Classificação de Dados de Elevada Dimensão Ignorar ou Incorporar Correlações?
|
|
- Augusto Almada Azeredo
- 7 Há anos
- Visualizações:
Transcrição
1 Classfcação de Dados de Elevada Dmensão Inorar ou Incorporar Correlações? A. PEDRO DUARE SILVA Faculdade de Economa e Gestão/CEGE Unversdade Católca Portuuesa Centro Reonal do Porto (* Supported by: FEDER / POCI 2010
2 Correlações e classfcação em randes dmensões Indce 1. Classfcação com p >> n 2. Métodos de An Análse Dscrmnante Daonal 3. Métodos modernos de selecção de varáves ves 3.1. False Dscovery e Non-Dscovery Rates 3.2. Donoho e Jn s Hher Crtcsm 4. Como Incorporar Correlações? 4.1. homaz e Glles s Novas FDL 4.2. Estmadores encolhdos encolhdos e reularzados 4.3. Estmadores baseadas em modelos factoras 5. Resultados emprcos 6. Conclusões e perspectvas
3 Correlações e classfcação em randes dmensões Classfcação en randes dmensões: O problema Y ; X = 1,2,, n Y {1,,k} X R p p >> n Pretende-se determnar uma rera capaz de prever Y dado X Pressuposto habtual: X Y ~ Np(µ (Y, Σ Rera de Bayes: Y = ar mn ( ar mn ( ar mn ( 0.5( X X ( µ Σ Σ 1 1 ( ( X Σ 1 lnπ X ( X Σ 1 µ = µ ( ( lnπ lnπ : =
4 Correlações e classfcação em randes dmensões Análse Dscrmnante Daonal Nave Bayes ˆ ( = X µ ˆ ( = X X ( Σ ˆ = D ˆ = da(s Nearest Shruken Centrods S = k ( X X( ( X X( = 1 Y = n k bshran, Haste, Narasmhan e Chu ( µ ˆ *( = µ ˆ + Dˆ n n 0.5 d * d* (j = sn(d (j (d (j - α + d µ ˆ µ ˆ k ( -0.5 = Dˆ µ ˆ = nkµ ˆ ( 1 1 n = 1 θ n n 1 α, θ 1,..., θ k obtdos por valdação cruzada
5 Correlações e classfcação em randes dmensões Métodos modernos de seleção de varáves ves axas (locas de falsas descoberta e não descoberta Dada uma sucessão de p testes e estatístcas ordenadas, z 1,..., z p com P 0 = P(H 0 ; P 1 = P(H 1 f 0 (z ; f 1 (z ; f(z = P 0 f 0 (z + P 1 f 1 (z axa local de falsas descobertas: fdr(z = P 0 f 0 (z / f (z axa local de falsas não-descobertas: fndr(z = 1 - fdr(z Hher Crtcsm Dada uma sucessão de p testes e valores de prova, π 1,..., π p ordenados HC máxma dferença estandartzada entre π j e o seu valor esperado se a dstrbução de todos os π fosse unforme
6 Correlações e classfcação em randes dmensões Como ncorporar correlações? homaz e Glles s Novas FDL S = p m= 1 λ m v m v m Σ ˆ = p m= 1 max(λ,λ m v m v m Estmadores encolhdos e reularzados Σˆ = ρ + ρ S 1 IP 2 Guo, Haste e bshran (2007 Xu, Brock e Parrsh (2009 ou: = D 0.5 R D 0.5 Rˆ * = (1 ρ1r ˆ D ˆ * (j, j = ρ2 me j( D(j, ˆ j + (1 ρ2d(j, ˆ j 1 n πˆ * = ρ3 + (1 ρ3 k n Ahdesmak e Strmmer (2009
7 Correlações e classfcação em randes dmensões Como ncorporar correlações? Covarâncas estmadas por modelos factoras Duarte Slva (2009 X = µ (Y + B f + ε f R q ε R P q << p f ~ N q (0,I q ε ~ N p (0,D ε Σ = B B + D ε Σ -1 = D ε -1 - D ε -1 B [I q + B D ε -1 B] -1 B D ε -1 Σˆ = ˆ ˆ ˆ ˆ ˆ ˆ 2 Fctq BB + Dε ; B,Dε = ar mn Σ B,D ˆ ˆ Fctq S ε
8 Correlações e classfcação em randes dmensões Snh s Prostate Cancer Data p=6033; n=50+52 Rule Selecton Crteron* Error Estmate ± 2 std errors C_HC ± C_FNDR ± ± I_FNDR ± ± I_FNDR ± homgl NFDL ± NSC (Pam ± Naïve Bayes ± Support Vector Machnes ± Fsher s FDL ± * C Correlaton Adjusted -scores ; I Independence based -scores HC Hher Crtcsm ; FNDR False Non-Dscovery Rates
9 Correlações e classfcação em randes dmensões Smulaton Experment -- Guo, Haste and bshran (2007 setup p=10 000; n= ; 100 Independent Blocks ; ρ = 0.90 Rule Selecton Crteron Error Estmate ± 2 std errors C_HC ± C_NFDR ± ± ± ± ± homgl NFDL ± NSC (Pam ± Naïve Bayes ± Support Vector Machnes ± Fsher s FDL ±
10 Correlações e classfcação em randes dmensões Smulaton Experment -- Guo, Haste and bshran (2007 setup p=10 000; n= ; 100 Independent Blocks ; ρ = 0.99 Rule Selecton Crteron Error Estmate ± 2 std errors C_HC ± C_NFDR ± ± ± ± ± homgl NFDL ± NSC (Pam ± Naïve Bayes ± Support Vector Machnes ± Fsher s FDL ±
11 Correlações e classfcação em randes dmensões Smulaton Experment -- Guo, Haste and bshran (2007 setup p=10 000; n= ; 10 Independent Blocks ; ρ = 0.90 Rule Selecton Crteron Error Estmate ± 2 std errors C_HC ± C_NFDR ± ± ± ± ± homgl NFDL ± NSC (Pam ± Naïve Bayes ± Support Vector Machnes ± Fsher s FDL ±
12 Correlações e classfcação em randes dmensões Smulaton Experment -- Guo, Haste and bshran (2007 setup p=10 000; n= ; 10 Independent Blocks ; ρ = 0.99 Rule Selecton Crteron Error Estmate ± 2 std errors C_HC ± C_NFDR ± ± ± ± ± homgl NFDL ± NSC (Pam ± Naïve Bayes ± Support Vector Machnes ± Fsher s FDL ±
