Warning:
JavaScript is turned OFF. None of the links on this page will work until it is reactivated.
If you need help turning JavaScript On, click here.
The Concept Map you are trying to access has information related to:
chapter ii, nominal e ordinal, n�o linear, realidade, facilita an�lises, grau de associa��o entre as vari�veis, autocorrela��o, flutua��o de alta-freq��ncia, tarefas, correla��o positiva entre as vari�veis e o tempo, pares de medidas em duas dimens�es, vari�ncia rand�mica, absoluto, fatores, gr�fico de pontos, valores ordinais pela transforma��o monot�nica, ordinal , hip�tese causal, valores correntes, gr�fico, a��es peri�dicas, nominal , intervalar , amostra, pad�es interessantes, teoria da mesura��o, coeficiente de correla��o, duas ou mais vari�veis, valores fora do gr�fico, inclina��o da reta, entidades, vari�veis, perde informa��es, progresso das representa��es, detectar padr�es, mediante a repeti��o, distribui��o conjunta, linhas do gr�fico, vari�veis n�o associadas, dura��o das a��es, tabela de contig�ncia, quantidades ou vari�veis cont�nuas ao longo do tempo, fun��es de dados, correla��o, idividual, covari�ncia, padr�o dos dados, desvio padr�o, paralelamente com as a��es exeternas, m�todos emp�ricos an�lise explorat�ria de dados alice delermando rafaela lena ulisses, configura��es fora da configura��o do experimento, regress�o linear, fatores causais em potencial, entre as a��es, aumenta correla��o, uma das vari�veis � o tempo, duas vari�veis categ�ricas, outlier, valores das vari�veis, independentes, duas vari�veis cont�nuas, histograma de freq��ncia bin size moda media mediana skew m�ximo m�nimo interquartil desvio padr�o vari�ncia, fatores, ordinal em nominal, suposi��es cren�as suspeitas quest�es vagas fen�menos, inclina��o, modelo causal preliminar, chi-square, ruido, linear, equa��o da reta, valores futuros, experimento, dependentes, dados, an�lise explorat�ria de dados, independ�ncia (linhas horizontais verticais), intervalar e racional em ordinal, s�ries temporais, pearson (rxy) spearman kendall, seq��ncias, classes de dados