UMA NOVA METODOLOGIA PARA TREINAMENTO EM REDES NEURAIS MULTI CAMADAS

Tamanho: px
Começar a partir da página:

Download "UMA NOVA METODOLOGIA PARA TREINAMENTO EM REDES NEURAIS MULTI CAMADAS"

Transcrição

1 UMA OVA METODOLOGIA PARA TREIAMETO EM REDES EURAIS MULTI CAMADAS Luz Carlos C. Pedroza CEFET-RJ Av. Maracaã, 229 Ro de Jaero, CEP Carlos E. Pedrera DEE PUC-RIO CP.: Ro de Jaero, CEP RESUMO : este artgo apreseta-se uma metodologa de apredzado supervsoado ão usual baseada em um operador, batzado de Operador de Extesão. As redes euras multcamadas são abordadas sob a ótca deste operador, produzdo algumas vatages em comparação aos algortmos de treameto tradcoas, além de uma vsão sstematzada de algumas questões de grade mportâca como geeralzação e corporação de formação a pror. o algortmo proposto o úmero de parâmetros a ser estmado é feror ao algortmo de Retropropagação, propcado assm, etre outras vatages, uma maor probabldade de geeralzação. É apresetado um cojuto de resultados umércos. A e Methodology for Trag Multlayer eural etors Abstract: I ths paper a o-covetoal methodology for supervsed learg proposed. Multlayer eural etors are approached by usg a e operator, the exteso operator, producg some advatages. Furthermore, t troduces a systematc ve of some very mportat subjects, le geeralzato ad a pror oledge corporato. I the proposed algorthm a smaller umber of estmated parameters s eeded, creasg the probablty of geeralzato. Some umercal results are preseted. ITRODUÇÃO Os esquemas de apredzado através de exemplos, que fudametam a aqusção de cohecmeto em redes euras, podem ser eteddos como uma busca sstemátca de um mapeameto que recostrua satsfatoramete o ambete Este trabalho fo parcalmete facado pela CAPES através de bolsa de doutorado, e pelo CPq, através de bolsa de produtvdade em pesqusa, coceddas aos autores. Artgo Submetdo em 5/2/998 a. Revsão em 3/05/999; 2a. Revsão em 22/0/999 Aceto sob recomedação da Eda. Cosultora Profa. Dra.Sadra Aparecda Sadr gerador. O que se procura, do poto de vsta fucoal, é um mapeameto, detro de um cojuto de mapeametos hpótese, que mmze uma medda de dstâca etre uma fução geradora descohecda e esta hpótese. A efcêca de um esquema de apredzado pode ser assocada a três questões fudametas: a uma escolha de um cojuto de hpóteses G aproprado ao problema em questão; à dspobldade de um cojuto de exemplos que coteha formação sufcete sobre o mapeameto que se deseja recostrur; e a um esquema efcete de busca da melhor hpótese g detro de um cojuto G. Em geral, a utlzação adequada de cohecmeto prévo de algumas característcas do mapeameto que se deseja recostrur, permte obter uma solução melhor. Esta possbldade de corporar cohecmeto a pror fo orgalmete desevolvda em Abu-Mostafa (994) e Abu- Mostafa (995) através da dução de Sugestões (Hts). Através desta metodologa, é possível usar o cohecmeto a pror para amplar artfcalmete o cojuto de exemplos que compõe o cojuto de treameto e também para drecoar a busca o cojuto de hpóteses G. Por exemplo, sabedo-se de atemão que uma fução que se deseja recostrur é uma fução par, pode-se adcoar uma espéce de pealdade toda vez que a fução hpótese for ímpar, ou gerar um cojuto adcoal de exemplos artfcas (Abu-Mostafa, 994; Abu- Mostafa, 995). Em ambos os casos, se está sugestoado o drecoameto o espaço de busca. A metodologa proposta este artgo basea-se em um operador orgalmete troduzdo em Pedroza (997), o Operador de Extesão. A partr deste, pretede-se, etre outros objetvos, fometar a dscussão de algus aspectos relatvos à corporação de formação a pror em redes euras. O Operador de Extesão, peça cetral deste artgo, será formalmete defdo a seção 2. A déa fudametal é defr um operador T:[B M P] P que mapee um poto (b, I, f) em uma fução f aum, ode: SBA Cotrole & Automação Vol. o. 0 / Ja., Fev., Mar, Abrl de

2 () O cojuto de fuções (o Espaço Produto Itero(aylor e Sell, 982) P) b B é batzada como Base de Extesão do Cojuto de Bases B. () Qualquer combação lear das fuções de uma Base de Extesão b pertece ao espaço de produto tero P. () O tervalo I, do cojuto de tervalos(bartle, 966) M, é o cojuto de potos ode a fução f é prevamete cohecda. Como ver-se-a a seqüêca, quado o cojuto de exemplos (f,i) cotém uma quatdade sufcete de formação e o cojuto de fuções b B é adequadamete escolhdo, a fução f aum gerada pelo Operador de Extesão mostra-se uma boa recostrução da fução f orgal. O problema que se apreseta este poto, é o de como fazer uma escolha adequada da base de extesão b. Este problema é abordado a seção 3. Verfcar-se-a que a partr de um cohecmeto a pror do cojuto de hpóteses G, é possível efetuar uma escolha aproprada do cojuto de bases B. Será mostrado que se pode buscar a Base de Extesão b que faça uma recostrução otmzada da fução f. a seção 4, apreseta-se uma abordagem para redes euras multcamadas (Rumelhart et al, 986; Hay S., 999) sob a ótca do Operador de Extesão. A déa cetral parte da verfcação de que uma rede eural em camadas pode ser vsta como uma represetação em grafo de fuções o cojuto magem de um operador. Este operador, dervado do Operador de Extesão e ttulado Operador de Extesão Projeção, será defdo a próxma seção. Esta aaloga etre Operador de Extesão Projeção e redes euras permtrá que se escolha cojutos de hpóteses G aproprados. Embora redes euras teham alcaçado bastate sucesso em aplcações as mas dversas áreas do cohecmeto, relatvamete pouco se pode ecotrar a lteratura com respeto a desevolvmetos teórcos. Este artgo pretede apresetar resultados com algum grau de rgor com a teção de cotrbur este aspecto. a seção 5, apreseta-se algus resultados umércos e a seção 6 é reservada às coclusões e observações fas. 2 O OPERADOR DE EXTESÃO Seja f uma fução defda sobre o domío M, D(f) = M. Seja h uma fução defda sobre o subcojuto I M, D(h) = I. Se h(x) = f(x) para todo x I, etão h é dta uma restrção de f em I; deomada f I. Por outro lado, seja f I uma fução defda sobre o domío I. Uma fução g tal que I D(g) e g(x) = f(x) para todo x I é dta uma extesão de f I ; g = f aum (aylor e Sell, 982). ote-se que ão ecessaramete f aum = f. A partr destas defções, é possível estabelecer um operador, o Operador de Extesão, que realzará a extesão de uma restrção f I em uma fução f aum, baseado-se para sto em algumas sugestões que, se forem sufcetemete cosstetes, farão que a f aum seja uma recostrução satsfatóra da fução f orgal. Seja P um Espaço Produto Itero de fuções defdas sobre o suporte M. Seja M uma álgebra de tervalos (Bartle, 966) gerada por subtervalos de M. Seja B = { b: W} um b = e ( ; : A ode cojuto de bases de extesão { } cada base é um cojuto de fuções em P. Sejam W e A cojutos de ídces aproprados para dexar os elemetos de B e as fuções das bases de extesão. Defe-se uma matrz G e um vetor H tal que seus elemetos são dados por: e ( ; ), e ( ; respectvamete. e Defção D-: Se o sstema j I f, e ( ; Gb ( ) θ ( b) = Hb ( ), (2.) tver solução úca, o Operador de Extesão T:[B M P] P pode ser defdo o poto (b, I, f) como: f ( x) se x I T( b, I, f )( x) θ ( ) e ( ; x) se A Defção D-2: I x M I Sob as mesmas hpóteses pode-se defr, o poto em questão, o Operador de Extesão Projeção T*:[B M P] P como: T *( b, I, f ) θ ( ) e ( ;. (2.2) A Observe-se que os operadores da defção D- e D-2 operam a restrção de f defda sobre o tervalo I (deomada f I ), já que o produto tero ; I é calculado cosderado as fuções com valor ulo fora deste tervalo. ote-se também, que sugestões de como proceder à extesão são passadas para os operadores através de um cojuto de fuções, as Bases de Extesão. Caso a Base de Extesão seja bem escolhda a fução f aum será uma boa recostrução da fução f. O Operador de Extesão e o Operador de Extesão Projeção foram desevolvdos (Pedroza, 997; Pedroza e Pedrera, 998) de forma que caso as fuções que compõem a Base de Extesão b sejam ortogoas etre s sobre um tervalo M, etão, para qualquer cojuto de escalares α, Tb (, I, f) T*( b, I, f) M Tb (, I, f) α e( ; A M (2.3) A partr de 2.3, é possível verfcar que T*(b,I, f) é a projeção ortogoal de T(b,I,f) o espaço expaddo pelas fuções da Base de Extesão b. Esta propredade justfca a deomação do Operador de Extesão Projeção. o caso das fuções da Base de Extesão ão serem ortogoas etre s só é possível garatr que f θ ( ) e ( ; ode, de acordo com 2.2, f α e ( ; α C (2.4) 50 SBA Cotrole & Automação Vol. o. 0 / Ja., Fev., Mar, Abrl de 2000

