Prof. Júlio Cesar Nievola Data Mining PPGIa PUCPR

Tamanho: px
Começar a partir da página:

Download "Prof. Júlio Cesar Nievola Data Mining PPGIa PUCPR"

Transcrição

1

2 Uma exploração preliminar dos dados para compreender melhor suas características. Motivações-chave da exploração de dados incluem Ajudar na seleção da técnica correta para pré-processamento ou análise Fazer uso das habilidades humanas de reconhecimento de padrões Pessoas podem reconhecer padrões não capturados pelas técnicas de análise de dados Relacionado à área de Análise Exploratória de Dados (EDA) Criada pelo estatístico John Tukey Livro seminal: Exploratory Data Analysis escrito por Tukey Uma boa introdução online pode ser encontrada no capítulo 1 do NIST Engineering Statistics Handbook

3 Em EDA, como originalmente definido por Tukey O foco está na visualização Agrupamento e detecção de anomalias eram vistos como técnicas exploratórias Em mineração de dados, agrupamento e detecção de anomalias são grandes áreas de interesse, e não são vistas apenas como exploração Nesta discussão de exploração de dados, o foco está em Estatística Sumária Visualização Online Analytical Processing (OLAP)

4 Muitas das técnicas de exploração de dados são ilustradas com o conjunto de dados da planta Iris. Pode ser obtido do UCI Machine Learning Repository Criada pelo estatístico Douglas Fisher Três tipos de flores (classes): Setosa Virginica Versicolour Quatro atributos (não-classes) Sepal width e length Petal width e length Virginica. Robert H. Mohlenbrock. USDA NRCS Northeast wetland flora: Field office guide to plant species. Northeast National Technical Center, Chester, PA. Courtesy of USDA NRCS Wetland Science Institute.

5 !" Estatística Sumária são números que resumem as propriedades dos dados Propriedades sumarizadas incluem freqüência, posição e dispersão Exemplos: posição média dispersão desvio padrão A maioria das estatísticas sumárias pode ser calculada em um único passo através dos dados

6 #$% A freqüência do valor de um atributo é a percentagem do tempo em que o valor ocorre no conjunto de dados Por exemplo, dado o atributo gênero e uma população representativa de pessoas, o gênero feminino ocorre cerca de 50% do tempo. A moda de um atributo é o valor mais freqüente do atributo As noções de freqüência e moda são usadas tipicamente com dados categóricos

7 & Para dados contínuos, a noção de percentil é mais útil. Dados um atributo contínuo ou ordinal x e um número p entre 0 e 100, x p o p-ésimo percentil é um valor x p de x tal que p% dos valores observados de x são menores que x p. Por exemplo, o percentil 50 é o valor x 50% tal que 50% de todos os valores de x são menores que x 50%.

8 A média é a medida mais comum de posição de um conjunto de pontos. Entretanto, a média é muito sensitiva a outliers. Então, a mediana ou uma mediana ajustada é usada comumente.

9 #'( Faixa é a diferença entre o máximo e mínimo A variância ou desvio padrão é a medida mais comum de desvio de um conjunto de pontos. Entretanto, elas são sensitivas a outliers, e outras medidas são freqüentemente utilizadas.

10 ') Visualização é a conversão dos dados para um formato visual ou tabular de tal forma que as características dos dados e os relacionamentos entre itens de dados ou atributos possa ser analisada ou reportada. Visualização de dados é uma das técnicas de maior apelo e poder para exploração de dados. Os seres humanos tem uma habilidade bem desenvolvida de analisar grandes quantidades de informação que seja apresentada visualmente Pode detectar padrões gerais e tendências Pode detectar outliers e padrões não usuais

11 !! * Abaixo tem-se a Temperatura da Superfície do Mar em Julho de 1982 Dezenas de milhares de pontos de dados estão sumarizados em uma única figura

12 + É o mapeamento da informação em um formato visual Objetos de dados, seus atributos e as relações entre objetos de dados são traduzidos em elementos gráficos tais como pontos, linhas, formatos e cores. Exemplo: Objetos são representados freqüentemente como pontos Seus valores de atributo podem ser representados como a posição dos pontos ou as características dos pontos, e.g., cor, tamanho e formato Se a posição é usada, então os relacionamentos entre os pontos, i.e., se eles formam grupos ou um ponto é um outlier, são facilmente percebidos.

13 , É a colocação de elementos visuais dentro de um display Pode fazer uma grande diferença no quão fácil é para compreender os dados Exemplo:

14 É a eliminação ou a tirada de ênfase de certos objetos e atributos Seleção pode envolver a escolha de um subconjunto de atributos Redução de dimensionalidade é muito usada para reduzir o número de dimensões para duas ou três De outra forma, pares de atributos podem ser usados Seleção também pode envolver escolher um subconjunto de objetos Uma região da tela mostra um número fixo de pontos Pode-se amostrar, mas querer preservar pontos em áreas esparsas

15 ') -.! Histograma Usualmente mostra distribuição de valores de uma variável Divide os valores em faixas e mostra um gráfico de barras do número de objetos em cada faixa. A altura de cada barra indica o número de objetos Formato do histograma depende do número de faixas Exemplo: Petal Width (10 e 20 faixas, respectivamente)

16 -.!/0! Mostra a distribuição conjunta dos valores de dois atributos Exemplo: petal width e petal length O que isto nos mostra?

