Projeto de Trabalho de Conclusão de Curso

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamanho: px
Começar a partir da página:

Download "Projeto de Trabalho de Conclusão de Curso"

Transcrição

1 MARCELO RIBEIRO DA LUZ MARCOS KUFNER Projeto de Trabalho de Conclusão de Curso Trabalho aresentado ara a discilina de Laboratório de Estatística II do curso de graduação em Estatística da Universidade Federal do Paraná. Orientadora: Profa. Sonia Isoldi M. Muller CURITIBA 008

2 Comaração entre Reconhecimento de Padrões e Classificação e Regressão Logística como método de melhor resultado na verificação de fatores que influenciam a evasão de alunos do curso de estatística da UFPR. MARCELO RIBEIRO DA LUZ MARCOS KUFNER Curso de Estatística Universidade Federal do Paraná 008 RESUMO O estudo que é aresentado neste trabalho tem como objetivo comarar duas técnicas estatísticas, uma técnica sendo a de Reconhecimento de Padrões e Classificação e a outra a Regressão Logística, como sendo a melhor técnica ara verificar os fatores que influenciam na evasão de alunos do curso de Estatística. Neste estudo foram coletadas informações de 63 alunos que ingressaram no curso de Estatística da Universidade Federal do Paraná entre os anos de 998 e 000, sendo que foi tomado como base nota e freqüência nas discilinas cursadas no semestre do curso, e variáveis como gênero, idade, sexo, estado civil entre outras. Para esta análise será utilizada as técnicas de Regressão Logística e Reconhecimento de Padrões e Classificação Como a variável resosta é dicotômica, ou seja, aresenta as categorias desistência do curso ou a não desistência do curso, ode-se alicar estas duas análises neste estudo. Palavras-chaves: Regressão Logística, Reconhecimento de Padrões, Evasão.

3 . INTRODUÇÃO. O PROBLEMA No Brasil, evasão escolar entende-se como a interrução do ciclo de estudos, o que é uma realidade em todas as IES (Instituição de Ensino Suerior) do aís. Esse abandono trás rejuízos tanto ara o aluno que não terminou o curso e não terá em seu currículo o título de formação, quanto ara as instituições que erdem em restigio externo ou internamente e também a sociedade com investimentos mal aroveitados. Por que um jovem ou uma jovem que, or meio de todos os esforços ossíveis, conseguiu uma vaga universitária abandona a escola? A desistência na educação suerior, segundo CASTRO (994), é relacionada grande diversidade do sistema e à esecificidade de cada instituição. Na busca de resostas ara as causas desse fenômeno há que se analisar o que está sendo efetivamente imlementado ara favorecer as condições acadêmicas do aluno e, conseqüentemente, melhorar o sistema de ensino nacional. Conforme enfatiza a UNESCO (004), a evasão é semre rocesso individual, se bem que ode constituir-se em fenômeno coletivo a ser estudado como associado à eficiência do sistema. Pode haver deceções, também, quanto às exectativas levantadas em relação à vida universitária, à estrutura e metodologia do trabalho acadêmico e ao excesso de aulas teóricas nos rimeiros semestres, quando o aluno, mesmo com o ouco conhecimento esecífico, almeja o exercício da rofissão. Candidatos à educação suerior, em decorrência de suas condições sociais e financeiras, desistem desde o início, da tentativa de ingressar em um curso mais concorrido, ortanto, de mais difícil acesso, e otam or outro menos rocurado, mesmo com ouco interesse em exercer a rofissão corresondente. Eseram que a oção or áreas menos concorridas ossibilite o ingresso a um nível educacional, cujo título oderá facilitar a ascensão social. Neste asecto, SCHIEFELBEIN (974) observa que a universidade construiu em seu interior um sistema semelhante ao resto do sistema escolar. Algumas carreiras fazem

4 arte do sonho da maioria dos candidatos, e chegam a selecionar os mais rearados, seja qual for o critério de seleção. Com o significativo crescimento da iniciativa rivada na educação suerior brasileira, fatores econômicos ligados ao trabalho e ao estudo odem ser mais decisivos que a qualidade. Conforme SGANZERLA (00), as raízes das diferentes formas de abandono são distintas e as ações reventivas ara tratarem desses comortamentos também devem ser diferentes. Antes de iniciar rogramas de manutenção dos estudantes na universidade, é indisensável conhecer as formas de evasão. Não basta saber quem e quantos abandonam, mas o orquê da decisão e avaliar o grau de integração universitário, a fim de buscar o desenvolvimento dos sistemas. Inúmeros estudos, teses de mestrados, doutorado tentam entender os asectos comuns entre os estudantes que evadem os cursos sueriores, na tentativa de criar uma ferramenta que ossa identificar características visando auxiliar a IES a desenvolver rogramas que ajudem a reduzir os números da evasão. Neste estudo vamos analisar diferentes variáveis de alunos matriculados no ano de 998/999/000 no curso de Estatística da Universidade Federal do Paraná, notas e freqüências nas 5 discilinas do º semestre do curso, idade, gênero, estado civil, escore do vestibular e outras ossíveis. Tentaremos através das informações encontrar o erfil dos estudantes que concluíram ou evadiram o curso, ara embasamento de um róximo trabalho que vise diminuir a evasão escolar.. HIPÓTESES O rocedimento estatístico de Reconhecimento de Padrões e Classificação é mais eficiente do que o de Regressão Logística As co-variáveis nota e frequencia das discilinas são mais imortantes na evasão que as demais.

5 . OBJETIVOS.OBJETIVO GERAL O objetivo geral do trabalho é verificar qual das metodologias estatísticas, neste caso o reconhecimento de Padrões e Classificação e a Regressão Logística têm o melhor desemenho na verificação dos fatores que influenciam na evasão dos alunos do curso de Estatística da UFPR..OBJETIVO ESPECÍFICO Verificar quais são as co-variáveis significativas na detecção de alunos que ingressam no curso de Estatística e que já cursaram o semestre venham a desistir ou não do curso. 3. JUSTIFICATIVA: O curso de estatística da UFPR historicamente tem um número elevado de alunos que não concluem o curso, muitos deles já desistem logo aós comletarem o semestre, sendo assim este estudo visa tentar detectar as ossíveis razões desta evasão, e que num futuro róximo seja ossível trabalhar com os asectos que mais influenciam na evasão ara que este tio de situação ocorra o menor numero de vezes. Como na estatística temos vários métodos disoníveis, escolhemos fazer uma comaração entre a análise multivariada e a regressão logística ara ter um método que nos conduza a uma avaliação mais aurado sobre este assunto.

6 4. MATERIAL E MÉTODOS 4. DADOS COLETADOS Este estudo foi realizado com 63 alunos que ingressaram no curso e estatística da universidade federal do Paraná nos anos de 998, 999 e 000, tendo como objetivo investigar quais as covariáveis aresentam-se significativas ara a variável resosta: evasão (54 observações) ou não evasão do curso (09 observações). 4. METODOLOGIA ESTATÍSTICA 4.. Regressão Logística A escolha da técnica estatística a ser utilizada segundo GIOLO (004) deve ser levada em conta com relação à natureza da variável resosta, neste caso a variável resosta é dicotômica, ou seja, aresenta as categorias evasão do curso ou não evasão do curso, e ainda do onto de vista matemático, fácil de ser usada e de interretação bem simles. Sendo assim otou-se ela utilização da regressão logística, na tentativa de encontrar um modelo exlicativo da variável resosta em função das variáveis exlicativas. A regressão logística arte da função de distribuição logística que é dada or: F(x) e x, ara x -,..., + + e -x + e x () A função de distribuição logística toma valores entre zero e um, assume valor zero em uma arte do domínio das variáveis exlicativas, um em outra arte do domínio e cresce suavemente na arte intermediária ossuindo uma articular curva em forma de S. O modelo de regressão logística é exresso or: θ(x) P(Y x) ex {β 0 + β k x k } k. + ex {β 0 + β k x k } () k

7 Para descrever a variação entre os θ(x) E (Y x) foi, então, foi roosto a utilização do modelo acima citado, onde Y i significa a resença da resosta, x é o vetor que reresenta as covariáveis (fatores de risco), isto é, x (x, x,..., x ). O arâmetro β 0 é o interceto e β k (k,..., ) são os arâmetros da regressão. Nota-se que este modelo retornará uma estimativa da robabilidade do indivíduo ter a resosta dado que o mesmo ossui, ou não, determinados fatores de risco. Conseqüentemente, - θ(x). + ex {β 0 + β k x k } (3) k retornará uma estimativa de robabilidade do indivíduo não ter a resosta dado que o mesmo ossui ou não determinados fatores de risco. Observe, ainda, que fazendo-se: θ(x) β 0 + P β k x k LOG -θ(x) K Tem-se um modelo linear ara seus arâmetros, e deendendo da variação de x, ode ser contínuo e variar de - a +. A estimação dos arâmetros em regressão logística geralmente é feita elo método da máxima verossimilhança. Para a alicação, deste método é necessário construir inicialmente a função de verossimilhança a qual exressa à robabilidade dos dados observados como uma função dos arâmetros desconhecidos. Os estimadores de máxima verossimilhança dos arâmetros serão os valores que maximizam esta função. Para encontrar esses valores no modelo de regressão logística, considera-se a variável resosta Y codificada como 0 ou. Da exressão () ode-se obter a robabilidade condicional de que Y dado x, Isto é, θ(x) P(Y x) e, que - θ(x) fornece a robabilidade condicional de que Y0 dado x. Assim, θ(x) será a contribuição ara a função de verossimilhança dos ares (Y i, x i ) em que Y i e - θ(x i ), a contribuição dos ares em que Y i 0. Assumindo então que as observações são indeendentes tem-se a seguinte exressão: L(β) (θ(x i )) Yi (- θ(x i )) -yi (4)

