A metodologia ROC na avaliação de um modelo fuzzy de predição do estádio patológico do tumor de próstata
|
|
- Sonia Terra Lacerda
- 8 Há anos
- Visualizações:
Transcrição
1 Revsta Braslera de Egehara Bomédca, v. 26,. 1, p. 3-9, abrl 2010 SBEB - Socedade Braslera de Egehara Bomédca ISSN Artgo Orgal Recebdo em 21/05/2009, aceto em 24/03/2010 A metodologa ROC a avalação de um modelo fuzzy de predção do estádo patológco do tumor de próstata The ROC methodology the evaluato of a fuzzy model to predcto of the prostate tumor s pathologcal stage Gracele Paraguaa Slvera* Laéco Carvalho de Barros Laérco Lus Vedte Departameto de Matemátca Aplcada, IMECC / UNICAMP Uversdade Federal de Goás - Campus Jataí Rod. BR 364, Km CP Jataí, Goás Brasl E-mal: gracmat@me.ucamp.br Ubrajara Ferrera Dscpla de Urologa, FCM / UNICAMP Athaase Blls Departameto de Patologa, FCM / UNICAMP *Autor para correspodêca Resumo Nos últmos aos o aumeto da cdêca de casos de câcer de próstata cofgura-se como um mportate problema de saúde públca e um desafo para a cêca médca. O objetvo deste trabalho é a avalação do desempeho de um modelo matemátco, desevolvdo por Slvera (2007) para predzer o estadameto patológco do câcer de próstata, por meo da metodologa ROC (Recever Operatg Characterstc). O modelo cosste um sstema baseado em regras fuzzy (SBRF), que comba os dados pré-crúrgcos estado clíco, ível de PSA e grau de Gleaso acoado um cojuto de regras lguístcas, elaboradas com base as formações presetes os omogramas já exstetes. A saída do sstema forece as possbldades do dvíduo, com determado quadro clíco, se equadrar em cada um dos estádos de extesão do tumor: localzado, localmete avaçado e metastátco. Para a aálse do poder dscrmatóro do modelo fuzzy como um teste de dagóstco, fo costruída, a partr das meddas de sesbldade e especfcdade, a curva ROC e calculada a área total sob a curva, como medda de desempeho. Além dsso, foram obtdos (de duas maeras dsttas) os potos de corte mas adequados, sto é, um lmar de decsão etre a doeça estar totalmete localzada o teror da glâdula prostátca ou ão. Dados reas de pacetes do Hosptal de Clícas da UNICAMP foram usados os cálculos e a crurga prostatectoma radcal fo adotada como padrão-ouro. Os resultados alcaçados mostraram que o modelo fuzzy em questão pode vr a ser utlzado para dscrmar câcer de próstata localzado. Palavras-chave: Câcer de próstata, Dagóstco, Cojutos fuzzy, Curva ROC. Abstract I recet years, the crease the cdece of prostate cacer has become a major publc health problem ad a challege for medcal scece. The goal of ths work s assessg the performace of a mathematcal model, developed by Slvera (2007) to predct the pathologcal stage of the prostate cacer, through ROC methodology (Recever Operatg Characterstc). The model s a fuzzy rulebased system, that combes pre-surgcal data clcal stage, PSA level ad Gleaso score avalg of a set of lgustc rules made wth base o formato of the exstets omograms. The output of the system provdes the possbltes of the dvdual, wth certa clcal features, be each stage of the tumor exteso: localzed, advaced locally ad metastatc. To aalyze the dscrmatory power of the fuzzy model as a dagoss test, was costructed from the measures of sestvty ad specfcty, the ROC curve ad calculated the total area uder the curve, as measure of performace. Moreover, were obtaed ( two dfferet ways) the cutoff pots most approprate, that s a threshold for decdg betwee the dsease s fully localzed wth the prostate glad or ot. Real data of patets from the Clcs Hosptal of UNICAMP were used the calculatos ad the surgery radcal prostatectomy was used as gold stadard. The results showed that the fuzzy model questo ca be used to dscrmate localzed prostate cacer. Keywords: Prostate cacer, Dagoss, Fuzzy sets, ROC curve. 3
2 Curva ROC a aálse de um modelo de progóstco do tumor da próstata Rev. Bras. Eg. Bom., v. 26,. 1, p. 3-9, abr Exteded Abstract Itroducto The goal of ths research s to evaluate the dscrmato power of a fuzzy rule-based system, developed by Slvera (2007) from a prevous study doe by Castaho (2005) to predct the pathologcal stage of prostate cacer, usg the ROC curve (Recever Operatg Characterstc). The prostate cacer s the more frequet me Brazl (Ferrera ad Nard, 1999; SBU, 2008). To the complex decsomakg by the specalst, regardg the exteso of tumor, examatos are avalable: rectal examato, serum dosages of PSA (Prostatc Specfc Atge) ad bopsy (Gleaso score). I a attempt to acheve greater accuracy predctos, statstcal tools (amely omograms) have bee developed by researchers. I the case of the prostate cacer, the medcal use the omograms of Stepheso ad Katta (2006), whch provde the probabltes that the cacer s localzed, advaced locally ad metastatc, from the data pre-surgcal. However, these omograms do ot clude most of the ucertates volved the problem, ad accordg to specalsts, the results do ot reflect the Brazla realty because were gotte from foreg populatos. The fuzzy sets theory s a good alteratve for dealg wth ucertates ad was adopted the developmet of the mathematcal predcto model of the prostate cacer stage. For the model ca be effectvely regarded as a dagostc test, the cutoff pot (threshold for decdg whether the dsease s localzed or ot) ad the aalyss of the ROC curve have to be determed. Materals ad Methods The ROC curve s a graphcal represetato of the ordered pars (1-Specfcty, Sestvty). To calculate the measures of sestvty ad specfcty of the test, we eed that ts possble results are classfed Postve (localzed) ad Negatve (ot localzed). Sestvty s the probablty that the test gves postve ad the dvdual really has localzed tumor. Specfcty s the probablty that the test gves egatve ad the dvdual really has ot localzed tumor. The gold stadard that provdes the true dagoss for comparso wth the test questo s the surgery radcal prostatectomy. The choce of the cutoff pot was made from the calculato of the maxmum effcecy of the test, obtaed from two dfferet ways: arthmetc mea betwee sestvty ad specfcty (I) ad the product betwee sestvty ad specfcty (II). Real data of 170 patets of the Clcs Hosptal of UNICAMP were used the costructg of the ROC curve. Results For the costructo of the ROC curve, the patets were submtted to the fuzzy rule-based system ad the possble cutoff pots determed, for the calculato of measures of sestvty ad specfcty. The gold stadard s the radcal prostatectomy ad the results of ths procedure, dvded the populato to two groups: Localzed ad Not Localzed. Cosderg the effcecy (I), the cutoff pot obtaed s ad ther measures of sestvty ad specfcty ths pot are ad Already for the effcecy (II) got the cutoff pot ad ther sestvty ad specfcty are ad , respectvely. The total area uder the ROC curve s wth cofdece terval (CI) 95% ( ). Dscusso For the frst cutoff pot obtaed (0.2322), we ca terpret that 100 patets wth localzed cacer, would be detected approxmately 91 ad 9 would be classfed as advaced tumor. O the other had, of 100 patets wth ot localzed cacer, 57 had egatve results ad 43 were correctly classfed as localzed. The terpretato cocerg the secod cutoff pot s aalogous. A mportat observato s that whatever the choce of the cutoff pot, errors occur ad therefore should be assessed the more tolerable: false postve or false egatve results. The area uder the ROC curve s wth CI 95% ( ). Ths shows that gve two patets, oe wth localzed cacer ad oe wth advaced cacer, the probablty that the test wll have greater magtude for the dvdual wth localzed cacer s A test totally capable of dscrmate the dvduals would have a area uder the curve of 0.5 (Martez et al., 2003). Oe advatage of the ROC curve s the drect represetato of the ablty of a varable dscrmate subjects, wth emprcal cutoff pots. However, a lmtato s the fact that the classfcato of dvduals s restrcted to two groups: clcal codto preset or abset. I real stuatos, there are a varety of formato ad may are eglected whe ths classfcato s dchotomous. A opto that ca be adopted s the use of a membershp fucto for the Postve set, thereby obtag a fuzzy result for the test. Ths s a proposal of future work. Cocluso The decso of a specalst, regardg the exteso of the prostate tumor, s complex ad surrouded by ucertaty. A fuzzy mathematcal model was developed wth the teto to clude these ucertates ad the ow emprcal kowledge of the professoal. I ths work, the model questo was evaluated through ROC curve. We determed two cutoff pots, betwee the dsease s localzed or ot. The ROC curve was made ad the calculato of the area uder the curve showed that the model ca be used as dscrmator of localzed tumor.
