Projeto e Análise de Algoritmos Aula 15: Classes de Complexidade P, NP (GPV 8.1,8.2)

Tamanho: px
Começar a partir da página:

Download "Projeto e Análise de Algoritmos Aula 15: Classes de Complexidade P, NP (GPV 8.1,8.2)"

Transcrição

1 Projeto e Aálse de Algortmos Aula 5: Classes de Complexdade P NP (GPV 8.8.2) DECOM/UFOP 202/2 5º. Período Aderso Almeda Ferrera Materal elaborado por: Adréa Iabrud Taares BCC24/202-2

2 BCC24/ Objetos Saber defr o que é um problema de busca e um problema de decsão Saber defr classes de complexdade P e NP Eteder a perguta P NP Bblografa GPV 8.8.2

3 Melhor Rota: Meu prmero emprego Você fo cotratado por uma empresa de dstrbução de produtos de lmpeza. Você será resposáel pelo sstema que gera as rotas para os 0 estabelecmetos ateddos. Seu chefe espera que ocê gere uma rota que passe uma úca ez por cada um dos estabelecmetos com a meor dstâca possíel.

4 Melhor Rota: Modelagem O modelo de seu problema é um grafo G=(VE): cada cdade é um ó = V cada aresta e = (j) tem um peso w(e) a dstâca etre os estabelecmetos. O problema de busca é: Ecotre um cclo C em G que passe por cada ó exatamete uma ez e teha tamaho mímo. E E j j C w w w C j ) ( ode são áldos ) ( m

5 Exemplo com 5 estabelecmetos Aurora Bacaão Camarada Dasdoa Eleo A A B C D E

6 Melhor Rota: Solução Gulosa Usado seus cohecmetos até o mometo ocê teta uma abordagem gulosa para achar a solução para o problema. Como o algortmo de Prm para meor árore seu algortmo sempre escolhe um oo értce para etrar o cclo baseado o peso das arestas para o últmo értce serdo.

7 Exemplo com 5 estabelecmetos A B C D E B A C Tamaho = A D E

8 Ifelzmete há uma solução melhor A B C D E B A C Tamaho = 0 A D E

9 Melhor Rota: Solução Ótma Exausta Após áras tetatas ocê se etrega e decde specoar todos os cclos possíes. Como exstem 9! cclos dferetes (todas as permutações de estabelecmetos) seu algortmo é O(!). Mas garatdamete a meor rota será detfcada. Você mplemeta seu algortmo e ecotra a rota um tempo bastate razoáel. Seu chefe e ocê fcam felzes.

10 Melhor Rota: A empresa se expade Boas otícas: seu algortmo gerou ecooma e com os oos estmetos o egóco está se expaddo e 20 oos estabelecmetos serão ateddos. Péssmas otícas: seu algortmo tão rápdo para os 0 estabelecmetos está executado há dos das com o oo grafo de 30 estabelecmetos e até agora ada! Por quê?????

11 Crescmeto de fuções de complexdade Fução de complexdade segudos Tamaho da Istâca do Problema segudos segudos segudos segudos segudos segudos segudos segudos 0008 segudos segudos 0027 segudos 0006 segudos 0064 segudos segudos 025 segudos segudos 026 segudos 5 0 segudos 32 segudos 243 segudos 7 mutos 52 mutos 30 mutos segudos 0 segudos 79 segudos 27 das 357 aos 366 séculos segudos 58 mutos 65 aos 3855 séculos séculos séculos

12 Será que a solução é comprar um computador melhor? Maor stâca que um computador resole em hora Computador Computador Fução de Computador 00x mas 000x mas complexdade Atual rápdo rápdo N 00 N 000 N 2 M 0 M 36 M 3 Z 464 Z 0 Z 5 W 25 W 398 W 2 X X X Y Y + 49 Y Tabelas tradas de Garey & Johso 979

13 É possíel resoler Melhor Rota? Você acha que ão pode obter uma solução ótma em tempo razoáel. Como ocê pode coecer seu chefe dsso? Não ache porque sou competete... Não ache porque é mpossíel! Não ache mas ehum desses outros pesqusadores reomadíssmos achou...

14 BCC24/ Problemas de busca É uma relação R etre stâcas e soluções. Verfcação Dadas uma stâca x e uma solução y do problema dee-se erfcar se (xy) є R. Algortmo C R sm ( x y) R C ( x y) R ão ( x y ) R Busca Dada uma stâca x do problema dee-se ecotrar uma solução y tal que (xy) є R. Algortmo F R y ( x y) R F ( x) R y ( x y ) R

15 BCC24/ Exemplos de Problemas de Busca Satsfabldade Caxero Vajate Maor camho etre dos értces Casameto 3D Programação Lear Itera Camho de Rudrata (Hamltoao) Hor 2-SAT Árore Geradora Míma Meor camho etre dos értces Casameto em grafo bpartdo Programação Lear Camho Eulerao

16 Otmzação x Decsão Problema de otmzação Problema de decsão (sm/ão) São equaletes etão só problemas de decsão 6 BCC24/20-2 E E j j C w w w C j ) ( ) ( m E E j j C b w w w C C j ) (? ) (

17 BCC24/ Classe NP Classe de problemas para os quas se cohece um algortmo de tempo polomal para C R. Por que classe? Cojuto ehum específco Por que algortmo? Equalêca polomal dos modelos (tese de Church- Turg) Por que tempo? Aálse asstótca Por caso Por que polomal? Acetáel a prátca Fechada sob áras operações

18 BCC24/ Defção de C R para ordeação Istâca: um etor A de elemetos teros Solução: uma permutação P dos díces ( a ) Represetação atraés de um etor P de posções Algortmo C R Recebe A e P como parâmetros Verfca se é permutação (lembre-se do lear ) Verfca se essa permutação resulta em uma sequêca ordeada (A[P[]] <= A[P[+]])

19 BCC24/ Exemplos de Problemas de Busca Satsfabldade Caxero Vajate Maor camho etre dos értces Casameto 3D Programação Lear Itera Camho de Rudrata (Hamltoao) Hor 2-SAT Árore Geradora Míma Meor camho etre dos értces Casameto em grafo bpartdo Programação Lear Camho Eulerao

20 BCC24/ Problema de Satsfabldade aráes lógcas (falso/erdadero) uma fórmula lógca com ad or e ot Cojução de dsjuções Exste uma atrbução para as aráes que tora a fórmula erdadera?

21 BCC24/ O problema de decsão da Melhor Rota pertece a NP? Exste um algortmo polomal que dados o grafo um lmte e uma permutação dos ós de etrada erfca se é uma solução? Quem ão pertece a NP? Problemas de otmzação!

22 BCC24/ Classe P Classe de problemas para os quas se cohece um algortmo de tempo polomal para F R

23 BCC24/ Exemplos de Problemas de Busca em P C Polomal F Expoecal Satsfabldade Caxero Vajate Maor camho etre dos értces Casameto 3D Programação Lear Itera Camho de Rudrata (Hamltoao) C e F Polomas Hor 2-SAT Árore Geradora Míma Meor camho etre dos értces Casameto em grafo bpartdo Programação Lear Camho Eulerao

24 BCC24/ Melhor rota pertece a P? Aparetemete ão pos ocê (que é quase um gêo) ão coseguu em projetar um algortmo em reduzr seu problema a outro que ocê cohece que teha solução polomal E daí???????