17 ') 1"* Gráficos de Caixa Inventados por J. Tukey Outra forma de indicar a distribuição dos dados Figura mostra a parte básica de um gráfico de caixa Outlier Percentil 90 Percentil 75 Percentil 50 Percentil 25 Percentil 10

18 ! 1"* Gráficos de Caixa podem ser usados para comparar atributos

19 ') 1"* Gráficos de Dispersão Valores dos atributos determinam a posição Gráficos de dispersão bidimensionais são mais comuns, mas também há gráficos tridimensionais Freqüentemente atributos adicionais podem ser mostrados usando tamanho, forma e cor dos marcadores que representam os objetos É útil ter arranjos de gráficos de dispersão para sumarizar de maneira compacta os relacionamentos de vários pares de atributos Exemplo a seguir

20 , 1"*,2

21 ') 1"* Gráficos de Contorno Útil quando um atributo contínuo é medido em uma grade espacial Particionam o plano em regiões de valores similares Linhas de contorno que formam os limites destas regiões conectam pontos com valores iguais O exemplo mais comum são os mapas de contorno de elevação Também pode indicar temperatura, precipitação, pressão do ar, etc. Exemplo para Temperatura da Superfície do mar a seguir

22 ! 1"* Celsius

23 ') 1"* Gráficos Matriciais Podem plotar a matriz de dados Pode ser útil quando os objetos são ordenados de acordo com a classe Normalmente os atributos são normalizados para evitar que um atributo domine o gráfico Gráficos de similaridade ou matrizes de distância também podem ser úteis para visualizar os relacionamentos entre objetos Exemplos de gráficos matriciais estão a seguir

24 ') ) standard deviation

25 ') )

26 ') & Coordenadas Paralelas Usadas para plotar os valores dos atributos de dados de alta dimensionalidade Em lugar de eixos perpendiculares, usa-se um conjunto de eixos paralelos Valores dos atributos de cada objeto são plotados como um ponto em cada um dos eixos coordenados correspondentes e os pontos são ligados por linhas Então, cada objeto é representado como uma linha Freqüentemente linhas representam uma classe distinta de objetos agrupados, ao menos para alguns atributos Ordenar atributos é importante para ver os grupos

27 1"* &

28 ') Gráficos Estrela Abordagem similar a coordenadas paralelas, mas eixos irradiam a partir de um ponto central A linha conectando os valores de um objeto é um polígono Faces de Chernoff Abordagem criada por Herman Chernoff Esta abordagem associa cada atributo com a característica de uma face Valores de cada atributo determinam a aparência da característica facial correspondente Cada objeto torna-se uma face separada Baseia-se na habilidade humana de distinguir faces

29 1"* Setosa Versicolour Virginica

30 #7 * Setosa Versicolour Virginica

AULAS 04 E 05 Estatísticas Descritivas

AULAS 04 E 05 Estatísticas Descritivas 1 AULAS 04 E 05 Estatísticas Descritivas Ernesto F. L. Amaral 19 e 28 de agosto de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro:

Leia mais

Análise Exploratória de Dados

Análise Exploratória de Dados Análise Exploratória de Dados Profª Alcione Miranda dos Santos Departamento de Saúde Pública UFMA Programa de Pós-graduação em Saúde Coletiva email: alcione.miranda@gmail.com Introdução O primeiro passo

Leia mais

Estatística descritiva. Também designada Análise exploratória de dados ou Análise preliminar de dados

Estatística descritiva. Também designada Análise exploratória de dados ou Análise preliminar de dados Estatística descritiva Também designada Análise exploratória de dados ou Análise preliminar de dados 1 Estatística descritiva vs inferencial Estatística Descritiva: conjunto de métodos estatísticos que

Leia mais

Algoritmos de Agrupamento - Aprendizado Não Supervisionado. Fabrício Jailson Barth

Algoritmos de Agrupamento - Aprendizado Não Supervisionado. Fabrício Jailson Barth Algoritmos de Agrupamento - Aprendizado Não Supervisionado Fabrício Jailson Barth Abril de 2013 Sumário Introdução e Definições Aplicações Algoritmos de Agrupamento Agrupamento Plano Agrupamento Hierárquico

Leia mais

Distribuição de Freqüência

Distribuição de Freqüência Distribuição de Freqüência Representação do conjunto de dados Distribuições de freqüência Freqüência relativa Freqüência acumulada Representação Gráfica Histogramas Organização dos dados Os métodos utilizados

Leia mais

Data Mining: Conceitos e Técnicas

Data Mining: Conceitos e Técnicas Data Mining: Conceitos e Técnicas DM, DW e OLAP Data Warehousing e OLAP para Data Mining O que é data warehouse? De data warehousing para data mining Data Warehousing e OLAP para Data Mining Data Warehouse:

Leia mais

UNIVERSIDADE LUSÍADA DE LISBOA. Programa da Unidade Curricular ANÁLISE E TRATAMENTO DE DADOS Ano Lectivo 2015/2016

UNIVERSIDADE LUSÍADA DE LISBOA. Programa da Unidade Curricular ANÁLISE E TRATAMENTO DE DADOS Ano Lectivo 2015/2016 UNIVERSIDADE LUSÍADA DE LISBOA Programa da Unidade Curricular ANÁLISE E TRATAMENTO DE DADOS Ano Lectivo 2015/2016 1. Unidade Orgânica Ciências Humanas e Sociais (1º Ciclo) 2. Curso Psicologia 3. Ciclo

Leia mais

ESTATÍSTICA. aula 1. Insper Ibmec São Paulo. Prof. Dr. Marco Antonio Leonel Caetano

ESTATÍSTICA. aula 1. Insper Ibmec São Paulo. Prof. Dr. Marco Antonio Leonel Caetano ESTATÍSTICA aula 1 Prof. Dr. Marco Antonio Leonel Caetano Insper Ibmec São Paulo ESTATÍSTICA COISAS DO ESTADO ESTATÍSTICA: - Apresentação e Análise de dados - Tomadas de Decisões baseadas em análises -

Leia mais

Estatística Aplicada. Gestão de TI. Evanivaldo Castro Silva Júnior

Estatística Aplicada. Gestão de TI. Evanivaldo Castro Silva Júnior Gestão de TI Evanivaldo Castro Silva Júnior Porque estudar Estatística em um curso de Gestão de TI? TI trabalha com dados Geralmente grandes bases de dados Com grande variabilidade Difícil manipulação,

Leia mais

TRATAMENTO DA INFORMAÇÃO/ANÁLISE DE DADOS AULA 09. Universidade Federal Fluminense

TRATAMENTO DA INFORMAÇÃO/ANÁLISE DE DADOS AULA 09. Universidade Federal Fluminense CURSO DE ESPECIALIZAÇÃO EM ENSINO DE MATEMÁTICA INSTITUTO DE MATEMÁTICA E ESTATÍSTICA 7 DE OUTUBRO DE 2014 TRATAMENTO DA INFORMAÇÃO/ANÁLISE DE DADOS AULA 09 Humberto José Bortolossi http://www.professores.uff.br/hjbortol/

Leia mais

CRITÉRIOS PARA A DETERMINAÇÃO DOS INTERVALOS DE CLASSE

CRITÉRIOS PARA A DETERMINAÇÃO DOS INTERVALOS DE CLASSE CRITÉRIOS PARA A DETERMINAÇÃO DOS INTERVALOS DE CLASSE Número de classes a considerar (k): a) Tabela de Truman L. Kelley n 5 10 25 50 100 200 500 1000 k 2 4 6 8 10 12 15 15 b) k=5 para n 25 e para n >25.

