Modelos estatísticos para previsão de partidas de futebol
|
|
- Raphaella Mota Mascarenhas
- 8 Há anos
- Visualizações:
Transcrição
1 Modelos estatístcos para prevsão de partdas de futebol Dan Gamerman Insttuto de Matemátca, UFRJ X Semana da Matemátca e II Semana da Estatístca da UFOP Ouro Preto, MG 03/11/2010
2 Algumas perguntas que queremos responder: Resultados dos jogos futuros; Quantos pontos serão necessáros para se garantr o Cruzero na Lbertadores; Quantos pontos serão necessáros para o Galo se lvrar do rebaxamento; Quantos pontos serão necessáros para ganhar o título; Quas as chances do Flamengo termnar na frente do Vasco. Qual a colocação do Flumnense?
3 Mutos grupos de pesqusa tratando dsso Casas de apostas (vrtuas) usam estatístcos Tratamento centífco deu orgem a váras publcações Grupos fazendo sso no Brasl: Mat/UFMG Bernardo Lma e co-autores Est/UFSCar Francsco Louzada e co-autores Est/UFF Leonardo Bastos e co-autores Est/USP Marcelo Arruda (chancedegol.com.br) etc...
4 Fatos estlzados: futebol é um dos esportes mas ncertos; um dos poucos onde o por pode ganhar ncerteza quantfcada com probabldades não se pode dzer nada com alta probabldade; muto menos com rodadas de antecedênca requer tratamento da dependênca temporal entre rodadas do campeonato
5 Espaço amostral Conjunto de resultados possíves Para cada jogo, podemos ter: vtóra, empate e derrota número de gols de cada tme
6 Probablstas trabalham com (vt,emp,der) atualzadas segundo técnca de alsamento exponencal Estatístcos trabalham com # de gols # de gols é uma contagem modelo natural é o Posson alguns usam técnca de alsamento outros usam modelo sem tratar dependênca temporal
7 Tratamento adequado devera passar por Formulação de um modelo estatístco Forma centífca de especfcar (e testar) conjecturas Incorporar todas as característcas do problema, especalmente a dependênca temporal
8 Como avalar resultados? Consdere 3 predtores do clma: P1, P2 e P3. P1 e P2 dsseram que hoje a fazer sol P3 dsse que hoje a chover Se hoje fez sol, prefermos P1e P2. Na prátca, problemas de ncerteza envolvem probabldade
9 Para P1: P( sol ) = 80% Para P2: P( sol ) = 70% Para P3: P( sol ) = 40% P1 e P2 acertaram... mas P1 acertou mas Prncípo da máxma verossmlhança: o melhor é quem fornece maor probabldade para o que efetvamente ocorreu. Voltaremos a esse ponto mas à frente...
10 Análse Prelmnar Análse Unvarada Posson se ajusta bem aos dados. Ex: Campeonato Braslero de estmado observado estmado observado
11 Análse Prelmnar Análse Bvarada H 0 : Posson Independentes Bondade de ajuste: p-valor = 0,368 estmado observado
12 Modelo Incal Queremos explcar o resultado do jogo A x B. Podemos postular fatores que determnam o comportamento dos tmes: Fator qualdade: quantfca o desempenho de um tme; cada tme tem seu fator qualdade Fator Campo: nforma o tme que tem mando de campo; cada tme tem o seu fator campo ou é um fator comum?
13 Fator qualdade pode ser mas detalhado: pode ser fator únco (força do tme) pode ser decomposto em setores Exemplos: 1. Fator ataque, Fator defesa, Fator meo de campo, Fator nfraestrutura, Fator elenco,... Vamos trabalhar com 2 fatores: ataque e defesa.
14 Modelo Incal Assm, para o jogo A x B, temos o segunte modelo: GF GF log λ log λ GF At De Ca tme tme tme A B A B tme ~ ~ = = Posson Posson At At A B De De ( λ ) A ( λ ) B A B + Ca Independentes A onde: representa o número de gols fetos pelo tme representa o fator ataque do tme representa o fator defesa do tme representa o fator campo do tme
15 Modelo Incal Abaxo, temos a tabela com os fatores para os tmes do Ro. Esses fatores foram obtdos usando prmera fase do campeonato de Fator Ataque Fator Defesa Fator Campo Gols Pró Gols Contra Botafogo Flamengo Flumnense Vasco
16 Modelo Incal Agora, com 3 seleções da Amérca do Sul. Esses fatores foram obtdos usando os dados até a 7ª rodada das Elmnatóras da Copa do Mundo. Fator Ataque Fator Defesa Fator Campo Gols Pró Gols Contra Brasl Equador Urugua
17 Modelo Dnâmco Estávamos supondo até agora que os parâmetros do modelo não varavam com as rodadas. Agora, achamos razoável permtr tal mudança. Portanto, At tme vrou vetor. Ou seja, temos agora: At 1 tme At 2 tme,...,at T tme. onde T é o número total de rodadas
18 Modelo Dnâmco Achamos razoável assumr que os fatores na rodada +1 dependem dos mesmos fatores na rodada, ou seja, são sempre dependentes do passo anteror. Por exemplo, para o tme A, temos: At Fator Ataque = At + ω A A At Fator Defesa De = De + ω A A De onde ω At +1 ~ N (0, σ 2 At ) onde ω De +1 ~ N (0, σ 2 De ) Ca Fator Campo = Ca + ω A A Ca onde ω Ca +1 ~ N (0, σ 2 Ca )
19 Modelo Dnâmco O modelo é completado com mas 2 tens: as volatldades σ 2 At, σ 2 De e σ 2 Ca das perturbações ω At, ωde e ωca são obtdas emprcamente. a pror para os parâmetros da rodada ncal para os tmes. pode ser baseada no desempenho passado ou ser vaga: At 1 tme ~ N(0, 10 4 ) De 1 tme ~ N(0, 10 4 ) Ca 1 tme ~ N(0,10 4 )
20 Modelo Dnâmco Consdere o jogo A x B O modelo para as observações do tme A, jogando em casa, agora é FG A ~ Posson ( λ ) A logλ A = At De + A B Ca A Da mesma forma, para o tme B, temos: FG B ~ Posson ( λ ) B log λ B = At B De A
21 Notação ( At At At ) At = Atletco MG, Atletco PR,..., Vtora vetor com fatores ataque para a rodada ( De De De ) De = Atletco MG, Atletco PR,..., Vtora vetor com fatores defesa para a rodada θ = ( Ca Ca Ca ) Ca = Atletco MG, Atletco PR,..., ( At, De, Ca ) NGF = (NGF AtletcoMG,..., NGF Vtora) D = {NGF 1,..., NGF } Vtora vetor com fatores campo para a rodada vetor de parâmetros para a rodada número de gols fetos na rodada todas as nformações até a rodada
22 Estmação Utlzando o teorema de Bayes, a estmação dos parâmetros até a rodada, será feta a partr da posteror obtda da segunte forma: p ( 1 ) ( 1 D L ) p( 1 θ,..., θ θ,..., θ θ,..., θ ) posteror verossmlhança pror verossmlhança: pror: L p t ( θ 1,..., θ ) = L( θ ) t= 1 1 t t 1 1 ( θ,..., θ ) = p( θ θ ) p( θ ) t= 2 e L Vtora t t t ( θ ) = p( GFj θ ) j= AtletcoMG
23 Computação Extrar nformações de p(θ 1,..., θ D ) é complcado!! Esse problema é soluconado através de smulações va MCMC (Gamerman e Lopes, 2006). Um programa utlzado para fazer tas smulações é o WnBugs (Spegelhalter et al, 2003). Dessa forma, serão obtdas amostras da posteror. E portanto, teremos amostras de θ D, para determnada rodada.