25 BCC24/ Relação de P e NP NP NP=P P Achar a solução de qualquer problema é tão fácl quato erfcar se ela exste?

26 BCC24/ Relação de P NP e SAT Cook(97) mostrou que o SAT é o problema mas dfícl detro dos NP ou seja todo problema em NP pode ser trasformado o SAT. Etão se o SAT pode ser resoldo em tempo polomal P = NP Agora amos defr os problemas tão dfíces quato o SAT ou seja trasformar o SAT em outro problema.

27 BCC24/ P = NP? Como formular esse problema? Achar uma classe de problemas tas que todos os problemas de NP podem ser polomalmete reduzdos a eles. NP-dfícl: tão ou mas dfíces que qualquer um em NP Achar uma classe de problemas em NP ode todos os problemas de NP podem ser polomalmete reduzdos a eles. NP-completo: em NP tão ou mas dfíces que qualquer outro em NP

28 NP BCC24/ P NP NP-dfícl e NP-completo P NP-completo D f c u l d a d e NP-dfícl

29 BCC24/ Problema de Satsfabldade (SAT) aráes lógcas (falso/erdadero) uma fórmula lógca com ad or e ot Cojução de dsjuções Exste uma atrbução para as aráes que tora a fórmula erdadera?

30 BCC24/ SAT como relação Istâca: fórmula lógca como etor de dsjuções Solução potecal: etor atrbução de F/V para aráes (TTT) Relação: para cada fórmula todas as atrbuções que a toram álda.

31 BCC24/ SAT está em NP Algortmo erfcador polomal

32 BCC24/ Cláusulas de Hor Cojução de cláusulas de dsjução com o máxmo uma aráel ão-egada Subcojuto de problemas de satsfabldade

33 BCC24/ Cláusulas de Hor: relação e NP Igual a SAT já que é subcojuto

34 BCC24/ Cláusulas de Hor está em P Apresetar algortmo resoledor polomal o tamaho da fórmula

35 BCC24/ SAT x Hor ou P = NP? Parecem guas Ambos em NP Hor também em P Até hoje guém mostrou que SAT está em P

36 BCC24/ O problema de Melhor Rota pertece a NP? Exste um algortmo polomal que dados o grafo um lmte e uma permutação dos ós de etrada erfca se é uma solução?

37 Otmzação x Decsão é PxNP? Problema de otmzação Problema de decsão (sm/ão) 37 BCC24/20-2 E E j j C w w w C j ) ( ) ( m E E j j C b w w w C C j ) (? ) (

38 BCC24/ Decsão a partr de otmzação m w( C) C w( C)? w w b w w

39 BCC24/ Otmzação a partr de decsão m w( C) C w( C)? w w b w w

40 BCC24/ Otmzação x Decsão Problema de otmzação (NP-dfícl) Verfcador é tão dfícl quato resoledor Problema de decsão (NP-completo) Verfcador parece ser mas fácl do que resoledor Fácl mostrar que está em NP (erfcador polomal) São polomalmete equaletes etão só problemas de decsão

41 BCC24/ O problema de decsão da Melhor Rota pertece a NP? Verfcador polomal com grafo lmte e permutação dos ós

42 BCC24/ Melhor rota pertece a P? Aparetemete ão pos ocê (que é quase um gêo) ão coseguu em projetar um algortmo em reduzr seu problema a outro que ocê cohece que teha solução polomal E daí???????

43 BCC24/ Relação de P e NP NP NP=P P Achar a solução de qualquer problema é tão fácl quato erfcar se ela exste?

44 BCC24/ Relação de P NP e SAT Cook(97) mostrou que o SAT é o problema mas dfícl detro dos NP ou seja todo problema em NP pode ser trasformado o SAT. Etão se o SAT pode ser resoldo em tempo polomal P = NP Agora amos defr os problemas tão dfíces quato o SAT ou seja trasformar o SAT em outro problema.

45 BCC24/ P = NP? Como formular esse problema? Achar uma classe de problemas tas que todos os problemas de NP podem ser polomalmete reduzdos a eles. NP-dfícl: tão ou mas dfíces que qualquer um em NP Achar uma classe de problemas em NP ode todos os problemas de NP podem ser polomalmete reduzdos a eles. NP-completo: em NP tão ou mas dfíces que qualquer outro em NP

46 Classe NP-completo Os problemas de busca a ersão decsão MAIS dfíces: todos se reduzem a eles todos são o mesmo problema dsfarçado Subcojuto de NP e ehum NPC possu solução polomal cohecda parece tratáel. Seu problema está NPC etão ou ocê ão cosegurá um algortmo polomal ou ocê gahará o Prêmo Turg!

47 NP BCC24/ P NP NP-dfícl e NP-completo P NP-completo D f c u l d a d e NP-dfícl

48 NP BCC24/ P = NP? DNPC temsolução polomal P NP Se P NP etão todo D em NPC é tratáel. Se D em NPC tem solução polomal etão P = NP. P NP = P NP-completo NP-dfícl NP-dfícl

49 BCC24/ Exste algum problema em NPcompleto (tratáel)? Cook mostrou que SAT é NP-completo ou seja que todos os problemas em NP podem ser reduzdos polomalmete ao SAT. Logo há fortes edêcas de que SAT é tratáel Isso fo feto utlzado a máqua de Turg ãodetermístca etão ão amos er a proa No lro-texto há uma outra ersão trasformado todos NP para Crcuto-SAT. Também ão eremos.

50 BCC24/ Redução polomal de problemas f e h são polomas Se A pode ser reduzdo polomalmete a B B é tão (ou mas) dfícl quato A. A P B O que ão pode acotecer é A ser expoecal e B polomal por exemplo (Por quê?)

51 BCC24/ Redução de Problemas Trasforma um problema A em outro B Istâca I de A em f(i) de B Algortmo resoledor de B Solução S=F B (f (I)) de B em h(s) de A T( A) T( f ) T( B) T( h)

52 Como mostrar problema A é P por redução?. Um algortmo resoledor polomal para B 2. Uma redução polomal (f e h) de A para B Se (A) (B) (f) ( g) ( A) BP e A P B etão AP max( (B) (f) ( g))

53 É possíel resoler Melhor Rota? Não sabemos mas se mostrarmos que ele pertece à classe dos problemas NP-completos há forte edêca de que ão exste um algortmo polomal para resolê-lo Etão como mostrar que é NP-completo?

54 Como mostrar problema é NP-Completo? O problema B é NPC e quero mostrar que A também é NPC. Se B NPCA NP e B P A etão A NPC Para um problema de busca ersão decsão:. Um algortmo polomal para erfcação 2. Uma redução polomal (f e h) de um problema NPC a ele

55 Melhor Rota: Proado que é NPC Vamos proar que Melhor Rota é NPC: Mostrado que ele é NP. Reduzdo polomalmete o problema do cclo hamltoao que é NPC a ele. Melhor Rota é uma stâca do cohecdo problema do Caxero Vajate (Traellg Salesma Problem TSP) que tem sprado o deseolmeto de úmeras abordages exatas e aproxmadas.

