Académique Documents
Professionnel Documents
Culture Documents
SANTA MARIA – RS
2002
SUMÁRIO
1 INTRODUÇÃO 1
2 LIMITAÇÕES 1
4 ARQUIVOS SAS 3
5 COMANDOS DE PROGRAMAÇÃO 3
5.1 Comandos de controle de arquivos 4
5.2 Comandos que lêem e gravam arquivos de dados 6
5.3 Comandos que lêem e gravam arquivos SAS 10
5.4 Comandos que atuam sobre valores de dados 13
5.5 Comandos de informação 15
5.6 Comandos que controlam o fluxo lógico de programação 17
9 INFERÊNCIA ESTATÍSTICA 55
9.1 Testes para igualdade de duas medias (PROC TTEST) 54
9.2 Teste para dados pareados 59
ANEXOS 140
1 INTRODUÇÃO
2 LIMITAÇÕES
Acesso Gerenciamento
DADOS
Apresentação Análise
O SAS por ser um sistema integrado, ele é composto por módulos para
comercialização.
Principais módulos:
Existem outros módulos, mas que não são de interesse para a estatística.
3.1 O SAS/BASE
4 ARQUIVO SAS
Ex.:
5 COMANDOS DE PROGRAMAÇÃO
- DATA - INFILE
- CARDS - FILE
Treinamento Sistema – SAS 3 Prof. Luis Felipe Lopes
- Comandos que lêem e gravam arquivos de dados.
- INPUT
- PUT
- LIST
- SET
- MERGE
- UPDATE
- OUTPUT
- FUNÇÕES e EXPRESSÕES
- Comandos de informação.
- DROP
- RENAME
- LABEL
- FORMAT
- TITLE
- IF (THEN / ELSE)
- DELETE
- DATA
Você poderá escolher qualquer nome para esse arquivo, desde que
tenha até 8 caracteres ou menos e comece por uma letra (A-Z).
- CARDS
- INFILE
Características do INFILE:
• Aponta ao SAS para fazer a leitura num arquivo externo, onde os dados
estão armazenados.
- INPUT
a) Tipos de INPUT
C A M P O S
1 2 3 4 5 6
1 2 5
2 2 5 .
3 2 5
4 2 5 . 5
5 .
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22
C A R L O S M 2 0 1 8 0 . 5 7 8 . 5
J O S E M 1 8 1 7 5 7 0 . 8
A N A F 1 7 1 6 5 . 6 6 2 . 5
P A U L A F 2 1 1 6 8 5 5
Formato de Entrada:
Controle de posição:
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
J O S E M 2 0 1 8 0 . 5 7 8 . 5
J O S E L U I S M 1 8 1 7 5 7 0 . 8
A N A F 1 7 1 6 5 . 6 6 2 . 5
A N A P A U L A F 2 1 1 6 8 5 5
‘/‘e‘#‘
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15
1 J O S E M 2 0
1 8 0 . 5 7 8 . 5
2 J O S E L U I S M 1 8
1 7 5 7 0 . 8
3 A N A F 1 7
1 6 5 . 6 6 2 . 5
4 A N A P A U L A F 2 1
1 6 8 5 5
- SET
Obs.: No arquivo criado pelo comando SET possui uma variável nova
ANO_NASC.
HOMENS+MULHERES
OBS DEPT NOME SEXO
1 213 Alvaro m
2 914 Eliane f
3 918 Lorena f
4 917 Otto m
5 916 Ricardo m
6 917 Sonia f
7 914 Vitor m
⇒ Outra observação que se faz necessária para usar este comando com
a finalidade de juntar (concatenando) dois ou mais arquivos, é que a
estrutura dos arquivos sejam idênticas, ou seja, com mesmas
variáveis.
- MERGE
Algumas considerações:
GERAL SALÁRIO
OBS DEPT NOME SEXO OBS NOME SAL_LIQ SAL_BRU
1 917 Sonia f 1 Sonia 169.10 279.10
2 918 Alvaro m 2 Alvaro 223.00 310.05
3 917 Otto m 3 Otto 329.05 410.75
4 914 Eliane f 4 Eliane 650.70 715.12
5 916 Lorena f 5 Lorena 380.95 470.30
“MERGEADO”
OBS DEPT NOME SEXO SAL_LIQ SAL_BRU
1 917 Sonia f 169.10 279.10
2 918 Alvaro m 223.00 310.05
3 917 Otto m 329.05 410.75
4 914 Eliane f 650.70 715.12
5 916 Lorena f 380.95 470.30
- OUTPUT
DATA RECEITA;
INPUT ANO TRIM1 TRIM2 TRIM3 TRIM4;
TRIMESTRE=1; VENDAS=TRIM1; OUTPUT;
TRIMESTRE=2; VENDAS=TRIM2; OUTPUT;
TRIMESTRE=3; VENDAS=TRIM3; OUTPUT;
TRIMESTRE=4; VENDAS=TRIM4; OUTPUT;
CARDS;
1996 1.2 0.9 1.1 1.5
1997 1.7 1.9 2.4 2.5;
PROC PRINT;
TITLE ´RESULTADO DA EXECUCAO DO ARQUIVO RECEITA´;
RUN;
SAÍDA
- Criando variáveis
- Funções e expressões
Ex.: X = 326.25;
Y = ROUND (X); RESULTADO ⇒ Y = 327
(não está nas normas brasileiras)
Z = MIN (Y);
Z = MIN (of L – Y);
W = SQRT (A + B/C);
K = MEAN (IDADE);
K = MEAN (of V1 – V7);
SOMA= SUM (of V1 – V10);
- DROP
- TITLE
- FOOTNOTE
- LABEL
- COMMENT
- IF (THEN / ELSE)
Algumas vezes necessita-se trabalhar com parte dos dados, não todos.
Por exemplo suponhamos que se queira analisar somente o sexo masculino. O
comando IF pode ser usado para esta seleção.
Símbolo Comparação
OR Um ou outro
AND E, ambos
NOT Não, negação
- DELETE
Quando se quer descartar uma observação., por ela conter um valor não
válido para a análise que se esta tratando usa-se o comando DELETE;
Obs.: A ordenação vista até aqui foi feita em cima do próprio arquivo
(PESQUISA). Se não desejar que isso aconteça use o comando
OUT.
Usando o comando BY
Objetivo:
7.1 Introdução
Depois que o usuário cria seu arquivo de dados ele pode desejar
sumarizar estes dados através de medidas que descrevam seu comportamento.
Estas medidas incluem parâmetros de posição como médias, modas, medianas,
quartis e percentis, parâmetros de dispersão, como variâncias, desvios padrões,
amplitude (range), e parâmetros que auxiliam na descrição da forma dos dados,
como assimetria e curtose (ver anexo 2).
