3 Seleção de Variáveis Baseada em Informação Mútua sob Distribuição de Informação Uniforme (MIFS-U)
|
|
- Milton Diegues Affonso
- 5 Há anos
- Visualizações:
Transcrição
1 3 Seleção de Varáve Baeada em nformação Mútua ob trbução de nformação Unforme MFS-U 3.1 Seleção de Varáve de Entrada para Problema de Clafcação A eleção de varáve de entrada deempenha um mportante papel em tema de clafcação ta como rede neura artfca RNA. Ta varáve podem er clafcada como pertnente, rrelevante ou redundante, e, do ponto de vta do gerencamento de um conjunto de dado, que pode er gganteco, reduzr o número de varáve, eleconando omente aquela pertnente, é extremamente deejável. Po, dee modo, melhor deempenho com menor eforço computaconal é eperado Kwak & Cho, omer & Lemehow 1989 detacam a mportânca da eleção de varáve, po, com um menor número de varáve, o modelo tende a er ma generalzável e robuto. Problema de eleção de varáve foram pequado por váro autore como Battt 1994, Jolffe 1986 e Agrawal et al Um do método ma populare para ldar com ete problema é o de anále de componente prncpa prncpal component analy PCA Jolffe, Entretanto, quando e objetva preervar o dado orgna, ete método não é adequado. O algortmo abordado neta dertação, a aber, o MFS-U Seletor de Varáve ob nformação Mútua com trbução Unforme de nformação apreentado por Kwak & Cho 2002, objetvou uperar a lmtação do eletor de varáve propoto por Battt 1994, gerando melhor deempenho no proceo de eleção de varáve. Tal algortmo, por ua mplcdade, pode er uado em qualquer tema de clafcação, eja qual for o algortmo de aprendzagem. No entanto, eu deempenho pode er prejudcado como reultado de erro na etmação da nformação mútua.
2 Seleção de Varáve Baeada em nformação Mútua ob trbução 33 de nformação Unforme MFS-U 3.2 Problema FRn k e o Algortmo de Seleção deal No proceo de eleconar varáve de entrada, é deejável reduzr o número de varáve, exclundo aquela que ão rrelevante ou redundante. Ete conceto é formalzado pela eleção da k varáve ma relevante de um conjunto de n varáve, chamado de problema de redução de varável feature reduton FR Battt, Tal proceo é decrto a egur: [FRn k]: ado um conjunto ncal de n varáve, encontre o ubconjunto com k < n varáve que repreenta a máxma nformação acerca do defecho varável explcada, de reultado ou de aída. Como vto anterormente, a nformação mútua entre dua varáve aleatóra dz repeto à quantdade de nformação comum entre ea varáve. O problema de eleconar varáve de entrada pode er reolvdo calculando a nformação mútua M entre varáve de entrada e o defecho. Se a nformação mútua entre varáve de entrada e defecho pudee er obtda com exatdão, o problema FRn k podera er reformulado como egue: [FRn k]: ado um conjunto ncal F com n varáve e o defecho, encontre o ubconjunto S F com k varáve que mnmza S, to é, que maxmza a nformação mútua S. O método de eleção adotado aqu é conhecdo como eleção guloa 2. Nete método, a partr do conjunto vazo de varáve eleconada, adcona-e a melhor varável de entrada vável ao conjunto anteror, uma a uma, até que o tamanho do conjunto atnja k. Ee algortmo de eleção deal que ua nformação mútua é realzado como egue: 1 ncalzação conjunto F conjunto ncal com n varáve, S conjunto vazo. 2 Cálculo da M com o defecho, F, compute. 2 O termo guloa em nglê, greedy vem do fato de que a eleção é feta pao a pao, não voltando atrá.
3 Seleção de Varáve Baeada em nformação Mútua ob trbução 34 de nformação Unforme MFS-U 3 Seleção da prmera varável ache a varável que maxmza, faça F F \{ }, S { }. 4 Seleção guloa repta até que eja alcançado o número deejado de varáve eleconada: a Cálculo da M conjunta entre varáve, F, compute,s. b Seleção da próxma varável ecolha a varável F que maxmza, S e faça F F \ { }, S { }. 5 Fnalze o conjunto S contendo a varáve eleconada. Na prátca, a realzação dete algortmo torna-e nvável, face à alta dmenão do vetor de varáve no cálculo de,s, vto que, tendo como objetvo a eleção de k k<n varáve, o vetor S compoto pela varáve já eleconada, atnge dmenão gual a k 1. Para uperar ee óbce, Batt 1994 propô um método alternatvo, apreentado a egur. 3.3 Seleção de Varáve Baeada em nformação Mútua MFS O algortmo MFS é gual ao algortmo anteror, com exceção do pao 4. Em vez de calcular,s, Batt 1994 uou omente e. Ou eja, para er eleconada, uma varável não pode er prevível a partr daquela já eleconada em S, e deve er nformatva em relação ao defecho. No MFS, o pao 4 no algortmo de eleção anteror fo ubttuído como egue: 4 Seleção guloa repta até que eja alcançado o número deejado de varáve eleconada: a Cálculo da M entre varáve, para todo o pare de varáve, com F e S, compute, e anda não fo avalada. b Seleção da próxma varável ecolha a varável F que maxmza S β e faça F F \ { }, S { }.
