Universidade Federal de Sergipe Departamento de Matemática. Imagem* Profª. Maria Andrade. *Parte desta apresentação foi do Prof. Thales Vieira.

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamanho: px
Começar a partir da página:

Download "Universidade Federal de Sergipe Departamento de Matemática. Imagem* Profª. Maria Andrade. *Parte desta apresentação foi do Prof. Thales Vieira."

Transcrição

1 Universidade Federal de Sergipe Departamento de Matemática Imagem* Profª. Maria Andrade *Parte desta apresentação foi do Prof. Thales Vieira. 2016

2 O que é uma imagem digital? Imagem no universo físico Imagem no universo matemático Representação de uma imagem Codificação de uma imagem

3 Imagem no universo físico

4 Imagem no universo matemático f: função imagem U: suporte da imagem C: espaço de cor. Em geral f(u): conjunto de cores, ou gamute de cores da imagem Imagem como gráfico de função:

5 Imagem no universo matemático C: espaço de cor. Em geral n = 1: imagem monocromática n = 3: imagem tricromática (colorida), em geral RGB Se n = 3, podemos escrever: ou seja: imagem colorida é formada por 3 imagens monocromáticas (componentes de cor de f)

6 Representação de uma imagem Representação espacial: representação do suporte U Representação de cor: representação do espaço de cor C.

7 Representação espacial Amostragem matricial uniforme Seja Vamos considerar sempre a = c = 0 d b

8 Reticulado uniforme Representação espacial,.. Decomposição do espaço em células:, Cada célula da imagem é chamada de pixel (picture element). m é chamada resolução vertical n é chamada resolução horizontal m x n é chamada resolução espacial Para representar a imagem, é necessário obter valores de f jk em cada célula c jk.

9 Amostragem pontual Representação na célula Para cada c jk, escolhemos um ponto (x j, y k ) e atribuimos f jk = f(x j, y k ). Ex.: centro de cada célula (como calcular?) Amostragem por área Atribui-se o valor médio de f na célula:

10 Estrutura de dados da imagem 1. Matriz m x n, A = (a jk ) guardando os valores f jk, ou amostras. Cada elemento a jk é um vetor do espaço de cor: Se n = 1, a jk é um número real representando a luminância do pixel Se n = 3, a jk é um vetor do representando uma cor tricromática (RGB). 2. Comprimentos e das células. Densidade de resolução: número de pixels por unidade de medida dpi (dots per inch) ppi (pixels per inch)

11 Representação de cor Como representar os números reais do vetor de cor? Resolução de cor da imagem: Quantos bits devemos utilizar para representar cor? Quantização: processo de discretização do espaço de cor de uma imagem, ou seja, do Quantização de tons de cinza com 256 intensidades (8 bits) Quantização de tons de cinza com 16 intensidades (4 bits)

12 Problema de interpolação Reconstrução de imagens Imagem no universo matemático Representação de uma imagem Núcleo de reconstrução n-dimensional: Função e a família de funções linearmente independente. tal que é Reconstrução de f usando o núcleo :

13 Núcleos de reconstrução unidimensionais Núcleo constante, ou box, ou Núcleo de Haar: Núcleo triangular

14 Núcleos de reconstrução bidimensionais Produto de núcleos unidimensionais:

15 Reconstrução com o núcleo de Haar

16 Reconstrução com o núcleo triangular

17 Núcleo constante Núcleo triangular

18 Composição de imagens 0 (a) (b) (c) Fig Composição de imagens com redução. AND 1 Marcelo Gatas Redução do Papá Léguas para ser ser colocado na imagem são circo. ampliação Regiões associadas na imagem original e na transformada redução 3 2 Fig Regiões associadas na imagem original e na transformad 19

19 Elementos da imagem digital 1. Resolução espacial (número de pixels) 2. Número de componentes de cor (monocromática, tricromática,...) 3. Resolução de cor (8 bits, 24 bits, 32 bits...) 4. Gamute: f(u)

20 Representações das imagens digitais Dizemos que f tem suporte contínuo quando podemos calcular f em qualquer ponto de U. Caso contrário, f tem suporte discreto. Dizemos que f tem espaço de cor contínuo quando a cor é representada usando ponto flutuante. Também é comum usar um espaço de cor quantizado. Representações: 1. contínua-contínua; 2. contínua-quantizada; 3. discreta-contínua; 4. discreta-quantizada: Imagem digital.

21 Histograma de frequência Modelo estatístico: Considera a imagem como uma variável aleatória definida no reticulado. Analisa a distribuição de probabilidade associada à ocorrência de cores de cada pixel Histograma de cor: associa a cada intensidade de cor c presente na imagem, a sua frequência de ocorrência (número de pixels com a cor c).

22 Quantização de cor Processo de discretização de cor Conjunto contínuo de cores (infinito) Conjunto discreto de cores (finito) Por que quantizar? 1. Se adaptar ao espaço de cor do dispositivo gráfico de exibição; 2. Comprimir a imagem para armazenamento e transmissão.

23 Quantização de cor Considere o conjunto discreto: Quantização é representada por uma transformação sobrejetiva: Quantos bits são necessários para representar um elemento de R k? Se k = 2 m, são necessários m bits. Cada elemento p i é chamado nível de quantização. Obs.: q é também aplicada para quantizar conjuntos finitos, ou seja: Se j = 2 n e k = 2 m, então q é uma quantização de n para m bits. Seja uma imagem tricromática. Após um processo de quantização, o resultado é a imagem discreta-discreta:

24 Células e níveis de quantização Seja Para uma dada cor, temos um subconjunto onde C é o espaço de cor. A família de conjuntos C i particiona o espaço de cor C, ou seja: Cada conjunto C i é chamado célula de quantização. Se, seu erro de quantização é dado por

25 Quantização unidimensional Sejam os níveis de quantização de q. No caso unidimensional, as células de quantização são sempre intervalos c i 1 apple c apple c i, onde q(c) =q i,e1apple i apple L.

26 Quantização multidimensional Células de quantização são regiões do espaço de cor, com geometria complexa. 1.Quantização escalar Seja uma quantização unidimensional. Definimos uma quantização escalar como onde. Quando uma quantização multidimensional não é escalar, ela é vetorial.

27 Percepção e Quantização Seja monocromática, onde C é uma quantização em L níveis. Esta quantização determina uma partição do suporte da imagem em subconjuntos U i, tal que A fronteira entre os subconjuntos U i é chamada fronteira de quantização. Perceptualmente: boa quantização fronteira de quantização imperceptível

28 Geometria das células 1. Quantização uniforme Divide o espaço de cor em células congruentes (i. e., intervalos de mesmo tamanho) Toma o centro de cada célula como valor de quantização. Exemplo: quantização escalar células: intervalos (c i-1, c i ] de mesmo comprimento; valor de quantização:

29 Geometria das células 1. Quantização não-uniforme ou adaptativa Objetivo: obter mais células em regiões do espaço de cor mais usadas pelos pixels da imagem, diminuindo a diferença entre a imagem original e quantizada. Diretamente relacionada com o histograma de frequência

30 Classificação dos métodos de quantização Valores de quantização vs. células de quantização 1. Métodos de seleção direta: Determinam-se os valores de quantização q 1,, q k, e a partir destes calcula-se as células de quantização: c 2 C i, q(c) =q i, d(c, q i ) apple d(c, q j ), 1 apple j apple N,j 6= i. 2. Métodos de subdivisão espacial: Determinam-se as células de quantização C i, e a partir destas calcula-se os valores de quantização q i. 3. Métodos híbridos: Determinam-se independentemente valores de quantização e células de quantização.

