Prova I - Modelagem e Simulação - 28/04/2005
|
|
- Bianca Macedo
- 4 Há anos
- Visualizações:
Transcrição
1 nome: 1)[.] Escreva um programa na lnguagem que preferr, para montar as matrzes A e B e o vetor W do Método Combnado de Mínmos Quadrados para o segunte modelo matemátco: ((x x )cosθ + (y y )sen θ) a ((x x )sen θ (y y )cosθ) + b = 1 ) [.] Faça um programa na lnguagem que preferr que calcule, dado uma matrz de para n estados da natureza e m alternatvas, os s Esperados segundo os crtéros de Maxmn, Máxma Verossmlhança e Bayes. 3) [.] O setor responsável pela gerênca do estoque de uma empresa precsa assnar um contrato de compra de produtos para repor o estoque com 1 mês de antecedênca da data de entrega dos produtos. Devdo ao comportamento aleatóro da demanda, não é possível determnar com precsão o estado do estoque após um mês de operação da empresa. Porém, a partr de dados hstórcos fo possível estmar que exste uma chance de 7% do estoque estar vazo após um mês de operação. Os peddos de compra só podem ser fetos em lotes com 1 undades ou undades. Caso o estoque após um mês estea vazo a empresa ganha $, se tver comprado um lote com 1 undades, ganha $3, se tver comprado um lote com undades e perde $1, se não tver comprado. Caso o estoque após um mês não estea vazo a empresa perde $, se tver comprado um lote com 1 undades, perde $5, se tver comprado um lote com undades e não ganha mas também não perde nada se não tver comprado. Um consultor pode ser contrato para opnar sobre o problema a um custo de $5,. Este consultor fornece um parecer, em função da demanda, sobre os estados do estoque após um mês de operação que são: alto, médo e baxo. Este consultor anda fornece o seu índce de acerto em suas prevsões. Quando o estoque está vazo após um mês de operação, a chance de o consultor prever o estado alto é 5% e o estado baxo é 8%. Quando o estoque não está vazo após um mês de operação, a chance de o consultor prever o estado alto é 65% e o estado médo é 5%. Determne a polítca de compra que a empresa deve tomar em função do parecer do consultor utlzando o crtéro de Bayes. 4)[.] Determne se é vável pagar o consultor para a questão 3. 5)[.] Mostre que o crtéro de Mínmos Quadrados fornece como estmatva do valor esperado de uma medda a méda artmétca das observações da medda. ( a B = b ) P A = = n ( = a B = b ) P A P( B = b A = a ).P ( A = a ) P( B = b A = ak ).P ( A = a k ) k= 1 P = ( A = a, B = b ) P( B = b ) Boa Prova Fernando Noguera 1
2 Solução 1)[.] códgo em Matlab 7. X=[xc yc a b teta];%parâmetros aproxmados %x e y são vetores com as observações whle flag==1 teracao=teracao+1 q1=[(x-x(1))*cos(x(5))-(y-x())*sn(x(5))]; q=[(x-x(1))*sn(x(5))+(y-x())*cos(x(5))]; q3=[-(x-x(1))*sn(x(5))-(y-x())*cos(x(5))]; A1=[-*cos(X(5))*q1/X(3)^ - *sn(x(5))*q/x(4)^]; A=[*sn(X(5))*q1/X(3)^ - *cos(x(5))*q/x(4)^]; A3=[-*q1.^/X(3)^3]; A4=[-*q.^/X(4)^3]; A5=[(*q1.*q3)/X(3)^ + (*q.*q1)/x(4)^]; A=[A1 A A3 A4 A5]; B=zeros(n,*n); for =1:n =*-1; B1=*cos(X(5))*q1()/X(3)^ + *sn(x(5))*q()/x(4)^; B=-*sn(X(5))*q1()/X(3)^ + *cos(x(5))*q()/x(4)^; B(,:+1)=[B1 B]; end W=[q1.^/X(3)^ + q.^/x(4)^ - 1]; )[.] Códgo em C++ Bulder 5. #nclude <vcl.h> #pragma hdrstop #nclude <stdo.h> #nclude <o.h> #nclude <excepton> #nclude <ostream> #nclude <math.h> #nclude "Unt1.h" #pragma package(smart_nt) #pragma resource "*.dfm" TForm1 *Form1; fastcall TForm1::TForm1(TComponent* Owner) : TForm(Owner) { } vod fastcall TForm1::Button1Clck(TObect *Sender) { FILE *n; AnsStrng nametxt; double **Tabela,num,menor,maxmn,maxver,bayes,maxpayver,soma,maxpaybayes; nt,,m,n,colmaxver; f (OpenDalog1->Execute()){ nametxt=opendalog1->flename; n=fopen(nametxt.c_str(),"rb"); Form1->Update();} Fernando Noguera