- ser uma distribuição simétrica, ou seja, sua média coincide com sua moda, que
por sua vez coincide com sua mediana.
- ser uma distribuição regular. Do seu ponto central mais alto até suas
extremidades não existe padrões irregulares.
FORMA GERAL:
OPÇÕES DISPONÍVEIS:
COMANDOS SELECIONADOS:
OUTPUT OUT cria arquivo de saída que irá gravar as estatísticas geradas.
N NMISS Prob T
MEAN VAR KURTOSIS
STDMEAN CV MEDIAN
SUM RANGE
STD SKEWNESS
Univariate Procedure
Variable=IDADE
Moments
N 18 Sum Wgts 18
Mean 71 Sum 1278
Std Dev 2.057983 Variance 4.235294
Skewness 0 Kurtosis -0.13576
USS 90810 CSS 72
CV 2.898568 Std Mean 0.485071
T:Mean=0 146.3702 Pr>|T| 0.0001
Num ^= 0 18 Num > 0 18
M(Sign) 9 Pr>=|M| 0.0001
Sgn Rank 85.5 Pr>=|S| 0.0001
W:Normal 0.98356 Pr<W 0.9666
Quantiles(Def=5)
Extremes
Lowest ID Highest ID
67( 8) 72( 18)
68( 12) 73( 6)
69( 13) 73( 11)
69( 2) 74( 17)
70( 15) 75( 3)
O plote ‘stem leaf’ (tronco e folhas) mostra a distribuição dos valores observados.
Entre estes plotes e o ‘boxplot’, há uma coluna que fornece a freqüência de
observações em cada barra. O box plote indica o 25o e 75o percentil. A linha
Treinamento Sistema – SAS 30 Prof. Luis Felipe Lopes
central indica a mediana (50o percentil). O sinal de (+) indica a média da
distribuição, que está coincidindo com a mediana.
O plote a seguir mostra tantos sinais positivos quanto asteriscos. Os sinais de (+)
formam uma linha reta. Os (*) representam os valores amostrais. Se a amostra é
gerada por uma distribuição normal, os asteriscos devem formar uma linha reta e
cobrir a maioria dos sinais positivos. A distribuição amostral aproxima-se da
normalidade.
Univariate Procedure
Variable=IDADE
Percents Percents
Value Count Cell Cum Value Count Cell Cum
67 1 5.6 5.6 72 3 16.7 77.8
68 1 5.6 11.1 73 2 11.1 88.9
69 2 11.1 22.2 74 1 5.6 94.4
70 3 16.7 38.9 75 1 5.6 100.0
71 4 22.2 61.1
8.1 Introdução
Uma variável medida numa escala ordinal representa valores num “rank”
ordenado, ou seja, possui hierarquia. Por exemplo, se cada aluno de uma turma
fosse avaliado a respeito de sua habilidade verbal. O melhor aluno foi avaliado
com o valor 1, o segundo melhor com o valor 2, e assim por diante. Este “rank” de
valores são ditos ordinais. Escalas ordinais de valores porém possuem uma
limitação: iguais diferenças na escala de valores não tem necessariamente o
mesmo significado quantitativo. Isto quer dizer que a diferença de habilidade
verbal entre um aluno com grau 1 e um aluno com grau 2 não é necessariamente
a mesma diferença existente entre as habilidades de um aluno com grau 2 e um
com grau 3.
PREDITORA (INDEPENDENTE) – Xi
Nominal Ordinal Intervalo Razão
R Razão ANOVA Spearman Pearson ou Pearson ou
E Spearman Spearman
S Intervalo ANOVA Spearman Pearson ou --------
P Spearman
O Ordinal Kruskal Spearman --------- --------
S Wallis
T Nominal Chi-quadrado --------- --------- --------
A
PROC CORR
FORMA GERAL:
OPÇÕES DISPONÍVEIS:
COMANDOS DISPONÍVEIS:
Ex2.: O tempo necessário para um trem parar depois que percebe um perigo é
composto de tempo de reação e tempo de freagem. A variável DIST
representa a distância de parada de um trem que está a uma velocidade
VELOC no instante que o perigo é avistado. Analise o diagrama de
dispersão e determine o coeficiente de correlação entre as duas variáveis.
DIST |
|
400 + A
|
|
| A
|
|
200 + A
|
| A
| A
| A
|
0 +
--+-------------+-------------+-------------+-------------+--------
20 30 40 50 60 70
VELOC
Correlation Analysis
Simple Statistics
Altura (metros)
1.5 a 1.58 1.6 a 1.68 1.7 a 1.78 1.8 a 1.88 1.9 a 1.98
45 a 54.5 2 1 0 0 0
P 55 a 64.5 7 8 4 2 0
E 65 a 74.5 5 15 22 7 1
S 75 a 84.5 2 12 63 19 5
O 85 a 94.5 0 7 28 32 12
(kg) 95 a 104.5 0 2 10 20 7
105 a 114.5 0 0 1 4 2
1 49.75 1.54 2
2 49.75 1.64 1
3 49.75 1.74 0
4 49.75 1.84 0
5 49.75 1.94 0
6 59.75 1.54 7
7 59.75 1.64 8
8 59.75 1.74 4
9 59.75 1.84 2
10 59.75 1.94 0
11 69.75 1.54 5
12 69.75 1.64 15
13 69.75 1.74 22
14 69.75 1.84 7
15 69.75 1.94 1
16 79.75 1.54 2
17 79.75 1.64 12
18 79.75 1.74 63
19 79.75 1.84 19
20 79.75 1.94 5
21 89.75 1.54 0
22 89.75 1.64 7
23 89.75 1.74 28
24 89.75 1.84 32
25 89.75 1.94 12
26 99.75 1.54 0
27 99.75 1.64 2
28 99.75 1.74 10
29 99.75 1.84 20
30 99.75 1.94 7
31 109.75 1.54 0
32 109.75 1.64 0
33 109.75 1.74 1
34 109.75 1.84 4
35 109.75 1.94 2
Correlation Analysis
Simple Statistics
Pearson Correlation Coefficients / Prob > |R| under Ho: Rho=0 / N = 300
/ FREQ Var = N_OBS
MEDPES MEDALT
Função Linear → Y = a0 + a1 X
Função Quadrática → Y = a0 + a1 X + a2 X2
Função Exponencial → Y = a bx
→ log y = Ioga + (log b) x = a0 +a1 x
Yj = β0 + β1 Xj + εj
Suas suposições:
- Xj são fixos;
- εj ~ N id (0 , σ2) .
