análise de Variância é um procedimento usado para comparar a distribuição de três ou mais grupos em amostras independentes. A análise de variância
Leia maisPRINCÍPIOS BÁSICOS DE EXPERIMENTAÇÃO. Profª. Sheila Regina Oro
PRINCÍPIOS BÁSICOS DE EXPERIMENTAÇÃO Livro: Curso de estatística experimental Autor: Frederico PIMENTEL-GOMES Capítulo: 2 Livro: Estatística experimental Autor: Sonia VIEIRA Capítulo: 1 Profª. Sheila Regina
Leia maisIntrodução ao Planejamento e Análise Estatística de Experimentos 1º Semestre de 2013 Capítulo 3 Introdução à Probabilidade e à Inferência Estatística
Introdução ao Planejamento e Análise Estatística de Experimentos Capítulo 3 Introdução à Probabilidade e à Inferência Estatística Introdução ao Planejamento e Análise Estatística de Experimentos Agora,
Leia maisPlanejamento de Experimentos
Planejamento de Experimentos 1 6.4 Os Modelos fatoriais 2 k : o caso geral. O modelo estatístico para um plano 2 k inclui k ( k 2 ( k ) ) efeitos principais efeitos de interação de ordem 2 efeitos de interação
Leia maisInvestigação Aplicada I
Investigação Aplicada I Aula 7 1º Semestre 2016/17 Licenciatura em Ciências Biomédicas Laboratoriais igrodrigues@ualg.pt; ESSUAlg: gabinete 2.06 Prof. Inês Rodrigues Inferência esta-s.ca Inferir dados
Leia maisANÁLISE DE VARIÂNCIA - ANOVA. Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística - PPGEMQ / PPGEP - UFSM
ANÁLISE DE VARIÂNCIA - ANOVA Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística - PPGEMQ / PPGEP - UFSM UM EXEMPLO DE APLICAÇÃO Digamos que temos 6 métodos de ensino aplicados a 30 crianças
Leia maisPlanejamento de Experimentos
Planejamento de Experimentos Analise de Variância (ANOVA) com um Fator Planejamento de Experimentos Muitas vezes é necessário obter informações sobre produtos e processos empiricamente. Trabalho assemelha-se
Leia maisEstatística Industrial
Apresentação Estatística Industrial Prof. Lupércio F. Bessegato Departamento de Estatística UFJF E-mail: lupercio.bessegato@ufjf.edu.br Site: www.ufjf.br/lupercio_bessegato Linhas de pesquisa: Controle
Leia maisTeste de hipótese de variância e Análise de Variância (ANOVA)
Teste de hipótese de variância e Análise de Variância (ANOVA) Prof. Marcos Vinicius Pó Métodos Quantitativos para Ciências Sociais Testes sobre variâncias Problema: queremos saber se há diferenças estatisticamente
Leia mais