Processamento de Sinal
|
|
- Anderson Canejo
- 4 Há anos
- Visualizações:
Transcrição
1 APSI - Processamento de Snal Processamento de Snal Concetos, Métodos e Aplcações Texto Tutoral da Dscplna: APSI - LEEC J.P. Marques de Sá msa@fe.up.pt Faculdade de Engenhara da Unversdade do Porto J.P. Marques de Sá
2 APSI - Processamento de Snal Índce 4 Estmação Espectral Análse de Fourer usando a DFT Efeto da anela Efeto da amostragem espectral Aplcação da Análse de Fourer Análse de Fourer de Snas Estocástcos Estaconáros O Perodograma Método de Welch Análse Espectral por Identfcação de Sstemas Formulação do Problema Predção Lnear Aplcações de Predção Lnear... 6
3 APSI - Processamento de Snal 3 4 Estmação Espectral 4. Análse de Fourer usando a DFT x(n) x v(n) DFT V(k) w(n) Fgura 4.. Esquema básco da estmação espectral. N V ( k) = n= v( n) e (π / N ) kn, k [, N ] V ( k) = V ( e ω ) ω = k(π / N ) Efetos da anela e da amostragem; estudo em snas snusodas (Oppenhem, Schaffer, 999) Sea: Logo: x ( n) = a cos( wn + θ ) + a cos( wn + θ) v ( n) = aw( n) cos( wn + θ ) + aw( n) cos( wn + θ)
4 APSI - Processamento de Snal 4 θ { ( ) ( )} { ( ) ( )} θ a θ θ e W ω ω + e W ω + ω + e W ω ω + e W ω + ω a V ω) = O espectro consste em 4 réplcas do espectro da anela stuadas em ±ω e ±ω. 4.. Efeto da anela ( Caso da anela rectangular (tudo se passa como se não houvesse anela): Menor lobo prncpal para um certo comprmento Maores lobos lateras entre todas as anelas Exemplo: N = 64. DFT calculada com M = 56 por forma a ter resolução razoável. W(w) Fgura 4.. Ampltude espectral da anela rectangular de comprmento N = 64, mostrando o fenómeno de Gbbs.
5 APSI - Processamento de Snal 5 Fenómeno de Gbbs Efeto de repasse espectral a 35 V(w) V(w) b 35 V(w) V(w) c d Fgura 4.3. Ilustração do repasse espectral para frequêncas: a) ω =π/6, ω =π/3; b) ω =π/4, ω =4π/5; c) ω =π/4, ω =π/; d) ω =π/4, ω =π/5.
6 APSI - Processamento de Snal 6 Notar, devdo ao efeto de repasse: Perda de resolução espectral Dstorção em ampltude Remédo: usar anela adequada, p. ex. de Kaser 4n I β ) / I ( β ) ( L ) L, comprmento da anela, controla a largura do lobo prncpal β controla ampltude dos lobos lateras (β = para anela rectangular) Sea: A sl a razão em db da ampltude do lobo prncpal face ao maor lobo lateral. ml a largura do lobo prncpal, dada pela dstânca entre os cruzamentos por zero centras. Então os parâmetros da anela de Kaser calculam-se da segunte forma:, β =.7669( Asl.438( A 3.6) sl + 6.3), ( A sl 3.6), A sl 3.6 < A 6 A 3.6 sl sl < 6 < L 4π ( A sl 55 + ) ml + Notar a relação nversa de A sl e ml em L.
7 APSI - Processamento de Snal 7 Exemplo: Determnar a anela de Kaser para a stuação ω = π/4, ω = π/8 do exemplo anteror, por forma a obter um lobo prncpal de ml =.3. Comparar com a anela rectangular. ml =.3 e N = 64 A sl = 7 db e β = W(w) V(w) W(w) 5 V(w) Fgura 4.4. Ampltude espectral da anela e do snal, usando anela rectangular (em cma) e de Kaser (em baxo).