4 Seleção de Varáve Baeada em nformação Mútua ob trbução 35 de nformação Unforme MFS-U Onde β é o parâmetro de redundânca em relação à varáve de entrada. Se β 0, o algortmo elecona varáve na ordem da nformação mútua entre varáve de entrada e o defecho, e a redundânca entre varáve de entrada, portanto, nunca é refletda. Quando β > 0, a redundânca e reduz. A relação entre varáve de entrada e defecho pode er repreentada na Fgura 3.1. O prmero algortmo de eleção ua a nformação mútua para ecolher a varável que maxmza a nformação mútua conjunta, que correponde à área,, e V. Como área e V é comum a toda a varáve não eleconada no cálculo da nformação mútua conjunta,, o algortmo elecona a varável que maxmza a área. Por outro lado, o algortmo MFS elecona a varável que maxmza β. Para β 1, o correponde a área ubtraída da área. S V Fgura 3.1 Relação entre varáve de entrada e defecho
5 Seleção de Varáve Baeada em nformação Mútua ob trbução 36 de nformação Unforme MFS-U Portanto, e uma varável a er eleconada é fortemente relaconada à alguma varável já eleconada, a área é grande, podendo, po, degradar o deempenho do algortmo. Por ea razão, o MFS não lda muto bem com problema não-lneare. 3.4 O Seletor de Varáve MFS-U Ete algortmo de eleção é ma próxmo do algortmo deal veja eção 3.2 do que o MFS. O algortmo deal tenta maxmzar, área, e V na Fgura 3.1, e to pode er reecrto como, Onde repreenta a nformação mútua retante entre o defecho e a varável para uma dada varável, o que correponde à área na Fgura 3.1, enquanto que a área ma a área V repreentam. Vto que é comum a toda a varáve canddata a erem eleconada no algortmo deal, não há nenhuma necedade nee cálculo. Am, o algortmo deal tenta achar a varável que maxmza área. No entanto, calcular requer tanto eforço quanto calcular. Am, é calculada de forma aproxmada atravé de e, que ão relatvamente fáce de calcular. A nformação mútua condconal pode er repreentada como { } 3.2 Onde correponde à área e V, e, à área. e modo que o termo correponde à área V. O termo gnfca a nformação mútua entre a varável já eleconada e a
6 Seleção de Varáve Baeada em nformação Mútua ob trbução 37 de nformação Unforme MFS-U varável canddata para um dado defecho. Se o condconamento pelo defecho não altera a razão entre a entropa de e a nformação mútua entre e, ou eja, e vale a egunte relação condção do algortmo: 3.3 pode er repreentada por S 3.4 Uando a equação acma e a Eq. 3.2, obtém-e o egunte: Conderando que cada regão na Fgura 3.1 correponda a ua repectva nformação, a condção apreentada na Eq. 3.3 é ma dfícl de er atfeta quando a nformação etá concentrada em uma da egunte regõe:,, ou. É ma provável que a condção 3.3 eja válda quando a nformação etá dtrbuída unformemente ao longo da regão de na Fgura 3.1. Razão pela qual, o algortmo é referdo, mplemente, por MFS-U. Com bae no ora expoto, o pao 4 revado do algortmo de eleção deal toma, am, a egunte forma:
7 Seleção de Varáve Baeada em nformação Mútua ob trbução 38 de nformação Unforme MFS-U 4 Seleção guloa repta até que eja alcançado o número deejado de varáve eleconada: a Cálculo da entropa S, compute avalada., e anda não fo b Cálculo da M entre varáve, para todo o pare de varáve, com F e S, compute, e anda não fo avalada. c Seleção da próxma varável ecolha a varável F que maxmza β / e faça F F \ { }, S S { }. O parâmetro β oferece flexbldade ao algortmo tal como no MFS. Cao e adote β gual a zero, a nformação mútua entre a varáve de entrada não é levada em conderação e o algortmo elecona ta varáve na ordem da nformação mútua de cada uma dela com o defecho. A redundânca entre a varáve de entrada não é, portanto, refletda. Quando β aumenta, a varáve redundante ão excluída ma efcentemente. Em geral, pode-e tomar β 1 Breman et al.,1984. Cao ete em que há um equlíbro, em termo de peo, entre a redundânca da varável canddata e a nformação mútua deta com o defecho. Am, para toda a experênca deta dertação, fxou-e β 1. Kwak & Cho 2002 alentam que o algortmo MFS-U pode er aplcado a problema complexo em excevo eforço computaconal. A egur, apreenta-e um equema do algortmo MFS-U, lutrando a ua dnâmca.
