Regressão Logística. Prof. Dr. Leandro Balby Marinho. Inteligência Artificial. Introdução Hipótese Estimativa de Parâmetros Classificação Multiclasse
|
|
- Wagner de Mendonça Lencastre
- 8 Há anos
- Visualizações:
Transcrição
1 Regressão Logística Prof. Dr. Leandro Balby Marinho Inteligência Artificial Prof. Leandro Balby Marinho 1 / 19 UFCG DSC
2 Roteiro 1. Introdução 2. Representação da Hipótese 3. Estimativa de Parâmetros 4. Classificação Multiclasse Prof. Leandro Balby Marinho 2 / 19 UFCG DSC
3 Classificação Classificação Binária: y {0, 1} Tweet: Positivo/Negativo. Spam/Não Spam. Empréstimo em Banco: Aprovado/Não aprovado. Tumor: Maligno/Benigno. Classificação Multiclasse: y {0, 1, 2, 3,...} Detecção de dígitos manuscritos: {0, 1, 2,..., 9}. Categorização de Páginas Web: {poĺıtica, esporte,...}. Prof. Leandro Balby Marinho 2 / 19 UFCG DSC
4 Exemplo 1 Dado o tamanho de um tumor, classificá-lo como maligno ou benigno. Prof. Leandro Balby Marinho 3 / 19 UFCG DSC
5 Regressão Linear para Classificação Ideia: Ajusde uma linha aos dados e use um limiar de classificação. ŷ := { 1, h(x) > 0.5 0, h(x) < 0.5 Prof. Leandro Balby Marinho 4 / 19 UFCG DSC
6 Roteiro 1. Introdução 2. Representação da Hipótese 3. Estimativa de Parâmetros 4. Classificação Multiclasse Prof. Leandro Balby Marinho 5 / 19 UFCG DSC
7 Representação da Hipótese Na classificação binária y = 0 ou y = 1. Prof. Leandro Balby Marinho 5 / 19 UFCG DSC
8 Representação da Hipótese Na classificação binária y = 0 ou y = 1. Na regressão linear h(x) pode ser > 1 ou < 0. Prof. Leandro Balby Marinho 5 / 19 UFCG DSC
9 Representação da Hipótese Na classificação binária y = 0 ou y = 1. Na regressão linear h(x) pode ser > 1 ou < 0. Na regressão logística queremos 0 h(x) 1. Prof. Leandro Balby Marinho 5 / 19 UFCG DSC
10 Representação da Hipótese Na classificação binária y = 0 ou y = 1. Na regressão linear h(x) pode ser > 1 ou < 0. Na regressão logística queremos 0 h(x) 1. Hipótese regressão linear: h(x) = Θ T x Prof. Leandro Balby Marinho 5 / 19 UFCG DSC
11 Representação da Hipótese Na classificação binária y = 0 ou y = 1. Na regressão linear h(x) pode ser > 1 ou < 0. Na regressão logística queremos 0 h(x) 1. Hipótese regressão linear: Na regressão logística: onde s(z) = h(x) = Θ T x h(x) = s(θ T x) 1 é a função sigmóide. 1 + e z Prof. Leandro Balby Marinho 5 / 19 UFCG DSC
12 Função Sigmóide lim s(z) = 0, lim z s(z) = 1 z Prof. Leandro Balby Marinho 6 / 19 UFCG DSC
13 Interpretação Probabiĺıstica Y é uma variável aleatória para um valor fixo de X = x. Portanto: Y X = x Bernoulli(p) 1 1 p = p(y = 1 X = x) Prof. Leandro Balby Marinho 7 / 19 UFCG DSC
14 Interpretação Probabiĺıstica Y é uma variável aleatória para um valor fixo de X = x. Portanto: Y X = x Bernoulli(p) 1 E(Y X = x) = p 1 p = p(y = 1 X = x) Prof. Leandro Balby Marinho 7 / 19 UFCG DSC
15 Interpretação Probabiĺıstica Y é uma variável aleatória para um valor fixo de X = x. Portanto: Y X = x Bernoulli(p) 1 E(Y X = x) = p P(Y X = x) := { p, se Y = 1 1 p, se Y = 0 1 p = p(y = 1 X = x) Prof. Leandro Balby Marinho 7 / 19 UFCG DSC
16 Interpretação Probabiĺıstica Y é uma variável aleatória para um valor fixo de X = x. Portanto: Y X = x Bernoulli(p) 1 E(Y X = x) = p P(Y X = x) := { p, se Y = 1 1 p, se Y = 0 A hipótese pode ser interpretada como o valor p, i.e., h(x) = e ΘT x = p(y = 1 X = x; Θ) 1 p = p(y = 1 X = x) Prof. Leandro Balby Marinho 7 / 19 UFCG DSC
17 Regra de Classificação de Bayes Para prever a classe de uma dada instância, usamos a regra de classificação de Bayes: { 1, h(x) > 0.5 ŷ := 0, caso contrário O conjunto {x : p(y = 1 X = x) = p(y = 0 X = x)} é chamado de fronteira de decisão Prof. Leandro Balby Marinho 8 / 19 UFCG DSC
18 Fronteira de Decisão Assumindo Θ = h(x) = s(θ 0 + Θ 1 x 1 + Θ 2 x 2 ) Prof. Leandro Balby Marinho 9 / 19 UFCG DSC
19 Fronteira de Decisão Assumindo Θ = Temos que ŷ = 1 quando 3 + x 1 + x 2 0 x 1 + x 2 3 e quando ŷ = 0 x 1 + x 2 < 3 h(x) = s(θ 0 + Θ 1 x 1 + Θ 2 x 2 ) Prof. Leandro Balby Marinho 9 / 19 UFCG DSC
20 Roteiro 1. Introdução 2. Representação da Hipótese 3. Estimativa de Parâmetros 4. Classificação Multiclasse Prof. Leandro Balby Marinho 10 / 19 UFCG DSC
21 Função de Custo A função de custo pode ser definida como: l (h(x), y) := { log (h(x)), se y = 1 log(1 h(x)), se y = 0 fun1(x) fun2(x) x x Prof. Leandro Balby Marinho 10 / 19 UFCG DSC