8 As estimativas de β serão os valores que maximizam a função de verossimilhança dada em (4). Algebricamente é mais fácil trabalhar com o logaritmo desta função, isto é, com: l(β) log L(β) + n y i log (θ(x i )) + ( - y i ) log ( - θ(x i )) (5) i Para obter os valores de β que maximizam l(β) basta diferenciar a resectiva função com reseito a cada arâmetro β j (j 0,,..., ) obtendo-se, assim, o sistema de + equações, i n (y i - θ(x i )) 0 i n x ij (y i - θ(x i )) 0 j,..., que, quando igualadas a zero, roduzem como solução as estimativas de máxima verossimilhança de β. Os valores ajustados ara o modelo de regressão logístico são, ortanto, obtidos substituindo-se as estimativas de β em () Estatísticas Qui-quadrado Nesta estatística os totais marginais n + e n + são fixos e, ortanto, sob a hiótese nula H 0, de não existência de significância ara o estudo, a distribuição de robabilidade associada é a hiergeométrica. Assim o valor eserado de nij é: e a variância: E(N ij H 0 ) (n i+ )(n +j ) m ij n V (N ij H 0 ) (n + ) (n + ) (n + ) (n + ) v ij. n (n - ) Para uma amostra suficientemente grande, n tem aroximadamente uma distribuição normal, o que imlica que: Q (n - m ) v tem aroximadamente uma distribuição qui-quadrado com um grau de liberdade. Não imorta como as linhas e colunas sejam arranjadas, Q assumirá semre o mesmo valor, uma vez que: n - m n ij - m ij n n - n n n

9 Uma estatística relacionada a Q é a estatística de Pearson dada or: Q P (n ij - m ij ) n Q. i j m ij (n -) Se as contagens (freqüências) nas caselas forem suficientemente grandes, Q P segue uma distribuição qui-quadrado com um grau de liberdade. Ainda, quando n cresce, Q P e Q convergem. Uma regra útil ara determinar o tamanho amostral ade-quado ara Q e Q P é que o valor eserado m ij seja maior do que 5 ara todas as caselas Sensibilidade e Esecificidade Estas medidas determinam a eficiência do modelo selecionado detectar a verdade. A sensibilidade é definida como a roorção de resultados ositivos que o estudo aresenta, quando realizado em sujeitos conhecidos terem a doença, ou seja, é a roorção de verdadeiros ositivos. A esecificidade, or outro lado, é definida como a roorção de resultados negativos que o estudo aresenta, quando realizado em sujeitos conhecidos estarem livres da doença (roorção de verdadeiros negativos). O desejado de um exame (teste) é que ele tenha, simultaneamente, alta sensibilidade e esecificidade Poder Preditivo do Modelo O oder reditivo do modelo ode também ser obtido com a finalidade de avaliar a qualidade do modelo ajustado. Para isso, faz-se necessário estabelecer uma robabilidade, denominada onto de corte", a artir da qual se estabeleça que: - a variável resosta receba o valor, isto _e, Y ara robabilidades estimadas elo modelo que sejam maiores ou iguais a esse onto de corte e, ainda, que - a variável resosta receba o valor 0, isto _e, Y 0 ara robabilidades estimadas elo modelo que sejam menores do que esse onto de corte Deviance Residual e Resíduos de Pearson As estatísticas Q e Q L, são usadas ara verificar a qualidade de ajuste do modelo de regressão logística, fornecem um único número o qual resume a concordância entre os

10 valores observados e os ajustados. PREGIBON (98) estendeu os métodos de diagnóstico de regressão linear ara a regressão logística e argumenta que, como as estatísticas quiquadrado de Pearson (Q ) e deviance (Q L ) são duas medidas usadas ara verificar a qualidade do modelo ajustado, faz sentido analisar os comonentes individuais dessas estatísticas, uma vez que estes comonentes são funções dos valores observados e reditos elo modelo. Assim, se em uma tabela de contingência s x, tem-se ara cada uma das s linhas n i+ sujeitos dos quais n i aresentam a resosta de interesse (sucesso) e θ i denota a robabilidade redita de sucesso ara a i-ésima linha (gruo), define-se o i-ésimo resíduo or: c i. n i - ((n i+ ) θ i ) i ;...s. (n i+ ) θ i ( - θ i ) Esses resíduos são conhecidos como resíduos de Pearson, uma vez que a soma deles ao quadrado resulta em Q P. O exame dos valores residuais c i auxiliam a determinar quão bem o modelo se ajusta aos gruos individuais. Freqüentemente, resíduos excedendo o valor,0 (ou,5 ) indicam falta de ajuste. Similarmente, a deviance residual é um comonente da estatística deviance e é exressa or: d i sinal(n i - y i ) [ n i log (n i /y i ) + ( ni+ - n i ) log ((n i+ - n i )/(n i+ - y i ))] /, em que y i (n i +) θ i. A soma das deviances residuais ao quadrado resulta na estatística deviance Q L. A artir do exame dos resíduos deviance ode-se observar a resença de resíduos não usuais (demasiadamente grandes), bem como a resença de outliers ou, ainda, adrões sistemáticos de variação indicando, ossivelmente, a escolha de um modelo não muito adequado. As estatísticas de diagnóstico aresentadas ermitem, ao analista, identificar adrões de covariáveis que estão com um ajuste obre. Aós estes adrões serem identificados, ode-se, então, avaliar a imortância que eles têm na análise Gráfico Q-Qlot com Enveloe Simulado No caso em que a variável resosta é assumida ser normalmente distribuída, é comum que afastamentos sérios da distribuição normal sejam verificados or meio do gráfico de robabilidades normal dos resíduos. No contexto de modelos lineares generalizados, em que distribuições diferentes da normal são também consideradas,

11 gráficos similares com enveloes simulados odem ser também construídos com os resíduos gerados a artir do modelo ajustado. A inclusão do enveloe simulado no Q-Qlot auxilia a decidir se os ontos diferem significativamente de uma linha reta, (GIOLO, 006) aresenta códigos em linguagem Slus, que odem ser utilizados no acote estatístico R, ara gerar tais gráficos em: regressão gama, logística, Poisson e binomial negativa, além da normal. Para que o modelo ajustado seja considerado satisfatório, faz-se necessário que as deviances residuais caiam dentro do enveloe simulado. 4.. Reconhecimento de Padrões e Classificação O reconhecimento de adrões, segundo SONKA, HLAVAC & BOYLE (993), baseia-se na atribuição de classes ara os ixels através do rocesso chamado Análise Discriminante. De acordo com JOHNSON & WICHERN (988), análise discriminante são técnicas multivariadas interessadas com a searação de uma coleção de objetos (ou observações) distintos e que alocam novos objetos em gruos reviamente definidos. A análise discriminante quando emregada como rocedimento de classificação não é uma técnica exloratória, uma vez que ela conduz a regras bem distribuídas, as quais odem ser utilizadas ara classificação de novos objetos. As técnicas estatísticas de discriminação e classificação estão incororadas num contexto mais amlo, que é o do reconhecimento de adrões. Particia junto com técnicas de rogramação matemática e redes neurais na formação do conjunto de rocedimentos usados no reconhecimento e classificação de objetos e indivíduos. Algumas máquinas inteligentes são exemlos do que vem a ser reconhecimento de adrões, são elas: míssil que escolhe or onde entrar em um abrigo (Guerra do Golfo); carro que se desloca sozinho em um camus universitário; máquina que classifica tábuas de madeira ela sua tonalidade de cor; etc. Estes exemlos refletem o emrego da chamada inteligência artificial que consiste, entre outras, de alicações de técnicas de reconhecimento de adrões usando tecnologia adequada como a câmera de televisão ara visão e um rocessador eletrônico como cérebro. Os objetivos imediatos da técnica quando usada ara discriminação e classificação são, resectivamente, os seguintes:. Descrever algebricamente ou graficamente as características diferenciais dos objetos (observações) de várias oulações conhecidas, no sentido de achar discriminantes

12 cujos valores numéricos sejam tais que as oulações ossam ser searadas tanto quanto ossível.. Gruar os objetos (observações) dentro de duas ou mais classes determinadas. Tenta-se encontrar uma regra que ossa ser usada na alocação ótima de um novo objeto (observação) nas classes consideradas. Uma função que seara, ode servir como alocadora, e da mesma forma uma regra alocadora, ode sugerir um rocedimento discriminatório. Na rática, os objetivos e, freqüentemente, sobreõem-se e a distinção entre searação e alocação torna-se confusa. A terminologia de discriminar e classificar foi introduzida or FISCHER (936) no rimeiro tratamento moderno dos roblemas de searação Problema Geral de Classificação Em seu livro, JOHNSON & WICHERN (988) considera dois gruos em uma cidade, rorietários de certo equiamento e não-rorietários desse equiamento. Afim de identificar o melhor tio de camanha de vendas, o fabricante do equiamento está interessado em classificar famílias como futuros comradores do equiamento ou não, com base em x renda e x tamanho do lote de moradia. Amostras aleatórias de n rorietário e n não-rorietários roduziram os dados abaixo. Tabela 4.: Amostras de Famílias Prorietárias e Não-Prorietárias com Base na Renda e Tamanho do Lote de suas Moradias. Π Prorietários Π Não-Prorietários x x x x

13 Figura Figura Reresentação Gráfica Gráfica dos Dados da Tabela da Tabela 4. no 4. Esaço no Esaço Discriminante Renda Família NãoP ro P ro Tamanho do Lote Observa-se na figura 4. que: ) rorietários tendem a ter maiores rendas e maiores lotes; ) renda arece discriminar melhor que lote 3) existem mistura entre gruos. Dado que existe mistura e conseqüentemente classificações erradas, a idéia é criar uma regra (regiões R e R ) que minimize a chance de fazer esta mistura. Um bom rocedimento resultará ouca mistura de elementos gruais. Pode ocorrer que de uma classe ou oulação exista maior robabilidade de ocorrência do que de outra classe. Uma regra de classificação ótima deve levar em conta as robabilidades de ocorrência a riori. Outro asecto da classificação é o custo. Suonha que classificar um item em Π quando na verdade ele ertencente a Π reresente um erro mais sério do que classificar em Π quando o item ertencente a Π. Então deve-se levar isso em conta. Seja f ( x ) e f ( x ) as f.d.. s associadas com o vetor aleatório X de dimensão das oulações Π e Π, resectivamente. Um objeto, com as medidas x, deve ser reconhecido como de Π ou de Π. Seja Ω o esaço amostral, isto é, o conjunto de todas as ossíveis observações x. Seja R o conjunto de valores x ara os quais nós classificamos o objeto como Π e R Ω - R os remanescentes valores x ara os quais nós classificaremos os objetos como Π. Os conjuntos R e R são mutuamente exclusivos.