8 APSI - Processamento de Snal Efeto da amostragem espectral Localzação de pcos π/n submúltplo das respectvas frequêncas. Aumento da resolução nas frequêncas aumentar N, adconando zeros a) V(w) (N=64) b) V(w) (N=64) Fgura 4.5. Influênca de N na localzação de pcos: ampltude espectral com N=64 e anela rectangular para: a) ω =π/5, ω =π/7; b) ω =π/6, ω =π/8.
9 APSI - Processamento de Snal c) V(w) (N=64) d) V(w) (N=56) Fgura 4.6. Influênca de N na resolução em frequênca: ampltude espectral para ω =π/6, ω =π/8 e anela de Kaser para: a) N=64; b) N=56.
10 APSI - Processamento de Snal 4..3 Aplcação da Análse de Fourer Vamos lustrar com um exemplo da análse espectral de ECGs alguns problemas que se levantam. 7 6 R T P T Q S Fgura 4.7. Segmento de 7 amostras de um ECG amostrado a 5 Hz.
11 APSI - Processamento de Snal Fgura 4.8. À esquerda o espectro do ECG, usando anela rectangular e 4 pontos; à dreta o espectro do ECG com subtracção préva da méda (usando anela rectangular e 4 pontos).
12 APSI - Processamento de Snal Fgura 4.9. À esquerda o espectro do ECG com subtracção préva da méda(usando anela de Kaser, kaser(7,4) e 4 pontos); à dreta o espectro, obtdo nas condções anterores, para o segmento contendo apenas as ondas P e T.
13 APSI - Processamento de Snal 3 7 x Fgura 4.. Espectro, obtdo nas condções anterores, para o segmento QRS. Note-se a presença de componentes de maor frequênca.
14 APSI - Processamento de Snal Análse de Fourer de Snas Estocástcos Estaconáros O Perodograma Suponhamos que a anela w(n) seleccona um comprmento fnto do snal com L amostras: V ( ω ) L = n= w( n) x( n) e ωn, onde x(n) é uma realzação do processo estaconáro x(n) O perodograma é a estmatva do espectro de potênca dada por: S ˆ( ω) = V ( ω), LU para uma anela rectangular; quando a anela não é rectangular chama-se perodograma modfcado. U é um factor de normalzação que compensa o vés da estmatva. Mostra-se que: Sˆ( ω ) = LU L cvv m= ( L ) ( m) e ωm com c ( ) vv m n= L = x( n) w( n) x( n + m) w( n + m), autocorrelação de um segmento fnto de x(n)w(n).
15 APSI - Processamento de Snal 5 Ao calcular S ˆ ( ω) a componente dc pode domnar e obscurecer o espectro. É, por sso, geralmente convenente subtrar prevamente a estmatva da méda. Mostra-se que (ver Oppenhem, Schafer, 999): ˆ π ( ω θ S( θ ) S ww ( e ) ) πlu π - Ε[ S( ω) ] = dθ ; S ww ( ω) = W ( ω) Logo, exste um vés causado pela anela. Para L crescente S ww tende para um trem de mpulsos peródcos e aproxmamo-nos cada vez mas de S(w), desde que se escolha U tal que: π L L W ( ω) dω = w ( n) = U = w ( n) πlu LU L π n= n= Para a anela rectangular, U=, logo: ˆ S ( ω ) = V ( ω) / L. Sˆ(! - var[ ω) ] S ( ω) Logo o perodograma não é um estmador consstente (varânca não tende para zero com L crescente).
16 APSI - Processamento de Snal 6 Exemplo: x(n) é o gerador de números aleatóros com dstrbução unforme em [-,[. É usada uma realzação de x(n) com amostras Fgura 4.. Perodogramas para o gerador de números aleatóros, calculado para L=6, 64, 8, 56 e 5 usando fft com N=4.