3 Rev. Bras. Eg. Bom., v. 26,. 1, p. 3-9, abr Curva ROC a aálse de um modelo de progóstco do tumor da próstata Itrodução A cdêca de casos de câcer tem aumetado de maera cosderável, prcpalmete a partr do século passado, cofgurado-se, a atualdade, como um dos mas mportates problemas de saúde públca mudal. O câcer de próstata é o mas frequete em homes adultos e a seguda prcpal causa de morte por doeça malga o Brasl (Ferrera e Nard, 1999; SBU, 2010). O exame clíco (toque retal) e a dosagem sérca do Atígeo Prostátco Específco (PSA) são dcados vsado o dagóstco precoce. Os resultados podem sugerr a realzação da bópsa prostátca. A tomada de decsão do especalsta, com relação ao estadameto patológco da doeça, ocorre com base os resultados dos exames ctados. Na tetatva de obter maor precsão as predções, os pesqusadores têm desevolvdo ferrametas baseadas em modelos estatístcos, deomadas omogramas. No caso do câcer de próstata, um omograma que vem sedo utlzado é o de Stepheso e Katta (2006). Esse omograma comba os dados pré-crúrgcos e forece as probabldades de que o câcer de próstata esteja localzado totalmete o teror da glâdula, localmete avaçado ou metastátco (espalhado-se pelo orgasmo). No etato, determar a extesão do tumor é um processo complexo e as opções dspoíves ão cluem a maora das certezas e subjetvdades evolvdas. O exame clíco é útl a detfcação de regões suspetas, mas depede essecalmete da experêca do médco. As dosages sércas de PSA auxlam a detecção da doeça, etretato ada ão permtem a descoberta precoce de todos os casos. Além dsso, há pacetes com mesmo PSA, em estádos patológcos dferetes e, portato, o estadameto do câcer ão pode ser determado somete a partr dessa medda. Da mesma forma, as bópsas podem ão revelar a preseça de tumor a glâdula prostátca, retardado o dagóstco e sedo mutas vezes realzadas desecessaramete. Já os omogramas estatístcos cohecdos, de Stepheso e Katta (2006), ão apresetam resultados satsfatóros para a população braslera, pos foram desevolvdos a partr de dados de populações estrageras. É de mportâca vtal descobrr em qual estádo de extesão o tumor se ecotra, pos a crurga de retrada da glâdula (prostatectoma radcal) apreseta um alto ídce de cura, se o câcer estver localzado. Date dsso, fo desevolvdo um sstema baseado em regras fuzzy tomado como referêca o estudo de Castaho (2005) que comba as formações ecotradas através dos exames, para predzer o estadameto patológco do câcer de próstata (Slvera, 2007; Slvera et al., 2008). A teora de cojutos fuzzy vem sedo aplcada em medca desde a década de 70 (Adlassg, 1980; Kalmaso e Stegall, 1975) e fo adotada a costrução do modelo devdo à capacdade de ldar com as mprecsões, do assm de ecotro às reas ecessdades clícas. Foram fetas smulações com dados reas de pacetes do Hosptal de Clícas da UNICAMP e os resultados, em prcípo, foram valdados por especalstas. Etretato é ecessára uma aálse formal e objetva do desempeho do modelo, para que efetvamete seja cosderado como teste de dagóstco. O objetvo deste trabalho é a avalação do modelo fuzzy em sua capacdade de dscrmar pacetes com câcer localzado, daqueles com evolvmeto além da glâdula prostátca, por meo da curva ROC (Recever Operatg Characterstc). O modelo fuzzy Um sstema baseado em regras fuzzy (SBRF) compreede quatro módulos prcpas: um módulo de fuzzfcação, o qual se ecotram os valores fuzzy (fuções de pertêca) das varáves de etrada e saída do sstema; uma base de regras; um módulo de ferêca, que utlza um método de processameto das varáves de etrada e saída e a base de regras, método este escolhdo prevamete; e um módulo de defuzzfcação, que trasforma a saída em um valor umérco (Barros e Bassaez, 2006; Pedrycz e Gomde, 1998). No modelo fuzzy em questão, as varáves de etrada cosderadas foram: Estádo Clíco, classfcado lgustcamete como T1, T2a, T2b, T2c e T3a, de acordo como o sstema teracoal TNM de classfcação de tumores malgos; Nível de PSA, cosderado Normal (até 4 g/ml), Levemete Elevado (4-10 g/ml), Moderadamete Elevado (10-20 g/ml) e Altamete Elevado (acma de 20 g/ml), de acordo com a classfcação presete a lteratura; Escore de Gleaso, classfcado em Bem Dferecado (graus 2, 3 e 4), Médo Dferecado (grau 5), Médo-Baxo Dferecado (grau 6), Pouco Dferecado (grau 7) e Não Dferecado (graus 8, 9 e 10). 5
4 Curva ROC a aálse de um modelo de progóstco do tumor da próstata Rev. Bras. Eg. Bom., v. 26,. 1, p. 3-9, abr O sstema de Gleaso é utlzado pelos patologstas para aálse de amostras de tecdo retradas a bópsa prostátca. Para a elaboração da base de regras fuzzy foram fetas todas as combações etre estado clíco, ível de PSA e escore de Gleaso, levado em cota todos os termos lguístcos atrbuídos às varáves e todas as probabldades presetes os omogramas de Stepheso e Katta (2006) para os dferetes estádos da doeça. As fuções de pertêca para as varáves de etrada, escolhdas jutamete com especalstas, foram trapezodas. No modelo de Castaho (2005), que servu de referêca, foram utlzados os omogramas de Part et al. (1997). O processo de ferêca adotado fo o método de Mamda e a defuzzfcação fo feta pelo método do Cetro de Gravdade (Massad et al., 2008). A varável de saída Estádo da Doeça fo classfcada por meo dos segutes termos lguístcos: Localzado, Localmete Avaçado e Metastátco. Suas fuções de pertêca foram ajustadas a partr da adaptação de uma fução tragular, adotada como poto de partda para o estudo. O método usado fo o dos quadrados mímos os potos que represetam as probabldades (Katta et al.) de cada estádo, para váras amostras de pacetes submetdos ao SBRF. Em seguda, fo utlzado um método que trasforma grau de pertêca em probabldade (Klr e Yua, 1995). As fuções ajustadas foram ormalzadas e cocetradas, e estão represetadas a Fgura 1. O sstema fo mplemetado utlzado o Toolbox Fuzzy do MATLAB, v Os resultados obtdos pelo SBRF represetam o grau com o qual o quadro clíco do pacete é compatível Fgura 1. Fuções de pertêca varável Estádo da Doeça. Fgure 1. Membershp fuctos varable Dsease Stage. com os estádos extesão do tumor. A teção é que este modelo fuzzy seja apresetado aos especalstas da área de uro-ocologa, como uma alteratva a predção do estádo patológco do câcer de próstata, frete aos omogramas tradcoas exstetes. Nesse setdo, um