14 Para, odemos ter a figura: Figura 4.: Regiões de classificação ara duas oulações A robabilidade condicional, de reconhecer um objeto como de Π quando na verdade ele é de Π é: P( ) P(X R Π ) Ω f R R (x)dx Da mesma forma: P( ) P(X R Π ) f (x)dx R P( ) reresenta o volume formado ela f.d.. f ( x ) na região R. Sendo (caso univariado) tem-se: P ( ) f ( x ) dx R P ( ) f ( x ) dx R f (x) f (x) R R Classificado como π Classificado como π Figura 4.3: Classificação das Regiões ara Duas Poulações. Seja a robabilidade a riori de Π e ser a robabilidade a riori de Π, onde +. As robabilidades de reconhecer corretamente ou incorretamente são dados or:

15 P(rec. correta/te. como Π ) P( X Π e é rec. correta/te como Π ) P( X R Π )P(Π ) P( ) P(rec. incorreta/te como Π ) P( X Π e é rec. incorreta/te como Π ) P( X R Π )P(Π ) P( ) P(rec. correta/te como Π ) P( X Π e é rec. correta/te como Π ) P( X R Π )P(Π ) P( ) P(rec. incorreta/te como Π ) P( X Π e é rec. incorreta/te como Π ) P( X R Π )P(Π ) P( ) Regras de reconhecimento são freqüentemente avaliados em termos de suas robabilidades de reconhecimento errado. Poulação verdadeira Tabela 4.: Matriz do Custo de Reconhecimento Errado Reconhecimento como Π Π Π 0 c( ) Π c( ) 0 Para qualquer regra, a média, ou o custo eserado de reconhecimento (classificação) errado é dado ela soma dos rodutos dos elementos fora da diagonal rincial elas resectivas robabilidades: ossível. ECM c( )P( )() + c( )P( )() Uma regra razoável de reconhecimento deve ter ECM muito baixa, tanto quanto As regiões R e R que minimizam o ECM são definidas elos valores de x tal que valem as desigualdades: R f(x) f (x) c( ) c( ) Raz ao das Raz ao dos Raz ao das densidades custos robabilidades `a riori

16 R f(x) c( ) < f (x) c( ) Razao das Razao dos Razao das densidades < custos robabilidades `a riori 4... Critério TPM Outro critério, além do ECM, ode ser usado ara construir rocedimentos ótimos. Assim, ode-se ignorar o ECM e escolher R e R que minimizam a robabilidade total de erro de classificação (TPM). TPM P( x Π e é classificada errada) + P( x Π e é classificada errada) TPM f ( x ) d x + f ( x ) d x R R Matematicamente, isto é equivalente a minimizar ECM quando os custos de classificação errada são iguais. Assim, odemos alocar uma nova observação x 0 ara a oulação com a maior robabilidade osteriori P(Π i x 0 ), onde P( Π x ) 0 P( Π ocore e observa - se x ) 0 P( observa - se x ) 0 P( observa - se x Π ) P( Π ) 0 P( observa - se x Π ) ( Π ) + P( observa - se x Π ) ( Π ) f ( x ) 0 f ( x ) + f ( x ) e P( Π x ) P( Π x ) 0 0 f ( x ) 0 f ( x ) + f ( x ) 0 0 e classifica-se x 0 em Π quando P(Π x 0 ) > P(Π x 0 )

17 Classificação com Duas Poulações Normais Multivariadas Assume-se que f ( x ) e f ( x ) são densidades normais multivariadas, a rimeira com µ e a segunda com µ, então suondo, a F.D.L. de Fisher ode ser usada ara classificação e corresonde a um caso articular da regra de classificação com base em ECM. Assim, Seja X ' [ X, X,..., X ] ara oulações Π e Π e f i ( x): ex x x i i µ µ ( π ) ' ara i, mínimo ECM. Suonha que os arâmetros Π e Π e, são conhecidos, tem-se as regiões de R : f f ( x) ( x) ( π ) ( π ) ex ( x )' ( x ) µ Σ µ i i Σ ex ( x )' ( x ) µ Σ µ i i Σ ex ' ' + x µ x µ x µ x µ c c ( ) ( ) R : f f ( x) ( x) ex ' ' + x µ x µ x µ x µ < c c ( ) ( ) Sejam as oulações Π e Π normais multivariadas. A regra de reconhecimento que minimiza ECM é dada or: reconhecer x 0 como sendo de Π se

18 µ µ ' 0 µ µ ' µ µ + x e x 0 como sendo de Π em caso contrário. c ln c ( ) ( ) Em situações em que µ i i, são desconhecidas e Σ também, a regra deve ser modificada. Segundo Anderson (984) tem-se a seguinte regra do ECM mínimo ara duas oulações normais (regra amostral). Alocar x 0 em Π se c x x S x 0 x x S x x ' ' ln + c ( ) ( ) Alocar x 0 em Π em caso contrário. O rimeiro termo da regra de classificação e reconhecimento, x x ' S x, é a função linear obtida or Fisher que maximiza a variabilidade univariada entre as amostras relativamente a variabilidade dentro das amostras. A exressão inteira w x x S x x x S x x x x S x x x + + ' ' ' [ ] é conhecida como função de classificação de Anderson(984). Quando,, tem-se a classificação quadrática. Suondo as matrizes de covariância ara x Π e Σ ara x Π em, as regras de reconhecimento de adrões tornam-se mais comlicadas. Seja então x N ( µ i, Σ i ) i, com µ µ e Σ Σ. A robabilidade total de reconhecimento errada (TPM) e o custo eserado de reconhecimento errado deendem da razão de densidades f f ( x) ( x)

19 ou, equivalentemente, do logaritmo das razões das densidades ln f ( x) f ( x) ln f ( x) ln f ( x) Sejam as oulações Π e Π descritas or densidades normais multivariadas N ( µ, Σ ) e N ( µ, Σ ). Então a regra de reconhecimento que minimiza o ECM é dado ' or: 0 ( ) R x x 0 x 0 k + ' ' µ µ. Substituindo as exressões das densidades normais multivariadas tem-se: R f ( x) f ( x) ( π ) ( π ) Σ Σ ex ( x µ )' Σ ( x µ ) ex ( x µ )' Σ ( x µ ) c ln c ( ) ( ) Na rática, a regra de reconhecimento estabelecida é imlementadas substituindo-se os arâmetros µ, µ, Σ e Σ elas suas estimativas x, x, S e S, tal que: Alocamos x 0 em Π se: ' c x 0 ( S S ) x 0 + x ' S x ' S x 0 k ln c ( ) ( ) Alocamos x 0 em Π, caso contrário Discriminação e Classificação entre Duas Poulações - Método de Fischer Basicamente, o roblema consiste em searar duas classes de objetos ou fixar um novo objeto em uma das duas classes. Deste modo, é interessante alguma exemlificação.

20 A tabela I a seguir mostra diversas situações onde a análise discriminante ode ser emregada. É comum denominar as classes (oulações) de Π e Π, e os objetos searados ou classificados com base nas medidas de variáveis aleatórias são associadas com vetores do tio: X [X,X,..., X P ], onde as variáveis X i, i,,...,, são as medidas das características investigadas nos objetos. Os valores observados de X odem diferir de uma classe ara outra, sendo que a totalidade dos valores da a classe é a oulação dos valores x ara Π e aqueles da a classe é a oulação dos valores de X ara Π. Assim, estas oulações odem ser descritas elas funções densidade de robabilidade f ( x ) e f ( x ). Tabela 4.3: Situações - Exemlos Poulações Π e Π Variáveis medidas (comonentes de x ). Sucesso ou insucesso de estudantes na Universidade.. Machos e fêmeas adultos. 3. Comrador de um novo roduto e não comrador de um novo roduto. 4. Artigos jornalísticos escritos or Paulo Francis e Carlos Castelo Branco. 5. Pessoa de alto risco no crédito e essoa de baixo risco. 6. Duas esécies de lanta semelhantes. -Notas no vestibular, notas no curso, número de discilinas no curso. -Altura, eso, erímetro do bíces, erímetro do tórax, erímetro do quadril. -Educação, renda, tamanho da família. -Freqüência de diferentes alavras, comrimento das sentenças. -Renda, idade, número de cartões de crédito, tamanho da família. -Comrimento da étala, rofundidade da fenda da étala, diâmetro do ólen. A idéia de Fischer foi transformar as observações multivariadas X s nas observações univariadas y s tal que os y s das oulações Π e Π sejam searadas tanto quanto ossível. Fischer teve a idéia de tomar combinações lineares de X ara criar os y s, dado que as combinações lineares são funções de X e or outro lado são de fácil cálculo

21 matemático. Seja µ y a média dos y s obtidos dos X s ertencentes a Π e µ y a média dos y s obtidos dos X s ertencentes a Π, então Fischer selecionou a combinação linear que maximiza a distância quadrática entre µ y e µ y relativamente à variabilidade dos y s. Assim, seja: µ E( X Π ) valor eserado de uma observação multivariada de Π. µ E( X Π ) valor eserado de uma observação multivariada de Π. e suondo a matriz de covariância ΣΕ( X µ i )( X µ i ) i, como sendo a mesma ara ambas as oulações, e considerando a C.L. tem-se e Y x c' X x x µ y E(Y Π ) E( c X Π ) c E( X Π ) c µ, µ y E(Y Π ) E( c X Π ) c E( X Π ) c µ, V(Y) σ y V( c X ) c V( X )c c Σc, que são a mesma ara ambas as oulações. Segundo Fischer, a melhor combinação linear é a derivada da razão entre o quadrado da distância entre as médias e a variância de Y. ( µ µ ) y y σ y ( c' µ c' µ ) c'( µ µ )( µ µ ) c ( c' δ ) c' c c' c c' c onde δ µ - µ. Seja δ µ - µ e Y c X ( c' δ ), então c' c é maximizada or c k Σ- δ k Σ ( µ - µ ) ara qualquer k 0. Escolhendo k tem-se c Σ- ( µ - µ ) e Y c X ( µ - µ ) Σ- X, que é conhecida como função discriminante linear de Fischer.