Leia mais

Stela Adami Vayego - DEST/UFPR 1

Stela Adami Vayego - DEST/UFPR 1 Aula 03 Análise Exploratória dos Dados (Medidas Descritivas de Variáveis Quantitativas) Parte 1 Medidas de Tendência Central Stela Adami Vayego - DEST/UFPR 1 Medidas de Tendência Central dos Dados Para

Leia mais

UNIVERSIDADE LUSÍADA DE LISBOA. Programa da Unidade Curricular ANÁLISE E TRATAMENTO DE DADOS Ano Lectivo 2014/2015

UNIVERSIDADE LUSÍADA DE LISBOA. Programa da Unidade Curricular ANÁLISE E TRATAMENTO DE DADOS Ano Lectivo 2014/2015 Programa da Unidade Curricular ANÁLISE E TRATAMENTO DE DADOS Ano Lectivo 2014/2015 1. Unidade Orgânica Ciências Humanas e Sociais (1º Ciclo) 2. Curso Psicologia 3. Ciclo de Estudos 1º 4. Unidade Curricular

Leia mais

EXCEL 2013. Público Alvo: Arquitetos Engenheiros Civis Técnicos em Edificações Projetistas Estudantes das áreas de Arquitetura, Decoração e Engenharia

EXCEL 2013. Público Alvo: Arquitetos Engenheiros Civis Técnicos em Edificações Projetistas Estudantes das áreas de Arquitetura, Decoração e Engenharia EXCEL 2013 Este curso traz a vocês o que há de melhor na versão 2013 do Excel, apresentando seu ambiente de trabalho, formas de formatação de planilhas, utilização de fórmulas e funções e a criação e formatação

Leia mais

UNIVERSIDADE DE SÃO PAULO. Faculdade de Arquitetura e Urbanismo

UNIVERSIDADE DE SÃO PAULO. Faculdade de Arquitetura e Urbanismo UNIVERSIDADE DE SÃO PAULO Faculdade de Arquitetura e Urbanismo DISTRIBUIÇÃO AMOSTRAL ESTIMAÇÃO AUT 516 Estatística Aplicada a Arquitetura e Urbanismo 2 DISTRIBUIÇÃO AMOSTRAL Na aula anterior analisamos

Leia mais

Computação Científica com MATLAB. Melissa Weber Mendonça melissa.mendonca@ufsc.br

Computação Científica com MATLAB. Melissa Weber Mendonça melissa.mendonca@ufsc.br Computação Científica com MATLAB Melissa Weber Mendonça melissa.mendonca@ufsc.br Exemplo leituraarquivos.m trimmmean O comando >> m = trimmean(x,pc) calcula a média excluindo os k maiores e menores valores

Leia mais

Relação entre variáveis de fertilidade do solo e o tipo de vegetação no Estado de São Paulo, utilizando técnicas de geoestatística e SIG.

Relação entre variáveis de fertilidade do solo e o tipo de vegetação no Estado de São Paulo, utilizando técnicas de geoestatística e SIG. Relação entre variáveis de fertilidade do solo e o tipo de vegetação no Estado de São Paulo, utilizando técnicas de geoestatística e SIG. Tiago Brochado Pires Introdução: Estudos voltados para a interpretação

Leia mais

Prof. Júlio Cesar Nievola Data Mining PPGIa PUCPR

Prof. Júlio Cesar Nievola Data Mining PPGIa PUCPR Encontrar grupos de objetos tal que objetos em um grupo são similares (ou relacionados) uns aos outros e diferentes de (ou não relacionados) a objetos em outros grupos Compreensão Agrupa documentos relacionados

Leia mais

APLICAÇÃO DE MINERAÇÃO DE DADOS PARA O LEVANTAMENTO DE PERFIS: ESTUDO DE CASO EM UMA INSTITUIÇÃO DE ENSINO SUPERIOR PRIVADA

APLICAÇÃO DE MINERAÇÃO DE DADOS PARA O LEVANTAMENTO DE PERFIS: ESTUDO DE CASO EM UMA INSTITUIÇÃO DE ENSINO SUPERIOR PRIVADA APLICAÇÃO DE MINERAÇÃO DE DADOS PARA O LEVANTAMENTO DE PERFIS: ESTUDO DE CASO EM UMA INSTITUIÇÃO DE ENSINO SUPERIOR PRIVADA Lizianne Priscila Marques SOUTO 1 1 Faculdade de Ciências Sociais e Aplicadas

Leia mais

Probabilidade. Renata Souza. Introdução. Tabelas Estatísticas. População, Amostra e Variáveis. Gráficos e Distribuição de Freqüências

Probabilidade. Renata Souza. Introdução. Tabelas Estatísticas. População, Amostra e Variáveis. Gráficos e Distribuição de Freqüências Probabilidade Introdução Tabelas Estatísticas População, Amostra e Variáveis Gráficos e Distribuição de Freqüências Renata Souza Conceitos Antigos de Estatística stica a) Simples contagem aritmética Ex.:

Leia mais

Curso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti

Curso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti Curso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti Medidas de Posição Depois de se fazer a coleta e a representação dos dados de uma pesquisa, é comum analisarmos as tendências

Leia mais

DELEGAÇÃO DE TETE CAPACITAÇÃO INTERNA DO CORPO DOCENTE/ FEVEREIRO DE 2015

DELEGAÇÃO DE TETE CAPACITAÇÃO INTERNA DO CORPO DOCENTE/ FEVEREIRO DE 2015 DELEGAÇÃO DE TETE CAPACITAÇÃO INTERNA DO CORPO DOCENTE/ FEVEREIRO DE 2015 TEMA: IBM SPSS Statistics 20 FACILITADORES: dr. Alfeu Dias Martinho dr. Pércio António Chitata dr. Domingos Arcanjo António Nhampinga

Leia mais

Decisão Suporte: Warehousing, OLAP e Data Mining

Decisão Suporte: Warehousing, OLAP e Data Mining Decisão Suporte: Warehousing, OLAP e Data Mining 7-1 Introdução Cada vez mais, organizações estão analizando dados correntes e históricos para identificar padrões úteis e suporte a estratégias de negócios.