24 Computação Exemplo: Camp. Braslero de 2002 parâmetros de 3 tmes: Cortba, Flamengo e Ponte Preta. Apenas 3 varações nas rodadas 15, 30 e 44 devdo a lmtes computaconas. Fator Campo PontePreta Flamengo Cortba Varações Fator Ataque Fator Defesa PontePreta Flamengo Cortba PontePreta Flamengo Cortba Varações Varações
25 Computação Outro exemplo: Copa do Mundo parâmetros de 3 países: Argentna, Bolíva e Brasl. Foram fetas 4 varações nas rodadas 4, 5, 6 e 7.
26 Prevsões Aqu, vamos obter os valores prevstos para o número de gols fetos para uma rodada futura, a partr de nformações passadas. A prevsão é baseada na dstrbução predtva: p + h + h ( GF D ) = p( GF θ, D ) p( θ D ) dθ onde: GF h θ, D ~ Posson ( + h λ ) 3 é obtdo por smulação va MCMC, servndo de parâmetro para smular amostras de 2. Desta forma, automatcamente temos amostras de 1.
27 Prevsões Com as dstrbuções predtvas dos jogos podemos calcular váras dstrbuções. Exemplo: número de pontos que os tmes farão ao fnal do campeonato. Por exemplo, para o tme A temos: T A 1 T ( GF GF ) P = f,..., NP T A é o número de pontos do tme A na rodada fnal T Qualquer função desse tpo pode ter sua dstrbução aproxmada por smulação Exemplo: classfcação (que depende não só de NP).
28 Resultados Aqu, é possível calcular as probabldades para o resultado de cada jogo (1x0, 2x0,...). Para exemplfcar, será exposto um resultado mas detalhadamente.
29 Resultados 2003 Vtóra 1x0 15.2% 2x0 9.7% 2x1 8.9% 3x0 4.0% 3x1 3.3% 3x2 1.5% Outros 3.6% Empate 0x0 9.8% 1x1 14.4% 2x2 3.6% 3x3 0.3% Outros 0.1% Derrota 0x1 10.8% 0x2 3.6% 1x2 5.5% 0x3 1.3% 1x3 1.9% 2x3 1.0% Outros 1.5% Os 2 resultados mas prováves resultado real 1 x 0 Vasco x Fguerense 26% Vtóra 46% Empate 28% Derrota
30 Resultados 2004 Vtóra 1x0 9.7% 2x0 15.7% 2x1 8.6% 3x0 19.9% 3x1 14.1% 3x2 2.0% 4x0 11.9% 4x1 5.2% Outros 0.9% Empate 0x0 2.0% 1x1 2.5% 2x2 1.3% 3x3 0.1% Outros 0.1% Os 3 resultados mas prováves Brasl resultado real? x? Bolíva Brasl x Bolíva Derrota 0x1 0.7% 0x2 0.1% 1x2 0.8% 0x3 0.1% 1x3 0.1% 2x3 0.1% Outros 0.1% 6%2% 92% Vtóra Empate Derrota
31 Resultados 2003 Na rodada de número 34, fo feta uma análse e chegamos às seguntes prevsões para os tmes carocas na rodada 45: hoje prevsão
32 Resultados 2003 hoje prevsão hoje prevsão
33 Resultados 2003 para os tmes mneros, temos: hoje prevsão hoje prevsão
34 Resultados 2003 Os gráfcos abaxo mostram as chances de um tme ser rebaxado com determnado número de pontos em duas rodadas dstntas. Rodada 34 Rodada 45
35 Resultados 2003 Os gráfcos abaxo mostram as chances de um tme se classfcar para a Lbertadores com determnado número de pontos em duas rodadas dstntas. Rodada 34 Rodada 45
36 Resultados 2004 O gráfco abaxo mostra as chances de uma seleção se classfcar para a Copa do Mundo com determnado número de pontos na rodada 7. Rodada 7
37 Análse de Resultados Resultados do nosso modelo comparados com os do Chance de Gol ( utlzandos o crtéro das verossmlhanças ( EO ) Verossml hança = P 1,..., EO T EO é o Evento Ocorrdo no jogo Verossmlhança do modelo do Chance de Gol: 2.26 x Verossmlhança do nosso modelo: 7.66 x 10-17
38 Comentáros fnas Modelos váldos em qualquer campeonato e muto smples de serem mplementados (no WnBUGS). Modelo dnâmco é mas razoável. Modelo pode ser estenddo/alterado em váras dreções. Dssertação de Fabo F. Faras (2008) apresenta extensões melhoradoras ao permtr evoluções estaconáras para os fatores.
39 Bblografa Faras, F. F. (2008). Análse e prevsão de resultados de partdas de futebol. Dssertação de mestrado, Estatístca, UFRJ. Gamerman, D. e Lopes, H. (2006) Markov Chan Monte Carlo. 2ª. Edção. Nova York: Chapman & Hall. Knorr-Held, L. (2000) Dynamc ratng of sports teams. The Statstcan (JRSS-D), 49, Rue, H. e Salvesen O. (2000) Predcton and retrospectve analyss of soccer matches n a league. JRSS-D, 49, Spegelhalter, D., Thomas, A., Best, N. e Lunn, D. (2003) WnBugs User Manual. Cambrdge: Medcal Research Councl.