3 A θ. ( ) e ( ; T * ( b, I, f ) = A equação 2.4 mplca que a solução do sstema 2. forece a combação lear das fuções que compõem a base de extesão b que melhor aproxma a fução f o tervalo I, ode ela é prevamete cohecda. Pode-se etão coclur que, dferete ao uso de uma Base de Extesão b ou de uma Base de Extesão composta da ormalzação das fuções da base b, a fução mapeada pelo Operador de Extesão é a mesma. De um poto de vsta formal, correspodera a afrmar que os operadores realzam uma ormalzação préva das fuções que compõem a base de extesão. Para lustrar a capacdade de recostrução do Operador de Extesão e a relevâca da escolha aproprada da Base de Extesão, supoha-se um exemplo de uma fução f = α e, que se sabe ser defda sobre o suporte M. Cohece-se apeas sua restrção sobre o tervalo I. Ao escolher-se uma Base de Extesão b que coteha todas as fuções e que compõem o somatóro descrtvo de f, se esta base garatr a ucdade de solução do sstema 2., etão, pela equação 2.3, f aum (b)=f. Por este exemplo, percebe-se que a capacdade de recostrução do Operador de Extesão está tmamete relacoada com a escolha aproprada da Base de Extesão. Para fazer-se uma escolha aproprada da base de extesão, fo ecessára uma boa sugestão sobre a fução f; o caso o cohecmeto prévo da fução. Cotudo, geralmete a sugestão que se dspõe costtu-se o cohecmeto prévo do cojuto G ao qual a fução f pertece. Baseado-se este cohecmeto, em algus casos, é possível fazer a escolha de um cojuto de Base de Extesão B que faça com que o cojuto magem de T(B,I, guale-se a G; R(T(B,I,) = G. Ao fazer-se esta escolha certamete uma das bases de extesão de B recostrurá a fução f satsfatoramete. Etretato, devdo à exstêca de um compromsso etre a cardaldade das Base de Extesão de B e o tervalo I, a fm de satsfazer ucdade de solução do sstema 2., geralmete só é permtdo escolher-se um B tal que R(T(B,I,) G. Com a faldade de lustrar este coceto, supoha que se saba de atemão que a fução f, que se deseja recostrur, é um sal com espectro de freqüêca lmtado em max. Escolhedo-se um cojuto B de todas as Bases de Extesão possíves compostas por cojutos de Z fuções seodas com freqüêca máxma max, ada ão se pode garatr que f R(T(B,I,). Etretato, pode-se perceber que algumas Base de Extesão rão realzar uma boa recostrução de f, pelo meos detro de um tervalo Q ode I está cotdo. Aumetado-se Z, aumeta-se a probabldade de f pertecer a magem do operador, cotudo, aumeta-se também a probabldade do sstema 2. ão ter solução úca. É esperado que uma Base de Extesão produza uma boa recostrução da fução f detro do tervalo I, e também para os potos exteros a este tervalo, stuados próxmos a sua frotera. As smulações apresetadas ao fal deste artgo apresetam este comportameto. O tamaho dos tervalos exteros ao tervalo I, para os quas é possível obter-se um bom resultado, está dretamete lgado a escolha de B. É mportate ressaltar que esta escolha reflete a exstêca e qualdade de corporação de cohecmeto a pror. Como era esperado, a adção adequada de cohecmeto a pror propca uma melhora a capacdade de geeralzação. 3 ALGORITMO DE ESCOLHA DA BASE DE EXTESÃO ÓTIMA O problema da escolha da Base de Extesão em B que possblta uma melhor recostrução da fução f pode ser formulado do segute modo: Problema m f T *( b, I, f ) b B. I ode B é o cojuto de Bases de Extesão pertecetes à mesma famíla e obtdas pela varação de em W. É possível solucoar este problema recursvamete, varadose em W, de forma a buscar-se uma ova Base de Extesão b (+) em B, tal que f θ ( ( )) e ( ( + ); f θ ( ( )) e ( ( ); (3.) Se as fuções que compõem as Bases de Extesão forem dferecáves o argumeto, pode-se utlzar o algortmo do gradete descedete para realzar esta busca em B. este caso, o cálculo do ovo (+) é efetuado da segute forma: ( + ) = ( ) f θ( ( )) e( ( ), η ( ) ode 0 < η <. (3.2) De posse da ova base b (+), utlza-se o sstema 2. para calcular o ovo espectro θ(b (+) ). A partr da equação 2.3 pode-se garatr (Pedroza, 997) que: f θ ( ( + )) e ( ( + ); f θ ( ( )) e ( ( + ); (3.3) Percebe-se que, em cada teração, prmeramete busca-se, varado-se apropradamete em W, um ovo cojuto de fuções o qual a combação lear, dada pelo cojuto de pesos θ(b () ), reduz a fução de custo. Em seguda calcula-se, através do sstema 2., uma ova combação lear para estas fuções que reduza ada mas a fução de custo. Este algortmo é descrto a segur de forma esquemátca. Algortmo proposto ) Faça =0 e calze o vetor de parâmetros (). b resolvedo o sstema 2.. 2) Calcule o espectro θ ( ) ( ) SBA Cotrole & Automação Vol. o. 0 / Ja., Fev., Mar, Abrl de

4 3) Calcule as dervadas f θ e ( ( )) ( ( ), ) δ = ( ) cosderado o espectro θ ( b ( )) costate. 4) Calcule o ovo vetor de parâmetros (+) pela fórmula recursva η ( + ) = ( ) δ b + a partr do sstema 2.. 5) Calcule o ovo espectro θ ( ) ( ) 6) Calcule f θ ( ( + )) e( ( + ),. 7) Se f θ ( ( + )) e( ( + ), f θ ( ( )) e ( ( ), etão pare; caso cotráro faça =+, e vá para 3. A covergêca do algortmo está provada, quado η é sufcetemete pequeo, em Pola (97). Vale otar que o algortmo gradete decrescete, e cosequetemete o algortmo proposto, está sujeto a covergr para mímos locas. Também, porque o cojuto B ão é um espaço métrco completo, a fução de custo a ser mmzada pode possur mas de um mímo global. Estas stuações podem ser cotoradas escolhedo-se um tervalo I sufcetemete grade. Com o propósto de vablzar a aplcação do algortmo proposto em casos reas, ode o tervalo I costtu-se de um cojuto de potos e as Bases de Extesão tem cardaldade Z, rescreve-se o problema como : Problema 2 m f ( x) θ ( ) e( ; x) ode θ ( ) θ 2 ( ) = θ z ( ) A 2 = 2 = e (, x ) e (, x) e (, x ) e (, x) ez (, x) ez (, x) f ( x) e(, x) f ( x) e2( 2, x). f ( x) ez( z, x) 2 (3.4) (3.5) 4 REDE EURAIS E O OPERADOR DE EXTESÃO Cosdere-se a rede eural represetada a Fgura, ode o eurôo a camada de saída tem fução de atvação lear. ão há perda de geeraldade pela utlzação desta arqutetura smplfcada, a extesão para arrajos mas complexos é medata. x Os eurôos da camada escodda tem uma fução de atvação h( que ecessta apeas ser dferecável o argumeto e ão mootoamete crescete, como os casos clásscos do algortmo de Retropropagação. Com a estrutura proposta, um poto x a etrada da rede mapea um poto g(x) a sua saída, descrto como : g( x) = α h ( x) (4.) 2 z h h 2 h z Fgura y = g (x) Observado-se a equação 2.2, percebe-se que o somatóro descrtvo do Operador de Extesão Projeção, defdo a seção 2, pode ser realzado pela rede eutral represetada a Fgura desde que se escolha θ () = α e h ( x) = e ( ; x). * Coclu-se etão que, para toda fução f aum pertecete à magem Operador de Extesão Projeção, exste uma represetação em grafo dada por uma rede eural como a da Fgura. Como por hpótese a defção 2. todas as Bases de Extesão de B pertecem à mesma famíla de fuções, tem-se que a varação dos pesos aterores a camada oculta correspode, sob a ótca do Operador de Extesão, à busca uma ova Base de Extesão em B. Durate a fase de treameto vara-se os pesos da rede de forma a buscar uma ova fução g que mmze a orma f g I. Sob a ótca do Operador de Extesão, sto correspode a solucoar o problema troduzdo a seção 3. ote-se que a fução de custo (3.4) correspode à fução de eerga do algortmo de Retropropagação. Deste modo, podese afrmar que a dfereça cetral etre o algortmo de Retropropagação e o algortmo proposto resde que, o prmero, o gradete decrescete é utlzado para alterar tato os pesos das coexões aterores à camada oculta, quato os pesos lgados à saída α. o esquema proposto, o algortmo de gradete decrescete é utlzado apeas para otmzar os pesos das coexões aterores à camada oculta equato os pesos coectados à saída são calculados de forma fechada resolvedo-se o sstema 3.5. Como coseqüêca, além da dmução do esforço computacoal, obtém-se uma redução da quatdade de varáves lvres o espaço de estado da fução de eerga. Com um meor úmero de parâmetros a estmar, α α 2 α z + 52 SBA Cotrole & Automação Vol. o. 0 / Ja., Fev., Mar, Abrl de 2000