13 Conclusões Correlações e classfcação em randes dmensões A escolha do numero adequado de predctores é crtca Donoho e Jn s Hher Crtcsm parece produzr os melhores resultados Podem (e devem-se ncorporar correlações, mesmo com p >> n Estmadores de Covarâncas/Correlações baseados em alvos de referênca são fortemente dependentes da razoabldade dos alvos adoptados Desenfatzar a mportânca dos ultmos vectores própros da matrz de covarâncas é uma forma efcaz de reularzação para uma rande varedade de condções
14 Correlações e classfcação em randes dmensões Perspectvas e questões em aberto Em que condções é que se pode confar em alvos de referênca? Devem-se ncorporar correlações na selecção de varáves? Quando e Como? Qual a mportânca de reularzar tambem os estmadores de médas e de probabldades à pror? Quas as propredades assntótcas de métodos reularzados? Qual a relevânca dessas propredades?
15 Referêncas Correlações e classfcação em randes dmensões Ahdesmak, P. and Strmmer, K. (2009. Feature selecton n "omcs"predcton problems usn cat scores and non-dscovery rate control. rxv,stat.ap: v1. Donoho, D. and Jn, J. (2008. Hher crtcsm thresholdn: Optmal feature selecton when useful features are rare and weak. Proc. Natl. Acad. Sc, USA 105, Duarte Slva, A.P. (2009. Lnear Dscrmnant Analyss wth more Varables than Observatons. A not so Naïve Approach. o appear In: Classfcaton as a ool for Research. Proceedns of the 11th IFCS Bennal Conference and 33rd Annual Conference of the Gesellschaft für Klassfkaton. Dresden, Germany. Guo, Y., Haste,. and bshran,. (2007. Reularzed dscrmnant analyss and ts applcaton n mcroarrays. Bostatstcs 8, Strmmer, K. (2008. A unfed approach to false dscovery rate estmaton. BMC Bonformatcs, 9, 303. bshran, R., Haste, B., Narsmhan, B. and Chu, G. (2003. Class predcton by nearest shrunken centrods wth applcatons to DNA mcroarrays. Statstcal Scence, 18, homaz, C.E. and Glles, D.F. (2005. A maxmum uncertanty lda-based approach for lmted sample sze problems wth applcaton to face reconton. In: 18th Brazlan Symposum on computer Graphcs and Imae Processm. SIBGRAPI 2005, Xu, P., Brock, G.N., and Parrsh, R. (2009. Modfed lnear dscrmnant analyss approaches for classfcaton of hh-dmensonal mcroarray data. Computatonal Statstcs and Data Analyss, 53,
Classificação de Padrões
Classfcação de Padrões Introdução Classfcadores Paramétrcos Classfcadores Sem-paramétrcos Redução da Dmensonaldade Teste de Sgnfcânca 6.345 Sstema de Reconhecmento de Voz Teora Acústca da Produção de Voz
Leia maisMétodos Avançados em Epidemiologia
Unversdade Federal de Mnas Geras Insttuto de Cêncas Exatas Departamento de Estatístca Métodos Avançados em Epdemologa Aula 5-1 Regressão Lnear Smples: Estmação e Interpretação da Reta Tabela ANOVA e R
Leia maisO problema da superdispersão na análise de dados de contagens
O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão
Leia maisFACULDADE DE ECONOMIA DO PORTO. Licenciatura em Economia E C O N O M E T R I A II
FACULDADE DE ECONOMIA DO PORTO Lcencatura em Economa E C O N O M E T R I A II (LEC310) Avalação dstrbuída - Teste global 25 de Junho de 2007 NOTAS PRÉVIAS: 1. A prova tem duração de 2 horas. 2. Apenas
Leia maisMOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES
MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES 1. Obtenha os estmadores dos coefcentes lnear e angular de um modelo de regressão lnear smples utlzando o método
Leia maisTânia Lucia Hojo (UFMG) Sueli Aparecida Mingoti (UFMG)
Modelos de equações estruturas: uma avalação dos métodos de máxma verossmlhança, mínmos quadrados ordnáros e mínmos quadrados parcas usados na estmação de parâmetros do modelo. Tâna Luca Hojo (UFMG) hojo@est.mest.ufmg.br
Leia maisAnálise de Regressão
Análse de Regressão método estatístco que utlza relação entre duas ou mas varáves de modo que uma varável pode ser estmada (ou predta) a partr da outra ou das outras Neter, J. et al. Appled Lnear Statstcal
Leia maisO problema da superdispersão na análise de dados de contagens
O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão
Leia maisMÉTODOS MULTIVARIADOS. Rodrigo A. Scarpel
MÉTODOS MULTIVARIADOS Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo INTRODUÇÃO Semana Conteúdo Introdução aos métodos multvarados 1 Análse de componentes prncpas Aplcações de análse de componentes
Leia maisOcorrência (i) Total Freq. Observada (n i )
apítulo 4 Problema H L : p p p6 / 6 Ocorrênca ( 3 4 5 6 Total Freq. Observada (n 43 49 56 45 66 4 3 Freq. Esperada ( n * 5 5 5 5 5 5 3 ( n / n n,98,,7,5 5,,6 8,96 8,96 ; s 6; g.l. 5. ˆ 5 α P ( χ > 8,96,.
