Estatística: Aplicação ao Sensoriamento Remoto SER 202 - ANO 2016 Intervalo de Confiança (Extra) Camilo Daleles Rennó

Slides:



Advertisements
Apresentações semelhantes
Estatística: Aplicação ao Sensoriamento Remoto ANO 2010
Advertisements

Estatística - Estimação – VI - 1; Estimação por intervalo de confiança.
Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2014 Intervalo de Confiança Camilo Daleles Rennó
Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2015 Intervalo de Confiança Camilo Daleles Rennó
T- Teste: A distribuição t de Student
Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2015 Inferência Estatística Camilo Daleles Rennó
Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2015 Distribuições Contínuas Camilo Daleles Rennó
Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2015 Teorema do Limite Central Camilo Daleles Rennó
Inferência Estatística
Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2016 Distribuições de Probabilidade (Extra) Camilo Daleles Rennó
Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2016 Intervalo de Confiança Camilo Daleles Rennó
Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2016 Distribuições de Probabilidade Camilo Daleles Rennó
Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2016 Inferência Estatística Camilo Daleles Rennó
INFERÊNCIA ESTATÍSTICA
Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2016 Teste de Hipótese Camilo Daleles Rennó
CAPÍTULO 5 - Intervalo de confiança Controle Estatístico de Processo (CEP) Professor: Robert Wayne Samohyl Ph.D. Josué Alberton.
Testes de hipótese com uma amostra. Testes de hipóteses para média (amostras grandes) 1. Declare afirmação verbal e matemáticamente. Identifique as hipóteses.
Regressão Linear Múltipla Arquivo: seleção2.sav. Base de dados Variáveis independentes: X 1, X 2, X 3,..., X 14 Variável dependente ou Resposta: Y 1428.
Função Composta. Idéia de função composta Paulo,o administrador de um parque de animais selvagens, precisou fazer um levantamento do número de pessoas.
Comparação de duas médias amostrais Tratamento Paramétrico.
Distribuições e Teorema do Limite Central Distribuições: Binomial, Poisson e Normal Mimi, você é a única normal nessa sala?! Normal em que sentido?
Probabilidade e Estatística Aplicadas à Contabilidade I Prof. Dr. Marcelo Botelho da Costa Moraes 1.
Classificação não supervisionada de imagens. Classificação de imagens Consiste na identificação de tipos de cobertura de solos, de acordo com os padrões.
Amostragem Cuidados a ter na amostragem Tipos de amostragem
Estatística aplicada a ensaios clínicos
Comparando k amostras (k>2)
Comparação de proporções
Revisão Matemática ANO 2011
Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2017 Técnicas de Reamostragem Camilo Daleles Rennó
Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2017 Teoria da amostragem Camilo Daleles Rennó
Profa Dra. Denise Pimentel Bergamaschi
Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2017 Inferência Estatística Camilo Daleles Rennó
Revisão Matemática ANO 2011
O OBJETIVO FUNDAMENTAL DA DISCIPLINA
Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2017 Análise de Agrupamento Camilo Daleles Rennó
Medidas de Dispersão para uma amostra
Medidas de Dispersão Aula 8.
MEDIDAS DE DISPERSÃO As medidas de dispersão, como o nome sugere, servem para analisar o grau de dispersão dos dados em torno da média. Exemplo. Amostra.
“ASSOCIAÇÃO EDUCACIONAL FANUEL” GUARDA MIRIM DE TELÊMACO BORBA
ESTATÍSTICA SOMATÓRIOS CARACTERÍSTICAS AMOSTRAIS
HEP 175 – Bioestatística Aula 13 Estimação de uma média populacional com variância conhecida e desconhecida.
Análise da Regressão múltipla: Inferência Revisão
Aula 5. Intervalos de Confiança
Revisão Matemática ANO 2011
Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2017 Teste de Hipótese Camilo Daleles Rennó
ESTATÍSTICA Aula 5.
Probabilidade e Estatística Aplicadas à Contabilidade II
Inferência Estatística aplicada à Pesquisa em Saúde.
Probabilidade e Estatística Aplicadas à Contabilidade II
Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2017 Intervalo de Confiança Camilo Daleles Rennó
Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2017 Componentes Principais Camilo Daleles Rennó
Ajustamento de Observações
Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2017 Intervalo de Confiança (Extra) Camilo Daleles Rennó
Inferência Estatística
Medidas de Dispersão Mostra quanto dispersos estão os dados em torno da média Amplitude Variância Desvio-padrão Comparação da dispersão dos elementos dos.
Econometria Propriedades assintóticas dos estimadores MQO
Ms.Rosebel Trindade Cunha Prates
9. Testes de Hipóteses Paramétricos
Estatística amintas paiva afonso.
Introdução às distribuições normais AULA 5. Propriedades de uma distribuição normal Suas média, mediana e moda são iguais. Tem forma de sino e é simétrica.
Ch. 6 Larson/Farber Estatística Aplicada Larson Farber 6 Intervalos de confiança.
Estatística Aplicada Larson Farber 9 Correlação e regressão.
FUNDAMENTOS DA ESTATÍSTICA
Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2018 Estimação Pontual Camilo Daleles Rennó
Intervalo de Confiança para a Média µ de uma População Normal
Medidas de dispersão Prof. Kmarão
Teste de hipótese em R.
Noções de Amostragem Denise Duarte Depto de Estatística ICEx- UFMG.
Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2018 Intervalo de Confiança Camilo Daleles Rennó
Estatística e Probabilidade e Equação do Segundo grau
Transcrição da apresentação:

Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2016 Intervalo de Confiança (Extra) Camilo Daleles Rennó

Intervalo de Confiança para  1 -  2 -- ++ 0 z-z IC para  1 -  2 Z desconhecidas, mas conhecidas 2

Intervalo de Confiança para  1 -  2 e desconhecidas (fazendo) 3

Intervalo de Confiança para  1 -  2 e desconhecidas 4

Intervalo de Confiança para  1 -  2 e desconhecidas 5

Intervalo de Confiança para  1 -  2 e desconhecidas -- ++ 0 t-t IC para  1 -  2 (atenção: t homocedástico) 6

-- ++ 0 t-t Intervalo de Confiança para  1 -  2 e desconhecidas IC para  1 -  2 (atenção: t heterocedástico) (considerando) 7

Distribuição F (de Snedecor) (lê-se: X tem distribuição F com g 1 e g 2 graus de liberdade) Propriedades: a) seeentão 0 ++ b) seentão 0 ++ 0 ++ 8

Distribuição F 0 ++ F g1g1 g2g2 9

0 ++ F g1g1 g2g2 10

Distribuição F 0 ++ F g1g1 g2g2 11

Distribuição F Se 12

F e desconhecidas 0 ++ Intervalo de Confiança para IC para OBS: por exemplo, se 1 -  = 95% 13

Exemplo: duas v.a. quaisquer têm distribuições desconhecidas com médias e variâncias também desconhecidas. Retira-se uma amostra de cada população e calcula-se a média e a variância para cada amostra. Construa um IC de 95% para a razão entre variâncias e para a diferença entre médias supondo que IC para  1 -  2 e IC para 0 ++ ?? As variâncias podem ser iguais? R: não há razão para discordar disso.  pode-se fazer o IC para  1 -  2 (homocedástico) 14

Exemplo: duas v.a. quaisquer têm distribuições desconhecidas com médias e variâncias também desconhecidas. Retira-se uma amostra de cada população e calcula-se a média e a variância para cada amostra. Construa um IC de 95% para a razão entre variâncias e para a diferença entre médias supondo que IC para  1 -  2 e IC para  1 -  2 -- ++ 0 95% t-t 2,5% ? 1,997  1 =  2 ?  1 <  2 15

Intervalo de Confiança para p 1 – p 2 IC para p 1 – p 2 -- ++ 0 z-z 16

Intervalos de Confiança (Resumo) para  se  2 é conhecida se  2 é desconhecida para  2 para para p para p 1 – p 2 para  1 -  2 se e são conhecidas se e são desconhecidas, mas 17