5 dmu-se os rscos de super treameto e, portato, melhorase a capacdade de geeralzação. Também como coseqüêca da dmução do úmero de parâmetros a estmar reduz-se o volume de dados ecessáro a um bom desempeho. 5 RESULTADOS UMÉRICOS esta seção lustra-se a metodologa proposta através da apresetação de exemplos umércos. O propósto destas lustrações ão é o de proporcoar comparações sstemátcas com téccas tradcoas. o prmero exemplo procura-se demostrar como a preseça de uma sugestão pode auxlar a escolha de um cojuto de hpóteses G aproprado para o algortmo operar. Exemplo 5. este exemplo é abordado um problema de extrapolação e apresetada uma comparação com algortmo clássco de Retropropagação. O problema de extrapolação é aquele o qual se deseja estmar valores para uma fução, fora do tervalo aode são colhdos os potos usados para treameto. O que se procura é, a partr de um treameto com potos amostrados em um tervalo [a b], obter uma estmatva para a fução f em x, f ˆ ( x ), x > b. Em um problema de terpolação, a solução sera, em geral, mas fácl, buscar-se-a uma estmatva para a fução f em x, ˆ. f ( x ), x [ a b] Supohamos que a fução f(x)=0.7+se(2πx).+ 0.5cos(πx) seja cohecda a pror os potos que vão de 0 até 3 com um passo de 0.0; I={0, 0.0, 0.02,..., 2.99,3}. Supoha-se que se saba, de atemão, que este sal é obtdo a saída de um fltro passabaxa deal com freqüêca de corte em 2,5π rad/s. A partr desta sugestão e da lmtação mposta pela cardaldade de I, escolhe-se cojuto de base de extesão B= {b W = [, se( x), cos( 2 x), se( 3 x ), cos( 4 x)] : R e 2,5π rad/s}. A partr da aaloga dscutda a seção 4, esta escolha de B correspode a escolher uma rede eural, como a da Fgura, com cco eurôos a camada escodda; um com fução de atvação lear e peso utáro, dos com fuções de atvação seodal e pesos e 3, e dos com fuções de atvação coseodas e pesos 2 e 4. Icalzado com a Base de Extesão b =[, se(2x), cos(3x), se(4x), cos(5x)] e a costate de apredzado η=0.2, em 000 terações o algortmo proposto coverge para a fução -2 g(x) = se(6.283x) *0 cos(0.25x) *0 se (6.536x) cos(3.45x). obtedo-se um erro médo quadrátco, o tervalo de treameto, de 0-3. Como pode-se observar, através da fgura 2, a recostrução da fução é bastate satsfatóra a vzhaça dos potos do tervalo I, e permaece com boa performace mesmo para potos bastate afastados do horzote de treameto. 2.5 O mesmo expermeto fomplemetado utlzado-se uma rede, com uma camada oculta de 0 eurôos e fuções de atvação sgmodas, treada através do algortmo tradcoal de Retropropagação. A fgura 3 mostra a recostrução operada pela rede. Pode-se observar que, apesar de uma boa recostrução detro do tervalo [0 3], a performace deterora-se rapdamete fora desta regão O exemplo a segur trata a smulação de um problema smples de detfcação paramétrca a partr do uso do Operador de extesão. Exemplo Fgura 2 - Fuções verdadera e estmada pela metodologa proposta para horzote de treameto etre 0 e 3 e de geeralzação (a partr de 3) Fgura 3 - Fuções verdadera e estmada por Retropropagação para horzote de treameto etre 0 e 3 e de geeralzação (a partr de 3) Supoha-se que um sstema real é descrto pela equação: y( = 0.7x( + 0.5u( ε Este sstema lear está sujeto a uma perturbação ε que correspode a um ruído Gaussao com méda ula e varâca 0.. O sstema será modelado através de : y ˆ( xˆ( uˆ( t. = a + b ) + c x ˆ( = x( +, ˆ( = u( + ν ˆ( = y( + π ode µ u e y represetam as observação de x, u, y um state t adcoadas a ruídos com dstrbução ormal de méda ula e varâca 0.0. Escolhedo-se I ={0,h,2h,...,(-)h}, ode h é o tervalo de amostragem e a Base de Extesão b = [ xˆ, uˆ, ] pode-se resolver o sstema 2. com SBA Cotrole & Automação Vol. o. 0 / Ja., Fev., Mar, Abrl de

6 xx!,! xu!,! x!, Gb ( ) = ux!,! uu!,! u!,, x!, u!, yx!,! I Hb ( ) = yu!,!, I y!, I I I I I I I I I I para se calcular o vetor θ(b ) cujos elemetos correspodem as estmatvas de a, b e c que mmzam a orma y yˆ. I A fgura 4, a segur mostra a evolução das estmatvas o tempo. Abu-Mostafa. Y. S., 995, Hts, eural Computato, Vol7, PP Bartle, R.G., 966, The elemets of tegrato. e Yor, Joh Wley & Sos Ic. Hay S., 999, eural etors:, A Comprehesve Foudato, secod edto, Pretce Hall. aylor, A.W., Sell, G.R., 982, Lear Operator Theory egeerg ad scece. 2 d ed. e Yor, Sprger- Verlag. Pedroza, L.C.C. e Pedrera C.E., 998, O Operador de extesão e Redes euras, Aas do 5o Smpóso Braslero de Redes euras, PP 55-60, Belo Horzote. Pedroza, L.C.C.,997, O Operador de extesão e Redes euras, Tese de Doutorado, Potfíca Uversdade Católca, Ro de Jaero, RJ. Pola, E., 97, Computatoal Methods Optmzato: A ufed approch. e Yor ad Lodo, Academc Press. Fgura 4.a - estmatva de a Rumelhart, D.E., Mcclellad, J.L. ad PDP Resersh Group, 986, Parallel Dstrbuted Processg : Explorato the mcrostruture of cogto, The MIT Press, Volume :Foudato. Fgura 4.b - estmatva de b Fgura 4.c - estmatva de c 6 OBSERVAÇÕES FIAIS este artgo apresetou-se uma abordagem para treameto de redes euras em camadas dferecada da metodologa clássca baseada em Retropropagação do Erro. O algortmo proposto apreseta característcas teressates: permte o uso de outras fuções de atvação sem a restrção de mootocdade crescete; reduz a probabldade de atgr-se mímos locas; e acelera o processo de covergêca. Estas são algumas coseqüêcas de tratar-se as redes euras como represetações em grafo de potos a magem do Operador de Extesão. Uma lha teressate de cotuação sera a corporação da metodologa de sugestão proposta em Abu-Mostafa (994) e Abu-Mostafa (995) com a faldade de buscar-se uma Base de Extesão otmzada. 7 REFERÊCIAS BIBLIOGRÁFICAS Abu-Mostafa. Y. S., 994, Learg from Hts, Joral of Complexty, V.0, PP SBA Cotrole & Automação Vol. o. 0 / Ja., Fev., Mar, Abrl de 2000