22 A função discriminante linear de Fischer transforma as oulações multivariadas Π e Π em oulações univariadas, tais que as médias das oulações univariadas corresondentes sejam searadas tanto quanto ossível relativamente a variância oulacional, considerada comum. Assim tomando-se y 0 ( µ - µ ) Σ- x 0 como o valor da função discriminante de Fischer ara uma nova observação x 0, e considerando o onto médio entre as médias das duas oulações univariadas, m ( µ y µ y ), como m ( c' µ + c' µ ) m ( µ µ ) µ + ( µ µ ) µ tem-se que: m ( µ µ ) ( µ + µ ), E(Y 0 Π ) - m 0 E(Y 0 Π ) - m < 0, ou seja, se X 0 ertence a Π, se esera que Y 0 seja igual ou maior do que o onto médio. Por outro lado se X 0 ertence a Π, o valor eserado de Y 0 será menor que o onto médio. Desta forma a regra de classificação é : alocar x 0 em Π se y 0 - m 0 alocar x 0 em Π se y 0 - m < 0 Geralmente, os arâmetros µ, µ e Σ são desconhecidos, então suondo que se tenha n observações da v.a. multivariada X da oulação Π e n observações da v.a. multivariada X da oulação Π, então os resultados amostrais ara aquelas quantidades são: x n x ; S ( x x )( x x ) n i n i i i i n

23 x n x ; S ( x x )( x x ) n i n i i i i n mas uma vez que se assuma que as oulações sejam assemelhadas é natural considerar a variância como a mesma, daí estima-se a matriz de covariância comum Σ or: S ( n ) S + ( n ) S ( n + n ) que é um estimador não-viciado daquele arâmetro. conseqüentemente, a função discriminante linear de Fischer amostral é dada or: y c x ( x x ) S x a estimativa do onto médio entre as duas médias amostrais univariadas y c x e y c x é dada or: m ( y + y ) ( x x ) S x + ( x x ) S x m ( x x ) S ( x + x ) e finalmente a regra de classificação é a seguinte: alocar x 0 em Π se y 0 ( ) x x S x m 0 alocar x 0 em Π se y 0 ( ) x x S x < m 0 ou melhor se y 0 - m 0 x 0 é alocado em Π y 0 - m < 0 x 0 é alocado em Π A combinação linear articular y c x ( x x ) S x ( y y ) ( c d) ( c x c x ) S y c S c c S c maximiza a razão: onde d x x e S y n ( yi y ) + ( yi y ) i n n n i

24 4.3 RECURSOS COMPUTACIONAIS A análise dos dados será feita através dos softwares R e Statgrahics Centurion, sendo que serão utilizadas: regressão logística,estatística qui-quadrado, deviance residual, resíduos de Pearson, Q-Qlot com enveloe simulado, sensibilidade, esecificidade e oder reditivo do modelo, reconhecimento de adrões e classificação.

25 5. CRONOGRAMA DE ATIVIDADES

26 6. REFERÊNCIAS BIBLIOGRÁFICAS CASTRO, O fenômeno da evasão escolar na educação suerior no Brasil, 005. Disonível em htt:// %0 Brasil%0-%0D%C3%A9bora%0Niquini.df acessado 06/03/07 as 6:0 min FISHER, R.A., The statistical utilizacion of multile measurements, Annals os Eugenics. 8 (938), GIOLO, Suely Ruiz. Aostila de Análise de Regressão, 003. GIOLO, Suely Ruiz. Aostila de Análise de Dados Discretos, 004. GIOLO, Suely Ruiz. Introdução a Análise de Dados Categóricos, 006. JOHNSON, R. A., WICHERN, D.W. Alied Multivariate Statistical Analysis. Prentice Hall International, Inc. New Jersey, 988. MULLER, Sonia I. M. Gama. Sistema Integrado de Avaliação com Alicação na Engenharia, 007. NETO, Anselmo Chaves. Aostila de Análise Multivariada II, 005. PREGIBON, D. Logistic regression diagnostics, Annals of Statistics, v.9, 98. SONKA, Milan; HLAVAC, Vaclav & BYLE, Roger. Image Processing, Analysis and Machine Vision. Ed. Chaman & Hall, Cambridge, 993.

MARCELO RIBEIRO DA LUZ MARCOS FABIANE KUFNER

MARCELO RIBEIRO DA LUZ MARCOS FABIANE KUFNER MARCELO RIBEIRO DA LUZ MARCOS FABIANE KUFNER Comparação entre Análise Discriminante e Regressão Logística como método de melhor resultado na verificação de fatores que influenciam a evasão de alunos do

Leia mais

P(seleção de um elemento baixo) = p P(seleção de um elemento médio) = p. P(seleção de um elemento alto) = p

P(seleção de um elemento baixo) = p P(seleção de um elemento médio) = p. P(seleção de um elemento alto) = p . A Distribuição Multinomial - Teste Qui-Quadrado. Inferência Estatística Uma imortante generalização da rova de Bernoulli (), é a chamada rova multinomial. Uma rova de Bernoulli () ode roduzir dois resultados

Leia mais

Regressão Logística. Daniel Araújo Melo - dam2@cin.ufpe.br. Graduação

Regressão Logística. Daniel Araújo Melo - dam2@cin.ufpe.br. Graduação Regressão Logística Daniel Araújo Melo - dam2@cin.ufpe.br Graduação 1 Introdução Objetivo Encontrar o melhor modelo para descrever a relação entre variável de saída (variável dependente) e variáveis independentes

Leia mais

1. Introdução 2. OMCC e a Pesquisa Perfil-Opinião

1. Introdução 2. OMCC e a Pesquisa Perfil-Opinião Perfil Socioeconômico e Cultural dos Visitantes dos Museus Fluminenses e Paulistas: Uma Análise Comarativa. Camila Pereira Koehler (ENCE); José Matias de Lima (ENCE); Leandro Lins Marino (Fundação Cesgranrio)

Leia mais

AVALIAÇÃO DE UMA MEDIDA DE EVIDÊNCIA DE UM PONTO DE MUDANÇA E SUA UTILIZAÇÃO NA IDENTIFICAÇÃO DE MUDANÇAS NA TAXA DE CRIMINALIDADE EM BELO HORIZONTE

AVALIAÇÃO DE UMA MEDIDA DE EVIDÊNCIA DE UM PONTO DE MUDANÇA E SUA UTILIZAÇÃO NA IDENTIFICAÇÃO DE MUDANÇAS NA TAXA DE CRIMINALIDADE EM BELO HORIZONTE versão imressa ISSN -7438 / versão online ISSN 678-542 AVALIAÇÃO DE UMA MEDIDA DE EVIDÊNCIA DE UM PONTO DE MUDANÇA E SUA UTILIZAÇÃO NA IDENTIFICAÇÃO DE MUDANÇAS NA TAXA DE CRIMINALIDADE EM BELO HORIZONTE

Leia mais

Neste pequeno artigo resolveremos o problema 2 da USAMO (USA Mathematical Olympiad) 2005: (x 3 + 1)(x 3 + y) = 147 157 (x 3 + y)(1 + y) = 157 147 z 9

Neste pequeno artigo resolveremos o problema 2 da USAMO (USA Mathematical Olympiad) 2005: (x 3 + 1)(x 3 + y) = 147 157 (x 3 + y)(1 + y) = 157 147 z 9 Ésófatorar... Serámesmo? Neste equeno artigo resolveremos o roblema 2 da USAMO (USA Mathematical Olymiad) 2005: Problema. Prove que o sistema x 6 + x + x y + y = 147 157 x + x y + y 2 + y + z 9 = 157 147

Leia mais

CAPÍTULO 3 - RETIFICAÇÃO

CAPÍTULO 3 - RETIFICAÇÃO CAPÍTULO 3 - RETFCAÇÃO A maioria dos circuitos eletrônicos recisa de uma tensão cc ara oder trabalhar adequadamente Como a tensão da linha é alternada, a rimeira coisa a ser feita em qualquer equiamento

Leia mais

Colégio Politécnico da UFSM DPADP0024 : Processamento Digital de Imagens (Prof. Dr. Elódio Sebem)

Colégio Politécnico da UFSM DPADP0024 : Processamento Digital de Imagens (Prof. Dr. Elódio Sebem) Para melhor aroveitamento das informações roduzidas or diferentes sensores, alguns métodos de rocessamento de imagens têm sido roostos. Estes métodos combinam imagens de diferentes características esectrais

Leia mais

Verificação e validação do coeficiente de arrasto frontal para escoamento supersônico e hipersônico de ar sobre cones

Verificação e validação do coeficiente de arrasto frontal para escoamento supersônico e hipersônico de ar sobre cones Verificação e validação do coeficiente de arrasto frontal ara escoamento suersônico e hiersônico de ar sobre cones Guilherme Bertoldo Universidade Tecnológica Federal do Paraná (UTFPR) 85601-970, Francisco

Leia mais

Análise de Arredondamento em Ponto Flutuante

Análise de Arredondamento em Ponto Flutuante Capítulo 2 Análise de Arredondamento em Ponto Flutuante 2.1 Introdução Neste capítulo, chamamos atenção para o fato de que o conjunto dos números representáveis em qualquer máquina é finito, e portanto

Leia mais

COMPARAÇÃO DO DESEMPENHO ACADÊMICO DOS INGRESSANTES EM GEOGRAFIA PELO VESTIBULAR E PELO PAIES

COMPARAÇÃO DO DESEMPENHO ACADÊMICO DOS INGRESSANTES EM GEOGRAFIA PELO VESTIBULAR E PELO PAIES COMPARAÇÃO DO DESEMPENHO ACADÊMICO DOS INGRESSANTES EM GEOGRAFIA PELO VESTIBULAR E PELO PAIES Sylio Luiz Andreozzi 1 Fláia Aarecida Vieira de Araújo 2 Introdução As uniersidades úblicas brasileiras determinam

Leia mais

III APRESENTAÇÃO E INTERPRETAÇÃO DOS RESULTADOS

III APRESENTAÇÃO E INTERPRETAÇÃO DOS RESULTADOS III APRESENTAÇÃO E INTERPRETAÇÃO DOS RESULTADOS A aresentação dos resultados advém dos factos observados durante a colheita de dados e do tratamento estatístico. O tratamento dos dados é efectuado através

Leia mais

Segunda aula de mecânica dos fluidos básica. Estática dos Fluidos capítulo 2 do livro do professor Franco Brunetti