31 Algoritmo de populosidade Quantização por seleção direta Seleciona como valores de quantização as cores mais frequentes do histograma de frequência Ignora totalmente cores em regiões de baixa densidade do espaço de cor: pode excluir highlights.

32 Algoritmo do corte mediano Quantização por subdivisão espacial Objetivo: gerar uma imagem quantizada com histograma equalizado Algoritmo: Seja K o número de níveis de quantização e o volume mínimo contendo o espaço de cor. 1.Corte o lado mais comprido na mediana das coordenadas dos pontos 2.Continue cortando as sub-regiões até obter as K células de quantização.

33 Dithering Tipo de quantização em dois níveis Essencial para exibição de imagens em certos tipos de dispositivos de saída gráfica Objetivo: exibir imagens monocromáticas mantendo a informação dos tons intermediários quantizando em dois níveis. Motivação: o olho integra vizinhanças de luz, percebendo uma intensidade média das regiões.

34 Dithering Quantização com limiar constante A partir de um limiar de intensidades L 0, usa-se a regra: Se f(x,y) L 0, quantiza-se para 1 Senão, quantiza-se para 0. Quantização com limiar aleatório O limiar varia aleatoriamente (chamaremos de variável aleatória X), e usa-se a regra: Se f(x,y) X, quantiza-se para 1 Senão, quantiza-se para 0.

35 Codificação de imagens 1. Cabeçalho: a) Resolução espacial da imagem (m linhas, n colunas); b) Número de componentes do pixel; c) Número de bits de quantização por componente; 2. Matriz com os m n pixels.

36 Composição de imagens 0 (a) (b) (c) Fig Composição de imagens com redução. AND 1 Marcelo Gatas Redução do Papá Léguas para ser ser colocado na imagem são circo. ampliação Regiões associadas na imagem original e na transformada redução 3 2 Fig Regiões associadas na imagem original e na transformad 37

37 Amostragem - A etapa de amostragem corresponde a definir uma cor para cada retângulo correspondente a um pixel. 64x54 amostragem Marcelo Gatas Imagem de tons contínuos Imagem amostrada quantização 5*55, 1*55, 1*20, 1*22,. Imagem amostrada, quantizada e codificada codificação 64x54-16 cores Imagem amostrada e quantizada Amostragem, quantização e codificação. 12

38 Interpolação 38

39 Interpolação Denomina-se interpolação o método que permite construir um novo conjunto de dados a partir de um conjunto discreto de dados pontuais previamente conhecidos. amostragem pontual interpolação linear Interpolação de cores no triângulo

40 Interpolação Linear Método de interpolação que se utiliza de uma função linear p(x) (um polinômio de primeiro grau) para representar, por aproximação, uma suposta função f(x) que originalmente representaria as imagens de um intervalo descontínuo (ou degenerado) contido no domínio de f(x). A interpolação linear entre dois pontos (xa, ya) e (xb, yb) pode ser deduzida usando-se proporcionalidade: Daí: y y 0 x x 0 = y 1 y 0 x 1 x 0 y = y 0 +(y 1 y 0 ) x x 0 em um ponto (x, y). x 1 x 0

41 Coordenadas baricêntricas no triângulo As coordenadas baricêntricas definem uma forma de representação de um ponto P no plano em função dos vértices P1, P2 e P3 do triângulo, de modo que a soma das coordenadas baricêntricas deste ponto seja igual a um, ou seja: P3 P = u P 1 + v P 2 + w P 3, u + v + w =1, onde u,v,w são as coordenadas baricêntricas de P relativas ao triângulo P1P2P3. P Interpretação por área de triângulos u = area(pp 2P 3 ) area(p 1 P 2 P 3 ) v = area(p 1PP 3 ) area(p 1 P 2 P 3 ) w = area(p 1P 2 P ) area(p 1 P 2 P 3 ) onde P1 area(p 1 P 2 P 3 )= 1 2 k ~ P 1P 2 ~ P 1P 3k P2

42 Coordenadas baricêntricas no triângulo Seja P = u P 1 + v P 2 + w P 3. Sejam conhecidos f(p 1 ),f(p 2 ),f(p 3 ). Temos: f(p )=u f(p 1 )+v f(p 2 )+w f(p 3 ). P3 P P1 P2

43 Interpolação Bilinear Extensão da interpolação linear para interpolar funções de duas variáveis em uma grade regular. A idéia-chave é a realização da interpolação linear, primeiro em uma direção, e depois novamente na outra direção. Suponha que queremos encontrar o valor da função desconhecida f no ponto P = (x, y). Supõe-se que sabemos o valor de f em quatro pontos Q11 = (x1, y1), Q12 = (x1, y2), Q21 = (x2, y1) e Q22= (x2, y2). 1 - Interpolação linear na direção x: f(r 1 ) (x 2 x) (x 2 x 1 ) f(q 11)+ (x x 1) (x 2 x 1 ) f(q 21) f(r 2 ) (x 2 x) (x 2 x 1 ) f(q 12)+ (x x 1) (x 2 x 1 ) f(q 22) onde R1 = (x,y1), e R2 = (x,y2). 2 - Interpolação linear na direção y: f(p ) (y2 y) (y 2 y 1 ) f(r 1)+ (y y 1) (y 2 y 1 ) f(r 2).

44 Interpolação Bilinear f(r 1 ) (x 2 x) (x 2 x 1 ) f(q 11)+ (x x 1) (x 2 x 1 ) f(q 21) f(r 2 ) (x 2 x) (x 2 x 1 ) f(q 12)+ (x x 1) (x 2 x 1 ) f(q 22) f(p ) (y2 y) (y 2 y 1 ) f(r 1)+ (y y 1) (y 2 y 1 ) f(r 2). ou seja: f(x, y) f(q 11 ) (x 2 x 1 )(y 2 y 1 ) (x 2 x)(y2 y) f(q 21 ) (x 2 x 1 )(y 2 y 1 ) (x x 1)(y2 y) f(q 12 ) (x 2 x 1 )(y 2 y 1 ) (x 2 x)(y y 1 ) f(q 22 ) (x 2 x 1 )(y 2 y 1 ) (x x 1)(y y 1 )

Universidade Federal de Alagoas Instituto de Matemática. Imagem. Prof. Thales Vieira