∑ ( Yj − Y ) (
=∑ Y ) + ∑ ( Y − Y$ )
2 2 2
$ −Y
j j j
onde:
• Estimar:
H0: β1 = 0
β0 = 0
∑ (Y j − Y )
2
min
8.5 Resíduos
FORMA GERAL:
SELECTION = método
COMANDOS DISPONÍVEIS:
VAR lista a variável (ou variáveis) que possam vir a ser adicionadas no
modelo durante o processo de análise. Este comando deve
aparecer antes do primeiro comando RUN.
DIAGRAMA DE DISPERSAO
CAPAC |
|
65 + 0
| 0 0
| 0
| 0 0
60 +
|
| 0
| 0
55 + 0
|
| 0
| 0
50 +
| 0
| 0
| 0
45 +
| 0
| 0
|
40 + 0
|
| 0
| 0
35 +
|
|
| 0
30 +
|
--+-------+--------+--------+---------+-------+--------+--------+-
10 12 14 16 18 20 22 24
VELOC
Model: MODEL1
Dependent Variable: CAPAC
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Prob>F
Parameter Estimates
- DF
Separam a variação dos dados em porções que podem ser tanto atribuídas ao
modelo como ao erro. Parte da variação total da capacidade da máquina se deve
à velocidade utilizada e outra parte se deve a erros aleatórios ou outros fatores
independentes da velocidade.
- F, PROB > F:
- Adj R_SQUARE
- DF
- Erro Padrão:
Estatística para testar a hipótese que o parâmetro é igual a zero. Seu valor é
dado por:
- PROB > T:
Univariate Procedure
Variable=RESIDUAL Residual
Moments
N 24 Sum Wgts 24
Mean 0 Sum 0
Std Dev 1.818821 Variance 3.308109
Skewness -0.95935 Kurtosis 4.145739
USS 76.08652 CSS 76.08652
CV . Std Mean 0.371265
T:Mean=0 0 Pr>|T| 1.0000
Num ^= 0 24 Num > 0 13
M(Sign) 1 Pr>=|M| 0.8388
Sgn Rank 4 Pr>=|S| 0.9119
W:Normal 0.896308 Pr<W 0.0170
Quantiles(Def=5)
Extremes
Univariate Procedure
Variable=RESIDUAL Residual
FUNÇÃO QUADRÁTICA
Model: MODEL1
Dependent Variable: CAPAC
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Prob>F
Parameter Estimates
Sum of Residuals 0
Sum of Squared Residuals 41.3702
Predicted Resid SS (Press) 65.0917
Através do gráfico dos resíduos (PROC GPLOT) observa-se que nem toda as
observações seguem a mesma forma geral. O ponto onde VELOC=24 encontra-
se abaixo dos demais, e os dois pontos próximos à VELOC=20 estão acima dos
demais. Isto pode se dever à causas especiais ou simplesmente ao acaso, e
precisa ser verificado. Os demais pontos estão bem distribuídos ao longo do
gráfico, podendo ser admitida a suposição de variância da distribuição dos
resíduos.
Univariate Procedure
Variable=RESIDUAL Residual
Moments
N 24 Sum Wgts 24
Mean 0 Sum 0
Std Dev 1.341157 Variance 1.798702
Skewness 0.194918 Kurtosis 1.047599
USS 41.37016 CSS 41.37016
CV . Std Mean 0.273763
T:Mean=0 0 Pr>|T| 1.0000
Num ^= 0 24 Num > 0 12
M(Sign) 0 Pr>=|M| 1.0000
Sgn Rank -5 Pr>=|S| 0.8899
W:Normal 0.961296 Pr<W 0.4711
Quantiles(Def=5)
Extremes
PROC TTEST
FORMA GERAL:
COMANDOS DISPONÍVEIS:
Tipo 1 Tipo 2
760 758
755 748
758 757
761 753
755 755
TTEST PROCEDURE
Variable: CARGA
Variances T DF Prob>|T|
---------------------------------------
Unequal 1.6641 7.2 0.1392
Equal 1.6641 8.0 0.1347
For H0: Variances are equal, F' = 2.04 DF = (4,4) Prob>F' = 0.5072
O p-valor para o t-test é PROB > ITI = 0.1347 que é maior que 0.05, indicando
que ambas as médias para o cabo do tipo 1 e tipo 2 não são significativamente
diferentes ao nível de 5% de significância. Valores altos para estatística T
indicam diferenças significativas entre as médias. Para o teste exato, o grau de
liberdade DF é calculado como a soma dos tamanhos das amostras dos dois
grupos menos dois (8 = 5 + 5 - 2).
TTEST PROCEDURE
Variable: PESO
Variances T DF Prob>|T|
---------------------------------------
Unequal 2.2156 11.1 0.0486
Equal 1.8893 13.0 0.0814
For H0: Variances are equal, F' = 6.75 DF = (8,5) Prob>F' = 0.0501
- AMOSTRAS PAREADAS:
PROC UNIVARIATE
Ex8.: Dez cobaias adultas foram submetidas ao tratamento com certa ração
durante uma semana. Os animais foram perfeitamente identificados, tendo
sido mantidos, para tanto, em gaiolas individuais. Os pesos, em gramas,
no princípio e no fim da semana, são designados respectivamente por
peso 1 e peso 2. Ao nível de 5% de significância pode-se concluir que o
uso da ração contribuiu para o aumento do peso médio dos animais? O
programa a seguir provê um teste de hipótese para checar se a diferença
média de pesos é significativamente diferente de zero.
1 1 635 640 5
2 2 704 712 8
3 3 662 681 19
4 4 560 558 -2
5 5 603 610 7
6 6 745 740 -5
7 7 698 707 9
8 8 575 585 10
9 9 633 635 2
10 10 669 682 13
Univariate Procedure
Variable=DIF
Moments
N 10 Sum Wgts 10
Mean 6.6 Sum 66
Std Dev 7.042727 Variance 49.6
Skewness -0.0293 Kurtosis 0.054015
USS 882 CSS 446.4
CV 106.708 Std Mean 2.227106
T:Mean=0 2.963487 Pr>|T| 0.0159
Num ^= 0 10 Num > 0 8
M(Sign) 3 Pr>=|M| 0.1094
Sgn Rank 22.5 Pr>=|S| 0.0215
Quantiles(Def=5)
Extremes
Frequency
4 + *****
| *****
| *****
| *****
| *****
| *****
| *****
3 + ***** *****
| ***** *****
| ***** *****
| ***** *****
| ***** *****
| ***** *****
| ***** *****
2 + ***** ***** *****
| ***** ***** *****
| ***** ***** *****
| ***** ***** *****
| ***** ***** *****
| ***** ***** *****
| ***** ***** *****
1 + ***** ***** ***** *****
| ***** ***** ***** *****
| ***** ***** ***** *****
| ***** ***** ***** *****
| ***** ***** ***** *****
| ***** ***** ***** *****
| ***** ***** ***** *****
--------------------------------------------------------
-4 4 12 20
DIF Midpoint
PROC NPAR1WAY
FORMA GERAL:
COMANDOS DISPONÍVEIS:
OPÇÕES DISPONÍVEIS:
N P A R 1 W A Y P R O C E D U R E
N P A R 1 W A Y P R O C E D U R E
O p-valor para o teste de Wilcoxon é dado por Prob > |Z|= 0.5403 que é
superior a 0.05. Conclui-se, portanto, que as médias dos tempos de recuperação
não são significativamente diferentes ao nível de 5% de significância.