Leia maisRegressão Linear Simples. Frases. Roteiro
Regressão Lnear Smples Frases Por serem mas precsos que as palavras, os números são partcularmente adequados para transmtr conclusões centífcas Pagano e Gauvre, 4 Rotero. Modelagem de Relação. Modelo Lnear
Leia maisREGRESSÃO NÃO LINEAR 27/06/2017
7/06/07 REGRESSÃO NÃO LINEAR CUIABÁ, MT 07/ Os modelos de regressão não lnear dferencam-se dos modelos lneares, tanto smples como múltplos, pelo fato de suas varáves ndependentes não estarem separados
Leia maisAvaliação do Modelo. Avaliação de Modelos. Métricas para avaliação de desempenho. Métricas para avaliação de desempenho 31/05/2017
3/05/07 Avalação do Modelo Avalação de Modelos Métrcas para avalação de desempenho Como avalar o desempenho do modelo? Métodos para avalação de desempenho Como obter estmatvas confáves? Métodos para comparação
Leia maisCurso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos
Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,
Leia maisEstatística I Licenciatura MAEG 2006/07
Estatístca I Lcencatura MAEG 006/07 AMOSTRAGEM. DISTRIBUIÇÕES POR AMOSTRAGEM.. Em determnada unversdade verfca-se que 30% dos alunos têm carro. Seleccona-se uma amostra casual smples de 0 alunos. a) Qual
Leia maisUniversidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Classificadores Lineares. Luiz Eduardo S. Oliveira, Ph.D.
Unversdade Federal do Paraná Departamento de Informátca Reconhecmento de Padrões Classfcadores Lneares Luz Eduardo S. Olvera, Ph.D. http://lesolvera.net Objetvos Introduzr os o conceto de classfcação lnear.
Leia maisCap. 11 Correlação e Regressão
Estatístca para Cursos de Engenhara e Informátca Pedro Alberto Barbetta / Marcelo Menezes Res / Antono Cezar Borna São Paulo: Atlas, 2004 Cap. 11 Correlação e Regressão APOIO: Fundação de Apoo à Pesqusa
Leia maisModelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados
Modelo lnear normal com erros heterocedástcos O método de mínmos quadrados ponderados Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal
Leia maisEstimativa da Matriz de Covariância para Classificadores Bayesianos em Problemas de Amostras Insuficientes utilizando Computação Evolucionária
Estmatva da Matrz de Covarânca para Classfcadores Bayesanos em Problemas de Amostras Insufcentes utlzando Computação Evoluconára Dogo Menezes Duarte, Raul Queroz Fetosa, Marco Aurélo C. Pacheco Pontfíca
Leia maisEstatística Aplicada II CORRELAÇÃO. AULA 21 07/11/16 Prof a Lilian M. Lima Cunha
09//06 Estatístca Aplcada II CORRELAÇÃO AULA 07//6 Prof a Llan M. Lma Cunha CORRELAÇÃO: Identfcar a estênca ou não de assocação lnear entre varáves: -Preço de um produto em regões; -Frete e Km percorrdo;
Leia maisAnálise de Discriminantes Lineares para Modelagem e Reconstrução de Imagens de Face
Análse de Dscrmnantes Lneares para Modelagem e Reconstrução de Imagens de Face Edson C. Ktan (FEI-SP) Carlos E. Thomaz (FEI-SP) SUMÁRIO Motvação Captura da varabldade das amostras O problema Nossa abordagem
Leia mais1. CORRELAÇÃO E REGRESSÃO LINEAR
1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação
Leia maisUM PROBLEMA ECONOMÉTRICO NO USO DE VARIÁVEIS CLIMÁTICAS EM FUNÇÕES DE PRODUÇÃO AJUSTADAS A DADOS EXPERIMENTAIS
UM PROBLEMA ECONOMÉTRICO NO USO DE VARIÁVEIS CLIMÁTICAS EM FUNÇÕES DE PRODUÇÃO AJUSTADAS A DADOS EXPERIMENTAIS Rodolfo Hoffmann * Vctor Hugo da Fonseca Porto ** SINOPSE Neste trabalho deduz-se qual é o
Leia maisESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11. EXERCÍCIOS PRÁTICOS - CADERNO 4 Regressão Linear
ESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11 EERCÍCIOS PRÁTICOS - CADERNO 4 Regressão Lnear 4. EERCÍCIOS PARA RESOLVER NAS AULAS 4.1. O gestor de marketng duma grande cadea de supermercados quer determnar
Leia maisReconhecimento Estatístico de Padrões
Reconhecmento Estatístco de Padrões X 3 O paradgma pode ser sumarzado da segunte forma: Cada padrão é representado por um vector de característcas x = x1 x2 x N (,,, ) x x1 x... x d 2 = X 1 X 2 Espaço
Leia maisGráficos de Controle para Processos Autocorrelacionados
Gráfcos de Controle para Processos Autocorrelaconados Gráfco de controle de Shewhart: observações ndependentes e normalmente dstrbuídas. Shewhart ao crar os gráfcos de controle não exgu que os dados fossem
Leia maisRegressão Linear e Multilinear
Regressão Lear e Multlear Deleameto Expermetal Mestrado em Sstemas de Produção em Agrcultura Medterrâca Modelo de Regressão Lear Smples X Varável Idepedete Y Varável Depedete y =β +β x +ε β ordeada a orgem
Leia maisEventos coletivamente exaustivos: A união dos eventos é o espaço amostral.