Universidade Federal de Alagoas Instituto de Matemática. Imagem. Prof. Thales Vieira Universidade Federal de Alagoas Instituto de Matemática Imagem Prof. Thales Vieira 2014 O que é uma imagem digital? Imagem no universo físico Imagem no universo matemático Representação de uma imagem Codificação

Leia mais

Objetos Gráficos Espaciais

Objetos Gráficos Espaciais Universidade Federal de Alagoas Instituto de Matemática Objetos Gráficos Espaciais Prof. Thales Vieira 2014 Objetos Gráficos Espaciais f : U R m 7! R 3 Universo físico Objetos gráficos Representação de

Leia mais

Transformada de Discreta de Co senos DCT

Transformada de Discreta de Co senos DCT Transformada de Discreta de Co senos DCT O primeiro passo, na maioria dos sistemas de compressão de imagens e vídeo, é identificar a presença de redundância espacial (semelhança entre um pixel e os pixels

Leia mais

Universidade Federal de Alagoas Instituto de Matemática. Cor. Prof. Thales Vieira

Universidade Federal de Alagoas Instituto de Matemática. Cor. Prof. Thales Vieira Universidade Federal de Alagoas Instituto de Matemática Cor Prof. Thales Vieira 2014 O que é cor? Cor no universo físico Cor no universo matemático Representação de cor Especificação de cor Colorimetria

Leia mais

Introdução ao Processamento de Imagens Digitais Aula 01

Introdução ao Processamento de Imagens Digitais Aula 01 Introdução ao Processamento de Imagens Digitais Aula 01 Douglas Farias Cordeiro Universidade Federal de Goiás 06 de julho de 2015 Mini-currículo Professor do curso Gestão da Informação Formação: Graduação

Leia mais

Propriedades da Imagem Amostragem & Quantização (Quantificação) Histograma Imagem Colorida x Imagem Monocromática. Propriedades da Imagem

Propriedades da Imagem Amostragem & Quantização (Quantificação) Histograma Imagem Colorida x Imagem Monocromática. Propriedades da Imagem Proc. Imagem Prof. Júlio C. Klafke [1] TÓPICOS DESENVOLVIDOS NESTE MÓDULO PROCESSAMENTO DE IMAGEM #02 Propriedades da Imagem Amostragem & Quantização (Quantificação) Histograma Imagem Colorida x Imagem

Leia mais

Introdução ao Processamento Digital de Imagens. Aula 6 Propriedades da Transformada de Fourier

Introdução ao Processamento Digital de Imagens. Aula 6 Propriedades da Transformada de Fourier Introdução ao Processamento Digital de Imagens Aula 6 Propriedades da Transformada de Fourier Prof. Dr. Marcelo Andrade da Costa Vieira mvieira@sc.usp.br Uma linha de uma imagem formada por uma sequência

Leia mais

Aula 2 Aquisição de Imagens

Aula 2 Aquisição de Imagens Processamento Digital de Imagens Aula 2 Aquisição de Imagens Prof. Dr. Marcelo Andrade da Costa Vieira mvieira@sc.usp.br EESC/USP Fundamentos de Imagens Digitais Ocorre a formação de uma imagem quando

Leia mais

7. Color Image Processing

7. Color Image Processing Transformação de níveis de cinza para cor a idéia por trás desta técnica é executar 3 transformações independentes sobre níveis de cinza dos pixels de uma imagem de entrada. Cada cor é transformada independentemente

Leia mais

Compressão de Imagens Usando Wavelets: Uma Solução WEB para a Codificação EZW Utilizando JAVA. Utilizando JAVA. TCC - Monografia

Compressão de Imagens Usando Wavelets: Uma Solução WEB para a Codificação EZW Utilizando JAVA. Utilizando JAVA. TCC - Monografia Compressão de Imagens Usando Wavelets: Uma Solução WEB para a Codificação EZW Utilizando JAVA TCC - Monografia Wanderson Câmara dos Santos Orientador : Prof. Dr. Luiz Felipe de Queiroz Silveira 1 Departamento

Leia mais

Capítulo 3 VISÃO COMPUTACIONAL

Capítulo 3 VISÃO COMPUTACIONAL Capítulo 3 VISÃO COMPUTACIONAL Capítulo 3 3.1. Principais Etapas de um Sistema de Visão Computacional 3.2. Visão Humana X Computacional 3.3. A Imagem Digital 3.4. Histograma de imagem digital 3.5. Sistemas

Leia mais

ESTATÍSTICA. x(s) W Domínio. Contradomínio

ESTATÍSTICA. x(s) W Domínio. Contradomínio Variáveis Aleatórias Variáveis Aleatórias são funções matemáticas que associam números reais aos resultados de um Espaço Amostral. Uma variável quantitativa geralmente agrega mais informação que uma qualitativa.

Leia mais

Processamento de Malhas Poligonais

Processamento de Malhas Poligonais Processamento de Malhas Poligonais Tópicos Avançados em Computação Visual e Interfaces I Prof.: Marcos Lage www.ic.uff.br/~mlage mlage@ic.uff.br Conteúdo: Notas de Aula Curvas 06/09/2015 Processamento

Leia mais

Triangulação de Delauney

Triangulação de Delauney Triangulação de Delauney Um pedaço da superfície terrestre é chamado de terreno. Um terreno é uma superfície 2-dimensional em um espaço 3-dimensional com uma propriedade especial: cada linha vertical intercepta

Leia mais

Radiométricas. Alexandre Xavier Falcão. Instituto de Computação - UNICAMP

Radiométricas. Alexandre Xavier Falcão. Instituto de Computação - UNICAMP Operações Matemáticas e Transformações Radiométricas Instituto de Computação - UNICAMP afalcao@ic.unicamp.br Operações Matemáticas Sejam Î = (D I, I ) e Ĵ = (D J, J) duas imagens cinzas de mesmo domínio,

Leia mais

Universidade Federal de Goiás Instituto de Informática Processamento Digital de Imagens

Universidade Federal de Goiás Instituto de Informática Processamento Digital de Imagens Universidade Federal de Goiás Instituto de Informática Processamento Digital de Imagens Prof Fabrízzio Alphonsus A M N Soares 2012 Capítulo 2 Fundamentos da Imagem Digital Definição de Imagem: Uma imagem

Leia mais

Imagens. jorge s. marques, imagens: o que são? onde vivem? como se relacionam?

Imagens. jorge s. marques, imagens: o que são? onde vivem? como se relacionam? Imagens imagens: o que são? onde vivem? como se relacionam? imagem Uma imagem traduz a evolução de grandezas intensidade, cor, reflectância, condutividade num plano. superfície de intensidade Ix O que

Leia mais

AGRUPAMENTO DE ESCOLAS DR. VIEIRA DE CARVALHO

AGRUPAMENTO DE ESCOLAS DR. VIEIRA DE CARVALHO AGRUPAMENTO DE ESCOLAS DR. VIEIRA DE CARVALHO DEPARTAMENTO DE MATEMÁTICA E CIÊNCIAS EXPERIMENTAIS MATEMÁTICA 7.º ANO PLANIFICAÇÃO GLOBAL Múltiplos e divisores. Critérios de divisibilidade. - Escrever múltiplos

Leia mais

AGRUPAMENTO DE ESCOLAS DR. VIEIRA DE CARVALHO DEPARTAMENTO DE MATEMÁTICA E CIÊNCIAS EXPERIMENTAIS MATEMÁTICA PLANIFICAÇÃO ANUAL 7.