IND 1115 Inferência Estatística Aula 9

IND 1115 Inferência Estatística Aula 9 Coteúdo IND 5 Iferêca Estatístca Aula 9 Outubro 2004 Môca Barros Dfereça etre Probabldade e Estatístca Amostra Aleatóra Objetvos da Estatístca Dstrbução Amostral Estmação Potual Estmação Bayesaa Clássca

Leia mais

CAPÍTULO 9 - Regressão linear e correlação

CAPÍTULO 9 - Regressão linear e correlação INF 6 Prof. Luz Alexadre Peterell CAPÍTULO 9 - Regressão lear e correlação Veremos esse capítulo os segutes assutos essa ordem: Correlação amostral Regressão Lear Smples Regressão Lear Múltpla Correlação

Leia mais

Capítulo 1: Erros em cálculo numérico

Capítulo 1: Erros em cálculo numérico Capítulo : Erros em cálculo umérco. Itrodução Um método umérco é um método ão aalítco, que tem como objectvo determar um ou mas valores umércos, que são soluções de um certo problema. Ao cotráro das metodologas

Leia mais

Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto

Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto Faculdade de Ecooma, Admstração e Cotabldade de Rberão Preto Ecooma Moetára Curso de Ecooma / º. Semestre de 014 Profa. Dra. Rosel da Slva Nota de aula CAPM Itrodução Há dos modelos bastate utlzados para

Leia mais

Análise de Regressão

Análise de Regressão Aálse de Regressão Prof. Paulo Rcardo B. Gumarães. Itrodução Os modelos de regressão são largamete utlzados em dversas áreas do cohecmeto, tas como: computação, admstração, egeharas, bologa, agrooma, saúde,

Leia mais

Requisitos metrológicos de instrumentos de pesagem de funcionamento não automático

Requisitos metrológicos de instrumentos de pesagem de funcionamento não automático Requstos metrológcos de strumetos de pesagem de fucoameto ão automátco 1. Geeraldades As balaças estão assocadas de uma forma drecta à produção do betão e ao cotrolo da qualdade do mesmo. Se são as balaças

Leia mais

A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: enchentes

A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: enchentes Mostra Nacoal de Icação Cetífca e Tecológca Iterdscplar VI MICTI Isttuto Federal Catarese Câmpus Camború 30 a 3 de outubro de 03 A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: echetes Ester Hasse

Leia mais

CAPÍTULO 2 - Estatística Descritiva

CAPÍTULO 2 - Estatística Descritiva INF 6 Prof. Luz Alexadre Peterell CAPÍTULO - Estatístca Descrtva Podemos dvdr a Estatístca em duas áreas: estatístca dutva (ferêca estatístca) e estatístca descrtva. Estatístca Idutva: (Iferêca Estatístca)

Leia mais

APLICAÇÕES DE MÉTODOS DE ENERGIA A PROBLEMAS DE INSTABILIDADE DE ESTRUTURAS

APLICAÇÕES DE MÉTODOS DE ENERGIA A PROBLEMAS DE INSTABILIDADE DE ESTRUTURAS PONTIFÍCI UNIVERSIDDE CTÓLIC DO RIO DE JNEIRO DEPRTMENTO DE ENGENHRI CIVIL PLICÇÕES DE MÉTODOS DE ENERGI PROBLEMS DE INSTBILIDDE DE ESTRUTURS Julaa Bragh Ramalho Raul Rosas e Slva lua de graduação do curso

Leia mais

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples.

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples. Estudo das relações etre peso e altura de estudates de estatístca através da aálse de regressão smples. Waessa Luaa de Brto COSTA 1, Adraa de Souza COSTA 1. Tago Almeda de OLIVEIRA 1 1 Departameto de Estatístca,

Leia mais

Estatística Notas de Aulas ESTATÍSTICA. Notas de Aulas. Professor Inácio Andruski Guimarães, DSc. Professor Inácio Andruski Guimarães, DSc.

Estatística Notas de Aulas ESTATÍSTICA. Notas de Aulas. Professor Inácio Andruski Guimarães, DSc. Professor Inácio Andruski Guimarães, DSc. Estatístca Notas de Aulas ESTATÍSTICA Notas de Aulas Professor Iáco Adrus Gumarães, DSc. Professor Iáco Adrus Gumarães, DSc. Estatístca Notas de Aulas SUMÁRIO CONCEITOS BÁSICOS 5. Estatístca. Estatístca

Leia mais

MA12 - Unidade 4 Somatórios e Binômio de Newton Semana de 11/04 a 17/04

MA12 - Unidade 4 Somatórios e Binômio de Newton Semana de 11/04 a 17/04 MA1 - Udade 4 Somatóros e Bômo de Newto Semaa de 11/04 a 17/04 Nesta udade troduzremos a otação de somatóro, mostrado como a sua mapulação pode sstematzar e facltar o cálculo de somas Dada a mportâca de

Leia mais

INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA

INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA 003 Iformações: relembra-se os aluos teressados que a realzação de acções presecas só é possível medate solctação vossa, por escrto, à assstete da cadera. A realzação

Leia mais

Algoritmos de Interseções de Curvas de Bézier com Uma Aplicação à Localização de Raízes de Equações

Algoritmos de Interseções de Curvas de Bézier com Uma Aplicação à Localização de Raízes de Equações Algortmos de Iterseções de Curvas de Bézer com Uma Aplcação à Localzação de Raízes de Equações Rodrgo L.R. Madurera Programa de Pós-Graduação em Iformátca, PPGI, UFRJ 21941-59, Cdade Uverstára, Ilha do

Leia mais

MAE116 Noções de Estatística

MAE116 Noções de Estatística Grupo C - º semestre de 004 Exercíco 0 (3,5 potos) Uma pesqusa com usuáros de trasporte coletvo a cdade de São Paulo dagou sobre os dferetes tpos usados as suas locomoções dáras. Detre ôbus, metrô e trem,

Leia mais

PROCEDIMENTOS DE CÁLCULO DE INCERTEZA DE MEDIÇÃO EM MEDIÇÕES DIRETAS E INDIRETAS

PROCEDIMENTOS DE CÁLCULO DE INCERTEZA DE MEDIÇÃO EM MEDIÇÕES DIRETAS E INDIRETAS PROCEDIMENTOS DE CÁLCULO DE INCERTEZA DE MEDIÇÃO EM MEDIÇÕES DIRETAS E INDIRETAS Prof José Leoardo Noroha M Eg Departameto de Egehara de Prodção Escola Federal de Egehara de Itabá EFEI RESUMO: Neste trabalho

Leia mais

FINANCIAMENTOS UTILIZANDO O EXCEL

FINANCIAMENTOS UTILIZANDO O EXCEL rofessores Ealdo Vergasta, Glóra Márca e Jodála Arlego ENCONTRO RM 0 FINANCIAMENTOS UTILIZANDO O EXCEL INTRODUÇÃO Numa operação de empréstmo, é comum o pagameto ser efetuado em parcelas peródcas, as quas

Leia mais

2 Estrutura a Termo de Taxa de Juros

2 Estrutura a Termo de Taxa de Juros Estrutura a Termo de Taxa de Juros 20 2 Estrutura a Termo de Taxa de Juros A Estrutura a termo de taxa de juros (também cohecda como Yeld Curve ou Curva de Retabldade) é a relação, em dado mometo, etre

Leia mais

CAPÍTULO 5 - INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA

CAPÍTULO 5 - INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA CAPÍTULO 5 - INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA 5. INTRODUÇÃO É freqüete ecotrarmos problemas estatísticos do seguite tipo : temos um grade úmero de objetos (população) tais que se fossem tomadas as medidas

Leia mais

Econometria: 4 - Regressão Múltipla em Notação Matricial

Econometria: 4 - Regressão Múltipla em Notação Matricial Ecoometra: 4 - Regressão últpla em Notação atrcal Prof. arcelo C. ederos mcm@eco.puc-ro.br Prof. arco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo

Leia mais

2 Avaliação da segurança dinâmica de sistemas de energia elétrica: Teoria

2 Avaliação da segurança dinâmica de sistemas de energia elétrica: Teoria Avalação da seguraça dâmca de sstemas de eerga elétrca: Teora. Itrodução A avalação da seguraça dâmca é realzada através de estudos de establdade trastóra. Nesses estudos, aalsa-se o comportameto dos geradores

Leia mais

Olá, amigos concursandos de todo o Brasil!

