Nova abordagem para reconhecimento biométrico baseado em características dinâmicas da íris humana
|
|
- Matheus Coimbra Casqueira
- 6 Há anos
- Visualizações:
Transcrição
1 Nova abordagem para recohecimeto biométrico baseado em características diâmicas da íris humaa * Roaldo Martis da Costa roaldomc@gmail.com * Adilso Gozaga * Escola de Egeharia de São Carlos adilso@sel.eesc.usp.br Abstract Algoritmos que idetificam pessoas através da biometria da Iris cosideram as características de textura de uma imagem do olho humao. No etato, todas as técicas desevolvidas até hoje, utilizam-se de características extraídas de images estáticas, ou seja, sem a comprovação se a mesma pertece a um ser vivo. Este trabalho propõe um método que além de avaliar as características de textura, avalie também características diâmicas de cotração e dilatação bem como o comportameto das características de textura em fução dos reflexos aturais do olho. Com isso, é possível aumetar a seguraça de dispositivos de recohecimeto através da íris, pois, somete íris vivas poderão ser utilizadas.. Itrodução Em 936 um oftalmologista chamado Frak Burch sugeriu que as características da textura da íris humaa poderiam ser utilizadas como método de idetificação pessoal. Esta teoria foi documetada por James Daggarts em 949. Em 987 dois oftalmologistas, Ara Safir e Leoard Flom patetearam essa idéia e solicitaram a Joh Daugma, pesquisador do laboratório de computação da Uiversidade de Cambridge que criasse um algoritmo computacioal capaz de realizar o recohecimeto. Joh Daugma criou e pateteou seu método em 993 [], []. Desde etão a maior parte dos sistemas biométricos que trabalham com recohecimeto da íris baseiam-se o algoritmo criado por Daugma [3]. Atualmete as técicas de idetificação são extremamete precisas, realizado o processo completo em frações de segudo. Cotudo, todos os métodos cohecidos a literatura são realizados sobre images estáticas. O recohecimeto é executado em apeas um frame ou uma imagem. Este processo é rápido e oferece a precisão ecessária para idetificar uma pessoa, mas é suscetível a fraudes. Os métodos atuais ão garatem que a pessoa esteja realmete presete ou se a imagem capturada é uma fotografia, prótese ou até mesmo um vídeo que de alguma forma possa ser acoplado ao dispositivo de captura tetado burlar o sistema.. Objetivos O propósito deste trabalho é realizar a idetificação pelas características diâmicas do olho humao, aalisado o comportameto das iformações de textura e de outras características que se alteram em resposta a alteração da ilumiação, levado em cosideração padrões de variação ao logo do tempo. Através de um protótipo especialmete costruído para esta fialidade captura-se um vídeo com o registro das alterações da íris ao logo de um itervalo de tempo pré-defiido. O método proposto este trabalho é capaz de detectar se a pessoa aalisada está presete frete ao dispositivo de captura, além de poder também ser aplicado em oftalmologia para idetificar aomalias os reflexos, ou o próprio globo ocular/íris, muitas vezes causadas por doeças. 3. Metodologia 3. Captura das images da íris A metodologia proposta este trabalho é difereciada desde a captura das images. Uma avaliação simplificada do fucioameto do sistema óptico humao forece os subsídios ecessários para tal. O sistema óptico humao é composto basicamete pelo globo ocular e o ervo óptico [4]. A fução do globo ocular é de capturar através dos coes e bastoetes os estímulos gerados pela luz. Estes estímulos são levados até o cérebro pelo ervo óptico que são etão processados.
2 Na trasmissão dos estímulos pelo ervo óptico, estes passam por uma região deomiada quiasma óptico coforme mostrado a figura. No quiasma óptico ocorre o cruzameto das fibras médias dos ervos ópticos, de tal forma que aproximadamete metade das fibras passa do ervo óptico direito para o ervo óptico esquerdo e vice-versa. Isso faz com que os olhos estejam coectados, e os reflexos a estímulos aplicados em um dos olhos sejam apresetados também o outro. Esta fução fisiológica é deomiada de Reflexo Cosesual. permaece acesa até o frame 49. No frame 630 ela tora a aceder e permaece acesa até o frame 839. Do frame 850 ao frame 000, a luz é ovamete apagada. Esta mudaça de ilumiação faz com que a pupila cotraia e dilate alterado tato o seu diâmetro como a largura do ael formado pela íris. Figura 3: Estímulos de luz braca durate a aquisição das images ilumiadas em ifravermelho próximo. Figura : Sistema Óptico humao. Detalhe da região do quiasma óptico. Baseado, etão, o Reflexo Cosesual, foi desevolvido um equipameto de aquisição da imagem da íris apresetado a figura. O olho direito recebe estímulos de luz braca em tempos determiados cotrolados pelo software e detalhados a figura 3. O olho esquerdo captura a imagem através de uma câmera e ilumiação NIR (Near-Ifra-Red). Como o olho ão respode a esta bada de freqüêcia, a abertura e fechameto da pupila do olho esquerdo são cotrolados apeas pela ilumiação do olho direito através do Reflexo Cosesual. (a) (b) Figura : (a)protótipo para captura dos vídeos (b) Protótipo com a câmera desmotada Cada vídeo é capturado com 000 frames a uma taxa de 30 frames/segudo. No frame 0, um led com luz braca acede ilumiado o olho direito, a luz Equato a ilumiação é alterada o olho esquerdo, sicroamete a imagem de vídeo do olho direito é capturada. No caso de uma implemetação que vise sistemas de seguraça, os itervalos ( 09; 0 49; 40 69; ; ) podem ser alterados para tempos aleatórios, resultado em uma eorme dificuldade de fraude, pois em cada filmagem os tempos podem ser variáveis. Para aplicação da abordagem proposta foram capturados vídeos de 66 pessoas, sedo 3 de cada uma, totalizado 98 vídeos. 3. Pré-processameto dos vídeos Diferetemete de bases de images pré-preparadas e estáticas capturadas em ambietes cotrolados, a captura em tempo real, ou tempo de vídeo, apreseta maiores problemas. Os movimetos ivolutários, ou ão, são costates, exigido que a tarefa de préprocessameto seja bastate específica para descartar frames que possam comprometer o método e selecioar apeas frames que sejam adequados [5]. Em um mesmo vídeo podem existir frames ideais para o processameto, bem como frames desfocados, com problema de oclusão ou de agulação, coforme pode ser observado a figura 4. Frames com problemas de oclusão ou desfocados devem ser descosiderados a aálise. Quado o frame está em codição ideal para processameto, os movimetos da pupila oferecem detalhes para avaliação do comportameto do olho. A figura 5 apreseta um exemplo de frames ideais para o processameto. No pré-processameto o algoritmo proposto equaliza cada um dos 000 frames do vídeo. Diversas semetes são platadas em uma jaela cetral do frame para realçar apeas a pupila e