AGRUPAMENTO DE ESCOLAS DR. VIEIRA DE CARVALHO DEPARTAMENTO DE MATEMÁTICA E CIÊNCIAS EXPERIMENTAIS MATEMÁTICA PLANIFICAÇÃO ANUAL 7. AGRUPAMENTO DE ESCOLAS DR. VIEIRA DE CARVALHO DEPARTAMENTO DE MATEMÁTICA E CIÊNCIAS EXPERIMENTAIS MATEMÁTICA PLANIFICAÇÃO ANUAL 7.º ANO ANO LECTIVO 2009/2010 DOMÍNIO TEMÁTICO: NÚMEROS E CÁLCULO 1.º PERÍODO

Leia mais

Mídias Discretas. Introdução à Ciência da Informação

Mídias Discretas. Introdução à Ciência da Informação Mídias Discretas Introdução à Ciência da Informação Mídias Discretas Mídias discretas (estáticas) Texto Gráficos e Imagens Estáticas Caracteres são convertidos para uma representação com um número fixo

Leia mais

Funções Geradoras de Variáveis Aleatórias. Simulação Discreta de Sistemas - Prof. Paulo Freitas - UFSC/CTC/INE

Funções Geradoras de Variáveis Aleatórias. Simulação Discreta de Sistemas - Prof. Paulo Freitas - UFSC/CTC/INE Funções Geradoras de Variáveis Aleatórias 1 Funções Geradoras de Variáveis Aleatórias Nos programas de simulação existe um GNA e inúmeras outras funções matemáticas descritas como Funções Geradoras de

Leia mais

AGRUPAMENTO DE ESCOLAS ANSELMO DE ANDRADE

AGRUPAMENTO DE ESCOLAS ANSELMO DE ANDRADE AGRUPAMENTO DE ESCOLAS ANSELMO DE ANDRADE DEPARTAMENTO DE MATEMÁTICA E CIÊNCIAS EXPERIMENTAIS - Grupo 500 Planificação Anual /Critérios de avaliação Disciplina: Matemática _ 7º ano 2016/2017 Início Fim

Leia mais

Processamento de Imagem. Filtragem no Domínio Espacial Professora Sheila Cáceres

Processamento de Imagem. Filtragem no Domínio Espacial Professora Sheila Cáceres Processamento de Imagem Filtragem no Domínio Espacial Professora Sheila Cáceres Filtragem A filtragem de imagens pode ser realizada no domínio do espaço e da frequência Operadores de filtragem são classificados

Leia mais

Variáveis Aleatórias. Prof. Luiz Medeiros Departamento de Estatística - UFPB

Variáveis Aleatórias. Prof. Luiz Medeiros Departamento de Estatística - UFPB Variáveis Aleatórias Prof. Luiz Medeiros Departamento de Estatística - UFPB Introdução Ao descrever o espaço amostral de um experimento aleatório, não especificamos que um resultado individual seja um

Leia mais

Instituto de Computação Bacharelado em Ciência da Computação Disciplina: Computação Gráfica Primeira lista de exercícios

Instituto de Computação Bacharelado em Ciência da Computação Disciplina: Computação Gráfica Primeira lista de exercícios Instituto de Computação Bacharelado em Ciência da Computação Disciplina: Computação Gráfica Primeira lista de exercícios - 2013.1 Conceitos fundamentais 1) A Computação Gráfica é dividida em diversas sub-áreas.

Leia mais

Mudanças de Coordenadas em Sistemas de Cores

Mudanças de Coordenadas em Sistemas de Cores Mudanças de Coordenadas em Sistemas de Cores Bruno Teixeira Moreira e Emídio Augusto Arantes Macedo Ciência da Computação 1 o. Período Professor: Rodney Josué Biezuner Disciplina: Geometria Analítica e

Leia mais

Variáveis Aleatórias. Prof. Tarciana Liberal Departamento de Estatística - UFPB

Variáveis Aleatórias. Prof. Tarciana Liberal Departamento de Estatística - UFPB Variáveis Aleatórias Prof. Tarciana Liberal Departamento de Estatística - UFPB Introdução Ao descrever o espaço amostral de um experimento aleatório, não especificamos que um resultado individual seja

Leia mais

Ajuste de mínimos quadrados

Ajuste de mínimos quadrados Capítulo 5 Ajuste de mínimos quadrados 5 Ajuste de mínimos quadrados polinomial No capítulo anterior estudamos como encontrar um polinômio de grau m que interpola um conjunto de n pontos {{x i, f i }}

Leia mais

Processamento Digital de Imagens

Processamento Digital de Imagens Processamento Digital de Imagens Conceitos Básicos CPGCG/UFPR Prof. Dr. Jorge Centeno Realidade e imagem Uma imagem é a representação pictórica de um aspecto da realidade. Uma imagem não é idêntica à cena

Leia mais

Processamento Digital de Sinais:

Processamento Digital de Sinais: Processamento Digital de Sinais: Conceitos e Aplicações Joseana Macêdo Fechine Régis de Araújo IC-DSC-UFCG 1 Por que estudar PDS? 2 PDS Conceitos Básicos Sinais Padrões de variações que representam uma

Leia mais

Álgebra Linear Aplicada à Compressão de Imagens. Universidade de Lisboa Instituto Superior Técnico. Mestrado em Engenharia Aeroespacial

Álgebra Linear Aplicada à Compressão de Imagens. Universidade de Lisboa Instituto Superior Técnico. Mestrado em Engenharia Aeroespacial Álgebra Linear Aplicada à Compressão de Imagens Universidade de Lisboa Instituto Superior Técnico Uma Breve Introdução Mestrado em Engenharia Aeroespacial Marília Matos Nº 80889 2014/2015 - Professor Paulo

Leia mais

Matriz de Referência da área de Matemática Ensino Médio

Matriz de Referência da área de Matemática Ensino Médio Matriz de Referência da área de Matemática Ensino Médio C1 Utilizar o conhecimento sobre números e suas representações em situações relacionadas a operações matemáticas, grandezas e unidades de medidas.

