Estudo do comportamento dos índices de Exatidão Global, Kappa e Tau, comumente usados para avaliar a classificação de imagens do sensoriamento remoto
|
|
- Maria Júlia Azenha Gesser
- 7 Há anos
- Visualizações:
Transcrição
1 Estudo do omportamento dos índies de Exatidão Global, Kappa e Tau, omumente usados para avaliar a lassifiação de imagens do sensoriamento remoto Geíza Coutinho Figueiredo Carlos Antonio Oliveira Vieira Universidade Federal de Viçosa UFV Departamento de Engenharia Civil Avenida P. H. Rolfs s/n - Campus UFV Viçosa - MG, Brasil geizaf@hotmail.om arlos.vieira@ufv.br Abstrat: Evaluation of the auray plays an important role in the proess data analysis of remote sensing produts. The evaluation of the auray an be obtained through derived measures from a onfusion matrix. This artile desribes some of theses measures, suh as Overall Auray, Kappa and Tau indexes, whih are ommonly used to evaluate the lassifiation of remote sensing images. A omparative study about the behavior of these indexes was aomplished and a preliminary disussion is presented. Results show that despite Kappa and Tau indexes are omputed following different formulations and assumptions, the present onsistently very similar values, whih indiates that both measures ould indisriminately be used for remotely sensed auray assessment. Palavras-have: lassifiation images, themati auray, index Kappa, index Tau, auray global, lassifiação de imagens, preisão temátia, índie Kappa, índie Tau, exatidão global.. Introdução A exatidão de um mapa india à proximidade de uma determinada medida ao seu valor real, logo, a onfiabilidade de um mapa está vinulada a sua exatidão. Neste ontexto, é neessário realizar algum proedimento estatístio, no produto de uma lassifiação de imagens digitais, para determinar a auráia ou exatidão desta lassifiação (Bernardes, 006. No proesso de análise dos dados do sensoriamento remoto, um passo fundamental é a avaliação da preisão temátia. Os usuários neessitam saber quão onfiáveis são os dados provenientes dos mapas temátios, derivados da lassifiação de um produto do sensoriamento remoto, e através da matriz de onfusão é possível derivar medidas e onsequentemente verifiar erros oriundos do proesso de atribuição dos pixels a determinadas lasses (Vieira, 000. A avaliação da auráia pode ser obtida por meio de oefiientes de onordânia derivados da matriz de onfusão, sendo que estes podem ser expressos omo onordânia total ou para lasses individuais. Congalton (99 relata que o uso do oefiiente Kappa (K é satisfatório na avaliação da preisão de uma lassifiação temátia, pelo fato de levar em onsideração toda a matriz de onfusão no seu álulo, inlusive os elementos de fora da diagonal prinipal, os quais representam as disordânias na lassifiação, diferentemente da exatidão global, por exemplo, que utiliza somente os elementos diagonais (onordânia real. Com relação ao oefiiente Kappa, Foody (99 observou que o grau de onordânia por hane poderia estar sendo superestimado, pelo fato de inluir também a onordânia real, e por ausa disso a magnitude de Kappa não refletiria a onordânia presente na lassifiação, apenas desontada a asualidade. Na tentativa de orrigir essa defiiênia no álulo do índie Kappa, Ma e Redmond (995 propuseram um outro índie para a medição da preisão da lassifiação, o índie Tau (T. Apesar de esses índies serem amplamente usados pela omunidade ientífia, não existem estudos que indiquem omo esses índies se omportam, quando da variação do número de lasses informaionais e/ou do número de padrões de validação - onsiderando que 5755
2 esses índies levam em onsideração ou o número total de lasses ou o número total de padrões de validação; ou mesmo se houver disrepânia entre os valores amostrados, para validação, entre as lasses informaionais. Este trabalho tem omo objetivo fazer uma desrição dos oefiientes de onordânia que são omumente usados para avaliar a lassifiação de imagens do sensoriamento remoto e também observar o omportamento dos mesmos variando o número de lasses informaionais na lassifiação, variando o número total de pixels e também quando oorre disrepânia entre o número de amostras entre as lasses informaionais. Uma motivação para observar esses omportamentos, é para estudar se as diferenças entre esses índies de exatidão são onstantes ou não dentro dos níveis do desempenho da lassifiação, e o que isso implia na esolha de qual índie utilizar.. Matriz de onfusão (ou matriz de erro O método padrão para avaliação da preisão temátia atualmente tem sido índies derivados da matriz de onfusão. A matriz de onfusão fornee a base para desrever a preisão da lassifiação e araterizar os erros, ajudando a refinar a lassifiação. De uma matriz de onfusão podem ser derivadas várias medidas de preisão da lassifiação, sendo a exatidão global uma das mais onheidas (Foody, 00. A matriz de onfusão é formada por um arranjo quadrado de números dispostos em linhas e olunas que expressam o número de unidades de amostras de uma ategoria partiular relativa inferida por um lassifiador (ou regra de deisão, omparado om a ategoria atual verifiada no ampo (Congalton, 99. Normalmente abaixo das olunas representa-se o onjunto de dados de referênia que é omparado om os dados do produto da lassifiação que são representados ao longo das linhas. Os elementos da diagonal prinipal (em negrito indiam o nível de aerto, ou onordânia, entre os dois onjuntos de dados. A Tabela mostra a representação de uma matriz de onfusão. Tabela Representação matemátia de uma matriz de onfusão. Dados de referênia Classifiação Total nas linhas n i + x x x x + x x x x + x 3 x 3 x 3 X + Total nas olunas n + i x + x + x + n Fonte: Adaptada de Bernardes ( Medidas e índies derivados da matriz de onfusão As medidas derivadas da matriz de onfusão são: a exatidão global, preisão de lasse individual, preisão de produtor, preisão de usuário e índie Kappa, entre outros. A exatidão global é alulada dividindo a soma da diagonal prinipal da matriz de erros x ii, pelo número total de amostras oletadas n, ou seja: xii i= G= ( n A distribuição da preisão ao longo das ategorias individuais não é apresentada na preisão global, entretanto a preisão de uma ategoria individual é obtida através da divisão do número total de amostras lassifiadas orretamente naquela ategoria pelo número total de amostras daquela ategoria. Congalton e Green (999 desrevem os álulos assoiados om estas medidas. 5756