17 APSI - Processamento de Snal 7 Notar que: Para m próxmo de L número pequeno de amostras usadas na autocorrelação grande varabldade no cálculo da autocorrelação em valores adacentes grande varabldade nas estmatvas do perodograma em todas as frequêncas. Para N = L as amostras do perodograma tornam-se não correlaconadas Método de Welch Trata-se de obter médas de perodogramas modfcados. Dvde-se a sequênca x(n) em K segmentos com uma anela de comprmento L: x r ( n) = x( rr + n) w( n); n L, r K Os segmentos podem ser contíguos (R = L) ou não (R < L). O perodograma do segmento r, é: S ˆ r ( ω) = LU V r ( ω) O perodograma médo é: S ( ω ) = K K Sˆ r r= ( ω)
18 APSI - Processamento de Snal 8 Mostra-se que (supondo e perodogramas S r dentcamente e ndependentemente dstrbuídos): O vés é semelhante ao do perodograma usual. A varânca é nversamente proporconal ao número de segmentos. Se R=L/ a varânca sofre uma redução (máxma) por um factor de A fm de evtar problemas de repasse e de dependênca nter-segmento é convenente usar uma anela não-rectangular. Exemplos: a) Sequênca aleatóra anteror. Matlab: psd(x,5,,hannng(56),8) Fgura 4.. Perodograma de Welch para a sequênca de números aleatóros com dstrbução unforme.
19 APSI - Processamento de Snal 9 b) Realzação com amostras de um processo estocástco de ª ordem (ver Capítulo 3). y ( n) ay( n ) = x( n); a =.8 S yy ( ω ) = a cosω + a Matlab: psd(y,5,,hannng(56),8) Fgura 4.3. Perodograma de Welch para uma realzação do processo estocástco de ª ordem (a=.8). A vermelho, a curva teórca.
20 APSI - Processamento de Snal c) Detecção de componentes harmóncos em snas aparentemente estocástcos. EEG amostrado a 8 Hz Fgura 4.4. Um snal EEG de vglânca (537 amostras), aparentemente estocástco Fgura 4.5. Perodograma de Welch do snal anteror com detrendng lnear (Matlab: psd(x, 5, 8, hannng(56), 8, 'lnear')). São vsíves quatro bandas de actvdade.
21 APSI - Processamento de Snal 4 Power Spectrum Magntude (db) Frequency Fgura 4.6. Perodograma anteror em db mostrando o ntervalo de confança de 95% da estmatva.
22 APSI - Processamento de Snal 4. Análse Espectral por Identfcação de Sstemas 4.. Formulação do Problema Identfcação de um sstema cua resposta é uma boa aproxmação do snal, s(n). A característca nas frequêncas do sstema é o espectro deseado. Caso de partcular nteresse: SLIT: = = + = ) ˆ( M N z a z b z S Logo, neste caso, o snal é estmado por uma predção lnear a partr da entrada, u(n), presente e passada e da saída passada: = = + = ) ( ) ( ) ˆ( M N n u b n s a n s
23 APSI - Processamento de Snal 3 A resposta consdera-se para uma entrada de espectro untáro: Impulso de Drac, no caso de snas determnístcos Ruído branco, no caso de snas estocástcos 4.. Predção Lnear Vamos consderar apenas sstemas AR (só pólos): sˆ ( n) = p = a s( n ) p = M é a ordem do sstema. Estmamos os parâmetros a pelo MMQ. Snal determnístco: com mn E = e ( n) e( n) = s( n) sˆ( n) = s( n) + n p = a s( n )
24 APSI - Processamento de Snal 4 Obtém-se as equações normas: = = = n p n n s n s n s n s a a E ) ( ) ( ) ( ) ( para p O ntervalo em que calculamos os erros da aproxmação (.e. o ntervalo de n), determna duas abordagens dstntas. Método da autocorrelação, assume a mnmzação em < < n : ) ( ) ( r r a p = = com = + = n n s n s r ) ( ) ( ) ( A matrz dos R() é smétrca Toepltz (todos os elementos de qualquer uma dagonal, são guas). Na prátca o snal é conhecdo apenas num ntervalo fnto pelo que se multplca o snal por uma anela adequada em antes de calcular R(). Método da covarânca, assume a mnmzação em N n : p a ϕ ϕ = = com = = ) ( ) ( N n n s n s ϕ A matrz das covarâncas ϕ é smétrca mas não Toepltz. Exstem algortmos específcos para resolução das equações normas.