software fo elaborado, a partr do modelo fuzzy descrto, e cosste em uma terface gráfca que faz a teração com as sub-rotas que efetuam os cálculos (Slvera et al., 2008). O próxmo passo é a avalação formal e objetva dos resultados, vsado cohecer o desempeho deste teste dagóstco. A metodologa dcada para sto, e que será descrta a segur, é a aálse ROC (Recever Operatg Characterstc). Materas e Métodos A metodologa ROC surgu o cotexto de detecção de sas eletrôcos e problemas com radares, durate a seguda guerra mudal (Zweg e Campbell, 1993). A partr dos aos 70 a metodologa se dssemou amplamete em város ramos da pesqusa bomédca (Martez et al., 2003). A curva ROC é uma represetação gráfca dos pares (1 - Especfcdade, Sesbldade), o plao cartesao. Para calcular sesbldade e especfcdade de um teste de dagóstco é ecessáro que seus possíves resultados sejam classfcados em Postvo ou Negatvo. Normalmete os resultados dos testes são dados por varáves cotíuas um determado tervalo. Assm, atrbuem-se os termos Postvo ou Negatvo, a partr de um valor escolhdo k (poto de corte), para dcar se o dvíduo apreseta ou ão o fator pesqusado. Além dsso, deve-se cohecer o verdadero dagóstco, obtdo através de algum procedmeto deomado padrão-ouro. Um teste classfca corretamete um dvíduo se seu resultado, dado pelo padrão-ouro, for Postvo e o dvíduo pertecer ao cojuto Doete deotado por Verdadero Postvo (VP) ou se o resultado for Negatvo e o dvíduo pertecer ao cojuto Saudável deotado por Verdadero Negatvo (VN) (Castaho, 2005). Etretato, há casos em que o resultado do teste é postvo, quado a realdade o dvíduo está saudável ou o resultado é egatvo e o dvíduo está doete. Esses erros são deotados por Falso Postvo (FP) e Falso Negatvo (FN), respectvamete. Especfcdade é a probabldade de que o teste dê egatvo para um dvíduo saudável. Logo, cosderado um poto de corte k, segue que:
5 Rev. Bras. Eg. Bom., v. 26,. 1, p. 3-9, abr Curva ROC a aálse de um modelo de progóstco do tumor da próstata Especfcdade = = 1 VN( x ) VN( x ) + FP( x ) = 1 = 1 ode x é o -ésmo dvíduo submetdo ao teste, classfcado como egatvo para x < k, e é o úmero total de dvíduos da população. Sesbldade é a probabldade de que o teste foreça resultado postvo para um dvíduo que teha a doeça. Assm, para um poto de corte k, tem-se: Sesbldade = = 1 VP( x ) VP( x ) + FN( x ) = 1 = 1 ode x é o resultado do teste para o -ésmo dvíduo submetdo a ele, cosderado como postvo para x k, e é o úmero total de dvíduos da população. A escolha do poto de corte evolve a combação ótma etre especfcdade e sesbldade. Se o propósto prcpal do teste é a detfcação da doeça, etão se deve selecoar um poto de corte com alta sesbldade. Já para a cofrmação da doeça, os casos postvos ecotrados serão testados ovamete e, portato, o segudo teste deve-se exgr alta especfcdade. Uma das formas de se escolher o poto de corte é por meo do cálculo da méda artmétca etre sesbldade e especfcdade (Castaho, 2005), sto é: Sesbldade (k) + Especfcdade (k) (3) Efcêca = 2 Outro método de seleção do poto de corte é proposto por Duarte (2004) e cosste em obter o poto para o qual se teha o maor produto etre sesbldade e especfcdade, ou seja: Efcêca = Sesbldade Especfcdade (4) A área sob a curva ROC costtu-se uma medda-resumo usual do desempeho de um teste de dagóstco, pos é estmada levado-se em cosderação todas as meddas de sesbldade e especfcdade (Martez et al., 2003). Se o resultado do teste for postvo para valores maores do que o poto de corte, e este resultado se ecotrar em um tervalo cotíuo, podese terpretar a área sob a curva ROC como a probabldade de que o resultado do teste seja maor para um dvíduo doete do que para um dvíduo saudável (Zweg e Campbell, 1993). Para os casos em (1) (2) que for cosderado postvo, sso sgfca a preseça da doeça. O objetvo deste trabalho é avalar o poder de dscrmação do modelo fuzzy, de predção do estádo patológco do câcer de próstata, em relação à doeça estar localzada a glâdula (postvo) ou ão (egatvo). Para a costrução da curva ROC foram utlzados dados reas de pacetes do Hosptal de Clícas da UNICAMP, obtdos em jaero de 2009 juto a especalstas da área de uro-ocologa. Na base de dados costam um total de 547 pacetes com câcer de próstata, com dades varado etre 47 e 87 aos (méda: 69), que passaram pelo hosptal etre 1991 e Destes pacetes, 213 foram submetdos à crurga de retrada da glâdula prostátca, deomada prostatectoma radcal. Cotudo, apeas 170 pacetes cotêm todas as formações ecessáras para os cálculos das meddas de sesbldade e especfcdade. A prostatectoma radcal possblta ao especalsta cohecer o verdadero dagóstco do pacete, ou seja, o real estádo patológco do tumor da próstata. Portato, o dagóstco a partr da crurga fo adotado como padrão-ouro. Resultados Para a obteção da curva ROC, os 170 pacetes foram submetdos ao sstema baseado em regras fuzzy SBRF e os possíves potos de corte, o tervalo [0,1], foram ecotrados, para o cálculo das meddas de sesbldade e especfcdade. Os resultados da crurga, presetes o baco de dados cosderado, dvdram a população em dos cojutos: Localzado e Não Localzado. Em seguda, buscou-se a maor medda de efcêca vsado obter assm os potos de corte mas adequados. A efcêca fo calculada, calmete, através da equação 3. O poto de corte que apresetou maor efcêca fo 0,2322; a medda de sesbldade do teste esse poto é 0,9091 e a medda de especfcdade é 0,5732. Calculado a efcêca também por meo da equação 4, o poto de corte obtdo fo 0,2723. Nesse poto, a sesbldade do teste é 0,8409 e a especfcdade é 0,6219. As terpretações desses resultados ecotram-se a próxma seção. 7