3 A preisão de produtor e de usuário são maneiras de representar a preisão de uma ategoria ou lasse individualmente. A preisão de produtor refere-se às amostras que não foram lassifiadas orretamente omo pertenendo àquela ategoria sendo omitidas de sua ategoria orreta. E a preisão de usuário india a probabilidade que um pixel lassifiado na imagem de fato representa aquela ategoria no ampo. A análise de Kappa é uma ténia multivariada disreta usada na avaliação da preisão temátia e utiliza todos os elementos da matriz de onfusão no seu álulo. O oefiiente Kappa (K é uma medida da onordânia real (indiado pelos elementos diagonais da matriz de onfusão menos a onordânia por hane (indiado pelo produto total da linha e oluna, que não inlui entradas não reonheidas, ou seja, é uma medida do quanto à lassifiação está de aordo om os dados de referênia. O oefiiente Kappa pode ser alulado através da seguinte equação: K n xii i+ + i i= i= = n xi+ x+ i i= Onde K é uma estimativa do oefiiente Kappa; x ii é o valor na linha i e oluna i; x i + é a soma da linha i e x + i é a soma da oluna i da matriz de onfusão; n é o número total de amostras e o número total de lasses. Embora o oefiiente Kappa seja muito utilizado na avaliação da exatidão de mapeamento, não existe uma fundamentação teória para reomendar quais os níveis mínimos aeitáveis deste oefiiente numa lassifiação. Entretanto, a Tabela apresenta níveis de desempenho da lassifiação para o valor de Kappa obtido, normalmente aeitos pela omunidade ientífia. Tabela Índie Kappa e o orrespondente desempenho da lassifiação. Índie Kappa Desempenho < 0 Péssimo 0 < k 0, Ruim 0, < k 0,4 Razoável 0,4 < k 0,6 Bom 0,6 < k 0,8 Muito Bom 0,8 < k,0 Exelente Fonte: Fonsea (000. Ao redor do valor de Kappa podem ser alulados intervalos de onfiança usando a variânia da amostra (var e o fato de que a distribuição estatístia do Kappa é normalmente assintótia. Congalton e Green (999 sugerem meios de testar a signifiação estatístia do Kappa para uma únia matriz de onfusão, através da variânia, a fim de determinar se o nível de aerto da lassifiação e os dados de referênia são signifiativamente maior que zero. O teste estatístio para testar a signifiação de uma únia matriz de onfusão é determinado pela equação a seguir: x x ( k Z = (3 var(k Onde Z é unifiado e normalmente distribuído e var é a grande variânia da amostra do oefiiente Kappa, que pode ser alulado usando o método de Delta omo segue: 5757
4 Onde ( θ ( θ ( θ( θθ θ 3 3 ( θ ( θ ( θ 4θ θ 4 var( k = n ( θ (4 θ = x ii, θ = x i + x + i, θ 3 = xii ( xi+ + x + i e n i= = + 4 xij ( x j+ x+ j 3 n i= j= θ. n i= n i= Se Z Z α/ a lassifiação é signifiativamente melhor que uma distribuição aleatória, onde α/ é o nível de onfiança nos dois lados da urva no teste Z e o número de graus de liberdade é assumido ser infinito. Além dos índies de exatidão global e Kappa, que são omumente usados, Ma e Redmond (995 introduziram na omunidade do sensoriamento remoto o índie Tau, que fornee uma medida quantitativa relativamente preisa e intuitiva sobre a auráia da lassifiação. O oefiiente Tau (T é superfiialmente similar ao Kappa e pode ser alulado omo segue: P0 Pr T = (5 Pr Onde P 0 seria a onordânia real e P r a onordânia aleatória expressos da seguinte xii i= forma: P = 0 e Pr = Pi + Pi = xi+ xi. n i= n i= Sendo P i+ = (x i+ /n a distribuição marginal dos dados de referênia, P i = (x i /n as probabilidades a priori para ada lasse. Quando as probabilidades a priori para as lasses forem iguais, ou seja, x i = n/ temos: P0 T = (6 Segundo Ma e Redmond (995, devido a onordânia aleatória (P r ser independente dos elementos da matriz de erros e poder ser alulada antes da lassifiação, ela é tratada omo uma onstante. Sendo σ ( P r = 0 e σ ( P0 = P0( P0, e apliando a lei de n propagação de variânias, temos a variânia de Tau: P0 ( P0 σ ( T = (7 n( P r Para testar a signifiação estatístia do índie Tau, proede-se da mesma forma desrita para o índie Kappa. 4. Comparação entre os índies de exatidão Global, Kappa e Tau Objetivando analisar o omportamento dos índies de Exatidão Global, Kappa e Tau, riaramse várias matrizes de onfusão hipotétias, variando primeiramente o número de lasses informaionais para ada lassifiação (Figura a 5; depois variando o total de amostras utilizados para gerar a matriz de onfusão (Figura 6 a 0; e finalmente, variando o total de pixels e disrepando os valores amostrados, para validação, entre as lasses informaionais (Figura a 5 para verifiar qual seria o omportamento dos três índies dentro dos ino 5758
5 níveis de desempenho da lassifiação. Para ada aso foram geradas 5 matrizes de onfusão, de onde foram derivados os índies de exatidão global (G, Kappa (K e Tau (T, obtidos utilizando as equações (, ( e (6, respetivamente. Os resultados são representados nos gráfios, pelas diferenças absolutas entre os índies: GK diferença entre o índie de Exatidão Global e o Kappa; GT - diferença entre o índie de Exatidão Global e o Tau; e KT - diferença entre o índie de Kappa e o Tau; de onde extraiu-se a média e o desviopadrão. Chamamos a atenção do leitor para a variação dos valores no eixo Y dos gráfios. Comportamento dos índies variando as lasses - Faixa 0,8 a,0 Comportamento dos índies variando as lasses - Faixa 0,6 a 0,8 0, ,0 0,00 0,80 0,60 0,40 0,0 0, Nº de lasses Nº de lasses Figura Variando o número de lasses informaionais num nível de desempenho exelente. Comportamento dos índies variando as lasses - Faixa 0,4 a 0,6 Figura Variando o número de lasses informaionais num nível de desempenho muito bom. Comportamento dos índies variando as lasses - Faixa 0, a 0,4 0,300 0,70 0,40 0,0 0,80 0,50 0, Nº de lasses 0,390 0,360 0,330 0,300 0,70 0,40 0,0 0,80 0,50 0, Nº de lasses Figura 3 Variando o número de lasses informaionais num nível de desempenho bom. Figura 4 Variando o número de lasses informaionais num nível de desempenho razoável. Comportamento dos índies variando as lasses - Faixa 0 a 0, 0,480 0,450 0,40 0,390 0,360 0,330 0,300 0,70 0,40 0,0 0,80 0,50 0, Nº de lasses Figura 5 Variando o número de lasses informaionais num nível de desempenho ruim. 5759