Segunda aula de mecânica dos fluidos básica. Estática dos Fluidos capítulo 2 do livro do professor Franco Brunetti Segunda aula de mecânica dos fluidos básica Estática dos Fluidos caítulo 2 do livro do rofessor Franco Brunetti NO DESENVOLVIMENTO DESTA SEGUNDA AULA NÃO IREI ME REPORTAR DIRETAMENTE AO LIVRO MENCIONADO

Leia mais

Uma análise aplicada de decisão com opção de venda utilizando cadeias de Markov

Uma análise aplicada de decisão com opção de venda utilizando cadeias de Markov UMA ANÁLISE APLICADA DE DECISÃO COM OPÇÃO DE VENDA UTILIZANDO CADEIAS DE MARKOV JOSÉ CÉSAR CRUZ JÚNIOR; RICARDO MENDONÇA FONSECA; LUIZ FERNANDO OHARA KAMOGAWA; ESALQ/USP PIRACICABA - SP - BRASIL cesarcruzjr@hotmail.com

Leia mais

FINANCEIRA. Reginaldo J. Santos. Universidade Federal de Minas Gerais http://www.mat.ufmg.br/~regi Agosto de 2005. 10 de abril de 2009

FINANCEIRA. Reginaldo J. Santos. Universidade Federal de Minas Gerais http://www.mat.ufmg.br/~regi Agosto de 2005. 10 de abril de 2009 INTRODUÇÃO À MATEMÁTICA FINANCEIRA Reginaldo J. Santos Deartamento de Matemática-ICEx Universidade Federal de Minas Gerais htt://www.mat.ufmg.br/~regi Agosto de 2005 última atualização em 10 de abril de

Leia mais

EA072 Prof. Fernando J. Von Zuben DCA/FEEC/Unicamp. Tópico P2.7: Teoria de Jogos 3. EA072 Prof. Fernando J. Von Zuben DCA/FEEC/Unicamp

EA072 Prof. Fernando J. Von Zuben DCA/FEEC/Unicamp. Tópico P2.7: Teoria de Jogos 3. EA072 Prof. Fernando J. Von Zuben DCA/FEEC/Unicamp Teoria de Jogos ntrodução... Exemlo de jogos... 5. Pilha de alitos... 5. Jogo de sinuca (bilhar inglês ou snooker)... 5.3 Duelo... 6.4 Lançamento de novos rodutos no mercado... 6.5 Dilema do risioneiro...

Leia mais

Atmosfera Padrão. Atmosfera Padrão

Atmosfera Padrão. Atmosfera Padrão 7631 2º Ano da Licenciatura em Engenharia Aeronáutica 1. Introdução O desemenho de aviões e de motores atmosféricos deende da combinação de temeratura, ressão e densidade do ar circundandante. O movimento

Leia mais

Análise Elasto-Plástica de Estruturas Reticuladas

Análise Elasto-Plástica de Estruturas Reticuladas R.. Natal Jorge nálise Elasto-Plástica de Estruturas Reticuladas eartamento de Engenharia ecânica e Gestão Industrial Faculdade de Engenharia Universidade do Porto (/) nálise Elasto-Plástica de Estruturas

Leia mais

COEFICIENTE DE ESCOAMENTO E VAZÃO MÁXIMA DE BACIAS URBANAS

COEFICIENTE DE ESCOAMENTO E VAZÃO MÁXIMA DE BACIAS URBANAS COEFICIENTE DE ESCOMENTO E VZÃO MÁXIM DE BCIS URBNS Carlos E. M. Tucci Instituto de Pesquisas Hidráulicas UFRGS v. Bento Gonçalves, 9500 PORTO LEGRE-RS TUCCI@IF1.IF.UFRGS.BR Resumo: O coeficiente de escoamento

Leia mais

Modelo Fuzzy de tomada de decisão para avaliação de projetos de Responsabilidade Socioambiental (RSA)

Modelo Fuzzy de tomada de decisão para avaliação de projetos de Responsabilidade Socioambiental (RSA) Modelo uzzy de tomada de decisão ara avaliação de rojetos de Resonsabilidade Socioambiental (RSA) Katia Cristina Garcia Laboratório Interdiscilinar de Meio Ambiente - COPPE/URJ Centro de Tecnologia, Bloco

Leia mais

XXXIV OLIMPÍADA PAULISTA DE MATEMÁTICA Prova da Fase Final (6 de novembro de 2010) Nível α (6 o e 7 o anos do Ensino Fundamental)

XXXIV OLIMPÍADA PAULISTA DE MATEMÁTICA Prova da Fase Final (6 de novembro de 2010) Nível α (6 o e 7 o anos do Ensino Fundamental) V OLMPÍD PULST D MTMÁTC Prova da Fase Final (6 de novembro de Nível α (6 o e 7 o anos do nsino Fundamental wwwommatbr Folha de Perguntas nstruções: duração da rova é de hmin O temo mínimo de ermanência

Leia mais

RELATÓRIO DE CONSULTORIA

RELATÓRIO DE CONSULTORIA Recomendação ao Sr. Silva RELATÓRIO DE CONSULTORIA CONSTITUIÇÃO DO ÍNDICE PSI0 ALTRI SGPS, S.A. BCP Banco Comercial Português, S.A. BES Banco Esírito Santo, S.A. BPI Banco Português de Investimento, S.A.

Leia mais

10. Risco, Retorno e Mercado

10. Risco, Retorno e Mercado 10. Risco, Retorno e Mercado 10.1 Mercado eficiente 10.2 Risco e retorno eserados 10.3 Retorno eserado de um ortfólio 10.4 Risco na estrutura de uma carteira de ativos 1/3/2009 1 Introdução A incerteza

Leia mais

UFJF MÓDULO III DO PISM TRIÊNIO 2009-2011 GABARITO DA PROVA DE FÍSICA

UFJF MÓDULO III DO PISM TRIÊNIO 2009-2011 GABARITO DA PROVA DE FÍSICA UFJF MÓDULO III DO PISM TRIÊNIO 9- GABARITO DA PROVA DE FÍSICA Na solução da rova, use uando necessário: 8 Velocidade da luz no vácuo c = 3, m/s 7 Permeabilidade magnética do vácuo =4π T m / A 9 Constante

Leia mais

Topologia digital. Vizinhança

Topologia digital. Vizinhança Toologia digital Uma imagem digital resulta de um rocesso de amostragem de uma imagem contínua usando uma artição discreta envolvendo olígonos regulares. Esuemas de artição usando olígonos regulares triangular

Leia mais

GABARITO. Física B 07) 56 08) A 09) E. Nas lentes divergentes as imagens serão sempre virtuais. 10) A

GABARITO. Física B 07) 56 08) A 09) E. Nas lentes divergentes as imagens serão sempre virtuais. 10) A Física B Extensivo V. 4 Exercícios 0) V V V V F 0. Verdadeiro. Lentes, disositivos que ormam imagem usando essencialmente as leis da reração. 0. Verdadeiro. Eselhos vértice, oco, centro de curvatura. Lentes:

Leia mais

MICROECONOMIA II (2011-12) João Correia da Silva (joao@fep.up.pt) 29-03-2012

MICROECONOMIA II (2011-12) João Correia da Silva (joao@fep.up.pt) 29-03-2012 MICROECONOMIA II 1E108 (2011-12) 29-03-2012 João Correia da ilva (joao@fe.u.t) 2. Estruturas de Mercado 2.1. Concorrência Perfeita. 2.2. Monoólio. 2 CONCORRÊNCIA PERFEITA O modelo de concorrência erfeita

Leia mais

CALIBRAÇÃO DE PISTÃOFONES. ANALISE COMPARATIVA ENTRE O MÉTODO DE APLICAÇÃO DE TENSÃO E O MÉTODO DE COMPARAÇÃO

CALIBRAÇÃO DE PISTÃOFONES. ANALISE COMPARATIVA ENTRE O MÉTODO DE APLICAÇÃO DE TENSÃO E O MÉTODO DE COMPARAÇÃO CALIBRAÇÃO DE PISTÃOFONES. ANALISE COMPARATIVA ENTRE O MÉTODO DE APLICAÇÃO DE TENSÃO E O MÉTODO DE COMPARAÇÃO REFERÊNCIA PACK: 43.58.VB Antunes, Sónia Laboratório Nacional de Engenharia Civil Av. Brasil,101

Leia mais

PROBABILIDADE. Aula 5

PROBABILIDADE. Aula 5 Curso: Psicologia Disciplina: Métodos Quantitativos Profa. Valdinéia Data: 28/10/15 PROBABILIDADE Aula 5 Geralmente a cada experimento aparecem vários resultados possíveis. Por exemplo ao jogar uma moeda,

Leia mais

A finalidade dos testes de hipóteses paramétrico é avaliar afirmações sobre os valores dos parâmetros populacionais.

A finalidade dos testes de hipóteses paramétrico é avaliar afirmações sobre os valores dos parâmetros populacionais. Prof. Janete Pereira Amador Introdução Os métodos utilizados para realização de inferências a respeito dos parâmetros pertencem a duas categorias. Pode-se estimar ou prever o valor do parâmetro, através

Leia mais

Probabilidade parte 2. Robério Satyro

Probabilidade parte 2. Robério Satyro Probabilidade arte Robério Satyro Definição de robabilidade Vamos analisar o fenômeno aleatório lançamento de uma moeda erfeita. Nesse caso, temos: = {C, C} () = Os subconjuntos de são, {C}, { C} e {C,

Leia mais

Análise de Regressão Linear Simples e Múltipla

Análise de Regressão Linear Simples e Múltipla Análise de Regressão Linear Simples e Múltipla Carla Henriques Departamento de Matemática Escola Superior de Tecnologia de Viseu Carla Henriques (DepMAT ESTV) Análise de Regres. Linear Simples e Múltipla

Leia mais

Elasticidade - Demanda e Preço

Elasticidade - Demanda e Preço José Lásaro Cotta Elasticidade - Demanda e Preço Monografia aresentada ao Curso de Esecialização em Matemática Para Professores, elaborado elo Deartamento de Matemática da Universidade Federal de Minas

Leia mais

MICROECONOMIA II (2011-12) João Correia da Silva (joao@fep.up.pt) 26-03-2012

MICROECONOMIA II (2011-12) João Correia da Silva (joao@fep.up.pt) 26-03-2012 MICROECONOMIA II 1E108 (2011-12) 26-03-2012 João Correia da Silva (joao@fe.u.t) 1. A EMPRESA 1.1. Tecnologia de Produção. 1.2. Minimização do Custo. 1.3. Análise dos Custos. 1.4. Maximização do Lucro.