56 Melhor Rota Otmzação para Decsão 57 BCC24/20-2 E E j j C w w w C j ) ( ode são áldos ) ( m E E j j C b w C C j ) ( ode são áldos ) (

57 Melhor Rota Decsão é NP Algortmo checa se uma seqüêca de értces é solução para problema de decsão com lmte b. O algortmo é smples. Dada a seqüêca de ós da rota proposta : s ( ). É uma permutação. j j 2. Exste aresta etre ós cosecutos. E e( E e ) 3. A soma dos pesos das arestas tem que ser meor ou gual ao lmte. b we w e

58 BCC24/ Melhor Rota Decsão é NP

59 Ecotrado um problema NPC para ser reduzdo a Melhor Rota Exstem áros problemas NP-completos Graph theory. Coerg ad parttog.2 Subgraphs ad supergraphs.3 Vertex orderg.4 Iso- ad other morphsms.5 Mscellaeous 2 Network desg 2. Spag trees 2.2 Cuts ad coectty 2.3 Routg problems 2.4 Flow problems 2.5 Mscellaeous 2.6 Graph Drawg 3 Sets ad parttos 4 Storage ad retreal 5 Sequecg ad schedulg 6 Mathematcal programmg 7 Algebra ad umber theory 8 Games ad puzzles 9 Logc 0 Automata ad laguage theory Computatoal geometry 2 Program optmzato

60 BCC24/ Camho eulerao é P Leohard Euler (735) ascmeto de teora dos grafos Possíel percorrer todas as potes sem repetr? Exste camho que passe por cada aresta exatamete uma ez? Basta testar cardaldade dos értces!

61 Cclo Hamltoao ou de Rudrata é NP-Completo Redescoberto por Wllam Hamlto (857) físco astrôomo e matemátco. Dado um grafo G=(VE) exste um cclo que passa por cada értce exatamete uma ez? (CH)

62 Cclo Hamltoao -> Melhor Rota A partr do grafo G=(VE) do CH motamos o grafo da Melhor Rota da segute forma: G MR w j ( V E MR ) grafo 2 j j E E completo com Exste um CH em G se e somete se a melhor MR rota em G tem tamaho pos esse caso todas as arestas estaam orgalmete em G.

63 BCC24/ CH -> Melhor Rota CH (A) se reduz polomalmete a MR (B) Istâca I de A em f(i) de B Algortmo resoledor de B Solução S=F B (f (I)) de B em h(s) de A T( A) T( f ) T( B) T( h)

64 Trasformado CH em MR A A B C B C D E D E

65 Solucoado MR e CH A A B C B C D E D E

66 Melhor rota é tratáel! Muto bem ocê pode mostrar para seu chefe que é bastate mproáel que algum algortmo ofereça a solução ótma de roteameto. Cotudo como ocê agora sabe que esse é um cohecdo problema TSP é hora de procurar boas estratégas de exploração do espaço de solução ou soluções aproxmadas

67 Resumo Problemas que pertecem a P têm solução polomal. Problemas que pertecem a NP têm erfcação polomal. Problemas NP-Completos são os mas dfíces em NP. Há fortes edêcas de que um NPC é tratáel. Para proar que um problema é tratáel: Algortmo erfcador polomal do problema a ersão decsão. Redução polomal de um NPC cohecdo ao oo problema.

Projeto e Análise de Algoritmos Aula 15: Classes de Complexidade P, NP (GPV 8.1,8.2)

Projeto e Análise de Algoritmos Aula 15: Classes de Complexidade P, NP (GPV 8.1,8.2) Projeto e Análse de Algortmos Aula 5: Classes de Complexdade P NP (GPV 8.8.2) DECOM/UFOP 203/ 5º. Período Anderson Almeda Ferrera Adaptado do materal elaborado por: Andréa Iabrud Taares BCC24/202-2 BCC24/20-2

Leia mais

Bruno Hott Algoritmos e Estruturas de Dados I DECSI UFOP. Aula 10: Ordenação

Bruno Hott Algoritmos e Estruturas de Dados I DECSI UFOP. Aula 10: Ordenação Bruo Hott Algortmos e Estruturas de Dados I DECSI UFOP Aula 10: Ordeação O Crtéro de Ordeação Ordea-se de acordo com uma chave: typedef t TChave; typedef struct{ TChave chave; /* outros compoetes */ Item;

Leia mais

2. MODELO DETALHADO: Relações de Recorrência. Exemplo: Algoritmo Recursivo para Cálculo do Fatorial Substituição Repetida

2. MODELO DETALHADO: Relações de Recorrência. Exemplo: Algoritmo Recursivo para Cálculo do Fatorial Substituição Repetida . MODELO DETALHADO: Relações de Recorrêca Exemplo: Algortmo Recursvo para Cálculo do Fatoral Substtução Repetda T T ( ) ( ) t 1, T ( + t, > T ( ) T ( + t T ( ) ( T( ) + t + t ) + t T ( ) T ( ) T ( ) +

Leia mais

MEDIDAS DE TENDÊNCIA CENTRAL I

MEDIDAS DE TENDÊNCIA CENTRAL I Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, edca Veterára, uscoterapa, Odotologa, Pscologa EDIDAS DE TENDÊNCIA CENTRAL I 7 7. EDIDAS DE

Leia mais

CAPÍTULO 5. Ajuste de curvas pelo Método dos Mínimos Quadrados

CAPÍTULO 5. Ajuste de curvas pelo Método dos Mínimos Quadrados CAPÍTULO Ajuste de curvas pelo Método dos Mímos Quadrados Ajuste Lear Smples (ou Regressão Lear); Ajuste Lear Múltplo (ou Regressão Lear Múltpla); Ajuste Polomal; Regressão Não Lear Iterpolação polomal

Leia mais

Exercícios - Sequências de Números Reais (Solução) Prof Carlos Alberto S Soares

Exercícios - Sequências de Números Reais (Solução) Prof Carlos Alberto S Soares Exercícos - Sequêcas de Números Reas (Solução Prof Carlos Alberto S Soares 1 Dscuta a covergêca da sequẽca se(2. Calcule, se exstr, lm se(2. Solução 1 Observe que se( 2 é lmtada e 1/ 0, portato lm se(2

Leia mais

Projeto e Análise de Algoritmos Recorrências. Prof. Humberto Brandão

Projeto e Análise de Algoritmos Recorrências. Prof. Humberto Brandão Projeto e Aálse de Algortmos Recorrêcas Prof. Humberto Bradão humberto@dcc.ufmg.br Uversdade Federal de Alfeas Laboratóro de Pesqusa e Desevolvmeto LP&D Isttuto de Cêcas Exatas ICEx versão da aula: 0.