DEFINIÇÕES ADICIONAIS: PROBABILIDADE Espaço amostral (Ω) é o conjunto de todos os possíves resultados de um expermento. Evento é qualquer subconjunto do espaço amostral. Evento combnado: Possu duas ou
Leia maisInferência Estatística e Aplicações II. Edson Zangiacomi Martinez Departamento de Medicina Social FMRP/USP
Inferênca Estatístca e Aplcações II Edson Zangacom Martnez Departamento de Medcna Socal FMRP/USP edson@fmrp.usp.br Métodos Bayesanos Edson Zangacom Martnez Cênca Hoje, julho de 2006 Thomas Bayes Thomas
Leia maisRegressão Múltipla. Parte I: Modelo Geral e Estimação
Regressão Múltpla Parte I: Modelo Geral e Estmação Regressão lnear múltpla Exemplos: Num estudo sobre a produtvdade de trabalhadores ( em aeronave, navos) o pesqusador deseja controlar o número desses
Leia maisRegressão Linear Simples by Estevam Martins
Regressão Lnear Smples by Estevam Martns stvm@uol.com.br "O únco lugar onde o sucesso vem antes do trabalho, é no dconáro" Albert Ensten Introdução Mutos estudos estatístcos têm como objetvo estabelecer
Leia maisAnálise de Regressão Linear Múltipla IV
Análse de Regressão Lnear Múltpla IV Aula 7 Guarat e Porter, 11 Capítulos 7 e 8 He et al., 4 Capítulo 3 Exemplo Tomando por base o modelo salaro 1educ anosemp exp prev log 3 a senhorta Jole, gerente do
Leia maisMODELOS DE REGRESSÃO PARAMÉTRICOS
MODELOS DE REGRESSÃO PARAMÉTRICOS Às vezes é de nteresse nclur na análse, característcas dos ndvíduos que podem estar relaconadas com o tempo de vda. Estudo de nsufcênca renal: verfcar qual o efeto da
Leia maisProcessamento de Sinal
APSI - Processamento de Snal Processamento de Snal Concetos, Métodos e Aplcações Texto Tutoral da Dscplna: APSI - LEEC J.P. Marques de Sá msa@fe.up.pt Faculdade de Engenhara da Unversdade do Porto J.P.
Leia maisModelo linear clássico com erros heterocedásticos. O método de mínimos quadrados ponderados
Modelo lnear clássco com erros heterocedástcos O método de mínmos quadrados ponderados 1 Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal
Leia maisInvestigações sobre o uso de dados hiperespectrais na classificação de especies agrícolas com respostas espectrais muito semelhantes 1
Revsta Braslera de Agrometeorologa, Santa Mara, v., n., p. 85-94, 003 Recebdo para publcação em 6/08/00. Aprovado em 08/05/003. ISSN 004-347 Investgações sobre o uso de dados hperespectras na classfcação
Leia maisAssociação entre duas variáveis quantitativas
Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa
Leia maisMétodos Experimentais em Ciências Mecânicas
Métodos Expermentas em Cêncas Mecâncas Professor Jorge Luz A. Ferrera Sumáro.. Dagrama de Dspersão. Coefcente de Correlação Lnear de Pearson. Flosofa assocada a medda da Estatstca. este de Hpótese 3. Exemplos.