25 APSI - Processamento de Snal 5 Snal estocástco: Logo, as equações normas são: Duas stuações: p = a Ε mn E = Ε e ( n) n [ s( n ) s( n ) ] = Ε[ s( n) s( n ) ] Processo estaconáro: Ε [ s( n ) s( n ) ] = R( ) Resultados dêntcos aos da autocorrelação de snas determnístcos, podendo-se substtur médas de conuntos por médas temporas se o processo for ergódco. Processo não-estaconáro: Ε [ s( n ) s( n ) ] = R( n, n ) Para detalhes sobre este caso ver p. ex. (Makhoul, 975). Notar que a modelzação AR é a mas popular porque: A modelzação MA é de cálculo mas dfícl que a AR A modelzação ARMA é não-determnístca Na prátca podemos obter aproxmações AR arbtraramente boas (aproxmação de zero por número elevado de pólos).
26 APSI - Processamento de Snal Aplcações de Predção Lnear a) Modelzação espectral de snas determnístcos Formantes de sons vocalzados, amostrados a f s = 63 Hz (6 amostras). Matlab: a = arcov(x,5); [h,f] = freqz(,a,5,63); plot(f,abs(h)) Fgura 4.7. Espectro para a vogal 'a', obtdo por modelzação AR de ordem 5.
27 APSI - Processamento de Snal Fgura 4.8. Espectro para a vogal 'e', obtdo por modelzação AR de ordem
28 APSI - Processamento de Snal 8 b) Modelzação de snas determnístcos Modelzação de complexos QRS de ECG, com vsta a classfcação usando os coefcentes LPC. Complexo Espectro + Coefcentes [ ] [ ]
29 APSI - Processamento de Snal [ ] Fgura 4.9. Espectros e coefcentes obtdos por predção lnear (rotna lpc do Matlab) para três tpos dferentes de complexos de ondas QRS do ECG (regão a amarelo). Ordem do modelo: p = 9. c) Modelzação espectral de snas estocástcos Exemplo do EEG (ver Capítulo ). Métodos e condções: Modelzação por covarânca (rotna arcov do Matlab). A modelzação por autocorrelação também é acetável se for legítmo assumr pequenos desvos da estaconardade. Ordem do predtor: p = 7 A escolha da ordem do modelo é mportante e não trval. Lmtamo-nos aqu a ndcar um crtéro de escolha (Akake).
30 APSI - Processamento de Snal 3 Obtenção da resposta em frequênca usando a rotna freqz do Matlab. Magntude (db) Normalzed Angular Frequency ( π rads/sample) Phase (degrees) Normalzed Angular Frequency ( π rads/sample) Fgura 4.. Espectro para o EEG de vglânca, obtdo por modelzação AR de ordem 7. Notar as componentes de frequênca elevadas, perto de.8*8 = 3 Hz, na banda beta.
31 APSI - Processamento de Snal 3 5 Magntude (db) Normalzed Angular Frequency ( π rads/sample) Phase (degrees) Normalzed Angular Frequency ( π rads/sample) Fgura 4.. Espectro para o EEG de sono, obtdo por modelzação AR de ordem 7. Notar que só exstem componentes de baxa frequênca, abaxo de.7*8 = 9 Hz, nas bandas delta e teta.