Leia mais

Técnicas Multivariadas em Saúde. Comparações de Médias Multivariadas. Métodos Multivariados em Saúde - 2015. Roteiro. Testes de Significância

Técnicas Multivariadas em Saúde. Comparações de Médias Multivariadas. Métodos Multivariados em Saúde - 2015. Roteiro. Testes de Significância Roteiro Técnicas Multivariadas em Saúde Lupércio França Bessegato Dep. Estatística/UFJF 1. Introdução 2. Distribuições de Probabilidade Multivariadas 3. Representação de Dados Multivariados 4. Testes de

Leia mais

Modelagem Conceitual parte II

Modelagem Conceitual parte II Modelagem Conceitual arte II Vitor Valerio de Souza Camos Objetivos Aresentar o conceito de. Mostrar a cardinalidade de. Aresentar os tios de s. Aresentar o conceito de entidade fraca Aresentar o conceito

Leia mais

Análise de componentes independentes aplicada à avaliação de imagens radiográficas de sementes

Análise de componentes independentes aplicada à avaliação de imagens radiográficas de sementes Análise de componentes independentes aplicada à avaliação de imagens radiográficas de sementes Isabel Cristina Costa Leite 1 2 3 Thelma Sáfadi 2 Maria Laene Moreira de Carvalho 4 1 Introdução A análise

Leia mais

Crescimento Econômico, Progresso Técnico e Distribuição de Renda : uma abordagem pluralista

Crescimento Econômico, Progresso Técnico e Distribuição de Renda : uma abordagem pluralista Caítulo 7 O Modelo de Crescimento Harrod-Domar e seus desdobramentos. 7.1 Introdução. A abordagem ós-keynesiana ara o crescimento e distribuição de renda tem sua origem com as contribuições seminais de

Leia mais

INOVAÇÕES NA CONSTRUÇÃO E NO CONTROLO DE ATERROS DE ESTRADAS E DE CAMINHOS DE FERRO DE ALTA VELOCIDADE PARTE 2

INOVAÇÕES NA CONSTRUÇÃO E NO CONTROLO DE ATERROS DE ESTRADAS E DE CAMINHOS DE FERRO DE ALTA VELOCIDADE PARTE 2 INOVAÇÕES NA CONSTRUÇÃO E NO CONTROLO DE ATERROS DE ESTRADAS E DE CAMINHOS DE FERRO DE ALTA VELOCIDADE PARTE 2 A. Gomes Correia Universidade do Minho Eduardo Fortunato - LNEC Universidade do Minho ESTRUTURA

Leia mais

3 Conceitos Fundamentais

3 Conceitos Fundamentais 3 Coneitos Fundamentais Neste aítulo são aresentados oneitos fundamentais ara o entendimento e estudo do omressor axial, assim omo sua modelagem termodinâmia 3 Máquinas de Fluxo As máquinas de fluxo odem

Leia mais

O COMPORTAMENTO DE UM SISTEMA DE ATERRAMENTO DE UMA SUBESTAÇÃO DE ENERGIA FRENTE À SITUAÇÃO DE FALTA DE ALTA IMPEDÂNCIA

O COMPORTAMENTO DE UM SISTEMA DE ATERRAMENTO DE UMA SUBESTAÇÃO DE ENERGIA FRENTE À SITUAÇÃO DE FALTA DE ALTA IMPEDÂNCIA O COMPORTAMENTO DE UM SISTEMA DE ATERRAMENTO DE UMA SUBESTAÇÃO DE ENERGIA FRENTE À SITUAÇÃO DE FALTA DE ALTA IMPEDÂNCIA MARCOS A. R. GAMITO, MÁRIO OLESKOVICZ Escola de Engenharia de São Carlos, USP Av.

Leia mais

UNIVERSIDADE FEDERAL RURAL DE PERNAMBUCO DEPARTAMENTO DE FÍSICA E MATEMÁTICA

UNIVERSIDADE FEDERAL RURAL DE PERNAMBUCO DEPARTAMENTO DE FÍSICA E MATEMÁTICA UNIVERSIDADE FEDERAL RURAL DE PERNAMBUCO DEPARTAMENTO DE FÍSICA E MATEMÁTICA CURSO: LICENCIATURA EM COMPUTAÇÃO DISCIPLINA: PROGRAMAÇÃO PARALELA E DISTRIBUÍDA PROFESSOR: JONES OLIVEIRA ALUNO: JONAS FRANCISCO

Leia mais

4. Metodologia. Capítulo 4 - Metodologia

4. Metodologia. Capítulo 4 - Metodologia Capítulo 4 - Metodologia 4. Metodologia Neste capítulo é apresentada a metodologia utilizada na modelagem, estando dividida em duas seções: uma referente às tábuas de múltiplos decrementos, e outra referente

Leia mais

Protocolo Internacional Harmonizado para ensaios de proficiência de laboratórios analíticos (químicos)

Protocolo Internacional Harmonizado para ensaios de proficiência de laboratórios analíticos (químicos) Protocolo Internacional Harmonizado ara ensaios de roficiência de laboratórios analíticos (químicos) (Relatório Técnico IUPAC) Resumo: As organizações internacionais de normalização AOAC International,

Leia mais

ROGÉRIO S. COSTA, RODRIGO S. TEIXEIRA, DARIZON A. DE ANDRADE, AUGUSTO A. FLEURY

ROGÉRIO S. COSTA, RODRIGO S. TEIXEIRA, DARIZON A. DE ANDRADE, AUGUSTO A. FLEURY MOTOR A RELUTÂNCIA CHAVEADO MONOFÁSICO ROGÉRIO S COSTA, RODRIGO S TEIXEIRA, DARIZON A DE ANDRADE, AUGUSTO A FLEURY Laboratório de Acionamentos Elétricos, Deartamento de Engenharia Elétrica, Universidade

Leia mais

Capítulo 3 Modelos Estatísticos

Capítulo 3 Modelos Estatísticos Capítulo 3 Modelos Estatísticos Slide 1 Resenha Variáveis Aleatórias Distribuição Binomial Distribuição de Poisson Distribuição Normal Distribuição t de Student Distribuição Qui-quadrado Resenha Slide

Leia mais

INSTRUMENTAÇÃO E CONTROLO

INSTRUMENTAÇÃO E CONTROLO ESCOLA SUPEIO NÁUTICA INFANTE D. HENIQUE DEPATAMENTO DE ENGENHAIA MAÍTIMA INSTUMENTAÇÃO E CONTOLO APONTAMENTOS SOBE CONTOLADOES ANALÓGICOS Elementos coligidos or: Prof. Luís Filie Batista E.N.I.D.H. /3

Leia mais

de Piracicaba-SP: uma abordagem comparativa por meio de modelos probabilísticos

de Piracicaba-SP: uma abordagem comparativa por meio de modelos probabilísticos Descrição da precipitação pluviométrica no munícipio de Piracicaba-SP: uma abordagem comparativa por meio de modelos probabilísticos Idemauro Antonio Rodrigues de Lara 1 Renata Alcarde 2 Sônia Maria De

Leia mais

Os Gastos Públicos no Brasil São Produtivos?

Os Gastos Públicos no Brasil São Produtivos? ISSN 1415-4765 TEXTO ARA DISCUSSÃO N O 781 Os astos úblicos no Brasil São rodutivos? José Oswaldo Cândido Júnior Brasília, fevereiro de 2001 ISSN 1415-4765 TEXTO ARA DISCUSSÃO N o 781 Os astos úblicos

Leia mais

Modelos Pioneiros de Aprendizado

Modelos Pioneiros de Aprendizado Modelos Pioneiros de Aprendizado Conteúdo 1. Hebb... 2 2. Perceptron... 5 2.1. Perceptron Simples para Classificaçãod e Padrões... 6 2.2. Exemplo de Aplicação e Motivação Geométrica... 9 2.3. Perceptron

Leia mais

r 5 200 m b) 1 min 5 60 s s t a 5

r 5 200 m b) 1 min 5 60 s s t a 5 Resolução das atividades comlementares Matemática M Trigonometria no ciclo. 0 Um atleta desloca-se à velocidade constante de 7,8 m/s numa ista circular de raio 00 m. Determine as medidas, em radianos e

Leia mais

Unidade VII - Teoria Cinética dos Gases

Unidade VII - Teoria Cinética dos Gases Unidade VII - eoria Cinética dos Gases fig. VII.. Nesse rocesso, a ressão em um gás aumenta e o olume diminui. Isto é, a colisão de suas moléculas dee aumentar, sua energia cinética aumenta e diminui a

Leia mais

A estatística multivariada na análise econômico-financeira de empresas

A estatística multivariada na análise econômico-financeira de empresas A estatística multivariada na análise econômico-financeira de empresas Jair Mendes Marques* José Donizetti de Lima** Resumo O presente estudo teve como objetivo analisar o desempenho de empresas para fins

Leia mais

Matemática. Resolução das atividades complementares. M1 Trigonometria no ciclo. 1 Expresse: p 4 rad. rad em graus. 4 rad 12 p b) 330 em radianos.

Matemática. Resolução das atividades complementares. M1 Trigonometria no ciclo. 1 Expresse: p 4 rad. rad em graus. 4 rad 12 p b) 330 em radianos. Resolução das atividades comlementares Matemática M Trigonometria no ciclo. 7 Eresse: a) em radianos c) em radianos e) rad em graus rad rad b) 0 em radianos d) rad em graus f) rad 0 rad em graus a) 80

Leia mais

UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA Programa de Graduação em Estatística. Samuel de Oliveira

UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA Programa de Graduação em Estatística. Samuel de Oliveira UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA Programa de Graduação em Estatística Samuel de Oliveira INFERÊNCIA E ANÁLISE DE RESÍDUOS E DE DIAGNÓSTICO EM

Leia mais

Distribuição Binomial

Distribuição Binomial Distribuição Binomial Exemplo Na manufatura de certo artigo, é sabido que um entre dez artigos é defeituoso. Qual a probabilidade de que uma amostra casual de tamanho quatro contenha: (a) Nenhum defeituoso?