3 //le o "header" do arquvo ->prmera lnha do arquvo deve ser o numero de lnhas e colunas da matrz fscanf(n,"%d",&m); fscanf(n,"%d",&n); Label1->Capton=m; //numero de lnhas Label->Capton=n; //numero de colunas //alocção dnâmca try{ Tabela=new double*[m]; for(nt =;<m;++) Tabela[]=new double[n]; } catch(std::bad_alloc){} //monta a matrz for(=;<m;++){ for(=;<n;++){ fscanf(n,"%lf",&num); Tabela[][]=num;}} //acha Maxmn //m-1 porque ultma lnha são as probablddes dos estados da natureza maxmn=tabela[][];//pega o prmero elemento da tabela para ncar for(=;<m-1;++){ menor=tabela[][];//pega o prmero elemento da lnha da tabela para ncar for(=;<n;++){ f(tabela[][]<menor){ menor=tabela[][];} f(menor>=maxmn){ maxmn=menor;}}} //acha Maxma Verossmlhança maxver=tabela[m-1][];//pega o prmero elemento da ultma lnha da tabela para ncar for(=;<n;++){ f(tabela[m-1][]>=maxver){ maxver=tabela[m-1][]; colmaxver=;}} maxpayver=tabela[][colmaxver];//pega o prmero elemento da coluna maxver da tabela para ncar for(=;<m-1;++){ f(tabela[][colmaxver]>maxpayver){ maxpayver=tabela[][colmaxver];}} //acha Bayes for(=;<m;++){ soma=; for(=;<n;++){ soma=tabela[][]*tabela[m-1][]+soma;} f(==){maxpaybayes=soma;} f(soma>=maxpaybayes){maxpaybayes=soma;}} Label3->Capton=maxmn; Label4->Capton=maxpayver; Label5->Capton=maxpaybayes; fclose(n); } Fernando Noguera 3
4 3)[.] Smbologa C = Cheo (não vazo) V = Vazo A = Alto M = Médo B = Baxo Alternatva C V E() Comprar -1-7 Comprar 1-8 Máxmo Comprar Probabldade à Pror.3.7 Fernando Noguera 4
5 Se consultor opnar A Alternatva C V E() - 5 Comprar Máxmo Comprar Comprar Probabldade à Posteror Se consultor opnar M Alternatva C V E() - 5 Comprar Comprar Máxmo Comprar Probabldade à Posteror Se consultor opnar B Alternatva C V E() - 5 Comprar Comprar Comprar Máxmo Probabldade à Posteror Solução Se consultor opnar A, comprar. Se consultor opnar M, comprar 1. Se consultor opnar B, comprar. 4)[.] EVE =.3*(-6.53) +.18*(-1.64) +.59*(.9) = =.54 > é vável pagar o consultor. ou EVE =.3*(5-6.53) +.18*(5-1.64) +.59*(5+.9) = = 7.54 > 5 é vável pagar o consultor. 5)[.] Desgnando por x o valor adotado como estmatva da grandeza sobre a qual foram executadas n observações l repetdas em condções supostamente smlares, os resíduos v são: x l = v = 1,,..., n Admtndo que as observações seam não-correlaconadas, a matrz P será dagonal e admtndo anda que tas observações ofereçam o mesmo grau de confança, a matrz P degenera-se para a matrz dentdade I. Aplcando o Método dos Mínmos Quadrados (MMQ): t t ( x l ) f = V PV = V V = = mn Fernando Noguera 5
6 Igualando a dervada de f em relação a x a zero, fca: ( x l ) df = = dx Que pode ser escrto como: ( x l ) + ( x l ) ( x l ) 1 n l = x = n Fernando Noguera 6
Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos
Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,
Leia maisAlgarismos Significativos Propagação de Erros ou Desvios
Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento
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 maisUniversidade de São Paulo Escola Superior de Agricultura Luiz de Queiroz Departamento de Ciências Exatas
Unversdade de São Paulo Escola Superor de Agrcultura Luz de Queroz Departamento de Cêncas Exatas Prova escrta de seleção para DOUTORADO em Estatístca e Expermentação Agronômca Nome do canddato (a): Questão
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 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 maisAnálise de Regressão Linear Múltipla IV
Análse de Regressão Lnear Múltpla IV Aula 7 Guarat e Porter, 11 Capítulos 7 e 8 He et al., 4 Capítulo 3 Exemplo Tomando por base o modelo salaro 1educ anosemp exp prev log 3 a senhorta Jole, gerente do
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 maisMOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES
MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES 1. Obtenha os estmadores dos coefcentes lnear e angular de um modelo de regressão lnear smples utlzando o método
Leia maisUNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)
UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade
Leia maisESCOLA DE APLICAÇÃO DR. ALFREDO JOSÉ BALBI UNITAU APOSTILA PROF. CARLINHOS MATRIZES NOME DO ALUNO: Nº TURMA: blog.portalpositivo.com.
ESCOL DE PLICÇÃO DR. LFREDO JOSÉ LI UNITU POSTIL MTRIZES PROF. CRLINHOS NOME DO LUNO: Nº TURM: blog.portalpostvo.com.br/captcar MTRIZES Uma matrz de ordem m n é qualquer conunto de m. n elementos dspostos
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 maisClassificação de Padrões
Classfcação de Padrões Introdução Classfcadores Paramétrcos Classfcadores Sem-paramétrcos Redução da Dmensonaldade Teste de Sgnfcânca 6.345 Sstema de Reconhecmento de Voz Teora Acústca da Produção de Voz
Leia maisUNIVERSIDADE NOVA DE LISBOA Faculdade de Economia Análise de Dados e Probabilidade 2º Semestre 2008/2009 Teste Intermédio A. Grupo I (5 Valores)
1 UNIVERIDADE NOVA DE LIBOA Faculdade de Economa Análse de Dados e Probabldade º emestre 008/009 Teste Intermédo A Clara Costa Duarte Data: 01/04/009 Graça lva Duração: 1h Grupo I (5 Valores) uponha que
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 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 maisPROBABILIDADE - CONCEITOS BÁSICOS
ROBBILIDD - CONCITOS BÁSICOS xpermento leatóro é um expermento no qual: todos os possíves resultados são conhecdos; resulta num valor desconhecdo, dentre todos os resultados possíves; pode ser repetdo
Leia maisESCOLA DE APLICAÇÃO DR. ALFREDO JOSÉ BALBI UNITAU APOSTILA PROF. CARLINHOS MATRIZES NOME DO ALUNO: Nº TURMA: blog.portalpositivo.com.
ESCOL DE PLICÇÃO DR. LFREDO JOSÉ BLBI UNITU POSTIL MTRIZES PROF. CRLINHOS NOME DO LUNO: Nº TURM: blog.portalpostvo.com.br/captcar MTRIZES Uma matrz de ordem m x n é qualquer conunto de m. n elementos dspostos
Leia maisAnálise de Regressão Linear Múltipla VII
Análse de Regressão Lnear Múltpla VII Aula 1 Hej et al., 4 Seções 3. e 3.4 Hpótese Lnear Geral Seja y = + 1 x 1 + x +... + k x k +, = 1,,..., n. um modelo de regressão lnear múltpla, que pode ser escrto
Leia mais3 A técnica de computação intensiva Bootstrap
A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.