Leia maisUNIVERSIDADE NOVA DE LISBOA Faculdade de Economia Análise de Dados e Probabilidade 2º Semestre 2008/2009 Exame Final 1ª Época. Grupo I (4 Valores)
UNIVERSIDADE NOVA DE LISBOA Faculdade de Economa Análse de Dados e Probabldade º Semestre 008/009 Exame Fnal ª Época Clara Costa Duarte Data: 8/05/009 Graça Slva Duração: h0 Grupo I (4 Valores) A gelatara
Leia maisTeste para verificar a igualdade de modelos de regressão e uma aplicação na área médica
Teste para verfcar a gualdade de modelos de regressão e uma aplcação na área médca Sérgo Rcardo Magalhães 1, Ednaldo Antôno de Andrade 1 Prof. e Coordenador do Curso de Sstemas de Informação da Unversdade
Leia maisAnálise Multivariada
Análse Multvarada Aula 3: Análse Fatoral Prof. Admr Antono Betarell Junor Juz de Fora Análse Fatoral ACP procura seleconar um n mínmo de componentes, não correlaconados, para expressar o máxmo possível
Leia maisUMA REPARAMETRIZAÇÃO PARA A FUNÇÃO DE CONFIABILIDADE CONSIDERANDO O MODELO DE REGRESSÃO VALOR EXTREMO COM DADOS DE TEMPO DE VIDA ACELERADO
UMA REPARAMETRIZAÇÃO PARA A FUNÇÃO DE CONFIABILIDADE CONSIDERANDO O MODELO DE REGRESSÃO VALOR EXTREMO COM DADOS DE TEMPO DE VIDA ACELERADO Vera Luca D. TOMAZELLA José Carlos FOGO 2 RESUMO: Neste trabalho,
Leia maisUMA ANÁLISE BAYESIANA DA CORRELAÇÃO DE ÍNDICES FINANCEIROS LATINOS AMERICANOS E O DOW JONES
UMA ANÁLISE BAYESIANA DA CORRELAÇÃO DE ÍNDICES FINANCEIROS LATINOS AMERICANOS E O DOW JONES Crstano dos Res Moura Departamento de Estatístca - Unversdade Federal de Mnas Geras - UFMG - cmoura@ufmgbr Rosangela
Leia maisESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11. EXERCÍCIOS PRÁTICOS - CADERNO 1 Revisões de Estatística
ESTATÍSTICA MULTIVARIADA º SEMESTRE 010 / 11 EXERCÍCIOS PRÁTICOS - CADERNO 1 Revsões de Estatístca -0-11 1.1 1.1. (Varáves aleatóras: função de densdade e de dstrbução; Méda e Varânca enquanto expectatvas
Leia maisPrograma do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall
Sstemas Intelgentes Aplcados Carlos Hall Programa do Curso Lmpeza/Integração de Dados Transformação de Dados Dscretzação de Varáves Contínuas Transformação de Varáves Dscretas em Contínuas Transformação
Leia maisEM (Dempster, Laird, Rubin: 1977)
EM (Dempster, Lard, Rubn: 1977) Algortmo teratvo para localzação do(s) parâmetro(s) que maxmza(m) a função de verossmlhança p(x ) Dos passos por teração Passo E: cálculo do valor esperado de uma certa
Leia maisContabilometria. Aula 8 Regressão Linear Simples
Contalometra Aula 8 Regressão Lnear Smples Orgem hstórca do termo Regressão Le da Regressão Unversal de Galton 1885 Galton verfcou que, apesar da tendênca de que pas altos tvessem flhos altos e pas axos
Leia maisElementos de Estatística e Probabilidades II
Elementos de Estatístca e Probabldades II Varáves e Vetores Aleatóros dscretos Inês Das 203 O prncpal objetvo da deste documento é fornecer conhecmentos báscos de varáves aleatóras dscretas e pares aleatóros
Leia maisUTILIZAÇÃO DE SUPPORT VECTOR MACHINE EM PREVISÃO DE INSOLVÊNCIA DE EMPRESAS
UTILIZAÇÃO SUPPORT VECTOR MACHINE EM PREVISÃO INSOLVÊNCIA EMPRESAS Rodrgo Arnaldo Scarpel ITA/IEMB (Engenhara Mecânca-Aeronáutca) Praça Marechal Eduardo Gomes, 50,sala 311 São José dos Campos, SP CEP:
Leia maisINTRODUÇÃO À MECÂNICA COMPUTACIONAL. Carlos Henrique Marchi & Fábio Alencar Schneider. Curitiba, dezembro de 2002.
INTRODUÇÃO À MECÂNICA COMPUTACIONAL Carlos Henrque March & Fábo Alencar Schneder Curtba, dezembro de 2002. SUMÁRIO Lsta de Símbolos Prefáco 1. INTRODUÇÃO 1.1 Métodos de Solução de Problemas de Engenhara
Leia maisDomínio de atração de distribuições α-estáveis sob modelos de mistura finita
nas do CNMC v.2 ISSN 1984-820X omíno de atração de dstrbuções α-estáves sob modelos de mstura fnta Cra E. Guevara Otnano, Cáta Regna Gonçalves, epto de Estatístca e Matemátca, UnB, 70910-900 Brasla-F E-mal:
Leia maisUNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)
UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade
Leia maisCap. 5 Classificação Temática
Prncípos e Aplcações da Deteção Remota Cap. 5 Classfcação Temátca 5.1 O Processo de Classfcação 5. Classfcação de Máxma Verosmlhança (supervsonada paramétrca) 5..1 Classes multvaradas normas 5.. Lmtes
Leia maisAlternativas ao modelo de Cox na análise de dados de sobrevivência com covariáveis dependentes no tempo
Alternatvas ao modelo de Cox na análse de dados de sobrevvênca com covaráves dependentes no tempo Luís Machado Departamento de Matemátca para a Cênca e a Tecnologa, Unversdade do Mnho Carmen Cadarso-Suárez
Leia maisUniversidade de São Paulo Escola Superior de Agricultura Luiz de Queiroz Departamento de Ciências Exatas
Unversdade de São Paulo Escola Superor de Agrcultura Luz de Queroz Departamento de Cêncas Exatas Prova escrta de seleção para DOUTORADO em Estatístca e Expermentação Agronômca Nome do canddato (a): Questão
Leia maisPROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2010/2011
Instruções: PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 00/0 Cada uestão respondda corretamente vale (um) ponto. Cada uestão respondda ncorretamente vale - (menos um) ponto. Cada uestão
Leia maisAvaliando a Qualidade dos Estimadores de Variogramas (Variograma Experimental) em presença de normalidade e Outliers.