Leia mais

Decisão Suporte: Warehousing, OLAP e Data Mining

Decisão Suporte: Warehousing, OLAP e Data Mining Decisão Suporte: Warehousing, OLAP e Data Mining 7-1 Introdução Cada vez mais, organizações estão analizando dados correntes e históricos para identificar padrões úteis e suporte a estratégias de negócios.

Leia mais

LISTA DE MATEMÁTICA. Aluno(a): Nº. 1. Determinada editora pesquisou o número de páginas das revistas mais vendidas em uma cidade.

LISTA DE MATEMÁTICA. Aluno(a): Nº. 1. Determinada editora pesquisou o número de páginas das revistas mais vendidas em uma cidade. LISTA DE MATEMÁTICA Aluno(a): Nº. Professor: Rosivane Série: 2 ano Disciplina: Matematica Data da prova: Pré Universitário Uni-Anhanguera MEDIDAS DE DISPERSÃO 1. Determinada editora pesquisou o número

Leia mais

EXERCÍCIOS EXERCÍCIOS. Definições Básicas. Definições Básicas. Definições Básicas. Introdução à Estatística. Dados: valores de variáveis observadas.

EXERCÍCIOS EXERCÍCIOS. Definições Básicas. Definições Básicas. Definições Básicas. Introdução à Estatística. Dados: valores de variáveis observadas. Definições Básicas Introdução à Estatística ESTATÍSTICA: estudo dos métodos para coletar, organizar, apresentar e analisar dados. População: conjunto constituído por todos os indivíduos que apresentem

Leia mais

Modelo de dados do Data Warehouse

Modelo de dados do Data Warehouse Modelo de dados do Data Warehouse Ricardo Andreatto O modelo de dados tem um papel fundamental para o desenvolvimento interativo do data warehouse. Quando os esforços de desenvolvimentos são baseados em

Leia mais

Tradução livre do PMBOK 2000, V 1.0, disponibilizada através da Internet pelo PMI MG em abril de 2001

Tradução livre do PMBOK 2000, V 1.0, disponibilizada através da Internet pelo PMI MG em abril de 2001 Capítulo 8 Gerenciamento da Qualidade do Projeto O Gerenciamento da Qualidade do Projeto inclui os processos necessários para garantir que o projeto irá satisfazer as necessidades para as quais ele foi

Leia mais

Exemplo Considere novamente os dados sobre a dureza do alumínio. Fonte: Hoaglin, Mosteller e Tukey, 1983, apud Morettin & Bussab,

Exemplo Considere novamente os dados sobre a dureza do alumínio. Fonte: Hoaglin, Mosteller e Tukey, 1983, apud Morettin & Bussab, Gráficos Exemplo Considere novamente os dados sobre a dureza do alumínio. 53,0 70,2 84,3 69,5 77,8 87,5 53,4 82,5 67,3 54,1 70,5 71,4 95,4 51,1 74,4 55,7 63,5 85,8 53,5 64,3 82,7 78,5 55,7 69,1 72,3 59,5

Leia mais

UNIVERSIDADE FEDERAL DA PARAÍBA SÉRIES, TABELAS E GRÁFICOS ESTATÍSTICOS Departamento de Estatística Tarciana Liberal TABELAS TABELAS TABELAS TABELAS TABELAS SÉRIES ESTATÍSTICAS Um gerente de produção da

Leia mais

ANÁLISE ANÁ DE DADOS DAD

ANÁLISE ANÁ DE DADOS DAD ANÁLISE DE DADOS Maputo, Moçambique 2008 Objectivos No final deste módulo espera-se que o participante seja capaz de: Distinguir as etapas na Análise de Dados Qualitativos Distinguir as etapas na Análise

Leia mais

MEDIDAS DE DISPERSÃO

MEDIDAS DE DISPERSÃO MEDIDAS DE DISPERSÃO 1) (PETROBRAS) A variância da lista (1; 1; 2; 4) é igual a: a) 0,5 b) 0,75 c) 1 d) 1,25 e) 1,5 2) (AFPS ESAF) Dada a seqüência de valores 4, 4, 2, 7 e 3 assinale a opção que dá o valor

Leia mais

Data Warehouses. Alunos: Diego Antônio Cotta Silveira Filipe Augusto Rodrigues Nepomuceno Marcos Bastos Silva Roger Rezende Ribeiro Santos

Data Warehouses. Alunos: Diego Antônio Cotta Silveira Filipe Augusto Rodrigues Nepomuceno Marcos Bastos Silva Roger Rezende Ribeiro Santos Data Warehouses Alunos: Diego Antônio Cotta Silveira Filipe Augusto Rodrigues Nepomuceno Marcos Bastos Silva Roger Rezende Ribeiro Santos Conceitos Básicos Data Warehouse(DW) Banco de Dados voltado para

Leia mais

Decidir como medir cada característica. Definir as características de qualidade. Estabelecer padrões de qualidade

Decidir como medir cada característica. Definir as características de qualidade. Estabelecer padrões de qualidade Escola de Engenharia de Lorena - EEL Controle Estatístico de Processos CEP Prof. MSc. Fabrício Maciel Gomes Objetivo de um Processo Produzir um produto que satisfaça totalmente ao cliente. Conceito de

Leia mais

Fundamentos de Estatística Aplicada Módulo I: Estatística Descritiva

Fundamentos de Estatística Aplicada Módulo I: Estatística Descritiva Universidade Federal Fluminense Instituto de Matemática e Estatística Fundamentos de Estatística Aplicada Módulo I: Estatística Descritiva Ana Maria Lima de Farias Departamento de Estatística Conteúdo

Leia mais

Guia do professor. Ministério da Ciência e Tecnologia. Ministério da Educação. Secretaria de Educação a Distância.