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 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 maisCap. 11 Correlação e Regressão
Estatístca para Cursos de Engenhara e Informátca Pedro Alberto Barbetta / Marcelo Menezes Res / Antono Cezar Borna São Paulo: Atlas, 2004 Cap. 11 Correlação e Regressão APOIO: Fundação de Apoo à Pesqusa
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 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 maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
Leia maisAnálise de Regressão
Análse de Regressão método estatístco que utlza relação entre duas ou mas varáves de modo que uma varável pode ser estmada (ou predta) a partr da outra ou das outras Neter, J. et al. Appled Lnear Statstcal
Leia mais2ª ACTIVIDADE ESCRITA DE MATEMÁTICA A 12.º C 2009 NOVEMBRO 20 Duração da prova: 45 minutos VERSÃO 1. Grupo I
ª ATIVIDADE ESRITA DE MATEMÁTIA A.º 009 NOVEMBRO 0 Duração da prova 4 mnutos VERSÃO Grupo I Para cada uma das três questões deste grupo, seleccone a resposta correcta de entre as alternatvas que lhe são
Leia maisINTRODUÇÃO À CALIBRAÇÃO MULTIVARIADA
INTRODUÇÃO À CALIBRAÇÃO MULTIVARIADA APLICAÇÃO NO CONTROLE DE QUALIDADE DE FÁRMACOS Prof. Dr. Marcelo Martns de Sena MÓDULO 04 Undade Unverstára de Cêncas Eatas e Tecnológcas UnUCET Anápols 1 MÓDULO 04
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 maisPRESSUPOSTOS DO MODELO DE REGRESSÃO
PREUPOTO DO MODELO DE REGREÃO A aplcação do modelo de regressão lnear múltpla (bem como da smples) pressupõe a verfcação de alguns pressupostos que condensamos segudamente.. Os erros E são varáves aleatóras
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 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 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 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 maisRegressão Múltipla. Parte I: Modelo Geral e Estimação
Regressão Múltpla Parte I: Modelo Geral e Estmação Regressão lnear múltpla Exemplos: Num estudo sobre a produtvdade de trabalhadores ( em aeronave, navos) o pesqusador deseja controlar o número desses
Leia maisFUNDAMENTOS DE INVESTIGAÇÃO OPERACIONAL. 2.º teste 21 de Maio de Duração: 1h:30. Resolução indicativa
INSIUO SUPERIOR ÉNIO LEGI (Lcencatura em Engenhara e Gestão Industral) FUNDAMENOS DE INVESIGAÇÃO OPERAIONAL 2.º teste 21 de Mao de 2016 Duração: 1h:30 Resolução ndcatva 1. Um estabelecmento de ensno superor
Leia maisAula Características dos sistemas de medição
Aula - Característcas dos sstemas de medção O comportamento funconal de um sstema de medção é descrto pelas suas característcas (parâmetros) operaconas e metrológcas. Aqu é defnda e analsada uma sére destes
Leia maisCORRELAÇÃO E REGRESSÃO
CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr
Leia maisF-128 Física Geral I. Aula Exploratória Cap. 3.
F-128 Físca Geral I ula Eploratóra Cap. 3 username@f.uncamp.br Soma de vetores usando componentes cartesanas Se, o vetor C será dado em componentes cartesanas por: C ( î ĵ)( î ĵ) ( )î ( )ĵ C C î C ĵ onde:
Leia maisXXVII Olimpíada Brasileira de Matemática GABARITO Primeira Fase
Soluções Nível Unverstáro XXVII Olmpíada Braslera de Matemátca GABARITO Prmera Fase SOLUÇÃO DO PROBLEMA : Pelo enuncado, temos f(x) = (x )(x + )(x c) = x 3 cx x + c, f'(x) = 3x cx, f '( ) = ( + c) e f
Leia maisAjuste de Curvas Regressão. Computação 2º Semestre 2016/2017
Ajuste de Curvas Regressão Computação 2º Semestre 2016/2017 Ajuste de Curvas Quando apenas sabemos alguns valores de uma função contínua e queremos estmar outros valores ntermédos Quando queremos obter
Leia mais{ } Matemática Prof.: Joaquim Rodrigues 1 NÚMEROS COMPLEXOS. Questão 06 Para que valor de x o número complexo + 8i é imaginário puro?