Leia mais

MATEMÁTICA APLICADA AO PLANEJAMENTO DA PRODUÇÃO E LOGÍSTICA. Silvio A. de Araujo Socorro Rangel

MATEMÁTICA APLICADA AO PLANEJAMENTO DA PRODUÇÃO E LOGÍSTICA. Silvio A. de Araujo Socorro Rangel MATEMÁTICA APLICADA AO PLANEJAMENTO DA PRODUÇÃO E LOGÍSTICA Slvo A. de Arauo Socorro Ragel sarauo@blce.uesp.br, socorro@blce.uesp.br Apoo Facero: PROGRAMA Itrodução. Modelagem matemátca: cocetos báscos

Leia mais

Aula 9. Aula de hoje. Aula passada. Self-normalized Importance Sampling Gerando amostras complicadas Variância amostral Simulação

Aula 9. Aula de hoje. Aula passada. Self-normalized Importance Sampling Gerando amostras complicadas Variância amostral Simulação Aula 9 Aula passada Método da rejeção (rejecto samplg) Exemplos Importace Samplg Exemplos Geeralzação Aula de hoje Self-ormalzed Importace Samplg Gerado amostras complcadas Varâca amostral Smulação Importace

Leia mais

Construção e Análise de Gráficos

Construção e Análise de Gráficos Costrução e Aálse de Gráfcos Por que fazer gráfcos? Facldade de vsualzação de cojutos de dados Faclta a terpretação de dados Exemplos: Egehara Físca Ecooma Bologa Estatístca Y(udade y) 5 15 1 5 Tabela

Leia mais

Heurísticas e Heurísticas Construtivas

Heurísticas e Heurísticas Construtivas CORDENONSI, A.Z. Ambetes, Obetos e Dalogcdade: Uma Estratéga de Eso Superor em Heurístcas e Metaheurístcas. Tese de Doutorado: Programa de Pós-Graduação em Iformátca a Educação UFRGS, 2008. Heurístcas

Leia mais

Projeto de rede na cadeia de suprimentos

Projeto de rede na cadeia de suprimentos Projeto de rede a cadea de suprmetos Prof. Ph.D. Cláudo F. Rosso Egehara Logístca II Esboço O papel do projeto de rede a cadea de suprmetos Fatores que fluecam decsões de projeto de rede Modelo para decsões

Leia mais

Ordenação: Introdução e métodos elementares. Algoritmos e Estruturas de Dados II

Ordenação: Introdução e métodos elementares. Algoritmos e Estruturas de Dados II Ordeação: Itrodução e métodos elemetares Algortmos e Estruturas de Dados II Ordeação Objetvo: Rearrajar os tes de um vetor ou lsta de modo que suas chaves estejam ordeadas de acordo com alguma regra Estrutura:

Leia mais

Regressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança

Regressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança Regressão Smples Parte III: Coefcete de determação, regressão a orgem e método de máxma verossmlhaça Coefcete de determação Proporção da varabldade explcada pelo regressor. R Varação explcada Varação total

Leia mais

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12 MEDIDAS DE POSIÇÃO: São meddas que possbltam represetar resumdamete um cojuto de dados relatvos à observação de um determado feômeo, pos oretam quato à posção da dstrbução o exo dos, permtdo a comparação

Leia mais

Ex: Cálculo da média dos pesos dos terneiros da fazenda Canoas-SC, à partir dos dados originais: x = 20

Ex: Cálculo da média dos pesos dos terneiros da fazenda Canoas-SC, à partir dos dados originais: x = 20 . MEDIDAS DE TENDÊNCIA CENTRAL (OU DE POSIÇÃO) Coceto: São aquelas que mostram o alor em toro do qual se agrupam as obserações.. MÉDIA ARITMÉTICA ( ) Sea (x, x,..., x ), uma amostra de dados: Se os dados

Leia mais

Reconhecimento de Padrões. Reconhecimento de Padrões

Reconhecimento de Padrões. Reconhecimento de Padrões Recohecmeto de Padrões 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 Escola Superor de Tecologa Egehara Iformátca Recohecmeto de Padrões Prof. João Asceso e Prof. Aa Fred Sumáro:

Leia mais

Estatística. 2 - Estatística Descritiva

Estatística. 2 - Estatística Descritiva Estatístca - Estatístca Descrtva UNESP FEG DPD Prof. Edgard - 0 0- ESTATÍSTICA DESCRITIVA Possblta descrever as Varáves: DESCRIÇÃO GRÁFICA MEDIDAS DE POSIÇÃO MEDIDAS DE DISPERSÃO MEDIDAS DE ASSIMETRIA

Leia mais

1. Revisão Matemática

1. Revisão Matemática 1. Revsão Matemátca Dervadas Seja a fução f : R R, fxe x R, e cosdere a expressão : f ( x+ αe ) lmα 0 α f, ode e é o vector utáro. Se o lmte acma exstr, chama-se a dervada parcal de f o poto x e é represetado

Leia mais

Confiabilidade Estrutural

Confiabilidade Estrutural Professor Uversdade de Brasíla Departameto de Egehara Mecâca Programa de Pós graduação em Itegrdade Estrutural Algortmo para a Estmatva do Idce de Cofabldade de Hasofer-Ld Cofabldade Estrutural Jorge Luz

Leia mais

Números Complexos. 2. (IME) Seja z um número complexo de módulo unitário que satisfaz a condição z 2n 1, onde n é um número inteiro positivo.

Números Complexos. 2. (IME) Seja z um número complexo de módulo unitário que satisfaz a condição z 2n 1, onde n é um número inteiro positivo. Números Complexos. (IME) Cosdere os úmeros complexos Z se α cos α e Z cos α se α ode α é um úmero real. Mostre que se Z Z Z etão R e (Z) e I m (Z) ode R e (Z) e I m (Z) dcam respectvamete as partes real

Leia mais

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística BAC 0 - Estatístca Uversdade Federal de Itajubá - Campus Itabra BAC0 - ESTATÍSTICA ESTATÍSTICA DESCRITIVA MEDIDAS DE CENTRO Méda Medda de cetro ecotrada pela somatóra de todos os valores de um cojuto,

Leia mais

Difusão entre Dois Compartimentos

Difusão entre Dois Compartimentos 59087 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 4 Dfusão etre Dos Compartmetos A le de Fck para membraas (equação 4 da aula passada) mplca que a permeabldade de uma membraa a um soluto é dada pela razão

Leia mais

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1.

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1. Iterpolação Iterpolação é um método que permte costrur um ovo cojuto de dados a partr de um cojuto dscreto de dados potuas cohecdos. Em egehara e cêcas, dspõese habtualmete de dados potuas, obtdos a partr

Leia mais

Previsão de demanda quantitativa Regressão linear Regressão múltiplas Exemplos Exercícios

Previsão de demanda quantitativa Regressão linear Regressão múltiplas Exemplos Exercícios Objetvos desta apresetação Plaejameto de produção: de Demada Aula parte Mauro Osak TES/ESALQ-USP Pesqusador do Cetro de Estudos Avaçados em Ecooma Aplcada Cepea/ESALQ/USP de demada quattatva Regressão

Leia mais

7 Análise de covariância (ANCOVA)

7 Análise de covariância (ANCOVA) Plejameto de Expermetos II - Adlso dos Ajos 74 7 Aálse de covarâca (ANCOVA) 7.1 Itrodução Em algus expermetos, pode ser muto dfícl e até mpossível obter udades expermetas semelhtes. Por exemplo, pode-se