Guia do professor. Ministério da Ciência e Tecnologia. Ministério da Educação. Secretaria de Educação a Distância. números e funções Guia do professor Objetivos da unidade 1. Analisar representação gráfica de dados estatísticos; 2. Familiarizar o aluno com gráfico de Box Plot e análise estatística bivariada; 3. Utilizar

Leia mais

Processamento de Imagem. Prof. MSc. André Yoshimi Kusumoto andrekusumoto.unip@gmail.com

Processamento de Imagem. Prof. MSc. André Yoshimi Kusumoto andrekusumoto.unip@gmail.com Processamento de Imagem Prof. MSc. André Yoshimi Kusumoto andrekusumoto.unip@gmail.com Visão Computacional Não existe um consenso entre os autores sobre o correto escopo do processamento de imagens, a

Leia mais

Universidade Federal de Santa Catarina CAPÍTULO 6 GRÁFICOS NO EXCEL.

Universidade Federal de Santa Catarina CAPÍTULO 6 GRÁFICOS NO EXCEL. CAPÍTULO 6 GRÁFICOS NO EXCEL. Um gráfico no Excel é uma representação gráfica dos números de sua planilha - números transformados em imagens. O Excel examina um grupo de células que tenham sido selecionadas.

Leia mais

INTRODUÇÃO A MINERAÇÃO DE DADOS UTILIZANDO O WEKA

INTRODUÇÃO A MINERAÇÃO DE DADOS UTILIZANDO O WEKA INTRODUÇÃO A MINERAÇÃO DE DADOS UTILIZANDO O WEKA Marcelo DAMASCENO(1) (1) Instituto Federal de Educação, Ciência e Tecnologia do Rio Grande do Norte/Campus Macau, Rua das Margaridas, 300, COHAB, Macau-RN,

Leia mais

Apresentação Caule e Folha. Exemplo

Apresentação Caule e Folha. Exemplo Análise Exploratória de Dados As técnicas de análise exploratória de dados consistem em gráficos simples de desenhar que podem ser utilizados para resumir rapidamente um conjunto de dados. Uma destas técnicas

Leia mais

2.1.2 Definição Matemática de Imagem

2.1.2 Definição Matemática de Imagem Capítulo 2 Fundamentação Teórica Este capítulo descreve os fundamentos e as etapas do processamento digital de imagens. 2.1 Fundamentos para Processamento Digital de Imagens Esta seção apresenta as propriedades

Leia mais

Contexto de Big Data, Ciência de Dados e KDD

Contexto de Big Data, Ciência de Dados e KDD Contexto de Big Data, Ciência de Dados e KDD Fabrício J. Barth! Disciplina de Modelagem Descritiva e Preditiva! Pós-Graduação em Big Data e Analytics 100 10 quantidade de informações Sempre houve:!! Produção

Leia mais

Aula 04: Dados Profa. Ms. Rosângela da Silva Nunes

Aula 04: Dados Profa. Ms. Rosângela da Silva Nunes Aula 04: Dados Profa. Ms. Rosângela da Silva Nunes 1 de 44 Visualização da informação Uso de representações visuais, interativas e suportadas por computador de dados abstratos para ampliar a cognição Stuart

Leia mais

Aula 02: Conceitos Fundamentais

Aula 02: Conceitos Fundamentais Aula 02: Conceitos Fundamentais Profa. Ms. Rosângela da Silva Nunes 1 de 26 Roteiro 1. Por que mineração de dados 2. O que é Mineração de dados 3. Processo 4. Que tipo de dados podem ser minerados 5. Que

Leia mais

Sistema de Contagem, Identificação e Monitoramento Automático de Rotas de Veículos baseado em Visão Computacional

Sistema de Contagem, Identificação e Monitoramento Automático de Rotas de Veículos baseado em Visão Computacional Universidade Federal de Minas Gerais Escola de Engenharia Curso de Graduação em Engenharia de Controle e Automação Sistema de Contagem, Identificação e Monitoramento Automático de Rotas de Veículos baseado

Leia mais

Omatematico.com ESTATÍSTICA DESCRITIVA

Omatematico.com ESTATÍSTICA DESCRITIVA Omatematico.com ESTATÍSTICA DESCRITIVA 1. Classifique as variáveis abaixo: (a) Tempo para fazer um teste. (b) Número de alunos aprovados por turma. (c) Nível sócio-econômico (d) QI (Quociente de inteligência).

Leia mais

O que é um Soft Sensor ou Sensor Virtual?

O que é um Soft Sensor ou Sensor Virtual? O que é um Soft Sensor ou Sensor Virtual? Sensor virtual é um modelo matemático que calcula, com base nos dados disponíveis nos sistemas de automação, uma variável importante para o monitoramento do processo.

Leia mais

Resoluções comentadas das questões de Estatística da prova para. ANALISTA DE GERENCIAMENTO DE PROJETOS E METAS da PREFEITURA/RJ

Resoluções comentadas das questões de Estatística da prova para. ANALISTA DE GERENCIAMENTO DE PROJETOS E METAS da PREFEITURA/RJ Resoluções comentadas das questões de Estatística da prova para ANALISTA DE GERENCIAMENTO DE PROJETOS E METAS da PREFEITURA/RJ Realizada pela Fundação João Goulart em 06/10/2013 41. A idade média de todos

Leia mais

1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3.

1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3. 1 1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3. Modelo de Resultados Potenciais e Aleatorização (Cap. 2 e 3

Leia mais

Estatística Aplicada ao Serviço Social

Estatística Aplicada ao Serviço Social Estatística Aplicada ao Serviço Social Prof a. Juliana Freitas Pires Departamento de Estatística Universidade Federal da Paraíba - UFPB juliana@de.ufpb.br Introdução O que é Estatística? Coleção de métodos

Leia mais

Introdução aos Sistemas de Informação Geográfica

Introdução aos Sistemas de Informação Geográfica Introdução aos Sistemas de Informação Geográfica Mestrado Profissionalizante 2015 Karla Donato Fook karladf@ifma.edu.br IFMA / DAI Análise Espacial 2 1 Distribuição Espacial A compreensão da distribuição

Leia mais

2. GESTÃO DA CADEIA DE SUPRIMENTOS

2. GESTÃO DA CADEIA DE SUPRIMENTOS 1. Conceito de cadeia de suprimentos e seus autores: impactos das vendas e dos custos no lucro da cadeia. competição entre cadeias de suprimento. fluxos logísticos (informação, materiais/produtos, financeiro)