22 Função de Custo Simplificada A função de custo pode ser simplificada como: l(h(x), y) := y log h(x) + (1 y) log (1 h(x)) ou seja, quando y = 1 l(h(x), y) := log h(x) e quando y = 0 l(h(x), y) := log (1 h(x)) Prof. Leandro Balby Marinho 11 / 19 UFCG DSC
23 Formulação do Problema Revisitado Dado um conjunto de treino D train, Prof. Leandro Balby Marinho 12 / 19 UFCG DSC
24 Formulação do Problema Revisitado Dado um conjunto de treino D train, uma função de perda/custo l : Y Y R que calcula quão ruim é prever h(x) se o valor real é y, Prof. Leandro Balby Marinho 12 / 19 UFCG DSC
25 Formulação do Problema Revisitado Dado um conjunto de treino D train, uma função de perda/custo l : Y Y R que calcula quão ruim é prever h(x) se o valor real é y, encontre uma hipótese h : X Y tal que para um conjunto de teste D test X Y (desconhecido durante o treino), o erro no teste seja mínimo. err(h; D test ) := 1 D test (x,y) D test l(h(x), y) Prof. Leandro Balby Marinho 12 / 19 UFCG DSC
26 Mais um Problema de Otimização Hipótese: h(x) := s(θ T x) Erro no treino: err(h; D train ) := 1 y log h(x)+(1 y) log (1 h(x)) n (x,y) D train Objetivo: argmin Θ err(h; D train ) Prof. Leandro Balby Marinho 13 / 19 UFCG DSC
27 Gradiente da Função Erro Derivadas parciais: Θ 0 err(h; D train ) := 1 n Θ 1 err(h; D train ) := 1 n Θ 2 err(h; D train ) := 1 n n 1 n 1 n 1 (h(x (i) ) y i ) x (i) 0 (h(x (i) ) y i ) x (i) 1 (h(x (i) ) y i ) x (i) 2. Mesmas derivadas da regressão linear! Prof. Leandro Balby Marinho 14 / 19 UFCG DSC
28 Gradiente Descendente para Regressão Logística GradientDescent(α, precision) 1 initialize Θ 2 e new = err(h; D train ) 3 repeat 4 e old = e new 5 for i = 0 to m 6 tmp i = Θ i α Θ i err(h; D train ) 7 for i = 0 to m 8 Θ i = tmp i 9 e new = err(h; D train ) 10 until e new e old precision Prof. Leandro Balby Marinho 15 / 19 UFCG DSC
29 Roteiro 1. Introdução 2. Representação da Hipótese 3. Estimativa de Parâmetros 4. Classificação Multiclasse Prof. Leandro Balby Marinho 16 / 19 UFCG DSC
30 Classificação Multiclasse Suponha a tarefa de classificar automaticamente webpages nas classes {poĺıtica, esporte, economia}. A variável alvo não é mais binária Y = {1, 2, 3}. Prof. Leandro Balby Marinho 16 / 19 UFCG DSC
31 One vs. All Ideia: Transforme o problema original em vários problemas de classificação binária. Prof. Leandro Balby Marinho 17 / 19 UFCG DSC
32 One vs. All Ideia: Transforme o problema original em vários problemas de classificação binária. h (1) (x) = p(y = 1 X = x; Θ) Prof. Leandro Balby Marinho 17 / 19 UFCG DSC
33 One vs. All Ideia: Transforme o problema original em vários problemas de classificação binária. h (2) (x) = p(y = 2 X = x; Θ) Prof. Leandro Balby Marinho 17 / 19 UFCG DSC
34 One vs. All Ideia: Transforme o problema original em vários problemas de classificação binária. h (3) (x) = p(y = 3 X = x; Θ) Prof. Leandro Balby Marinho 17 / 19 UFCG DSC
35 One vs. All Treine um classificador h (i) (x) para cada classe i. Para classificar uma nova instância x, escolha a classe com a maior probabilidade, i.e., argmax h (i) (x) i Prof. Leandro Balby Marinho 18 / 19 UFCG DSC
36 Referências Jay L. Devore. Probabilidade e Estatística para Engenharia e Ciências. Cengage Learning, Christopher M. Bishop. Pattern Recognition and Machine Learning. Springer, Larry Wasserman. All of Statistics: A Concise Course in Statistical Inference. Springer, Lars Schmidt-Thieme. Notas de aula em aprendizagem de máquina. Disponível em: uni-hildesheim.de/lehre/ml-11w/index_en.html Andrew Ng. Notas de aula em aprendizagem de máquina. Disponível em: Prof. Leandro Balby Marinho 19 / 19 UFCG DSC
Regressão Linear Multivariada
Regressão Linear Multivariada Prof. Dr. Leandro Balby Marinho Inteligência Artificial Prof. Leandro Balby Marinho / 37 UFCG DSC Roteiro. Introdução 2. Modelo de Regressão Multivariada 3. Equações Normais
Leia maisMarcelo K. Albertini. 17 de Abril de 2014
Introdução a Mineração de Dados Marcelo K. Albertini 17 de Abril de 2014 2/1 Organização do curso Prof. Marcelo Keese Albertini Sala: Bloco 1A - sala 1A230 Horário de atendimento: Sexta-feira 14h-17h ou
Leia maisRegressão Linear. Prof. Dr. Leandro Balby Marinho. Análise de Dados II. Introdução Regressão Linear Regressão Múltipla