Olá, amigos concursandos de todo o Brasil! Matemátca Facera ICMS-RJ/008, com gabarto cometado Prof. Wager Carvalho Olá, amgos cocursados de todo o Brasl! Veremos, hoje, a prova do ICMS-RJ/008, com o gabarto cometado. - O artgo º da Le.948 de 8

Leia mais

2. INTRODUÇÃO AOS MÉTODOS FACTORIAIS

2. INTRODUÇÃO AOS MÉTODOS FACTORIAIS . NRODUÇÃO AOS MÉODOS FACORAS CONCEOS GEOMÉRCOS. NÉRCA. Os métodos factoras de Aálse de Dados permtem descreer matrzes (segdo o modelo do Qadro Q da Fg..) de dmesão (, p) qe represetam os alores tomados

Leia mais

12.2.2 CVT: Coeficiente de Variação de Thorndike...45 12.2.3 CVQ: Coeficiente Quartílico de Variação...45 13 MEDIDAS DE ASSIMETRIA...46 13.

12.2.2 CVT: Coeficiente de Variação de Thorndike...45 12.2.3 CVQ: Coeficiente Quartílico de Variação...45 13 MEDIDAS DE ASSIMETRIA...46 13. SUMARIO 2 MÉTODO ESTATÍSTICO...3 2. A ESTATÍSTICA...3 2.2 FASES DO MÉTODO ESTATÍSTICO...4 3 FERRAMENTAS DE CÁLCULO PARA O ESTUDO DA ESTATÍSTICA...5 3. FRAÇÃO...5 3.. Adção e subtração...5 3..2 Multplcação

Leia mais

Capitulo 8 Resolução de Exercícios

Capitulo 8 Resolução de Exercícios FORMULÁRIO Audades Peródcas, Crescetes e Postecpadas, com Termos em P. A. G 1 1 1 1 G SPAC R R s s 1 1 1 1 1 G G C R a R a 1 1 PAC Audades Gradetes Postecpadas S GP G 1 1 ; C GP G 1 1 1 Audades Gradetes

Leia mais

Técnicas de Estimação no Âmbito da Pós-estratificação

Técnicas de Estimação no Âmbito da Pós-estratificação Téccas de Estmação o Âmbto da Pós-estratfcação por Aa Crsta Maro da Costa Dssertação apresetada como requsto parcal para a obteção do grau de Mestre em Estatístca e Gestão de Iformação pelo Isttuto Superor

Leia mais

Unidade II ESTATÍSTICA

Unidade II ESTATÍSTICA ESTATÍSTICA Udade II 3 MEDIDAS OU PARÂMETROS ESTATÍSTICOS 1 O estudo que fzemos aterormete dz respeto ao agrupameto de dados coletados e à represetação gráfca de algus deles. Cumpre agora estudarmos as

Leia mais

APOSTILA DA DISCIPLINA INFERÊNCIA ESTATÍSTICA I

APOSTILA DA DISCIPLINA INFERÊNCIA ESTATÍSTICA I UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA APOSTILA DA DISCIPLINA INFERÊNCIA ESTATÍSTICA I CURSO DE ESTATÍSTICA Prof. Paulo Rcardo Bttecourt Gumarães O SEMETRE

Leia mais

Capítulo 1 PORCENTAGEM

Capítulo 1 PORCENTAGEM Professor Joselas Satos da Slva Matemátca Facera Capítulo PORCETAGEM. PORCETAGEM A porcetagem ada mas é do que uma otação ( % ) usada para represetar uma parte de cem partes. Isto é, 20% lê-se 20 por ceto,

Leia mais

Educação e Pesquisa ISSN: 1517-9702 revedu@usp.br Universidade de São Paulo Brasil

Educação e Pesquisa ISSN: 1517-9702 revedu@usp.br Universidade de São Paulo Brasil Educação e Pesqusa ISS: 1517-972 revedu@usp.br Uversdade de São Paulo Brasl Helee, Otavao Evolução da escolardade esperada o Brasl ao logo do século XX Educação e Pesqusa, vol. 38, úm. 1, marzo, 212, pp.

Leia mais

Matemática. Resolução das atividades complementares. M18 Noções de Estatística

Matemática. Resolução das atividades complementares. M18 Noções de Estatística Resolução das atvdades complemetares Matemátca M8 Noções de Estatístca p. 3 (UFRJ) Dos estados do país, um certo ao, produzem os mesmos tpos de grãos. Os grácos de setores lustram a relação etre a produção

Leia mais

Nota Técnica n o 037/2013-SRG/ANEEL. Em 17 de maio de 2013. Processo: 48500.002907/2010-89

Nota Técnica n o 037/2013-SRG/ANEEL. Em 17 de maio de 2013. Processo: 48500.002907/2010-89 Nota Técca o 037/2013-SRG/ANEEL Em 17 de mao de 2013. Processo: 48500.002907/2010-89 Assuto: Cosoldação de todas as regulametações referetes à apuração de dspobldades de empreedmetos de geração de eerga

Leia mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental. É o grau de assocação etre duas ou mas varáves. Pode ser: Prof. Lorí Val, Dr. val@pucrs.br http://www.pucrs.br/famat/val www.pucrs.br/famat/val/ correlacoal ou expermetal. Numa relação expermetal os valores

Leia mais

ActivALEA. ative e atualize a sua literacia

ActivALEA. ative e atualize a sua literacia ActivALEA ative e atualize a sua literacia N.º 29 O QUE É UMA SONDAGEM? COMO É TRANSMIITIIDO O RESULTADO DE UMA SONDAGEM? O QUE É UM IINTERVALO DE CONFIIANÇA? Por: Maria Eugéia Graça Martis Departameto

Leia mais

APOSTILA DE ESTATÍSTICA APLICADA A ADMINISTRAÇÃO, ECONOMIA, MATEMÁTICA INDUSTRIAL E ENGENHARIA

APOSTILA DE ESTATÍSTICA APLICADA A ADMINISTRAÇÃO, ECONOMIA, MATEMÁTICA INDUSTRIAL E ENGENHARIA UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EATAS DEPARTAMENTO DE ESTATÍSTICA APOSTILA DE ESTATÍSTICA APLICADA A ADMINISTRAÇÃO, ECONOMIA, MATEMÁTICA INDUSTRIAL E ENGENHARIA SONIA ISOLDI MARTY GAMA

Leia mais

13 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL

13 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL 3 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL Como vto em amotragem o prmero bmetre, etem fatore que fazem com que a obervação de toda uma população em uma pequa eja mpratcável, muta veze em vrtude

Leia mais

Econometria: 3 - Regressão Múltipla

Econometria: 3 - Regressão Múltipla Ecoometra: 3 - Regressão Múltpla Prof. Marcelo C. Mederos mcm@eco.puc-ro.br Prof. Marco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo de regressão

Leia mais

Uma Calculadora Financeira usando métodos numéricos e software livre

Uma Calculadora Financeira usando métodos numéricos e software livre Uma Calculadora Facera usado métos umércos e software lvre Jorge edraza Arpas, Julao Sott, Depto de Cêcas e Egeharas, Uversdade Regoal ItegradaI, URI 98400-000-, Frederco Westphale, RS Resumo.- Neste trabalho

Leia mais

Cálculo de média a posteriori através de métodos de integração numérica e simulação monte carlo: estudo comparativo

Cálculo de média a posteriori através de métodos de integração numérica e simulação monte carlo: estudo comparativo INGEPRO Iovação, Gestão e Produção Jaero de 010, vol. 0, o. 01 www.gepro.com.br Cálculo de méda a posteror através de métodos de tegração umérca e smulação mote carlo: estudo comparatvo Helto Adre Lopes

Leia mais

Estudo do intervalo de confiança da regressão inversa utilizando o software R

Estudo do intervalo de confiança da regressão inversa utilizando o software R Estudo do tervalo de cofaça da regressão versa utlzado o software R Llae Lopes Cordero João Domgos Scalo. Itrodução Na maora das aplcações evolvedo regressão, determa-se o valor de Y correspodete a um

Leia mais

1 SISTEMA FRANCÊS DE AMORTIZAÇÃO

1 SISTEMA FRANCÊS DE AMORTIZAÇÃO scpla de Matemátca Facera 212/1 Curso de Admstração em Gestão Públca Professora Ms. Valéra Espídola Lessa EMPRÉSTIMOS Um empréstmo ou facameto pode ser feto a curto, médo ou logo prazo. zemos que um empréstmo

Leia mais

EVAPOTRANSPIRAÇÃO DE REFERÊNCIA UTILIZANDO MÉTODOS DE TANQUE CLASSE A PROPOSTOS PELA FAO, NA REGIÃO DE MOSSORÓ, RN

EVAPOTRANSPIRAÇÃO DE REFERÊNCIA UTILIZANDO MÉTODOS DE TANQUE CLASSE A PROPOSTOS PELA FAO, NA REGIÃO DE MOSSORÓ, RN EVAPOTRANSPIRAÇÃO DE REFERÊNCIA UTILIZANDO MÉTODOS DE TANQUE CLASSE A PROPOSTOS PELA FAO, NA REGIÃO DE MOSSORÓ, RN Tayd Dayvso Custódo Pexoto ; Sérgo Luz Agular Leve ; Adre Herma Frere Bezerra 3 ; José

