Видео

@@thefirstartofworld com certeza. Esse É um dos principais requisitos para validar o modelo

Hello! Unfortunately I don't have access to recent versions of Origin, so I won't be able to help you this time

Análise sensorial 🤩

Obrigado! Não sei se isto responde sua dúvida, mas: Os valores críticos foram obtidos das referências que estão no arquivo onde eu criei a função. Nos links da descrição do vídeo tem essas referências para que você possa verifiar. A função kolmogorov_smirnov_critico foi criada previamente, para não deixar o video muito longo e simplificar as coisas.

Essa informação vou ficar devendo...

Olha, eu não tenho 100% de certeza, mas acredito que tenha sido a versão 21.3.1. Acredito que a versão 16 tenha sido lançada em 2012... muita coisa deve ter sido alterada, e o caminho para chegar nos testes seja diferente mesmo

Por nada! Bons estudos!!

Essa informação eu vou ficar devendo. Não tenho uma maquina com mac para poder verificar :/

Sim, poderia! nada impede salvar como xlsx! Mas arquivos csv são mais simples e ocupam menos espaço. Para poucos dados, não faz muita diferença, mas para datasets grandes faz. Tem outros pontos importantes a considerar, como, por exemplo, qual seria o separador de dados que o Excel utilizaria? Existe diferença na leitura entre Excel, Libre Office e os sistemas de office na nuvem? Como funcionaria se seu conjunto de dados tivesse entradas tipo Hora? E dados tipo datas? Ou moedas? Essas perguntas já tem resposta, mas é algo que vc teria de considerar!

You get the model formula from the software you used to make the adjustment. As you have 2 independent variables, you will have two different models. Regarding the number of levels, after the model has been obtained and validated, it no longer makes a difference whether the model was built with 2 or 3 levels

🤜

💪

Muito obrigado pelas palavras de incentivo! Vamos juntos aprender e evoluir 💪💪!! Abraço!!!

Poxa, não diga isso 🙁! Qual foi sua dificuldade?

São os valores críticos do teste. Vc encontra no paper Massey, Frank J. “The Kolmogorov-Smirnov Test for Goodness of Fit.” Journal of the American Statistical Association, vol. 46, no. 253, 1951, pp. 68-78

Hello! Are you using the same version that I used in this tutorial?

Yes, I am using the same version

@@dipali4525 Weird, it should work exactly like the tutorial 😕. After I published the video, I never touched the files again, so the file is correct and it worked 5 years ago (as you can see in the video). Unless you provide some kind of detail, the only thing I can suggest is that you try to repeat exactly the same steps used in the tutorial, using the same equation I used. If repeating the tutorial works, it means that the method is working.

Anderson, Thanks. I am able to copy the color format. However, the gridlines on my surface plot are missing. Can you please suggest, how to add?

@@dipali4525 I'm not 100% sure as I haven't used Origin in a few years, but you might need to right click on the surface and go to styles (or something like that). In the window that will open, you should have the option to remove/add grid on the surface in one of the tabs. Maybe you just need to add some color in the grid. It must be something simple

Claro! Os testes desenvolvidos para comparar as médias diversos grupos seguem alguns pré-requisitos, sendo que em alguns casos as variâncias serem equivalentes é um destes pré-requisitos. Por exemplo, o teste de Tukey para comparação de médias foi desenvolvido com esta premissa. Se eu não me engano o teste de Fisher também. Isso quer dizer que os valores críticos do teste partem desse pressuposto (dentre outros, como o da Normalidade da distribuição dos grupos e da independência das amostras por ex.). Utilizar o teste de Tukey com dados que apresentam variâncias não homogêneas reduz o poder do teste (o beta), o que pode levar a você cometer um erro de tipo 2. Isso quer dizer que aumenta a chance de você concluir que os grupos são iguais quando eles verdadeiramente são diferentes. No caso das variâncias não serem homogêneas, talvez seja mais adequado utilizar testes não paramétricos (ou robustos) do que utilizar testes paramétricos, para evitar este tipo de erro. Algo similar ocorre com a regressão, onde quando os grupos não apresentam variâncias homogêneas devemos utilizar a regressão ponderada (ou um método robusto), pois a regressão "comum" considera que as variâncias são iguais. Isto pode ter implicações importantes nos resultados, especialmente nos intervalos de confiança do modelo. Na prática, identificar que as variâncias não são iguais é um bom indício de que você deveria utilizar métodos não paramétricos ou métodos robustos ao invés de métodos paramétricos. Dessa forma, as conclusões dos seus testes estarão mais próximas da conclusão verdadeira. Se quiser ir um pouco mais a fundo nesse tópico, mas com algo mais acessível, sugiro estudar os testes de comparação de par de médias de tukey. Tem o teste para variâncias homogêneas e o teste para variâncias não homogêneas. Se quiser algo mais "parrudo", estude regressão "comum" e a regressão ponderada. Atente que eu simplifiquei um pouco aqui, pois o próprio teste de homogeneidade tem suas premissas. Caso seja do seu interesse, marque uma aula comigo: andersonmdcanteli@gmail.com