Matemátca Prof.: Joaqum Rodrgues NÚMEROS COMPLEXOS INTRODUÇÃO Questão 0 Resolver as equações: a x = 0 + S = {, } + 6 S = {, } x + S = { +, } 6x + 0 S = { +, } b x = 0 c x = 0 d x = 0 e x x + = 0 f x 8x
Leia maisReconhecimento Estatístico de Padrões
Reconhecmento Estatístco de Padrões X 3 O paradgma pode ser sumarzado da segunte forma: Cada padrão é representado por um vector de característcas x = x1 x2 x N (,,, ) x x1 x... x d 2 = X 1 X 2 Espaço
Leia mais2 Aproximação por curvas impĺıcitas e partição da unidade
Aproxmação por curvas mpĺıctas e partção da undade Este capítulo expõe alguns concetos báscos necessáros para o entendmento deste trabalho 1 Curvas Algébrcas Um subconjunto O R é chamado de uma curva mplícta
Leia maisIntrodução. Uma lâmpada nova é ligada e observa-se o tempo gasto até queimar. Resultados possíveis
Introdução A teora das probabldades é um ramo da matemátca que lda modelos de fenômenos aleatóros. Intmamente relaconado com a teora de probabldade está a Estatístca, que se preocupa com a cração de prncípos,
Leia maisMatemática A. Previsão 1. Duração do teste: 180 minutos º Ano de Escolaridade. Previsão Exame Nacional de Matemática A 2013
Prevsão Exame Naconal de Matemátca A 01 Prevsão 1 1ª fase Matemátca A Prevsão 1 Duração do teste: 180 mnutos 7.06.01 1.º Ano de Escolardade Resoluções em vídeo em www.explcamat.pt Prevsão de Exame págna1/8
Leia maisCAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA
CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de
Leia maisCONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues
CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogéro Rodrgues I) TABELA PRIMITIVA E DISTRIBUIÇÃO DE FREQÜÊNCIA : No processo de amostragem, a forma de regstro mas
Leia maisREGRESSÃO NÃO LINEAR 27/06/2017
7/06/07 REGRESSÃO NÃO LINEAR CUIABÁ, MT 07/ Os modelos de regressão não lnear dferencam-se dos modelos lneares, tanto smples como múltplos, pelo fato de suas varáves ndependentes não estarem separados
Leia mais4 Autovetores e autovalores de um operador hermiteano
T (ψ) j = ψ j ˆT ψ = k ψ j ˆT φ k S k = k,l ψ j φ l T (φ) S k = k,l φ l ψ j T (φ) S k = k,l SljT (φ) S k. Após todos esses passos vemos que T (ψ) j = k,l S jl T (φ) S k ou, em termos matrcas T (ψ) = S
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 maisRevisão de Férias MATEMÁTICA III SETOR SISTEMA DE ENSINO VETOR 1
Revsão de Féras MATEMÁTICA III SETOR 171 1. (Fuvest) Dentre os canddatos que fzeram provas de matemátca, português e nglês num concurso, 0 obtveram nota mínma para aprovação nas três dscplnas. Além dsso,
Leia maisRISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%
Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $
Leia maisALGORITMOS PARA DADOS AUMENTADOS
ALGORITMOS PARA DADOS AUMNTADOS. INTRODUÇÃO Dos algortmos baseados na consderação de dados latentes. Temos os dados efetvamente observados e de uma manera convenente aumentamos esses dados ntroduzndo os
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
Leia maisNÚMEROS COMPLEXOS (C)
Professor: Casso Kechalosk Mello Dscplna: Matemátca Aluno: N Turma: Data: NÚMEROS COMPLEXOS (C) Quando resolvemos a equação de º grau x² - 6x + = 0 procedemos da segunte forma: b b ± 4ac 6 ± 6 4 6 ± 6
