Carregar apresentação
A apresentação está carregando. Por favor, espere
1
Inferências para uma amostra
Até agora: ICs e testes de hipótese para uma amostra X1, X2, …, Xn i.i.d. N(0,1) Baseados no fato de que, sob a hipótese nula (m = m0 ou s2 = s02), determinadas estatísticas têm distribuições conhecidas. Para testar a hipótese nula, basta comparar o valor dessas estatísticas com os pontos críticos apropriados de suas distribuições.
2
Inferências para uma amostra
Estatísticas de Teste: (sob a hipótese nula)
3
Inferências para duas amostras
X1, …, Xm i.i.d N(m1, s12) Y1, …, Yn i.i.d N(m2, s22) com Xi e Yj independentes, para todo i e j (observações não pareadas) Também pode ser considerado o caso em que as observações são pareadas.
4
Testes e ICs para as médias
Baseados nas estatísticas (variâncias conhecidas ou grandes amostras) (variâncias desconhecidas, mas iguais) No caso geral, é necessário recorrer a um teste aproximado.
5
Testes e ICs para variância
Ho: s12 = s22 vs H1: s12 s22 Estatística do teste:
6
A distribuição F Sejam U e V v.a. independentes, com distribuição cm2 e cn2, respectivamente. A distribuição de é chamada de distribuição F com (m, n) graus de liberdade.
7
Exemplo
8
Inferência para m amostras
Análise da Variância (ANOVA) com um único fator m grupos de observações Xi1, Xi2, …, Xi ni i.i.d. N(mi, si2), i = 1, .., I todas as observações independentes entre si. em geral, a análise é feita supondo que as variâncias de todos os grupos são iguais.
9
Teste para a igualdade das médias
H0: m1 = m2 = …= mI H1: nem todas as médias são iguais Estatísticas de interesse:
10
Teste para a igualdade das médias
Teorema SQT = SQTr + SQE Sob a hipótese nula, SQTr e SQE são independentes, com distribuições c2I–1 e c2N–I, respectivamente, onde N = n1+…+nI é o número total de observações. Logo, QME = SQE/(N–I) é um estimador não viciado da variância s2.
11
Tabela ANOVA Fonte de Variação Graus de liberdade Soma dos Quadrados
Média dos Quadrados F Tratamentos (Entre) I–1 SQTr QMtr QMTr/QME Erros (Intra) N–I SQE QME Total N–1 SQT
12
Exemplo
13
Regressão Linear Simples
Modelo: Yi = b0 + b1xi + ei, i = 1, …, n, onde e1, e2, …, en i.i.d. N(0, s2) Problemas Estimação pontual e intervalar de b0 e b1 Testes de hipótese (o mais importante: teste de “relevância do modelo”). Predição
14
Estimação Pontual A estimação de máxima verossimilhança de b0 e b1 resulta da minimização de S (Yi – b0 – b1xi)2 Os estimadores acima são os ENVUMV de b0 e b1 O ENVUMV de s2 é:
15
Exemplo Xi Yi 1 2 3 7
16
Relevância do Modelo Teste de utilidade do modelo
H0: b1 = 0 vs. H1: b1 0 Pode-se empregar um teste relativo à distribuição de b1 (teste t) ou um teste ANOVA (generalizável para regressão múltipla) Estatísticas relevantes
17
Teste de Relevância do Modelo
Teorema SQT = SQR + SQE Sob a hipótese nula, SQR e SQE são independentes, com distribuições c21 e c2n–2, respectivamente. Logo A razão R2 = SQR/SQT é chamado de coeficiente de determinação.
18
Tabela ANOVA Fonte de Variação Graus de liberdade Soma dos Quadrados
Média dos Quadrados F Regressão 1 SQR QMR QMR/S2 Erros n–2 SQE S2 Total n–1 SQT
19
Inferências relativas aos coeficientes
Baseadas nas estatísticas abaixo:
20
Intervalos de Predição
Para predizer o valor de Y quando x = x* Baseados em
Apresentações semelhantes
© 2024 SlidePlayer.com.br Inc.
All rights reserved.