Leia mais

Econometria: 3 - Regressão Múltipla

Econometria: 3 - Regressão Múltipla Ecoometra: 3 - Regressão Múltpla Prof. Marcelo C. Mederos mcm@eco.puc-ro.br Prof. Marco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo de regressão

Leia mais

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD Dstrbuções Amostras Estatístca 8 - Dstrbuções Amostras 08- Dstrbuções Amostras Dstrbução Amostral de Objetvo: Estudar a dstrbução da população costtuída de todos os valores que se pode obter para, em fução

Leia mais

Como CD = DC CD + DC = 0

Como CD = DC CD + DC = 0 (9-0 www.eltecampas.com.br O ELITE RESOLVE IME 008 MATEMÁTICA - DISCURSIVAS MATEMÁTICA QUESTÃO Determe o cojuto-solução da equação se +cos = -se.cos se + cos = se cos ( se cos ( se se.cos cos + + = = (

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual Estatístca: Aplcação ao Sesorameto Remoto SER 04 - ANO 08 Estmação Potual Camlo Daleles Reó camlo@dp.pe.br http://www.dp.pe.br/~camlo/estatstca/ Iferêca Estatístca Cosdere o expermeto: retram-se 3 bolas

Leia mais

Tabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f

Tabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f Lsta de exercícos Gabarto e chave de respostas Estatístca Prof.: Nelse 1) Calcule 1, e para o segute cojuto de valores. A,1,8,0,11,,7,8,6,,9, 1 O úmero que correspode a 5% do rol é o valor. O úmero que

Leia mais

Oitava Lista de Exercícios

Oitava Lista de Exercícios Uversdade Federal Rural de Perambuco Dscpla: Matemátca Dscreta I Professor: Pablo Azevedo Sampao Semestre: 07 Otava Lsta de Exercícos Lsta sobre defções dutvas (recursvas) e prova por dução Esta lsta fo

Leia mais

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População ESTATÍSTICA STICA DESCRITIVA Prof. Lorí Val, Dr. val@mat.ufrgs.br http://.ufrgs.br/~val/ Orgazação; Resumo; Apresetação. Cojuto de dados: Amostra ou População Um cojuto de dados é resumdo de acordo com

Leia mais

1) Planejamento da Produção - Modelos de dimensionamento de lotes (lot sizing)

1) Planejamento da Produção - Modelos de dimensionamento de lotes (lot sizing) Departameto de Egehara de Produção UFPR 28 1) Plaeameto da Produção - Modelos de dmesoameto de lotes (lot szg) É cohecdo horzote de plaeameto T, dvddo em períodos; demada (geralmete varável) de cada tem

Leia mais

Atividades Práticas Supervisionadas (APS)

Atividades Práticas Supervisionadas (APS) Uversdade Tecológca Federal do Paraá Prof: Lauro Cesar Galvão Campus Curtba Departameto Acadêmco de Matemátca Cálculo Numérco Etrega: juto com a a parcal DATA DE ENTREGA: da da a PROVA (em sala de aula

Leia mais

Métodos iterativos. Capítulo O Método de Jacobi

Métodos iterativos. Capítulo O Método de Jacobi Capítulo 4 Métodos teratvos 41 O Método de Jacob O Método de Jacob é um procedmeto teratvo para a resolução de sstemas leares Tem a vatagem de ser mas smples de se mplemetar o computador do que o Método

Leia mais

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados 3.1. Meddas de Tedêca Cetral CAPÍTULO 3 MEDIDA DE TENDÊNCIA CENTRAL E VARIABILIDADE UFRG 1 Há váras meddas de tedêca cetral. Etre elas ctamos a méda artmétca, a medaa, a méda harmôca, etc. Cada uma dessas

Leia mais

Introdução à Teoria dos Números Notas 1 Os Princípios da Boa Ordem e de Indução Finita Prof Carlos Alberto S Soares

Introdução à Teoria dos Números Notas 1 Os Princípios da Boa Ordem e de Indução Finita Prof Carlos Alberto S Soares Itrodução à Teora dos Números 018 - Notas 1 Os Prcípos da Boa Ordem e de Idução Fta Prof Carlos Alberto S Soares 1 Prelmares Neste curso, prortaramete, estaremos trabalhado com úmeros teros mas, quado

Leia mais

MAE116 Noções de Estatística

MAE116 Noções de Estatística Grupo C - º semestre de 004 Exercíco 0 (3,5 potos) Uma pesqusa com usuáros de trasporte coletvo a cdade de São Paulo dagou sobre os dferetes tpos usados as suas locomoções dáras. Detre ôbus, metrô e trem,

Leia mais

AULA Produto interno em espaços vectoriais reais ou complexos Produto Interno. Norma. Distância.

AULA Produto interno em espaços vectoriais reais ou complexos Produto Interno. Norma. Distância. Note bem: a letura destes apotametos ão dspesa de modo algum a letura ateta da bblografa prcpal da cadera Chama-se a ateção para a mportâca do trabalho pessoal a realzar pelo aluo resoledo os problemas

Leia mais

Cap. 5. Testes de Hipóteses

Cap. 5. Testes de Hipóteses Cap. 5. Testes de Hpóteses Neste capítulo será estudado o segudo problema da ferêca estatístca: o teste de hpóteses. Um teste de hpóteses cosste em verfcar, a partr das observações de uma amostra, se uma

Leia mais

MA12 - Unidade 4 Somatórios e Binômio de Newton Semana de 11/04 a 17/04

MA12 - Unidade 4 Somatórios e Binômio de Newton Semana de 11/04 a 17/04 MA1 - Udade 4 Somatóros e Bômo de Newto Semaa de 11/04 a 17/04 Nesta udade troduzremos a otação de somatóro, mostrado como a sua mapulação pode sstematzar e facltar o cálculo de somas Dada a mportâca de

Leia mais

Capítulo 8. Método de Rayleigh-Ritz

Capítulo 8. Método de Rayleigh-Ritz Grupo : Gustavo de Souza Routma; Luís Ferado Hachch de Souza; Ale Pascoal Palombo Capítulo 8. Método de Raylegh-Rtz 8.. Itrodução Nos problemas de apromação por dfereças ftas, para apromar a solução para

Leia mais

Problema de roteirização de veículos com entregas fracionadas: revisão da literatura

Problema de roteirização de veículos com entregas fracionadas: revisão da literatura XIII SIMPEP Bauru, SP, Brasl, 06 a 08 de Noembro de 2006 Problema de roterzação de eículos com etregas fracoadas: resão da lteratura Patríca Prado Belfore (Cetro Uerstáro da FEI) patrca.belfore@fe.edu.br

Leia mais

Sumário. Mecânica. Sistemas de partículas

Sumário. Mecânica. Sistemas de partículas umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - stemas de partículas e corpo rígdo. - Cetro de massa. - Como determar o cetro de massa dum sstema de partículas. - Vetor

Leia mais

Índice. Exemplo de minimização de estados mais complexo. estados

Índice. Exemplo de minimização de estados mais complexo. estados Sumáro Método da tabela de mplcações para mnmzar estados. Atrbução de códgos aos estados: métodos baseados em heurístcas. Índce Exemplo de mnmzação de estados mas complexo Método da tabela de mplcações