Leia mais

SUMÁRIO GOVERNO DO ESTADO DO CEARÁ. Cid Ferreira Gomes Governador. 1. Introdução... 2. Domingos Gomes de Aguiar Filho Vice Governador

SUMÁRIO GOVERNO DO ESTADO DO CEARÁ. Cid Ferreira Gomes Governador. 1. Introdução... 2. Domingos Gomes de Aguiar Filho Vice Governador INSTITUTO DE PESQUISA E ESTRATÉGIA ECONÔMICA DO CEARÁ - IPECE GOVERNO DO ESTADO DO CEARÁ Cd Ferrera Gomes Goverador Domgos Gomes de Aguar Flho Vce Goverador SECRETARIA DO PLANEJAMENTO E GES- TÃO (SEPLAG)

Leia mais

Capítulo 6 - Centro de Gravidade de Superfícies Planas

Capítulo 6 - Centro de Gravidade de Superfícies Planas Capítulo 6 - Cetro de ravdade de Superfíces Plaas 6. Itrodução O Cetro de ravdade (C) de um sóldo é um poto localzado o própro sóldo, ou fora dele, pelo qual passa a resultate das forças de gravdade que

Leia mais

Perguntas Freqüentes - Bandeiras

Perguntas Freqüentes - Bandeiras Pergutas Freqüetes - Baderas Como devo proceder para prestar as formações de quatdade e valor das trasações com cartões de pagameto, os casos em que o portador opte por lqudar a obrgação de forma parcelada

Leia mais

RESUMO DE MATEMÁTICA FINANCEIRA. Juro Bom Investimento C valor aplicado M saldo ao fim da aplicação J rendimento (= M C)

RESUMO DE MATEMÁTICA FINANCEIRA. Juro Bom Investimento C valor aplicado M saldo ao fim da aplicação J rendimento (= M C) RESUMO DE MATEMÁTICA FINANCEIRA I. JUROS SIMPLES ) Elemetos de uma operação de Juros Smples: Captal (C); Motate (M); Juros (J); Taxa (); Tempo (). ) Relação etre Juros, Motate e Captal: J = M C ) Defção

Leia mais

Palavras-Chave: Teoria das Restrições, Decisões a Longo Prazo, Simulação de Monte Carlo.

Palavras-Chave: Teoria das Restrições, Decisões a Longo Prazo, Simulação de Monte Carlo. Teora das Restrções e Decsões de Logo Prazo: Camho para a Covergêca Autores PABLO ROGERS Uversdade Federal de Uberlâda ERNANDO ANTONIO REIS Uversdade Federal de Uberlâda Resumo Advogam os crítcos da Teora

Leia mais

MODELO DE ISING BIDIMENSIONAL SEGUNDO A TÉCNICA DE MATRIZ DE TRANSFERÊNCIA

MODELO DE ISING BIDIMENSIONAL SEGUNDO A TÉCNICA DE MATRIZ DE TRANSFERÊNCIA UIVERSIDADE ESTADUAL DO CEARÁ RAFAEL DE LIMA BARBOSA MODELO DE ISIG BIDIMESIOAL SEGUDO A TÉCICA DE MATRIZ DE TRASFERÊCIA FORTALEZA CEARÁ 4 RAFAEL DE LIMA BARBOSA MODELO DE ISIG BIDIMESIOAL SEGUDO A TÉCICA

Leia mais

CAP. I ERROS EM CÁLCULO NUMÉRICO

CAP. I ERROS EM CÁLCULO NUMÉRICO CAP I ERROS EM CÁLCULO NUMÉRICO 0 Itrodução Por método umérico etede-se um método para calcular a solução de um problema realizado apeas uma sequêcia fiita de operações aritméticas A obteção de uma solução

Leia mais

BUSCA HARMÔNICA DINÂMICA AUTO-AJUSTÁVEL APLICADA À PARAMETRIZAÇÃO MULTIOBJETIVO DE CONTROLADORES

BUSCA HARMÔNICA DINÂMICA AUTO-AJUSTÁVEL APLICADA À PARAMETRIZAÇÃO MULTIOBJETIVO DE CONTROLADORES Aas do XX Cogresso Braslero de Automátca Belo Horzote, MG, 0 a 4 de Setembro de 04 BUSCA HARMÔNICA DINÂMICA AUTO-AJUSTÁVEL APLICADA À PARAMETRIZAÇÃO MULTIOBJETIVO DE CONTROLADORES HELON V. HULTMANN AYALA

Leia mais

Macroeconometria Aula 3 Revisão de estatística e teste de hipótese

Macroeconometria Aula 3 Revisão de estatística e teste de hipótese Macroecoometra 008. Aula 3 Revsão de estatístca e teste de hpótese 3.5. Estmação No estudo das probabldades, o objetvo é calcular a probabldade de evetos préespecfcados. De agora em date o objetvo muda.

Leia mais

UERJ CTC IME Departamento de Informática e Ciência da Computação 2 Cálculo Numérico Professora Mariluci Ferreira Portes

UERJ CTC IME Departamento de Informática e Ciência da Computação 2 Cálculo Numérico Professora Mariluci Ferreira Portes UERJ CTC IE Departameto de Iormátca e Cêca da Computação Udade I - Erros as apromações umércas. I. - Cosderações geras. Há váras stuações em dversos campos da cêca em que operações umércas são utlzadas

Leia mais

Métodos iterativos. Capítulo O Método de Jacobi

Métodos iterativos. Capítulo O Método de Jacobi Capítulo 4 Métodos teratvos 41 O Método de Jacob O Método de Jacob é um procedmeto teratvo para a resolução de sstemas leares Tem a vatagem de ser mas smples de se mplemetar o computador do que o Método

Leia mais

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD Dstrbuções Amostras Estatístca 8 - Dstrbuções Amostras 08- Dstrbuções Amostras Dstrbução Amostral de Objetvo: Estudar a dstrbução da população costtuída de todos os valores que se pode obter para, em fução

Leia mais

Exercício 1. Quantos bytes (8 bits) existem de modo que ele contenha exatamente quatro 1 s? Exercício 2. Verifique que

Exercício 1. Quantos bytes (8 bits) existem de modo que ele contenha exatamente quatro 1 s? Exercício 2. Verifique que LISTA INCRÍVEL DE MATEMÁTICA DISCRETA II DANIEL SMANIA 1 Amostras, seleções, permutações e combiações Exercício 1 Quatos bytes (8 bits) existem de modo que ele coteha exatamete quatro 1 s? Exercício 2

Leia mais

Cap. 5. Testes de Hipóteses

Cap. 5. Testes de Hipóteses Cap. 5. Testes de Hpóteses Neste capítulo será estudado o segudo problema da ferêca estatístca: o teste de hpóteses. Um teste de hpóteses cosste em verfcar, a partr das observações de uma amostra, se uma

Leia mais

Objetivos da aula. Essa aula objetiva fornecer algumas ferramentas descritivas úteis para

Objetivos da aula. Essa aula objetiva fornecer algumas ferramentas descritivas úteis para Objetvos da aula Essa aula objetva fornecer algumas ferramentas descrtvas útes para escolha de uma forma funconal adequada. Por exemplo, qual sera a forma funconal adequada para estudar a relação entre

Leia mais

Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística

Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Val, Dr. http://www.pucrs.br/famat/val/ val@pucrs.br Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Obetvos A Aálse de

Leia mais

UFRGS 2007 - MATEMÁTICA

UFRGS 2007 - MATEMÁTICA - MATEMÁTICA 01) Em 2006, segudo otícias veiculadas a impresa, a dívida itera brasileira superou um trilhão de reais. Em otas de R$ 50, um trilhão de reais tem massa de 20.000 toeladas. Com base essas

Leia mais

Teoria da Amostragem

Teoria da Amostragem Teora da Amostragem I- oções fudametas sobre amostragem. Amostragem é todo o processo de recolha de uma parte, geralmete pequea, dos elemetos que costtuem um dado couto. Da aálse dessa parte pretede obter-se

Leia mais

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø.

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø. Professor Maurco Lutz 1 EGESSÃO LINEA SIMPLES A correlação lear é uma correlação etre duas varáves, cujo gráfco aproma-se de uma lha. O gráfco cartesao que represeta essa lha é deomado dagrama de dspersão.