O p-valor para o teste de medianas é dado por Prob > |Z| = O.3222 que é
maior que 0.05, ou seja, a um nível de 5% de significância não há diferença
significativa entre os tempos de recuperação referentes as duas técnicas
utilizadas. O valor dado por Prob > CHISQ = 0.3222 resulta de uma aproximação
de Chi-quadrado.
N P A R 1 W A Y P R O C E D U R E
N P A R 1 W A Y P R O C E D U R E
11 ANÁLISE DE VARIÂNCIA
PROC ANOVA
- Blocos aleatorizados
- Quadrados latinos
FORMA GERAL:
COMANDOS DISPONÍVEIS:
MEANS gera médias para cada nível das variáveis independentes e para
a interação dos níveis, quando existir.
Teste de Tukey
Teste de Scheffé
TIPO 4 A B C D
Sum of Mean
Source DF Squares Square F Value Pr > F
Os efeitos dos blocos são aditivos, ou seja, não existe interação entre o
tipo de pneu e o tipo de carro. O novo experimento tem o seguinte layout:
TIPO 4 A B C D
CARRO 4 1 2 3 4
*************************************************************************
Sum of Mean
Source DF Squares Square F Value Pr > F
CARRO 4 1 2 3 4
POS 4 1 2 3 4
TIPO 4 A B C D
*************************************************************************
Sum of Mean
Source DF Squares Square F Value Pr > F
No de Vendas
Atendentes
5 729,1
1 568,2
0 508,1
7 854,7
5 787,6
2 651,7
0 498,4
6 841,4
4 755,3
1 577,3
6 831,8
7 871,4
2 657,0
4 758,9
A)
TABELA NO ATENDENTES * VENDAS
Cumulative Cumulative
NO_AT VENDAS Frequency Percent Frequency Percent
----------------------------------------------------------
0 498.4 1 7.1 1 7.1
0 508.1 1 7.1 2 14.3
1 568.2 1 7.1 3 21.4
1 577.3 1 7.1 4 28.6
2 651.7 1 7.1 5 35.7
2 657.0 1 7.1 6 42.9
4 755.3 1 7.1 7 50.0
4 758.9 1 7.1 8 57.1
5 729.1 1 7.1 9 64.3
5 787.6 1 7.1 10 71.4
6 831.8 1 7.1 11 78.6
6 841.4 1 7.1 12 85.7
7 854.7 1 7.1 13 92.9
7 871.4 1 7.1 14 100.0
900 +
|
| *
| *
850 +
| *
| *
|
800 +
V | *
E |
N | *
D750 +
A |
S |
| *
700 +
|
|
| *
650 + *
|
|
|
600 +
|
| *
| *
550 +
|
|
|*
500 +*
-+--------+--------+--------+--------+--------+--------+--------+-
0 1 2 3 4 5 6 7
NO_AT
B)
REGRESSAO LINEAR DE VENDAS * NO ATENDENTES
Model: MODEL1
Dependent Variable: VENDAS
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Prob>F
Parameter Estimates
Cook's
Obs -2-1-0 1 2 D
1 | ****| | 0.222
2 | | | 0.013
3 | *| | 0.100
4 | **| | 0.158
5 | | | 0.008
6 | |** | 0.057
7 | **| | 0.232
8 | |* | 0.024
9 | |** | 0.049
10 | | | 0.000
11 | | | 0.001
12 | | | 0.016
13 | |** | 0.085
14 | |** | 0.063
Sum of Residuals 0
Sum of Squared Residuals 7725.1232
Predicted Resid SS (Press) 10165.3789
RESIDUAL
------+-------+-------+-------+-------+-------+-------+-------+------
| |
40 + +
| * |
| * |
| * |
| * |
20 + +
| * |
| * |
| |
| * |
0 + * +
| * |
| * |
| |
| * |
-20+ +
| * |
| |
| * |
| |
-40+ +
| |
| |
| * |
| |
-60+ +
------+-------+-------+-------+-------+-------+-------+-------+------
0 1 2 3 4 5 6 7
NO_AT
Univariate Procedure
Variable=RESID1 Residual
Moments
N 14 Sum Wgts 14
Mean 0 Sum 0
Std Dev 24.37704 Variance 594.2402
Skewness -0.44594 Kurtosis -0.49803
USS 7725.123 CSS 7725.123
CV . Std Mean 6.515039
T:Mean=0 0 Pr>|T| 1.0000
Num ^= 0 14 Num > 0 8
M(Sign) 1 Pr>=|M| 0.7905
Sgn Rank 4.5 Pr>=|S| 0.8077
W:Normal 0.952408 Pr<W 0.5667
Extremes
COMENTÁRIO:
C)
REGRESSAO QUADRATICA DE VENDAS * NO ATENDENTES
Model: MODEL1
Dependent Variable: VENDAS
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Prob>F
Parameter Estimates
Cook's
Obs -2-1-0 1 2 D
1 |******| | 0.530
2 | | | 0.011
3 | | | 0.000
4 | | | 0.010
5 | | | 0.001
6 | |* | 0.024
7 | *| | 0.054
8 | |* | 0.028
9 | | | 0.019
10 | | | 0.000
11 | | | 0.003
12 | |* | 0.110
13 | |* | 0.049
14 | |* | 0.036
Sum of Residuals 0
Sum of Squared Residuals 4959.7852
Predicted Resid SS (Press) 7100.0421
RESIDUAL
------+-------+-------+-------+-------+-------+-------+-------+------
20 + +
| * |
| * * * |
| * |
10 + * +
| |
| * |
| |
0 + * * +
| * |
| * |
| * |
-10 + * +
| |
| |
| |
-20 + +
| |
| |
| |
-30 + +
| |
| |
| |
-40 + +
| |
| |
| |
-50 + +
| |
| |
| |
-60 + * +
------+-------+-------+-------+-------+-------+-------+-------+------
0 1 2 3 4 5 6 7