8 Seleção de Varáve Baeada em nformação Mútua ob trbução 39 de nformação Unforme MFS-U níco Faça {,..., } F, 1 2 n S {} Algortmo MFS-U, F máx FM Sm Faça F F \ S { } { } S tem o número de varáve deejado k? não, S,, F, S máx F { } β / S Fgura 3.2 Equema do algortmo MFS-U
Exercícios de cisalhamento puro e flexão simples - prof. Valério SA Universidade de São Paulo - USP
Exercíco de calhamento puro e flexão mple - prof. Valéro S Unverdade de São Paulo - USP São Paulo, dezembro de 05.. etrutura de contenção eta ubmetda a uma ação de empuxo do olo, onde a dtrbução é lnear
Leia maisEcologia Geral Riqueza e Diversidade de Espécies
Ecologa Geral Rqueza e Dverdade de Epéce Prof. Wllam Cota Rodrgue Pó-Doutor em Entomologa/Ecologa Unverdade Severno Sombra Tranparênca Extra I 1 Conceto A dverdade de epéce refere-e à varedade de epéce
Leia maisTeste Intermédio I (45%)
0 Anále de Dado e Probabldade º Semetre 00-007 Fernando Brto Soare Cáta Fernande Pedro Chave Tete Intermédo Data: 7 de Outubro de 00, 7:00 Duração: hora ota: A utlzação de máquna centífca e gráfca ó erá
Leia maisser modeladas como redes lineares de dois acessos (figura 4.1);
4 Repota em emfrequênca Funçõe de de Tranferênca n A rede de nteree, para o etudo deenvolvdo na dcplna, podem er modelada como rede lneare de do aceo fgura 4.; V V o T Fgura 4. Rede lnear de do aceo. na
Leia maisAprendizagem de Máquina
Introdução Aprendzagem de Máquna Alessandro L. Koerch Redes Bayesanas A suposção Naïve Bayes da ndependênca condconal (a 1,...a n são condconalmente ndependentes dado o valor alvo v): Reduz a complexdade
Leia maisFísica Experimental 1 - FEP113 Prova Final - 28/06/2 007
Fíca Epermental - FEP3 Prova Fnal - 8/06/ 007 Aluno: n o UP: Cada aluno pode conultar lvremente o materal de que dpõe. Note que a pontuação máma deta prova oma,5 e que, por outro lado, o tempo é eíguo
Leia maisPROBABILIDADE E ESTATÍSTICA UNIDADE IV - MEDIDAS DE DISPERSÃO OU VARIAÇÃO
PROBABILIDADE E ESTATÍSTICA UNIDADE IV - MEDIDAS DE DISPERSÃO OU VARIAÇÃO 0 INTRODUÇÃO A medda de varação ou dperão, avalam a dperão ou a varabldade da eqüênca numérca em anále, ão medda que fornecem nformaçõe
Leia maisRAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro
UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD1507 Estatístca Aplcada à Admnstração I Prof. Dr. Evandro Marcos adel Rbero
Leia mais6. Modelagem numérica com o programa Abaqus
6. Modelagem numérca com o programa Abaqu Ete capítulo apreenta o reultado obtdo com a modelagem numérca, realzada com o programa Abaqu em dua (2D) e trê (3D) dmenõe. Ete reultado e referem à condçõe do
Leia maisUm Algoritmo Novo Baseado no Algoritmo Von Neumann para Programação Linear
Um Algortmo Novo Baeado no Algortmo Von Neumann para Programação Lnear Jar da Slva, Aurelo R. L. Olvera, E-mal: ar@me.uncamp.br, aurelo@me.uncamp.br, Marta I. Velazco E-mal: velazco@me.uncamp.br Depto
Leia maisLABORATÓRIOS DE FÍSICA 2018/2019
Eperênca : Medda Epermenta Objetvo: Introdução à medda epermenta. Erro epermenta. Introdução: Medr é comparar uma grandeza com outra da mema epéce que e toma como undade. Eta comparação pode er feta dretamente,
Leia mais3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo
3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas
Leia maisCálculo dos Certificados de Capacidade Firme
4 Cálculo do Certfcado de Capacdade Frme eta eção decreveremo detalhadamente o cálculo do Certfcado de Capacdade Frme. O Certfcado de Capacdade Frme podem er calculado em dua etapa: () Determnar a Capacdade
Leia maisOTIMIZAÇÃO DE CONFIGURAÇÃO DE TRELIÇAS SUJEITAS A RESTRIÇÕES DE ALINHAMENTO DE NÓS
OTIMIZAÇÃO DE CONFIGURAÇÃO DE TRELIÇAS SUJEITAS A RESTRIÇÕES DE ALINHAMENTO DE NÓS Marco A. M. Vecc Unverdade Federal de Mna Gera, Dept o de Engenhara de Etrutura Av. Contorno, 842 2º andar 30110-060 Belo
Leia maisProgramação Dinâmica. Fernando Nogueira Programação Dinâmica 1
Programação Dnâmca Fernando Noguera Programação Dnâmca A Programação Dnâmca procura resolver o problema de otmzação através da análse de uma seqüênca de problemas mas smples do que o problema orgnal. A
Leia mais5 Materiais e Métodos