Avalando a Qualdade dos Estmadores de Varogramas (Varograma Expermental) em presença de normaldade e Outlers. Suel Aparecda Mngot PD em Estatístca Profa. Ajunta do Dep. de Estatístca/ UFMG suel@est.ufmg.br
Leia maisAnálise de Variância. Comparação de duas ou mais médias
Análse de Varânca Comparação de duas ou mas médas Análse de varânca com um fator Exemplo Um expermento fo realzado para se estudar dabetes gestaconal. Desejava-se avalar o comportamento da hemoglobna (HbA)
Leia maisDepartamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina: Variável Aleatória
Departamento de Informátca Dscplna: do Desempenho de Sstemas de Computação Varável leatóra Prof. Sérgo Colcher colcher@nf.puc-ro.br Varável leatóra eal O espaço de amostras Ω fo defndo como o conjunto
Leia maisR X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais
30 Varáves aleatóras bdmensonas Sea ε uma experênca aleatóra e S um espaço amostral assocado a essa experênca. Seam X X(s) e Y Y(s) duas funções cada uma assocando um número real a cada resultado s S.
Leia maisEFEITOS DO ERRO AMOSTRAL NAS ESTIMATIVAS DOS PARÂMETROS DO MODELO FATORIAL ORTOGONAL
SACHIKO ARAKI LIRA EFEITOS DO ERRO AMOSTRAL NAS ESTIMATIVAS DOS PARÂMETROS DO MODELO FATORIAL ORTOGONAL Tese apresentada como requsto parcal à obtenção do grau de Doutora em Cêncas no Programa de Pós-Graduação
Leia maisDesigualdades Universais para Autovalores de Operadores Poliharmônicos
Desguadades Unversas para Autovaores de Operadores Poharmôncos PEREIRA, Rosane Gomes; ADRIANO, Lev Rosa Insttuto de Matemátca e Estatístca, Unversdade Federa de Goás, Campus II- Caxa Posta 131, CEP 74001-970
Leia maisAdriana da Costa F. Chaves
Máquna de Vetor Suporte (SVM) para Regressão Adrana da Costa F. Chaves Conteúdo da apresentação Introdução Regressão Regressão Lnear Regressão não Lnear Conclusão 2 1 Introdução Sejam {(x,y )}, =1,...,,
Leia maisPRESSUPOSTOS DO MODELO DE REGRESSÃO
PREUPOTO DO MODELO DE REGREÃO A aplcação do modelo de regressão lnear múltpla (bem como da smples) pressupõe a verfcação de alguns pressupostos que condensamos segudamente.. Os erros E são varáves aleatóras
Leia maisÍNDICES DE CAPACIDADE COMBINADOS
ÍNDICES DE CAPACIDADE COMBINADOS Edvaldo Antono Bulba Depto. Eng. Produção EPUSP Caxa Postal 6548 CEP 0544-970 SP Lnda Lee Ho Depto. Eng. Produção EPUSP Caxa Postal 6548 CEP 0544-970 SP Abstract Here we
Leia maisRestrições Críticas para o Atendimento de Demanda de Potência em Sistemas de Energia Elétrica
Anas do CNMAC v.2 ISSN 1984-820X Restrções Crítcas para o Atendmento de Demanda de Potênca em Sstemas de Energa Elétrca Lucano V. Barboza Insttuto Federal Sul-ro-grandense, Campus Pelotas Unversdade Católca
Leia maisDIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS
177 DIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS Antôno Carlos da Slva Flho Un-FACEF Introdução Trend Strps (TS) são uma nova técnca de análse da dnâmca de um sstema,
Leia maisSIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a 11 de novembro de 2002, Rio de Janeiro/RJ A PESQUISA OPERACIONAL E AS CIDADES
SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a de novembro de 00, Ro de Janero/RJ ERRO DE DIAGNÓSTICO EM AMOSTRAGEM ZERO-DEFEITOS COM RETIFICAÇÃO: DETERMINAÇÃO DO TAMANHO ÓTIMO DE INSPEÇÃO Roberto da
Leia maisPUCPR- Pontifícia Universidade Católica Do Paraná PPGIA- Programa de Pós-Graduação Em Informática Aplicada PROF. DR. JACQUES FACON
1 PUCPR- Pontfíca Unversdade Católca Do Paraná PPGIA- Programa de Pós-Graduação Em Informátca Aplcada PROF. DR. JACQUES FACON LIMIARIZAÇÃO ITERATIVA DE LAM E LEUNG Resumo: A proposta para essa sére de
Leia maisEstatística Quântica e o Gás de Férmi
Estatístca Quântca e o Gás de Férm Aluno: André Hernandes Alves Malavaz Insttuto de Físca de São Carlos - IFSC Departamento de Físca e Cênca dos Materas (FCM) Unversdade de São Paulo 23 de Novembro, 2017
Leia maisREGRESSÃO E CORRELAÇÃO
Relaconamento entre varáves : - requer conhecmento REGRESSÃO E CORRELAÇÃO Y = f ( ) + ε Ex: 1. Y = Lucro de uma Empresa = Investmento em Publcdade Y(v.aleatóra) em função de (v.determnístca), onde Y é