6 Comportamento dos índies variando o total de pixels - Faixa 0,8 a,0 Comportamento dos índies variando o total de pixels - Faixa 0,6 a 0,8 0,035 0,05 0,05 0,00 0,005 0, Figura 6 Variando o total de amostras num nível de desempenho exelente. Comportamento dos índies variando o total de pixels - Faixa 0,4 a 0,6 Figura 7 Variando o total de amostras num nível de desempenho muito bom. Comportamento dos índies variando o total de pixels - Faixa 0, a 0,4 0, ,30 0,0 0,0 0,00 0, Figura 8 Variando o total de amostras num nível de desempenho bom. Figura 9 Variando o total de amostras num nível de desempenho razoável. Comportamento dos índies variando o total de pixels - Faixa 0 a 0, 0,50 0,40 0,30 0,0 0,0 0,00 0, Figura 0 Variando o total de amostras num nível de desempenho ruim. 5760
7 Comportamento dos índies variando o total de pixels e disrepando valores - Faixa 0,8 a,0 Comportamento dos índies variando o total de pixels e disrepando valores - Faixa 0,6 a 0,8 0,0 0, ,40 0,0 0, Figura Variando o total de pixels e disrepando os valores num nível de desempenho exelente. Comportamento dos índies variando o total de pixels e disrepando valores - Faixa 0,4 a 0,6 Figura Variando o total de pixels e disrepando os valores num nível de desempenho muito bom. Comportamento dos índies variando o total de pixels e disrepando valores - Faixa 0, a 0,4 0,80 0,60 0,40 0,0 0, ,80 0,60 0,40 0,0 0, Figura 3 Variando o total de pixels e disrepando os valores num nível de desempenho bom. Figura 4 Variando o total de pixels e disrepando os valores num nível de desempenho razoável. Comportamento dos índies variando o total de pixels e disrepando valores - Faixa 0 a 0, 0,60 0,40 0,0 0, Figura 5 Variando o total de pixels e disrepando os valores num nível de desempenho ruim. Analisando as Figuras a 5 pode-se notar que GK e GT diminuem a medida que aumenta o número de lasses, mas o valor da variação aumenta a medida que ai o nível de desempenho da lassifiação. A variação de KT foi muito pequena em todos os níveis. Das 576
8 Figuras 6 a 0 pode-se notar que GK é maior que GT e o valor da variação também aumentou a medida que aiu o nível de desempenho da lassifiação, sendo que a variação entre KT também foi baixa em todos os níveis. Já nas Figura a 5 nota-se que GK e GT foram mais disrepantes um em relação ao outro, sendo que GT tende a ser onstante; e também o valor da variação aumentou a medida que aiu o nível de desempenho da lassifiação. A diferença entre KT foi um pouo mais alta quando oorreu disrepânia nos valores amostrados. 5. Considerações finais Diante desses resultados onluímos que as diferenças entre os três índies não são onstantes ao longo dos níveis de desempenho da lassifiação. No geral, a diferença entre os índies Kappa e Tau foi muito pequena. Embora a Exatidão Global apresente um valor mais alto, os oefiientes de onordânia Kappa e Tau são mais onsistentes por envolver no valor final todas as élulas da matriz de onfusão. Foody (99 mostra que, sem modifiações, o oefiiente Kappa superestima a proporção de onordânia por hane e subestima a preisão da lassifiação. A onordânia por hane é superestimada pelo fato de inluir no seu álulo, além da onordânia por hane, a onordânia real, ou seja, leva em onsideração duas vezes o total de aertos. Porém, omo os oefiientes de onordânia Kappa e Tau apresentam valores aproximados, ao se realizar uma avaliação da auráia de mapas temátios ambos podem ser reomendados. Sugerimos aos pesquisadores interessados, realizar outro teste a fim de verifiar se há possibilidades de através de um índie obter o valor de outro. Por exemplo, no nosso estudo poderia se pensar na possibilidade de se estimar a diferença entre os índies global e Tau através da diferença entre os índies global e Kappa, pelo fato de apresentarem omportamento semelhante nos gráfios. Referênias Bernardes, T. Caraterização do ambiente agríola do Complexo Serra Negra por meio de sensoriamento remoto e sistemas de informação geográfia. Dissertação (Mestrado. Universidade Federal de Lavras, Minas Gerais, 006, 9p. Disponível em: < Aesso em: 3 out Congalton, R. G. A review of assessing the auray of lassifiations of remotely sensed data. Remote Sensing of Environment, v. 49 n., p , 99. Congalton, R. G., and Green, K. Assessing the auray of remotely sensed data: Priniples and praties. New York: Lewis Publishers, p. Fonsea, L. M. G. Proessamento digital de imagens. Instituto Naional de Pesquisas Espaiais (INPE, p. Foody, G. M. On the ompensation for hane agreement in image lassifiation auray assessment. Photogrametri Engineering and Remote Sensing, v. 58, n. 0, p , 99. Foody, G. M. Status of land over lassifiation auray assessment. Remote Sensing of Environment, v. 80, p. 85 0, 00. Ma, Z., Redmond, R. L. Tau oeffiients for auray assessment of lassifiation of remote sensing data. Photogrametri Engineering and Remote Sensing, v. 6, n. 4, p , 995. Vieira, C. A. O. Auray of remotaly sensing lassifiation of agriultural rops: a omparative study p. Thesis (Dotor of Philosophy. University of Nottingham, 000, p
Utilização de algoritmos de classificação supervisionada no mapeamento do uso e cobertura da terra no aplicativo computacional Spring 5.1.
Anais XV Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Curitiba, PR, Brasil, 30 de abril a 05 de maio de 0, INPE p.7808 Utilização de algoritmos de lassifiação supervisionada no mapeamento do uso
Leia maisCálculo em Farmácia. 18/03/2013 00:07 Cálculo em Farmácia. Professor: Wildson Cruz (Adaptado) 1
Cálulo em Farmáia 18/03/2013 00:07 Cálulo em Farmáia. Professor: Wildson Cruz (Adaptado) 1 ALGARISMO SIGNIFICATIVOS 18/03/2013 00:07 Cálulo em Farmáia. Professor: Wildson Cruz (Adaptado) 2 O que é medir?