3 idetificar seu cetro. Calcula-se, etão, o eixo maior, o eixo meor e a circularidade da pupila. (a) (b) (c) (d) Figura 4: Exemplo de frames com problemas. Figura 5: Exemplo de frames ideais para o processameto com movimetos de cotração e dilatação da pupila. O ael correspodete à íris é segmetado para aálise das iformações de textura. A parte superior e iferior do frame é descartada a partir do topo e do poto iferior da pupila. A lateral esquerda e direita do frame é descartada através de um fator de multiplicação sobre o raio da pupila O resultado é uma imagem da íris segmetada coforme apresetada a figura 6. Figura 6: Exemplo de frame segmetado. 3.3 Extração das características Para possibilitar a avaliação do comportameto de cada uma das características em fução das alterações de ilumiação, são estabelecidos cico períodos de aálise, sedo quatro períodos de trasição, detre os 000 frames: º período média geral de todos os 000 frames; º período média etre os frames 0 a 0; 3º período média etre os frames 40 a 430; 4º período média etre os frames 630 a 640; 5º período média etre os frames 840 a 850; Do º ao 5º períodos ocorrem alterações cotroladas de ilumiação e a correspodete reação e adaptação do olho. As características diâmicas da pupila selecioadas para aálise de comportameto padrão do olho são: + Circularidade; + Diâmetro; + Tempo para cotração/dilatação; + Taxa de cotração/dilatação; São extraídas dez características de circularidade e diâmetro, duas de cada um dos cico períodos. O tempo e a taxa para cotração/dilatação jutos correspodem a mais oito características do vetor. Características estatísticas dos íveis de ciza da íris são também extraídas para compor o vetor. As características selecioadas são: + Média; + Desvio padrão; + Coeficiete de variação; O semi-círculo formado pela íris segmetada é dividido em partes (esquerda e direita) em fução do corte superior e iferior realizado a segmetação. Cada uma dessas partes, deomiadas aqui de Setor A e Setor B (setor A lado esquerdo do semi-círculo e setor B lado direito) forecem mais trita valores (3 características x 5 períodos x setores) para composição do vetor de características. A textura da íris tem sido utilizada tradicioalmete a idetificação com images estáticas. Como a pupila se dilata/cotrai os períodos cosiderados, estas características apresetam comportameto padrão diâmico, durate o movimeto. São assim cosiderados os seguites parâmetros de textura: + Correlação; + Segudo Mometo Agular (SMA); + Etropia; + Cotraste; + Mometo da Difereça Iverso (MDI); As características de textura [6] são obtidas sobre as matrizes de co-ocorrêcias geradas pela variação dos íveis de ciza as direções de 0º, 45º, 90º e 35º. As cico características de textura geram mais 00 valores o vetor (5 características x 5 períodos x setores x 4 âgulos).
4 3.3. Circularidade Na figura 7 está destacado o cotoro da pupila para o cálculo da circularidade. A circularidade é uma característica diâmica da pupila. Através do Reflexo Cosesual, quado se aplica um pulso de luz o espectro visível (este caso, luz braca) o olho direito, as duas pupilas cotraem-se e quado a luz é retirada, as duas pupilas dilatam-se. A circularidade da pupila sofre alteração durate o tempo de cotração e de dilatação que é medida frame a frame durate os períodos em questão (do º ao 5º). Além disso, as pessoas possuem circularidades diferetes o que represeta uma característica idividual. A quatidade de frames ecessários para atigir o valor míimo/máximo forece o tempo para cotração/dilatação do diâmetro da pupila. Foi estabelecida a quatidade de 50 frames como limite máximo para avaliação, evitado-se assim erros gerados durate a fase de aquisição devido à reação da pessoa à luz braca aplicada Taxa de cotração/dilatação A taxa de cotração e de dilatação da pupila é também discrimiate para diferetes idivíduos. A taxa de cotração/dilatação é a derivada da variação do diâmetro detro do período cosiderado, etre um valor míimo e um valor máximo. Esta taxa é uma característica diâmica que muda de idivíduo para idivíduo e é utilizada pela abordagem proposta, como característica de idetificação. Figura 7: Circularidade da pupila Diâmetro O diâmetro da pupila é outra característica diâmica que é utilizada este trabalho. Como pode ser observado a figura 8, a pupila do exemplo cotrai-se mais o primeiro pulso de luz, etre os frames 0 e 0 (º período), do que etre os frames 630 e 640 (4º período). As médias idividuais desta variação são utilizadas como característica de idetificação Tempo de cotração/dilatação Após a alteração de ilumiação o diâmetro da pupila chega a sua cotração máxima ou míima e depois se estabiliza. A região ressaltada o gráfico da figura 8 motra a alteração do diâmetro a região de trasição (pulso de luz aplicado o frame 0), o diâmetro míimo atigido (cotração máxima) e depois o retoro gradual ao valor médio estabilizado. O tempo para cotração/dilatação é calculado em úmero de frames, pois a taxa de aquisição da câmera de vídeo é costate (30 fps). Figura 8: Diâmetro médio da pupila Média aritmética A média aritmética represeta o valor médio dos íveis de ciza da íris os setores e períodos selecioados. É importate salietar que os íveis de ciza ão sofrem ifluêcia da ilumiação, pois, a imagem é adquirida com luz ifravermelha ão causado reflexos e em reações da pupila Desvio padrão O desvio padrão é o desvio dos íveis de ciza da íris em toro da média, os setores e períodos estabelecidos Coeficiete de variação O coeficiete de variação é dado pela equação e retrata o coeficiete de variação dos íveis de ciza da íris os setores e períodos selecioados.