40 Obrgado!
PREVISÃO DE PARTIDAS DE FUTEBOL USANDO MODELOS DINÂMICOS
PREVISÃO DE PRTIDS DE FUTEBOL USNDO MODELOS DINÂMICOS Oswaldo Gomes de Souza Junor Insttuto de Matemátca Unversdade Federal do Ro de Janero junor@dme.ufrj.br Dan Gamerman Insttuto de Matemátca Unversdade
Leia maisAutores: Dani Gamerman (IM-UFRJ) Oswaldo Gomes de Souza Junior (SERPROS)
Prevsões de partdas de futebol usando modelos dnâmcos Autores: Dan Gamerman (IM-UFRJ) Oswaldo Gomes de Souza Junor (SERPROS) Alguns resultados que poderemos responder: Resultados dos jogos futuros; Quantos
Leia mais7. Resolução Numérica de Equações Diferenciais Ordinárias
7. Resolução Numérca de Equações Dferencas Ordnáras Fenômenos físcos em dversas áreas, tas como: mecânca dos fludos, fluo de calor, vbrações, crcutos elétrcos, reações químcas, dentre váras outras, podem
Leia maisTEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma.
UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO DE CIÊNCIAS EXATAS DEPARTAMENTO DE FÍSICA AV. FERNANDO FERRARI, 514 - GOIABEIRAS 29075-910 VITÓRIA - ES PROF. ANDERSON COSER GAUDIO FONE: 4009.7820 FAX: 4009.2823
Leia maisSistemas Robóticos. Sumário. Introdução. Introdução. Navegação. Introdução Onde estou? Para onde vou? Como vou lá chegar?
Sumáro Sstemas Robótcos Navegação Introdução Onde estou? Para onde vou? Como vou lá chegar? Carlos Carreto Curso de Engenhara Informátca Ano lectvo 2003/2004 Escola Superor de Tecnologa e Gestão da Guarda
Leia maisIntrodução e Organização de Dados Estatísticos
II INTRODUÇÃO E ORGANIZAÇÃO DE DADOS ESTATÍSTICOS 2.1 Defnção de Estatístca Uma coleção de métodos para planejar expermentos, obter dados e organzá-los, resum-los, analsá-los, nterpretá-los e deles extrar
Leia maisCálculo do Conceito ENADE
Insttuto aconal de Estudos e Pesqusas Educaconas Aníso Texera IEP Mnstéro da Educação ME álculo do onceto EADE Para descrever o cálculo do onceto Enade, prmeramente é mportante defnr a undade de observação
Leia maisEscolha do Consumidor sob condições de Risco e de Incerteza
9/04/06 Escolha do Consumdor sob condções de Rsco e de Incerteza (Capítulo 7 Snyder/Ncholson e Capítulo Varan) Turma do Prof. Déco Kadota Dstnção entre Rsco e Incerteza Na lteratura econômca, a prmera
Leia maisREGRESSÃO LOGÍSTICA. Seja Y uma variável aleatória dummy definida como:
REGRESSÃO LOGÍSTCA. ntrodução Defnmos varáves categórcas como aquelas varáves que podem ser mensurados usando apenas um número lmtado de valores ou categoras. Esta defnção dstngue varáves categórcas de
Leia maisRegressão e Correlação Linear
Probabldade e Estatístca I Antono Roque Aula 5 Regressão e Correlação Lnear Até o momento, vmos técncas estatístcas em que se estuda uma varável de cada vez, estabelecendo-se sua dstrbução de freqüêncas,
Leia mais5.1 Seleção dos melhores regressores univariados (modelo de Índice de Difusão univariado)
5 Aplcação Neste capítulo será apresentada a parte empírca do estudo no qual serão avalados os prncpas regressores, um Modelo de Índce de Dfusão com o resultado dos melhores regressores (aqu chamado de
Leia maisCENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS - UnilesteMG
1 CENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS - UnlesteMG Dscplna: Introdução à Intelgênca Artfcal Professor: Luz Carlos Fgueredo GUIA DE LABORATÓRIO LF. 01 Assunto: Lógca Fuzzy Objetvo: Apresentar o
Leia maiswww.obconcursos.com.br/portal/v1/carreirafiscal
www.obconcursos.com.br/portal/v1/carrerafscal Moda Exercíco: Determne o valor modal em cada um dos conjuntos de dados a segur: X: { 3, 4,, 8, 8, 8, 9, 10, 11, 1, 13 } Mo 8 Y: { 10, 11, 11, 13, 13, 13,
Leia maisInfluência dos Procedimentos de Ensaios e Tratamento de Dados em Análise Probabilística de Estrutura de Contenção
Influênca dos Procedmentos de Ensaos e Tratamento de Dados em Análse Probablístca de Estrutura de Contenção Mara Fatma Mranda UENF, Campos dos Goytacazes, RJ, Brasl. Paulo César de Almeda Maa UENF, Campos
Leia maisSempre que surgir uma dúvida quanto à utilização de um instrumento ou componente, o aluno deverá consultar o professor para esclarecimentos.
Insttuto de Físca de São Carlos Laboratóro de Eletrcdade e Magnetsmo: Transferênca de Potênca em Crcutos de Transferênca de Potênca em Crcutos de Nesse prátca, estudaremos a potênca dsspada numa resstênca
Leia maisMAE5778 - Teoria da Resposta ao Item
MAE5778 - Teora da Resposta ao Item Fernando Henrque Ferraz Perera da Rosa Robson Lunard 1 de feverero de 2005 Lsta 2 1. Na Tabela 1 estão apresentados os parâmetros de 6 tens, na escala (0,1). a b c 1
Leia maisNOTA II TABELAS E GRÁFICOS
Depto de Físca/UFMG Laboratóro de Fundamentos de Físca NOTA II TABELAS E GRÁFICOS II.1 - TABELAS A manera mas adequada na apresentação de uma sére de meddas de um certo epermento é através de tabelas.