Leia mais

PLANO PROBABILIDADES Professora Rosana Relva DOS. Números Inteiros e Racionais COMPLEXOS NÚMEROS COMPLEXOS NÚMEROS COMPLEXOS NÚMEROS COMPLEXOS

PLANO PROBABILIDADES Professora Rosana Relva DOS. Números Inteiros e Racionais COMPLEXOS NÚMEROS COMPLEXOS NÚMEROS COMPLEXOS NÚMEROS COMPLEXOS Professor Luz Atoo de Carvalho PLANO PROBABILIDADES Professora Rosaa Relva DOS Números Iteros e Racoas COMPLEXOS rrelva@globo.com Número s 6 O Número Por volta de 00 d.c a mpressão que se tha é que, com

Leia mais

Complexidade Computacional da Determinação da Correspondência entre Imagens

Complexidade Computacional da Determinação da Correspondência entre Imagens Complexdade Computacoal da Determação da Correspodêca etre Images Adraa Karlstroem Laboratóro de Sstemas Embarcados Departameto de Egehara Mecatrôca Escola Poltécca da Uversdade de São Paulo adraa.karlstroem@pol.usp.br

Leia mais

NOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling

NOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling 4 INFERÊNCIA SOBRE O VETOR DE MÉDIAS 4. TESTE PARA UM VETOR DE MÉDIAS µ Lembrado o caso uvarado: H : µ = µ H : µ µ Nível de sgfcâca: α Estatístca do teste: X µ t = s/ ~ t Decsão: se t > t - (α/) rejeta-se

Leia mais

Sumário. Mecânica. Sistemas de partículas

Sumário. Mecânica. Sistemas de partículas Sumáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - Sstemas de partículas e corpo rígdo. - Cetro de massa. - Como determar o cetro de massa dum sstema de partículas. -

Leia mais

4- Método de Diferenças Finitas Aplicado às Equações Diferenciais Parciais.

4- Método de Diferenças Finitas Aplicado às Equações Diferenciais Parciais. MÉTODOS NUMÉRICOS PARA EQUAÇÕES DIFERENCIAIS PARCIAIS 4- Método de Dereças Ftas Alcado às Equações Derecas Parcas. 4.- Aromação de Fuções. 4..- Aromação or Polômos: Iterolação. 4..- Ajuste de Dados: Mímos

Leia mais

Análise de Circuitos com Transístores Bipolares Parte I

Análise de Circuitos com Transístores Bipolares Parte I Teora dos rcutos e Fudametos de lectróca 1 Matéra Parte I Trasístores de jução bolares 2 Aálse de rcutos com Trasístores olares Parte I estrutura tos de trasístores e símbolo e setdos/olardades coecoas

Leia mais

Apostila de Introdução Aos Métodos Numéricos

Apostila de Introdução Aos Métodos Numéricos Apostla de Itrodução Aos Métodos Numércos PARTE III o Semestre - Pro a. Salete Souza de Olvera Buo Ídce INTERPOAÇÃO POINOMIA...3 INTRODUÇÃO...3 FORMA DE AGRANGE... 4 Iterpolação para potos (+) - ajuste

Leia mais

Capítulo V - Interpolação Polinomial

Capítulo V - Interpolação Polinomial Métodos Numércos C Balsa & A Satos Capítulo V - Iterpolação Polomal Iterpolação Cosdere o segute couto de dados: x : x0 x x y : y y y 0 m m Estes podem resultar de uma sequêca de meddas expermetas, ode

Leia mais

RESUMO E EXERCÍCIOS NÚMEROS COMPLEXOS ( )

RESUMO E EXERCÍCIOS NÚMEROS COMPLEXOS ( ) NÚMEROS COMPLEXOS Forma algébrca e geométrca Um úmero complexo é um úmero da forma a + b, com a e b reas e = 1 (ou, = -1), chamaremos: a parte real; b parte magára; e udade magára. Fxado um sstema de coordeadas

Leia mais

Centro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola

Centro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola Cetro de Cêcas Agráras e Ambetas da UFBA Departameto de Egehara Agrícola Dscpla: AGR Boestatístca Professor: Celso Luz Borges de Olvera Assuto: Estatístca TEMA: Somatóro RESUMO E NOTAS DA AULA Nº 0 Seja

Leia mais

MÓDULO 8 REVISÃO REVISÃO MÓDULO 1

MÓDULO 8 REVISÃO REVISÃO MÓDULO 1 MÓDULO 8 REVISÃO REVISÃO MÓDULO A Estatístca é uma técca que egloba os métodos cetícos para a coleta, orgazação, apresetação, tratameto e aálse de dados. O objetvo da Estatístca é azer com que dados dspersos

Leia mais

? Isso é, d i= ( x i. . Percebeu que

? Isso é, d i= ( x i. . Percebeu que Estatístca - Desvo Padrão e Varâca Preparado pelo Prof. Atoo Sales,00 Supoha que tehamos acompahado as otas de quatro aluos, com méda 6,0. Aluo A: 4,0; 6,0; 8,0; méda 6,0 Aluo B:,0; 8,0; 8,0; méda 6,0

Leia mais

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão Estatístca Descrtva Meddas estatístcas: Localzação, Dspersão Meddas estatístcas Localzação Dspersão Meddas estatístcas - localzação Méda artmétca Dados ão agrupados x x Dados dscretos agrupados x f r x

Leia mais

50 Logo, Número de erros de impressão

50 Logo, Número de erros de impressão Capítulo 3 Problema. (a) Sedo o úmero médo de erros por pága, tem-se: 5 + + 3 + 3 + 4 33,66 5 5 Represetado o úmero medao de erros por md, tem-se, pela ordeação dos valores observados, que os valores de

Leia mais

Relatório 2ª Atividade Formativa UC ECS

Relatório 2ª Atividade Formativa UC ECS Relatóro 2ª Atvdade Formatva Eercíco I. Quado a dstrbução de dados é smétrca ou apromadamete smétrca, as meddas de localzação méda e medaa, cocdem ou são muto semelhates. O mesmo ão acotece quado a dstrbução

Leia mais

15/03/2012. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações

15/03/2012. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações Itrodução.1 Juros Smples Juro: recompesa pelo sacrfíco de poupar o presete, postergado o cosumo para o futuro Maora das taxas de uros aplcadas o mercado facero são referecadas pelo crtéro smples Determa

Leia mais

Distribuições de Probabilidades

Distribuições de Probabilidades Estatístca - aulasestdstrnormal.doc 0/05/06 Dstrbuções de Probabldades Estudamos aterormete as dstrbuções de freqüêcas de amostras. Estudaremos, agora, as dstrbuções de probabldades de populações. A dstrbução

Leia mais

8 Programação linear 78

8 Programação linear 78 8 Programação lear 78 8 Programação lear A programação lear cosderou duas fuções objetvo: (a) maxmzação da comercalzação do gás e (b) mmzação das perdas (recetas e multas cotratuas). Foram dealzados dos

Leia mais

Avaliação de Empresas Profa. Patricia Maria Bortolon

Avaliação de Empresas Profa. Patricia Maria Bortolon Avalação de Empresas MODELO DE DIVIDENDOS Dvdedos em um estáo DDM Dscouted Dvded Model Muto utlzados a precfcação de uma ação em que o poto de vsta do vestdor é extero à empresa e eralmete esse vestdor

Leia mais

Diferenciais Ordinárias. Reginaldo J. Santos Departamento de Matemática-ICEx Universidade Federal de Minas Gerais

Diferenciais Ordinárias. Reginaldo J. Santos Departamento de Matemática-ICEx Universidade Federal de Minas Gerais Exstêca e Ucdade de Soluções de Equações Dferecas Ordáras Regaldo J Satos Departameto de Matemátca-ICEx Uversdade Federal de Mas Geras http://wwwmatufmgbr/ reg 10 de ulho de 2010 2 1 INTRODUÇÃO Sumáro

Leia mais

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados Capítulo : Ajuste de curvas pelo método dos mímos quadrados. agrama de dspersão No capítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas por uma taela de valores. Frequetemete o etato

Leia mais

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples.