5 ode: S cv = () x S é o desvio padrão; x é a média; Correlação A correlação é dada pela equação. Ela mede a depedêcia liear etre os íveis de ciza de pares de pixels [6]. Valores próximos a um implicam uma forte relação etre os íveis de ciza dos pixels. A medida de correlação ão é correlacioada com o SMA, isto é, altos valores de correlação podem ser ecotrados em baixos ou altos valores de eergia, para a mesma área de iteresse. cor = i= j= p σi σj µ i µ j () ode: i é o total de lihas da matriz. j é o total de coluas da matriz. p i, θ é o valor da célula de liha i, ( ) colua j distâcia d e âgulo θ. i p µ i = i j µ j = σi σj i= j= j p i= j= i = i= j= = i= j= i j j p µ i p µ j Segudo Mometo Agular (SMA) Esta medida avalia a uiformidade textural, que é a repetição de pares de íveis de ciza [6]. Quado a área de iteresse apreseta textura uiforme (valores de íveis de ciza próximos) o valor de eergia tede para. Caso a área ão seja uiforme o valor da eergia tede a 0 (zero). O SMA é dado pela equação 3. SMA = i= j= p (3) Etropia A etropia mede a desordem em uma imagem [5]. Quado a imagem ão apreseta textura uiforme, os valores da etropia tedem a ser muito baixos. A etropia alcaça seu valor máximo quado os pixels a área de iteresse apresetam íveis de ciza com valores aleatórios. A etropia apreseta uma correlação liear egativa com o SMA e ão é correlacioada com a medida de correlação. A etropia é dada pela equação 4. ENT p ( ) log (4) = j= p i, θ = i 3.3. Cotraste O cotraste mede a preseça de trasição abrupta de íveis de ciza, isto é, as bordas. Baixos valores idicam a ausêcia de bordas a área de iteresse. Neste caso, a matriz de co-ocorrêcia de íveis de ciza apreseta valores cocetrados em toro de sua diagoal pricipal. O cotraste é calculado pela equação 5. co = ( i j) p i= j= i j (5) 3.3. Mometo da Difereça Iverso (MDI) Quado a cocetração dos valores a diagoal da matriz de co-ocorrêcia for máxima, o MDI atige o valor máximo [7]. O MDI é calculado pela equação 6. mdi = 4. Resultados i= j= + ( i j) d ) p, θ (6) Para localizar um idivíduo foi gerado um vetor médio. O vetor médio é calculado pela média aritmética das características dos 3 vídeos reais. O algoritmo gera um vetor temporário de 000 características. Cada uma destas 000 características é o resultado da média aritmética dos vídeos reais. Deste vetor temporário é extraído o vetor de características médio, coforme os períodos e setores citados o item 3.3 deste trabalho.
6 Para cada idivíduo foram adquiridas 3 seqüêcias de vídeos gerado-se 4 vetores de características, sedo três extraídos diretamete dos vídeos e um que é a média dos três vídeos. Cada vetor de característica é formado por valores: Circularidade, Diâmetro, Média, Tempo de Cotração/Dilatação, Taxa de Cotração/Dilatação, Desvio Padrão, Coeficiete de Variação, Correlação, SMA, Etropia, Cotraste e MDI. Os dados extraídos cotêm as iformações dos 000 frames com seus respectivos setores (A, B) e graus (0º, 45º, 90º e 35º). A figura 9 apreseta um gráfico de similaridades do vídeo do idivíduo com os vídeos da base. Figura 9: Gráfico de similaridade para o Vídeo do Idivíduo Neste exemplo, o vídeo do idivíduo foi comparado com todos os vídeos médios dos 55 idivíduos que compõem a base de vídeos, iclusive o do idivíduo. É possível observar que a meor distâcia ecotrada para o vídeo do idivíduo foi em relação ao seu próprio vetor médio. O gráfico apresetado a figura 9 demostra que é possível idetificar um idivíduo através da avaliação do comportameto da íris em fução de estímulos prédetermiados. Ao todo foram feitos 6 vídeos. Destes, 47 foram descartados, por apresetarem problemas de ilumiação ou foco. O algoritmo de extração de características foi projetado especialmete para elimiar estas medições. Vídeos com vetores de características com mais de 4 (quatro) características ulas eram automaticamete elimiados. A figura 0 apreseta o gráfico que demostra o percetual de acertos de idetificação de 83,33% para os 4 vídeos aalisados. Os 6,67% de vídeos ão localizados referem-se aos vídeos que ão foram elimiados automaticamete pelo algoritmo, mas cuja qualidade ão é ideal para aálise. Figura 0: Gráfico com o percetual de vídeos localizados e ão localizados 5. Coclusões É possível idetificar biometricamete um idivíduo pelas características diâmicas da iris. Através de um método de idetificação mais robusto, utilizado o Reflexo Cosesual, pode-se iteragir o software de captura com o processo de idetificação biométrico e assim verificar se a pessoa está realmete presete ou se é algum tipo de subterfúgio para burlar um sistema de seguraça. No etato, como a proposta é orietada ao hardware, os resultados da idetificação estão itimamete ligados a ele. Um hardware leto exige maior tempo de exposição e coseqüetemete maior descoforto ao usuário. As alterações de ilumiação em geral fazem com que o idivíduo feche os olhos, prejudicado a aquisição dos vídeos. Um hardware mais aperfeiçoado pode capturar mais detalhes do movimeto e também forecer o resultado em um tempo meor. Cotudo, os resultados demostram que a abordagem proposta, mesmo em codições ão ideais de aquisição das images, é capaz de idetificar um idivíduo com um alto ídice de precisão, ou seja, é possível idetificar um idivíduo pelas características diâmicas de movimetos da íris em fução de estímulos. As respostas aos estímulos seguem padrões idividuais que devem ser mais ivestigados o setido de se aumetar a precisão do sistema proposto. Agradecimetos Os autores agradecem à FAPESP Fudação de Amparo à Pesquisa do estado de São Paulo, pelo suporte fiaceiro ao desevolvimeto deste trabalho de pesquisa. Referêcias bibliográficas [] Narote, S.P., Narote, A.S., Waghmare, L.M., Kokare, M.B., Gaikwa A.N., A Iris Recogitio
7 Based o Dual Tree Complex Wavelet Trasform, Pue Istitute of Computer Techology, Pue, Idia, IEEE, 007. [] Daugma, J. G., How iris recogitio works. Proceedig of 00 Iteratioal Coferece o Image Processig, vol, 00. [3] Daugma, J. G., New Methods i Iris Recogitio. IEEE Trasactios o Systems, Ma, ad Cyberetics Part B: Cyberetics, Vol. 37, o. 5, 007. [4] Laa-Peixoto, M. A.. Neuro-Oftalmologia. Sistema Sesorial Parte II. Dispoível em < d=s >. Acesso em ju [5] Gozaga, A., Moreo, R.P., Biometric Method for Persoal Autheticatio Based o Iris Texture Features. I: The 4th Iasted Iteratioal Coferece o Visualizatio, Imagig, ad Image Processig, v.. p. -5, 004. [6] Haralick, R.M.; Shamuga, M.K., Computer classificatio of reservoir sadstoes. IEEE Trasactios o Geosciece Electroics, v., o. 4, p.7-77, 973. [7] Martis, S. P., Classificação de images textural de images radarsat- para discrimiação de alvos agrícolas. São José dos Campos, INPE, Istituto Nacioal de Pesquisas Espaciais, Dissertação de Mestrado, 005.
MEDIDAS DE COMPARAÇÃO DE MAPAS DA VARIABILIDADE ESPACIAL DO FÓSFORO GERADOS POR MÉTODOS GEOESTATÍSTICOS
MEDIDAS DE COMPARAÇÃO DE MAPAS DA VARIABILIDADE ESPACIAL DO FÓSFORO GERADOS POR MÉTODOS GEOESTATÍSTICOS Brua Gabriela Wedpap (PIBIC/CNPq-UNIOESTE), Miguel Agel Uribe- Opazo (Orietador), e-mail: mopazo@pq.cpq.br.