NO_AT
Univariate Procedure
Variable=RESID2 Residual
Moments
N 14 Sum Wgts 14
Mean 0 Sum 0
Std Dev 19.53259 Variance 381.5219
Skewness -2.52959 Kurtosis 7.77964
USS 4959.785 CSS 4959.785
CV . Std Mean 5.220303
T:Mean=0 0 Pr>|T| 1.0000
Num ^= 0 14 Num > 0 9
M(Sign) 2 Pr>=|M| 0.4240
Sgn Rank 18.5 Pr>=|S| 0.2676
W:Normal 0.714683 Pr<W 0.0004
Quantiles(Def=5)
Extremes
COMENTÁRIO:
D)
REGRESSAO QUADRATICA DE VENDAS * NO ATENDENTES S/ OUTLIERS
Model: MODEL1
Dependent Variable: VENDAS
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Prob>F
Cook's
Obs -2-1-0 1 2 D
1 | **| | 0.113
2 | |* | 0.125
3 | **| | 0.233
4 | ***| | 0.185
5 | |* | 0.037
6 | *| | 0.087
7 | |* | 0.046
8 | | | 0.004
9 | | | 0.002
10 | | | 0.011
11 | |** | 0.429
12 | |** | 0.141
13 | | | 0.008
Sum of Residuals 0
Sum of Squared Residuals 659.0980
Predicted Resid SS (Press) 1140.4168
RESIDUAL
------+-------+-------+-------+-------+-------+-------+-------+------
| |
15 + +
| |
| |
| * |
10 + +
| * |
| * |
| * |
5 + * +
| |
| * |
| |
0 + +
| * * |
| * |
| * |
-5 + +
| |
| * |
| |
-10 + * +
| * |
| |
| |
-15 + +
| |
------+-------+-------+-------+-------+-------+-------+-------+------
0 1 2 3 4 5 6 7
NO_AT
Univariate Procedure
Variable=RESID3 Residual
Moments
N 13 Sum Wgts 13
Mean 0 Sum 0
Std Dev 7.411129 Variance 54.92483
Skewness -0.1599 Kurtosis -1.01313
USS 659.098 CSS 659.098
CV . Std Mean 2.055477
T:Mean=0 0 Pr>|T| 1.0000
Num ^= 0 13 Num > 0 6
M(Sign) -0.5 Pr>=|M| 1.0000
Sgn Rank 0.5 Pr>=|S| 1.0000
W:Normal 0.965059 Pr<W 0.7796
Extremes
COMENTÁRIO:
2) Três testes foram aplicados para a admissão de crianças em uma escola. São
eles: Inteligência, Psicomotricidade e Motivação. Os coeficientes de
rendimento são guardados em uma variável chamada CR. As notas e o CR
obtidos por cada criança são mostrados a seguir. Criar um arquivo
TESTE.SAS para resolver este problema.
QI PSICO MOTIVA CR
80 36 10 10
75 35 10 10
71 34 9 9
71 33 9 9
71 30 10 8
65 35 9 7
60 20 7 7
60 25 7 7
59 31 9 7
57 31 9 7
65 35 9 8
A)
ANALISE DE CORRELACAO
Correlation Analysis
1 'WITH' Variables: CR
3 'VAR' Variables: QI PSICO MOTIVA
Simple Statistics
QI PSICO MOTIVA
B.1)
ANALISE DE REGRESSAO MULTIPLA
Model: MODEL1
Dependent Variable: CR
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Prob>F
Parameter Estimates
RESIDUAL
------+------+------+------+------+------+------+------+------+------
0.8 + +
| |
| * |
| |
0.6 + +
| |
| |
0.4 + * +
| |
| * |
0.2 + * +
| * |
| * * |
| |
0.0 + +
| * |
| * |
| |
-0.2+ +
| |
| |
| |
-0.4+ +
| |
| |
| * |
-0.6+ +
| |
| |
| |
-0.8+ +
| |
| * |
| |
-1.0+ +
------+------+------+------+------+------+------+------+------+------
6.5 7.0 7.5 8.0 8.5 9.0 9.5 10.0 10.5
Predicted Value of CR PRED
COMENTÁRIO:
Model: MODEL1
NOTE: No intercept in model. R-square is redefined.
Dependent Variable: CR
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Prob>F
Parameter Estimates
RESIDUAL
----+----+----+----+----+----+----+----+----+----+----+----+----+----
| |
1.0 + +
| |
| * |
0.8 + +
| |
| |
0.6 + +
| |
| |
0.4 + +
| * |
| * |
0.2 + +
| * |
| * |
0.0 + +
| |
| * |
-0.2+ +
| |
| * |
-0.4+ +
| |
| |
-0.6+ +
| * |
| |
-0.8+ +
| |
| * |
-1.0+ +
| |
----+----+----+----+----+----+----+----+----+----+----+----+----+----
6.75 7.00 7.25 7.50 7.75 8.00 8.25 8.50 8.75 9.00 9.25 9.50 9.75
Predicted Value of CR PRED
Univariate Procedure
Variable=RESIDUAL Residual
Moments
N 11 Sum Wgts 11
Mean 0 Sum 0
Std Dev 0.4394 Variance 0.193073
Skewness -0.89363 Kurtosis 1.147284
USS 1.930728 CSS 1.930728
CV . Std Mean 0.132484
T:Mean=0 0 Pr>|T| 1.0000
Num ^= 0 11 Num > 0 7
M(Sign) 1.5 Pr>=|M| 0.5488
Sgn Rank 5 Pr>=|S| 0.7002
W:Normal 0.925844 Pr<W 0.3534
Quantiles(Def=5)
Extremes
Univariate Procedure
Variable=RESIDUAL Residual
COMENTÁRIO:
Pede-se:
G) O proprietário também registrou o no. de vezes que sua secadora foi utilizada
a cada dia . Esta variável pode ser utilizada em adição ao no. de horas de ar
para predizer o valor do consumo de eletricidade ? Use a PROC REG para
ajustar um modelo de regressão múltipla para os dados acima.