Leia mais

As imagens. As imagens. Representação digital de imagens. As imagens Wilson de Pádua Paula Filho 1

As imagens. As imagens. Representação digital de imagens. As imagens Wilson de Pádua Paula Filho 1 As As As Dispositivos gráficos Resolução espacial de : pixel - unidade de imagem, usada para medir resolução gráfica; visão humana - cerca de 3000 x 3000 pixels; fotografia - até 8000 x 8000 pixels. 2001

Leia mais

António Costa. Paulo Roma Cavalcanti

António Costa. Paulo Roma Cavalcanti Introdução à Computação Gráfica Preâmbulo Adaptação: Autoria: João Paulo Pereira António Costa Claudio Esperança Paulo Roma Cavalcanti Computação Gráfica Modelos Matemáticos Análise (reconhecimento de

Leia mais

P L A N I F I C A Ç Ã 0 3 º C I C L O

P L A N I F I C A Ç Ã 0 3 º C I C L O P L A N I F I C A Ç Ã 0 3 º C I C L O 2015-2016 DISCIPLINA / ANO: Matemática / 8º Ano MANUAL ADOTADO: MATEMÁTICA EM AÇÃO 8 (E.B. 2,3) / MATEMÁTICA DINÂMICA 8 (SEDE) GESTÃO DO TEMPO 1º PERÍODO Nº de tempos

Leia mais

Matriz de Referência da área de Matemática Ensino Fundamental

Matriz de Referência da área de Matemática Ensino Fundamental Matemática EF Matriz de Referência da área de Matemática Ensino Fundamental C1 Utilizar o conhecimento numérico para operar e construir argumentos ao interpretar situações que envolvam informações quantitativas.

Leia mais

VARIÁVEIS ALEATÓRIAS

VARIÁVEIS ALEATÓRIAS UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA VARIÁVEIS ALEATÓRIAS Joaquim H Vianna Neto Relatório Técnico RTE-03/013 Relatório Técnico Série Ensino Variáveis

Leia mais

AGRUPAMENTO DE ESCOLAS ANSELMO DE ANDRADE

AGRUPAMENTO DE ESCOLAS ANSELMO DE ANDRADE AGRUPAMENTO DE ESCOLAS ANSELMO DE ANDRADE DEPARTAMENTO DE MATEMÁTICA E CIÊNCIAS EXPERIMENTAIS Grupo 500 Planificação Anual / Critérios de Avaliação Disciplina: Matemática _ 9.º ano 2016 / 2017 Início Fim

Leia mais

4 Extração direta das PELs

4 Extração direta das PELs 4 Extração direta das PELs A detecção de arestas em imagens está relacionada à extração de feições, sendo uma ferramenta fundamental em processamento de imagens e visão computacional. Essa detecção visa

Leia mais

Variáveis Aleatórias Discretas e Distribuição de Probabilidade

Variáveis Aleatórias Discretas e Distribuição de Probabilidade Variáveis Aleatórias Discretas e Distribuição de Probabilidades - parte IV 2012/02 1 Distribuição Poisson Objetivos Ao final deste capítulo você deve ser capaz de: Ententer suposições para cada uma das

Leia mais

APLICAÇÕES NA GEOMETRIA ANALÍTICA

APLICAÇÕES NA GEOMETRIA ANALÍTICA 4 APLICAÇÕES NA GEOMETRIA ANALÍTICA Gil da Costa Marques 4.1 Geometria Analítica e as Coordenadas Cartesianas 4. Superfícies 4..1 Superfícies planas 4.. Superfícies limitadas e não limitadas 4.3 Curvas

Leia mais

VISÃO COMPUTACIONAL. Nielsen Castelo Damasceno

VISÃO COMPUTACIONAL. Nielsen Castelo Damasceno VISÃO COMPUTACIONAL Nielsen Castelo Damasceno Visão Computacional A visão computacional lida com o desenvolvimento de bases teóricas e algorítmicas para as quais informações úteis do mundo real 3D podem

Leia mais

A computação aplicada à resolução de sistemas lineares

A computação aplicada à resolução de sistemas lineares Universidade Federal de Campina Grande Centro de Engenharia Elétrica e Informática Departamento de Sistemas e Computação Programa de Educação Tutorial (PET) A computação aplicada à resolução de sistemas

Leia mais

Ano lectivo 2010 / 2011 Conteúdos programáticos essenciais

Ano lectivo 2010 / 2011 Conteúdos programáticos essenciais Ano de escolaridade: 7º Área curricular disciplinar de Matemática 1. Números inteiros Números naturais Números primos e números compostos. Múltiplos e divisores de um número natural. Decomposição de um

Leia mais

MB-210 Probabilidade e Estatística

MB-210 Probabilidade e Estatística Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica MB-210 Probabilidade e Estatística Profa. Denise Beatriz Ferrari www.mec.ita.br/ denise denise@ita.br 2o. semestre/2013 Variáveis

Leia mais

CAPÍTULO 2 OPERADORES DE CASAMENTO DE PADRÕES

CAPÍTULO 2 OPERADORES DE CASAMENTO DE PADRÕES CAPÍTULO 2 OPERADORES DE CASAMENTO DE PADRÕES 2.1 INTRODUÇÃO Neste capítulo são apresentados os principais operadores de casamento de padrões encontrados na literatura. No Apêndice A, encontram se mais

Leia mais

VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADE

VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADE VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADE.1 INTRODUÇÃO Admita que, de um lote de 10 peças, 3 das quais são defeituosas, peças são etraídas ao acaso, juntas (ou uma a uma, sem reposição). Estamos

Leia mais

Nessa situação, a média dessa distribuição Normal (X ) é igual à média populacional, ou seja:

Nessa situação, a média dessa distribuição Normal (X ) é igual à média populacional, ou seja: Pessoal, trago a vocês a resolução da prova de Estatística do concurso para Auditor Fiscal aplicada pela FCC. Foram 10 questões de estatística! Não identifiquei possibilidade para recursos. Considero a

Leia mais

DEPARTAMENTO DE MATEMÁTICA E INFORMÁTICA DISCIPLINA: Matemática (8º Ano) METAS CURRICULARES/CONTEÚDOS ANO LETIVO 2016/

DEPARTAMENTO DE MATEMÁTICA E INFORMÁTICA DISCIPLINA: Matemática (8º Ano) METAS CURRICULARES/CONTEÚDOS ANO LETIVO 2016/ DEPARTAMENTO DE MATEMÁTICA E INFORMÁTICA DISCIPLINA: Matemática (8º Ano) METAS CURRICULARES/CONTEÚDOS ANO LETIVO 2016/2017... 1º Período Metas/ Objetivos Conceitos/ Conteúdos Aulas Previstas Geometria

Leia mais

FACULDADE PITÁGORAS DE LINHARES Prof. Esp. Thiago Magalhães

FACULDADE PITÁGORAS DE LINHARES Prof. Esp. Thiago Magalhães VETORES NO PLANO E NO ESPAÇO INTRODUÇÃO Cumpre de início, distinguir grandezas escalares das grandezas vetoriais. Grandezas escalares são aquelas que para sua perfeita caracterização basta informarmos

Leia mais

Cor. Márcio Bueno Fonte: Material do Prof. Claudio Esperança e do Prof. Paulo Roma Cavalcanti