Leia maisANÁLISE DE SOBREVIVÊNCIA UTILIZANDO DENSIDADES A PRIORI COM DADOS AMPLIADOS
ANÁLISE DE SOBREVIVÊNCIA UTILIZANDO DENSIDADES A PRIORI COM DADOS AMPLIADOS Josenldo de Souza CHAVES Josemar RODRIGUES 2 RESUMO: Neste trabalho, apresentamos uma análse Bayesana para dados clíncos exponencas
Leia maisANÁLISE DAS TENSÕES TÉRMICAS EM MATERIAIS CERÂMICOS. Palavras-chave: Tensões térmicas, Propriedades variáveis, Condução de calor, GITT
ANÁLISE DAS TENSÕES TÉRMICAS EM MATERIAIS CERÂMICOS Dnz, L.S. Santos, C.A.C. Lma, J.A. Unversdade Federal da Paraíba Laboratóro de Energa Solar LES/DTM/CT/UFPB 5859-9 - João Pessoa - PB, Brasl e-mal: cabral@les.ufpb.br
Leia maisRECONHECIMENTO DE PADRÕES PELO MÉTODO ESTATÍSTICO MULTIVARIADO: EVASÃO DE ALUNOS DE CURSO DE GRADUAÇÃO
RECONHECIMENTO DE PADRÕES PELO MÉTODO ESTATÍSTICO MULTIVARIADO: EVASÃO DE ALUNOS DE CURSO DE GRADUAÇÃO Sona Isold Marty Gama Müller DEST/PPGMNE-UFPR Centro Poltécnco- Curtba -PR sonasold@ufpr.br Anselmo
Leia maisa média populacional do i-ésimo tratamento; o efeito do i-ésimo tratamento na variável dependente Y e mede o afastamento da média µ
UNIVERSIDADE ESTADUAL PAULISTA FACULDADE DE CIÊNCIAS AGRÁRIAS E VETERINÁRIAS CAMPUS DE JABOTICABAL ª PROVA DE ESTATÍSTICA EXPERIMENTAL - MEDICINA VETERINÁRIA NOME: DATA / / ª QUESTÃO (5,5): Vnte e cnco
Leia maisTESTE DO QUI-QUADRADO - Ajustamento
Exemplo 3: Avalar se uma moeda ou um dado é honesto; Em 100 lances de moeda, observaram-se 65 coroas e 35 caras. Testar se a moeda é honesta. 1 H 0 : a moeda é honesta; H 1 : a moeda não é honesta; 2 α
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-14 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Prncípos de cração de modelos empírcos: Modelos (matemátcos, lógcos, ) são comumente utlzados na
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-4 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Programa do curso: Semana Conteúdo Apresentação da dscplna. Prncípos de modelos lneares de regressão.
Leia maisDEFINIÇÃO - MODELO LINEAR GENERALIZADO
DEFINIÇÃO - MODELO LINEAR GENERALIZADO 1 Um modelo lnear generalzado é defndo pelos seguntes três componentes: Componente aleatóro; Componente sstemátco; Função de lgação; Componente aleatóro: Um conjunto
Leia maisOs modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.
MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,
Leia mais3 A técnica de computação intensiva Bootstrap
A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.
Leia maisAnálise Exploratória de Dados
Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: obter uma reta que se ajuste aos dados segundo o crtéro de mínmos quadrados; apresentar outros crtéros para a determnação de uma
Leia maisF = O modelo de Regressão Múltipla Geral é dado por: Y i = β 1 + β 2 X 1i + β 3 X 2i + +β k X ki + U i Para testar a hipótese nula de que: H
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ Nem sempre se quer testar os coefcentes ndvduas da regressão. Pode ser necessáro e é convenente testar o modelo como um todo, sto é testar
Leia maisÂngulo de Inclinação (rad) [α min α max ] 1 a Camada [360,0 520,0] 2000 X:[-0,2065 0,2065] Velocidade da Onda P (m/s)
4 Estudo de Caso O estudo de caso, para avalar o método de estmação de parâmetros trdmensonal fo realzado em um modelo de referênca de três camadas, e foram realzados os seguntes passos: Descrção do modelo
Leia maisDIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS
DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS 1 A análse de dagnóstco (ou dagnóstco do ajuste) confgura uma etapa fundamental no ajuste de modelos de regressão. O objetvo prncpal da análse de dagnóstco
Leia maisESTRATÉGIAS PARA MODELAGEM DE DADOS MULTIVARIADOS NA PRESENÇA DE CORRELAÇÃO
ESRAÉGIAS ARA MODELAGEM DE DADOS MULIVARIADOS NA RESENÇA DE CORRELAÇÃO v.7, n., p. 7-8, abr. 000 Flavo S. Foglatto Departamento de Engenhara de rodução & ransportes Unversdade Federal do Ro Grande do Sul