5 Matera e Método O modo de formular um Problema de Roteamento de Veículo tem mpacto dreto no deempenho de algortmo de olução, bem como a caracterítca do problema nfluencam a pobldade de olução. Deta forma,
Leia maisUma Família de Novos Algoritmos para Programação Linear Baseada no Algoritmo Von Neumann
Uma Famíla de Novo Algortmo para Programação Lnear Baeada no Algortmo Von Neumann Jar da Slva, Aurelo R. L. Olvera, E-mal: ar@me.uncamp.br, aurelo@me.uncamp.br, Marta I. Velazco E-mal: velazco@me.uncamp.br
Leia mais4.1.1 A Importância da incorporação do Plano Amostral na inferência estatística
25 4 Metodologa 4.1 A Modelagem de Regreão Múltpla A regreão lnear múltpla tem o propóto de etabelecer uma relação entre a varável dependente (y) e k-1 varáve ndependente: x 1, x 2, x 3,..., x k-1, onde
Leia maisDIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS
177 DIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS Antôno Carlos da Slva Flho Un-FACEF Introdução Trend Strps (TS) são uma nova técnca de análse da dnâmca de um sstema,
Leia maisModelação Matemática de Sistemas Físicos
SS-TSS odelação atemátca de Stema Fíco 5 odelação atemátca de Stema Fíco Para o tema repreentado na fgura, aumndo delocamento apena na vertcal e um comportamento lnear do elemento do modelo, obtenha: X()
Leia mais4 Critérios para Avaliação dos Cenários
Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada
Leia maisAssociação entre duas variáveis quantitativas
Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa
Leia maisFigura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma
Capítulo 8 Dferencação Numérca Quase todos os métodos numércos utlzados atualmente para obtenção de soluções de equações erencas ordnáras e parcas utlzam algum tpo de aproxmação para as dervadas contínuas
Leia maisGABARITO ERP19. impedância total em pu. impedância linha em pu; impedância carga em pu; tensão no gerador em pu.
GABARITO ERP9 Questão mpedânca total em pu. mpedânca lnha em pu; mpedânca carga em pu; tensão no gerador em pu. Assm, tem-se que: ( ). Mas, ou seja: : ( ).. Logo: pu. () A mpedânca da carga em pu,, tem
Leia mais3 Confiabilidade de Estruturas
3 Confabldade de Etrutura 3.1. Introdução Um proeto etrutural deve levar em conderação a ncerteza nerente à varáve envolvda, que podem er: ncerteza obre a ntendade e a dtrbução da carga permanente e acdenta;
Leia maisRobótica. Prof. Reinaldo Bianchi Centro Universitário FEI 2016
Robótca Prof. Renaldo Banch Centro Unverstáro FEI 2016 6 a Aula IECAT Objetvos desta aula Momentos Lneares, angulares e de Inérca. Estátca de manpuladores: Propagação de forças e torques. Dnâmca de manpuladores:
Leia maisCapítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES
Capítulo. Aproxmações numércas 1D em malhas unformes 9 Capítulo. AROXIMAÇÕS NUMÉRICAS 1D M MALHAS UNIFORMS O prncípo fundamental do método das dferenças fntas (MDF é aproxmar através de expressões algébrcas
Leia maisPara quantificar a variabilidade de um conjunto de dados ou medidas é que se usam medidas de dispersão. Vamos estudar algumas delas nesta aula.
Etatítca Aplcada à Educação Antono Roque Aula 5 Medda de Dperão A medda de tendênca central não ão ufcente para e caracterzar um conjunto de dado. O motvo é que ete varação na natureza, to é, dado que
Leia maisANÁLISE DE ESTRUTURAS I INTRODUÇÃO AO MÉTODO DE CROSS
DECvl ANÁLISE DE ESTRUTURAS I INTRODUÇÃO AO ÉTODO DE CROSS Orlando J. B. A. Perera 20 de ao de 206 2 . Introdução O método teratvo ntroduzdo por Hardy Cross (Analyss of Contnuous Frames by Dstrbutng Fxed-End
Leia mais5 Formulação para Problemas de Potencial
48 Formulação para Problemas de Potencal O prncpal objetvo do presente capítulo é valdar a função de tensão do tpo Westergaard obtda para uma trnca com abertura polnomal (como mostrado na Fgura 9a) quando
Leia maisUniversidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Classificadores Lineares. Luiz Eduardo S. Oliveira, Ph.D.
Unversdade Federal do Paraná Departamento de Informátca Reconhecmento de Padrões Classfcadores Lneares Luz Eduardo S. Olvera, Ph.D. http://lesolvera.net Objetvos Introduzr os o conceto de classfcação lnear.
Leia maisPara quantificar a variabilidade de um conjunto de dados ou medidas é que se usam medidas de dispersão. Vamos estudar algumas delas nesta aula.