PROVA 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 maisModelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados
Modelo lnear normal com erros heterocedástcos O método de mínmos quadrados ponderados Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal
Leia 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 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 maisMODELOS DE REGRESSÃO PARAMÉTRICOS
MODELOS DE REGRESSÃO PARAMÉTRICOS Às vezes é de nteresse nclur na análse, característcas dos ndvíduos que podem estar relaconadas com o tempo de vda. Estudo de nsufcênca renal: verfcar qual o efeto da
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 mais2 Incerteza de medição
2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr
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 maisDIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS
DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS 1 A análse de dagnóstco (ou dagnóstco do ajuste) confgura uma etapa fundamental no ajuste de modelos de regressão. O objetvo prncpal da análse de dagnóstco
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 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 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 mais5 Implementação Procedimento de segmentação
5 Implementação O capítulo segunte apresenta uma batera de expermentos prátcos realzados com o objetvo de valdar o método proposto neste trabalho. O método envolve, contudo, alguns passos que podem ser
Leia maisAo se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.
Estatístca Dscplna de Estatístca 0/ Curso de Admnstração em Gestão Públca Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos uns dos
Leia maisMódulo I Ondas Planas. Reflexão e Transmissão com incidência normal Reflexão e Transmissão com incidência oblíqua
Módulo I Ondas Planas Reflexão e Transmssão com ncdênca normal Reflexão e Transmssão com ncdênca oblíqua Equações de Maxwell Teorema de Poyntng Reflexão e Transmssão com ncdênca normal Temos consderado
Leia maisPrograma do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall
Sstemas Intelgentes Aplcados Carlos Hall Programa do Curso Lmpeza/Integração de Dados Transformação de Dados Dscretzação de Varáves Contínuas Transformação de Varáves Dscretas em Contínuas Transformação
Leia 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 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 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 maisAo se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.
Estatístca Dscplna de Estatístca 0/ Curso Superor de tecnólogo em Gestão Ambental Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos
Leia 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 maisRealimentação negativa em ampliadores
Realmentação negatva em ampladores 1 Introdução necessdade de amplfcadores com ganho estável em undades repetdoras em lnhas telefôncas levou o Eng. Harold Black à cração da técnca denomnada realmentação
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 maisCIRCUITO LINEAR Um circuito linear é aquele que obedece ao princípio da sobreposição:
. Crcutos não lneares.. Introdução... Defnção de crcuto lnear CIRCUITO LINEAR Um crcuto lnear é aquele que obedece ao prncípo da sobreposção: y f (x) Se x for a entrada do crcuto e y a saída Consderando
Leia maisAnálise de influência
Análse de nfluênca Dzemos que uma observação é nfluente caso ela altere, de forma substancal, alguma propredade do modelo ajustado (como as estmatvas dos parâmetros, seus erros padrões, valores ajustados...).
Leia maisModelação, Identificação e Controlo Digital
Modelação, Identfcação e Controlo Dgtal 1-Aspectos Geras 1 Modelação, Identfcação e Controlo Dgtal Elaborado por J. Mranda Lemos Professor Catedrátco do IST, 2002 Revsto por A. Bernardno Professor Auxlar
Leia maisESTATÍSTICA APLICADA II ANO LECTIVO 2011/2012. Exame Final 26 de Julho de 2012
ETATÍTICA APLICADA II ANO LECTIVO / Exame Fnal 6 de Julho de Duração : H 3 M Nota: Responder um grupo por folha (utlze frente e verso de cada folha) Em todas as questões apresentar os cálculos efectuados
Leia maisGráficos de Controle para Processos Autocorrelacionados
Gráfcos de Controle para Processos Autocorrelaconados Gráfco de controle de Shewhart: observações ndependentes e normalmente dstrbuídas. Shewhart ao crar os gráfcos de controle não exgu que os dados fossem
Leia mais2 - Análise de circuitos em corrente contínua
- Análse de crcutos em corrente contínua.-corrente eléctrca.-le de Ohm.3-Sentdos da corrente: real e convenconal.4-fontes ndependentes e fontes dependentes.5-assocação de resstêncas; Dvsores de tensão;
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 mais1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de
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 maisCurso 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 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 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 maisVariação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.