Regressão Linear Prof. Dr. Leandro Balby Marinho Análise de Dados II Prof. Leandro Balby Marinho 1 / 36 UFCG DSC Roteiro 1. Introdução 2. Regressão Linear 3. Regressão Múltipla Prof. Leandro Balby Marinho
Leia maisModelos 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 maisComprimentos de Curvas e Coordenadas Polares Aula 38
Comprimentos de Curvas e Coordenadas Polares Aula 38 Alexandre Nolasco de Carvalho Universidade de São Paulo São Carlos SP, Brazil 12 de Junho de 2014 Primeiro Semestre de 2014 Turma 2014106 - Engenharia
Leia maisAula 6 Derivadas Direcionais e o Vetor Gradiente
Aula 6 Derivadas Direcionais e o Vetor Gradiente MA211 - Cálculo II Marcos Eduardo Valle Departamento de Matemática Aplicada Instituto de Matemática, Estatística e Computação Científica Universidade Estadual
Leia maisEstatística e Probabilidade. Aula 8 Cap 05. Distribuição normal de probabilidade
Estatística e Probabilidade Aula 8 Cap 05 Distribuição normal de probabilidade Estatística e Probabilidade Na aula anterior vimos... Distribuições Binomiais Distribuição Geométrica Distribuição de Poisson
Leia maisEngenharia de Software II
Engenharia de Software II Aula 1 Professora: Bianca Zadrozny Monitora: Marina Albuquerque http://www.ic.uff.br/~bianca/engsoft2/ Aula 1-19/04/2006 1 Ementa Processos de desenvolvimento de software Estratégias
Leia maisCurva ROC. George Darmiton da Cunha Cavalcanti Tsang Ing Ren CIn/UFPE
Curva ROC George Darmiton da Cunha Cavalcanti Tsang Ing Ren CIn/UFPE Introdução ROC (Receiver Operating Characteristics) Curva ROC é uma técnica para a visualização e a seleção de classificadores baseado
Leia maisVerificação e Validação em CFD
Erro de arredondamento. Erro iterativo. Erro de discretização. As três componentes do erro numérico têm comportamentos diferentes com o aumento do número de graus de liberdade (refinamento da malha). Erro
Leia maisSéries Temporais e Modelos Dinâmicos. Econometria. Marcelo C. Medeiros. Aula 3
em Econometria Departamento de Economia Pontifícia Universidade Católica do Rio de Janeiro Aula 3 Condições para de Segunda Ordem Considere por enquanto um VAR de primeira ordem, VAR(1): z t = C 0 +C 1
Leia mais24/Abril/2013 Aula 19. Equação de Schrödinger. Aplicações: 1º partícula numa caixa de potencial. 22/Abr/2013 Aula 18
/Abr/013 Aula 18 Princípio de Incerteza de Heisenberg. Probabilidade de encontrar uma partícula numa certa região. Posição média de uma partícula. Partícula numa caixa de potencial: funções de onda e níveis
Leia maisAprendizado Bayesiano. Disciplina: Agentes Adaptativos e Cognitivos
Aprendizado Bayesiano Disciplina: Agentes Adaptativos e Cognitivos Conhecimento com Incerteza Exemplo: sistema de diagnóstico odontológico Regra de diagnóstico " p sintoma (p,dor de dente) doença (p,cárie)
Leia maisI. Cálculo Diferencial em R n
Análise Matemática II Mestrado Integrado em Engenharia Electrotécnica e de Computadores Ano Lectivo 2010/2011 2 o Semestre Exercícios propostos para as aulas práticas I. Cálculo Diferencial em R n Departamento
Leia maisSingularidades de Funções de Variáveis Complexas
Singularidades de Funções de Variáveis Complexas AULA 11 META: Introduzir o conceito de singularidades de funções de variáveis complexas. OBJETIVOS: Ao fim da aula os alunos deverão ser capazes de: Definir
Leia maisAvaliação de risco toxicológico
Avaliação de risco toxicológico UFVJM Departamento de Farmácia Bioquímica Disciplina de Toxicologia Prof. Dr. Antonio Sousa Santos A abordagem de manejo de risco é relativamente recente. A avaliação de
Leia maisde 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 maisUNIVERSIDADE FEDERAL DA BAHIA
UNIVERSIDADE FEDERAL DA BAHIA INSTITUTO DE MATEMÁTICA MESTRADO EM MATEMÁTICA Av. Ademar de Barros s/n Ondina CEP: 40.170-110 Salvador-BA TEL/FAX: (71)3283-6273, 3283-6296 e-mail:ceapgmat@ufba.br EDITAL
Leia maisINSTITUTO 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 maisIntrodução à Computação. Uma breve revisão das primeiras aulas
Introdução à Computação Uma breve revisão das primeiras aulas Relembrando... O que aprendemos sobre planilhas eletrônicas até agora? O que são planilhas eletrônicas Planilhas eletrônicas "Uma planilha
Leia maisProblemas de Valor Inicial para Equações Diferenciais Ordinárias
Problemas de Valor Inicial para Equações Diferenciais Ordinárias Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança Matemática Aplicada - Mestrados