Leia mais

Gráficos tridimensionais. Introdução ao MATLAB p.1/31

Gráficos tridimensionais. Introdução ao MATLAB p.1/31 Gráficos tridimensionais Introdução ao MATLAB p1/31 Introdução Existe uma grande variedade de funções para exibir dados em três dimensões Podemos utilizar curvas em três dimensões, superfícies em retalhos

Leia mais

AULA 4 Manipulando Tabelas

AULA 4 Manipulando Tabelas 4.1 AULA 4 Manipulando Tabelas Nessa aula serão apresentadas algumas funcionalidades relativas a manipulação de tabelas de atributos no TerraView. Para isso será usado o banco de dados criado nas Aulas

Leia mais

A Preparação dos Dados

A Preparação dos Dados A Preparação dos Dados Escolhas Básicas Objetos, casos, instâncias Objetos do mundo real: carros, arvores, etc Ponto de vista da mineração: um objeto é descrito por uma coleção de características sobre

Leia mais

Análise de componentes principais (PCA)

Análise de componentes principais (PCA) Análise de componentes principais (PCA) Redução de dados Sumarizar os dados que contém muitas variáveis (p) por um conjunto menor de (k) variáveis compostas derivadas a partir do conjunto original. p k

Leia mais

Ensino Técnico. PLANO DE TRABALHO DOCENTE 1º Semestre/2015 ETEC ANHANQUERA

Ensino Técnico. PLANO DE TRABALHO DOCENTE 1º Semestre/2015 ETEC ANHANQUERA Ensino Técnico PLANO DE TRABALHO DOCENTE 1º Semestre/2015 Código: 262 ETEC ANHANQUERA Município: Santana de Parnaíba Componente Curricular: Processos Estatísticos de Pesquisa Eixo Tecnológico: Gestão e

Leia mais

Visualização 4ºAno M, AN,FZ,EN-MEC,EN-AEL V 1.3, V.Lobo, EN 2010

Visualização 4ºAno M, AN,FZ,EN-MEC,EN-AEL V 1.3, V.Lobo, EN 2010 Armazenamento, Visualização & Representação Uma imagem são mil palavras Victor Lobo Nº de pessoas Campanha da Rússia 6 variáveis diferentes! 4º ano dos cursos tradicionais da Escola Naval Rendimento Casos

Leia mais

I- Estatística Descritiva Exercícios

I- Estatística Descritiva Exercícios Estatística/ Bioestatística/ Métodos Estatísticos/ Bioestatística e Epistemologia da Educação I- Estatística Descritiva Exercícios 1. Considere a seguinte colecção de dados correspondentes ao comprimento

Leia mais

Tópicos de Estatística Espacial Visualização de Dados

Tópicos de Estatística Espacial Visualização de Dados Tópicos de Estatística Espacial Visualização de Dados Anderson Castro Soares de Oliveira Visualização de Dados Espaciais Visualizar os dados é uma primeira ferramenta descritiva para gerar hipóteses ao

Leia mais

IMES Catanduva. Probabilidades e Estatística. no Excel. Matemática. Bertolo, L.A.

IMES Catanduva. Probabilidades e Estatística. no Excel. Matemática. Bertolo, L.A. IMES Catanduva Probabilidades e Estatística Estatística no Excel Matemática Bertolo, L.A. Aplicada Versão BETA Maio 2010 Bertolo Estatística Aplicada no Excel Capítulo 3 Dados Bivariados São pares de valores

Leia mais

FUNDAMENTOS DE SISTEMAS DE INFORMAÇÃO

FUNDAMENTOS DE SISTEMAS DE INFORMAÇÃO @ribeirord FUNDAMENTOS DE SISTEMAS DE INFORMAÇÃO Rafael D. Ribeiro, M.Sc,PMP. rafaeldiasribeiro@gmail.com http://www.rafaeldiasribeiro.com.br Lembrando... Aula 4 1 Lembrando... Aula 4 Sistemas de apoio

Leia mais

Revisão: Noções básicas de estatística aplicada a avaliações de imóveis

Revisão: Noções básicas de estatística aplicada a avaliações de imóveis Curso de Avaliações Prof. Carlos Aurélio Nadal cnadal@ufpr.br 1 AULA 03 Revisão: Noções básicas de estatística aplicada a avaliações de imóveis 2 OBSERVAÇÃO: é o valor obtido durante um processo de medição.

Leia mais

O objetivo da Mineração de Dados é extrair ou minerar conhecimento de grandes volumes de

O objetivo da Mineração de Dados é extrair ou minerar conhecimento de grandes volumes de MINERAÇÃO DE DADOS MINERAÇÃO DE DADOS O objetivo da Mineração de Dados é extrair ou minerar conhecimento de grandes volumes de dados. A mineração de dados é formada por um conjunto de ferramentas e técnicas

Leia mais

OUTLIERS Conceitos básicos

OUTLIERS Conceitos básicos Outliers: O que são? As observações que apresentam um grande afastamento das restantes ou são inconsistentes com elas são habitualmente designadas por outliers. Estas observações são também designadas

Leia mais

Sistemas de Informação Geográfica (SIG) para Agricultura de Precisão

Sistemas de Informação Geográfica (SIG) para Agricultura de Precisão 01 Sistemas de Informação Geográfica (SIG) para Agricultura de Precisão Rodrigo G. Trevisan¹; José P. Molin² ¹ Eng. Agrônomo, Mestrando em Engenharia de Sistemas Agrícolas (ESALQ-USP); ² Prof. Dr. Associado

Leia mais

2. Método de Monte Carlo

2. Método de Monte Carlo 2. Método de Monte Carlo O método de Monte Carlo é uma denominação genérica tendo em comum o uso de variáveis aleatórias para resolver, via simulação numérica, uma variada gama de problemas matemáticos.