6 Curva ROC a aálse de um modelo de progóstco do tumor da próstata Rev. Bras. Eg. Bom., v. 26,. 1, p. 3-9, abr Fgura 2. Curva ROC para o estádo do câcer de próstata. Fgure 2. ROC curve for the prostate cacer stage. A curva ROC costruída a partr dos dados dos 170 pacetes submetdos à prostatectoma radcal ecotra-se a Fgura 2. A área total sob a curva ROC é 0,7956, com tervalo de cofaça (IC) 95% (0,76-0,83). Esses resultados são dscutdos a segur. Dscussão Pode-se terpretar que, para o prmero poto de corte obtdo (0,2322), com sesbldade de 0,9091, de cada grupo de 100 pacetes com câcer localzado, aproxmadamete 91 seram detectados e 9 seram classfcados como localmete avaçado. Por outro lado, com especfcdade de 0,5732, de 100 pacetes com câcer ão localzado, 57 teram resultados egatvos, sto é, corretos. Etretato, 43 seram classfcados corretamete como localzados. Para o segudo poto de corte ecotrado (0,2723), a terpretação é feta de modo aálogo ao ateror, sto é, de cada 100 pacetes com câcer localzado, 84 seram apotados pelo teste e 16 seram classfcados como ão localzados. Por outro lado, de 100 pacetes com câcer ão localzado, 62 seram detfcados, equato que 38 seram corretamete cosderados como câcer localzado. Qualquer que seja a escolha do poto de corte devese avalar a relação custo-beefíco dos tratametos aos quas serão submetdos os pacetes e assm defr o que sera mas tolerável: mas falsos postvos (câcer avaçado corretamete classfcado como localzado) ou mas falsos egatvos (câcer localzado corretamete classfcado como avaçado). A área sob a curva ROC costruída, lustrada a Fgura 2, é 0,7956, com IC 95% (0,76-0,83). Isso mostra que, dados dos pacetes, um com câcer localzado e outro com câcer avaçado, a probabldade de que o resultado do teste teha maor magtude para o dvíduo com câcer localzado é de 0,7956. Quato maor a capacdade de um teste em dscrmar os dvíduos segudo estes dos grupos, mas a curva ROC se aproxmara do cato superor esquerdo do gráfco, e a área sob a curva sera próxma de 1. Um teste totalmete capaz de dscrmar os dvíduos tera uma área sob a curva de 0,5 (Martez et al., 2003). É mportate ressaltar as vatages e lmtações do uso da curva ROC. Sem dúvda, uma vatagem é a possbldade de se ter em um úco gráfco uma represetação dreta da habldade de uma varável em dscrmar sujetos em dferetes grupos, segudo potos de corte empírcos. No etato, qualquer estudo evolvedo sesbldade e especfcdade pressupõe a exstêca de um padrãoouro verdadero. Mutas vezes a comparação ocorre etre um ovo teste desevolvdo e outro teste que apreseta também problemas de grau descohecdo (Phelps e Hutso, 1995). Além dsso, outra lmtação que pode ser apotada é o fato que a classfcação de dvíduos em grupos está restrta a dos grupos: um em que a codção clíca está presete e outro em que tal codção está ausete. Em stuações reas, mas comus, há multplcdade de fatores evolvdos e sera mportate que os resultados do teste de dagóstco pudessem corporá-las. Uma alteratva sera tetar obter uma fução de pertêca para o cojuto Postvo e obter o resultado do teste fuzzy. Assm, ao vés de pacetes dscrmados apeas como Localzado (grau 1) ou Não Localzado (grau 0), será possível cohecer o grau, etre 0 e 1, com o qual o dvíduo se equadra o cojuto Postvo (Localzado). Esse é um trabalho futuro a ser desevolvdo. Coclusões A teora de cojutos fuzzy é uma alteratva para a clusão de mprecsões, subjetvdades e do própro cohecmeto prátco dos especalstas em modelos matemátcos. O objetvo cal fo a aálse do desempeho de um modelo fuzzy, aplcado ao problema de predção do estádo patológco do câcer de próstata, utlzado a metodologa ROC (Recever Operatg
7 Rev. Bras. Eg. Bom., v. 26,. 1, p. 3-9, abr Curva ROC a aálse de um modelo de progóstco do tumor da próstata Characterstc). A teção fo avalar a capacdade do teste em dscrmar pacetes com câcer de próstata localzado, daqueles com evolvmeto além da glâdula. Dos métodos equações 3 e 4 são ecotrados a lteratura, para a obteção do poto de corte mas adequado. Um poto de corte é um lmar de decsão, ou seja, para resultados do teste maores do que o poto de corte, o sujeto é classfcado como câcer localzado; para valores meores do que tal poto, o pacete é classfcado como câcer ão localzado. No presete caso foram obtdos os potos de corte 0,2322 e 0,2723. Por fm, fo costruída a curva ROC a partr das meddas de sesbldade e especfcdade, e calculada a área total sob a curva. O resultado obtdo fo 0,7956, com IC 95% (0,76-0,83), sgfcado que o modelo fuzzy de predção do estádo do câcer de próstata pode vr a ser utlzado para dscrmar câcer localzado. Esse trabalho cotou com a partcpação efetva de especalstas em uro-ocologa do HC da UNICAMP, que aalsaram e valdaram os resultados obtdos levado-se em cota suas experêcas a prátca médca. Agradecmetos Agradecemos ao Dr. Wager Eduardo Matheus, médco urologsta do HC da UNICAMP, pelo auxílo a terpretação do baco de dados. O segudo autor agradece o suporte facero da FAPESP processo 06/ e CNPq processo / Referêcas ADLASSNIG, K. P. A Fuzzy logcal model of computerasssted medcal dagoss. Methods of Iformato Medce, v. 19,. 3, p , BARROS, L. C.; BASSANEZI, R. C. Tópcos de lógca Fuzzy e Bomatemátca. Campas: UNICAMP/IMECC, p. CASTANHO, M. J. P. Costrução e Avalação de um Modelo Matemátco para predzer a evolução do Câcer de Próstata e descrever seu crescmeto utlzado a Teora de Cojutos Fuzzy f. Tese (Doutorado em Egehara Elétrca) - FEEC/UNICAMP, Campas, DUARTE, P. S. Defção de coduta a vestgação de doeça coroára obstrutva utlzado teora de cojutos Fuzzy aplcada a dados clíco-epdemológcos, ergométrcos e ctlográfcos f. Tese (Doutorado em Medca) - Faculdade de Medca, Uversdade de São Paulo USP, São Paulo, FERREIRA, U.; NARDI, A. C. Câcer de Próstata. I: NETTO, N. R. (Ed.). Urologa Prátca. 4 ed. São Paulo: Atheeu, KALMANSON, D.; STEGALL, H. F. Cardovascular vestgatos ad Fuzzy sets theory. The Amerca Joural of Cardology, v. 35,. 1, p , KLIR, G.; YUAN, B. Fuzzy sets ad fuzzy logc theory ad applcatos. Upper Saddle Rver: Pretce Hall, p. MARTINEZ, E. Z.; LOUZADA-NETO, F.; PEREIRA, B. B. A curva ROC para testes dagóstcos. Cadero de Saúde Coletva, v. 11,. 1, p , MASSAD, E.; ORTEGA, N. R. S.; BARROS, L. C.; STRUCHINER, C. J. Fuzzy Logc Acto: Applcatos Epdemology ad Beyod. Hedelberg: Sprger- Verlag Berl, p. PARTIN, A. W.; KATTAN, M. W.; SUBONG, E.; WALSH, P. C.; WOJNO, K. J.; OESTERLING, J. E.; SCARDINO, P. T.; PEARSON, J. D. Combato of prostate-specfc atge, clcal stage, ad Gleaso score to predct pathologcal stage of localzed prostate cacer. A multsttutoal update. Joural of the Amerca Medcal Assocato (JAMA), v. 277,. 18, p , PEDRYCZ, W.; GOMIDE, F. A. C. A troducto to Fuzzy sets: Aalyss ad desg. Massachusetts: The MIT Press, p. PHELPS, C. E.; HUTSON, A. Estmatg dagostc test accuracy usg a Fuzzy gold stadard. Medcal Decso Makg, v. 15, p , SILVEIRA, G. P. Aplcação da Teora de Cojutos Fuzzy a predção do estadameto patológco do Câcer de Próstata f. Dssertação (Mestrado em Matemátca Aplcada) - IMECC/UNICAMP, Campas, SILVEIRA, G. P.; VENDITE, L. L.; BARROS, L. C. Software desevolvdo a partr de um Modelo Matemátco Fuzzy para predzer o estágo patológco do Câcer de Próstata. Bomatemátca, v. 18, p , SOCIEDADE BRASILEIRA DE UROLOGIA - SBU. Câcer de Próstata. Dspoível em: < br/2010/03/cacer-de-prostata/>. Acesso em: 18 ago STEPHENSON, A. J.; KATTAN, M. W. Nomograms for prostate cacer. BJU Iteratoal, v. 98,. 1, p , ZWEIG, M. H.; CAMPBELL, G. Recever-operatg characterstc (ROC) plots: a fudametal evaluato tool clcal medce. Clcal Chemstry, v. 39,. 4, p ,