Leia maisRegressão linear múltipla. Prof. Tatiele Lacerda
Regressão linear múltipla Prof Tatiele Lacerda Yi = B + Bx + B3X3 + u Plano de resposta E(Y i ) = 0,00 Y i i 0 (,33;,67) Y i 0 X i Xi X p i, p i 3 Modelo de regressão linear múltipla em termos matriciais,
Leia maisErros e Incertezas. Rafael Alves Batista Instituto de Física Gleb Wataghin Universidade Estadual de Campinas (Dated: 10 de Julho de 2011.
Rafael Alves Batista Instituto de Física Gleb Wataghin Universidade Estadual de Campinas (Dated: 10 de Julho de 2011.) I. INTRODUÇÃO Quando se faz um experimento, deseja-se comparar o resultado obtido
Leia maisCOMPARAÇÃO DE CLASSIFICADORES DE IMAGENS DIGITAIS NA DETERMINAÇÃO DA COBERTURA DO SOLO 1
COMPARAÇÃO DE CLASSIFICADORES DE IMAGENS DIGITAIS NA DETERMINAÇÃO DA COBERTURA DO SOLO ELEANDRO S. CRUZ, DANIEL F. CARVALHO 3, CARLOS A. A. VARELLA 4, LEONARDO D. B. SILVA 4, WANDERLEY J. SOUZA 5, FRANCISCO
Leia maisFINANCIAMENTOS A JUROS SIMPLES E COMPOSTOS
FINANCIAMENTOS A JUOS SIMPLES E COMPOSTOS Samuel Hazzan Professor da EAESP/FGV, EESP/FGV e FEA/PUC Quando um apital C é finaniado a uma taxa i por período, para pagamento únio após n períodos, são utilizadas
Leia mais3 Modelos de Simulação
43 3 Modelos de Simulação 3.1 Simulação de Monte Carlo O método de Monte Carlo foi concebido com este nome nos anos 40 por John Von Neumann, Stanislaw Ulam e Nicholas Metropolis durante o projeto de pesquisa
Leia maisMedidas de Localização
MATEMÁTICA APLICADA ÀS CIÊNCIAS SOCIAIS RESUMO Estatística 2 Medidas de Localização e Dispersão 10º ano Cláudia Henriques Medidas de Localização Estatísticas Medidas que se calculam a partir dos dados
Leia maisDisciplina: Fotogrametria II: Responsável: Mário Reiss. Conteúdo da aula de hoje (26/11/2007)
Disiplina: Fotogrametria : Responsável: Mário Reiss Conteúdo da aula de hoje (6//7) CORRELAÇÃO DE PADRÕES.... CORRELAÇÃO ENTRE MAGENS... BBLOGRAFA... 7 CORRELAÇÃO DE PADRÕES Uma das formas mais onheidas
Leia maisAnálise de Regressão. Notas de Aula
Análise de Regressão Notas de Aula 2 Modelos de Regressão Modelos de regressão são modelos matemáticos que relacionam o comportamento de uma variável Y com outra X. Quando a função f que relaciona duas
Leia maisDistâncias inacessíveis
U UL L Distânias inaessíveis Introdução Na ula 20 aprendemos a alular distânias que não podiam ser medidas diretamente. Nessa aula, os oneitos utilizados foram a semelhança de triângulos e o Teorema de
Leia maisANOVA. (Analysis of Variance) Prof. Dr. Guanis de Barros Vilela Junior
ANOVA (Analysis of Variance) Prof. Dr. Guanis de Barros Vilela Junior Para que serve a ANOVA? Para comparar três ou mais variáveis ou amostras. Por exemplo, queremos testar os efeitos cardiorrespiratórios
Leia maisCapítulo 4 Inferência Estatística
Capítulo 4 Inferência Estatística Slide 1 Resenha Intervalo de Confiança para uma proporção Intervalo de Confiança para o valor médio de uma variável aleatória Intervalo de Confiança para a variância de
Leia maisAula 6 Propagação de erros
Aula 6 Propagação de erros Conteúdo da aula: Como estimar incertezas de uma medida indireta Como realizar propagação de erros? Exemplo: medimos A e B e suas incertezas. Com calcular a incerteza de C, se
Leia maisVariáveis Frequências Gráficos Medidas de Posição Medidas de Dispersão Medidas Complementares Inferência
Tipos de Variáveis Problema Motivador: Um pesquisador está interessado em fazer um levantamento sobre aspectos sócio-econômicos dos empregados da seção de orçamentos de uma companhia (vide tabela). Algumas
Leia maisAULA 12 Inferência a Partir de Duas Amostras
1 AULA 12 Inferência a Partir de Duas Amostras Ernesto F. L. Amaral 15 de setembro de 2011 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro:
Leia maisLição 5 Medidas Descritivas Medidas de Dispersão
99 Lição 5 Medidas Descritivas Medidas de Dispersão Após concluir o estudo desta lição, esperamos que você possa: identifi car o objetivo das medidas de dispersão; identifi car o conceito de variância;
Leia maisAprendizagem de Máquina
Aprendizagem de Máquina Alessandro L. Koerih / Aleu S Britto Programa de Pós-Graduação em Informátia Pontifíia Universidade Católia do Paraná (PUCPR) Aprendizagem Bayesiana Plano de Aula Introdução Teorema
Leia maisGEOPROCESSAMENTO. Correção Geométrica Registro. Prof. Luiz Rotta
GEOPROCESSAMENTO Correção Geométria Registro Prof. Luiz Rotta CORREÇÃO GEOMÉTRICA DA IMAGEM Importânia eliminação de distorções sistemátias estudos multitemporais integração de dados SIG Requerimentos
Leia maisMedidas de dispersão e assimetria
Metodologia de Diagnóstico e Elaboração de Relatório FASHT Medidas de dispersão e assimetria Profª Cesaltina Pires cpires@uevora.pt Plano da Apresentação Medidas de dispersão Variância Desvio padrão Erro
Leia maisPlano da Apresentação. Correlação e Regressão linear simples. Correlação linear. Associação entre hábitos leitura e escolaridade.