Leia maisCINÉTICA QUÍMICA FATORES DE INFLUÊNCIA - TEORIA
Itrodução CINÉTICA QUÍMICA FATORES DE INFLUÊNCIA - TEORIA A Ciética Química estuda a velocidade com a qual as reações acotecem e os fatores que são capazes de realizar ifluêcia sobre ela. A medida mais
Leia mais5. ANÁLISE DE SISTEMAS DA CONFIABILIADE DE SISTEMAS SÉRIE-PARALELO
5. ANÁLISE DE SISTEMAS DA CONFIABILIADE DE SISTEMAS SÉRIE-PARALELO 5.1 INTRODUÇÃO Um sistema é defiido como todo o cojuto de compoetes itercoectados, previamete determiados, de forma a realizar um cojuto
Leia maisEstudando complexidade de algoritmos
Estudado complexidade de algoritmos Dailo de Oliveira Domigos wwwdadomicombr Notas de aula de Estrutura de Dados e Aálise de Algoritmos (Professor Adré Bala, mestrado UFABC) Durate os estudos de complexidade
Leia maisEstudo da precipitação pluviométrica no período seco e chuvoso do município de Sete Lagoas, MG
Estudo da precipitação pluviométrica o período seco e chuvoso do muicípio de Sete Lagoas, MG Aa Paula Coelho Madeira Silva 13 Jailso de Araujo Rodrigues 2 Jaime dos Satos Filho 2 1 Itrodução A precipitação
Leia maisA finalidade de uma equação de regressão seria estimar valores de uma variável, com base em valores conhecidos da outra.
Jaete Pereira Amador Itrodução A aálise de regressão tem por objetivo descrever através de um modelo matemático, a relação existete etre duas variáveis, a partir de observações dessas viráveis. A aálise
Leia maisPROF. DR. JACQUES FACON
1 PUCPR- Potifícia Uiversidade Católica Do Paraá PPGIA- Programa de Pós-Graduação Em Iformática Aplicada PROF. DR. JACQUES FACON LIMIARIZAÇÃO POR MATRIZ DE CO-OCORRÊNCIA Resumo: O método da matriz de co-ocorrêcia,
Leia maisCapítulo 5. CASO 5: EQUAÇÃO DE POISSON 5.1 MODELO MATEMÁTICO E SOLUÇÃO ANALÍTICA
Capítulo 5. CASO 5: EQUAÇÃO DE POISSON No presete capítulo, é abordado um problema difusivo uidimesioal com absorção de calor (Icropera e DeWitt, 199, o que resulta uma equação de Poisso, que é uma equação
Leia mais4 Teoria da Probabilidade
48 4 Teoria da Probabilidade Apresetam-se este capítulo coceitos de probabilidade e de estimação de fuções desidade de probabilidade ecessários ao desevolvimeto e compreesão do modelo proposto (capítulo
Leia maisCap. 4 - Estimação por Intervalo
Cap. 4 - Estimação por Itervalo Amostragem e iferêcia estatística População: cosiste a totalidade das observações em que estamos iteressados. Nº de observações a população é deomiado tamaho=n. Amostra:
Leia maisO termo "linear" significa que todas as funções definidas no modelo matemático que descreve o problema devem ser lineares, isto é, se f( x1,x2
MÓDULO 4 - PROBLEMAS DE TRANSPORTE Baseado em Novaes, Atôio Galvão, Métodos de Otimização: aplicações aos trasportes. Edgar Blücher, São Paulo, 978..CONCEITOS BÁSICOS DE PROGRAMAÇÃO LINEAR É uma técica
Leia mais10 - Medidas de Variabilidade ou de Dispersão
10 - Medidas de Variabilidade ou de Dispersão 10.1 Itrodução Localizado o cetro de uma distribuição de dados, o próximo passo será verificar a dispersão desses dados, buscado uma medida para essa dispersão.
Leia maisMATEMÁTICA II. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
MATEMÁTICA II Profa. Dra. Amada Liz Pacífico Mafrim Perticarrari amada@fcav.uesp.br O PROBLEMA DA ÁREA O PROBLEMA DA ÁREA Ecotre a área da região que está sob a curva y = f x de a até b. S = x, y a x b,
Leia maisStela Adami Vayego DEST/UFPR
Resumo 3 Resumo dos dados uméricos por meio de úmeros. Medidas de Tedêcia Cetral A tedêcia cetral da distribuição de freqüêcias de uma variável em um cojuto de dados é caracterizada pelo valor típico dessa
Leia maisUma relação entre sincronização no mapa do círculo e os números racionais
Uma relação etre sicroização o mapa do círculo e os úmeros racioais Mariaa P. M. A. Baroi Elbert E. N. Macau Laboratório Associado de Computação e Matemática Aplicada Istituto Nacioal de Pesquisas Espaciais
Leia maisMATEMÁTICA II. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
MATEMÁTICA II Profa. Dra. Amada Liz Pacífico Mafrim Perticarrari amada@fcav.uesp.br Ecotre a área da região que está sob a curva y = f x de a até b. S = x, y a x b, 0 y f x Isso sigifica que S, ilustrada
Leia mais6 Resultados Experimentais
6 Resultados Experimetais O propósito deste capítulo é validar experimetalmete a metodologia apresetada os capítulos ateriores através do programa computacioal desevolvido. O estudo é focado o comportameto
Leia mais3 Técnica de Traçado de Raios 3.1. Introdução
3 Técica de Traçado de Raios 3.. Itrodução Uma técica de traçado de raios aplicada à rádio-propagação cosiste a aálise, com base os resultados da ótica geométrica, da propagação de odas de rádio-freqüêcia
Leia maisENGENHARIA DA QUALIDADE A ENG AULA 3 TEOREMA DO LIMITE CENTRAL INTRODUÇÃO AO CONTROLE ESTATÍSTICO DE PROCESSO
ENGENHARIA DA QUALIDADE A ENG 09008 AULA 3 TEOREMA DO LIMITE CENTRAL INTRODUÇÃO AO CONTROLE ESTATÍSTICO DE PROCESSO PROFESSOR: CARLA SCHWENGBER TEN CATEN Teorema do limite cetral A soma (e sua média) de
Leia maisAplicação de Técnicas de Visão Computacional para Avaliar Qualidade de Radiografias Odontológicas
Aplicação de Técicas de Visão Computacioal para Avaliar Qualidade de Radiografias Odotológicas Costa R. M., Seba Patto V., Souza, R. G. Istituto de Iformática Uiversidade Federal de Goiás (UFG) Caixa Postal
Leia maisDERIVADAS DE FUNÇÕES11
DERIVADAS DE FUNÇÕES11 Gil da Costa Marques Fudametos de Matemática I 11.1 O cálculo diferecial 11. Difereças 11.3 Taxa de variação média 11.4 Taxa de variação istatâea e potual 11.5 Primeiros exemplos
Leia maisMecânica dos Sólidos II
Curso de Egeharia Civil Uiversidade Estadual de Marigá Cetro de Tecologia Departameto de Egeharia Civil Mecâica dos Sólidos II Bibliografia: Beer, F. P.; Johsto, Jr. E. R.; DEWolf, J. T. Resistêcia dos
Leia maisO PROBLEMA DE TRANSPORTES SOB A ÓTICA DOS MODELOS DE EQUILÍBRIO ESPACIAL DE MERCADO
O PROBLEMA DE TRANSPORTES SOB A ÓTICA DOS MODELOS DE EQUILÍBRIO ESPACIAL DE MERCADO Sérgio Ferado Mayerle, Dr. UFSC / CTC / EPS - mayerle@eps.ufsc.br - Floriaópolis - SC Thiago Dedavid de Almeida Bastos
Leia maisINFORMAÇÕES. Monitoria: sala C1-07, das 11:00 as 12:00h toda 4a feira (como no semestre passado).