Aplcação Por exemplo, se prepararmos uma área expermental com todo cudado possível e fzermos, manualmente, o planto de 100 sementes seleconadas de um mlho híbrdo, cudando para que as sementes fquem na
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 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 mais2 Reconhecimento Automático de Locutor em Ambientes Ruidosos
2 Reconhecmento Automátco de Locutor em Ambentes Rudosos Neste capítulo são apresentadas, de forma resumda, as técncas de classfcação e de extração de atrbutos mas usadas recentemente para aplcações de
Leia mais3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas
3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas
Leia mais3 Método Numérico. 3.1 Discretização da Equação Diferencial
3 Método Numérco O presente capítulo apresenta a dscretação da equação dferencal para o campo de pressão e a ntegração numérca da expressão obtda anterormente para a Vscosdade Newtonana Equvalente possbltando
Leia maisVibrações Aleatórias Dinâmica Estocástica
Vbrações leatóras Dnâmca Estocástca pontamentos da Dscplna de Dnâmca e Engenhara Sísmca Mestrado em Engenhara de Estruturas Insttuto Superor Técnco João J. R. T. de zevedo 996 ÍNDICE Pág. - Introdução.
Leia maisCURSO A DISTÂNCIA DE GEOESTATÍSTICA
CURSO A DISTÂNCIA DE GEOESTATÍSTICA Aula 6: Estaconardade e Semvarânca: Estaconardade de a. ordem, Hpótese ntríseca, Hpótese de krgagem unversal, Crtéros para escolha, Verfcação, Representatvdade espacal,
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 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 mais1º Exame de Mecânica Aplicada II
1º Exame de Mecânca Aplcada II Este exame é consttuído por 4 perguntas e tem a duração de três horas. Justfque convenentemente todas as respostas apresentando cálculos ntermédos. Responda a cada pergunta
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 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 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 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 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 mais2 Análise de Campos Modais em Guias de Onda Arbitrários
Análse de Campos Modas em Guas de Onda Arbtráros Neste capítulo serão analsados os campos modas em guas de onda de seção arbtrára. A seção transversal do gua é apromada por um polígono conveo descrto por
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 maisCapítulo 1. Exercício 5. Capítulo 2 Exercício
UNIVERSIDADE FEDERAL DE GOIÁS CIÊNCIAS ECONÔMICAS ECONOMETRIA (04-II) PRIMEIRA LISTA DE EXERCÍCIOS Exercícos do Gujarat Exercíco 5 Capítulo Capítulo Exercíco 3 4 5 7 0 5 Capítulo 3 As duas prmeras demonstrações
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 maisCapítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES
Capítulo. Aproxmações numércas 1D em malhas unformes 9 Capítulo. AROXIMAÇÕS NUMÉRICAS 1D M MALHAS UNIFORMS O prncípo fundamental do método das dferenças fntas (MDF é aproxmar através de expressões algébrcas
Leia maisAULA 4. Segundo Quartil ( Q observações são menores que ele e 50% são maiores.
Estatístca Aplcada à Engenhara AULA 4 UNAMA - Unversdade da Amazôna.8 MEDIDA EPARATRIZE ão valores que separam o rol (os dados ordenados) em quatro (quarts), dez (decs) ou em cem (percents) partes guas.
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 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 mais7 - Distribuição de Freqüências
7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste
Leia maisTABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS
TABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS Varável Qualquer característca assocada a uma população Classfcação de varáves Qualtatva { Nomnal sexo, cor dos olhos Ordnal Classe
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 maisVariáveis Aleatórias
Unversdade Federal do Pará Insttuto de Tecnologa Estatístca Aplcada I Prof. Dr. Jorge Teóflo de Barros Lopes Campus de Belém Curso de Engenhara Mecânca /08/06 7:39 ESTATÍSTICA APLICADA I - Teora das Probabldades
Leia mais5 Formulação para Problemas de Potencial
48 Formulação para Problemas de Potencal O prncpal objetvo do presente capítulo é valdar a função de tensão do tpo Westergaard obtda para uma trnca com abertura polnomal (como mostrado na Fgura 9a) quando
Leia mais3. Um protão move-se numa órbita circular de raio 14 cm quando se encontra. b) Qual o valor da velocidade linear e da frequência ciclotrónica do
Electromagnetsmo e Óptca Prmero Semestre 007 Sére. O campo magnétco numa dada regão do espaço é dado por B = 4 e x + e y (Tesla. Um electrão (q e =.6 0 9 C entra nesta regão com velocdade v = e x + 3 e
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 maisUniversidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Classificadores Lineares. Luiz Eduardo S. Oliveira, Ph.D.