OPTIONS FORMDLIM='*' LS=80;
DATA ENERGIA A;
INPUT CONSUMO NO_HORAS USO_SEC @@;
CARDS;
35 1.5 1 63 4.5 2 66 5.0 2 17 2.0 0
94 8.5 3 79 6.0 3 93 13.5 1 66 8.0 1
94 12.5 1 82 7.5 2 78 6.5 3 65 8.0 1
77 7.5 2 75 8.0 2 62 7.5 1 85 12.0 1
43 6.0 0 57 2.5 3 33 5.0 0 65 7.5 1
33 6.0 0
;
/* #############( A )################## */
PROC PLOT;
PLOT CONSUMO*NO_HORAS;
TITLE 'DIAGRAMA DE DISPERSAO CONSUMO * NO HORAS';
RUN;
/* #############( B )################## */
PROC CORR;
VAR CONSUMO;
WITH NO_HORAS;
TITLE 'ANALISE DE CORRELACAO CONSUMO E NO HORAS';
RUN;
/* #############( C-E )############### */
PROC REG;
MODEL CONSUMO=NO_HORAS;
ID NO_HORAS;
VAR USO_SEC;
PLOT RESIDUAL.*PREDICTED.='*';
TITLE 'REGRESSAO LINEAR DO CONSUMO EM FUNCAO DO NO HORAS';
PRINT CLI;
TITLE 'LIMITES DE PREDICAO PARA A VARIAVEL CONSUMO';
RUN;
/* #############( F )################## */
PLOT CONSUMO*NO_HORAS='O' P.*NO_HORAS='_'
L95.*NO_HORAS='L' U95.*NO_HORAS='U' /OVERLAY;
TITLE 'LIMITES DE PREDICAO DA VARIAVEL CONSUMO - INTEVALO DE CONFIANCA';
RUN;
A)
DIAGRAMA DE DISPERSAO CONSUMO * NO HORAS
CONSUMO
|
|
95 + A A
93 + A
91 +
89 +
87 +
85 + A
83 + A
81 +
79 + A A
77 + A
75 + A
73 +
71 +
69 +
67 + A A
65 + A A
63 + A A
61 +
59 +
57 + A
55 +
53 +
51 +
49 +
47 +
45 +
43 + A
41 +
39 +
37 +
35 + A
33 + A A
31 +
29 +
27 +
25 +
23 +
21 +
19 +
17 + A
|
-+--------+--------+--------+---------+---------+---------+---------+
0 2 4 6 8 10 12 14
NO_HORAS
B)
ANALISE DE CORRELACAO CONSUMO E NO HORAS
Correlation Analysis
Simple Statistics
CONSUMO
NO_HORAS 0.76528
0.0001
COMENTÁRIO:
C)
LIMITES DE PREDICAO PARA A VARIAVEL CONSUMO
Model: MODEL1
Dependent Variable: CONSUMO
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Prob>F
RESIDUAL
-+----+----+----+----+----+----+----+----+----+----+----+----+----+--
| |
30 + +
| |
| |
| |
| * |
20 + +
| * |
| * * |
| * |
| * * |
10 + +
| * |
| |
| * |
| |
0 + * +
| * * |
| * |
| * * |
| * * |
-10 + +
| |
| |
| * |
-20 + +
| * * |
| |
| * |
-30 + +
| |
-+----+----+----+----+----+----+----+----+----+----+----+----+----+--
35 40 45 50 55 60 65 70 75 80 85 90 95 100
Predicted Value of CONSUMO PRED
COMENTÁRIO:
E)
Sum of Residuals 0
Sum of Squared Residuals 3968.9088
Predicted Resid SS (Press) 4728.5664
COMENTÁRIO:
F)
LIMITES DE PREDICAO DA VARIAVEL CONSUMO - INTEVALO DE CONFIANCA
CONSUMO
--+----+---+---+----+----+----+----+----+----+----+----+----+----+---
140 + +
| U |
| |
| U |
| U |
| |
20 + +
| |
| |
| |
| U |
| U |
100 + U _ +
| |
| U O ? O |
| U _ |
| |
| U O |
| U O |
80 + O +
| O O |
| U O _ |
| U _ |
| U _ |
| O O O L |
| O _ O |
60 + _ L L +
| O |
| _ |
| _ |
| |
| O L |
40 + _ L +
| _ _ L |
| O O O |
| L |
| L |
| |
| L |
20 + L +
| O |
| |
| L |
| L |
| L |
0 + +
--+----+---+---+----+----+----+----+----+----+----+----+----+----+---
1 2 3 4 5 6 7 8 9 10 11 12 13 14
NO_HORAS
COMENTÁRIO:
Pode-se observar que todos os pontos reais e previstos estão dentro dos limites
de predição.
Model: MODEL1
Dependent Variable: CONSUMO
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Prob>F
Parameter Estimates
COMENTÁRIO:
Observa-se que:
O modelo:
Univariate Procedure
Variable=DIF
Moments
N 15 Sum Wgts 15
Mean -1.4 Sum -21
Std Dev 3.521363 Variance 12.4
Skewness 0.508266 Kurtosis 1.407817
USS 203 CSS 173.6
CV -251.526 Std Mean 0.909212
T:Mean=0 -1.53979 Pr>|T| 0.1459
Num ^= 0 15 Num > 0 4
M(Sign) -3.5 Pr>=|M| 0.1185
Sgn Rank -29.5 Pr>=|S| 0.0984
SOQUETE 1 2 3 4 5 6 7 8
Marca A 35 26 40 35 31 49 38 24
Marca B 23 28 31 35 36 30 27 26
TTEST PROCEDURE
Variable: TEMPO
Variances T DF Prob>|T|
---------------------------------------
Unequal 1.6236 10.9 0.1329
Equal 1.6236 14.0 0.1267
For H0: Variances are equal, F' = 3.24 DF = (7,7) Prob>F' = 0.1434
COMENTÁRIO:
Consumo (km/l)
Ano I 13.01 13.00 12.95 12.97 13.01 12.93 12.94 12.96 12.97 12.94
Ano II 12.99 13.06 12.98 13.14 13.14
TTEST PROCEDURE
Variable: CONSUMO
Variances T DF Prob>|T|
---------------------------------------
Unequal -2.6147 4.6 0.0521
Equal -3.4569 13.0 0.0043
For H0: Variances are equal, F' = 6.81 DF = (4,9) Prob>F' = 0.0166
COMENTÁRIO:
Univariate Procedure
Variable=DIF
Moments
N 10 Sum Wgts 10
Mean 0.07 Sum 0.7
Std Dev 0.082327 Variance 0.006778
Skewness -0.80646 Kurtosis 1.236995
USS 0.11 CSS 0.061
CV 117.6104 Std Mean 0.026034
T:Mean=0 2.688774 Pr>|T| 0.0248
Num ^= 0 8 Num > 0 7
M(Sign) 3 Pr>=|M| 0.0703
Sgn Rank 12 Pr>=|S| 0.1094
Quantiles(Def=5)
Extremes
Frequency
6 + *****
| *****
| *****
5 + *****
| *****
| *****
4 + *****
| *****
| *****
3 + *****
| *****
| *****
2 + ***** *****
| ***** *****
| ***** *****
| ***** *****
| ***** *****
1 + ***** ***** ***** *****
| ***** ***** ***** *****
| ***** ***** ***** *****
| ***** ***** ***** *****
| ***** ***** ***** *****
--------------------------------------------------------
-0.1 0.0 0.1 0.2
DIF Midpoint
COMANTÁRIO:
8)
INSTITUTO DE PESQUISAS E EXPERIMENTAÇÃO AGROPECUÁRIAS DO SUL
-
MODELOS DE ANÁLISE ESTATÍSTICA DE EXPERIMENTOS -
EXPERIMENTOS EM QUADRADO LATINO
C O L U N A
1 2 3 4 5
F 1 1400 1207 1125 1335 1350
(4) (3) (2) (1) (5)
I 2 1235 1515 1137 1163 1090
(2) (1) (5) (4) (3)
L 3 1545 1212 1100 885 1206
(1) (5) (4) (3) (2)
A 4 1305 1295 1065 1110 1000
(3) (2) (1) (5) (4)
5 1293 1322 1118 1012 1303