Probabldade e Etatítca I Antono Roque Aula Medda de Dperão A medda de tendênca central não ão ufcente para e caracterzar um conjunto de dado. O motvo é que ete varação na natureza, to é, dado que venham
Leia mais4.1 Modelagem dos Resultados Considerando Sazonalização
30 4 METODOLOGIA 4.1 Modelagem dos Resultados Consderando Sazonalzação A sazonalzação da quantdade de energa assegurada versus a quantdade contratada unforme, em contratos de fornecmento de energa elétrca,
Leia maisDiferença entre a classificação do PIB per capita e a classificação do IDH
Curso Bem Estar Socal Marcelo Ner - www.fgv.br/cps Metas Socas Entre as mutas questões decorrentes da déa de se mplementar uma proposta de metas socas temos: Qual a justfcatva econômca para a exstênca
Leia maisorientação torque e b r s e s B (fixo no corpo ou molécula) S (fixo no espaço)
Dcplna: SComLMol e 0 0 xx 0 yy 0 0 0 zz e r B (fxo no corpo ou molécula) S (fxo no epaço) xx yx zx xy yy zy xz yz zz e l Ae A Al A orentação torque vel.angular mom.angular Onde A é uma matrz de rotação
Leia maisIntrodução às medidas físicas ( ) Experiência 1 - Aula 2
Introdução à medida fíica (4300152) Experiência 1 - Aula 2 Grupo: Aluno 1: Aluno 2: Aluno 3: Intrumento uado Cronômetro, reolução == Trena, reolução = = Apreentação da Medida Experimentai: Meça o comprimento
Leia mais7 - Distribuição de Freqüências
7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste
Leia maisIMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO
IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO Alne de Paula Sanches 1 ; Adrana Betâna de Paula Molgora 1 Estudante do Curso de Cênca da Computação da UEMS, Undade Unverstára de Dourados;
Leia maisMAP Cálculo Numérico e Aplicações
MAP0151 - Cálculo Numérco e Aplcações Lsta 5 (Correção Neste ponto, todos já sabemos que todas as questões têm o mesmo valor, totalzando 10.0 pontos. (Questão 1 Fque com vontade de fazer mas do que fo
Leia maisUMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EATAS DEPARTAMENTO DE ESTATÍSTICA UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
Leia mais3 Método Numérico. 3.1 Discretização da Equação Diferencial
3 Método Numérco O presente capítulo apresenta a dscretação da equação dferencal para o campo de pressão e a ntegração numérca da expressão obtda anterormente para a Vscosdade Newtonana Equvalente possbltando
Leia mais5 Relação entre Análise Limite e Programação Linear 5.1. Modelo Matemático para Análise Limite
5 Relação entre Análse Lmte e Programação Lnear 5.. Modelo Matemátco para Análse Lmte Como fo explcado anterormente, a análse lmte oferece a facldade para o cálculo da carga de ruptura pelo fato de utlzar
Leia mais3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas
3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas
Leia maisTEORIA DA GERAÇÃO DE QUANTUM BITS EMARANHADOS NO CAMPO TEMPORAL
TEORIA DA GERAÇÃO DE QUANTUM BITS EMARANHADOS NO CAMPO TEMPORAL Cao Olndo de Mranda e Slva Júnor Inttuto de Cênca e Tecnologa,Unverdade Federal do Vale do Jequtnhonha e Mucur, 39100-000, Damantna MG, Bral
Leia maisProgramação Linear 1
Programação Lnear 1 Programação Lnear Mutos dos problemas algortmcos são problemas de otmzação: encontrar o menor camnho, o maor fluxo a árvore geradora de menor custo Programação lnear rovê um framework
Leia mais3 O Método de Programação Dinâmica Dual para Solução de Problemas de Programação Estocástica de Dois Estágios
43 3 O Método de Programação Dnâma Dual para olução de Problema de Programação Etoáta de Do Etágo 3.. Introdução Como erá vto no apítulo 5, entre a abordagen para otmzação de portfólo de ontrato de energa
Leia maisPROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2010/2011
Instruções: PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 00/0 Cada uestão respondda corretamente vale (um) ponto. Cada uestão respondda ncorretamente vale - (menos um) ponto. Cada uestão
Leia mais2 ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS
ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS 22 2 ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS Como vsto no capítulo 1, a energa frme de uma usna hdrelétrca corresponde à máxma demanda que pode ser suprda contnuamente
Leia maisIntrodução a Processos Estocásticos:Exercícios
lvroexerccos 2017/3/19 11:24 page #1 Introdução a Processos Estocástcos:Exercícos Luz Antono Baccalá Escola Poltécnca da USP Departamento de Engenhara de Telecomuncações e Controle 2016 lvroexerccos 2017/3/19