Unversdade Federal do Paraná Departamento de Informátca Reconhecmento de Padrões Classfcadores Lneares Luz Eduardo S. Olvera, Ph.D. http://lesolvera.net Objetvos Introduzr os o conceto de classfcação lnear.
Leia maisFiltros são dispositivos seletivos em freqüência usados para limitar o espectro de um sinal a um determinado intervalo de freqüências.
1 Fltros são dspostvos seletvos em freqüênca usados para lmtar o espectro de um snal a um determnado ntervalo de freqüêncas. A resposta em freqüênca de um fltro é caracterzada por uma faxa de passagem
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 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 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 mais5 Validação dos Elementos
5 Valdação dos Elementos Para valdar os elementos fntos baseados nas Wavelets de Daubeches e nas Interpolets de Deslaurers-Dubuc, foram formulados dversos exemplos de análse lnear estátca, bem como o cálculo
Leia mais2 Principio do Trabalho Virtual (PTV)
Prncpo do Trabalho rtual (PT)..Contnuo com mcroestrutura Na teora que leva em consderação a mcroestrutura do materal, cada partícula anda é representada por um ponto P, conforme Fgura. Porém suas propredades
Leia maisDIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS
177 DIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS Antôno Carlos da Slva Flho Un-FACEF Introdução Trend Strps (TS) são uma nova técnca de análse da dnâmca de um sstema,
Leia maisAnálise de faltas balanceadas e não-balanceadas utilizando Z bar. 1. Análise de falta balanceada usando a matriz de impedância de barra (Z bar )
Análse de altas balanceadas e não-balanceadas utlzando. Análse de alta balanceada usando a matrz de mpedânca de ra ( ) Aqu será eta uma análse de cálculo de curto-crcuto trásco (alta balanceada), utlzando
Leia maisRadiação Térmica Processos, Propriedades e Troca de Radiação entre Superfícies (Parte 2)
Radação Térmca Processos, Propredades e Troca de Radação entre Superfíces (Parte ) Obetvo: calcular a troca por radação entre duas ou mas superfíces. Essa troca depende das geometras e orentações das superfíces,
Leia maisIntrodução a Processos Estocásticos:Exercícios
lvroexerccos 2017/3/19 11:24 page #1 Introdução a Processos Estocástcos:Exercícos Luz Antono Baccalá Escola Poltécnca da USP Departamento de Engenhara de Telecomuncações e Controle 2016 lvroexerccos 2017/3/19
Leia maisUMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EATAS DEPARTAMENTO DE ESTATÍSTICA UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
Leia maisR X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais
30 Varáves aleatóras bdmensonas Sea ε uma experênca aleatóra e S um espaço amostral assocado a essa experênca. Seam X X(s) e Y Y(s) duas funções cada uma assocando um número real a cada resultado s S.
Leia 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 maisO que heterocedasticidade? Heterocedasticidade. Por que se preocupar com heterocedasticidade? Exemplo de heterocedasticidade.
