MODELO ESTATÍSTICO PARA CURVA DE CALIBRAÇÃO #3
Por: Estatístico L.
02 de Dezembro de 2015

MODELO ESTATÍSTICO PARA CURVA DE CALIBRAÇÃO #3

Estatística Média

em que,

  • $ Y_{ij} $: representa a j-ésima medição de área referente a i-ésima concentração;
  • $ X_{i} $: representa a i-ésima concentração;
  • $ \beta_0 $: representa o coeficiente linear ou intercepto;
  • $ \beta_1 $: representa o coeficiente angular;
  • $ \varepsilon_{ij} $: representa o j-ésimo erro cometido na medição da i-ésima área. Consideramos que os $ \varepsilon_{ij} $ são independentes e identicamente distribuídos com distribuição $ N(0,\sigma^2) $ .

Pelo método dos mínimos quadrados, obtemos

 

$$\hat{\beta}_1=\frac{S_{xy}}{S_{xx}}\quad e\quad\hat{\beta}_0=\overline{y}-\hat{\beta}_1\overline{x}$$

em que,

  • $ S_{xx}=\displaystyle\sum^n_{i=1}(x_i-\overline{x})^2=\sum^n_{i=1}x_i^2-2\overline{x}\sum^n_{i=1}x_i+n\overline{x}^2 = \sum^n_{i=1} x_i^2-n\overline{x}^2; $
  • $ S_{xy}=\displaystyle\sum^n_{i=1}(x_i-\overline{x})(y_i-\overline{y})=\sum^n_{i=1}(x_i-\overline{x})y_i; $
  • $ \overline{y}=\frac{1}{n}\displaystyle\sum^n_{i=1}(y_i) $ representa a média das leituras de área;
  • $ \overline{x}=\frac{1}{n}\displaystyle\sum^n_{i=1}(x_i) $ representa a média das leituras de concentração.
Cadastre-se ou faça o login para comentar nessa publicação.

Confira artigos similares

Confira mais artigos sobre educação

+ ver todos os artigos

Encontre um professor particular

Busque, encontre e converse gratuitamente com professores particulares de todo o Brasil