Leia maisANÁLISE DE VARIÂNCIA MULTIVARIADA APLICADA A DADOS COM MEDIDAS REPETIDAS
UNIVERSIDADE FEDERAL DE SANTA MARIA CENTRO DE CIÊNCIAS NATURAIS E EXATAS PROGRAMA DE PÓS-GRADUAÇÃO EM ESTATÍSTICA E MODELAGEM QUANTITATIVA ANÁLISE DE VARIÂNCIA MULTIVARIADA APLICADA A DADOS COM MEDIDAS
Leia maisESTATÍSTICA APLICADA II ANO LECTIVO 2011/2012. Exame Final 26 de Julho de 2012
ETATÍTICA APLICADA II ANO LECTIVO / Exame Fnal 6 de Julho de Duração : H 3 M Nota: Responder um grupo por folha (utlze frente e verso de cada folha) Em todas as questões apresentar os cálculos efectuados
Leia maisInferência Estatística e Aplicações I. Edson Zangiacomi Martinez Departamento de Medicina Social FMRP/USP
Iferêca Estatístca e Aplcações I Edso Zagacom Martez Departameto de Medca Socal FMRP/USP edso@fmrp.usp.br Rotero Parte I Escola frequetsta Defções: parâmetros, estmatvas Dstrbuções de probabldade Estmação
Leia mais5 Relação entre Análise Limite e Programação Linear 5.1. Modelo Matemático para Análise Limite
5 Relação entre Análse Lmte e Programação Lnear 5.. Modelo Matemátco para Análse Lmte Como fo explcado anterormente, a análse lmte oferece a facldade para o cálculo da carga de ruptura pelo fato de utlzar
Leia maisSumarização dos dados
Inferênca e Decsão I Soluções da Colectânea de Exercícos 22/3 LMAC Capítulo 2 Sumarzação dos dados Nota: neste capítulo é apresentada a resolução apenas de alguns exercícos e a título ndcatvo. Exercíco
Leia maisRegressão Linear Múltipla. Frases. Roteiro
Regressão Lnear Múltpla Frases Por serem mas precsos que as palavras, os números são partcularmente adequados para transmtr conclusões centífcas Pagano e Gauvre, 004 Rotero 1. Especfcação do Modelo. Modelo
Leia maisProva I - Modelagem e Simulação - 28/04/2005
nome: 1)[.] Escreva um programa na lnguagem que preferr, para montar as matrzes A e B e o vetor W do Método Combnado de Mínmos Quadrados para o segunte modelo matemátco: ((x x )cosθ + (y y )sen θ) a ((x
Leia maisEfeito do tipo de norma sobre a ordem de acurácia do erro de soluções numéricas em CFD
feto do tpo de norma sobre a ordem de acuráca do erro de soluções numércas em CFD Márco A. Martns Depto. de Matemátca, nversdade stadual do Centro Oeste, ICTRO 854-8, C.., uarapuava, R; -mal: mandre@uncentro.br
Leia maisDETERMINAÇÃO DO TAMANHO DE PARCELAS EXPERIMENTAIS EM POVOAMENTOS DE Eucalyptus grandis Hill ex-maiden 1. I- PARCELAS RETANGULARES.
DETERMINÇÃO DO TMNHO DE PRCELS EXPERIMENTIS EM POVOMENTOS DE Eucalyptus grands Hll ex-maden. I- PRCELS RETNGULRES. Eustáquo Smplíco Joel ugusto Munz Luz Henrque de quno ntono Rezende Soares RESUMO Com
Leia maisExame final de Estatística 2ª Época - 24 de Junho de 2004
xame fnal de statístca ª Época - de Junho de Faculdade de conoma José Antóno nhero Unversdade Nova de Lsboa Mara Helena Almeda Note bem:. Resolva grupos dferentes em folhas dferentes;. IDNTIFIQU todas
Leia maisUNIVERSIDADE FEDERAL DE MINAS GERAIS JORIA MARTINHO GONÇALVES SOLUÇÕES PARA O PROBLEMA DE SEPARAÇÃO QUASE-COMPLETA EM REGRESSÃO LOGÍSTICA
UNIVERSIDADE FEDERAL DE MINAS GERAIS JORIA MARTINHO GONÇALVES SOLUÇÕES PARA O PROBLEMA DE SEPARAÇÃO QUASE-COMPLETA EM REGRESSÃO LOGÍSTICA BELO HORIZONTE 28 JORIA MARTINHO GONÇALVES SOLUÇÕES PARA O PROBLEMA
Leia maisMINISTÉRIO DA EDUCAÇÃO
MINISÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL CENRO ESADUAL DE PESQUISAS EM SENSORIAMENO REMOO E MEEREOLOGIA PROGRAMA DE PÓS-GRADUAÇÃO EM SENSORIAMENO REMOO Dssertação de Mestrado EXRAÇÃO
Leia mais4 Reconhecimento de Padrões
46 4 Reconhecmento de Padrões Este capítulo apresenta de forma lustrada os concetos báscos do Reconhecmento de Padrões e vsa mostrar o potencal desta ferramenta em dversas aplcações. Trata-se de um texto
Leia maisNome: Nº: Estatística para Economia e Gestão Licenciaturas em Economia e Gestão. 2.º Semestre de 2008/2009
Estatístca para Economa e Gestão Lcencaturas em Economa e Gestão.º Semestre de 008/009 Exame Fnal (.ª Época) 16 de Junho de 009; 17h30m Duração: 10 mnutos INSTRUÇÕES Escreva o nome e número de aluno em
Leia mais