Heterocedastcdade y = β 0 + β + β + β k k + u O que heterocedastcdade? Lembre-se da hpótese de homocedastcdade: condconal às varáves eplcatvas, a varânca do erro, u, é constante Se sso não for verdade,
Leia maisAtividade em Soluções Eletrolíticas
Modelo de solução eletrolítca segundo Debye-Hückel. - A le lmte de Debye-Hückel (LLDH) tem o lmte que está em: I 0,01. log z.z A I 1/ valêncas do íons + e do eletrólto I 1 [ z b / b ] constante que depende
Leia maisANÁLISE DE ESTRUTURAS I INTRODUÇÃO AO MÉTODO DE CROSS
DECvl ANÁLISE DE ESTRUTURAS I INTRODUÇÃO AO ÉTODO DE CROSS Orlando J. B. A. Perera 20 de ao de 206 2 . Introdução O método teratvo ntroduzdo por Hardy Cross (Analyss of Contnuous Frames by Dstrbutng Fxed-End
Leia 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 maisNOTAS DE AULA DA DISCIPLINA CE076
5. COMPONENTES PRINCIPAIS 5. Introdução A análse de Comonentes Prncas está relaconada com a exlcação da estrutura de covarânca or meo de oucas combnações lneares das varáves orgnas em estudo, ou sea, rocura
Leia maisAULA Espaços Vectoriais Estruturas Algébricas.
Note bem: a letura destes apontamentos não dspensa de modo algum a letura atenta da bblografa prncpal da cadera Chama-se a atenção para a mportânca do trabalho pessoal a realzar pelo aluno resolvendo os
Leia maisO MMD se baseia no sistema no sistema linearizado das equações de fluxo de potência, ou seja: Δ (4.1)
4 Método da Matrz D Neste capítulo será apresentada uma descrção do MMD [Prada, 99], [Prada, ]. Este método será usado para dentfcar casos de nstabldade de tensão causados pela perda de controlabldade.
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 maisGARANTIA DE EXCELENTE INTERCAMBIALIDADE E REDUÇÃO DE CUSTOS ATRAVÉS DA ANÁLISE ESTATÍSTICA DE TOLERÂNCIAS
GARANIA DE EXCELENE INERCAMBIALIDADE E REDUÇÃO DE CUSOS ARAVÉS DA ANÁLISE ESAÍSICA DE OLERÂNCIAS Edvaldo Antono Bulba* *Prof. Dr. da Fatec SP FEI e Unversdade São Judas E mal: bulba@fe.edu.br Resumo Numa
Leia maisModelagem do crescimento de clones de Eucalyptus via modelos não lineares
Modelagem do crescmento de clones de Eucalyptus va modelos não lneares Joselme Fernandes Gouvea 2 Davd Venanco da Cruz 3 Máco Augusto de Albuquerque 3 José Antôno Alexo da Slva Introdução Os fenômenos
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 maisAnálise Descritiva com Dados Agrupados
Análse Descrtva com Dados Agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas descrtvas
Leia maisANÁLISE DA VARIÂNCIA DA REGRESSÃO
ANÁLISE DA VARIÂNCIA DA REGRESSÃO PROCEDIMENTO GERAL DE REGRESSÃO Em um modelo de análse de varânca, como no DIA, o fator em estudo pode ser quanttatvo ou qualtatvo. FATOR QUANTITATIVO: é aquele cujos
Leia maisANÁLISE DINÂMICA DE SISTEMAS CONTÍNUOS
ANÁISE DINÂMICA DE SISTEMAS CONTÍNUOS INTRODUÇÃO Sstemas dscretos e sstemas contínuos representam modelos matemátcos dstntos de sstemas fsícos semelhantes, com característcas dnâmcas semelhantes Os sstemas
Leia maisCURSO de ESTATÍSTICA Gabarito
UNIVERSIDADE FEDERAL FLUMINENSE TRANSFERÊNCIA o semestre letvo de 010 e 1 o semestre letvo de 011 CURSO de ESTATÍSTICA Gabarto INSTRUÇÕES AO CANDIDATO Verfque se este caderno contém: PROVA DE REDAÇÃO com
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 maisGabarito da Lista de Exercícios de Econometria I
Gabarto da sta de Exercícos de Econometra I Professor: Rogéro lva Mattos Montor: eonardo enrque A. lva Questão Y X y x xy x ŷ ˆ ˆ y ŷ (Y - Y ) (X - X ) (Ŷ - Y ) 360 00-76 -00 35.00 40.000 36-4 30.976 3076
Leia mais