Metodologia de Diagnóstico e Elaboração de Relatório FASHT Correlação e Plano da Apresentação Correlação linear Diagrama de dispersão Covariância Coeficiente de correlação de Pearson Teste de correlação
Leia maisCorrelação e Regressão linear simples
Metodologia de Diagnóstico e Elaboração de Relatório FASHT Correlação e Regressão linear simples Prof. Cesaltina Pires cpires@uevora.pt Plano da Apresentação Correlação linear Diagrama de dispersão Covariância
Leia maisAULA 11 Experimentos Multinomiais e Tabelas de Contingência
1 AULA 11 Experimentos Multinomiais e Tabelas de Contingência Ernesto F. L. Amaral 24 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG)
Leia maisIdentidade de modelos na estimativa do volume de árvores de Pinus caribaea var. hondurensis
Identidade de modelos na estimativa do volume de árvores de Pinus aribaea var. hondurensis Edson Lahini Adriano Ribeiro de Mendonça Leonardo Cassani Laerda Gilson Fernandes da Silva Introdução Nos inventários
Leia maisAMOSTRAGEM: DIMENSIONAMENTO DE AMOSTRAS. SELEÇÃO DOS ELEMENTOS DE UMA AMOSTRA. ESTIMATIVA DA CARACTERÍSTICA TOTAL DA POPULAÇÃO INVESTIGADA
AMOSTRAGEM: DIMENSIONAMENTO DE AMOSTRAS. SELEÇÃO DOS ELEMENTOS DE UMA AMOSTRA. ESTIMATIVA DA CARACTERÍSTICA TOTAL DA POPULAÇÃO INVESTIGADA META Dimensionar o tamanho ideal de amostra para cada população.
Leia maisProblema 4.40 do livro do Symon
Problema 4.4 do livro do Symon O problema 4.4 do livro do Symon é uma variação do que vimos na postagem Dois osiladores harmônios aoplados pois onsta de três massas presas a duas molas ao longo de um eixo
Leia mais25 a 30 de novembro de 2013
LSD Introdução à Programa de Pós-Graduação em Estatística e Experimentação Agronômica ESALQ/USP 25 a 30 de novembro de 2013 LSD 1 2 3 LSD 4 Parte 2 - Conteúdo LSD Quando o F da ANOVA está sendo utilizado
Leia maisAULA 04 Estimativas e Tamanhos Amostrais
1 AULA 04 Estimativas e Tamanhos Amostrais Ernesto F. L. Amaral 27 de agosto de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario
Leia mais0.1 Curvas de Ofertas e Demandas Lineares
0.1 Curvas de Ofertas e Demandas Lineares 1 Faculdade de Minas - FAMINAS-BH 0.1 Curvas de Ofertas e Demandas Lineares Na prática, algumas equações de oferta e demanda são aproximadamente lineares na faixa
Leia maisPROCESSAMENTO DOS DADOS DE DIFRAÇÃO DE RAIOS X PARA MEDIÇÃO DE TENSÕES
PROCESSAMENTO DOS DADOS DE DIFRAÇÃO DE RAIOS X PARA MEDIÇÃO DE TENSÕES J.T.Assis joaquim@iprj.uerj.br V.I.Monin monin@iprj.uerj.br Souza, P. S. Weidlih, M. C. Instituto Politénio IPRJ/UERJ Caixa Postal
Leia maisAvaliação e Desempenho Aula 1 - Simulação
Avaliação e Desempenho Aula 1 - Simulação Introdução à simulação Geração de números aleatórios Lei dos grandes números Geração de variáveis aleatórias O Ciclo de Modelagem Sistema real Criação do Modelo
Leia maisANÁLISE DO DESVIO DE COMPORTAMENTO ENTRE GÁS REAL E GÁS IDEAL. Enviado em maio de 2006 e aceito em outubro de 2006
ANÁLISE DO DESVIO DE COMPORTAMENTO ENTRE GÁS REAL E GÁS IDEAL Djeson M. A. da Costa Professor do Centro Federal de Eduação Tenológia do Rio Grande do Norte, Engenheiro Químio, Lieniado em Químia e Mestre
Leia maisAprendizagem de Máquina
Aprendizagem de Máquina Alessandro L. Koerih Programa de Pós-Graduação em Informátia Pontifíia Universidade Católia do Paraná (PUCPR Aprendizagem Bayesiana Plano de Aula Introdução Teorema de Bayes Classifiador
Leia maisAnálise de Regressão Linear Simples III
Análise de Regressão Linear Simples III Aula 03 Gujarati e Porter Capítulos 4 e 5 Wooldridge Seção.5 Suposições, Propriedades e Teste t Suposições e Propriedades RLS.1 O modelo de regressão é linear nos
Leia maisPernambuco. Tabela 1: Indicadores selecionados: mediana, 1º e 3º quartis nos municípios do estado de Pernambuco (1991, 2000 e 2010)
Pernambuco Em, no estado de Pernambuco (PE), moravam 8,8 milhões de pessoas, onde parcela relevante (7,4%; 648,7 mil habitantes) tinha 65 ou mais anos de idade. O estado era composto de 185 municípios,
Leia maisTeste de Hipótese e Intervalo de Confiança. Parte 2
Teste de Hipótese e Intervalo de Confiança Parte 2 Questões para discutirmos em sala: O que é uma hipótese estatística? O que é um teste de hipótese? Quem são as hipóteses nula e alternativa? Quando devemos
Leia maisPrecisão do fuso de esferas
Precisão do ângulo de avanço A precisão do fuso de esferas no ângulo de avanço é controlado de acordo com os padrões JIS (JIS B 1192-1997). As classes de precisão C0 a C5 são defi nidas na linearidade
Leia maisAuto-esboço e Auto-pele pelo Misturograma
Auto-esboço e Auto-pele pelo Misturograma Severino Jr, Osvaldo IMES - FAFICA osvaldo@fafica.br Gonzaga, Adilson Escola de Engenharia de São Carlos - US adilson@sc.usp.br Resumo Neste trabalho é apresentado
Leia maisEfficiency evaluation of Branson s equivalent inertia to consider physical nonlinearity of beams in simple form
Volume 4, Number (August, 2011) p 50-547 SSN 198-4195 Effiieny evaluation of Branson s equivalent inertia to onsider physial nonlinearity of beams in simple form Avaliação da efiiênia da inéria equivalente
Leia maisMeta-análise: aplicações em fisioterapia
Meta-análise: aplicações em fisioterapia Arminda Lucia Siqueira 1 George Schayer Sabino 1 Pollyanna Vieira Gomes da Silva 1 1 Introdução A junção de resultados de vários estudos recebe o nome de meta-análise
Leia maisINTRODUÇÃO À INFERÊNCIA ESTATÍSTICA. Prof. Anderson Rodrigo da Silva anderson.silva@ifgoiano.edu.br
INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA Prof. Anderson Rodrigo da Silva anderson.silva@ifgoiano.edu.br Tipos de Pesquisa Censo: é o levantamento de toda população. Aqui não se faz inferência e sim uma descrição
Leia maisDistribuições Conjuntas (Tabelas de Contingência)
Cruzamento de Dados Distribuições Conjuntas (Tabelas de Contingência) Lorí Viali, Dr. DESTAT/FAMAT/PUCRS viali@pucrs.br http://www.pucrs.br/famat/viali Distribuição Conjunta Exemplo (tabela um) Suponha
Leia maisTécnicas Digitais A AULA 08. Prof. João Marcos Meirelles da Silva. Sala 425
Técnicas Digitais A Prof. João Marcos Meirelles da Silva AULA 08 jmarcos@vm.uff.br Sala 425 www.professores.uff.br/jmarcos onversão de Expressões em TV Desenvolva uma Tabela-Verdade para a expressão de
Leia maisAvaliação de métodos de classificação de imagens IKONOS para o mapeamento da cobertura terrestre
Avaliação de métodos de classificação de imagens IKONOS para o mapeamento da cobertura terrestre Regiane Maria Paes Ribeiro 1 Vicente Paulo Soares 2 Carlos Antônio Oliveira Vieira 2 1 Agência Nacional
Leia maisEXAME DE MACS 2º FASE 2014/2015 = 193
EXAME DE MACS 2º FASE 2014/2015 1. Divisor Padrão: 00+560+80+240 200 = 190 = 19 200 20 Filiais A B C D Quota Padrão 1,088 58,01 86,010 24,870 L 1 58 86 24 L(L + 1) 1,496 58,498 86,499 24,495 Quota Padrão
Leia maisAcre. Tabela 1: Indicadores selecionados: mediana, 1 o e 3 o quartis nos municípios do estado do Acre (1991, 2000 e 2010)
Acre Em, no estado do Acre (AC) moravam 734 mil pessoas, e uma parcela ainda pequena dessa população, 4,3% (32 mil) tinha 65 ou mais anos de idade. O estado era composto de 22 municípios, dos quais sete
Leia maisUma árvore orientada é um digrafo conexo que não possui circuitos ou semi-circuitos.