Leia mais

APLICAÇÕES DO CONTROLE ESTATÍSTICO MULTIVARIADO DA QUALIDADE: MONITORAMENTO DE GARRAFEIRAS PLÁSTICAS NUMA EMPRESA DO ESTADO DA PARAÍBA

APLICAÇÕES DO CONTROLE ESTATÍSTICO MULTIVARIADO DA QUALIDADE: MONITORAMENTO DE GARRAFEIRAS PLÁSTICAS NUMA EMPRESA DO ESTADO DA PARAÍBA APLICAÇÕES DO CONTROLE ESTATÍSTICO MULTIVARIADO DA QUALIDADE: MONITORAMENTO DE GARRAFEIRAS PLÁSTICAS NUMA EMPRESA DO ESTADO DA PARAÍBA Marcio Botelho da Fonseca Lima (UFPB) tismalu@uol.com.br ROBERTA DE

Leia mais

O comportamento conjunto de duas variáveis quantitativas pode ser observado por meio de um gráfico, denominado diagrama de dispersão.

O comportamento conjunto de duas variáveis quantitativas pode ser observado por meio de um gráfico, denominado diagrama de dispersão. ESTATÍSTICA INDUTIVA 1. CORRELAÇÃO LINEAR 1.1 Diagrama de dispersão O comportamento conjunto de duas variáveis quantitativas pode ser observado por meio de um gráfico, denominado diagrama de dispersão.

Leia mais

1. ENTALPIA. (a) A definição de entalpia. A entalpia, H, é definida como:

1. ENTALPIA. (a) A definição de entalpia. A entalpia, H, é definida como: 1 Data: 31/05/2007 Curso de Processos Químicos Reerência: AKINS, Peter. Físico- Química. Sétima edição. Editora, LC, 2003. Resumo: Proas. Bárbara Winiarski Diesel Novaes 1. ENALPIA A variação da energia

Leia mais

IFT Instituto de F ısica Te orica Universidade Estadual Paulista M etodo de Integrac ao em Dimens ao Negativa em Teoria Qu ˆ antica de Campos

IFT Instituto de F ısica Te orica Universidade Estadual Paulista M etodo de Integrac ao em Dimens ao Negativa em Teoria Qu ˆ antica de Campos IFT Instituto de Física Teórica Universidade Estadual Paulista DISSERTAÇÃO DE MESTRADO IFT D.006/09 Método de Integração em Dimensão Negativa em Teoria Quântica de Camos Oscar Leonardo Acevedo Pabón Orientador

Leia mais

Processos Estocásticos

Processos 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 mais

Regressão Logística. Propriedades

Regressão Logística. Propriedades Regressão Logística Propriedades Geralmente a grande questão a ser respondida nos estudos epidemiológicos é saber qual a relação entre uma ou mais variáveis que refletem a exposição e a doença (efeito).

Leia mais

Comparações entre DPL NILSSON e SPT

Comparações entre DPL NILSSON e SPT Comarações entre DPL NILSSON e SPT Thomas Ulf Nilsson Thomas Nilsson Geoconsultores Ltda, Curitiba, PR RESUMO: O ensaio de enetração adronizado, SPT, é utilizado no transcorrer da sondagem à ercussão e

Leia mais

MICROECONOMIA II (2010-11) João Correia da Silva (joao@fep.up.pt) 11-04-2011

MICROECONOMIA II (2010-11) João Correia da Silva (joao@fep.up.pt) 11-04-2011 MICROECONOMIA II E08 00- -04-0 João Correia da Silva joao@fe.u.t . Estruturas de Mercado.. Concorrência Perfeita... Monoólio. MONOPÓLIO O Monoólio é uma estrutura de mercado na ual:. Existe aenas emresa

Leia mais

INSTITUTO TECNOLÓGICO

INSTITUTO TECNOLÓGICO PAC - PROGRAMA DE APRIMORAMENTO DE CONTEÚDOS. ATIVIDADES DE NIVELAMENTO BÁSICO. DISCIPLINAS: MATEMÁTICA & ESTATÍSTICA. PROFº.: PROF. DR. AUSTER RUZANTE 1ª SEMANA DE ATIVIDADES DOS CURSOS DE TECNOLOGIA

Leia mais

Inteligência Artificial. Prof. Tiago A. E. Ferreira Aula 20 - Backpropagation

Inteligência Artificial. Prof. Tiago A. E. Ferreira Aula 20 - Backpropagation Inteligência Artificial Prof. Tiago A. E. Ferreira Aula 20 - Backroagation Introdução Redes de uma camada resolvem aenas roblemas linearmente searáveis Solução: utilizar mais de uma camada Camada 1: uma

Leia mais

Testes (Não) Paramétricos

Testes (Não) Paramétricos Armando B. Mendes, DM, UAç 09--006 ANOVA: Objectivos Verificar as condições de aplicabilidade de testes de comparação de médias; Utilizar ANOVA a um factor, a dois factores e mais de dois factores e interpretar

Leia mais

Sistemas de Ar Comprimido

Sistemas de Ar Comprimido Meta Aresentar a utilização adequada dos sistemas de ar comrimido como fator contribuinte à eficiência energética. Objetivos Entender a história do uso do ar comrimido; Identificar algumas instalações

Leia mais

MÁQUINAS TÉRMICAS. Aulas 5-6 COMPRESSORES. Características de operação e performance: mapa de desempenho

MÁQUINAS TÉRMICAS. Aulas 5-6 COMPRESSORES. Características de operação e performance: mapa de desempenho MÁQUINAS ÉRMICAS Comressores: tios, características Relações termodinâmicas básicas Diagrama de velocidades Aulas 5-6 COMPRESSORES Características de oeração e erformance: maa de desemenho Prof. Silvia

Leia mais

Métodos Quantitativos Prof. Ms. Osmar Pastore e Prof. Ms. Francisco Merlo. Funções Exponenciais e Logarítmicas Progressões Matemáticas

Métodos Quantitativos Prof. Ms. Osmar Pastore e Prof. Ms. Francisco Merlo. Funções Exponenciais e Logarítmicas Progressões Matemáticas Métodos Quantitativos Prof. Ms. Osmar Pastore e Prof. Ms. Francisco Merlo Funções Exponenciais e Logarítmicas Progressões Matemáticas Funções Exponenciais e Logarítmicas. Progressões Matemáticas Objetivos

Leia mais

Journal of Transport Literature Vol. x, n. x, pp. xxx-xxx, xxx xxxx Research Directory. [In Press, Corrected Proof]

Journal of Transport Literature Vol. x, n. x, pp. xxx-xxx, xxx xxxx Research Directory. [In Press, Corrected Proof] B T P S Brazilian Transortation Planning Society Journal of Transort Literature Vol. x, n. x,. xxx-xxx, xxx xxxx Research Directory [In Press, Corrected Proof] JTL RELIT www.transort-literature.org ISSN

Leia mais

Uso do modelo logito generalizado na análise de dados da criminalidade em Santarém-PA.

Uso do modelo logito generalizado na análise de dados da criminalidade em Santarém-PA. Uso do modelo logito generalizado na análise de dados da criminalidade em Santarém-PA. Edilan de Sant Ana Quaresma 1 Carlos Tadeu dos Santos Dias 2 Renata Alcarde 3 Ezequiel Abraham López Bautista 4 Jarsen

Leia mais

ESTUDO EM TÚNEL DE VENTO DA COBERTURA DO ESTÁDIO DO GAMA - BRASÍLIA

ESTUDO EM TÚNEL DE VENTO DA COBERTURA DO ESTÁDIO DO GAMA - BRASÍLIA ESTUDO EM TÚNEL DE VENTO DA COBERTURA DO ESTÁDIO DO GAMA - BRASÍLIA Acir Mércio Loredo-Souza, Mario Gustavo Klaus Oliveira, Gustavo Javier Zani Núñez, Daniel de Souza Machado, Elvis Antônio Careggiani,

Leia mais

UNIDADE IV : ANÁLISE DE INVESTIMENTOS (A.I.) (ENGENHARIA ECONÔMICA) CONCEITO:

UNIDADE IV : ANÁLISE DE INVESTIMENTOS (A.I.) (ENGENHARIA ECONÔMICA) CONCEITO: UNIDADE IV : ANÁLISE DE INVESTIMENTOS (A.I.) (ENGENHARIA ECONÔMICA) 1 CONCEITO: Quando da realização de um determindado investimento, levantamos várias alternativas para sua execução final. Ao conjunto

Leia mais

Processos Estocásticos

Processos Estocásticos Processos Estocásticos Terceira Lista de Exercícios 22 de julho de 20 Seja X uma VA contínua com função densidade de probabilidade f dada por Calcule P ( < X < 2. f(x = 2 e x x R. A fdp dada tem o seguinte

Leia mais

Introdução a Inferência Bayesiana. Ricardo S. Ehlers

Introdução a Inferência Bayesiana. Ricardo S. Ehlers Introdução a Inferência Bayesiana Ricardo S. Ehlers Versão Revisada em junho de 2003 Sumário 1 Introdução 2 1.1 Teorema de Bayes.......................... 2 1.2 Princípio da Verossimilhança....................

Leia mais

CAPITULO VI. LIMITES E CONTINUIDADE DE FUNÇÕES EM R n

CAPITULO VI. LIMITES E CONTINUIDADE DE FUNÇÕES EM R n CAPITULO VI LIMITES E CONTINUIDADE DE FUNÇÕES EM R n. Generalidades O conceito geral de função e outros associados foram já estudados quando se tratou da teoria dos conjuntos. Foi igualmente estudado com

Leia mais

APLICAÇÕES DE ALGUMAS TÉCNICAS MULTIVARIADAS (Componentes Principais, Variáveis Canônicas e Correlações Canônicas)

APLICAÇÕES DE ALGUMAS TÉCNICAS MULTIVARIADAS (Componentes Principais, Variáveis Canônicas e Correlações Canônicas) APLICAÇÕES DE ALGUMAS TÉCNICAS MULTIVARIADAS (Componentes Principais, Variáveis Canônicas e Correlações Canônicas) ÍNDICE Página 1. INTRODUCÃO... 1 2. COMPONENTES PRINCIPAIS... 1 2.1. Introdução... 1 2.2.