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisUNIVERSIDADE NOVA DE LISBOA Faculdade de Economia Análise de Dados e Probabilidade 2º Semestre 2008/2009 Exame Final 1ª Época. Grupo I (4 Valores)
UNIVERSIDADE NOVA DE LISBOA Faculdade de Economa Análse de Dados e Probabldade º Semestre 008/009 Exame Fnal ª Época Clara Costa Duarte Data: 8/05/009 Graça Slva Duração: h0 Grupo I (4 Valores) A gelatara
Leia mais2 Cargas Móveis, Linhas de Influência e Envoltórias de Esforços
2 Carga óvei, Linha de Influência e Envoltória de Eforço 21 Introdução Para o dimenionamento de qualquer etrutura é neceário conhecer o eforço máximo e mínimo que ela apreentará ao er ubmetida ao carregamento
Leia maisUtilização do Método de Função Energia em Estudos de Estabilidade de Tensão
UNIVERSIDADE FEDERAL DE ITAJUBÁ PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA Luz Frederco Borge Vaconcelo Utlzação do Método de Função Energa em Etudo de Etabldade de Tenão Tee ubmetda ao Programa
Leia maisUm exemplo de TCM (Trellis Coded Modulation) - versão draft
Um exemplo de TCM (Trelli Coded Modulation) - verão draft Introdução A concepção inicial do TCM remonta à época da publicação da ref [1] coniderada como o marco inicial do etudo obre o tema Seja uma contelação
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca
Leia maisEstatística II Antonio Roque Aula 18. Regressão Linear
Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão
Leia maisMODELOS DE REGRESSÃO NÃO LINEARES
M. Mede de Olvera Excerto da ota peoa obre: MODELOS DE REGRESSÃO NÃO LINEARES Obervação No modelo de regreão dto leare, a varável depedete é exprea como fução lear do coefcete de regreão. É rrelevate,
Leia mais1 Inferência Estatística - Teoria da Estimação
1 Inferência Etatítica - Teoria da Etimação 1.1 Introdução Nete capítulo abordaremo ituaçõe em que o interee etá em obter informaçõe da população com bae em amotra. Como exemplo, conidere a eguinte ituaçõe.
Leia maisSIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a 11 de novembro de 2002, Rio de Janeiro/RJ A PESQUISA OPERACIONAL E AS CIDADES
MÉTODO PARA OTIMIZAÇÃO DE UM SISTEMA DE FILAS M/PH/c/N COM INFORMAÇÃO PARCIAL Solon Venânco de Carvalho Rta de Cáa Menee Rodrgue Laboratóro Aocado de Computação e Matemátca Aplcada (LAC) Inttuto Naconal
Leia maisNotas Processos estocásticos. Nestor Caticha 23 de abril de 2012
Notas Processos estocástcos Nestor Catcha 23 de abrl de 2012 notas processos estocástcos 2 O Teorema de Perron Frobenus para matrzes de Markov Consdere um processo estocástco representado por um conunto
Leia maisModelo de Programação Estocástica
Modelo de Programação Estocástca 23 2 Modelo de Programação Estocástca 2.. Concetos báscos A programação estocástca (PE) é defnda como um modelo de otmzação que apresenta um ou mas parâmetros estocástcos
Leia mais2 Modelos de Otimização sob Incerteza 2.1. Introdução
2 Modelos de Otmzação sob Incerteza 2.. Introdução Modelos de programação matemátca são comumente utlzados para solução de problemas de programação da produção, de logístca, de schedulng e de planejamento
Leia maisContabilometria. Aula 8 Regressão Linear Simples
Contalometra Aula 8 Regressão Lnear Smples Orgem hstórca do termo Regressão Le da Regressão Unversal de Galton 1885 Galton verfcou que, apesar da tendênca de que pas altos tvessem flhos altos e pas axos
Leia maisAo se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.
Estatístca Dscplna de Estatístca 0/ Curso de Admnstração em Gestão Públca Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos uns dos
Leia maisCapítulo 5 COMPARAÇÃO ENTRE ESTRATÉGIAS DE MODULAÇÃO HÍBRIDAS Introdução
76 Capítulo 5 COMPARAÇÃO ENTRE ESTRATÉGIAS DE MODULAÇÃO HÍBRIDAS 5.. Introdução No capítulo precedente foi deenvolvido um etudo para ecolher a configuração da amplitude da fonte CC do inveror com trê célula
Leia maisPUCPR- Pontifícia Universidade Católica Do Paraná PPGIA- Programa de Pós-Graduação Em Informática Aplicada PROF. DR. JACQUES FACON
1 PUCPR- Pontfíca Unversdade Católca Do Paraná PPGIA- Programa de Pós-Graduação Em Informátca Aplcada PROF. DR. JACQUES FACON LIMIARIZAÇÃO ITERATIVA DE LAM E LEUNG Resumo: A proposta para essa sére de
Leia maisTeoremas de Otimização com Restrições de Desigualdade
Teoremas de Otmzação com Restrções de Desgualdade MAXIMIZAÇÃO COM RESTRIÇÃO DE DESIGUALDADE Consdere o segunte problema (P) de maxmzação condconada: Maxmze Fx onde x x,x,...,x R gx b As condções de Prmera
Leia maisA Figura 1 ilustra as zonas de entrada de decantadores retangulares e circulares.