11 - Árvores Vamos representar as situações aaixo através de rafos. a)joo da vela ) Árvore Genealóia x x x... x x x... o o o a) Vérties: os estados do joo arestas: existe uma aresta entre um estado do
Leia maisBIOESTATÍSTICA. Parte 1 - Estatística descritiva e análise exploratória dos dados
BIOESTATÍSTICA Parte 1 - Estatística descritiva e análise exploratória dos dados Aulas Teóricas de 17/02/2011 a 03/03/2011 1.1. População, amostra e dados estatísticos. Dados qualitativos e quantitativos
Leia maisCIRCULAR TÉCNICA N o 171 NOVEMBRO 1989 TABELAS PARA CLASSIFICAÇÃO DO COEFICIENTE DE VARIAÇÃO
IPEF: FILOSOFIA DE TRABALHO DE UMA ELITE DE EMPRESAS FLORESTAIS BRASILEIRAS ISSN 0100-3453 CIRCULAR TÉCNICA N o 171 NOVEMBRO 1989 TABELAS PARA CLASSIFICAÇÃO DO COEFICIENTE DE VARIAÇÃO INTRODUÇAO Carlos
Leia mais1.2. Grandezas Fundamentais e Sistemas de Unidades
CAPÍTULO 1 Grandezas, Unidades e Dimensões 1.1. Medidas Uma grandeza física é uma propriedade de um corpo, ou particularidade de um fenómeno, susceptível de ser medida, i.e. à qual se pode atribuir um
Leia maisConteúdo. 1 Introdução. Histograma do Quinto Sorteio da Nota Fiscal Paraná 065/16. Quinto Sorteio Eletrônico da Nota Fiscal Paraná
Quinto Sorteio Eletrônico da Nota Fiscal Paraná Relatório parcial contendo resultados 1 da análise estatística dos bilhetes premiados Conteúdo 1 Introdução Este documento apresenta a análise dos resultados
Leia maisConteúdo. 1 Introdução. Histograma do 1o Sorteio da Nota Fiscal Paraná 152/15. 1º Sorteio Eletrônico da Nota Fiscal Paraná
1º Sorteio Eletrônico da Nota Fiscal Paraná Relatório parcial contendo resultados 1 da análise estatística dos bilhetes premiados Conteúdo 1 Introdução Este relatório apresenta uma análise estatística
Leia maisA. Equações não lineares
A. Equações não lineares 1. Localização de raízes. a) Verifique se as equações seguintes têm pelo menos uma solução nos intervalos dados: i) (x - 2) 2 ln(x) = 0, em [1, 2] e [e, 4]. ii) 2 x cos(x) (x 2)
Leia maisIntervalos Estatísticos para Uma Única Amostra
Intervalos Estatísticos para Uma Única Amostra OBJETIVOS DE APRENDIZAGEM Depois de um cuidadoso estudo deste capítulo, você deve ser capaz de: 1.Construir intervalos de confiança para a média de uma distribuição
Leia maisCarta de controle para o desvio-padrão
Carta de controle para o desvio-padrão O desvio padrão é um indicador mais eficiente da variabilidade, principalmente para amostras grandes (a amplitude perde eficiência). Recomenda-se o uso da carta Xb
Leia mais3º Ano do Ensino Médio. Aula nº09 Prof. Paulo Henrique
Nome: Ano: º Ano do E.M. Escola: Data: / / 3º Ano do Ensino Médio Aula nº09 Prof. Paulo Henrique Assunto: Funções do Segundo Grau 1. Conceitos básicos Definição: É uma função que segue a lei: onde, Tipos
Leia maisTeorema do Limite Central e Intervalo de Confiança
Probabilidade e Estatística Teorema do Limite Central e Intervalo de Confiança Teorema do Limite Central Teorema do Limite Central Um variável aleatória pode ter uma distribuição qualquer (normal, uniforme,...),
Leia maisIBM1018 Física Básica II FFCLRP USP Prof. Antônio Roque Aula 7
Potencial Elétrico Quando estudamos campo elétrico nas aulas passadas, vimos que ele pode ser definido em termos da força elétrica que uma carga q exerce sobre uma carga de prova q 0. Essa força é, pela
Leia maisPrograma de Ciências Experimentais 2012-2013
Programa de Ciências Experimentais 2012-2013 I Teoria 1 Introdução 2 Conceitos úteis 2.1 Ordem de grandeza 2.1.1 Introdução 2.1.2 Definição 2.1.3 Representação científica de um número 2.1.4 Ordem de grandeza
Leia maisContabilometria. Análise Discriminante
Contabilometria Análise Discriminante Fonte: Corrar, L. J.; Theóphilo, C. R. Pesquisa Operacional para Decisão em Contabilidade e Administração, Editora Atlas, São Paulo, 010 Cap. 3 Análise Discriminante
Leia maisEstimação. Como definir um estimador. Como obter estimativas pontuais. Como construir intervalos de confiança
Estimação Como definir um estimador. Como obter estimativas pontuais. Como construir intervalos de confiança Motivação A partir da média de uma a amostra em uma colheita recente, o conselho de qualidade
Leia mais3 Reações Proibidas por Spin
3 Reações Proibidas por Spin Em reações químicas, elétrons ligantes são redistribuídos quando ligações químicas são quebradas e formadas. Quando alguns dos elétrons dos reagentes ou dos produtos são desemparelhados,
Leia maisMedidas de Tendência Central. Introdução Média Aritmética Moda Mediana
Medidas de Tendência Central Introdução Média Aritmética Moda Mediana Introdução A maioria dos dados apresenta uma tendência de se concentrar em torno de um ponto central Portanto, é possível selecionar
Leia maisCAPÍTULO 8. de Variância - ANOVA ANOVA. Análise
CAPÍTULO 8 Análise de Variância - UFRGS Os testes de hipótese apresentados até aqui limitaram-se à comparação de duas médias ou duas variâncias. Contudo, há situações onde se deseja comparar várias médias,
Leia maisé 4. Portanto, o desvio padrão é 2. Neste caso 100% dos valores da população estão a um desvio padrão da média.