Cor. Márcio Bueno Fonte: Material do Prof. Claudio Esperança e do Prof. Paulo Roma Cavalcanti Cor Márcio Bueno {cgtarde,cgnoite}@marciobueno.com) Fonte: Material do Prof. Claudio Esperança e do Prof. Paulo Roma Cavalcanti Cor O que é cor? Cor é uma sensação produzida no nosso cérebro pela luz que

Leia mais

y ds, onde ds é uma quantidade infinitesimal (muito pequena) da curva C. A curva C é chamada o

y ds, onde ds é uma quantidade infinitesimal (muito pequena) da curva C. A curva C é chamada o Integral de Linha As integrais de linha podem ser encontradas em inúmeras aplicações nas iências Eatas, como por eemplo, no cálculo do trabalho realizado por uma força variável sobre uma partícula, movendo-a

Leia mais

Gênesis S. Araújo Pré-Cálculo

Gênesis S. Araújo Pré-Cálculo Gênesis Soares Jaboatão, de de 2016. Estudante: PAR ORDENADO: Um par ordenado de números reais é o conjunto formado por dois números reais em determinada ordem. Os parênteses, em substituição às chaves,

Leia mais

Processamento e Análise de Imagens Médicas

Processamento e Análise de Imagens Médicas Processamento e Análise de Imagens Médicas Prof. Luiz Otávio Murta Junior 1 : Programa Fundamentos de imagem O modelo de imagem Brilho, contraste, luminância A imagem digital Quantização, amostragem e

Leia mais

1 Para expressar um ponto intermediário em função dos pontos extremos, precisamos

1 Para expressar um ponto intermediário em função dos pontos extremos, precisamos Resolução da Primeira Lista de Exercícios de Fundamentos de Computação Gráfica INF01047 Carlos Eduardo Ramisch Cartão 134657 Turma B Prof.ª Luciana Porcher Nedel Porto Alegre, 03 de abril de 2006. 1 Para

Leia mais

Derivadas Parciais Capítulo 14

Derivadas Parciais Capítulo 14 Derivadas Parciais Capítulo 14 DERIVADAS PARCIAIS 14.2 Limites e Continuidade Nesta seção, aprenderemos sobre: Limites e continuidade de vários tipos de funções. LIMITES E CONTINUIDADE Vamos comparar o

Leia mais

Cores em Imagens e Vídeo

Cores em Imagens e Vídeo Aula 05 Cores em Imagens e Vídeo Diogo Pinheiro Fernandes Pedrosa Universidade Federal Rural do Semiárido Departamento de Ciências Exatas e Naturais Ciência da Computação Ciência das Cores A cor é fundamentada

Leia mais

Filtragem. Processamento digital de imagens. CPGCG/UFPR Prof. Dr. Jorge Centeno

Filtragem. Processamento digital de imagens. CPGCG/UFPR Prof. Dr. Jorge Centeno Filtragem Processamento digital de imagens CPGCG/UFPR Prof. Dr. Jorge Centeno Operações de vizinhança (Filtros) Filtros lineares Filtro passa-baixas (suavização) Filtro passa-altas (realce) Filtros direcionais

Leia mais

Processamento de Imagem. Prof. MSc. André Yoshimi Kusumoto

Processamento de Imagem. Prof. MSc. André Yoshimi Kusumoto Processamento de Imagem Prof. MSc. André Yoshimi Kusumoto andrekusumoto.unip@gmail.com Filtragem de Imagens A utilização de filtros tem como objetivo melhorar a qualidade das imagens através da: ampliação

Leia mais

Conceitos básicos: Variável Aleatória

Conceitos básicos: Variável Aleatória : Variável Aleatória Variável aleatória (v.a.) valor numérico que é resultado de uma eperiência aleatória. Podemos ter variáveis aleatórias contínuas ou discretas. Eemplo 1: Suponha que lança duas moedas

Leia mais

8.º Ano. Planificação Matemática 16/17. Escola Básica Integrada de Fragoso 8.º Ano

8.º Ano. Planificação Matemática 16/17. Escola Básica Integrada de Fragoso 8.º Ano 8.º Ano Planificação Matemática 16/17 Escola Básica Integrada de Fragoso 8.º Ano Geometria e medida Números e Operações Domínio Subdomínio Conteúdos Objetivos gerais / Metas Dízimas finitas e infinitas

Leia mais

Cap. 4- Interpolação Numérica Definições. Censos de BH. Qual o número de habitantes na cidade de Belo Horizonte em 1975?

Cap. 4- Interpolação Numérica Definições. Censos de BH. Qual o número de habitantes na cidade de Belo Horizonte em 1975? Cap. 4- Interpolação Numérica 4.1. Definições Censos de BH População em BH (Habitantes,5,,, 1,5, 1,, 5, 194 196 198 Ano Ano 195 196 197 198 1991 1996 1 No. habitantes 5.74 68.98 1.5. 1.78.855..161.91.71.8.56.75.444

Leia mais

ROTEIRO: 1. Cap. 2 Plano Cartesiano; 2. Vetores.

ROTEIRO: 1. Cap. 2 Plano Cartesiano; 2. Vetores. ROTEIRO: 1. Cap. 2 Plano Cartesiano; 2. Vetores. Capítulo 2 Plano Cartesiano / Vetores: Plano Cartesiano Foi criado pelo matemático René Descartes, associando a geometria à álgebra. Desse modo, ele pôde

Leia mais

Aplicações Informáticas B 12º Ano

Aplicações Informáticas B 12º Ano Aplicações Informáticas B 12º Ano Prof. Adelina Maia 2013/2014 AIB_U4A 1 Bases sobre a teoria da cor aplicada aos sistemas digitais (red / Green / blue) Modelo CMYK (cyan / magenta / yellow + Black) Modelo

Leia mais

SUMÁRIO. Unidade 1 Matemática Básica

SUMÁRIO. Unidade 1 Matemática Básica SUMÁRIO Unidade 1 Matemática Básica Capítulo 1 Aritmética Introdução... 12 Expressões numéricas... 12 Frações... 15 Múltiplos e divisores... 18 Potências... 21 Raízes... 22 Capítulo 2 Álgebra Introdução...