Leia maisIND 1115 Inferência Estatística Aula 9
Coteúdo IND 5 Iferêca Estatístca Aula 9 Outubro 2004 Môca Barros Dfereça etre Probabldade e Estatístca Amostra Aleatóra Objetvos da Estatístca Dstrbução Amostral Estmação Potual Estmação Bayesaa Clássca
Leia maisCURSO ON-LINE PROFESSOR: VÍTOR MENEZES
O Danel Slvera pedu para eu resolver mas questões do concurso da CEF. Vou usar como base a numeração do caderno foxtrot Vamos lá: 9) Se, ao descontar uma promssóra com valor de face de R$ 5.000,00, seu
Leia mais1 Princípios da entropia e da energia
1 Prncípos da entropa e da energa Das dscussões anterores vmos como o conceto de entropa fo dervado do conceto de temperatura. E esta últma uma conseqüênca da le zero da termodnâmca. Dentro da nossa descrção
Leia mais3 Algoritmos propostos
Algortmos propostos 3 Algortmos propostos Nesse trabalho foram desenvolvdos dos algortmos que permtem classfcar documentos em categoras de forma automátca, com trenamento feto por usuáros Tas algortmos
Leia maisApostila de Estatística Curso de Matemática. Volume II 2008. Probabilidades, Distribuição Binomial, Distribuição Normal. Prof. Dr. Celso Eduardo Tuna
Apostla de Estatístca Curso de Matemátca Volume II 008 Probabldades, Dstrbução Bnomal, Dstrbução Normal. Prof. Dr. Celso Eduardo Tuna 1 Capítulo 8 - Probabldade 8.1 Conceto Intutvamente pode-se defnr probabldade
Leia maisControlo Metrológico de Contadores de Gás
Controlo Metrológco de Contadores de Gás José Mendonça Das (jad@fct.unl.pt), Zulema Lopes Perera (zlp@fct.unl.pt) Departamento de Engenhara Mecânca e Industral, Faculdade de Cêncas e Tecnologa da Unversdade
Leia maisEstimativa da Incerteza de Medição da Viscosidade Cinemática pelo Método Manual em Biodiesel
Estmatva da Incerteza de Medção da Vscosdade Cnemátca pelo Método Manual em Bodesel Roberta Quntno Frnhan Chmn 1, Gesamanda Pedrn Brandão 2, Eustáquo Vncus Rbero de Castro 3 1 LabPetro-DQUI-UFES, Vtóra-ES,
Leia maisUNIVERSIDADE DO ESTADO DA BAHIA - UNEB DEPARTAMENTO DE CIÊNCIAS EXATAS E DA TERRA COLEGIADO DO CURSO DE DESENHO INDUSTRIAL CAMPUS I - SALVADOR
Matéra / Dscplna: Introdução à Informátca Sstema de Numeração Defnção Um sstema de numeração pode ser defndo como o conjunto dos dígtos utlzados para representar quantdades e as regras que defnem a forma
Leia maisMetodologia IHFA - Índice de Hedge Funds ANBIMA
Metodologa IHFA - Índce de Hedge Funds ANBIMA Versão Abrl 2011 Metodologa IHFA Índce de Hedge Funds ANBIMA 1. O Que é o IHFA Índce de Hedge Funds ANBIMA? O IHFA é um índce representatvo da ndústra de hedge
Leia maisFísica. Setor B. Índice-controle de Estudo. Prof.: Aula 23 (pág. 86) AD TM TC. Aula 24 (pág. 87) AD TM TC. Aula 25 (pág.
Físca Setor Prof.: Índce-controle de studo ula 23 (pág. 86) D TM TC ula 24 (pág. 87) D TM TC ula 25 (pág. 88) D TM TC ula 26 (pág. 89) D TM TC ula 27 (pág. 91) D TM TC ula 28 (pág. 91) D TM TC evsanglo
Leia maisANEXO II METODOLOGIA E CÁLCULO DO FATOR X
ANEXO II Nota Técnca nº 256/2009-SRE/ANEEL Brasíla, 29 de julho de 2009 METODOLOGIA E ÁLULO DO FATOR X ANEXO II Nota Técnca n o 256/2009 SRE/ANEEL Em 29 de julho de 2009. Processo nº 48500.004295/2006-48
Leia maisObjetivos da aula. Essa aula objetiva fornecer algumas ferramentas descritivas úteis para
Objetvos da aula Essa aula objetva fornecer algumas ferramentas descrtvas útes para escolha de uma forma funconal adequada. Por exemplo, qual sera a forma funconal adequada para estudar a relação entre
Leia maisCAPÍTULO 1 Exercícios Propostos
CAPÍTULO 1 Exercícos Propostos Atenção: Na resolução dos exercícos consderar, salvo menção em contráro, ano comercal de das. 1. Qual é a taxa anual de juros smples obtda em uma aplcação de $1.0 que produz,
Leia maisAbordagens Matemáticas e Estatísticas para o Futebol
Universidade Estadual de Campinas UNICAMP Abordagens Matemáticas e Estatísticas para o Futebol Aluna: Juliana Mayumi Aoki Orientador: Laércio Luis Vendite Identificação do trabalho Título Abordagens Matemáticas
Leia maisControle Estatístico de Qualidade. Capítulo 8 (montgomery)
Controle Estatístco de Qualdade Capítulo 8 (montgomery) Gráfco CUSUM e da Méda Móvel Exponencalmente Ponderada Introdução Cartas de Controle Shewhart Usa apenas a nformação contda no últmo ponto plotado
Leia maisFísica. Física Módulo 1 Vetores, escalares e movimento em 2-D
Físca Módulo 1 Vetores, escalares e movmento em 2-D Vetores, Escalares... O que são? Para que servem? Por que aprender? Escalar Defnção: Escalar Grandea sem dreção assocada. Eemplos: Massa de uma bola,
Leia maisLista de Exercícios de Recuperação do 2 Bimestre. Lista de exercícios de Recuperação de Matemática 3º E.M.