IPH 0058: Trataento de Água e Egoto, Capítulo 6 6. DECANTAÇÃO EM ETA No projeto de decantadore deve er denonada a ua zona de entrada e aída. A zona de entrada engloba o canal de aceo ao decantadore, ua
Leia mais7 Tratamento dos Dados
7 Tratamento dos Dados 7.. Coefcentes de Troca de Calor O úmero de usselt local é dado por h( r )d u ( r ) (7-) k onde h(r), o coefcente local de troca de calor é h( r ) q''- perdas T q''- perdas (T( r
Leia mais1 s(s+0,7). (1.1) O controlador deve ser tal que o sistema em malha fechada apresente as seguintes características para entrada degrau: G p (s) =
1 Projeto de Controlador Digital - v1.1 1.1 Objetivo A finalidade deta experiência é projetar um controlador digital por meio técnica convencionai [Franklin, Powell e Workman 2006], [Ogata 1995], implementá-lo
Leia maisPrograma do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall
Sstemas Intelgentes Aplcados Carlos Hall Programa do Curso Lmpeza/Integração de Dados Transformação de Dados Dscretzação de Varáves Contínuas Transformação de Varáves Dscretas em Contínuas Transformação
Leia maisR X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais
30 Varáves aleatóras bdmensonas Sea ε uma experênca aleatóra e S um espaço amostral assocado a essa experênca. Seam X X(s) e Y Y(s) duas funções cada uma assocando um número real a cada resultado s S.
Leia mais4 Sistemas de partículas
4 Sstemas de partículas Nota: será feta a segunte convenção: uma letra em bold representa um vector,.e. b b Nesta secção estudaremos a generalzação das les de Newton a um sstema de váras partículas e as
Leia maisAdriana da Costa F. Chaves
Máquna de Vetor Suporte (SVM) para Regressão Adrana da Costa F. Chaves Conteúdo da apresentação Introdução Regressão Regressão Lnear Regressão não Lnear Conclusão 2 1 Introdução Sejam {(x,y )}, =1,...,,
Leia maisEXERCÍCIO: VIA EXPRESSA CONTROLADA
EXERCÍCIO: VIA EXPRESSA CONTROLADA Engenhara de Tráfego Consdere o segmento de va expressa esquematzado abaxo, que apresenta problemas de congestonamento no pco, e os dados a segur apresentados: Trechos
Leia maisVariável discreta: X = número de divórcios por indivíduo
5. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas
Leia maisAo se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.
Estatístca Dscplna de Estatístca 0/ Curso Superor de tecnólogo em Gestão Ambental Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos
Leia maisPrioridades com Teste de Escalonabilidade
rordades + Teste de Escalonabldade Sstemas de Tempo Real: rordades com Teste de Escalonabldade Rômulo Slva de Olvera Departamento de Automação e Sstemas DAS UFSC Cada tarefa recebe uma prordade Escalonamento
Leia mais2 Lógica Fuzzy Introdução
2 Lógca Fuzzy 2.. Introdução A lógca fuzzy é uma extensão da lógca booleana, ntroduzda pelo Dr. Loft Zadeh da Unversdade da Calfórna / Berkeley no ano 965. Fo desenvolvda para expressar o conceto de verdade
Leia mais3 Definição automática de carregamento ótimo
3 Defnção automátca de carregamento ótmo A formulação ncal mostrada neste capítulo fo feta por Sérgo Álvares Maffra[11] e parte da mplementação fo feta por Anderson Perera, tendo sofrdo algumas modfcações
Leia maisCovariância na Propagação de Erros
Técncas Laboratoras de Físca Lc. Físca e Eng. omédca 007/08 Capítulo VII Covarânca e Correlação Covarânca na propagação de erros Coefcente de Correlação Lnear 35 Covarânca na Propagação de Erros Suponhamos
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ Em mutas stuações duas ou mas varáves estão relaconadas e surge então a necessdade de determnar a natureza deste relaconamento. A análse
Leia maisDesenvolvimento de software de simulação Monte Carlo para auxiliar no estudo da propagação de doenças infecciosas
Desenvolvmento de software de smulação Monte Carlo para auxlar no estudo da propagação de doenças nfeccosas João Batsta dos Santos-Flho 1, Tatana Santos de Araujo Batsta 2, José Carlos Rodrgues Olvera
Leia maisOptimização com variáveis discretas
Engenhara de Processos e Sstemas Optmzação com varáves dscretas Fernando Bernardo Fev 2013 mn f ( x,, θ ) x, s. t. h( x,, θ ) = 0 g( x,, θ ) 0 x x x L U x real, {0,1} Por que necesstamos de varáves dscretas?
Leia mais(1) A uma parede totalmente catalítica quanto para uma parede com equilíbrio catalítico. No caso de uma parede com equilíbrio catalítico, tem-se:
1 RELATÓRIO - MODIFICAÇÃO DA CONDIÇÃO DE CONTORNO DE ENTRADA: MODELOS PARCIALMENTE CATALÍTICO E NÃO CATALÍTICO PARA ESCOAMENTOS COM TAXA FINITA DE REAÇÃO 1. Condções de contorno Em escoamentos reatvos,
Leia maisUNIVERSIDADE FEDERAL DE SANTA CATARINA UFSC GRAFOS
UNIVERSIDDE FEDERL DE SN CRIN UFSC DEPRMENO DE ENGENHRI DE PRODUÇÃO E SISEMS GRFOS eora e lgortmo Dclna: Pequa Oeraconal III Profeor: Sérgo Fernando Mayerle e-mal: mayerle@de.ufc.br . Grafo e lgortmo..
