ME623A Planejamento e Pesquisa. Modelo com Um Fator Aleatório(Cell Means) O modelo é escrito como: com i = 1,..., a e j = 1,..., n (n i = n) Assumimos.

Slides:



Advertisements
Apresentações semelhantes
Resolução de equações não lineares
Advertisements

Analise de Regressão Parte 2.
CAPÍTULO 7 TESTE DE HIPÓTESE
Análise de Variância da Regressão
Intervalos de Confiança
2.5 INFERÊNCIAS SOBRE A DIFERENÇA NAS MÉDIAS, COMPARAÇÕES EMPARELHADAS
CAPÍTULO 7 TESTE DE HIPÓTESE
Lógica Fuzzy Aplicada a Sistemas de Diagnóstico
ESTIMAÇÃO.
Prof. Marllus Gustavo Ferreira Passos das Neves
Estatística 9 - Estimação de Parâmetros por Intervalo
Capítulo 6 Estimativas e Tamanho de Amostras
MB751 – Modelos de previsão
Rejane Sobrino Pinheiro Tania Guillén de Torres
Distribuição F Considere duas populações com distribuição de Gauss com médias 1, 2 e variâncias 12 e 22 . Retire uma amostra aleatória de tamanho.
ANOVA Prof. Herondino.
Estatística - Estimação – III - 1; Teorema do limite central
Análise de Variância (ANOVA)
Análise da Regressão múltipla: Inferência Revisão da graduação
5. Experimentos Fatoriais
ME623A Planejamento e Pesquisa. Não Interação no Modelo de 2 Fatores A presença de interação tem um impacto na interpretação dos dados No entanto, se.
Experimentos Fatoriais 2k
ME623A Planejamento e Pesquisa
Blocagem em Experimentos Fatoriais
Estatística - Estimação – VI - 1; Estimação por intervalo de confiança.
Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2014 Intervalo de Confiança Camilo Daleles Rennó
Fundamentos de Análise de Sinais
FUNÇÃO CARACTERÍSTICA
Propriedades da Integral Definidas
Apêndice.
DISTRIBUIÇÕES AMOSTRAIS
PLANEJAMENTO DO EXPERIMENTO
Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2015 Intervalo de Confiança Camilo Daleles Rennó
Estatística e Probabilidade
Amostras pareadas / Independência com variâncias desconhecidas
2.3 Experimentos Fatoriais 22 Efeitos das Interações
UFSC.PósMCI.FME.Inferências Envolvendo Variâncias. (8.1) 6 Inferências Envolvendo Variâncias.
Fernando Gláuber Júnior Luana. Fase quente Fase fria.
PLANEJAMENTO DO EXPERIMENTO
Capítulo 4 As distribuições de probabilidade mais importantes em controle estatístico de qualidade (CEQ): atributos Sumário 4.1 Introdução 4.2 Distribuição.
Aula 12 - Teste de associação1 DATAAulaCONTEÚDO PROGRAMÁTICO 10/03Segunda1Níveis de mensuração, variáveis, organização de dados, apresentação tabular 12/03Quarta2Apresentação.
Regressão e Previsão Numérica.
Universidade Federal Fluminense Faculdade de Medicina Mestrado Profissional em Saúde Materno-Infantil 2011 BIOESTATÍSTICA-aula 2 Prof. Cristina Ortiz Valete.
análise dos estimadores
Métodos Numéricos Computacionais
AVALIAÇÃO DA INCERTEZA DE MEDIÇÃO
Introdução a planejamento e otimização de experimentos
Metodologia da Pesquisa em Ensino de Ciências I
ME623A Planejamento e Pesquisa
ANOVA.
Testes de Hipóteses.
Análise de Variância (ANOVA)
AULA 6 Planejamento Experimental
Métodos Estatísticos Aplicados às Ciências Biológicas - 7ª aula -
Comparação de Médias de Várias Populações (2.2) 2.1. Experimentos com um fator e vários níveis.
PPGTI AULA 3 Prof. Dr. Márcio A. Fiori –
Métodos Estatísticos Aplicados às Ciências Biológicas - 11ª aula -
Estimação: Estimativa Pontual Estimativa Intervalar
Regressão Linear Simples
Testes de Hipóteses.
Interpolação PROF. HERON JR.. Objetivo  Interpolar uma função f(x) consiste em aproximar essa função por uma outra função g(x), escolhida entre uma classe.
GESTÃO E GARANTIA DA QUALIDADE
Estimação Profa Ana Clara Guedes. Introdução O propósito de um estudo estatístico costuma ser a extração de conclusões acerca da natureza de uma população.
NOÇÕES DE INFERÊNCIA ESTATÍSTICA
Aula 1. Introdução à Inferência Estatística
Estatística - Estimação – II - 1; Desigualdade de Tchebychev -1.
Inferência 1:Estimação de Parâmetros Relembrando o Teorema Central do Limite Da aula anterior: a) Os estimadores da média e da s 2 são não viciados e de.
Distribuição Amostral 3 Miguel Angel Uribe Opazo.
INTERVALO DE CONFIANÇA PARA A MEDIA POPULACIONAL (σ 2 desconhecido ) Sabemos que se o tamanho da amostra for superior a 30 a distribuição amostral das.
Como construir modelos empíricos. Nos modelos estudados, cada fator foi fixado em dois níveis Por esta razão temos que nos contentar com uma visão limitada.
Transcrição da apresentação:

ME623A Planejamento e Pesquisa

Modelo com Um Fator Aleatório(Cell Means) O modelo é escrito como: com i = 1,..., a e j = 1,..., n (n i = n) Assumimos que são indep. e são indep., constantes i = 1...a j = 1...n

Modelo com Um Fator Aleatório(Cell Means) Estimação por intervalos de Pode-se mostrar que Então temos que Rerranjando as desigualdades, obetmos que intervalo de confiança para ?

Modelo com Um Fator Aleatório(Cell Means) Rerranjando as desigualdades, obetmos que intervalo de confiança para ? Os limites de confiança para são e

Modelo com Um Fator Aleatório(Cell Means) Exemplo MSE = 73.3 Calcule intervalos de MSTR = confiança para n = 4, a = 5 e GeneralCanditato 1234 A B C D E

Modelo com Um Fator Aleatório(Cell Means) Pode acontecer que o limite inferior do intervalo de confiança para seja negativo Nesse caso, consideramos o limite começando em 0 Se quisermos construir testes como Podemos construir regras de decisão baseadas no intervalo de confiança de

Modelo com Um Fator Aleatório(Cell Means) Estimação por intervalos de Sabemos que Então temos que o intervalo de confiança é

Modelo com Um Fator Aleatório(Cell Means) Estimação por intervalos de Sabemos que Então temos que o intervalo de confiança é

Modelo com Um Fator Aleatório(Cell Means) No nosso exemplo de generais?

Modelo com Um Fator Aleatório(Cell Means) Estimação por intervalos de Não é possível construir um intervalo de confiança exato para Vários métodos de aproximação foram desenvolvidos

Modelo com Um Fator Aleatório(Cell Means) Estimação por intervalos de SATTERWAITE Note que é uma combinação linear de esperanças de quadrados médios Em geral, denote uma combinação linear de esperanças de quadrados médios por

Modelo com Um Fator Aleatório(Cell Means) Estimação por intervalos de SATTERWAITE Um estimador não viesado é Seja gl i os graus de liberdade associados à Msi Satterwaite sugere que a distribuição da estatística Pode ser aproximada por uma

Modelo com Um Fator Aleatório(Cell Means) Estimação por intervalos de SATTERWAITE Onde Assim, um intervalo de confiança aproximado é

Modelo com Um Fator Aleatório(Cell Means) Estimação por intervalos de SATTERWAITE No caso de um fator aleatório temos

Modelo com Um Fator Aleatório(Cell Means) Estimação por intervalos de SATTERWAITE No caso de um fator aleatório temos

Modelo com Um Fator Aleatório(Cell Means) Exemplo MSE = 73.3 Calcule intervalo de MSTR = confiança para n = 4, a = 5 GeneralCanditato 1234 A B C D E

Modelo com Um Fator Aleatório(Cell Means) Um outro procedimento é MLS “Modified Large Sample” Ver livro para referência

Modelo com 2 Fatores Aleatórios O modelo é escrito como: i = 1,..., a j = 1,..., b k = 1,...,n Assumimos que é a média geral (constante) são indep. são indep. com média 0 e variâncias são indep. 2 a 2 são constantes

Modelo com 2 Fatores Aleatórios Exemplo Alguns operários são escolhidos aleatoriamente de todos os operários da fábrica para operar 5 das 200 máquinas de torno. A pergunta de interesse é se existe algum efeito de operário ou de máquina na produtividade (# de peças produzidas por dia)

Modelo com 2 Fatores Aleatórios Propriedades

Modelo com 2 Fatores Aleatórios Fonte de Variação SSg.l.MSE(MS)Teste F ASSAa-1MSA BSSBb-1MSB ABSSAB(a-1)(b-1)MASB ErroSSEbb(n-1)MSE TotalSSTabn-1

Modelo com 2 Fatores Aleatórios Fonte de Variação SSg.l.MSE(MS)Teste F ASSAa-1MSAMSA/MSAB BSSBb-1MSBMSB/MSAB ABSSAB(a-1)(b-1)MASBMSAB/MSE ErroSSEbb(n-1)MSE TotalSSTabn-1