Upload
duongbao
View
213
Download
0
Embed Size (px)
Citation preview
Prof. Doutor João Tiago Mexia
LOGOO Que é a Estatística?
Optimização
Delineamento
Dados
Maximizar a informação para custo dadosou
Minimizar o custo para “informação dada”
Prof. Doutor João Tiago Mexia
LOGO
O que é a Estatística?
Informação
CivilizaçãoActual
Gestão óptimade Recursos
Prof. Doutor João Tiago Mexia
LOGOInferência Estatística
Delineamento
(Independente das observações a colher)
Conhecimento
a priori(Independente das
observações a colher)
Modelo
Inferência
Conclusões
Prof. Doutor João Tiago Mexia
LOGOTeoria da Probabilidade
“Palavras” ou Linguagem Estatística
Conceito de Independência
As observações não herdam informação ruína na roleta
xi Fx| i Pxi ≤ x, i 1, . . . ,n
xi fx| i ∂Fx| i
i1
k ∂xi
, i 1, . . . ,n
x1i. . . ixn
(modelo paramétrico contínuo)
Prof. Doutor João Tiago Mexia
LOGOMeta-Teorema de Fischer(1918)
vs
Fisher
GenéticaSelecção Natural
Teoria Integrada da
Selecção Natural
Evolução de Populações
(panmixia)
Prof. Doutor João Tiago Mexia
LOGOMeta-Teorema de Fischer(1918)
Sistemas Poligénicos
Características Biométricas (peso, altura, etc)
Contribuições Individuais dos pares de alelos
pequenas
e
aditivas
Teorema de Fischer
Prof. Doutor João Tiago Mexia
LOGOMeta-Teorema de Fischer(1918)
TeoremaAs características biométricas distribuem-se normalmente
Prof. Doutor João Tiago Mexia
LOGOModelos Normais
x x1 , . . . ,xn ′ N ,V
1, . . . ,
n
′
V1 0
0 Vn
x1 , . . . ,xn
independentes
xi N i,Vi
Prof. Doutor João Tiago Mexia
LOGOModelos Normais
Aplicabilidade: Metateorema de Fischer, etcMaleabilidade: “Empilhamento”
Teoria muito desenvolvidaex: testes de normalidade
x N ,V
Ax b N A b,AVA′
x ′Vx g,v2 ′V
Prof. Doutor João Tiago Mexia
LOGONormalidade Aproximada
X1X2121e12e2 q.c.
1,1 ,2
12 1e1 2e2 N12 ,122
2 221
2
X1 1 e1 N1 ,12
X2 2 e2 N2 ,22
Z X 1X2121e12e2
, aproximadamente normal
CVXl ll 1,l , l 1,2
CVXl ≤ 130 Z, aproximadamente normal, l 1,2Simulações:
Generalizações: Polinómios de baixo grau em variáveis normais independentes com baixos coeficientes de v
Prof. Doutor João Tiago Mexia
LOGONormalidade Aproximada
D
D D
Modelos Normais
Soluções Óptimas
para Inferência
Prof. Doutor João Tiago Mexia
LOGOUm Primeiro Exemplo
V 2
4 d2hX Nd,X
2 i Y Nh,Y2
V 2
4 X2YX2 X
21,X2 i Y Nh,Y
2 , comX d 2
X2
X d X; X N0,X2
Y h Y; Y N0,Y2
h
d
X2 d2 2dX X2
Prof. Doutor João Tiago Mexia
LOGO Um Primeiro Exemplo(Continuação)
X2Y d2h d2Y 2dhX 2dhXY hX2 X
2 Y2
≈ d2h d2Y 2dhX
Nd2h,d4Y2 4d2h2X
2 h
dV ≈ V∗ 2
4d2h d2Y 2dhX
Prof. Doutor João Tiago Mexia
LOGO Um Primeiro Exemplo(Continuação)
V 2
4i1
n∑ Xi
2 nd2Y 2nd2
i1
n∑ Xi Y
i1
n∑ Xi
2 X2 n,X
2 ; X nX
2
Y 1n
i1
n∑ Yi N h, Y
2
nV ≈ V∗ 2
4 nd2h
i1
n∑ Xi N0,nX
2 Y N 0, Y2
n
Prof. Doutor João Tiago Mexia
LOGO Um Primeiro Exemplo(Continuação)
Quando é que se pode “admitir a normalidade”?
- Para polinómios até ao 4º grau pode admitir-se se:
CV≤ 130
A utilização de técnicas padronizadas, permite em geral que estelimite seja “folgadamente satisfeito”
Inferência Simplificada Comparação Var(v) para 2 processos
Teste F
Prof. Doutor João Tiago Mexia
LOGOInformação Metodológica
É a informação que se tem sobre os métodos de medida utilizados para:
Obter as observações
e 1 , . . . ,e n iid N0,2M
2mj,j ≤ 2, j 1, . . . ,k
M
m1,1 m1,k
mk,1 mk,k
x i i e i, i 1, . . . ,n
y gx1, . . . ,xn, aproximadamente normal
Modelos NormaisInformação
MetodológicaInferência Simplificada
Prof. Doutor João Tiago Mexia
LOGOValidação do Modelo
Erro de 3ª Espécie Escolha do Modelo Errado
X1 , . . . ,Xn iid
Modelo Proposto
X1, . . . ,Xn iid Nx|;2
Estimador : n∗ 1
n Xn
Prof. Doutor João Tiago Mexia
LOGOValidação do Modelo
Erro
- A densidade embora simétrica não tem valor médio
n∗
Procedimento
1) Testar a normalidade da amostra
2) Em caso de dúvida usar a mediana como estimador
Prof. Doutor João Tiago Mexia
LOGOValidação do Modelo
Em geral: Validar o modelo
Obtenção de consequências testáveis
y gx1 , . . . ,xn F
Modelo
Testando-se efectivamente se y tem distribuição F
Ex: testes de Normalidade...