Leia maisFaculdade de Economia Universidade Nova de Lisboa TÓPICOS DE CORRECÇÃO DO EXAME DE CÁLCULO I. Ano Lectivo 2007-08 - 1 o Semestre
Faculdade de Economia Universidade Nova de Lisboa TÓPICOS DE COECÇÃO DO EXAME DE CÁLCULO I Ano Lectivo 7-8 - o Semestre Exame Final em 7 de Janeiro de 8 Versão B Duração: horas e 3 minutos Não é permitido
Leia maisCONTROLO DE SISTEMAS
UNIVERSIDADE DA BEIRA INTERIOR DEPARTAMENTO DE ENGENHARIA ELECTROMECÂNICA CONTROLO DE SISTEMAS Lugar Geométrico das Raízes PROJECTO E ANÁLISE DA RESPOSTA TRANSITÓRIA E ESTABILIDADE Parte 1/3 - Compensação
Leia maisRegressão 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 mais6 Mistura Rápida. Continuação
6 Mistura Rápida Continuação 2 Ressalto em medidor Parshall (calha Parshall): Foi idealizado por R.L. Parshall, engenheiro do Serviço de Irrigação do Departamento de Agricultura dos EUA. Originalmente
Leia maisINSTRUMENTAÇÃO E CONTROLE DE PROCESSOS TRANSFORMADAS DE LAPLACE
INSTRUMENTAÇÃO E CONTROLE DE PROCESSOS TRANSFORMADAS DE LAPLACE Preliminares No estudo de sistemas de controle, e comum usar-se diagramas de blocos, como o da figura 1. Diagramas de blocos podem ser utilizados
Leia maisCálculo em Computadores - 2007 - trajectórias 1. Trajectórias Planas. 1 Trajectórias. 4.3 exercícios... 6. 4 Coordenadas polares 5
Cálculo em Computadores - 2007 - trajectórias Trajectórias Planas Índice Trajectórias. exercícios............................................... 2 2 Velocidade, pontos regulares e singulares 2 2. exercícios...............................................
Leia mais29/Abril/2015 Aula 17
4/Abril/015 Aula 16 Princípio de Incerteza de Heisenberg. Probabilidade de encontrar uma partícula numa certa região. Posição média de uma partícula. Partícula numa caixa de potencial: funções de onda
Leia maisAula 7 Valores Máximo e Mínimo (e Pontos de Sela)
Aula 7 Valores Máximo e Mínimo (e Pontos de Sela) MA - Cálculo II Marcos Eduardo Valle Departamento de Matemática Aplicada Instituto de Matemática, Estatística e Computação Científica Universidade Estadual
Leia maisEdital FTEC Faculdades 02/2016
Edital FTEC Faculdades 02/2016 A FTEC Faculdades torna pública a abertura de Processo Seletivo Externo de professores, para ingresso no segundo semestre de 2016, especificando a disciplina e a forma de
Leia maisCálculo Numérico Faculdade de Engenharia, Arquiteturas e Urbanismo FEAU
Cálculo Numérico Faculdade de Engenharia, Arquiteturas e Urbanismo FEAU Prof. Dr. Sergio Pilling (IPD/ Física e Astronomia) II Métodos numéricos para encontrar raízes (zeros) de funções reais. Objetivos:
Leia maisLista de Exercícios Tratamento de Incerteza baseado em Probabilidade
Lista de Exercícios Tratamento de Incerteza baseado em Probabilidade 1) Explique o termo probabilidade subjetiva no contexto de um agente que raciocina sobre incerteza baseando em probabilidade. 2) Explique
Leia maisBC0406 Introdução à Probabilidade e à Estatística Lista de Exercícios Suplementares 2 3 quadrimestre 2011
BC0406 Introdução à Probabilidade e à Estatística Lista de Exercícios Suplementares outubro 011 BC0406 Introdução à Probabilidade e à Estatística Lista de Exercícios Suplementares 3 quadrimestre 011 Além
Leia maisProgramação para web JavaScript
Programação para web JavaScript Professor: Harlley Lima E-mail: harlley@decom.cefetmg.br Departamento de Computação Centro Federal de Educação Tecnológica de Minas Gerais Belo Horizonte, 4 de maio 2016
Leia maisRESERVAR MANUAL SISTEMA DE RESERVAS DE SALAS INFORMATIZADAS
RESERVAR MANUAL SISTEMA DE RESERVAS DE SALAS INFORMATIZADAS Faculdades Integradas do Brasil www.unibrasil.com.br 1 Sumário 1 INTRODUÇÃO...3 2 ÁREA DE ACESSO PÚBLICO...4 2.1 VISUALIZAÇÃO E NAVEGAÇÃO POR
Leia maisDistribuição Gaussiana. Modelo Probabilístico para Variáveis Contínuas
Distribuição Gaussiana Modelo Probabilístico para Variáveis Contínuas Distribuição de Frequências do Peso, em gramas, de 10000 recém-nascidos Frequencia 0 500 1000 1500 2000 2500 3000 3500 1000 2000 3000
Leia maisEngenharia de Software 1
Engenharia de Software 1 Viviane Torres da Silva viviane.silva@ic.uff.br http://www.ic.uff.br/~viviane.silva/2012.1/es1 Salas: terças 302 e quintas 402 A Engenharia de Software O que é Engenharia de Software?