INFORMAÇÕES LISTA DE EXERCÍCIOS CAPÍTULO 5 Q5.4, Q5.0, Q5., Q5.3, Q5.4, Q5.5, Q5.6 5.0, 5., 5.33, 5.35, 5.4, 5.43, 5.5 LISTA DE EXERCÍCIOS CAPÍTULO 7 Exs.:, 3, 5, 8, 0, 3, 4, 5, 8, 9, 3, 5, 6, 9, 3, 37,
Leia maisInstruções gerais sobre a Prova:
DEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2012/2013 Istruções gerais sobre a Prova: (a) Cada questão respodida corretamete vale 1 (um) poto. (b) Cada
Leia maisEstimação da média populacional
Estimação da média populacioal 1 MÉTODO ESTATÍSTICO Aálise Descritiva Teoria das Probabilidades Iferêcia Os dados efetivamete observados parecem mostrar que...? Se a distribuição dos dados seguir uma certa
Leia maisAutovalores na Análise de Modelos Matriciais Utilizando o Matlab
Autovalores a Aálise de odelos atriciais Utilizado o atlab Alessadra Fabia Sostisso 1 Eliete Biasotto Hauser 2 RESUO O pricipal objetivo deste trabalho é aalisar o comportameto de sistemas modelados matricialmete
Leia maisCONHECIMENTOS ESPECÍFICOS
CESPE/UB FUB/0 fa 5 4 CONHECIMENTOS ESPECÍFICOS 60 As distribuições B e C possuem os mesmos valores para os quartis Q e Q, e o quartil superior em B correspode ao quartil cetral (Q ) da distribuição A.
Leia maisUMA EXPERIÊNCIA COM MODELAGEM MATEMÁTICA NA LICENCIATURA EM MATEMÁTICA
ISBN 978-85-7846-516-2 UMA EXPERIÊNCIA COM MODELAGEM MATEMÁTICA NA LICENCIATURA EM MATEMÁTICA Resumo Alisso Herique dos Satos UEL Email: alisso_hs612@hotmail.com Ferada Felix Silva UEL Email: ferada.f.matematica@gmail.com
Leia maisProblemas Sobre Correlacionamento
Capítulo 2 Problemas Sobre Correlacioameto Se caiu, levate e ade como se uca tivesse caído, cosiderado que, a cada vez que você se esforça e se levata de uma queda, suas peras se fortalecem. 2.1. Problemas
Leia maisAlgoritmo para Detecção do Centro do Campo dos Sistemas Radiológicos
Algoritmo para Detecção do Cetro do Campo dos Sistemas Radiológicos M. Z. Nascimeto, A. F. Frère -, M. A. Silva, L. A. Neves Laboratório de Images Médicas (@LADIM), Depto. Egeharia Elétrica, Escola de
Leia maisP.M.S. Oliveira, C.S. Munita
Estudo comparativo de métodos de ormalização em resultados experimetais. P.M.S. Oliveira, C.S. Muita Istituto de Pesquisas Eergéticas e Nucleares - IPEN-CNEN/SP, Av. Prof. Lieu Prestes 4. CEP 05508-000,
Leia maisComo se decidir entre modelos
Como se decidir etre modelos Juliaa M. Berbert Quado uma curva é lei de potecia? O procedimeto amplamete usado para testar movimetação biológica a fim de ecotrar padrões de busca como Voos de Levy tem
Leia mais3ª Lista de Exercícios de Programação I
3ª Lista de Exercícios de Programação I Istrução As questões devem ser implemetadas em C. 1. Desevolva um programa que leia dois valores a e b ( a b ) e mostre os seguites resultados: (1) a. Todos os úmeros
Leia maisSumário. 2 Índice Remissivo 19
i Sumário 1 Estatística Descritiva 1 1.1 Coceitos Básicos.................................... 1 1.1.1 Defiições importates............................. 1 1.2 Tabelas Estatísticas...................................
Leia maisTeorema do limite central e es/mação da proporção populacional p
Teorema do limite cetral e es/mação da proporção populacioal p 1 RESULTADO 1: Relembrado resultados importates Seja uma amostra aleatória de tamaho de uma variável aleatória X, com média µ e variâcia σ.temos
Leia maisMedidas de Posição. É igual ao quociente entre a soma dos valores do conjunto e o número total dos valores.