Leia mais

Notas de aula da disciplina Probabilidade e Estatística

Notas de aula da disciplina Probabilidade e Estatística otas de aula da dscpla Probabldade e Estatístca Proessor M Sc Adré Luz DAMAT - UTFPR Esta apostla apreseta os tópcos prcpas abordados em sala de aula, cotedo deções, teoremas, eemplos Sua letura ão é obrgatóra,

Leia mais

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados Capítulo : Ajuste de curvas pelo método dos mímos quadrados. agrama de dspersão No capítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas por uma taela de valores. Frequetemete o etato

Leia mais

Marília Brasil Xavier REITORA. Prof. Rubens Vilhena Fonseca COORDENADOR GERAL DOS CURSOS DE MATEMÁTICA

Marília Brasil Xavier REITORA. Prof. Rubens Vilhena Fonseca COORDENADOR GERAL DOS CURSOS DE MATEMÁTICA Maríla Brasl Xaver REITORA Prof. Rubes Vlhea Foseca COORDENADOR GERAL DOS CURSOS DE MATEMÁTICA MATERIAL DIDÁTICO EDITORAÇÃO ELETRONICA Odvaldo Texera Lopes ARTE FINAL DA CAPA Odvaldo Texera Lopes REALIZAÇÃO

Leia mais

Professor Mauricio Lutz ESTATÍSTICA BÁSICA

Professor Mauricio Lutz ESTATÍSTICA BÁSICA Proessor Maurco Lutz ESTATÍSTICA BÁSICA. Coceto Exstem mutas deções propostas por autores, objetvado estabelecer com clareza o que é estatístca, como por exemplo: Þ A Estatístca é um cojuto de métodos

Leia mais

PUCRS FAMAT DEPTº DE ESTATÍSTICA ESTATÍSTICA DESCRITIVA SÉRGIO KATO

PUCRS FAMAT DEPTº DE ESTATÍSTICA ESTATÍSTICA DESCRITIVA SÉRGIO KATO PUCRS FAMAT DEPTº DE ESTATÍSTICA ESTATÍSTICA DESCRITIVA SÉRGIO KATO A expressão dados, será ctada dversas vezes esta dscpla, em lguagem ormal, dados são ormações (úmeros ou ão) sobre um dvíduo (pessoa,

Leia mais

Notas em Matemática Aplicada 9

Notas em Matemática Aplicada 9 Notas em atemátca Aplcada 9 Edtado por Elaa XL de Adrade Uversdade Estadual aulsta - UNES São José do Ro reto, S, Brasl Rubes Sampao otfíca Uversdade Católca do Ro de Jaero Ro de Jaero, RJ, Brasl Geraldo

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual Estatístca: Aplcação ao Sesorameto Remoto SER 04 - ANO 08 Estmação Potual Camlo Daleles Reó camlo@dp.pe.br http://www.dp.pe.br/~camlo/estatstca/ Iferêca Estatístca Cosdere o expermeto: retram-se 3 bolas

Leia mais

M = C( 1 + i.n ) J = C.i.n. J = C((1+i) n -1) MATEMÁTICA FINANCEIRA. M = C(1 + i) n BANCO DO BRASIL. Prof Pacher

M = C( 1 + i.n ) J = C.i.n. J = C((1+i) n -1) MATEMÁTICA FINANCEIRA. M = C(1 + i) n BANCO DO BRASIL. Prof Pacher MATEMÁTICA 1 JUROS SIMPLES J = C.. M C J J = M - C M = C( 1 +. ) Teste exemplo. ados com valores para facltar a memorzação. Aplcado-se R$ 100,00 a juros smples, à taxa omal de 10% ao ao, o motate em reas

Leia mais

Neste capítulo pretende-se introduzir o conceito de centróide, em especial quando aplicado para o caso de superfícies planas.

Neste capítulo pretende-se introduzir o conceito de centróide, em especial quando aplicado para o caso de superfícies planas. Físca plcada à Egehara vl II aulo Medes ENTRÓIDES Neste capítulo pretede-se troduzr o coceto de cetróde, em especal quado aplcado para o caso de superfíces plaas. Este documeto, costtu apeas um strumeto

Leia mais

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12 MEDIDAS DE POSIÇÃO: São meddas que possbltam represetar resumdamete um cojuto de dados relatvos à observação de um determado feômeo, pos oretam quato à posção da dstrbução o exo dos, permtdo a comparação

Leia mais

Projeto e Análise de Algoritmos Recorrências. Prof. Humberto Brandão

Projeto e Análise de Algoritmos Recorrências. Prof. Humberto Brandão Projeto e Aálse de Algortmos Recorrêcas Prof. Humberto Bradão humberto@dcc.ufmg.br Uversdade Federal de Alfeas Laboratóro de Pesqusa e Desevolvmeto LP&D Isttuto de Cêcas Exatas ICEx versão da aula: 0.

Leia mais

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento. Prof. Lorí Val, Dr. val@pucrs.r http://www.pucrs.r/famat/val/ Em mutas stuações duas ou mas varáves estão relacoadas e surge etão a ecessdade de determar a atureza deste relacoameto. A aálse de regressão

Leia mais

1.5 Aritmética de Ponto Flutuante

1.5 Aritmética de Ponto Flutuante .5 Aritmética de Poto Flutuate A represetação em aritmética de poto flutuate é muito utilizada a computação digital. Um exemplo é a caso das calculadoras cietíficas. Exemplo:,597 03. 3 Este úmero represeta:,597.

Leia mais

Projeto de rede na cadeia de suprimentos

Projeto de rede na cadeia de suprimentos Projeto de rede a cadea de suprmetos Prof. Ph.D. Cláudo F. Rosso Egehara Logístca II Esboço O papel do projeto de rede a cadea de suprmetos Fatores que fluecam decsões de projeto de rede Modelo para decsões

Leia mais

Cursos de Licenciatura em Ensino de Matemática e de EGI. Teoria de Probabilidade

Cursos de Licenciatura em Ensino de Matemática e de EGI. Teoria de Probabilidade Celso Albo FACULDADE DE CIÊNCIAS NATURAIS E MATEMÁTICA DEPARTAMENTO DE MATEMÁTICA Campus de Lhaguee, Av. de Moçambque, km, Tel: +258 240078, Fax: +258 240082, Maputo Cursos de Lcecatura em Eso de Matemátca

Leia mais

Em atendimento à solicitação de V.Sa., apresentamos, na seqüência, os resultados do estudo referenciado.

Em atendimento à solicitação de V.Sa., apresentamos, na seqüência, os resultados do estudo referenciado. 1 Belo Horzote, 14 de abrl de 2007. À UNAFISCO SAÚDE AT.: Glso Bezerra REF: AVALIAÇÃO ATUARIAL Prezado Sehor, Em atedmeto à solctação de V.Sa., apresetamos, a seqüêca, os resultados do estudo referecado.

Leia mais

Monitoramento ou Inventário Florestal Contínuo

Monitoramento ou Inventário Florestal Contínuo C:\Documets ad Settgs\DISCO_F\MEUS-DOCS\LIVRO_EF_44\ef44_PDF\CAP XIV_IFCOTIUO.doc 6 Motorameto ou Ivetáro Florestal Cotíuo Agosto Lopes de Souza. ITRODUÇÃO Parcelas permaetes de vetáro florestal cotíuo

Leia mais

ELECTROTECNIA TEÓRICA MEEC IST

ELECTROTECNIA TEÓRICA MEEC IST ELECTROTECNIA TEÓRICA MEEC IST º Semestre 05/6 3º TRABALHO LABORATORIAL CIRCUITO RLC SÉRIE em Regme Forçado Alterado Susodal Prof. V. Maló Machado Prof. M. Guerrero das Neves Prof.ª Mª Eduarda Pedro Eg.

Leia mais

? Isso é, d i= ( x i. . Percebeu que

? Isso é, d i= ( x i. . Percebeu que Estatístca - Desvo Padrão e Varâca Preparado pelo Prof. Atoo Sales,00 Supoha que tehamos acompahado as otas de quatro aluos, com méda 6,0. Aluo A: 4,0; 6,0; 8,0; méda 6,0 Aluo B:,0; 8,0; 8,0; méda 6,0

Leia mais

Revisão de Estatística X = X n

Revisão de Estatística X = X n Revsão de Estatístca MÉDIA É medda de tedêca cetral mas comumete usada ara descrever resumdamete uma dstrbução de freqüêca. MÉDIA ARIMÉTICA SIMPLES São utlzados os valores do cojuto com esos guas. + +...