Leia maisAnálise de Diagnóstico no Modelo de Regressão Bivariado com Fração de Cura
Análise de Diagnóstico no Modelo de Regressão Bivariado com Fração de Cura Juliana B. Fachini Universidade de São Paulo Edwin M. M. Ortega Universidade de São Paulo 1 Introdução Dados de sobrevivência
Leia maisEconomia II. A Procura Agregada de Bens e Serviços e a Função IS. Francisco Camões / Sofia Vale / Vivaldo Mendes. Setembro 2007
Economia II A Procura Agregada de Bens e Serviços e a Função IS Francisco Camões / Sofia Vale / Vivaldo Mendes Setembro 2007 1 A Procura Agregada de Bens e Serviços e a Função IS Equações de Comportamento
Leia maisMATEMÁTICA PARA NEGÓCIOS - GST1075 Semana Aula: 1 Aula 1. Função Custo. Objetivos
MATEMÁTICA PARA NEGÓCIOS - GST1075 Semana Aula: 1 Aula 1. Função Custo. Objetivos Ao final desta aula, o aluno deverá ser capaz de: Diferenciar o custo fixo do custo variável. Determinar a função custo
Leia maisMétodos Numéricos. A. Ismael F. Vaz. Departamento de Produção e Sistemas Escola de Engenharia Universidade do Minho aivaz@dps.uminho.
Métodos Numéricos A. Ismael F. Vaz Departamento de Produção e Sistemas Escola de Engenharia Universidade do Minho aivaz@dps.uminho.pt Mestrado Integrado em Engenharia Mecânica Ano lectivo 2007/2008 A.
Leia maisProf. MSc. Herivelto Tiago Marcondes dos Santos FACULDADE DE TECNOLOGIA DE GUARATINGUETÁ PROF. JOÃO MOD
Prof. MSc. Herivelto Tiago Marcondes dos Santos FACULDADE DE TECNOLOGIA DE GUARATINGUETÁ PROF. JOÃO MOD OBJETIVO Utilizar os métodos estatísticos para tomadas de decisões. Ementa: Fundamentos da estatística.
Leia maisProcessos 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 mais28 de agosto de 2015. MAT140 - Cálculo I - Derivação Impĺıcita e Derivadas de Ordem Superior
MAT140 - Cálculo I - Derivação Impĺıcita e Derivadas de Ordem Superior 28 de agosto de 2015 Derivação Impĺıcita Considere o seguinte conjunto R = {(x, y); y = 2x + 1} O conjunto R representa a reta definida
Leia maisTestes (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 maisModelagem de Sistemas Dinâmicos. Eduardo Camponogara
Equações Diferenciais Ordinárias Modelagem de Sistemas Dinâmicos Eduardo Camponogara Departamento de Automação e Sistemas Universidade Federal de Santa Catarina DAS-5103: Cálculo Numérico para Controle
Leia maisProblemas de Otimização. Problemas de Otimização. Solução: Exemplo 1: Determinação do Volume Máximo
UNIVERSIDADE DO ESTADO DE MATO GROSSO CAMPUS UNIVERSITÁRIO DE SINOP FACULDADE DE CIÊNCIAS EXATAS E TECNOLÓGICAS CURSO DE ENGENHARIA CIVIL DISCIPLINA: CÁLCULO DIFERENCIAL E INTEGRAL I Eemplo 1: Determinação
Leia maisEquações Diferenciais Ordinárias
Equações Diferenciais Ordinárias Uma equação diferencial é uma equação que relaciona uma ou mais funções (desconhecidas com uma ou mais das suas derivadas. Eemplos: ( t dt ( t, u t d u ( cos( ( t d u +
Leia maisO 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 maisConceitos Básicos em Análise de Sobrevivência Aula Estatística Aplicada
Conceitos Básicos em Análise de Sobrevivência Aula Estatística Aplicada Prof. José Carlos Fogo Departamento de Estatística - UFSCar Outubro de 2014 Prof. José Carlos Fogo (DEs - UFSCar) Material Didático
Leia maisAprendizagem de Máquina
Aprendizagem de Máquina Alessandro L. Koerich Programa de Pós-Graduação em Informática Pontifícia Universidade Católica do Paraná (PUCPR) Horários Aulas Sala [quinta-feira, 7:30 12:00] Atendimento Segunda
Leia maisMatemática Aplicada Mestrados em Engenharia Industrial e Engenharia Química
Matemática Aplicada Mestrados em Engenharia Industrial e Engenharia Química Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança 1 o Semestre 2008/2009
Leia maisAplicação de Ensembles de Classificadores na Detecção de Patologias na Coluna Vertebral
Aplicação de Ensembles de Classificadores na Detecção de Patologias na Coluna Vertebral Hedenir M. Pinheiro Instituto de Informática Universidade Federal de Goiás (UFG) Caixa Postal 131 74001-970 Goiânia
Leia maisEntão, O que é Inferência Bayesiana?