Eu adoto alfa = 5% por que este é o valor consolidado pela literatura. E sim, tem implicações. Para dados que efetivamente SÃO NORMAIS, adotar alfa = 0,01 implica em aceitar H0 em 99% dos casos, enquanto que adotar alfa = 0,05 implica em aceitar H0 em 95% dos casos (na verdade o teste de SW é um pouco melhor do que estes valores para dados Normais). O problema esta em quando os dados NÃO SÃO NORMAIS, que é o poder do teste (o beta) Embora o teste de SW seja o melhor dentre todos os testes que temos, ele tem bastante dificuldade em rejeitar H0 (dados não Normais) para amostras NÃO NORMAIS e que é pequena. Por exemplo (adotando n= 30) e para citar alguns casos apenas, - se os dados são Uniformes, o teste de SW "acerta" em 33% das vezes para alfa = 5%, e "acerta" em 7,2% para alfa igual a 1% - se os dados são de Laplace, o teste de SW "acerta" em 32% das vezes para alfa = 5%, e "acerta" em 19% para alfa igual a 1% - se os dados são de Weibull, o teste de SW "acerta" em 98% das vezes para alfa = 5%, e "acerta" em 93% para alfa igual a 1% Atente que sempre que adotamos alfa igual a 1%, o teste performa pior (quando H0 é falsa). PS: estou escrevendo um paper sobre isto, por isto sei estes valores (que foram obtidos por simulação)

@@andersoncanteli excelente! Obrigado pela resposta

Olá Sara! Obrigado! Em relação a sua dúvida, quando o tamanho amostral é ímpar nós ignoramos o valor central para obter os valor de b, mas ele conta como tamanho amostral para obtenção do valor crítico do teste. Para ficar um pouco mais claro, as as colunas D e E devem ter o mesmo tamanho, e você ignora o ponto central no calculo de b. Neste seu caso, com 7 pontos (ordenados de forma crescente). os 3 primeiros (menores) são copiados para a coluna D, e os 3 últimos (maiores) são copiados para a coluna E (e depois ordenados como feito no vídeo, de forma a parear o primeiro com o último, o segundo com o penúltimo, e assim por diante). O dado da quarta posição (a mediana no caso) acaba não sendo utilizado para o calculo de b. Fazendo desta forma, o resultado da planilha já estará correto.

Obrigada! E sobre o alfa, faria alguma diferença usar o 0,01 ao invés de 0,05?

@@saraferreira9856 Pode fazer bastante diferença sim, especialmente se o tamanho amostral for pequeno (menos do que 20 pontos é considerado pequeno, dependendo do livro 30 ainda é pequeno). A recomendação geral é adotar 5% de confiança (eu sempre uso 5%).

Muito obrigada!

Olá Bruno! Neste caso fica meio complicado utilizar a MSR pois você só tem 1 variável independente, dai não tem como gerar superfícies. Você só teria uma linha ao invés de um mesh. E você precisaria de mais de 2 níveis (-1 e +1), acho que no mínimo 9 níveis. Você vai conseguir resolver este tipo de problema com regressão múltipla ou com MANOVA. Procure por "Multivariate Multiple Regression" ou apenas "Multivariate Regression" (estes termos se confundem bastante na literatura, e muitas vezes são tratados como a mesma coisa). Minitab, Origin, R, STATISTICA fazem este tipo de regressão para você. Se você tivesse 2 variáveis independentes, dai daria pra fazer com a MSR, gerando 1 modelo (e uma superfície) para cada variável dependente. Depois você poderia utilizar a função desejabilidade para encontrar o ponto de ótimo entre todos os outputs.

Hello! I have not worked with ternary microemulsion systems. The most I did was draw the ternary graphs, but that's all. I remember works by some colleagues who compared the tie lines in systems with different solvents, but it was really a long time ago, and that's all I will remember

Vc esta falando dos tutoriais no github neh? Eles foram feitos pensando em gravar para o RUclips! Mas eu acabei desistindo, pois não vale a pena :/. É muito trabalhoso e não da retorno nenhum. Mas, se vc estiver interessado em aulas particulares sobre, manda email para andersonmdcanteli@gmail.com

In short, to uniform the flow through the bed. In vertical systems, it is very simple to control the flow so that it is uniform along the entire column: a peristaltic pump is enough. In a horizontal system, you will have to have very fine control to keep the flow uniform. In this system, you will have much more problems with preferred path formation, and the wall effect will not be uniform around the fixed bed. You also have a problem with physical space. Horizontal columns take up much more space than vertical columns, greatly increasing the cost of equipment. I don't have any paper to recommend, but I will recommend 2 books: Ruthven, D. M., Principles of Adsorption and Adsorption Processes (1984) Geankoplis, C. J. , Transport Processes and Separation Process Principles (2003)

Olá! Sim! Absoluto é o módulo do número! E da para utilizar como valor absoluto tranquilamente. Mas, tecnicamente, quando o valor de tcalc é negativo, deveriamos obter o valor crítico à esquerda (que é negativo), não à direita. Como a distribuição t é simétrica, acaba que o valor crítico à esquerda é igual ao valor crítico à direita, mas com sinal trocado. Se eu não me engano, a função que calcula o p no excel só aceita valores positivos. Dai é necessário utilizar o valor de tcalc absoluto.

@@andersoncanteli , entendi. Muito obrigada pelos seus vídeos! Tem me ajudado muito na minha tese!

@@noellec.zanini7487 blz! Qualquer coisa, só perguntar! E se precisar de análises mais complexas, como comparações múltiplas, delineamento fatorial, PCA, regressão, etc, entre em contato por e-mail andersonmdcanteli@gmail.com