Medidas de Posição São as estatísticas que represetam uma série de dados orietado-os quato à posição da distribuição em relação ao eixo horizotal do gráfico da curva de freqüêcia As medidas de posições
Leia mais1 Distribuições Amostrais
1 Distribuições Amostrais Ao retirarmos uma amostra aleatória de uma população e calcularmos a partir desta amostra qualquer quatidade, ecotramos a estatística, ou seja, chamaremos os valores calculados
Leia maisConteúdo. Observações importantes. Introdução à Estatística. Introdução a Probabilidade e Estatística para Teoria dos Valores Extremos (TVE)
Coteúdo Uiversidade Federal de Sata Cataria (UFSC) Programa de Pós-Graduação em Egeharia de Automação e Sistemas (PPGEAS) Disciplia: Sistemas de Tempo Real II 1 Itrodução à Estatística Itrodução a Probabilidade
Leia maisVirgílio A. F. Almeida DCC-UFMG 1/2005
Virgílio A. F. Almeida DCC-UFMG 1/005 !" # Comparado quatitativamete sistemas eperimetais: Algoritmos, protótipos, modelos, etc Sigificado de uma amostra Itervalos de cofiaça Tomado decisões e comparado
Leia maisAvaliação de Desempenho de Sistemas Discretos
Distribuições Comus Avaliação de Desempeho de Sistemas Discretos Probabilidade e Estatística 2 Uiforme Normal Poisso Hipergeométrica Biomial Studet's Geométrica Logormal Expoecial Beta Gamma Qui-Quadrado
Leia maisCONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA
1 CONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA 1. Coceitos Básicos de Probabilidade Variável aleatória: é um úmero (ou vetor) determiado por uma resposta, isto é, uma fução defiida em potos do espaço
Leia maisO teste de McNemar. A tabela 2x2. Depois - Antes
Prof. Lorí Viali, Dr. http://www.pucrs.br/famat/viali/ viali@pucrs.br O teste de McNemar O teste de McNemar para a sigificâcia de mudaças é particularmete aplicável aos experimetos do tipo "ates e depois"
Leia mais2.2. Séries de potências
Capítulo 2 Séries de Potêcias 2.. Itrodução Série de potêcias é uma série ifiita de termos variáveis. Assim, a teoria desevolvida para séries ifiitas de termos costates pode ser estedida para a aálise
Leia maisPROJETO E ANÁLISES DE EXPERIMENTOS (PAE) PROJETO FATORIAL 2 k COMPLETO E REPLICADO. Dr. Sivaldo Leite Correia
PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) PROJETO FATORIAL 2 k COMPLETO E REPLICADO Dr. Sivaldo Leite Correia CONCEITOS, LIMITAÇÕES E APLICAÇÕES Nos tópicos ateriores vimos as estratégias geeralizadas para
Leia maisEstimação da média populacional
Estimação da média populacioal 1 MÉTODO ESTATÍSTICO Aálise Descritiva Teoria das Probabilidades Iferêcia Os dados efetivamete observados parecem mostrar que...? Se a distribuição dos dados seguir uma certa
Leia maisObtemos, então, uma amostra aleatória de tamanho n de X, que representamos por X 1, X 2,..., X n.
Vamos observar elemetos, extraídos ao acaso e com reposição da população; Para cada elemeto selecioado, observamos o valor da variável X de iteresse. Obtemos, etão, uma amostra aleatória de tamaho de X,
Leia maisExercício: Mediu-se os ângulos internos de um quadrilátero e obteve-se 361,4. Qual é o erro de que está afetada esta medida?
1. Tratameto estatísticos dos dados 1.1. TEORIA DE ERROS O ato de medir é, em essêcia, um ato de comparar, e essa comparação evolve erros de diversas origes (dos istrumetos, do operador, do processo de
Leia maisMEDIDAS DESCRITIVAS DE POSIÇÃO, TENDÊNCIA CENTRAL E VARIABILIDADE
MEDIDAS DESCRITIVAS DE POSIÇÃO, TENDÊNCIA CENTRAL E VARIABILIDADE 1 Estatística descritiva (Eploratória) PRIMEIRO PASSO: Tabelas (distribuição de frequêcia) e Gráficos. SEGUNDO PASSO: Cálculo de medidas
Leia maisDistribuições Amostrais
Distribuições Amostrais O problema da iferêcia estatística: fazer uma afirmação sobre os parâmetros da população θ (média, variâcia, etc) através da amostra. Usaremos uma AAS de elemetos sorteados dessa
Leia maisÁLGEBRA. Licenciatura em Engenharia Electrotécnica e de Computadores LEEC Ano lectivo de 2002/2003
ÁLGEBRA Liceciatura em Egeharia Electrotécica e de Computadores LEEC Ao lectivo de 00/003 Apotametos para a resolução dos exercícios da aula prática 5 MATRIZES ELIMINAÇÃO GAUSSIANA a) Até se obter a forma
Leia maisIntervalos de Confiança
Itervalos de Cofiaça Prof. Adriao Medoça Souza, Dr. Departameto de Estatística - PPGEMQ / PPGEP - UFSM - 0/9/008 Estimação de Parâmetros O objetivo da Estatística é a realização de iferêcias acerca de
Leia maisCARTA DE CONTROLE PARA MONITORAMENTO DE FRAÇÃO DE CONFORMES UTILIZANDO UM NOVO ESTIMADOR
XXIX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO. CARTA DE CONTROLE PARA MONITORAMENTO DE FRAÇÃO DE CONFORMES UTILIZANDO UM NOVO ESTIMADOR Ruth Pereira Loureço (USP) ruth.p.loureco@gmail.com Lida Lee Ho
Leia maisLista de Exercícios #6 Assunto: Propriedade dos Estimadores e Métodos de Estimação
Assuto: Propriedade dos Estimadores e Métodos de Estimação. ANPEC 08 - Questão 6 Por regulametação, a cocetração de um produto químico ão pode ultrapassar 0 ppm. Uma fábrica utiliza esse produto e sabe
Leia maisCAPÍTULO 8 - Noções de técnicas de amostragem
INF 6 Estatística I J.I.Ribeiro Júior CAPÍTULO 8 - Noções de técicas de amostragem. Itrodução A Estatística costitui-se uma excelete ferrameta quado existem problemas de variabilidade a produção. É uma
Leia maisAnálise de dados industriais
Aálise de dados idustriais Escola olitécica Departameto de Eeharia Química Roberto Guardai 4 arte 5. ÉCNICAS DE DISCRIMINAÇÃO E DE CLASSIFICAÇÃO DE DADOS Itrodução écicas estatísticas de aálise baseadas
Leia maisXIX CONGRESSO DE PÓS-GRADUAÇÃO DA UFLA 27 de setembro a 01 de outubro de 2010
COMPARAÇÕES DE DISTRIBUIÇÕES DE PROBABILIDADE PARA UMA SÉRIE DE VAZÕES MÁXIMAS PARA CURSO D ÁGUA RIO DO VEADO, ES MILLENA MIRELLA VIEIRA TAVEIRA ; GEOVANE JUNQUEIRA ALVES ; ANTÔNIO MARCIANO DA SILVA ;