Aluno: Fernando G. Moro Supervisor: Henrique A. Laureano 2 de novembro de 2015 Teorema de Bayes Thomas Bayes( 1702-1761) Estudou Teologia na Universidade de Edimburgo(Escócia). Único livro publicado The
Leia maisExp e Log. Roberto Imbuzeiro Oliveira. 21 de Fevereiro de 2014. 1 O que vamos ver 1. 2 Fatos preliminares sobre espaços métricos 2
Funções contínuas, equações diferenciais ordinárias, Exp e Log Roberto Imbuzeiro Oliveira 21 de Fevereiro de 214 Conteúdo 1 O que vamos ver 1 2 Fatos preliminares sobre espaços métricos 2 3 Existência
Leia mais36 a Olimpíada Brasileira de Matemática Nível Universitário Primeira Fase
36 a Olimpíada Brasileira de Matemática Nível Universitário Primeira Fase Problema 1 Turbo, o caracol, está participando de uma corrida Nos últimos 1000 mm, Turbo, que está a 1 mm por hora, se motiva e
Leia maisIntrodução às equações diferenciais
Introdução às equações diferenciais Professor Leonardo Crochik Notas de aula 1 O que é 1. é uma equação:... =... 2. a incógnita não é um número x R, mas uma função x(t) : R R 3. na equação estão presentes,
Leia maisMatemática para Engenharia
Matemática para Engenharia Profa. Grace S. Deaecto Faculdade de Engenharia Mecânica / UNICAMP 13083-860, Campinas, SP, Brasil. grace@fem.unicamp.br Segundo Semestre de 2013 Profa. Grace S. Deaecto ES401
Leia maisProbabilidade e Estatística 2009/1 Prof. Fernando Deeke Sasse CCT-UDESC Exercícios 2
Distribuição exponencial Solução. (a) f := (lambda, x) -> lambda*exp(-lambda*x); f := l, x /l e Kl x Probabilidade e Estatística 009/ Prof. Fernando Deeke Sasse CCT-UDESC Exercícios A distância entre os
Leia maisAGRUPAMENTO DE ESCOLAS DR. VIEIRA DE CARVALHO
AGRUPAMENTO DE ESCOLAS DR. VIEIRA DE CARVALHO DEPARTAMENTO DE MATEMÁTICA E CIÊNCIAS EXPERIMENTAIS MATEMÁTICA 7.º ANO PLANIFICAÇÃO GLOBAL Planificação 7º ano 2012/2013 Página 1 DOMÍNIO TEMÁTICO: NÚMEROS
Leia maisPUCRS FAMAT Exemplos de Equações Diferenciais Parciais- Prof. Eliete
PUCRS FAMAT Exemplos de Equações Diferenciais Parciais- Prof. Eliete Equação diferencial parcial (EDP) é a uma equação que envolve duas ou mais variáveis independentes ( x, y,z,t, K ) e derivadas parciais
Leia maisEstimação 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 maisAULAS 02 E 03 Modelo de Regressão Simples
1 AULAS 02 E 03 Modelo de Regressão Simples Ernesto F. L. Amaral 04 e 09 de março de 2010 Métodos Quantitativos de Avaliação de Políticas Públicas (DCP 030D) Fonte: Wooldridge, Jeffrey M. Introdução à
Leia maisAULAS 14, 15 E 16 Análise de Regressão Múltipla: Problemas Adicionais
1 AULAS 14, 15 E 16 Análise de Regressão Múltipla: Problemas Adicionais Ernesto F. L. Amaral 20 e 22 de abril e 04 de maio de 2010 Métodos Quantitativos de Avaliação de Políticas Públicas (DCP 030D) Fonte:
Leia mais4. A FUNÇÃO AFIM. Uma função f: R R chama-se afim quando existem números reais a e b tais que f(x) = ax + b para todo x R. Casos particulares
38 4. A FUNÇÃO AFIM Uma função f: R R chama-se afim quando existem números reais a e b tais que f(x) = ax + b para todo x R. Casos particulares 1) A função identidade fr : Rdefinida por f(x) = x para todo
Leia maisDistribuição 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 maisEstudaremos métodos numéricos para resolução de sistemas lineares com n equações e n incógnitas. Estes podem ser:
1 UNIVERSIDADE FEDERAL DE VIÇOSA Departamento de Matemática - CCE Cálculo Numérico - MAT 271 Prof.: Valéria Mattos da Rosa As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia
Leia mais4 Experimentos. 4.4 detalha os experimentos com os algoritmos V-Wrapper e NCE. 4.1
4 Experimentos A estratégia V-Wrapper descrita por Zheng et. al (ZSW07), resumida no Capítulo 2, foi implementada com a finalidade de comparar um método baseado em atributos visuais com o algoritmo proposto
Leia maisLista 1 para a P2. Operações com subespaços
Lista 1 para a P2 Observação 1: Estes exercícios são um complemento àqueles apresentados no livro. Eles foram elaborados com o objetivo de oferecer aos alunos exercícios de cunho mais teórico. Nós sugerimos
Leia maisWeb Data mining com R: aprendizagem de máquina