8
A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: enchentes
Mostra Nacoal de Icação Cetífca e Tecológca Iterdscplar VI MICTI Isttuto Federal Catarese Câmpus Camború 30 a 3 de outubro de 03 A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: echetes Ester Hasse
Leia maisEstudo 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 maisAlgoritmos 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 maisCAPÍTULO 9 - Regressão linear e correlação
INF 6 Prof. Luz Alexadre Peterell CAPÍTULO 9 - Regressão lear e correlação Veremos esse capítulo os segutes assutos essa ordem: Correlação amostral Regressão Lear Smples Regressão Lear Múltpla Correlação
Leia maisCapítulo 1: Erros em cálculo numérico
Capítulo : Erros em cálculo umérco. Itrodução Um método umérco é um método ão aalítco, que tem como objectvo determar um ou mas valores umércos, que são soluções de um certo problema. Ao cotráro das metodologas
Leia maisPerguntas Freqüentes - Bandeiras
Pergutas Freqüetes - Baderas Como devo proceder para prestar as formações de quatdade e valor das trasações com cartões de pagameto, os casos em que o portador opte por lqudar a obrgação de forma parcelada
Leia maisFINANCIAMENTOS 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 maisMAE116 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 maisOlá, amigos concursandos de todo o Brasil!
Matemátca Facera ICMS-RJ/008, com gabarto cometado Prof. Wager Carvalho Olá, amgos cocursados de todo o Brasl! Veremos, hoje, a prova do ICMS-RJ/008, com o gabarto cometado. - O artgo º da Le.948 de 8
Leia maisMA12 - 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 maisCapítulo 6 - Centro de Gravidade de Superfícies Planas
Capítulo 6 - Cetro de ravdade de Superfíces Plaas 6. Itrodução O Cetro de ravdade (C) de um sóldo é um poto localzado o própro sóldo, ou fora dele, pelo qual passa a resultate das forças de gravdade que
Leia maisFaculdade de Economia, Administração e Contabilidade de Ribeirão Preto
Faculdade de Ecooma, Admstração e Cotabldade de Rberão Preto Ecooma Moetára Curso de Ecooma / º. Semestre de 014 Profa. Dra. Rosel da Slva Nota de aula CAPM Itrodução Há dos modelos bastate utlzados para
Leia maisAna Clara P. Campos 1 Denise Nunes Viola 1 Moacyr Cunha Filho 2 Guilherme Vilar 2 Vanessa Van Der Linden 3
Idetfcação da exstêca de padrão espacal aleatóro a dstrbução dos pacetes portadores de doeça geétca rara com defcêca físca da Assocação de Assstêca à Craça Defcete (AACD) de Perambuco Aa Clara P. Campos
Leia maisCap. 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 maisSUMÁRIO GOVERNO DO ESTADO DO CEARÁ. Cid Ferreira Gomes Governador. 1. Introdução... 2. Domingos Gomes de Aguiar Filho Vice Governador
INSTITUTO DE PESQUISA E ESTRATÉGIA ECONÔMICA DO CEARÁ - IPECE GOVERNO DO ESTADO DO CEARÁ Cd Ferrera Gomes Goverador Domgos Gomes de Aguar Flho Vce Goverador SECRETARIA DO PLANEJAMENTO E GES- TÃO (SEPLAG)
Leia maisIND 1115 Inferência Estatística Aula 9
Coteúdo IND 5 Iferêca Estatístca Aula 9 Outubro 2004 Môca Barros Dfereça etre Probabldade e Estatístca Amostra Aleatóra Objetvos da Estatístca Dstrbução Amostral Estmação Potual Estmação Bayesaa Clássca
Leia maisProjeto 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 maisÉ 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: Prof. Lorí Val, Dr. val@pucrs.br http://www.pucrs.br/famat/val www.pucrs.br/famat/val/ correlacoal ou expermetal. Numa relação expermetal os valores
Leia maisMatemática. Resolução das atividades complementares. M18 Noções de Estatística
Resolução das atvdades complemetares Matemátca M8 Noções de Estatístca p. 3 (UFRJ) Dos estados do país, um certo ao, produzem os mesmos tpos de grãos. Os grácos de setores lustram a relação etre a produção
Leia maisAnálise de Regressão
Aálse de Regressão Prof. Paulo Rcardo B. Gumarães. Itrodução Os modelos de regressão são largamete utlzados em dversas áreas do cohecmeto, tas como: computação, admstração, egeharas, bologa, agrooma, saúde,
Leia maisUERJ CTC IME Departamento de Informática e Ciência da Computação 2 Cálculo Numérico Professora Mariluci Ferreira Portes
UERJ CTC IE Departameto de Iormátca e Cêca da Computação Udade I - Erros as apromações umércas. I. - Cosderações geras. Há váras stuações em dversos campos da cêca em que operações umércas são utlzadas
Leia mais3 Precificação de resseguro
Precfcação de Resseguro 35 3 Precfcação de resseguro Este capítulo traz prmeramete uma oção ampla das aplcações das metodologas de precfcação de resseguro para melhor compreesão do mesmo Da seção 3 até
Leia maisFERRAMENTA AVALIATIVA DINÂMICA A PARTIR DA TEORIA DE RESPOSTA AO ITEM
FERRAMENTA AVALIATIVA DINÂMICA A PARTIR DA TEORIA DE RESPOSTA AO ITEM Fabríca D. Satos, Lucla G. Rbero, Leoardo G. de R. Guedes, Weber Marts Uversdade Católca de Goás, Departameto de Computação Uversdade
Leia maisRequisitos metrológicos de instrumentos de pesagem de funcionamento não automático
Requstos metrológcos de strumetos de pesagem de fucoameto ão automátco 1. Geeraldades As balaças estão assocadas de uma forma drecta à produção do betão e ao cotrolo da qualdade do mesmo. Se são as balaças
Leia maisEVAPOTRANSPIRAÇÃO DE REFERÊNCIA UTILIZANDO MÉTODOS DE TANQUE CLASSE A PROPOSTOS PELA FAO, NA REGIÃO DE MOSSORÓ, RN
EVAPOTRANSPIRAÇÃO DE REFERÊNCIA UTILIZANDO MÉTODOS DE TANQUE CLASSE A PROPOSTOS PELA FAO, NA REGIÃO DE MOSSORÓ, RN Tayd Dayvso Custódo Pexoto ; Sérgo Luz Agular Leve ; Adre Herma Frere Bezerra 3 ; José
Leia maisEm atendimento à solicitação de V.Sa., apresentamos, na seqüência, os resultados do estudo referenciado.