Leia maisCAPÍTULO 2 - Estatística Descritiva
INF 16 Prof. Luz Alexandre Peternell CAPÍTULO - Estatístca Descrtva Exercícos Propostos 1) Consderando os dados amostras abaxo, calcular: méda artmétca, varânca, desvo padrão, erro padrão da méda e coefcente
Leia mais24/05/2018. Incrementar/Decrementar Laços de Repetição. Professor Ariel da Silva Dias Incrementar / Decrementar / Laço de Repetição
Incrementar/Decrementar Laços de Repetção Professor Arel da Slva Das Incrementar / Decrementar / Laço de Repetção 1 Quando fazemos: Quando fazemos: nt a = 1; nt b = 2; Dzemos que: a varável a vale 1 e
Leia maisTESTES DE CONTROLO Teste 6
TESTES DE CNTRL Teste 6 GRUP I Na resposta a cada um dos cnco tens deste grupo selecona a únca opção correta. Escreve na tua fola de respostas apenas o número de cada tem e a letra que dentfca a únca opção
Leia maisUM PROBLEMA ECONOMÉTRICO NO USO DE VARIÁVEIS CLIMÁTICAS EM FUNÇÕES DE PRODUÇÃO AJUSTADAS A DADOS EXPERIMENTAIS
UM PROBLEMA ECONOMÉTRICO NO USO DE VARIÁVEIS CLIMÁTICAS EM FUNÇÕES DE PRODUÇÃO AJUSTADAS A DADOS EXPERIMENTAIS Rodolfo Hoffmann * Vctor Hugo da Fonseca Porto ** SINOPSE Neste trabalho deduz-se qual é o
Leia maisRegressão Linear Simples by Estevam Martins
Regressão Lnear Smples by Estevam Martns stvm@uol.com.br "O únco lugar onde o sucesso vem antes do trabalho, é no dconáro" Albert Ensten Introdução Mutos estudos estatístcos têm como objetvo estabelecer
Leia maisEscola Secundária com 3º ciclo D. Dinis 10º Ano de Matemática A Estatística
Escola Secundára com º cclo D. Dns 10º Ano de Matemátca A Estatístca Trabalho de casa nº 15 GRUPO I 1. Num referencal o.n. Oxyz, a undade é o cm e a esfera defnda por ( ) ( ) está nscrta num cubo. O volume
Leia maisRepresentação e Descrição de Regiões
Depos de uma magem ter sdo segmentada em regões é necessáro representar e descrever cada regão para posteror processamento A escolha da representação de uma regão envolve a escolha dos elementos que são
Leia maisDELINEAMENTOS EXPERIMENTAIS
SUMÁRIO 1 Delneamentos Expermentas 2 1.1 Delneamento Interamente Casualzado..................... 2 1.2 Delneamento Blocos Casualzados (DBC).................... 3 1.3 Delneamento Quadrado Latno (DQL)......................
Leia maisX = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)
Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado
Leia maisClassificação e Pesquisa de Dados
Classcação por Trocas Classcação e Pesqusa de Dados Aula 05 Classcação de dados por Troca:, ntrodução ao Qucksort UFRGS INF01124 Classcação por comparação entre pares de chaves, trocando-as de posção caso
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 maisFaculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu
1 Programação Não Lnear com Restrções Aula 9: Programação Não-Lnear - Funções de Váras Varáves com Restrções Ponto Regular; Introdução aos Multplcadores de Lagrange; Multplcadores de Lagrange e Condções
Leia maisNeste capítulo abordam-se os principais conceitos relacionados com os cálculos de estatísticas, histogramas e correlação entre imagens digitais.