Lsta de Exercícos de Recuperação do Bmestre Instruções geras: Resolver os exercícos à caneta e em folha de papel almaço ou monobloco (folha de fcháro). Copar os enuncados das questões. Entregar a lsta
Leia maisRastreando Algoritmos
Rastreando lgortmos José ugusto aranauskas epartamento de Físca e Matemátca FFCLRP-USP Sala loco P Fone () - Uma vez desenvolvdo um algortmo, como saber se ele faz o que se supõe que faça? esta aula veremos
Leia maisAula 03 Erros experimentais Incerteza. Aula 03 Prof. Valner Brusamarello
Aula 03 Erros epermentas Incerteza Aula 03 Prof. Valner Brusamarello Incerteza Combnada Efeto da Incerteza sobre = f ± u, ± u, L, ± u, L ( ) 1 1 Epansão em Sére de Talor: k k L f = f 1,, 3, + ± uk + L,,,
Leia maisMinistério da Educação. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Cálculo do Conceito Preliminar de Cursos de Graduação
Mnstéro da Educação Insttuto Naconal de Estudos e Pesqusas Educaconas Aníso Texera Cálculo do Conceto Prelmnar de Cursos de Graduação Nota Técnca Nesta nota técnca são descrtos os procedmentos utlzados
Leia maisRESOLUÇÃO NUMÉRICA DE EQUAÇÕES DIFERENCIAIS
Defnções RESOLUÇÃO NUMÉRICA DE EQUAÇÕES DIFERENCIAIS Problemas de Valor Incal PVI) Métodos de passo smples Método de Euler Métodos de sére de Talor Métodos de Runge-Kutta Equações de ordem superor Métodos
Leia maisDepartamento de Informática. Modelagem Analítica. Modelagem Analítica do Desempenho de Sistemas de Computação. Disciplina: Medida de Probabilidade
Departaento de Inforátca Dscplna: do Desepenho de Ssteas de Coputação Medda de Probabldade Prof. Sérgo Colcher colcher@nf.puc-ro.br Teora da Probabldade Modelo ateátco que perte estudar, de fora abstrata,
Leia maisSinais Luminosos 2- CONCEITOS BÁSICOS PARA DIMENSIONAMENTO DE SINAIS LUMINOSOS.
Snas Lumnosos 1-Os prmeros snas lumnosos Os snas lumnosos em cruzamentos surgem pela prmera vez em Londres (Westmnster), no ano de 1868, com um comando manual e com os semáforos a funconarem a gás. Só
Leia mais2 Máquinas de Vetor Suporte 2.1. Introdução
Máqunas de Vetor Suporte.. Introdução Os fundamentos das Máqunas de Vetor Suporte (SVM) foram desenvolvdos por Vapnk e colaboradores [], [3], [4]. A formulação por ele apresentada se basea no prncípo de
Leia maisAs tabelas resumem as informações obtidas da amostra ou da população. Essas tabelas podem ser construídas sem ou com perda de informações.
1. TABELA DE DISTRIBUIÇÃO DE FREQÜÊNCIA As tabelas resumem as normações obtdas da amostra ou da população. Essas tabelas podem ser construídas sem ou com perda de normações. As tabelas sem perda de normação
Leia maisEnergia de deformação na flexão
- UNIVERSIDADE FEDERAL FLUMINENSE ESCOLA DE ENGENHARIA INDUSTRIAL METALÚRGICA DE VOLTA REDONDA PROFESSORA: SALETE SOUZA DE OLIVEIRA BUFFONI DISCIPLINA: RESISTÊNCIA DOS MATERIAIS Energa de deformação na
Leia maisProbabilidade e Estatística I Antonio Roque Aula 11 Probabilidade Elementar: Novos Conceitos
Probabilidade Elementar: Novos Conceitos Vamos começar com algumas definições: Experimento: Qualquer processo ou ação bem definida que tenha um conjunto de resultados possíveis 1) Lançamento de um dado;
Leia maisAnálise Econômica da Aplicação de Motores de Alto Rendimento
Análse Econômca da Aplcação de Motores de Alto Rendmento 1. Introdução Nesta apostla são abordados os prncpas aspectos relaconados com a análse econômca da aplcação de motores de alto rendmento. Incalmente
Leia maisI. Introdução. inatividade. 1 Dividiremos a categoria dos jovens em dois segmentos: os jovens que estão em busca do primeiro emprego, e os jovens que
DESEMPREGO DE JOVENS NO BRASIL I. Introdução O desemprego é vsto por mutos como um grave problema socal que vem afetando tanto economas desenvolvdas como em desenvolvmento. Podemos dzer que os índces de
Leia maisOtimização de Custos de Transporte e Tributários em um Problema de Distribuição Nacional de Gás
A pesqusa Operaconal e os Recursos Renováves 4 a 7 de novembro de 2003, Natal-RN Otmzação de ustos de Transporte e Trbutáros em um Problema de Dstrbução Naconal de Gás Fernanda Hamacher 1, Fernanda Menezes
Leia maisAnálise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA
Análse de Regressão Profa Alcone Mranda dos Santos Departamento de Saúde Públca UFMA Introdução Uma das preocupações estatístcas ao analsar dados, é a de crar modelos que explctem estruturas do fenômeno
Leia maisControle de qualidade de produto cartográfico aplicado a imagem de alta resolução
Controle de qualdade de produto cartográfco aplcado a magem de alta resolução Nathála de Alcântara Rodrgues Alves¹ Mara Emanuella Frmno Barbosa¹ Sydney de Olvera Das¹ ¹ Insttuto Federal de Educação Cênca
Leia maisDistribuição de Massa Molar
Químca de Polímeros Prof a. Dr a. Carla Dalmoln carla.dalmoln@udesc.br Dstrbução de Massa Molar Materas Polmércos Polímero = 1 macromolécula com undades químcas repetdas ou Materal composto por númeras
Leia maisE FICIÊNCIA EM S AÚDE E C OBERTURA DE P LANOS DE S AÚDE NO B RASIL
E FICIÊNCIA EM S AÚDE E C OBERTURA DE P LANOS DE S AÚDE NO B RASIL Clarssa Côrtes Pres Ernesto Cordero Marujo José Cechn Superntendente Executvo 1 Apresentação Este artgo examna se o rankng das Undades
Leia maisExercícios de Física. Prof. Panosso. Fontes de campo magnético
1) A fgura mostra um prego de ferro envolto por um fo fno de cobre esmaltado, enrolado mutas vezes ao seu redor. O conjunto pode ser consderado um eletroímã quando as extremdades do fo são conectadas aos
Leia maisO migrante de retorno na Região Norte do Brasil: Uma aplicação de Regressão Logística Multinomial
O mgrante de retorno na Regão Norte do Brasl: Uma aplcação de Regressão Logístca Multnomal 1. Introdução Olavo da Gama Santos 1 Marnalva Cardoso Macel 2 Obede Rodrgues Cardoso 3 Por mgrante de retorno,
Leia maisPalavras-chave: jovens no mercado de trabalho; modelo de seleção amostral; região Sul do Brasil.