Web Data mining com R: aprendizagem de máquina Fabrício Jailson Barth Faculdade BandTec e VAGAS Tecnologia Junho de 2013 Sumário O que é Aprendizagem de Máquina? Hierarquia de aprendizado. Exemplos de
Leia maisCapítulo 8 - Testes de hipóteses. 8.1 Introdução
Capítulo 8 - Testes de hipóteses 8.1 Introdução Nos capítulos anteriores vimos como estimar um parâmetro desconhecido a partir de uma amostra (obtendo estimativas pontuais e intervalos de confiança para
Leia maisPredição em Modelos de Tempo de Falha Acelerado com Efeito Aleatório para Avaliação de Riscos de Falha em Poços Petrolíferos
1 Predição em Modelos de Tempo de Falha Acelerado com Efeito Aleatório para Avaliação de Riscos de Falha em Poços Petrolíferos João Batista Carvalho Programa de Pós-Graduação em Matemática Aplicada e Estatística,
Leia maisMEEMF- 2011 Aula 08. Inferência de tempos de divergência entre espécies
MEEMF- 2011 Aula 08 Inferência de tempos de divergência entre espécies A descoberta do relógio molecular Em 1962, Zuckerkandl e Pauling verificaram que as taxas evolutivas da hemoglobina em vertebrados
Leia maisMestrados Integrados em Engenharia Mecânica e em Eng Industrial e Gestão ANÁLISE MATEMÁTICA III DEMec 010-11-0 1ºTESTE A duração do exame é horas + 30minutos. Cotação: As perguntas 1 e 6 valem valores,
Leia maisCap. 12 Testes Qui- Quadrados e Testes Não-Paramétricos. Statistics for Managers Using Microsoft Excel, 5e 2008 Prentice-Hall, Inc.
Cap. 1 Testes Qui- Quadrados e Testes Não-Paramétricos Statistics for Managers Using Microsoft Excel, 5e 008 Prentice-Hall, Inc. Chap 1-1 Final de curso... tempo de recordar : ) Cap. 9 Fundamentos de testes
Leia maisUma e.d.o. de segunda ordem é da forma
Equações Diferenciais de Ordem Superior Uma e.d.o. de segunda ordem é da forma ou então d 2 y ( dt = f t, y, dy ) 2 dt y = f(t, y, y ). (1) Dizemos que a equação (1) é linear quando a função f for linear
Leia maisUNIVERSIDADE FEDERAL DO PAMPA CAMPUS DOM PEDRITO CURSO SUPERIOR DE TECNOLOGIA EM AGRONEGÓCIO
UNIVERSIDADE FEDERAL DO PAMPA CAMPUS DOM PEDRITO CURSO SUPERIOR DE TECNOLOGIA EM AGRONEGÓCIO DISCIPLINA: Logística em Agronegócio CÓDIGO: DP 0092 PROFESSOR: Nelson de Mello AULA 10 09/06/2016 Logística
Leia maisProcessamento de Imagens COS756 / COC603
Processamento de Imagens COS756 / COC603 aula 03 - operações no domínio espacial Antonio Oliveira Ricardo Marroquim 1 / 38 aula de hoje operações no domínio espacial overview imagem digital operações no
Leia maisUNIVERSIDADE ESTADUAL DE CAMPINAS. Instituto de Matemática, Estatística e Computação Científica
UNIVERSIDADE ESTADUAL DE CAMPINAS Instituto de Matemática, Estatística e Computação Científica Relatório Final - MS777 Modelagem matemático/probabilística dos módulos acústicos e de linguagem de sistemas
Leia maisLista de Exercícios sobre trabalho, teorema de Green, parametrizações de superfícies, integral de superfícies : MAT 1153-2006.1
Lista de Exercícios sobre trabalho, teorema de Green, parametrizações de superfícies, integral de superfícies : MAT 1153-2006.1 1. Fazer exercícios 1, 4, 5, 7, 8, 9 da seção 8.4.4 pgs 186, 187 do livro
Leia maisFUNÇÃO. Exemplo: Dado os conjuntos A = { -2, -1, 0, 1, 2} e B = {0, 1, 2, 3, 4, 5} São funções de A em B as relações a) R 1 = {(x,y) AXB/ y = x + 2}
Sistemas de Informação e Tecnologia em Proc. de Dados Matemática Ms. Carlos Roberto da Silva/ Ms. Lourival Pereira Martins FUNÇÃO Definição: Dados dois conjuntos e define-se como função de em a toda relação
Leia maisUtilização da programação de computadores em Estatística
Universidade Federal de Minas Gerais Luana Sílvia dos Santos Utilização da programação de computadores em Estatística Belo Horizonte Dezembro, 2012 O computador tem desempenhado um papel muito importante
Leia maisDireitos do Consumidor. Série Matemática na Escola
Direitos do Consumidor Série Matemática na Escola Objetivos 1. Introduzir o conceito de função afim; 2. Aplicar o conceito de função afim na resolução de um problema simples. Direitos do consumidor Série
Leia maisModelo Matemático e Controle de um Robô Móvel. 2.1. Modelo do motor que aciona cada roda do robô
1. Introdução Modelo Matemático e Controle de um Robô Móvel Nesta aula serão apresentadas leis de controle que permitem a um robô móvel nãoholonômico navegar de maneira coordenada desde uma localização