Leia mais

2 Descoberta de Conhecimento em Bases de Dados 2.1. Introdução

2 Descoberta de Conhecimento em Bases de Dados 2.1. Introdução 2 Descoberta de Conhecimento em Bases de Dados 2.1. Introdução De acordo com [FAYY96], o conceito de descoberta de conhecimento em bases de dados pode ser resumido como o processo não-trivial de identificar

Leia mais

QUALITATIVA VARIÁVEL QUANTITATIVA

QUALITATIVA VARIÁVEL QUANTITATIVA NOMINAL ORDINAL QUALITATIVA VARIÁVEL QUANTITATIVA DISCRETA CONTÍNUA - Variável qualitativa nominal = valores que expressam atributos, sem nenhum tipo de ordem. Ex: cor dos olhos, sexo, estado civil, presença

Leia mais

AULA 3 Ferramentas de Análise Básicas

AULA 3 Ferramentas de Análise Básicas 3.1 AULA 3 Ferramentas de Análise Básicas Nesse capítulo serão apresentadas algumas ferramentas de análise de dados com representação vetorial disponíveis no TerraView. Para isso será usado o banco de

Leia mais

Inferência Estatística. Amostragem Estatística. Características das Amostragens Estatísticas. Tipos de Amostragens Estatísticas

Inferência Estatística. Amostragem Estatística. Características das Amostragens Estatísticas. Tipos de Amostragens Estatísticas Fenômenos Estatísticos Classificam-se em: Fenômenos Coletivos ou de Massa - Não podem ser definidos por uma simples observação (natalidade, mortalidade, preço médio de veículos usados em Curitiba, etc.).

Leia mais

Aplicação do Controle Estatístico Multivariado no Processo de Extrusão de Tubos de PVC.

Aplicação do Controle Estatístico Multivariado no Processo de Extrusão de Tubos de PVC. Aplicação do Controle Estatístico Multivariado no Processo de Extrusão de Tubos de PVC. Ítalo L. Fernandes, Lidiane J. Michelini, Danilo M. Santos & Emerson Wruck Universidade Estadual de Goiás UEG, CEP

Leia mais

Indução de Árvores de Decisão para a Inferência de Redes Gênicas

Indução de Árvores de Decisão para a Inferência de Redes Gênicas PR UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ Ministério da Educação Universidade Tecnológica Federal do Paraná Pró-Reitoria de Pesquisa e Pós-Graduação Relatório Final de Atividades Indução de Árvores

Leia mais

Prof. Msc. Paulo Muniz de Ávila

Prof. Msc. Paulo Muniz de Ávila Prof. Msc. Paulo Muniz de Ávila O que é Data Mining? Mineração de dados (descoberta de conhecimento em bases de dados): Extração de informação interessante (não-trivial, implícita, previamente desconhecida

Leia mais

4. Que tipos de padrões podem ser minerados. 5. Critérios de classificação de sistemas de Data Mining. 6. Tópicos importantes de estudo em Data Mining

4. Que tipos de padrões podem ser minerados. 5. Critérios de classificação de sistemas de Data Mining. 6. Tópicos importantes de estudo em Data Mining Curso de Data Mining - Aula 1 1. Como surgiu 2. O que é 3. Em que tipo de dados pode ser aplicado 4. Que tipos de padrões podem ser minerados 5. Critérios de classificação de sistemas de Data Mining 6.

Leia mais

AULA 3 Ferramentas de Análise Básicas

AULA 3 Ferramentas de Análise Básicas 3.1 AULA 3 Ferramentas de Análise Básicas Neste capítulo serão apresentadas algumas ferramentas de análise de dados com representação vetorial disponíveis no TerraView. Para isso será usado o banco de

Leia mais

1. Introdução ao Adobe Illustrator CC. 2.6. Ferramentas de Seleção e Visualização. 1.1. Novidades do Illustrator CC. 3. Desenho. 1.2.

1. Introdução ao Adobe Illustrator CC. 2.6. Ferramentas de Seleção e Visualização. 1.1. Novidades do Illustrator CC. 3. Desenho. 1.2. 1. Introdução ao Adobe Illustrator CC 1.1. Novidades do Illustrator CC 1.2. Abrir o Programa 1.3. Criar um Novo Documento 1.4. Área de Trabalho 1.4.1. Paletas e Painéis 1.4.2. Menus de Contexto 1.4.3.

Leia mais

Basicão de Estatística no EXCEL

Basicão de Estatística no EXCEL Basicão de Estatística no EXCEL Bertolo, Luiz A. Agosto 2008 2 I. Introdução II. Ferramentas III. Planilha de dados 3.1 Introdução 3.2 Formatação de células 3.3 Inserir ou excluir linhas e colunas 3.4

Leia mais

UFGD FCA PROF. OMAR DANIEL BLOCO 6 CLASSIFICAÇÃO DE IMAGENS

UFGD FCA PROF. OMAR DANIEL BLOCO 6 CLASSIFICAÇÃO DE IMAGENS UFGD FCA PROF. OMAR DANIEL BLOCO 6 CLASSIFICAÇÃO DE IMAGENS Obter uma imagem temática a partir de métodos de classificação de imagens multi- espectrais 1. CLASSIFICAÇÃO POR PIXEL é o processo de extração

Leia mais

Análise descritiva de Dados. a) Média: (ou média aritmética) é representada por x e é dada soma das observações, divida pelo número de observações.

Análise descritiva de Dados. a) Média: (ou média aritmética) é representada por x e é dada soma das observações, divida pelo número de observações. Análise descritiva de Dados 4. Medidas resumos para variáveis quantitativas 4.1. Medidas de Posição: Considere uma amostra com n observações: x 1, x,..., x n. a) Média: (ou média aritmética) é representada

Leia mais

1. Registou-se o número de assoalhadas da população de 100 apartamentos vendidos num bairro residencial

1. Registou-se o número de assoalhadas da população de 100 apartamentos vendidos num bairro residencial Escola Superior de Tecnologia de Viseu Fundamentos de Estatística 2010/2011 Ficha nº 1 1. Registou-se o número de assoalhadas da população de 100 apartamentos vendidos num bairro residencial 0; 0; 0; 1;

Leia mais

http://www.de.ufpb.br/~luiz/

http://www.de.ufpb.br/~luiz/ UNIVERSIDADE FEDERAL DA PARAÍBA MEDIDAS DESCRITIVAS Departamento de Estatística Luiz Medeiros http://www.de.ufpb.br/~luiz/ Vimos que é possível sintetizar os dados sob a forma de distribuições de frequências

Leia mais

Aprendendo a Interpretar Dados Financeiros de uma Empresa Usando Estatística de Forma Simples e Prática