Leia mais

Algoritmos geométricos

Algoritmos geométricos Algoritmos geométricos introdução a conceitos básicos de geometria computacional que serão abordados de forma mais avançada na disciplina Computação Gráfica disciplina de computação gráfica arquitetura

Leia mais

Calendarização da Componente Letiva

Calendarização da Componente Letiva Calendarização da Componente Letiva 2015/2016 7º Ano Matemática s 1º 2º 3º Número de aulas previstas (45 minutos) 61 50 48 Apresentação e Diagnóstico 2 Avaliação (preparação, fichas de avaliação e correção)

Leia mais

eixo das ordenadas y eixo das abscissas Origem 1º quadrante 2º quadrante O (0, 0) x 4º quadrante 3º quadrante

eixo das ordenadas y eixo das abscissas Origem 1º quadrante 2º quadrante O (0, 0) x 4º quadrante 3º quadrante PLANO CARTESIANO eixo das ordenadas y 2º quadrante 1º quadrante eixo das abscissas O (0, 0) x Origem 3º quadrante 4º quadrante y ordenado do ponto P 4 P P(3, 4) O 3 x abscissa do ponto P No caso, 3 e 4

Leia mais

Restauração de Imagens

Restauração de Imagens Restauração de Imagens Disciplina: Tópicos em Computação (Processamento Digital de Imagens) 1 / 30 Conceitos Preliminares O principal objetivo das técnicas de restauração é melhorar uma imagem em algum

Leia mais

Processamento Digital de Sinais. Conversão A/D e D/A. Prof. Dr. Carlos Alberto Ynoguti

Processamento Digital de Sinais. Conversão A/D e D/A. Prof. Dr. Carlos Alberto Ynoguti Processamento Digital de Sinais Conversão A/D e D/A Prof. Dr. Carlos Alberto Ynoguti Introdução A maioria dos sinais encontrados na natureza é contínua Para processá-los digitalmente, devemos: Converter

Leia mais

Agrupamento de Escolas de Águeda Escola Básica Fernando Caldeira

Agrupamento de Escolas de Águeda Escola Básica Fernando Caldeira Agrupamento de Escolas de Águeda Escola Básica Fernando Caldeira Currículo da disciplina de Matemática - 7ºano Unidade 1 Números inteiros Propriedades da adição de números racionais Multiplicação de números

Leia mais

Nº de aulas de 45 minutos previstas 66. 1º Período. 1- Isometrias Nº de aulas de 45 minutos previstas 18

Nº de aulas de 45 minutos previstas 66. 1º Período. 1- Isometrias Nº de aulas de 45 minutos previstas 18 Escola Secundária de Lousada Planificação anual disciplina de Matemática Ano: 8º Ano lectivo: 01-013 CALENDARIZAÇÃO Nº de aulas de 5 minutos previstas 1 1º Período º Período 3º Período 9 7 DISTRIBUIÇÃO

Leia mais

AGRUPAMENTO DE ESCOLAS

AGRUPAMENTO DE ESCOLAS AGRUPAMENTO DE ESCOLAS De CASTRO DAIRE Escola Secundária de Castro Daire Grupo de Recrutamento 00 MATEMÁTICA Ano letivo 202/203 Planificação Anual Disciplina: Matemática A Ano: 0º Carga horária semanal:

Leia mais

Processamento Digital de Imagens. Cor

Processamento Digital de Imagens. Cor Processamento Digital de Imagens Cor Em uma descrição física a cor está associada ao seu comprimento de onda. Ao se analisar o espectro eletromagnético na região do visível, os menores comprimentos de

Leia mais

Calendarização da Componente Letiva Ano Letivo 2016/2017

Calendarização da Componente Letiva Ano Letivo 2016/2017 AGRUPAMENTO DE ESCOLAS ANDRÉ SOARES (150952) Calendarização da Componente Letiva Ano Letivo 2016/2017 8º Ano Matemática Períodos 1º Período 2º Período 3º Período Número de aulas previstas (45 minutos)

Leia mais

P L A N I F I C A Ç Ã 0 E n s i n o S e c u n d á r i o

P L A N I F I C A Ç Ã 0 E n s i n o S e c u n d á r i o P L A N I F I C A Ç Ã 0 E n s i n o S e c u n d á r i o 206-207 DISCIPLINA / ANO: Matemática A - ºano MANUAL ADOTADO: NOVO ESPAÇO - Matemática A º ano GESTÃO DO TEMPO Nº de Nº de Nº de tempos tempos tempos

Leia mais

Eletromagnetismo I. Prof. Daniel Orquiza. Eletromagnetismo I. Prof. Daniel Orquiza de Carvalho

Eletromagnetismo I. Prof. Daniel Orquiza. Eletromagnetismo I. Prof. Daniel Orquiza de Carvalho de Carvalho Revisão Analise Vetorial e Sist. de Coord. Revisão básica álgebra vetorial e Sist. de Coordenadas (Páginas 1 a 22 no Livro texto) Objetivo: Introduzir notação que será usada neste e nos próximos

Leia mais

Daniel Queiroz VARIÁVEIS ALEATÓRIAS DISCRETAS

Daniel Queiroz VARIÁVEIS ALEATÓRIAS DISCRETAS Daniel Queiroz VARIÁVEIS ALEATÓRIAS DISCRETAS INTRODUÇÃO O que é uma variável aleatória? Um tipo de variável que depende do resultado aleatório de um experimento aleatório. Diz-se que um experimento é

Leia mais

3. Variáveis aleatórias

3. Variáveis aleatórias 3. Variáveis aleatórias Numa eperiência aleatória, independentemente de o seu espaço de resultados ser epresso numericamente, há interesse em considerar-se funções reais em Ω, denominadas por variáveis

Leia mais

ESCOLA SECUNDÁRIA FERREIRA DIAS

ESCOLA SECUNDÁRIA FERREIRA DIAS ESCOLA SECUNDÁRIA FERREIRA DIAS ENSINO RECORRENTE DE NÍVEL SECUNDÁRIO POR MÓDULOS CAPITALIZÁVEIS CURSO DE CIÊNCIAS E TECNOLOGIAS DISCIPLINA : MATEMÁTICA A ANO: 10.º - CONJUNTO DOS MÓDULOS 1-2-3 DURAÇÃO

Leia mais

Computação Gráfica - Imagem

Computação Gráfica - Imagem Universidade Federal de Santa Maria Departamento de Eletrônica e Computação Prof. Cesar Tadeu Pozzer Disciplina: Computação Gráfica 7/04/0 pozzer@inf.ufsm.br Computação Gráfica - Imagem Imagem É a materialização

Leia mais

Computação Gráfica - 12

Computação Gráfica - 12 Universidade Federal do Vale do São Francisco Curso de Engenharia da Computação Computação Gráfica - 12 jorge.cavalcanti@univasf.edu.br www.univasf.edu.br/~jorge.cavalcanti www.twitter.com/jorgecav Realismo

Leia mais

7º Ano. Planificação Matemática 2014/2015. Escola Básica Integrada de Fragoso 7º Ano

7º Ano. Planificação Matemática 2014/2015. Escola Básica Integrada de Fragoso 7º Ano 7º Ano Planificação Matemática 2014/2015 Escola Básica Integrada de Fragoso 7º Ano Domínio Subdomínio Conteúdos Objetivos gerais / Metas Números e Operações Números racionais - Simétrico da soma e da diferença

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Análise Exploratória de Dados As técnicas de análise exploratória de dados consistem em gráficos simples de desenhar que podem ser

Leia mais

Chamamos de evento qualquer subconjunto do espaço amostral: A é um evento A Ω.