Leia maisPESQUISA DE OPINIÃO PÚBLICA
PESQUISA DE OPINIÃO PÚBLICA SOBRE ASSUNTOS ADMINISTRATIVOS FEVEREIRO DE 2008 JOB294 ESPECIFICAÇÕES TÉCNICAS DA PESQUISA OBJETIVO LOCAL Levantar junto à população da área em estudo opiniões relacionadas
Leia maisDiferenciais inexatas e o fator integrante
Métodos Matemáticos 202 Notas de Aula Equações Diferenciais Ordinárias III A C Tort 2 de outubro de 202 Diferenciais inexatas e o fator integrante imos que a EDO implícita: é exata se e apenas se: M(x,
Leia maisConceitos Básicos de Estatística Aula 2
Conceitos Básicos de Estatística Aula 2 ISCTE - IUL, Mestrados de Continuidade Diana Aldea Mendes diana.mendes@iscte.pt 13 de Setembro de 2011 DMQ, ISCTE-IUL (diana.mendes@iscte.pt) Estatística 13 de Setembro
Leia maisTomografia por emissão de pósitrons (PET) Pedro Bastos Costa
Tomografia por emissão de pósitrons (PET) Pedro Bastos Costa Introdução Na Tomografia por Emissão de Pósitrons (PET), diferentemente dos exames de Raio-x ou CT, a emissão da radiação é realizada diretamente
Leia maisÁlgebra Linear AL. Luiza Amalia Pinto Cantão. Depto. de Engenharia Ambiental Universidade Estadual Paulista UNESP luiza@sorocaba.unesp.
Álgebra Linear AL Luiza Amalia Pinto Cantão Depto. de Engenharia Ambiental Universidade Estadual Paulista UNESP luiza@sorocaba.unesp.br Transformações Lineares 1 Definição e Exemplos 2 Núcleo e Imagem
Leia maisInformática I. Aula 1. http://www.ic.uff.br/~bianca/informatica1/ Aula 1-17/04/2006 1
Informática I Aula 1 http://www.ic.uff.br/~bianca/informatica1/ Aula 1-17/04/2006 1 Ementa O objetivo da disciplina é dar ao aluno uma visão geral sobre a área de ciência da computação: Histórico dos Computadores
Leia maisSistemas de Controle (CON) Ações Básicas de Controle e Controle Proporcional
Universidade do Estado de Santa Catarina UDESC Centro de Ciências Tecnológicas CCT Departamento de Engenharia Mecânica DEM Sistemas de Controle (CON) Ações Básicas de Controle e Controle Proporcional Aula
Leia maisReconhecimento de Padrões
Reconhecimento de Padrões As técnicas de RP são usadas para classificar ou descrever padrões ou objectos através de um conjunto de propriedades ou características. Objecto desconhecido Características
Leia maisAula 29. Alexandre Nolasco de Carvalho Universidade de São Paulo São Carlos SP, Brazil
A integral de Riemann - Mais aplicações Aula 29 Alexandre Nolasco de Carvalho Universidade de São Paulo São Carlos SP, Brazil 20 de Maio de 2014 Primeiro Semestre de 2014 Turma 2014106 - Engenharia Mecânica
Leia maisAula 5 - Classificação
AULA 5 - Aula 5-1. por Pixel é o processo de extração de informação em imagens para reconhecer padrões e objetos homogêneos. Os Classificadores "pixel a pixel" utilizam apenas a informação espectral isoladamente
Leia maisTeste de Hipóteses e Intervalos de Confiança
Teste de Hipóteses e Intervalos de Confiança Teste de Hipótese e Intervalo de Confiança para a média Monitor Adan Marcel 1) Deseja-se estudar se uma moléstia que ataca o rim altera o consumo de oxigênio
Leia maisCONCURSO PETROBRAS DRAFT. Pesquisa Operacional, TI, Probabilidade e Estatística. Questões Resolvidas. Produzido por Exatas Concursos www.exatas.com.
CONCURSO PETROBRAS ENGENHEIRO(A) DE PRODUÇÃO JÚNIOR ENGENHEIRO(A) JÚNIOR - ÁREA: PRODUÇÃO Pesquisa Operacional, TI, Probabilidade e Estatística Questões Resolvidas QUESTÕES RETIRADAS DE PROVAS DA BANCA
Leia maisModelo de Formulário
Formulário Pessoa Física ou Autônomo / Profissional Liberal 1. Identificação Pessoal CPF.. -- Nome Completo Sexo Masculino Feminino Data de Nascimento / / Endereço Número Complemento Bairro Cidade UF CEP
Leia maisAPRENDIZAGEM 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 maisEquações Diferenciais Ordinárias
Capítulo 8 Equações Diferenciais Ordinárias Vários modelos utilizados nas ciências naturais e exatas envolvem equações diferenciais. Essas equações descrevem a relação entre uma função, o seu argumento
Leia maisClassificação de textos: definição & relevância para ORI
Conteúdo Conteúdo Classificação de textos: definição & relevância para ORI Conteúdo Classificação de textos: definição & relevância para ORI Naive Bayes: classificador de textos Conteúdo Classificação
Leia mais