(5) (4) (3) (2) (1)
ANALISE DE VARIANCIA
FILA 5 1 2 3 4 5
COL 5 1 2 3 4 5
VARIED 5 1 2 3 4 5
*************************************************************************
ANALISE DE VARIANCIA
COMENTÁRIO:
M O T O R I S T A S
C 1 2 3 4
A 1 B3 A2 16 D4 16 C1 14
19
R 2 A4 B1 18 C3 11 D2 15
15
R 3 D1 C4 11 B2 21 A3 16
14
O 4 C2 D3 16 A1 15 B4 23
16
S
TIPOS DE ESTRADA = 1 2 3 4
TIPOS DE GASOLINA = A B C
D
MOTOR 4 1 2 3 4
CARRO 4 1 2 3 4
GAS 4 A B C D
ESTR 4 1 2 3 4
*************************************************************************
ANALISE DE VARIANCIA
COMENTÁRIO:
Pr>F (MOTOR) = 0.2141 > (α=0.05) Pr>F (GAS) = 0.0193 < (α=0.05)
Pr>F (CARRO) = 0.4745 > (α=0.05) Pr>F (ESTR) = 0.4294 > (α=0.05)
TRATAMENTOS
Tamanho Plano Plano Plano
Loja Cupom 1 Cupom 2 Cupom 3 Total
1 20 17 14 51
2 18 14 10 42
3 15 13 7 35
4 11 8 5 24
Total 64 62 36 152
ANALISE DE VARIANCIA
LOJA 4 T1 T2 T3 T4
PLANO 3 P1 P2 P3
ANALISE DE VARIANCIA
COMENTÁRIO:
Pr>F (LOJA) = 0.0001 < (α=0.01) Pr>F (PLANO) = 0.0001 < (α=0.01)
Repetições A B C D
1 54 60 59 45
2 40 55 47 33
3 51 66 44 34
4 36 61 49 48
5 50 54 62 42
6 48 61 60 44
CULTIV 4 A B C D
*************************************************************************
*************************************************************************
NOTE: This test controls the type I experimentwise error rate, but
generally has a higher type II error rate than REGWQ.
A 59.500 6 B
A
B A 53.500 6 C
B
B C 46.500 6 A
C
C 41.000 6 D
COMENTÁRIO:
CULTIV 7 1 2 3 4 5 6 7
BLOCO 4 1 2 3 4
*************************************************************************
*************************************************************************
NOTE: This test controls the type I experimentwise error rate, but
generally has a higher type II error rate than REGWQ.
A 3545.0 4 3
A
A 3505.0 4 2
A
B A 3250.0 4 7
B A
B A 3227.5 4 6
B
B C 2650.0 4 5
C
C 2242.5 4 4
C
C 2070.0 4 1
*************************************************************************
NOTE: This test controls the type I experimentwise error rate, but
generally has a higher type II error rate than REGWQ.
A 3078.6 7 2
A
A 2947.1 7 3
A
A 2910.0 7 4
A
A 2772.9 7 1
COMENTÁRIO:
CULTIV 6 1 2 3 4 5 6
BLOCO 4 1 2 3 4
*************************************************************************
*************************************************************************
NOTE: This test controls the type I experimentwise error rate, but
generally has a higher type II error rate than REGWQ.
A 3545.0 4 3
A
A 3505.0 4 2
A
B A 3227.5 4 6
B
B C 2650.0 4 5
C
C 2242.5 4 4
C
C 2070.0 4 1
NOTE: This test controls the type I experimentwise error rate, but
generally has a higher type II error rate than REGWQ.
A 3021.7 6 2
A
A 2956.7 6 4
A
A 2831.7 6 3
A
A 2683.3 6 1
COMENTÁRIO:
C)
EXPERIMENTO COM BLOCOS CASUALIZADO - EXCLUINDO BLOCO = 4
CULTIV 7 1 2 3 4 5 6 7
BLOCO 3 1 2 3
*************************************************************************
NOTE: This test controls the type I experimentwise error rate, but
generally has a higher type II error rate than REGWQ.
A 3556.7 3 3
A
A 3483.3 3 2
A
A 3456.7 3 7
A
B A 3036.7 3 6
B
B C 2630.0 3 5
C
C 2246.7 3 4
C
C 2120.0 3 1
*************************************************************************
NOTE: This test controls the type I experimentwise error rate, but
generally has a higher type II error rate than REGWQ.
A 3078.6 7 2
A
A 2947.1 7 3
A
A 2772.9 7 1
T R A T A M E N T O S
A B C
B 1 32.6 36.4 29.5
L 112 130 106
O 2 42.7 47.1 32.9
C 139 143 112
O 3 35.3 40.1 33.6
S 124 134 116
ANALISE DE VARIANCIA
BLOCO 3 1 2 3
TRAT 3 A B C
ANALISE DE VARIANCIA
*************************************************************************
ANALISE DE VARIANCIA
COMENTÁRIO:
CAMPO1
CAMPO2
Univariate Procedure
Variable=IDADE
Univariate Procedure
Variable=PAS_IN
Variable=PAD_IN
Variable=PAD_FI
Variable=PAS_FI
Variable=PESO
Variable=ESTAT
Univariate Procedure
Variable=IDADE
Análise: Esta variável NÃO segue uma distribuição Normal (p < 0,05)
Teste de Shapiro-Wilk
Variable=PAS_IN
Moments
W:Normal 0.859048 Pr<W 0.0181
Análise: Esta variável NÃO segue uma distribuição Normal (p < 0,05)
Teste de Shapiro-Wilk
Variable=PAD_IN
Variable=PAD_FI
Variable=PESO
Variable=ESTAT
As variáveis que deverão ser analisadas por uma Análise de variância (para os
dois grupos as variáveis estão normalizadas) são:
IDADE PAS_IN
*******************************************************************************
GRUPO 2 A B
*******************************************************************************
*******************************************************************************
******************************************************************************
*******************************************************************************
*******************************************************************************
NOTE: This test controls the type I comparisonwise error rate, not
the experimentwise error rate
Number of Means 2
Critical Range 8.948
A 73.750 16 B
A
A 66.154 13 A
*******************************************************************************
NOTE: This test controls the type I experimentwise error rate, but
generally has a higher type II error rate than REGWQ.