Aprendendo a Interpretar Dados Financeiros de uma Empresa Usando Estatística de Forma Simples e Prática Aprendendo a Interpretar Dados Financeiros de uma Empresa Usando Estatística de Forma Simples e Prática Ederson Luis Posselt (edersonlp@yahoo.com.br) Eduardo Urnau (dudaurnau@gmail.com) Eloy Metz (eloy@softersul.com.br)

Leia mais

As ferramentas da QUALIDADE

As ferramentas da QUALIDADE As ferramentas da QUALIDADE Aprendendo a aplicar para solucionar problemas EXPEDIENTE Textos: EPSE Editora e Paulo César Jatobá Edição: Hayrton Rodrigues do Prado Filho Designer gráfico: Adilson Aparecido

Leia mais

Apresentação... 19 Prefácio da primeira edição... 21 Prefácio da segunda edição... 27 Introdução... 33

Apresentação... 19 Prefácio da primeira edição... 21 Prefácio da segunda edição... 27 Introdução... 33 Sumário Apresentação... 19 Prefácio da primeira edição... 21 Prefácio da segunda edição... 27 Introdução... 33 Capítulo I CIÊNCIA, CONHECIMENTOS E PESQUISA CIENTÍFICA... 37 1. Conceito de ciência e tipos

Leia mais

MATLAB Avançado. Melissa Weber Mendonça melissa.mendonca@ufsc.br

MATLAB Avançado. Melissa Weber Mendonça melissa.mendonca@ufsc.br MATLAB Avançado Melissa Weber Mendonça melissa.mendonca@ufsc.br Relembrando... >> inteiro = fscanf(arquivo, %d ) Repita o exercício da aula anterior (ler UM dado de um arquivo), agora com um número real:

Leia mais

Lista de Exercícios #1. in Noções de Probabilidade e Estatística (Marcos N. Magalhães et al, 4ª. edição), Capítulo 1, seção 1.4, páginas 26-33.

Lista de Exercícios #1. in Noções de Probabilidade e Estatística (Marcos N. Magalhães et al, 4ª. edição), Capítulo 1, seção 1.4, páginas 26-33. Universidade de São Paulo IME (Insituto de Matemática e Estatística) MAE 121 Profº. Wagner Borges São Paulo, 19 de março de 2002 Fernando Henrique Ferraz Pereira da Rosa Bach. Estatística Lista de Exercícios

Leia mais

ADMINISTRAÇÃO DOS RECURSOS DE DADOS

ADMINISTRAÇÃO DOS RECURSOS DE DADOS Capítulo 7 ADMINISTRAÇÃO DOS RECURSOS DE DADOS 7.1 2003 by Prentice Hall OBJETIVOS Por que as empresas sentem dificuldades para descobrir que tipo de informação precisam ter em seus sistemas de informação?

Leia mais

INF1403 - Introdução a Interação Humano-Computador (IHC)

INF1403 - Introdução a Interação Humano-Computador (IHC) INF1403 - Introdução a Interação Humano-Computador (IHC) Turma 3WB Professor: Alberto Barbosa Raposo 09/04/2012 Departamento de Informática, PUC-Rio Testes com usuários Como avaliar? inspeção (por especialistas)

Leia mais

Revisão de Estatística Básica:

Revisão de Estatística Básica: Revisão de Estatística Básica: Estatística: Um número é denominado uma estatística (singular). Ex.: As vendas de uma empresa no mês constituem uma estatística. Estatísticas: Uma coleção de números ou fatos

Leia mais

Introdução à Estatística

Introdução à Estatística Introdução à Estatística Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA Núcleo de Estatística e Informática HUUFMA email: alcione.miranda@terra.com.br 1 Estatística: O que é? Estatística

Leia mais

Banco de Dados - Senado

Banco de Dados - Senado Banco de Dados - Senado Exercícios OLAP - CESPE Material preparado: Prof. Marcio Vitorino OLAP Material preparado: Prof. Marcio Vitorino Soluções MOLAP promovem maior independência de fornecedores de SGBDs

Leia mais

ESTATÍSTICA 3 ROTEIRO PARA PESQUISAS DESCRITIVA E EXPERIMENTAL

ESTATÍSTICA 3 ROTEIRO PARA PESQUISAS DESCRITIVA E EXPERIMENTAL ESTATÍSTICA 1 INTRODUÇÃO Desde a antiguidade vários povos já registravam o número de habitantes, de nascimentos, de óbitos, faziam estimativas das riquezas individual e social, distribuíam eqüitativamente

Leia mais

Análise Exploratória de Dados

Análise Exploratória de Dados Universidade Federal do Rio de Janeiro Faculdade de Medicina Departamento de Medicina Preventiva Instituto de Estudos em Saúde Coletiva Disciplina: Construção e Análise de Bases de Dados em Saúde Análise

Leia mais

UNIVERSIDADE DOS AÇORES Mestrado em Gestão (MBA)

UNIVERSIDADE DOS AÇORES Mestrado em Gestão (MBA) UNIVERSIDADE DOS AÇORES Mestrado em Gestão (MBA) Métodos Estatísticos 1º ano -1º Trimestre 2009/2010 Ficha de trabalho nº 1 Exercícios usando o SPSS PARTE 1 - Estatística Descritiva 1. As notas de 32 alunos

Leia mais

Prova Parcial de Estatística I. Turma: AE1 AE2 AE3 AE4

Prova Parcial de Estatística I. Turma: AE1 AE2 AE3 AE4 ESCOLA DE ADMINISTRAÇÃO DE EMPRESAS DE SÃO PAULO FUNDAÇÃO GETULIO VARGAS Prova Parcial de Estatística I Data: Setembro / Professores: Eduardo Francisco Francisco Aranha Nelson Barth A Nome do Aluno: GABARITO

Leia mais

Estatística e Probabilidade

Estatística e Probabilidade Estatística e Probabilidade Aula 2 Cap 02 Estatística Descritiva Neste capítulo... estudaremos formas de organizar e descrever conjuntos de dados. O objetivo é tornar os dados mais compreensíveis de modo

Leia mais

UNIVERSIDADE FEDERAL DA PARAÍBA TABELAS E GRÁFICOS Departamento de Estatística Luiz Medeiros Tabela de dados multidimensionais Até agora vimos como organizar, resumir e descrever informações referentes

Leia mais