Desvio Padrão From Wikipedia, the free encyclopedia probabilidade e estatística, o desvio padrão de uma distribuição de probabilidade, de uma variável aleatória, ou população é uma medida do espalhamento
Leia mais1 CLASSIFICAÇÃO 2 SOMA DOS ÂNGULOS INTERNOS. Matemática 2 Pedro Paulo
Matemática 2 Pedro Paulo GEOMETRIA PLANA IV 1 CLASSIFICAÇÃO De acordo com o gênero (número de lados), os polígonos podem receber as seguintes denominações: Na figura 2, o quadrilátero foi dividido em triângulos.
Leia maisMAE116 - Noções de Estatística
MAE116 - Noções de Estatística Grupo A - 1 semestre de 2015 Gabarito da Lista de exercícios 10 - Introdução à Estatística Descritiva - CASA Exercício 1. (2 pontos) Sabe-se que, historicamente, 18% dos
Leia maisInstituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira INEP Ministério da Educação MEC. Cálculo do Conceito ENADE
Instituto acional de Estudos e Pesquisas Educacionais Anísio Teixeira IEP Ministério da Educação ME álculo do onceito EADE Para descrever o cálculo do onceito Enade, primeiramente é importante definir
Leia maisA Derivada. 1.0 Conceitos. 2.0 Técnicas de Diferenciação. 2.1 Técnicas Básicas. Derivada de f em relação a x:
1.0 Conceitos A Derivada Derivada de f em relação a x: Uma função é diferenciável / derivável em x 0 se existe o limite Se f é diferenciável no ponto x 0, então f é contínua em x 0. f é diferenciável em
Leia maisADMINISTRAÇÃO DE MATERIAIS GESTÃO
GESTÃO DE ESTOQUES (Parte 1) Os estoques são recursos ociosos que possuem valor econômico, os quais representam um investimento destinado a incrementar as atividades de produção e servir aos clientes.
Leia maisMaranhão. Tabela 1: Indicadores selecionados: mediana, 1º e 3º quartis nos municípios do estado do Maranhão (1991, 2000 e 2010)
Maranhão Em, no estado do Maranhão (MA), moravam 6,6 milhões de pessoas, onde parcela considerável (6,%, 396, mil) tinha 65 ou mais anos de idade. O estado era composto de 217 municípios, dos quais um
Leia maisPropriedades Elétricas (cap. 42 Fundamentos de Física Halliday, Resnick, Walker, vol. 4 6ª. Ed.)
Unidade stado Sólido Propriedades létricas (cap. 4 Fundamentos de Física Halliday, Resnick, Walker, vol. 4 6ª. d.) Metais Semicondutores Classificar os sólidos, do ponto de vista elétrico, de acordo com
Leia maisMedidas e Escalas: Escalas não Comparativas
Medidas e Escalas: Escalas não Comparativas 1-1 Sumário do Capítulo 1) Escalas não comparativas 2) Escalas de rácios contínuos 3) Escalas de Itens i. Escala de Likert ii. iii. Escala de Diferencial semântico
Leia maisMatemática Aplicada às Ciências Sociais
ESCOLA SECUNDÁRIA DE AMORA PLANIFICAÇÃO ANUAL Matemática Aplicada às Ciências Sociais Ensino Regular Curso Geral de Ciências Sociais e Humanas 11º ANO Ano Letivo 2014 / 2015 PLANIFICAÇÃO A LONGO PRAZO
Leia maisProbabilidade III. Ulisses U. dos Anjos. Departamento de Estatística Universidade Federal da Paraíba. Período 2014.1
Probabilidade III Ulisses U. dos Anjos Departamento de Estatística Universidade Federal da Paraíba Período 2014.1 Ulisses Umbelino (DE-UFPB) Probabilidade III Período 2014.1 1 / 42 Sumário 1 Apresentação
Leia maisAula 1 Variáveis aleatórias contínuas
Aula 1 Variáveis aleatórias contínuas Objetivos: Nesta aula iremos estudar as variáveis aleatórias contínuas e você aprenderá os seguintes conceitos: função de densidade de probabilidade; função de distribuição
Leia maisMatrizes e Sistemas Lineares. Professor: Juliano de Bem Francisco. Departamento de Matemática Universidade Federal de Santa Catarina.
e Aula Zero - Álgebra Linear Professor: Juliano de Bem Francisco Departamento de Matemática Universidade Federal de Santa Catarina agosto de 2011 Outline e e Part I - Definição: e Consideremos o conjunto
Leia maisPlanejamento e Análise Estatística de Experimentos Fatoriais em blocos completos
Planejamento e Análise Estatística de Experimentos Fatoriais em blocos completos Contexto Já vimos como analisar um experimento em blocos na presença de um único fator de interesse. Podemos ter experimentos
Leia maisElaboração e Análise de Projetos
Elaboração e Análise de Projetos Análise de Mercado Professor: Roberto César ANÁLISE DE MERCADO Além de ser o ponto de partida de qualquer projeto, é um dos aspectos mais importantes para a confecção deste.