A 73.750 16 B
A
A 66.154 13 A
*******************************************************************************
NOTE: This test controls the type I experimentwise error rate but
generally has a higher type II error rate than REGWF for all
pairwise comparisons
*******************************************************************************
NOTE: This test controls the type I comparisonwise error rate, not
the experimentwise error rate
Number of Means 2
Critical Range 14.64
A 78.462 13 A
A
A 69.375 16 B
*******************************************************************************
NOTE: This test controls the type I experimentwise error rate, but
generally has a higher type II error rate than REGWQ.
A 78.462 13 A
A
A 69.375 16 B
*******************************************************************************
NOTE: This test controls the type I experimentwise error rate but
generally has a higher type II error rate than REGWF for all
pairwise comparisons
A 78.462 13 A
A
A 69.375 16 B
*******************************************************************************
NOTE: This test controls the type I comparisonwise error rate, not
the experimentwise error rate
Number of Means 2
Critical Range 11.32
A 145.385 13 A
A
A 136.250 16 B
*******************************************************************************
NOTE: This test controls the type I experimentwise error rate, but
generally has a higher type II error rate than REGWQ.
A 145.385 13 A
A
A 136.250 16 B
*******************************************************************************
NOTE: This test controls the type I experimentwise error rate but
generally has a higher type II error rate than REGWF for all
pairwise comparisons
A 145.385 13 A
A
A 136.250 16 B
*******************************************************************************
NOTE: This test controls the type I comparisonwise error rate, not
the experimentwise error rate
Number of Means 2
Critical Range 4.953
A 47.185 13 A
B 39.988 16 B
*******************************************************************************
NOTE: This test controls the type I experimentwise error rate, but
generally has a higher type II error rate than REGWQ.
A 47.185 13 A
B 39.988 16 B
*******************************************************************************
NOTE: This test controls the type I experimentwise error rate but
generally has a higher type II error rate than REGWF for all
pairwise comparisons
A 47.185 13 A
B 39.988 16 B
*******************************************************************************
NOTE: This test controls the type I comparisonwise error rate, not
the experimentwise error rate
Number of Means 2
Critical Range 4.226
A 158.308 13 A
B 154.031 16 B
*******************************************************************************
NOTE: This test controls the type I experimentwise error rate, but
generally has a higher type II error rate than REGWQ.
A 158.308 13 A
B 154.031 16 B
*******************************************************************************
A 158.308 13 A
B 154.031 16 B
*******************************************************************************
N P A R 1 W A Y P R O C E D U R E
*******************************************************************************
N P A R 1 W A Y P R O C E D U R E
Correlation Analysis
Correlation Analysis
Simple Statistics
BUSSAB, W.O.; MORETTIN, P.A. (1981) Estatística Básica. São Paulo: Atual
Editora.
FONSECA, J.S.; MARTINS, G.A. (1993) Curso de Estatística. São Paulo: Ed.
Atlas.
Manuais do SAS/STAT.
167 -0.31 0.31 -0.56 0.89 269 -0.24 0.24 -0.47 0.68
168 -0.31 0.31 -0.56 0.88 274 -0.24 0.24 -0.46 0.68
171 -0.31 0.31 -0.56 0.87 277 -0.24 0.24 -0.46 0.67
175 -0.30 0.30 -0.55 0.86 278 -0.23 0.23 -0.46 0.67
179 -0.30 0.30 -0.55 0.85 284 -0.23 0.23 -0.46 0.66
183 -0.30 0.30 -0.54 0.84 289 -0.23 0.23 -0.45 0.66
186 -0.29 0.29 -0.54 0.84 292 -0.23 0.23 -0.45 0.65
187 -0.29 0.29 -0.54 0.83 300 -0.22 0.22 -0.45 0.65
191 -0.29 0.29 -0.54 0.82 301 -0.22 0.22 -0.45 0.64
192 -0.29 0.29 -0.53 0.82 306 -0.22 0.22 -0.44 0.64
196 -0.29 0.29 -0.53 0.81 309 -0.22 0.22 -0.44 0.63
198 -0.28 0.28 -0.53 0.81 318 -0.22 0.22 -0.44 0.62
200 -0.28 0.28 -0.53 0.80 323 -0.22 0.22 -0.43 0.62
201 -0.28 0.28 -0.52 0.80 325 -0.21 0.21 -0.43 0.62
205 -0.28 0.28 -0.52 0.79 328 -0.21 0.21 -0.43 0.61
210 -0.28 0.28 -0.52 G.78 338 -0.21 0.21 -0.43 0.60
211 -0.27 0.27 -0.52 0.78 342 -0.21 0.21 -0.42 0.60
212 -0.27 0.27 -0.51 0.78 348 -0.21 0.21 -0.42 0.59
215 -0.27 0.27 -0.51 0.77 354 -0.20 0.20 -0.42 0.59
220 -0.27 0.27 -0.51 0.76 359 -0.20 0.20 -0.42 0.58
222 -0.27 0.27 -0.50 0.76 363 -0.20 0.20 -0.41 0.58
225 -0.26 0.26 -0.50 0.75 371 -0.20 0.20 -0.41 0.57
231 -0.26 0.26 -0.50 0.74 383 -0.20 0.20 -0.41 0.56
234 -0.26 0.26 -0.49 0.74 385 -0.20 0.20 -0.40 0.56
237 -0.26 0.26 -0.49 0.73 386 -0.19 0.19 -0.43 0.56
241 -0.25 0.25 -0.49 0.73 396 -0.19 0.19 -0.40 0.55
243 -0.25 0.25 -0.49 0.72 409 -0.19 0.19 -0.40 0.54
246 -0.25 0.25 -0.48 0.72 410 -0.19 0.19 -0.39 0.54
249 -0.25 0.25 -0.48 0.71 423 -0.18 0.18 -0.39 0.53
255 -0.25 0.25 -0.48 0.70 436 -0.18 0.18 -0.38 0.53
258 -0.24 0.24 -0.48 0.70 438 -0.18 0.18 -0.38 0.52
260 -0.24 0.24 -0.47 0.70 454 -0.18 0.18 -0.38 0.51
262 -0.24 0.24 -0.47 0.69 464 -0.18 0.18 -0.37 0.51