1 A INSERÇÃO E O RENDIMENTO DOS JOVENS NO MERCADO DE TRABALHO: UMA ANÁLISE PARA A REGIÃO SUL DO BRASIL Prscla Gomes de Castro 1 Felpe de Fgueredo Slva 2 João Eustáquo de Lma 3 Área temátca: 3 -Demografa
Leia maisCovariância e Correlação Linear
TLF 00/ Cap. X Covarânca e correlação lnear Capítulo X Covarânca e Correlação Lnear 0.. Valor médo da grandeza (,) 0 0.. Covarânca na propagação de erros 03 0.3. Coecente de correlação lnear 05 Departamento
Leia maisPARTE 1. 1. Apresente as equações que descrevem o comportamento do preço de venda dos imóveis.
EXERCICIOS AVALIATIVOS Dscplna: ECONOMETRIA Data lmte para entrega: da da 3ª prova Valor: 7 pontos INSTRUÇÕES: O trabalho é ndvdual. A dscussão das questões pode ser feta em grupo, mas cada aluno deve
Leia maisASSOCIAÇÃO DE RESISTORES
Prof(a) Stela Mara de arvalho Fernandes SSOIÇÃO DE ESISTOES ssocação de esstores em Sére Dos ou mas resstores estão assocados em sére quando são percorrdos pela mesma corrente elétrca. omo U D Somando
Leia maisAula 5 Distribuição amostral da média
Aula 5 Distribuição amostral da média Nesta aula você irá aprofundar seus conhecimentos sobre a distribuição amostral da média amostral. Na aula anterior analisamos, por meio de alguns exemplos, o comportamento
Leia maisTEXTO PARA DISCUSSÃO PROPOSTA DE MUDANÇA NO RATEIO DA COTA PARTE DO ICMS ENTRE OS MUNICÍPIOS CEARENSES
GOVERO DO ESTADO DO CEARÁ SECRETARIA DE PLAEJAMETO E GESTÃO (SEPLAG) Insttuto de Pesqusa e Estratéga Econômca do Ceará (IPECE) TEXTO PARA DISCUSSÃO PROPOSTA DE MUDAÇA O RATEIO DA COTA PARTE DO ICMS ETRE
Leia maisAtribuição Automática de Propagandas a Páginas da Web
Atrbução Automátca de Propagandas a Págnas da Web Aníso Mendes Lacerda Lara Crstna Rodrgues Coelho Resumo O problema da propaganda dreconada baseada em conteúdo (PDC) consttu-se em atrbur propagandas a
Leia mais1 A Integral por Partes
Métodos de Integração Notas de aula relativas aos dias 14 e 16/01/2004 Já conhecemos as regras de derivação e o Teorema Fundamental do Cálculo. Este diz essencialmente que se f for uma função bem comportada,
Leia maisSistemas de Filas: Aula 5. Amedeo R. Odoni 22 de outubro de 2001
Sstemas de Flas: Aula 5 Amedeo R. Odon 22 de outubro de 2001 Teste 1: 29 de outubro Com consulta, 85 mnutos (níco 10:30) Tópcos abordados: capítulo 4, tens 4.1 a 4.7; tem 4.9 (uma olhada rápda no tem 4.9.4)
Leia maisXX SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA NOVO MODELO PARA O CÁLCULO DE CARREGAMENTO DINÂMICO DE TRANSFORMADORES
XX SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA Versão 1.0 22 a 25 Novembro de 2009 Recfe - PE GRUPO XIII GRUPO DE ESTUDO DE TRANSFORMADORES, REATORES, MATERIAIS E TECNOLOGIAS
Leia mais01. Em porcentagem das emissões totais de gases do efeito estufa, o Brasil é o quarto maior poluidor, conforme a tabela abaixo:
PROCESSO SELETIVO 7 RESOLUÇÃO MATEMÁTICA Rosane Soares Morera Vana, Luz Cláudo Perera, Lucy Tem Takahash, Olímpo Hrosh Myagak QUESTÕES OBJETIVAS Em porcentagem das emssões totas de gases do efeto estufa,
Leia maisEstatística I Licenciatura MAEG 2006/07
Estatístca I Lcencatura MAEG 006/07 AMOSTRAGEM. DISTRIBUIÇÕES POR AMOSTRAGEM.. Em determnada unversdade verfca-se que 30% dos alunos têm carro. Seleccona-se uma amostra casual smples de 0 alunos. a) Qual
Leia maisAula 4 Estatística Conceitos básicos
Aula 4 Estatística Conceitos básicos Plano de Aula Amostra e universo Média Variância / desvio-padrão / erro-padrão Intervalo de confiança Teste de hipótese Amostra e Universo A estatística nos ajuda a
Leia maisAS COMPONENTES SIMÉTRICAS INSTANTÂNEAS E A MÁQUINA SIMÉTRICA
CAPÍTULO 5 A COMPONENTE IMÉTICA INTANTÂNEA E A MÁQUINA IMÉTICA 5. INTODUÇÃO O emprego das componentes smétrcas nstantâneas permte a obtenção de modelos mas smples que aqueles obtdos com a transformação
Leia maisOTIMIZAÇÃO DO FLUXO REVERSO DE PNEUS INSERVÍVEIS ATRAVÉS DE UM MODELO DE LOCALIZAÇÃO DE FACILIDADES: UM ESTUDO DE CASO
OTIMIZAÇÃO DO FLUXO REVERSO DE PNEUS INSERVÍVEIS ATRAVÉS DE UM MODELO DE LOCALIZAÇÃO DE FACILIDADES: UM ESTUDO DE CASO Felpe Mendonca Gurgel Bandera (UFERSA) felpembandera@hotmal.com Breno Barros Telles
Leia maisTestando um Mito de Investimento : Eficácia da Estratégia de Investimento em Ações de Crescimento.
