Upload
brooklyn
View
27
Download
0
Embed Size (px)
DESCRIPTION
XXXII - Ciclo Estatística Experimental com Software R. Éder David Borges da Silva Renato Gonçalves de Oliveira. Introdução. Objetivo: Relacionar matematicamente duas ou mais variáveis, com uma função, por exemplo: - PowerPoint PPT Presentation
Citation preview
Éder David Borges da SilvaRenato Gonçalves de Oliveira
IntroduçãoObjetivo: Relacionar matematicamente duas ou mais variáveis, com uma função, por exemplo:
• Importante para entender os fenômenos físicos, químicos, biológicos, sociais, médicos...etc.• Variáveis devem ser quantitativas• Importante no estudo de otimização de processos
2Experimentação com recursos computacionais
iii XY 10
Classificação dos modelos quanto as parâmetros
Modelo linear
Modelo não-linear
3Experimentação com recursos computacionais
iii XY 10
00
iY
ii XY
1iiii XXY 2
210
iii XY 2
10
00
iY 2
1
ii XY
)ln(21
2i
i XXY
Modelos estatísticos quanto ao # variáveisModelo univariado:
Modelo múltiplo:
iii XY 10
innii XXY ...10
Experimento univariado
6Experimentação com recursos computacionais
10.3
20.2
62.1
40.1
12.1
99.0
90.0
88.0
Y
0.2
5.1
0.1
8.0
5.0
3.0
2.0
1.0
X
Altura Tempo de exposição
Experimento múltiploVolume estimado de madeira
113
104
96
93
90
87
86
82
78
65
Y
101
100
95
87
90
93
80
90
71
41
1X
96
78
84
96
70
61
81
80
48
79
2X
71
70
67
62
64
66
59
64
53
35
3X
Volume/área Área basal Área basal relativa
Altura
Método dos mínimos quadrados
Idéia do Método:
8Experimentação com recursos computacionais
2
1
0 )(min i
n
ii yyS
Estimador de Mínimo Quadrado
~~~XY
00.40.21
25.25.11
00.10.11
64.08.01
25.05.01
09.03.01
04.02.01
01.01.01
X
2
1
0
10.3
20.2
62.1
40.1
12.1
99.0
90.0
88.0
Y
YXXX ')'( 1^
~
MMQ
iiii XXY 2210
X0 X1 X2
Função lmFitting Linear Modelsajuste1 <- lm(Produção ~ altura)ajuste2 <- lm(Produção ~ altura+diametro)ajuste3 <- lm(Produção ~ I(altura)+I(diametro)
+I(diametro)^2)Summary(ajuste1)Call:lm(formula = Y ~ X1)
Residuals: Min 1Q Median 3Q Max -10.7994 -2.6942 -0.1651 3.7156 13.0095
Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 33.9634 11.4989 2.954 0.01832 * X1 0.6537 0.1330 4.916 0.00117 **---Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 7.106 on 8 degrees of freedomMultiple R-squared: 0.7513, Adjusted R-squared: 0.7202 F-statistic: 24.17 on 1 and 8 DF, p-value: 0.001170
Anova(ajuste1)
Analysis of Variance Table
Response: Y df Sum Sq Mean Sq F value Pr(>F) X1 1 1220.39 1220.39 24.165 0.001170 **Residuals 8 404.01 50.50
ANOVA da Regressão
Fonte: Apostila Prof° Suely Giolo UFPR
ANOVA da Regressão
0...: 3210 mH Para algum i=1,2,3,...,m0:1 iH
Teste t de Student
)(
0
^
^
i
St ic
QMEXXSi
1
)()'(^
00
00
:
:
i
i
H
H
Coeficiente de determinação R2aju
n tamanho da amostrap número de parâmetrosi igual a 1, se inclui intercepto ou 0 sem
intercepto
)1(1 22 Rpn
inRAj
SQT
SQER 12
Análise do resíduoCom distribuição normal e µ=0 e σ²
conhecido
Introdução
nnm
RSR 1
1)(1
)(
Métodos de InterativosIdeia: SQE tem de ser minimizadas, em função dos parâmetros
Métodos de Interativos
Experimento
26300
5000
4100
3000
490
138
105
89
75
64
63
45
30
19
10
pot
0730.0
1013.0
1205.0
1468.0
1655.0
2120.0
2272.0
2404.0
2522.0
2628.0
2681.0
2753.0
2828.0
2931.0
3071.0
u
Determinação Laboratorial Câmara de Richards
Função nls
ajuste<-nls(u~ur+(us-ur)/((1+(alpha*pot)^n)^(1-1/n)),start=list(us=0.2236,ur=0.0611,alpha=0.056,n=1.5351))
nnm
RSR 1
1)(1
)(
>summary(ajuste)Formula: u ~ ur + (us - ur)/((1 + (alpha * pot)^n)^(1 - 1/n))
Parameters: Estimate Std. Error t value Pr(>|t|) us 0.324120 0.017744 18.27 1.41e-09 ***ur 0.007083 0.071083 0.10 0.922 alpha 0.038780 0.026202 1.48 0.167 n 1.211817 0.105207 11.52 1.77e-07 ***---Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 0.01104 on 11 degrees of freedom
Number of iterations to convergence: 10 Achieved convergence tolerance: 4.152e-06
Coeficiente de determinação R2
Método de calculo manual no R# R^2# soma de quadrados residualSQE <- summary(ajuste)$sigma^2*summary(ajuste)
$df[2]SQE# soma de quadrado total corrigidaSQT <- var(u)*(length(u)-1)SQTR2 <- 1 - SQE/SQTR2