1 1Imagem Dgtal: Estatístcas INTRODUÇÃO Neste capítulo abordam-se os prncpas concetos relaconados com os cálculos de estatístcas, hstogramas e correlação entre magens dgtas. 4.1. VALOR MÉDIO, VARIÂNCIA,
Leia maisNome: Nº: Estatística para Economia e Gestão Licenciaturas em Economia e Gestão. 2.º Semestre de 2008/2009
Estatístca para Economa e Gestão Lcencaturas em Economa e Gestão.º Semestre de 008/009 Exame Fnal (.ª Época) 16 de Junho de 009; 17h30m Duração: 10 mnutos INSTRUÇÕES Escreva o nome e número de aluno em
Leia maisOs modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.
MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,
Leia maisAnálise Exploratória de Dados
Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: obter uma reta que se ajuste aos dados segundo o crtéro de mínmos quadrados; apresentar outros crtéros para a determnação de uma
Leia maisParte 1: Exercícios Teóricos
Cálculo Numérco SME0300 ICMC-USP Lsta 2: Sstemas Lneares Métodos Dretos Professora: Cyntha de O. Lage Ferrera Parte 1: Exercícos Teórcos 1. Consdere o sstema Ax = b, onde 1 α 3 α 1 4 ; x = 5 2 1 Para que
Leia maisAvaliação do Modelo. Avaliação de Modelos. Métricas para avaliação de desempenho. Métricas para avaliação de desempenho 31/05/2017
3/05/07 Avalação do Modelo Avalação de Modelos Métrcas para avalação de desempenho Como avalar o desempenho do modelo? Métodos para avalação de desempenho Como obter estmatvas confáves? Métodos para comparação
Leia maisUNIVERSIDADE DE PERNAMBUCO. Física Experimental. Prof o José Wilson Vieira
UNIVERSIDADE DE PERNAMBUCO ESCOLA POLITÉCNICA DE PERNAMBUCO Físca Expermental Prof o José Wlson Vera wlson.vera@upe.br AULA 01: PROCESSOS DE ANÁLISE GRÁFICA E NUMÉRICA MODELO LINEAR Recfe, agosto de 2015
Leia maisQ 1-1,5(Q3-Q1) < X i < Q 3 + 1,5(Q 3 -Q 1 ) Q 3 +1,5(Q 3 -Q 1 ) < X i < Q 3 +3(Q 3 -Q 1 ) Q 1 3(Q 3 -Q 1 ) < X i < Q 1 1,5(Q 3 -Q 1 )
DIGRM OX-PLOT E CRCTERIZÇÃO DE OUTLIERS E VLORES EXTREMOS Outlers e valores extremos são aqueles que estão muto afastados do centro da dstrbução. Uma forma de caracterzá-los é através do desenho esquemátco
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 maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisNº de pedidos: (n = 26) 5 ; 7 ; 8 ; 7 ; 6 ; 7 ; 8 ; 10 ; 6 ; 8 ; 7 ; 8 ; 7 ; 7 ; 8 ; 5 ; 6 ; 8 ; 7 ; 6 ; 7 ; 5 ; 6 ; 8 ; 7 ; 6
EXEMPLOS ADICIONAIS DA ENGENHARIA ELÉTRICA 1)Suponha que a probabldade de que um engenhero elétrco utlze estatístca em seu exercíco profssonal seja 0,20 Se durante a vda profssonal, um engenhero tver cnco
Leia maisEXEMPLOS DO CURSO DE ESTATÍSTICA ENGENHARIA DE MATERIAIS
EEMPLOS DO CURSO DE ESTATÍSTICA ENGENHARIA DE MATERIAIS Exemplo: Peso de 25 bolos ndustras Forma bruta: Dsposção ordenada 266 267 266 26 22 255 266 26 272 22 260 272 25 262 23 25 266 270 274 22 2 270 20
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 maisOrientação a Objetos - Programação em C++
OO- Engenharia Eletrônica Orientação a Objetos - Programação em C++ Slides 17: Programação Visual ou Orientada a Objetos Gráficos (Formulários, Botões, Caixas de Texto etc) Exemplificado em Borland C++
Leia mais1. CORRELAÇÃO E REGRESSÃO LINEAR
1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação
Leia maisAnálise Exploratória de Dados
Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: traçar dagramas de dspersão, para avalar possíves relações entre as duas varáves; calcular o coefcente de correlação entre as duas
Leia mais6 Análises de probabilidade de ruptura de um talude
6 Análses de probabldade de ruptura de um talude 6.. Introdução No presente capítulo, apresentam-se prevsões de probabldades de ruptura para o talude de jusante da Barragem de Benguê mostrada na fgura
Leia maisD = POLINÔMIO INTERPOLADOR DE NEWTON 1) DIFERENÇAS DIVIDIDAS 1.1) DIFERENÇAS DIVIDIDAS ORDINÁRIAS (D) Sejam n+1 pontos de uma função y = f(x):
POLINÔMIO INTERPOLAOR E NEWTON ) IFERENÇAS IVIIAS.) IFERENÇAS IVIIAS ORINÁRIAS () Sejam n pontos de uma função f():... n f( )... n - ferença dvdda de ordem zero: n n M - ferença dvdda de ordem um: M M
Leia mais5.10 Redes malhadas (Hardy-Cross) Zona de uma cidade, com 8x8= 64 quarteirões, na qual devemos implantar rede malhada.
5.10 Redes malhadas (Hardy-Cross) Zona de uma cdade, com 8x8= 64 quarterões, na qual devemos mplantar rede malhada. Lançamento de um anel de dstrbução...(crtéros de lançamento do traçado) A efnção do ponto
Leia maisDados ajustáveis a uma linha recta
Capítulo VI juste dos Mínmos Quadrados Dados ajustáves a uma lnha recta Determnação das constantes e B Incerteza nas meddas de Incerteza na determnação de e B juste dos mínmos quadrados a outras curvas:
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 maisMETOLOGIA. 1. Histórico
METOLOGIA A Sondagem da Construção Cvl do RS é uma sondagem de opnão empresaral realzada mensalmente e fo crada pela Confederação Naconal da Indústra (CNI) com o apoo da Câmara Braslera da Indústra da
Leia maisO problema da superdispersão na análise de dados de contagens
O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão
Leia maisPalavras-Chave: Métodos Interativos da Potência e Inverso, Sistemas Lineares, Autovetores e Autovalores.
MSc leandre Estáco Féo ssocação Educaconal Dom Bosco - Faculdade de Engenhara de Resende Caa Postal 8.698/87 - CEP 75-97 - Resende - RJ Brasl Professor e Doutorando de Engenhara aefeo@yahoo.com.br Resumo
Leia mais2ª Atividade Formativa UC ECS
I. Explque quando é que a méda conduz a melhores resultados que a medana. Dê um exemplo para a melhor utlzação de cada uma das meddas de localzação (Exame 01/09/2009). II. Suponha que um professor fez
Leia maisJogos. Jogos. Jogo. Jogo. Óptimo alvo investigação
Jogos Óptmo alvo nvestgação O seu estado é fácl de representar; As acções são bem defndas e o seu número lmtado; A presença de oponentes ntroduz ncerteza tornando o problema de decsão mas complcado. Estamos
Leia maisModelo linear clássico com erros heterocedásticos. O método de mínimos quadrados ponderados
Modelo lnear clássco com erros heterocedástcos O método de mínmos quadrados ponderados 1 Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal
Leia mais6 Modelo Proposto Introdução
6 Modelo Proposto 6.1. Introdução Neste capítulo serão apresentados detalhes do modelo proposto nesta dssertação de mestrado, onde será utlzado um modelo híbrdo para se obter prevsão de carga curto prazo
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 maisCap. IV Análise estatística de incertezas aleatórias
TLF 010/11 Cap. IV Análse estatístca de ncertezas aleatóras Capítulo IV Análse estatístca de ncertezas aleatóras 4.1. Méda 43 4.. Desvo padrão 44 4.3. Sgnfcado do desvo padrão 46 4.4. Desvo padrão da méda
Leia mais