1 Belo Horzote, 14 de abrl de 2007. À UNAFISCO SAÚDE AT.: Glso Bezerra REF: AVALIAÇÃO ATUARIAL Prezado Sehor, Em atedmeto à solctação de V.Sa., apresetamos, a seqüêca, os resultados do estudo referecado.
Leia maisUma Calculadora Financeira usando métodos numéricos e software livre
Uma Calculadora Facera usado métos umércos e software lvre Jorge edraza Arpas, Julao Sott, Depto de Cêcas e Egeharas, Uversdade Regoal ItegradaI, URI 98400-000-, Frederco Westphale, RS Resumo.- Neste trabalho
Leia maisMonitoramento ou Inventário Florestal Contínuo
C:\Documets ad Settgs\DISCO_F\MEUS-DOCS\LIVRO_EF_44\ef44_PDF\CAP XIV_IFCOTIUO.doc 6 Motorameto ou Ivetáro Florestal Cotíuo Agosto Lopes de Souza. ITRODUÇÃO Parcelas permaetes de vetáro florestal cotíuo
Leia maisEstudo 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 maisAVALIAÇÃO DOS PROGRAMAS DE PÓS-GRADUAÇÃO EM ENGENHARIA DA UFRJ EMPREGANDO UMA VARIANTE DESENVOLVIDA DO MÉTODO UTA
versão mpressa ISSN 00-7438 / versão ole ISSN 678-542 AVALIAÇÃO DOS PROGRAMAS DE PÓS-GRADUAÇÃO EM ENGENHARIA DA UFRJ EMPREGANDO UMA VARIANTE DESENVOLVIDA DO MÉTODO UTA Luís Alberto Duca Ragel UFF-COPPE/PEP/UFRJ
Leia maisEconometria: 4 - Regressão Múltipla em Notação Matricial
Ecoometra: 4 - Regressão últpla em Notação atrcal Prof. arcelo C. ederos mcm@eco.puc-ro.br Prof. arco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo
Leia maisE-mails: damasceno1204@yahoo.com.br damasceno@interjato.com.br damasceno12@hotmail.com http://www. damasceno.info www. damasceno.info damasceno.
Matemátca Facera 2007.1 Prof.: Luz Gozaga Damasceo 1 E-mals: damasceo1204@yahoo.com.br damasceo@terjato.com.br damasceo12@hotmal.com http://www. damasceo.fo www. damasceo.fo damasceo.fo Obs.: (1 Quado
Leia maisLEASING UMA OBSERVAÇÃO Economista Antonio Pereira da Silva
LEASING UMA OBSERVAÇÃO Ecoomsta Atoo Perera da Slva AMOR POR DINHEIRO TITÃS Composção: Sérgo Brtto e To Bellotto Acma dos homes, a le E acma da le dos homes A le de Deus Acma dos homes, o céu E acma do
Leia maisCAPÍTULO 2 - Estatística Descritiva
INF 6 Prof. Luz Alexadre Peterell CAPÍTULO - Estatístca Descrtva Podemos dvdr a Estatístca em duas áreas: estatístca dutva (ferêca estatístca) e estatístca descrtva. Estatístca Idutva: (Iferêca Estatístca)
Leia maisCálculo de média a posteriori através de métodos de integração numérica e simulação monte carlo: estudo comparativo
INGEPRO Iovação, Gestão e Produção Jaero de 010, vol. 0, o. 01 www.gepro.com.br Cálculo de méda a posteror através de métodos de tegração umérca e smulação mote carlo: estudo comparatvo Helto Adre Lopes
Leia maisCapitulo 8 Resolução de Exercícios
FORMULÁRIO Audades Peródcas, Crescetes e Postecpadas, com Termos em P. A. G 1 1 1 1 G SPAC R R s s 1 1 1 1 1 G G C R a R a 1 1 PAC Audades Gradetes Postecpadas S GP G 1 1 ; C GP G 1 1 1 Audades Gradetes
Leia mais2 Estrutura a Termo de Taxa de Juros
Estrutura a Termo de Taxa de Juros 20 2 Estrutura a Termo de Taxa de Juros A Estrutura a termo de taxa de juros (também cohecda como Yeld Curve ou Curva de Retabldade) é a relação, em dado mometo, etre
Leia maisMÉTODO COMPUTACIONAL AUTOMÁTICO TICO PARA PRÉ-PROCESSAMENTO PROCESSAMENTO DE IMAGENS RADIOGRÁFICAS. M. Z. Nascimento, A. F. Frère e L. A.