Testando um Mto de Investmento : Efcáca da Estratéga de Investmento em Ações de Crescmento. Autora: Perre Lucena Rabon, Odlon Saturnno Slva Neto, Valera Louse de Araújo Maranhão, Luz Fernando Correa de
Leia maisSOFTWARE PARA CÁLCULO DO ÍNDICE DE SEVERIDADE DE SECA DE PALMER
SOFTWARE PARA CÁLCULO DO ÍNDICE DE SEVERIDADE DE SECA DE PALMER Rodrgo Cézar Lmera 1, Pedro Vera de Azevedo 2, Wagner de Aragão Bezerra 3, Josefa Morgana Vturno de Almeda 3 RESUMO: A modelagem consttu-se
Leia mais1. Cinco cartas são extraídas de um baralho comum (52 cartas, 13 de cada naipe) sem reposição. Defina a v.a. X = número de cartas vermelhas sorteadas.
GET007 Métodos Estatísticos Aplicados à Economia I Lista de Exercícios - variáveis Aleatórias Discretas Profa. Ana Maria Farias. Cinco cartas são extraídas de um baralho comum ( cartas, de cada naipe sem
Leia maisEstatística stica Descritiva
AULA1-AULA5 AULA5 Estatístca stca Descrtva Prof. Vctor Hugo Lachos Davla oo que é a estatístca? Para mutos, a estatístca não passa de conjuntos de tabelas de dados numércos. Os estatístcos são pessoas
Leia maisÍNDICE NOTA INTRODUTÓRIA
OGC00 05-0-06 ÍDICE. Introdução. Âmbto e defnções 3. Avalação da ncerteza de medção de estmatvas das grandezas de entrada 4. Cálculo da ncerteza-padrão da estmatva da grandeza 5 de saída 5. Incerteza de
Leia maisALGORITMOS GENÉTICOS COMO FERRAMENTA AUXILIAR NA TOMADA DE DECISÃO EM ATIVIDADES DE GESTÃO AGROINDUSTRIAL
ALGORITMOS GENÉTICOS COMO FERRAMENTA AUXILIAR NA TOMADA DE DECISÃO EM ATIVIDADES DE GESTÃO AGROINDUSTRIAL Danlo Augusto Hereda VIEIRA 1 Celso Correa de SOUZA 2 José Francsco dos REIS NETO 3 Resumo. As
Leia maisINTRODUÇÃO AO CÁLCULO DE ERROS NAS MEDIDAS DE GRANDEZAS FÍSICAS
Físca Laboratoral Ano Lectvo 003/04 ITRODUÇÃO AO CÁLCULO DE ERROS AS MEDIDAS DE GRADEAS FÍSICAS. Introdução.... Erros de observação: erros sstemátcos e erros fortutos ou acdentas... 3. Precsão e rgor...3
Leia maisPROPOSIÇÃO, VALIDAÇÃO E ANÁLISE DOS MODELOS QUE CORRELACIONAM ESTRUTURA QUÍMICA E ATIVIDADE BIOLÓGICA
658 Gaudo & Zandonade Qum. Nova Qum. Nova, Vol. 4, No. 5, 658-671, 001. Dvulgação PROPOSIÇÃO, VALIDAÇÃO E ANÁLISE DOS MODELOS QUE CORRELACIONAM ESTRUTURA QUÍMICA E ATIVIDADE BIOLÓGICA Anderson Coser Gaudo
Leia maisPROCESSAMENTO DE VÍDEO PARA ESTIMAÇÃO DA CURVA DE RESFRIAMENTO EM UMA PLANTA DE SINTERIZAÇÃO
PROCESSAMENTO DE VÍDEO PARA ESTIMAÇÃO DA CURVA DE RESFRIAMENTO EM UMA PLANTA DE SINTERIZAÇÃO GABRIEL NAZARETH GUEDES ALCOFORADO*, VALTER BARBOSA DE OLIVEIRA JUNIOR*, DOUGLAS ALMONFREY, KARIN SATIE KOMATI
Leia maisINTRODUÇÃO À PROBABILIDADE. A probabilidade é uma medida da incerteza dos fenômenos. Traduz-se por um número real compreendido de 0 ( zero) e 1 ( um).
INTRODUÇÃO À PROILIDDE teora das probabldade nada mas é do que o bom senso transformado em cálculo probabldade é o suporte para os estudos de estatístca e expermentação. Exemplos: O problema da concdênca
Leia maisREGULAMENTO GERAL (Modalidades 1, 2, 3 e 4)
REGULAMENTO GERAL (Modaldades 1, 2, 3 e 4) 1. PARTICIPAÇÃO 1.1 Podem concorrer ao 11º Prêmo FIEB de Desempenho Socoambental da Indústra Baana empresas do setor ndustral nas categoras MICRO E PEQUENO, MÉDIO
Leia maisEventos independentes
Eventos independentes Adaptado do artigo de Flávio Wagner Rodrigues Neste artigo são discutidos alguns aspectos ligados à noção de independência de dois eventos na Teoria das Probabilidades. Os objetivos
Leia maisConfederação Brasileira de Futebol
Confederação Brasileira de Futebol Diretoria de Competições Regulamento Específico da Competição Campeonato Brasileiro de Futebol Feminino 2015 1 SUMÁRIO DEFINIÇÕES... 3 CAPÍTULO I - DA DENOMINAÇÃO E PARTICIPAÇÃO...