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples. Estudo das relações etre peso e altura de estudates de estatístca através da aálse de regressão smples. Waessa Luaa de Brto COSTA 1, Adraa de Souza COSTA 1. Tago Almeda de OLIVEIRA 1 1 Departameto de Estatístca,

Leia mais

ALGORITMOS RANDÔMICOS

ALGORITMOS RANDÔMICOS SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a de ovembro de 00, Ro de Jaero/RJ XXXIV Smpóso Braslero de Pesqusa Operacoal Carlos Alberto Martho ALGORITMOS RANDÔMICOS EM OTIMIZAÇÃO COMBINATÓRIA mart@dcc.c.uff.br

Leia mais

CADERNO 1 (É permitido o uso de calculadora gráfica.)

CADERNO 1 (É permitido o uso de calculadora gráfica.) Proposta de teste de avalação [mao 09] Nome: Ao / Turma: N.º: Data: - - Não é permtdo o uso de corretor. Deves rscar aqulo que pretedes que ão seja classfcado. A prova clu um formuláro. As cotações dos

Leia mais

XLVI Pesquisa Operacional na Gestão da Segurança Pública

XLVI Pesquisa Operacional na Gestão da Segurança Pública XLVI Pesqusa Operacoal a Gestão da Seguraça Públca DISPOSIÇÃO DE FACILIDADES EM FILA DUPLA VIA PROGRAMAÇÃO INTEIRA MISTA Leoardo D. Secch Departameto de Matemátca Aplcada, UFES, 29932-540, São Mateus,

Leia mais

Disciplina: Análise Multivariada I Prof. Dr. Admir Antonio Betarelli Junior AULA 6.1

Disciplina: Análise Multivariada I Prof. Dr. Admir Antonio Betarelli Junior AULA 6.1 Dscpla: álse Multvaraa I Prof. Dr. mr too Betarell Juor UL 6. MÉTODO DE ESCLONMENTO MULTIDIMENSIONL (MDS) Proposto por Youg (987) esse métoo poe ser utlzao para agrupameto. É uma técca para represetar

Leia mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental.

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental. É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou Prof. Lorí Val, Dr. val@mat.ufrgs.r http://www.mat.ufrgs.r/~val/ expermetal. Numa relação expermetal os valores de uma das varáves

Leia mais

Regressao Simples. Parte II: Anova, Estimação Intervalar e Predição

Regressao Simples. Parte II: Anova, Estimação Intervalar e Predição egressao Smples Parte II: Aova, Estmação Itervalar e Predção Aálse de Varâca Nem todos os valores das amostras estão cotdos a reta de regressão, e quato mas afastados estverem por, a reta represetará a

Leia mais

Redução de Cook-Levin e Considerações Finais

Redução de Cook-Levin e Considerações Finais Redução de Cook-Levin e Considerações Finais André Vignatti DINF- UFPR Fechando o Ciclo de Reduções Nós reduzimos o SAT para diversos problemas de busca, como mostra a figura: Todos problemas NP CIRCUIT

Leia mais

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS No caítulo IV, Iterolação Polomal, estudamos uma forma de ldar com fuções matemátcas defdas or taelas de valores. Frequetemete, estas taelas são

Leia mais

5. Funções teste. L 2 ( )= {u :? ; Borel mensurável com u 2 dx < 8 }

5. Funções teste. L 2 ( )= {u :? ; Borel mensurável com u 2 dx < 8 } 5. Fções teste Até agora estvemos tratado tesvamete com a tegração. Uma cosa qe temos vsto é qe, cosderado espaços das, podemos pesar as fções como fcoas. Vamos rever brevemete esta déa. osdere a bola

Leia mais

Representação dos padrões. Tipos de atributos. Etapas do processo de agrupamento. 7.1 Agrupamento clássico. 7. Agrupamento fuzzy (fuzzy clustering)

Representação dos padrões. Tipos de atributos. Etapas do processo de agrupamento. 7.1 Agrupamento clássico. 7. Agrupamento fuzzy (fuzzy clustering) 7. Agrupaeto fuzzy (fuzzy clusterg) 7. Agrupaeto clássco Agrupaeto é a classfcação ão-supervsoada de padrões (observações, dados, objetos, eeplos) e grupos (clusters). Itutvaete, padrões seelhates deve

Leia mais

( ) Editora Ferreira - Toque de Mestre. Olá Amigos!

( ) Editora Ferreira - Toque de Mestre. Olá Amigos! Olá Amgos! Hoje coloco à dsposção de vocês aqu a seção Toque de Mestre da Edtora Ferrera (www.edtoraferrera.com.br) as questões de Matemátca Facera cobradas o últmo cocurso da axa Ecoômca Federal (EF),

Leia mais

Forma padrão do modelo de Programação Linear

Forma padrão do modelo de Programação Linear POGAMAÇÃO LINEA. Forma Padrão do Modelo de Programação Lear 2. elações de Equvalêca 3. Suposções da Programação Lear 4. Eemplos de Modelos de PPL 5. Suposções da Programação Lear 6. Solução Gráfca e Iterpretação

Leia mais

MÉTODO DOS MÍNIMOS QUADRADOS

MÉTODO DOS MÍNIMOS QUADRADOS MÉTODO DOS MÍNIMOS QUADRADOS I - INTRODUÇÃO O processo de medda costtu uma parte essecal a metodologa cetífca e também é fudametal para o desevolvmeto e aplcação da própra cêca. No decorrer do seu curso

Leia mais

Caracterização de Partículas. Prof. Gerônimo

Caracterização de Partículas. Prof. Gerônimo Caracterzação de Partículas Prof. Gerômo Aálse Graulométrca de partículas Tabela: Sére Padrão Tyler Mesh Abertura Lvre (cm) âmetro do fo () 2 ½ 0,7925 0,088 0,6680 0,070 ½ 0,56 0,065 4 0,4699 0,065

Leia mais

de uma variável em função da outra, por exemplo: Quantas vendas da Marca Philips na região Norte? Quantos homens são fumantes?

de uma variável em função da outra, por exemplo: Quantas vendas da Marca Philips na região Norte? Quantos homens são fumantes? Estatístca descrtva bdmesoal (Tabelas, Gráfcos e Estatístcas) Aálse bvarada (ou bdmesoal): avala o comportameto de uma varável em fução da outra, por exemplo: Quatas vedas da Marca Phlps a regão Norte?