MÉTODO COMPUTACIONAL AUTOMÁTICO TICO PARA PRÉ-PROCESSAMENTO PROCESSAMENTO DE IMAGENS RADIOGRÁFICAS M. Z. Nascmeto, A. F. Frère e L. A. Neves INTRODUÇÃO O cotraste as radografas vara ao logo do campo de
Leia mais2 Avaliação da segurança dinâmica de sistemas de energia elétrica: Teoria
Avalação da seguraça dâmca de sstemas de eerga elétrca: Teora. Itrodução A avalação da seguraça dâmca é realzada através de estudos de establdade trastóra. Nesses estudos, aalsa-se o comportameto dos geradores
Leia mais1 SISTEMA FRANCÊS DE AMORTIZAÇÃO
scpla de Matemátca Facera 212/1 Curso de Admstração em Gestão Públca Professora Ms. Valéra Espídola Lessa EMPRÉSTIMOS Um empréstmo ou facameto pode ser feto a curto, médo ou logo prazo. zemos que um empréstmo
Leia maisAPLICAÇÕES DE MÉTODOS DE ENERGIA A PROBLEMAS DE INSTABILIDADE DE ESTRUTURAS
PONTIFÍCI UNIVERSIDDE CTÓLIC DO RIO DE JNEIRO DEPRTMENTO DE ENGENHRI CIVIL PLICÇÕES DE MÉTODOS DE ENERGI PROBLEMS DE INSTBILIDDE DE ESTRUTURS Julaa Bragh Ramalho Raul Rosas e Slva lua de graduação do curso
Leia maisProf. Dr. Marco Antonio Leonel Caetano Projeção de Cenários Aplicados ao Orçamento Empresarial Com revisão das Ferramentas de Estatística
Projeção de Ceáros Aplcados ao Orçameto Empresaral Com revsão das Ferrametas de Estatístca Prof. Dr. Marco Atoo Leoel Caetao TÓPICO Tratameto, Quatfcação e Vsualzação de Dados Faceros. Itrodução Na dvulgação
Leia maisInterpolação. 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 maisANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS
ANÁLISE DE ERROS A oservação de um feómeo físco ão é completa se ão pudermos quatfcá-lo. Para é sso é ecessáro medr uma propredade físca. O processo de medda cosste em atrur um úmero a uma propredade físca;
Leia maisEstatística Notas de Aulas ESTATÍSTICA. Notas de Aulas. Professor Inácio Andruski Guimarães, DSc. Professor Inácio Andruski Guimarães, DSc.
Estatístca Notas de Aulas ESTATÍSTICA Notas de Aulas Professor Iáco Adrus Gumarães, DSc. Professor Iáco Adrus Gumarães, DSc. Estatístca Notas de Aulas SUMÁRIO CONCEITOS BÁSICOS 5. Estatístca. Estatístca
Leia maisProfessor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø.
Professor Maurco Lutz 1 EGESSÃO LINEA SIMPLES A correlação lear é uma correlação etre duas varáves, cujo gráfco aproma-se de uma lha. O gráfco cartesao que represeta essa lha é deomado dagrama de dspersão.
Leia maisANÁLISE DA MOBILIDADE URBANA SUSTENTÁVEL UTILIZANDO ESTATÍSTICA ESPACIAL
ANÁLISE DA MOBILIDADE URBANA SUSTENTÁVEL UTILIZANDO ESTATÍSTICA ESPACIAL Dese de Mrada e Slva Correa Vâa Barcellos Gouvêa Campos Isttuto Mltar de Egehara Resumo Neste trabalho apreseta-se uma aálse espacal
Leia maisESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA
ESTATÍSTICA MÓDULO OS RAMOS DA ESTATÍSTICA Ídce. Os Ramos da Estatístca...3.. Dados Estatístcos...3.. Formas Icas de Tratameto dos Dados....3. Notação por Ídces...5.. Notação Sgma ()...5 Estatístca Módulo
Leia maisPROCEDIMENTOS DE CÁLCULO DE INCERTEZA DE MEDIÇÃO EM MEDIÇÕES DIRETAS E INDIRETAS
PROCEDIMENTOS DE CÁLCULO DE INCERTEZA DE MEDIÇÃO EM MEDIÇÕES DIRETAS E INDIRETAS Prof José Leoardo Noroha M Eg Departameto de Egehara de Prodção Escola Federal de Egehara de Itabá EFEI RESUMO: Neste trabalho
Leia maisProblem 3: Sparse polynomials (Problem H in Mooshak POO 2015/2016)
Programação Oretada por Objectos Problem 3: Sparse polyomals (Problem H Mooshak POO 215/216) Submt: Your source code to mooshak http://mooshak.dee.fct.ualg.pt/~mooshak ad Your report (wth a zp fle) to
Leia maisMatemática Financeira
Cocetos Báscos de Matemátca Facera Uversdade do Porto Faculdade de Egehara Mestrado Itegrado em Egehara Electrotécca e de Computadores Ecooma e Gestão Na prátca As decsões faceras evolvem frequetemete
Leia maisRisco Moral na Utilização de Serviços de Saúde no Brasil
Rsco Moral a Utlzação de Servços de Saúde o Brasl Resumo Autora: Lus Gabrel Marques Regato, Luís duardo Afoso Neste trabalho fo vestgada a preseça de rsco moral o sstema de plaos de saúde do Brasl, por
Leia maisRESUMO DE MATEMÁTICA FINANCEIRA. Juro Bom Investimento C valor aplicado M saldo ao fim da aplicação J rendimento (= M C)
RESUMO DE MATEMÁTICA FINANCEIRA I. JUROS SIMPLES ) Elemetos de uma operação de Juros Smples: Captal (C); Motate (M); Juros (J); Taxa (); Tempo (). ) Relação etre Juros, Motate e Captal: J = M C ) Defção
Leia maisEducação e Pesquisa ISSN: 1517-9702 revedu@usp.br Universidade de São Paulo Brasil
Educação e Pesqusa ISS: 1517-972 revedu@usp.br Uversdade de São Paulo Brasl Helee, Otavao Evolução da escolardade esperada o Brasl ao logo do século XX Educação e Pesqusa, vol. 38, úm. 1, marzo, 212, pp.
Leia maisMEDIDAS 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 maisUMA ANÁLISE ESPACIAL DA INSUFICIÊNCIA E DA DESIGUALDADE DE RENDA NOS MUNICÍPIOS SERGIPANOS, 1991-2000
Aas III Smpóso Regoal de Geoprocessameto e Sesorameto Remoto Aracaju/SE, 25 a 27 de outubro de 2006 UMA ANÁLISE ESPACIAL DA INSUFICIÊNCIA E DA DESIGUALDADE DE RENDA NOS MUNICÍPIOS SERGIPANOS, 99-2000 OLIVEIRA,
Leia maisJUROS SIMPLES. i 100 i 100. TAXA PROPORCIONAL: É aquela que aplicada ao mesmo capital, no mesmo prazo, produze o mesmo juros.