Leia maisIntrodução aos Problemas de Roteirização e Programação de Veículos
Introdução aos Problemas de Roterzação e Programação de Veículos PNV-2450 André Bergsten Mendes Problema de Programação de Veículos Problema de Programação de Veículos Premssas Os roteros ncam e termnam
Leia maisIntrodução à Economia 2018/2019 Pedro Telhado Pereira Frequência 30/10/2018 (Duração - 45 minutos)
Introdução à Economia 208/209 Pedro Telhado Pereira Frequência 30/0/208 (Duração - 45 minuto) Nome: Nº: A repota devem er dada na folha de enunciado I Uma da competência que deve adquirir neta unidade
Leia mais6 Previsões teóricas Cálculo segundo procedimento de Leon et al. (1996) Momento resistente da ligação
Previõe teórica Ete capítulo apreentada a previõe de reultado teórico do comportamento da ligação etudada, egundo o modelo analítico utilizado nete trabalho. O primeiro procedimento decrito é referente
Leia maisAula 08 Equações de Estado (parte I)
Aula 8 Equaçõe de Etado (parte I) Equaçõe de Etado input S output Já vimo no capítulo 4 ( Repreentação de Sitema ) uma forma de repreentar itema lineare e invariante no tempo (SLIT) atravé de uma função
Leia maisNOVA METODOLOGIA PARA RECONCILIAÇÃO DE DADOS: CONSTRUÇÃO DE BALANÇÃO HÍDRICOS EM INDÚSTRIA UTILIZANDO O EMSO
I Congresso Baano de Engenhara Santára e Ambental - I COBESA NOVA METODOLOGIA PARA RECONCILIAÇÃO DE DADOS: CONSTRUÇÃO DE BALANÇÃO HÍDRICOS EM INDÚSTRIA UTILIZANDO O EMSO Marcos Vnícus Almeda Narcso (1)
Leia mais13 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL
3 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL Como vto em amotragem o prmero bmetre, etem fatore que fazem com que a obervação de toda uma população em uma pequa eja mpratcável, muta veze em vrtude
Leia maisProblemas Propostos. Frações mássicas, volúmicas ou molares. Estequiometria.
Elementos de Engenhara Químca I II. Frações e Estequometra (problemas resolvdos) Problemas Propostos. Frações másscas, volúmcas ou molares. Estequometra.. Em 5 moles de Benzeno (C 6 H 6 ) quanto é que
Leia maisMÉTODOS DE ANÁLISE DE CIRCUITOS RESISTIVOS ANÁLISE NODAL
CIRCUITOS ELÉTRICOS Método de Análse: Análse Nodal Dscplna: CIRCUITOS ELÉTRICOS Professor: Dr Marcos Antôno de Sousa Tópco MÉTODOS DE ANÁLISE DE CIRCUITOS RESISTIVOS ANÁLISE NODAL Referênca bbloráfca básca:
Leia maisLaboratório de Mecânica Aplicada I Estática: Roldanas e Equilíbrio de Momentos
Laboratóro de Mecânca Aplcada I Estátca: Roldanas e Equlíbro de Momentos 1 Introdução O conhecmento das condções de equlíbro de um corpo é mprescndível em númeras stuações. Por exemplo, o estudo do equlíbro
Leia maisPROVA 2 Cálculo Numérico. Q1. (2.0) (20 min)
PROVA Cálculo Numérco Q. (.0) (0 mn) Seja f a função dada pelo gráfco abaxo. Para claro entendmento da fgura, foram marcados todos os pontos que são: () raízes; () pontos crítcos; () pontos de nflexão.
Leia mais1 Curso PIBID: Os Alicerces da Mecânica Clássica
1 Curo PIBID: O Alcerce a Mecânca Cláca Pro. Sérgo Auguto Cara e Olvera Proa. Debora Proa. Fabane Prncípo Varaconal Um problema htórco e bem ntereante, avém a procura por uma unção ou curva, atravé a qual
Leia mais2 Metodologia de Medição de Riscos para Projetos
2 Metodologa de Medção de Rscos para Projetos Neste capítulo remos aplcar os concetos apresentados na seção 1.1 ao ambente de projetos. Um projeto, por defnção, é um empreendmento com metas de prazo, margem
Leia maisTestes não-paramétricos
Testes não-paramétrcos Prof. Lorí Val, Dr. http://www.mat.ufrgs.br/val/ val@mat.ufrgs.br Um teste não paramétrco testa outras stuações que não parâmetros populaconas. Estas stuações podem ser relaconamentos,
Leia maisModelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados
Modelo lnear normal com erros heterocedástcos O método de mínmos quadrados ponderados Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal
Leia mais