Graus de Liberdade

[@gmbp1983]

Já fiz uns 10 cursos que envolvem estatística pesada ! Três de Berkeley, vários do MIT, mas só hoje entendi o conceito de verdade graças a este video. Obrigado Professor !

[@albertofariasilva5699]

Talvez a melhor explicação sobre o assunto que já obtive. O Brasil precisa de professores e não de políticos. Parabéns pela aula, professor!

[@jess_anselmo]

Melhor explicação que eu encontrei, parabéns!!!

[@hugovaleriocorreadeoliveir6784]

Simples e claro! Finalmente entendi. Obrigado!

Perfeito...explicação muito clara!

[@desdesman]

Mind explodes.. kkk Ótima explicação!

[@CarlosHenrique-er7zq]

Explicação perfeita

[@anacarolinamendes8471]

Fantástica explicação. Grata

[@cezitube]

Finalmente entendi essa desgraça 😂 ... OBRIGADO

[@JoaoLima-pq1hm]

Explicação perfeita, professor. Foi um conceito negligenciado durante as aulas de estatística...

[@wellingtono5883]

Você não foi "simplista". Acho que uma das carências do KZbin são as explicações estruturais, de base. Elas ajudam a construir o conhecimento. Parabéns, professor pela explicação.

[@tfossgh]

Exatamente. Explicar como fazer, qualquer livro explica, mas mostrar de onde vem de forma didática, esse é o verdadeiro desafio.

[@marconeabdala8793]

Muito obg e parabéns!

[@bentojbbass]

Perfeito. Nunca havia entendido isso

[@BrunaDolavale]

Muuuuuito legal! Obrigada pela explicação!

[@patriciaferreiraduarte]

Obrigada!

[@joabebarbosa4008]

Show!

[@filipequeirozdeabreu1777]

Ótima explicação prof

[@acaoempauta]

Muito obrigado cara.

[@julianacordeirocarvalho]

Que maravilha! Muito boa a explicação. Teria como o senhor me passar a referência deste livro em que o senhor retirou as informações? Parabéns pela didática e pela explicação!

[@julianacordeirocarvalho]

Opa, encontrei o nome do livro na descrição do vídeo. Muito obrigada ❤

[@leandroguimaraes413]

Ajudou demais!

[@BruninNaResenha]

Professor por que dizem que a média é uma boa medida de tendência central?

[@caioalencar4551]

em variância amostral o grau de liberdade -1 representa o valor da média, se entendi corretamente, é isso?

[@alessandrasouza600]

Excelente! Obrigada

[@daniellymoreira7594]

Legal! Obrigada.

[@alvarojunior8497]

bom dia! Excelente aula! Veja: no certificado de calibração que recebi o Grau de Liberdade deu 11 ! porem 3 amostras de valores A = 998,6 Graus Celsius, B = 999,1 e C = 1006,9 !!!! media das medidas = 1001,5 e a temperatura de referencia 994,5 graus !!! aparentemente tem erro ? ajude por gentileza grande mestre. obrigado

[@fernandomacedo8027]

Eu gostei. Queria encontrar outras coisas do canal e não consigo, colocando o nome MSD no google.

[@macacodagua1]

oi, Fernando, tudo bem? Obrigado pelo comentário. Se vc entrar neste vídeo e clicar no nome do canal (logo abaixo do botão 'play' do vídeo), você será redirecionado ao canal e à todos os vídeos disponíveis. de qualquer forma, segue o link do canal: kzbin.info/door/uwMdn1AvRYXry1FQeJeULA

[@fernandomacedo8027]

Isto significa que o grau de liberdade será sempre a quantidade de amostras -1?

[@carlosheidemann8987]

Vdd será?

[@beniminxz9725]

não, depende do que você está analisando.

[@NilHunter]

Como foi explicado no próprio vídeo, o grau de liberdade será o número de amostra menos o número de parâmetros. Se, além da média estimada, eu tivesse também um desvio padrão estimado, então seria GL = amostras - 2, por exemplo.

[@SantosFernando21]

Excelente, mas estou com dificuldade em entender pq o SQR , (y.hat - y.barra)^2 , tem apenas um grau de liberdade.

[@macacodagua1]

Legal a pergunta, Fernando. Mas acho que vc confundiu com a SQF, não é?! Confirma isso pra mim, por favor, para eu ter certeza de que entendi a tua pergunta

[@SantosFernando21]

@@macacodagua1 acho que varia a notação, mas no caso eu quis dizer Soma Quadrática da Regressão e não dos Resíduos hahah ... mas então, acho que eu já descobri a resposta a minha pergunta. Quando fazemos y.hat - y.barra ... partimos do pressuposto que não temos liberdade nenhuma afinal "y.hat" já foi estimado e todos os pontos precisam estar necessariamente sobre a reta ... a única liberdade seria o b0 e o b1 .. então 2 graus de liberdade. Porém precisamos que essa soma de 0, logo perdemos um grau de liberdade. Conclusão resta apenas 1 grau de liberdade. Minha confusão foi pq sempre partimos do pressuposto de n graus de liberdade que vem de Yi ... e em Yi.hat partimos do pressuposto de apenas 2 graus de liberdade (bo e b1) .. é meio que ao contrário rs... em um raciocínio a gente tira 2 graus justamente por estimar b0 e b1 .. e no outro a gnt coloca eles como sendo nossa única liberdade. Me confirme se o que eu falei faz sentido pra você e se está certinho, se não pode ficar a vontade pra me dar uma melhor explicação kkkkkkk.

[@engcassiasilva]

ajudou mto