Leia maisRESOLUÇÃO Nº 32/2014/CONEPE. O CONSELHO DO ENSINO, DA PESQUISA E DA EXTENSÃO da Universidade Federal de Sergipe, no uso de suas atribuições legais,
SERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE SERGIPE CONSELHO DO ENSINO, DA PESQUISA E DA EXTENSÃO RESOLUÇÃO Nº 32/2014/CONEPE Aprova as Normas Geras do Processo Seletvo para
Leia maisAvaliação da Tendência de Precipitação Pluviométrica Anual no Estado de Sergipe. Evaluation of the Annual Rainfall Trend in the State of Sergipe
Avalação da Tendênca de Precptação Pluvométrca Anual no Estado de Sergpe Dandara de Olvera Félx, Inaá Francsco de Sousa 2, Pablo Jónata Santana da Slva Nascmento, Davd Noguera dos Santos 3 Graduandos em
Leia maisMODELAGEM DA FRAÇÃO DE NÃO-CONFORMES EM PROCESSOS INDUSTRIAIS
versão mpressa ISSN 0101-7438 / versão onlne ISSN 1678-5142 MODELAGEM DA FRAÇÃO DE NÃO-CONFORMES EM PROCESSOS INDUSTRIAIS Ângelo Márco Olvera Sant Anna* Carla Schwengber ten Caten Programa de Pós-graduação
Leia maisSituação Ocupacional dos Jovens das Comunidades de Baixa Renda da Cidade do Rio de Janeiro *
Stuação Ocupaconal dos Jovens das Comundades de Baxa Renda da Cdade do Ro de Janero * Alessandra da Rocha Santos Cínta C. M. Damasceno Dense Brtz do Nascmento Slva ' Mara Beatrz A. M. da Cunha Palavras-chave:
Leia maisAplicações de Estimadores Bayesianos Empíricos para Análise Espacial de Taxas de Mortalidade
Aplcações de Estmadores Bayesanos Empírcos para Análse Espacal de Taxas de Mortaldade Alexandre E. dos Santos, Alexandre L. Rodrgues, Danlo L. Lopes Departamento de Estatístca Unversdade Federal de Mnas
Leia maisUniversidade do Estado do Rio de Janeiro Instituto de Matemática e Estatística Econometria
Unversdade do Estado do Ro de Janero Insttuto de Matemátca e Estatístca Econometra Revsão de modelos de regressão lnear Prof. José Francsco Morera Pessanha professorjfmp@hotmal.com Regressão Objetvo: Estabelecer
Leia maisSuporte Básico para Sistemas de Tempo Real
Suporte Básco para Sstemas de Tempo Real Escalonamento e Comuncação Sldes elaborados por George Lma, com atualzações realzadas por Ramundo Macêdo Suporte Básco para Sstemas de Tempo-Real Escalonamento
Leia maisSCATTER SEARCH APLICADO AO PROBLEMA DE OTIMIZAÇÃO DA ALOCAÇÃO DE SONDAS DE PRODUÇÃO EM POÇOS DE PETRÓLEO
! "#$ " %'&)(*&)+,.- /10.2*&4365879&4/1:.+58;.2*=?5.@A2*3B;.- C)D 5.,.5FE)5.G.+ &4- (IHJ&?,.+ /?=)5.KA:.+5MLN&OHJ5F&4E)2*EOHJ&)(IHJ/)G.- D - ;./);.& SCATTER SEARCH APLICADO AO PROBLEMA DE OTIMIZAÇÃO
Leia maisNota Técnica Médias do ENEM 2009 por Escola
Nota Técnca Médas do ENEM 2009 por Escola Crado em 1998, o Exame Naconal do Ensno Médo (ENEM) tem o objetvo de avalar o desempenho do estudante ao fm da escolardade básca. O Exame destna-se aos alunos
Leia maisGeração de poses de faces utilizando Active Appearance Model Tupã Negreiros 1, Marcos R. P. Barretto 2, Jun Okamoto 3
Geração de poses de faces utlzando Actve Appearance Model Tupã Negreros 1, Marcos R. P. Barretto 2, Jun Okamoto 3 1, 2, 3 Escola Poltécnca da Unversdade de São Paulo (POLI/USP) Caxa Postal 61548 CEP 05508-900
Leia maisMODELO DE FILA HIPERCUBO COM MÚLTIPLO DESPACHO E BACKUP PARCIAL PARA ANÁLISE DE SISTEMAS DE ATENDIMENTO MÉDICO EMERGENCIAIS EM RODOVIAS
versão mpressa ISSN 00-7438 / versão onlne ISSN 678-542 MODELO DE FILA HIPERCUBO COM MÚLTIPLO DESPACHO E BACKUP PARCIAL PARA ANÁLISE DE SISTEMAS DE ATENDIMENTO MÉDICO EMERGENCIAIS EM RODOVIAS Ana Paula
Leia maisPROBABILIDADE E ESTATÍSTICA APLICADAS À HIDROLOGIA
PROBABILIDADE E ESTATÍSTICA APLICADAS À HIDROLOGIA Mauro aghettn Mara Manuela Portela DECvl, IST, 0 PROBABILIDADE E ESTATÍSTICA APLICADAS À HIDROLOGIA Mauro aghettn Professor Assocado, Escola de Engenhara
Leia maisa) Regulamento Específico da Competição (REC) o qual trata do sistema de disputa e outros assuntos específicos da Copa.
COPA DO BRASIL SUB 20 DE 2013 REC REGULAMENTO ESPECÍFICO DA COMPETIÇÃO CAPÍTULO I Da Denominação e Participação Art. 1º A Copa do Brasil Sub 20, edição de 2013, doravante denominada simplesmente Copa,
Leia maisA Torre de Hanói e o Princípio da Indução Matemática
A Torre de Hanói e o Princípio da Indução Matemática I. O jogo A Torre de Hanói consiste de uma base com três pinos e um certo número n de discos de diâmetros diferentes, colocados um sobre o outro em
Leia maisProcessos Estocásticos
Processos Estocásticos Segunda Lista de Exercícios 01 de julho de 2013 1 Uma indústria fabrica peças, das quais 1 5 são defeituosas. Dois compradores, A e B, classificam os lotes de peças adquiridos em
Leia maisAnálise logística da localização de um armazém para uma empresa do Sul Fluminense importadora de alho in natura
Análse logístca da localzação de um armazém para uma empresa do Sul Flumnense mportadora de alho n natura Jader Ferrera Mendonça Patríca Res Cunha Ilton Curty Leal Junor Unversdade Federal Flumnense Unversdade
Leia maisANÁLISE DA ESTABILIDADE DE UM BRAÇO ROBÓTICO PARA COLHEITA DE FRUTAS
XLIII Congresso Braslero de Engenhara Agrícola - CONBEA 2014 Centro de Convenções Arquteto Rubens Gl de Camllo - Campo Grande -MS 27 a 31 de julho de 2014 ANÁLISE DA ESTABILIDADE DE UM BRAÇO ROBÓTICO PARA
Leia maisCOMO PROGRAMAR SEU TIME
COMO PROGRAMAR SEU TIME 1) INSTALAÇÃO: Instale o simulador da categoria SIMUROSOT da FIRA. O simulador é gratuito e está disponível para download no site da FIRA (www.fira.net) ou no site da competição
Leia maisRAE-eletrônica ISSN: 1676-5648 rae@fgv.br. Escola de Administração de Empresas de São Paulo. Brasil
RAE-eletrônca ISSN: 676-5648 rae@fgv.br Escola de Admnstração de Empresas de São Paulo Brasl Gumarães, Ináco Andrusk; Chaves Neto, Anselmo RECONHECIMENTO DE PADRÕES: METODOLOGIAS ESTATÍSTICAS EM CRÉDITO
Leia mais