Leia maisFigura 4.53 Sinais coletados para as componentes da velocidade (a) u, (b) v e (c) w na sonda 1 estação A do escoamento a Re =
90 a) b) c) Figura 4.53 Siais coletados para as compoetes da velocidade (a) u, (b) v e (c) w a soda 1 estação A do escoameto a Re = 1.000. 91 Figura 4.54 Variação do úmero de Strouhal em fução do úmero
Leia maisEstimativa de Parâmetros
Estimativa de Parâmetros ENG09004 04/ Prof. Alexadre Pedott pedott@producao.ufrgs.br Trabalho em Grupo Primeira Etrega: 7/0/04. Plao de Amostragem - Cotexto - Tipo de dado, frequêcia de coleta, quatidade
Leia maisExame Final Nacional de Matemática Aplicada às Ciências Sociais a Fase
Exame Fial Nacioal de Matemática Aplicada às Ciêcias Sociais 04 -. a Fase Proposta de resolução... Aplicado o método de Hodt a distribuição dos madatos, temos: Partido A B C D E Número de votos 4 4 Divisão
Leia maisIntrodução a Complexidade de Algoritmos
Itrodução a Complexidade de Algoritmos Estruturas de Dados Prof. Vilso Heck Juior Apresetação Revisão - O Algoritmo; A Complexidade; Exercício. Complexidade de Algoritmos REVISÃO - O ALGORITMO O Algoritmo
Leia mais-0,4-0,6 -0,9 -1,5 -3,4 -13,6 EXERCÍCIOS
EXERCÍCIOS FÍSICA MODERNA ÁTOMO DE BOHR PROF. MARENGÃO. (UFRN) Um átomo de hidrogêio, ao passar de um estado quâtico para outro, emite ou absorve radiação eletromagética de eergias bem defiidas. No diagrama
Leia maisIntrodução à Probabilidade e à Estatística I
Itrodução à Probabilidade e à Estatística I Resolução Lista 1 Professor: Pedro Moretti & Chag Chia 1. (a) Podemos iserir dados o software R e costruir um histograma com 5 itervalos: Frequecy 0 2 4 6 8
Leia maisMEDIDAS DE TENDÊNCIA CENTRAL E MEDIDAS DE DISPERSÃO Í N D I C E
MEDIDAS DE TENDÊNCIA CENTRAL E MEDIDAS DE DISPERSÃO Í N D I C E Medidas de Tedêcia Cetral Itrodução... 1- Média Aritmética... - Moda... 3- Mediaa... Medidas de Dispersão 4- Amplitude Total... 5- Variâcia
Leia maisMineração de Dados em Biologia Molecular
Mieração de Dados em Biologia Molecular Tópicos Adré C. P. L. F. de Carvalho Moitor: Valéria Carvalho Preparação de dados Dados Caracterização de dados Istâcias e Atributos Tipos de Dados Exploração de
Leia maisEstimadores de Momentos
Estimadores de Mometos A média populacioal é um caso particular daquilo que chamamos de mometo. Na realidade, ela é o primeiro mometo. Se X for uma v.a. cotíua, com desidade f(x; θ 1,..., θ r ), depededo
Leia mais1ª LISTA DE EXERCÍCIOS DE PROC. ESTOCÁSTICOS APLICADOS (CE 222) Prof. Benito Olivares 1 o Sem./ 2017
UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA ª LISTA DE EXERCÍCIOS DE PROC. ESTOCÁSTICOS APLICADOS (CE ) Prof. Beito Olivares o Sem./ 7. Classifique e costrua uma trajetória
Leia maisEstacionariedade e correlação temporal em dados financeiros
Estacioariedade e correlação temporal em dados fiaceiros Hoje em dia há uma quatidade imesa de dados fiaceiros sedo armazeados, egócio a egócio, pelo mudo afora. Gratuitamete, é possível coseguir facilmete
Leia maisAumentou-se o número de crimes nas regiões onde foram construídos os presídios?
Aumetou-se o úmero de crimes as regiões ode foram costruídos os presídios? Guilherme Aparecido Satos Aguilar 1 Vilma Mayumi Tachibaa 1 1 Itrodução O Brasil tem a quarta maior população carcerária do mudo
Leia maisObjetivo. Estimar a média µ de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra.
ESTIMAÇÃO PARA A MÉDIAM Objetivo Estimar a média µ de uma variável aleatória X, que represeta uma característica de iteresse de uma população, a partir de uma amostra. Exemplos: µ : peso médio de homes
Leia maisEFICIÊNCIA DOS GASTOS MUNICIPAIS EM EDUCAÇÃO NO BRASIL Priscila Fraiz de Paula 1, Evandro Rodrigues de Faria 2, Mariane Carolina do Vale Gomes 3
EFICIÊNCIA DOS GASTOS MUNICIPAIS EM EDUCAÇÃO NO BRASIL Priscila Fraiz de Paula 1, Evadro Rodrigues de Faria 2, Mariae Carolia do Vale Gomes 3 Resumo: A pesquisa objetivou avaliar quais são os fatores determiates
Leia maisENGENHARIA DA QUALIDADE A ENG AULA 6 CARTAS DE CONTROLE PARA ATRIBUTOS
ENGENHARIA DA QUALIDADE A ENG 09008 AULA 6 CARTAS DE CONTROLE PARA ATRIBUTOS PROFESSORES: CARLA SCHWENGBER TEN CATEN Tópicos desta aula Cartas de Cotrole para Variáveis Tipo 1: Tipo 2: Tipo 3: X X X ~
Leia maisEstatística: Aplicação ao Sensoriamento Remoto SER ANO Teoria da amostragem
Estatística: Aplicação ao Sesoriameto Remoto SER 04 - ANO 017 Teoria da amostragem Camilo Daleles Reó camilo@dpi.ipe.br http://www.dpi.ipe.br/~camilo/estatistica/ Algumas Cosiderações... É importate ter
Leia maisétodos uméricos MÉTODO DOS MOMENTOS - MOM Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
étodos uméricos MÉTODO DOS MOMETOS - MOM Prof. Erivelto Geraldo epomuceo PROGRAMA DE PÓS-GRADUAÇÃO EM EGEHARIA ELÉTRICA UIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CETRO FEDERAL DE EDUCAÇÃO TECOLÓGICA
Leia maisDETERMINANDO A SIGNIFICÂNCIA ESTATÍSTICA PARA AS DIFERENÇAS ENTRE MÉDIAS
DTRMINANDO A SIGNIFIÂNIA STATÍSTIA PARA AS DIFRNÇAS NTR MÉDIAS Ferado Lag da Silveira Istituto de Física - UFRGS lag@if.ufrgs.br O objetivo desse texto é apresetar através de exemplos uméricos como se
Leia maisINFERÊNCIA. Fazer inferência (ou inferir) = tirar conclusões
INFERÊNCIA Fazer iferêcia (ou iferir) = tirar coclusões Iferêcia Estatística: cojuto de métodos de aálise estatística que permitem tirar coclusões sobre uma população com base em somete uma parte dela
Leia maisAnálise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos
Aálise de Algoritmos Aálise de Algoritmos Prof Dr José Augusto Baraauskas DFM-FFCLRP-USP A Aálise de Algoritmos é um campo da Ciêcia da Computação que tem como objetivo o etedimeto da complexidade dos
Leia maisPopulação x Amostra. statística descritiva X inferência estatística. Revisão de Estatística e Probabilidade