Leia mais

ESTUDO SOBRE A EVASÃO E O TEMPO ATÉ A FORMATURA DOS ALUNOS DO CURSO DE ESTATÍSTICA DA UFPR

ESTUDO SOBRE A EVASÃO E O TEMPO ATÉ A FORMATURA DOS ALUNOS DO CURSO DE ESTATÍSTICA DA UFPR MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA Bruno Rosevics Estevão Batista do Prado ESTUDO SOBRE A EVASÃO E O TEMPO ATÉ A FORMATURA DOS ALUNOS

Leia mais

Estimação bayesiana em modelos lineares generalizados mistos: MCMC versus INLA

Estimação bayesiana em modelos lineares generalizados mistos: MCMC versus INLA Estimação bayesiana em modelos lineares generalizados mistos: MCMC versus INLA Everton Batista da Rocha 1 2 3 Roseli Aparecida Leandro 2 Paulo Justiniano Ribeiro Jr 4 1 Introdução Na experimentação agronômica

Leia mais

UNIVERSIDADE FEDERAL DA GRANDE DOURADOS UFGD FACULDADE DE CIÊNCIAS EXATAS E TECNOLÓGICAS FACET WILHELM DOS SANTOS PAES

UNIVERSIDADE FEDERAL DA GRANDE DOURADOS UFGD FACULDADE DE CIÊNCIAS EXATAS E TECNOLÓGICAS FACET WILHELM DOS SANTOS PAES UNIVERSIDADE FEDERAL DA GRANDE DOURADOS UFGD FACULDADE DE CIÊNCIAS EXATAS E TECNOLÓGICAS FACET WILHELM DOS SANTOS PAES CRIPTOGRAFIA EM BLOCOS: UM ENFOQUE EM SUA APLICAÇÃO NO ENSINO DE MATRIZES DISSERTAÇÃO

Leia mais

MODELOS PROBABILÍSTICOS MAIS COMUNS VARIÁVEIS ALEATÓRIAS DISCRETAS

MODELOS PROBABILÍSTICOS MAIS COMUNS VARIÁVEIS ALEATÓRIAS DISCRETAS MODELOS PROBABILÍSTICOS MAIS COMUNS VARIÁVEIS ALEATÓRIAS DISCRETAS Definições Variáveis Aleatórias Uma variável aleatória representa um valor numérico possível de um evento incerto. Variáveis aleatórias

Leia mais

Journal of Transport Literature Vol. 8, n. 1, pp. 125-158, Jan. 2014 Research Directory

Journal of Transport Literature Vol. 8, n. 1, pp. 125-158, Jan. 2014 Research Directory B T P S Brazilian Transortation Planning Society Journal of Transort Literature Vol. 8, n. 1,. 125-158, Jan. 2014 Research Directory JTL RELIT www.transort-literature.org ISSN 2238-1031 Sistema de aoio

Leia mais

Exacta ISSN: 1678-5428 exacta@uninove.br Universidade Nove de Julho Brasil

Exacta ISSN: 1678-5428 exacta@uninove.br Universidade Nove de Julho Brasil Eacta ISSN: 1678-548 eacta@uninove.r Universidade Nove de Julho Brasil Magela Barosa, Geraldo Processo de doramento de chaas metálicas Eacta, vol. 7, núm. 1, enero-marzo, 009,. 109-10 Universidade Nove

Leia mais

Análise de regressão linear simples. Departamento de Matemática Escola Superior de Tecnologia de Viseu

Análise de regressão linear simples. Departamento de Matemática Escola Superior de Tecnologia de Viseu Análise de regressão linear simples Departamento de Matemática Escola Superior de Tecnologia de Viseu Introdução A análise de regressão estuda o relacionamento entre uma variável chamada a variável dependente

Leia mais

Aula 9 Plano tangente, diferencial e gradiente

Aula 9 Plano tangente, diferencial e gradiente MÓDULO 1 AULA 9 Aula 9 Plano tangente, diferencial e gradiente Objetivos Aprender o conceito de plano tangente ao gráfico de uma função diferenciável de duas variáveis. Conhecer a notação clássica para

Leia mais

COMPORTAMENTO DINÂMICO DE SISTEMAS ELEVATÓRIOS

COMPORTAMENTO DINÂMICO DE SISTEMAS ELEVATÓRIOS COMORTAMENTO DINÂMICO DE SISTEMAS ELEVATÓRIOS JOÃO VITOR GONÇALVES MARTINS rojecto submetido ara satisfação arcial dos requisitos do grau de MESTRE EM ENGENHARIA CIVIL ESECIALIZAÇÃO EM HIDRÁULICA Orientador:

Leia mais

PROJETO DE TRABALHO DE CONCLUSÃO DE CURSO

PROJETO DE TRABALHO DE CONCLUSÃO DE CURSO Alexandre Moreira Batista Higor Fernando Manginelli PROJETO DE TRABALHO DE CONCLUSÃO DE CURSO Trabalho apresentado para a disciplina Laboratório de Estatística II do curso de graduação em Estatística da

Leia mais

APRENDIZAGEM NO CURSO DE ENGENHARIA QUÍMICA BASEADA EM SALAS LABORATÓRIO

APRENDIZAGEM NO CURSO DE ENGENHARIA QUÍMICA BASEADA EM SALAS LABORATÓRIO APRENDIZAGEM NO CURSO DE ENGENHARIA QUÍMICA BASEADA EM SALAS LABORATÓRIO Viviana Cocco Mariani - viviana.mariani@pucpr.br Pontifícia Universidade Católica do Paraná, Programa de Pós-Graduação em Engenharia

Leia mais

IV TESTES PARA DUAS AMOSTRAS INDEPENDENTES

IV TESTES PARA DUAS AMOSTRAS INDEPENDENTES IV TESTES PARA DUAS AMOSTRAS INDEPENDENTES Estes testes se aplicam a planos amostrais onde se deseja comparar dois grupos independentes. Esses grupos podem ter sido formados de duas maneiras diferentes:

Leia mais

Função bayesiana em R para o problema de Behrens-Fisher multivariado

Função bayesiana em R para o problema de Behrens-Fisher multivariado Função bayesiana em R para o problema de Behrens-Fisher multivariado Patrícia de Siqueira Ramos 1 2 Daniel Furtado Ferreira 3 1 Introdução Um dos problemas mais comuns na Estatística aplicada é o de comparar

Leia mais

Fluxo de Potência em Redes de Distribuição Radiais

Fluxo de Potência em Redes de Distribuição Radiais COE/UFRJ rograma de Engenharia Elétrica COE 751 Análise de Redes Elétricas Fluxo de otência em Redes de Distribuição Radiais 1.1 Formulação do roblema Os métodos convencionais de cálculo de fluxo de otência

Leia mais

Classificação da imagem (ou reconhecimento de padrões): objectivos Métodos de reconhecimento de padrões

Classificação da imagem (ou reconhecimento de padrões): objectivos Métodos de reconhecimento de padrões Classificação de imagens Autor: Gil Gonçalves Disciplinas: Detecção Remota/Detecção Remota Aplicada Cursos: MEG/MTIG Ano Lectivo: 11/12 Sumário Classificação da imagem (ou reconhecimento de padrões): objectivos

Leia mais

A influência da responsabilidade social corporativa sobre o retorno das ações de empresas de capital aberto no Brasil

A influência da responsabilidade social corporativa sobre o retorno das ações de empresas de capital aberto no Brasil XXIV Encontro Nac. de Eng. de Produção - Florianóolis, SC, Brasil, 03 a 05 de nov de 2004 A influência da resonsabilidade social cororativa sobre o retorno das ações de emresas de caital aberto no Brasil

Leia mais

Teste de Hipóteses VÍCTOR HUGO LACHOS DÁVILAD

Teste de Hipóteses VÍCTOR HUGO LACHOS DÁVILAD Teste de ióteses VÍCTOR UGO LACOS DÁVILAD Teste De ióteses. Exemlo. Cosidere que uma idustria comra de um certo fabricate, ios cuja resistêcia média à rutura é esecificada em 6 kgf (valor omial da esecificação).

Leia mais

Mestrado em Finanças e Economia Empresarial Microeconomia - 6 a Lista de Exercícios Prof.: Carlos Eugênio Monitora:Amanda Schutze

Mestrado em Finanças e Economia Empresarial Microeconomia - 6 a Lista de Exercícios Prof.: Carlos Eugênio Monitora:Amanda Schutze Mestrado em Finanças e Economia Emresarial Microeconomia - 6 a Lista de Exercícios Prof.: Carlos Eugênio Monitora:Amanda Schutze (schutze@fgvmail.br) Parte I - Exercícios Básicos a Questão As funções de

Leia mais

fx-82ms fx-83ms fx-85ms fx-270ms fx-300ms fx-350ms

fx-82ms fx-83ms fx-85ms fx-270ms fx-300ms fx-350ms O uso da Calculadora Científica (Casio fx) fx-82ms fx-83ms fx-85ms fx-270ms fx-300ms fx-350ms Prof. Ms. Renato Francisco Merli 2013 1 Sumário 1. Antes de Começar... 2 2. Cálculos Básicos... 8 3. Cálculos

Leia mais

UNIDADE 4 FUNÇÕES 2 MÓDULO 1 FUNÇÃO QUADRÁTICA 1 - FUNÇÃO QUADRÁTICA. 103 Matemática e Lógica Unidade 04. a > 0 a < 0 > 0

UNIDADE 4 FUNÇÕES 2 MÓDULO 1 FUNÇÃO QUADRÁTICA 1 - FUNÇÃO QUADRÁTICA. 103 Matemática e Lógica Unidade 04. a > 0 a < 0 > 0 1 - FUNÇÃO QUADRÁTICA UNIDADE 4 FUNÇÕES 2 MÓDULO 1 FUNÇÃO QUADRÁTICA 01 É toda função do tipo f(x)=ax 2 +bx+c, onde a, b e c são constantes reais com a 0. Ou, simplesmente, uma função polinomial de grau

Leia mais

Resoluções comentadas de Raciocínio Lógico e Estatística SEFAZ - Analista em Finanças Públicas Prova realizada em 04/12/2011 pelo CEPERJ

Resoluções comentadas de Raciocínio Lógico e Estatística SEFAZ - Analista em Finanças Públicas Prova realizada em 04/12/2011 pelo CEPERJ Resoluções comentadas de Raciocínio Lógico e Estatística SEFAZ - Analista em Finanças Públicas Prova realizada em 04/1/011 pelo CEPERJ 59. O cartão de crédito que João utiliza cobra 10% de juros ao mês,

Leia mais