Leia mais

5 Critérios para Análise dos Resultados

5 Critérios para Análise dos Resultados 5 Crtéros para Aálse dos Resultados Este capítulo tem por objetvos forecer os crtéros utlzados para aálse dos dados ecotrados a pesqusa, bem como uma vsão geral dos custos ecotrados e a forma de sua evolução

Leia mais

Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina:

Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina: Deartameto de Iformátca Dscla: do Desemeho de Sstemas de Comutação Processos de ascmeto e Morte Prof. Sérgo Colcher colcher@f.uc-ro.br Processos de ascmeto e Morte CMTC Homogêea a ual trasções acotecem

Leia mais

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL Faculdade de Tecologa de Cataduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL 5. Meddas de Posção cetral ou Meddas de Tedêca Cetral Meddas de posção cetral preocupam-se com a caracterzação e a

Leia mais

Computação das Medidas de Tendência Central e Dispersão Intervalares em Java

Computação das Medidas de Tendência Central e Dispersão Intervalares em Java V ERMAC-R o Ecotro Regoal de Matemátca Aplcada e Computacoal 9- de outubro de 00 Uersdade Potguar Natal/RN Computação das Meddas de Tedêca Cetral e Dspersão Iteralares em Jaa Laís M. Nees, Elaqum L. S.

Leia mais

Algoritmos de Interseções de Curvas de Bézier com Uma Aplicação à Localização de Raízes de Equações

Algoritmos de Interseções de Curvas de Bézier com Uma Aplicação à Localização de Raízes de Equações Algortmos de Iterseções de Curvas de Bézer com Uma Aplcação à Localzação de Raízes de Equações Rodrgo L.R. Madurera Programa de Pós-Graduação em Iformátca, PPGI, UFRJ 21941-59, Cdade Uverstára, Ilha do

Leia mais

Estudo do intervalo de confiança da regressão inversa utilizando o software R

Estudo do intervalo de confiança da regressão inversa utilizando o software R Estudo do tervalo de cofaça da regressão versa utlzado o software R Llae Lopes Cordero João Domgos Scalo. Itrodução Na maora das aplcações evolvedo regressão, determa-se o valor de Y correspodete a um

Leia mais

Arquitetura da ART Controle 1 Controle 2

Arquitetura da ART Controle 1 Controle 2 Teora de Ressoâca Adaptatva - ART Arqutetura da ART Cotrole Cotrole 2 Desevolvda por Carpeter e Grossberg como uma alteratva para resolver o dlema establdade-plastcdade (rede ão aprede ovos padrões). Realme

Leia mais

ESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano

ESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano ESTATÍSTICA Aula 7 Prof. Dr. Marco Atoo Leoel Caetao Dstrbuções de Probabldade DISCRETAS CONTÍNUAS (Números teros) Bomal Posso Geométrca Hper-Geométrca Pascal (Números reas) Normal t-studet F-Sedecor Gama

Leia mais

Revisão de Estatística X = X n

Revisão de Estatística X = X n Revsão de Estatístca MÉDIA É medda de tedêca cetral mas comumete usada ara descrever resumdamete uma dstrbução de freqüêca. MÉDIA ARIMÉTICA SIMPLES São utlzados os valores do cojuto com esos guas. + +...

Leia mais

UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO UNIVERSITÁRIO NORTE DO ESPÍRITO SANTO DEPARTAMENTO DE ENGENHARIAS E TECNOLOGIA Plano de Ensino

UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO UNIVERSITÁRIO NORTE DO ESPÍRITO SANTO DEPARTAMENTO DE ENGENHARIAS E TECNOLOGIA Plano de Ensino Plao de Eso Uversdade Federal do Espírto Sato Campus: São Mateus Curso: Egehara de Produção Departameto Resposável: Departameto de Egeharas e Tecologa Data de Aprovação (Art. º 91): Docete resposável:

Leia mais

MAE0229 Introdução à Probabilidade e Estatística II

MAE0229 Introdução à Probabilidade e Estatística II Exercíco Cosdere a dstrbução expoecal com fução de desdade de probabldade dada por f (y; λ) = λe λy, em que y, λ > 0 e E(Y) = /λ Supor que o parâmetro λ pode ser expresso proporcoalmete aos valores de

Leia mais

Extensões da Análise para Prioridades Fixas

Extensões da Análise para Prioridades Fixas Sstemas de Tempo eal: Extesões da Aálse para Prordades Fxas ômulo Slva de Olvera Departameto de Automação e Sstemas - DAS UFS elease Jtter loqueo Potos de Preempção Tolerâca a Faltas haveameto de otexto

Leia mais

MEDIDAS DE CENTRALIDADE EM GRAFOS

MEDIDAS DE CENTRALIDADE EM GRAFOS MEDIDAS DE CENTRALIDADE EM GRAFOS Leadro Qutalha de Fretas Dssertação de Mestrado apresetada ao Programa de Pós-graduação em Egehara de Produção, COPPE, da Uersdade Federal do Ro de Jaero, como parte dos

Leia mais

ESTATÍSTICA APLICADA AO ESPECTRO DE UM GRAFO

ESTATÍSTICA APLICADA AO ESPECTRO DE UM GRAFO ESTATÍSTICA APLICADA AO ESPECTRO DE UM GRAFO Rachel Abrahão Rbero Escola Nacoal de Cêcas Estatístcas, ENCE/IBGE rachelabrahaorbero@hotmal.com Carla Slva Olvera Escola Nacoal de Cêcas Estatístcas, ENCE/IBGE

Leia mais

NOTAS DE AULA DA DISCIPLINA CE076 = 2. ], T 2 = conhecido como T 2 de Hotelling

NOTAS DE AULA DA DISCIPLINA CE076 = 2. ], T 2 = conhecido como T 2 de Hotelling NOTAS DE AULA DA DISCIPLINA CE76 4 INFERÊNCIA SOBRE O VETOR DE MÉDIAS 4. TESTE PARA UM VETOR DE MÉDIAS µ Lembrado o caso uvarado: H : µ µ H : µ µ Nível de sfcâca: α Estatístca do teste: t X µ s/ ~ t Decsão:

Leia mais

Material Teórico - Módulo de MATEMÁTICA FINANCEIRA. Financiamentos. Primeiro Ano do Ensino Médio

Material Teórico - Módulo de MATEMÁTICA FINANCEIRA. Financiamentos. Primeiro Ano do Ensino Médio Materal Teórco - Módulo de MATEMÁTICA FINANCEIRA Facametos Prmero Ao do Eso Médo Autor: Prof Fracsco Bruo Holada Autor: Prof Atoo Camha Muz Neto 20 de agosto de 2018 1 Itrodução Neste materal, remos aplcar

Leia mais

FINANCIAMENTOS UTILIZANDO O EXCEL

FINANCIAMENTOS UTILIZANDO O EXCEL rofessores Ealdo Vergasta, Glóra Márca e Jodála Arlego ENCONTRO RM 0 FINANCIAMENTOS UTILIZANDO O EXCEL INTRODUÇÃO Numa operação de empréstmo, é comum o pagameto ser efetuado em parcelas peródcas, as quas

Leia mais