Revisão de Estatística e Probabilidade Magos Martiello Uiversidade Federal do Espírito Sato - UFES Departameto de Iformática DI Laboratório de Pesquisas em Redes Multimidia LPRM statística descritiva X
Leia maisCONHECIMENTOS ESPECÍFICOS
Acerca dos coceitos de estatística e dos parâmetros estatísticos, julgue os ites seguites. CONHECIMENTOS ESPECÍFICOS CESPE/UB STM 67 A partir do histograma mostrado a figura abaixo, é correto iferir que
Leia maisMétodo do Lugar das Raízes
Método do Lugar das Raízes Coceito de Lugar das Raízes; O Procedimeto do Lugar das Raízes; Projeto de Parâmetros pelo Método do Lugar das Raízes; Sesibilidade e Lugar das Raízes; Cotrolador de Três Termos
Leia maisPROVA 1 27/10/ Os dados apresentados na seqüência mostram os resultados de colesterol
PROVA 1 7/10/009 Nome: GABARITO 1. Os dados apresetados a seqüêcia mostram os resultados de colesterol mg /100ml em dois grupos de aimais. O grupo A é formado por 10 total ( ) aimais submetidos a um cotrole
Leia maisCap. VI Histogramas e Curvas de Distribuição
TLF /11 Capítulo VI Histogramas e curvas de distribuição 6.1. Distribuições e histogramas. 6 6.. Distribuição limite 63 6.3. Sigificado da distribuição limite: frequêcia esperada e probabilidade de um
Leia maisESCUTANDO O COEFICIENTE DE RESTITUIÇÃO E A ACELERAÇÃO
ESCUANDO O COEFICIENE DE RESIUIÇÃO E A ACELERAÇÃO GRAVIACIONAL DE UMA BOLA Carlos Eduardo Aguiar [carlos@if.ufrj.br] Fracisco Laudares [f_laudares@hotmail.com] Istituto de Física, Uiversidade Federal do
Leia maisINTERPOLAÇÃO POLINOMIAL
1 Mat-15/ Cálculo Numérico/ Departameto de Matemática/Prof. Dirceu Melo LISTA DE EXERCÍCIOS INTERPOLAÇÃO POLINOMIAL A aproximação de fuções por poliômios é uma das ideias mais atigas da aálise umérica,
Leia maisEstatística Descritiva. 3. Estatísticas Medidas de posição Medidas de dispersão
Estatística Descritiva 3. Estatísticas 3.1. Medidas de posição 3.. Medidas de dispersão 1 Exemplo 1: Compare as 4 colheitadeiras quato às porcetages de quebra de semetes de milho. Tabela 1. Porcetagem
Leia maisSumário. 2 Índice Remissivo 17
i Sumário 1 Itrodução à Iferêcia Estatística 1 1.1 Defiições Básicas................................... 1 1.2 Amostragem....................................... 2 1.2.1 Tipos de Amostragem.............................
Leia maisn ) uma amostra aleatória da variável aleatória X.
- Distribuições amostrais Cosidere uma população de objetos dos quais estamos iteressados em estudar uma determiada característica. Quado dizemos que a população tem distribuição FX ( x ), queremos dizer
Leia maisPREVISÃO DE PRECIPITAÇÃO
4 PREVISÃO DE PRECIPITAÇÃO PROBABILIDADE NOS PROJETOS Em Egeharia o cohecimeto das magitudes das precipitações apreseta grade iteresse prático por sua freqüete aplicação os projetos hidráulicos. Nos projetos
Leia mais4. MEDIDAS DINÂMICAS CONCEITOS BÁSICOS
4. MEDIDAS DINÂMICAS CONCEITOS BÁSICOS Muitas vezes os experimetos requerem medidas de gradezas físicas que variam com o tempo. Para a correta medição destas gradezas, é ecessário cohecer as propriedades
Leia maisLista IC, tamanho de amostra e TH
Lista IC, tamaho de amostra e TH 1. Cosidere a amostra abaixo e costrua um itervalo de cofiaça para a média populacioal. Cosidere um ível de cofiaça de 99%. 17 3 19 3 3 1 18 0 13 17 16 Como ão temos o
Leia maisAnálise da Resposta Livre de Sistemas Dinâmicos de 2 a Ordem
Aálise da Resposta Livre de Sistemas Diâmicos de Seguda Ordem 5 Aálise da Resposta Livre de Sistemas Diâmicos de a Ordem INTRODUÇÃO Estudaremos, agora, a resposta livre de sistemas diâmicos de a ordem
Leia maisFORMAS QUADRÁTICAS. Esta forma quadrada pode ser reescrita em forma matricial, segundo:
PROGRAA DE ENGENHARIA QUÍICA/COPPE/UFRJ COQ 897- OIIZAÇÃO DE PROCESSOS- II/ FORAS QUADRÁICAS Em a epressão geral das formas quadráticas é: a a f (, ) cbb a, cujas derivadas parciais são: f(, ) b a a f(,
Leia maisCapítulo 39: Mais Ondas de Matéria
Capítulo 39: Mais Odas de Matéria Os elétros da superfície de uma lâmia de Cobre foram cofiados em um curral atômico - uma barreira de 7,3 âgstros de diâmetro, imposta por 48 átomos de Ferro. Os átomos
Leia maisApresentação do Cálculo. Apresentação do Cálculo
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 Apresetação do Cálculo
Leia maisRISCOS CLIMÁTICOS PARA FENAÇÃO NO RIO GRANDE DO SUL 1 CLIMATIC RISKS FOR HARVESTING HAY IN RIO GRANDE DO SUL RESUMO
Revista Brasileira de Agrometeorologia, Sata Maria, v. 4,. 2, p. 99-103, 1996. Recebido para publicação em 16/02/96. Aprovado em 04/07/96 ISSN 0104-1347 RISCOS CLIMÁTICOS PARA FENAÇÃO NO RIO GRANDE DO
Leia maisQuantificando os Fenômenos Biológicos
1 ECOSSISTEMA Os ecossistemas estão costituídos por comuidades. A comuidade é uma uidade ecológica de visualização meos clara a atureza que outros coceitos como o de idivíduo ou mesmo o de população, que
Leia maisPTC 2549 SISTEMAS TELEFÔNICOS
PTC 9 SISTMS TLFÔICOS GBRITO D PRIMIR LIST D RCÍCIOS /3/ Questão ) s ecessidades de comuicação etre duas localidades e B são de. e 3. chamadas por dia, para os setidos B e B respectivamete, com uma duração
Leia maisIntrodução. Notas de pesquisa
Notas de pesquisa Sobrevivêcia específica de pacietes com câcer de pulmão tratados o sistema público de saúde o Brasil e uma aplicação da Tábua Associada de Decremeto Úico Carlos Philipe Barbosa Polato
Leia maisNúmero-índice: Conceito, amostragem e construção de estimadores
Número-ídice: Coceito, amostragem e costrução de estimadores Objetivo Geral da aula Defiir o que são os úmeros-ídices, efatizado a sua importâcia para aálise ecoômica. Cosidere os dados apresetados a Tabela
Leia maisUniversidade de São Paulo Faculdade de Filosofia, Letras e Ciências Humanas Departamento de Ciência Política
Uiversidade de São Paulo Faculdade de Filosofia, Letras e Ciêcias Humaas Departameto de Ciêcia Política FLS 5028 Métodos Quatitativos e Técicas de Pesquisa em Ciêcia Política FLP0406 Métodos e Técicas
Leia mais