Chamamos de evento qualquer subconjunto do espaço amostral: A é um evento A Ω. PROBABILIDADE 1.0 Conceitos Gerais No caso em que os possíveis resultados de um experimento aleatório podem ser listados (caso discreto), um modelo probabilístico pode ser entendido como a listagem desses

Leia mais

AULA 07 Distribuições Discretas de Probabilidade

AULA 07 Distribuições Discretas de Probabilidade 1 AULA 07 Distribuições Discretas de Probabilidade Ernesto F. L. Amaral 31 de agosto de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro:

Leia mais

PROCESSAMENTO DE IMAGENS COLORIDAS

PROCESSAMENTO DE IMAGENS COLORIDAS PROCESSAMENTO DE IMAGENS COLORIDAS Fundamentos da cor A visão da cor É a capacidade de um organismo ou máquina de distinguir objetos baseando-se nos comprimentos de onda (ou freqüências) da luz sendo refletida,

Leia mais

Variáveis aleatórias

Variáveis aleatórias Variáveis aleatórias Joaquim Neto joaquim.neto@ufjf.edu.br www.ufjf.br/joaquim_neto Departamento de Estatística - ICE Universidade Federal de Juiz de Fora (UFJF) Versão 3.0 Joaquim Neto (UFJF) ICE - UFJF

Leia mais

Metas/ Objetivos Conceitos/ Conteúdos Aulas Previstas

Metas/ Objetivos Conceitos/ Conteúdos Aulas Previstas DEPARTAMENTO DE MATEMÁTICA E INFORMÁTICA DISCIPLINA: Matemática A (11º Ano) METAS CURRICULARES/CONTEÚDOS... 1º Período (15 de setembro a 16 de dezembro) Metas/ Objetivos Conceitos/ Conteúdos Aulas Previstas

Leia mais

PLANO DE ENSINO Disciplina: Matemática 8º ano Professor(a): Gracivane Pessoa. Competências Habilidades Conteúdos. I Etapa

PLANO DE ENSINO Disciplina: Matemática 8º ano Professor(a): Gracivane Pessoa. Competências Habilidades Conteúdos. I Etapa PLANO DE ENSINO 2015 Disciplina: Matemática 8º ano Professor(a): Gracivane Pessoa I Etapa Competências Habilidades Conteúdos Revisão (breve) de conteúdos trabalhados anteriormente Construir significados

Leia mais

Prof. Dr. Engenharia Ambiental, UNESP

Prof. Dr. Engenharia Ambiental, UNESP INTRODUÇÃO A ESTATÍSTICA ESPACIAL Análise Exploratória dos Dados Estatística Descritiva Univariada Roberto Wagner Lourenço Roberto Wagner Lourenço Prof. Dr. Engenharia Ambiental, UNESP Estrutura da Apresentação

Leia mais

Estatística. Capítulo 3 - Parte 1: Variáveis Aleatórias Discretas. Professor Fernando Porto

Estatística. Capítulo 3 - Parte 1: Variáveis Aleatórias Discretas. Professor Fernando Porto Estatística Capítulo 3 - Parte 1: Variáveis Aleatórias Discretas Professor Fernando Porto Lançam-se 3 moedas. Seja X o número de ocorrências da face cara. O espaço amostral do experimento é: W = {(c,c,c),(c,c,r),(c,r,c),(c,r,r),(r,c,c),(r,c,r),(r,r,c),(r,r,r)}

Leia mais

- identificar operadores ortogonais e unitários e conhecer as suas propriedades;

- identificar operadores ortogonais e unitários e conhecer as suas propriedades; DISCIPLINA: ELEMENTOS DE MATEMÁTICA AVANÇADA UNIDADE 3: ÁLGEBRA LINEAR. OPERADORES OBJETIVOS: Ao final desta unidade você deverá: - identificar operadores ortogonais e unitários e conhecer as suas propriedades;

Leia mais

Figura disponível em: <http://soumaisenem.com.br/fisica/conhecimentos-basicos-e-fundamentais/grandezas-escalares-egrandezas-vetoriais>.

Figura disponível em: <http://soumaisenem.com.br/fisica/conhecimentos-basicos-e-fundamentais/grandezas-escalares-egrandezas-vetoriais>. n. 7 VETORES vetor é um segmento orientado; são representações de forças, as quais incluem direção, sentido, intensidade e ponto de aplicação; o módulo, a direção e o sentido caracterizam um vetor: módulo

Leia mais

Computação Gráfica Introdução

Computação Gráfica Introdução Computação Gráfica Introdução UniverCidade - Prof. Ismael H F Santos April 05 Prof. Ismael H. F. Santos - ismael@tecgraf.puc-rio.br 1 Considerações Gerais Objetivo: Discutir os principais conceitos eos

Leia mais

MATEMÁTICA - 8.º Ano. Ana Soares ) Catarina Coimbra

MATEMÁTICA - 8.º Ano. Ana Soares ) Catarina Coimbra Salesianos de Mogofores - 2016/2017 MATEMÁTICA - 8.º Ano Ana Soares (ana.soares@mogofores.salesianos.pt ) Catarina Coimbra (catarina.coimbra@mogofores.salesianos.pt ) Rota de aprendizage m por Projetos

Leia mais

Algoritmos de Compressão sem Perdas

Algoritmos de Compressão sem Perdas Algoritmos de Compressão sem Perdas (continuação) Aula 08 Diogo Pinheiro Fernandes Pedrosa Universidade Federal Rural do Semiárido Departamento de Ciências Exatas e Naturais Curso de Ciência da Computação

Leia mais

PERFIL DO ALUNO APRENDIZAGENS ESPECÍFICAS - 5.ºANO

PERFIL DO ALUNO APRENDIZAGENS ESPECÍFICAS - 5.ºANO EB 2.3 DE SÃO JOÃO DO ESTORIL 2016/17 MATEMÁTICA PERFIL DO ALUNO PERFIL DO ALUNO APRENDIZAGENS ESPECÍFICAS - 5.ºANO /DOMÍNIOS NUMEROS E OPERAÇÕES NO5 GEOMETRIA E MEDIDA GM5 ALG5 ORGANIZAÇÃO E TRATAMENTO

Leia mais

AGRUPAMENTO de ESCOLAS Nº1 de SANTIAGO do CACÉM Ano Letivo 2013/2014 PLANIFICAÇÃO ANUAL

AGRUPAMENTO de ESCOLAS Nº1 de SANTIAGO do CACÉM Ano Letivo 2013/2014 PLANIFICAÇÃO ANUAL AGRUPAMENTO de ESCOLAS Nº1 de SANTIAGO do CACÉM Ano Letivo 2013/2014 PLANIFICAÇÃO ANUAL Documento(s) Orientador(es): Programa e Metas de Aprendizagem e manual adoptado 3º CICLO MATEMÁTICA 7ºANO TEMAS/DOMÍNIOS

Leia mais

Distribuição de Probabilidade Conjunta

Distribuição de Probabilidade Conjunta . DISTRIBUIÇÃO DE ROBABILIDADE CONJUNTA O nosso estudo de variável aleatória e de suas funções de probabilidade até agora se restringiram a espaços amostrais unidimensionais nos quais os valores observados

Leia mais