Leia maisANALYTICAL METHODS IN VIBRATION. Leonard Meirovitch Capitulo 1
ANALYTICAL METHODS IN VIBRATION Leonard Meirovith Capitulo Comportamento de sistemas Um sistema é definido omo uma montagem de omponentes atuando omo um todo. Os omponentes são lassifiados e definidos
Leia mais1 Propagação em sistemas rádio móveis
1 Propagação em sistemas rádio móveis Para se chegar a expressões de atenuação de propagação que melhor descrevam as situações reais encontradas, vai-se acrescentando complexidade ao problema inicial (espaço
Leia maisO QUE É AMOSTRAGEM? PARTE I
O QUE É AMOSTRAGEM? PARTE I! Teoria da amostragem! População x Amostra! O problema do censo! Amostragem probabilística e não probabilística Francisco Cavalcante(f_c_a@uol.com.br) Administrador de Empresas
Leia maisA vida sem reflexão não merece ser vivida Sócrates Disciplina: ESTATÍSTICA e PROBABILIDADE
Notas de aula 07 1 A vida sem reflexão não merece ser vivida Sócrates Disciplina: ESTATÍSTICA e PROBABILIDADE 1. Medidas de Forma: Assimetria e Curtose. A medida de assimetria indica o grau de distorção
Leia maisx = xi n x = xifi fi 1. MÉDIA Exercício: Quando a distribuição é simétrica, a média e a mediana coincidem.
1. MÉDIA Exercício: Quando a distribuição é simétrica, a média e a mediana coincidem. Determine a média aritmética da distribuição: A mediana não é tão sensível, como a média, às observações que são muito
Leia maisTEORIA DOS ORBITAIS MOLECULARES -TOM
TEORIA DOS ORBITAIS MOLECULARES -TOM TOM - Importância - Elucidar alguns aspectos da ligação não explicados pelas estruturas de Lewis, pela teoria da RPENV e pela hibridização. - Exemplo: Por que o O 2
Leia maisEngenharia Econômica
UNIVERSIDADE FEDERAL DE PERNAMBUCO UFPE CENTRO ACADÊMICO DO AGRESTE NÚCLEO DE TECNOLOGIA ENGENHARIA CIVIL Engenharia Econômica Aula I Professora Jocilene Otilia da Costa, Dra Conteúdo Juros Simples Juros
Leia maisCongruências Lineares
Filipe Rodrigues de S Moreira Graduando em Engenharia Mecânica Instituto Tecnológico de Aeronáutica (ITA) Agosto 006 Congruências Lineares Introdução A idéia de se estudar congruências lineares pode vir
Leia maisIND 1115 Inferência Estatística Aula 8
Conteúdo IND 5 Inferência Estatística Aula 8 Setembro 4 Mônica Barros O - aproximação da Binomial pela Este teorema é apenas um caso particular do teorema central do limite, pois uma variável aleatória
Leia mais4 Otimização de Portfólio na Área de Refino Modelo de Solução
4 Otimização de Portfólio na Área de Refino Modelo de Solução 4.. Introdução Este apítulo visa apresentar um modelo simplifiado de otimização de portfólio na área de petróleo e derivados om riso assoiado
Leia maisSessão Saber profundo Combinação de incertezas (http://www.midomenech.com.br/artigos.asp)
Sessão Saber profundo Combinação de incertezas (http://www.midomenech.com.br/artigos.asp) Manoel Telhada Consultor da M. I. Domenech Em 50 palavras ou menos O estudo de Repe & Repro é utilizado para avaliar
Leia maisMatemática Básica Intervalos
Matemática Básica Intervalos 03 1. Intervalos Intervalos são conjuntos infinitos de números reais. Geometricamente correspondem a segmentos de reta sobre um eixo coordenado. Por exemplo, dados dois números
Leia maisCapítulo IX. Carregamento de transformadores
42 Capítulo IX Carregamento de transformadores Por Manuel Luís Barreira Martinez* A tipificação dos transformadores contempla três agrupamentos distintos, o que em tese significa três diferentes tipos
Leia maisInferência sobre duas proporções
Teste para duas populações duas populações Amostra :,,,, alor comum para delta 0 Amostra 2:,,,, Tamanho Tamanho Média amostral x Média amostral x Desvio-padrão Desvio-padrão Teste para duas populações
Leia maisAGRUPAMENTO DE ESCOLAS DA SÉ GUARDA. MATEMÁTICA B Curso de Artes Visuais
Direção-Geral dos Estabelecimentos Escolares Direção de Serviços da Região Centro AGRUPAMENTO DE ESCOLAS DA SÉ GUARDA MATEMÁTICA B Curso de Artes Visuais ANO LECTIVO: 2015/2016 11º ANO 1º PERÍODO PLANIFICAÇÃO
Leia maisAnálise estatística. Aula de Bioestatística. 17/9/2008 (2.ª Parte) Paulo Nogueira
Análise estatística Aula de Bioestatística 17/9/2008 (2.ª Parte) Paulo Nogueira Testes de Hipóteses Hipótese Estatística de teste Distribuição da estatística de teste Decisão H 0 : Não existe efeito vs.
Leia maisModelos de Probabilidade e Inferência Estatística
Modelos de Probabilidade e Inferência Estatística Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuições Qui-quadrado, t-student e F de Snedecor 04/14
Leia maisICEI Índice de Confiança do Empresário Industrial Julho/07 Interiorização da Sondagem
Resultado do ICEI - Índice de Confiança do Empresário Industrial - nas Regionais FIESP Projeto de de Opinião CNI (DEPAR/DEPECON) Introdução A Sondagem Industrial é uma pesquisa qualitativa realizada trimestralmente
Leia maisI-094 - COLIFORMES E ph MÉDIAS ARITMÉTICAS, MÉDIAS GEOMÉTRICAS E MEDIANAS
I-9 - COLIFORMES E ph MÉDIAS ARITMÉTICAS, MÉDIAS GEOMÉTRICAS E MEDIANAS Marcos von Sperling ( 1 ) Engenheiro Civil (UFMG). Doutor em Engenharia Ambiental (Imperial College, Universidade de Londres Inglaterra).
Leia maisXXXI OLIMPÍADA BRASILEIRA DE MATEMÁTICA PRIMEIRA FASE NÍVEL 2 (8º. ou 9º. anos) GABARITO
XXXI OLIMPÍ RSILEIR E MTEMÁTI PRIMEIR FSE NÍVEL (º ou 9º anos) GRITO GRITO NÍVEL ) 6) ) 6) ) E ) 7) ) 7) ) ) ) ) E ) ) 4) 9) 4) E 9) 4) ) 0) ) 0) ) ada questão da Primeira Fase vale ponto (Total de pontos
Leia mais