Leia mais

Introdução ao Estudo de Sistemas Lineares

Introdução ao Estudo de Sistemas Lineares Itrodução ao Estudo de Sistemas Lieares 1. efiições. 1.1 Equação liear é toda seteça aberta, as icógitas x 1, x 2, x 3,..., x, do tipo a1 x1 a2 x2 a3 x3... a x b, em que a 1, a 2, a 3,..., a são os coeficietes

Leia mais

3 Precificação de resseguro

3 Precificação de resseguro Precfcação de Resseguro 35 3 Precfcação de resseguro Este capítulo traz prmeramete uma oção ampla das aplcações das metodologas de precfcação de resseguro para melhor compreesão do mesmo Da seção 3 até

Leia mais

Introdução à Teoria dos Números Notas 1 Os Princípios da Boa Ordem e de Indução Finita Prof Carlos Alberto S Soares

Introdução à Teoria dos Números Notas 1 Os Princípios da Boa Ordem e de Indução Finita Prof Carlos Alberto S Soares Itrodução à Teora dos Números 018 - Notas 1 Os Prcípos da Boa Ordem e de Idução Fta Prof Carlos Alberto S Soares 1 Prelmares Neste curso, prortaramete, estaremos trabalhado com úmeros teros mas, quado

Leia mais

E-mails: damasceno1204@yahoo.com.br damasceno@interjato.com.br damasceno12@hotmail.com http://www. damasceno.info www. damasceno.info damasceno.

E-mails: damasceno1204@yahoo.com.br damasceno@interjato.com.br damasceno12@hotmail.com http://www. damasceno.info www. damasceno.info damasceno. Matemátca Facera 2007.1 Prof.: Luz Gozaga Damasceo 1 E-mals: damasceo1204@yahoo.com.br damasceo@terjato.com.br damasceo12@hotmal.com http://www. damasceo.fo www. damasceo.fo damasceo.fo Obs.: (1 Quado

Leia mais

CENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS - UnilesteMG

CENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS - UnilesteMG 1 CENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS - UnlesteMG Dscplna: Introdução à Intelgênca Artfcal Professor: Luz Carlos Fgueredo GUIA DE LABORATÓRIO LF. 01 Assunto: Lógca Fuzzy Objetvo: Apresentar o

Leia mais

Total Bom Ruim Masculino

Total Bom Ruim Masculino UNIDADE I - ESTUDO DIRIGIDO Questão - Classfque as varáves em qualtatva (omal ou ordal ou quattatva (cotíua ou dscreta: a. População: aluos de uma Uversdade. Varável: cor dos cabelos (louro, castaho, ruvo,

Leia mais

TEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma.

TEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma. UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO DE CIÊNCIAS EXATAS DEPARTAMENTO DE FÍSICA AV. FERNANDO FERRARI, 514 - GOIABEIRAS 29075-910 VITÓRIA - ES PROF. ANDERSON COSER GAUDIO FONE: 4009.7820 FAX: 4009.2823

Leia mais

Equações Diferenciais Lineares de Ordem n

Equações Diferenciais Lineares de Ordem n PUCRS Faculdade de Matemática Equações Difereciais - Prof. Eliete Equações Difereciais Lieares de Ordem Cosideremos a equação diferecial ordiária liear de ordem escrita a forma 1 d y d y dy L( y( x ))

Leia mais

MAE0229 Introdução à Probabilidade e Estatística II

MAE0229 Introdução à Probabilidade e Estatística II Exercíco Cosdere a dstrbução expoecal com fução de desdade de probabldade dada por f (y; λ) = λe λy, em que y, λ > 0 e E(Y) = /λ Supor que o parâmetro λ pode ser expresso proporcoalmete aos valores de

Leia mais

Complexidade Computacional da Determinação da Correspondência entre Imagens

Complexidade Computacional da Determinação da Correspondência entre Imagens Complexdade Computacoal da Determação da Correspodêca etre Images Adraa Karlstroem Laboratóro de Sstemas Embarcados Departameto de Egehara Mecatrôca Escola Poltécca da Uversdade de São Paulo adraa.karlstroem@pol.usp.br

Leia mais

Confiabilidade Estrutural

Confiabilidade Estrutural Professor Uversdade de Brasíla Departameto de Egehara Mecâca Programa de Pós graduação em Itegrdade Estrutural Algortmo para a Estmatva do Idce de Cofabldade de Hasofer-Ld Cofabldade Estrutural Jorge Luz

Leia mais

A Medição e o Erro de Medição

A Medição e o Erro de Medição A Medção e o Erro de Medção Sumáro 1.1 Itrodução 1.2 Defções 1.3 Caracterzação da qualdade de medção 1.4 O erro da medção 1.4.1 Os erros aleatóros 1.4.2 Os erros sstemátcos 1.5 O verdadero valor, o erro

Leia mais

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1.

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1. Iterpolação Iterpolação é um método que permte costrur um ovo cojuto de dados a partr de um cojuto dscreto de dados potuas cohecdos. Em egehara e cêcas, dspõese habtualmete de dados potuas, obtdos a partr

Leia mais

Prof. Dr. Marco Antonio Leonel Caetano Projeção de Cenários Aplicados ao Orçamento Empresarial Com revisão das Ferramentas de Estatística

Prof. Dr. Marco Antonio Leonel Caetano Projeção de Cenários Aplicados ao Orçamento Empresarial Com revisão das Ferramentas de Estatística Projeção de Ceáros Aplcados ao Orçameto Empresaral Com revsão das Ferrametas de Estatístca Prof. Dr. Marco Atoo Leoel Caetao TÓPICO Tratameto, Quatfcação e Vsualzação de Dados Faceros. Itrodução Na dvulgação

Leia mais

OTIMIZAÇÃO DE UMA COLUNA DE DESTILAÇÃO V-104 STABILIZER DE PRODUÇÃO DE LPG - GÁS LIQUEFEITO DE PETRÓLEO CAMPO PETROLÍFERO DO MALONGO/CABINDA/ANGOLA

OTIMIZAÇÃO DE UMA COLUNA DE DESTILAÇÃO V-104 STABILIZER DE PRODUÇÃO DE LPG - GÁS LIQUEFEITO DE PETRÓLEO CAMPO PETROLÍFERO DO MALONGO/CABINDA/ANGOLA OTIMIZAÇÃO DE UMA COLUNA DE DESTILAÇÃO V-104 STABILIZER DE PRODUÇÃO DE LPG - GÁS LIQUEFEITO DE PETRÓLEO CAMPO PETROLÍFERO DO MALONGO/CABINDA/ANGOLA KÁTIA MARIANA SILIVELI EPALANGA - Egehera Químca Dssertação

Leia mais

CAPÍTULO III - POLINÔMIOS DE JACOBI E QUADRATURA NUMÉRICA

CAPÍTULO III - POLINÔMIOS DE JACOBI E QUADRATURA NUMÉRICA Polômos de Jacob e CAPÍTULO III - POLINÔMIOS DE JACOBI E QUADRATURA NUMÉRICA III--)INTRODUÇÃO Para um melhor etedmeto do método da colocação ortogoal e sua relação com o método dos resíduos poderados (MRP),

Leia mais

MEDIDAS DE TENDÊNCIA CENTRAL I

MEDIDAS DE TENDÊNCIA CENTRAL I Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, edca Veterára, uscoterapa, Odotologa, Pscologa EDIDAS DE TENDÊNCIA CENTRAL I 7 7. EDIDAS DE

Leia mais

AVALIAÇÃO DOS PROGRAMAS DE PÓS-GRADUAÇÃO EM ENGENHARIA DA UFRJ EMPREGANDO UMA VARIANTE DESENVOLVIDA DO MÉTODO UTA

AVALIAÇÃO DOS PROGRAMAS DE PÓS-GRADUAÇÃO EM ENGENHARIA DA UFRJ EMPREGANDO UMA VARIANTE DESENVOLVIDA DO MÉTODO UTA versão mpressa ISSN 00-7438 / versão ole ISSN 678-542 AVALIAÇÃO DOS PROGRAMAS DE PÓS-GRADUAÇÃO EM ENGENHARIA DA UFRJ EMPREGANDO UMA VARIANTE DESENVOLVIDA DO MÉTODO UTA Luís Alberto Duca Ragel UFF-COPPE/PEP/UFRJ

Leia mais

ESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA

ESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA ESTATÍSTICA MÓDULO OS RAMOS DA ESTATÍSTICA Ídce. Os Ramos da Estatístca...3.. Dados Estatístcos...3.. Formas Icas de Tratameto dos Dados....3. Notação por Ídces...5.. Notação Sgma ()...5 Estatístca Módulo

Leia mais