JUROS MONTANTE JUROS SIMPLES J = C 0 * * t 00 M = C * + * t 00 TAXA PROPORCIONAL: É aquela que aplcada ao mesmo captal, o mesmo prazo, produze o mesmo juros. * = * JUROS COMPOSTOS MONTANTE M = C * + 00
Leia maisTabela 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 maisAula de Hoje. Introdução a Sistemas Inteligentes. Redes RBF. Redes RBF. Tópicos em Redes Neurais II: Redes Neurais RBF 1ª Parte
Itrodução a Sstemas Itelgetes ópcos em Redes Neuras II: Redes Neuras RBF ª Parte Prof. Rcardo J. G. B. Campello Aula de Hoje Neurôos de Resposta Radal Modelos Neuras RBF Úca Saída Múltplas Saídas Represetação
Leia maisUnidade II ESTATÍSTICA
ESTATÍSTICA Udade II 3 MEDIDAS OU PARÂMETROS ESTATÍSTICOS 1 O estudo que fzemos aterormete dz respeto ao agrupameto de dados coletados e à represetação gráfca de algus deles. Cumpre agora estudarmos as
Leia maisDifusão 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 maisM = C( 1 + i.n ) J = C.i.n. J = C((1+i) n -1) MATEMÁTICA FINANCEIRA. M = C(1 + i) n BANCO DO BRASIL. Prof Pacher
MATEMÁTICA 1 JUROS SIMPLES J = C.. M C J J = M - C M = C( 1 +. ) Teste exemplo. ados com valores para facltar a memorzação. Aplcado-se R$ 100,00 a juros smples, à taxa omal de 10% ao ao, o motate em reas
Leia maisEstatística - exestatmeddisper.doc 25/02/09
Estatístca - exestatmeddsper.doc 5/0/09 Meddas de Dspersão Itrodução ão meddas estatístcas utlzadas para avalar o grau de varabldade, ou dspersão, dos valores em toro da méda. ervem para medr a represetatvdade
Leia maisUNIVERSIDADE FEDERAL FLUMINENSE CENTRO DE ESTUDOS GERAIS INSTITUTO DE MATEMÁTICA DEPARTAMENTO DE ESTATÍSTICA NÚMEROS ÍNDICES
UNIVERSIDADE FEDERAL FLUMINENSE CENTRO DE ESTUDOS GERAIS INSTITUTO DE MATEMÁTICA DEPARTAMENTO DE ESTATÍSTICA NÚMEROS ÍNDICES Aa Mara Lma de Faras Luz da Costa Laurecel Com a colaboração dos motores Maracajaro
Leia maisÍNDICE DE TERMOS: MOTOR DEDICADO, PADRONIZAÇÃO;
Aplcação de Motores de Méda esão dedcados acoados por versor de frequêca e utlzação de um úco projeto em dferetes solctações de carga. Gleuber Helder Perera Rodrgues Esp. Eg. WEG Brasl gleuber@weg.et Alex
Leia maisCapítulo 5 EQUAÇÕES DE CONSERVAÇÃO DA MASSA
Capítulo 5 EQUAÇÕES DE CONSERVAÇÃO DA MASSA O objetvo deste capítulo é apresetar formas da equação da coservação da massa em fução de propredades tesvas faclmete mesuráves, como a temperatura, a pressão,
Leia maisMacroeconometria Aula 3 Revisão de estatística e teste de hipótese
Macroecoometra 008. Aula 3 Revsão de estatístca e teste de hpótese 3.5. Estmação No estudo das probabldades, o objetvo é calcular a probabldade de evetos préespecfcados. De agora em date o objetvo muda.
Leia maisINTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA
INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA 003 Iformações: relembra-se os aluos teressados que a realzação de acções presecas só é possível medate solctação vossa, por escrto, à assstete da cadera. A realzação
Leia maisÁLBUNS DE FIGURINHAS, O PROBLEMA DO COLECIONADOR DE CUPONS E PROGRAMAÇÃO EM VBA?
ÁLBUNS DE FIGURINHAS, O PROBLEMA DO COLECIONADOR DE CUPONS E PROGRAMAÇÃO EM VBA? Fláva Fretas Maa Rafael G Barbastefao 2 Dayse Hame Pastore 3 Resumo: Este trabalho apreseta uma proposta de estudo do Problema
Leia maisDistribuições 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 maisLealdade à Marca e Sensibilidade ao Preço: Um Estudo da Escolha da Marca pelo Consumidor. Autoria: Delane Botelho, André Torrres Urdan.
Lealdade à Marca e Sesbldade ao Preço: Um Estudo da Escolha da Marca pelo Cosumdor Autora: Delae Botelho, Adré Torrres Urda Resumo Este artgo usa dados em pael do tpo escaeados, desagregados ao ível de
Leia maisPROBLEMA DE INCERTEZA EM SISTEMAS DINÂMICOS UTILIZANDO DEFUZZIFICAÇÃO PELO CENTROIDE
POSMEC 205 Smpóso do Programa de Pós-Graduação em Egehara Mecâca Faculdade de Egehara Mecâca Uversdade Federal de Uberlâda 8 e 9 de Novembro de 205, Uberlâda - MG PROBLEM DE INCERTEZ EM SISTEMS DINÂMICOS
Leia maisInferência Estatística e Aplicações I. Edson Zangiacomi Martinez Departamento de Medicina Social FMRP/USP
Iferêca Estatístca e Aplcações I Edso Zagacom Martez Departameto de Medca Socal FMRP/USP edso@fmrp.usp.br Rotero Parte I Escola frequetsta Defções: parâmetros, estmatvas Dstrbuções de probabldade Estmação
Leia maisA Medição e o Erro de Medição
A Medção e o Erro de Medção Sumáro 1.1 Itrodução 1.2 Defções 1.3 Caracterzação da qualdade de medção 1.4 O erro da medção 1.4.1 Os erros aleatóros 1.4.2 Os erros sstemátcos 1.5 O verdadero valor, o erro
Leia maisCurso de An lise de Fluxo de Caixa
Curso de A lse de Fluxo de Caxa SUMÁRIO PROGRESSÕES... 0. FÓRMULAS BÁSICAS... 0.. Progressões artmétcas... 0..2 Progressões geométrcas... 02.2 EXERCÍCIOS SUGERIDOS... 02 2 CONCEITOS DE MATEMÁTICA FINANCEIRA...
Leia maisESTATÍSTICA Exame Final 1ª Época 3 de Junho de 2002 às 14 horas Duração : 3 horas
Faculdade de cooma Uversdade Nova de Lsboa STTÍSTIC xame Fal ª Época de Juho de 00 às horas Duração : horas teção:. Respoda a cada grupo em folhas separadas. Idetfque todas as folhas.. Todas as respostas
Leia maisVariância estatística associada a métodos semi-empíricos para estimativa da capacidade de carga de estacas
Teora e Prátca a Egehara vl,.0, p.6-67, ovemro, 0 arâca estatístca assocada a métodos sem-empírcos para estmatva da capacdade de carga de estacas Statstcal varace assocated wth sem-emprcal methods for
Leia maisCAPÍTULO 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 maisPerguntas freqüentes Credenciadores
Pergutas freqüetes Credecadores Como devo proceder para prestar as formações de quatdade e valor das trasações com cartões de pagameto, os casos em que o portador opte pelo facameto da compra pelo emssor?
Leia maisAvaliação da Localização de Base de Atendimento para Equipamentos de Movimentação de uma Empresa Siderúrgica
Avalação da Localzação de Base de Atedmeto para Equpametos de Movmetação de uma Empresa Sderúrgca Leadro Ferades da Slva Leadro.Ferades@cs.com.br UFF Ilto Curty Leal Juor ltocurty@gmal.com UFRJ Paul Adrao
Leia mais16/03/2014. IV. Juros: taxa efetiva, equivalente e proporcional. IV.1 Taxa efetiva. IV.2 Taxas proporcionais. Definição:
6// IV. Juros: taxa efetva, equvalete e proporcoal Matemátca Facera Aplcada ao Mercado Facero e de Captas Professor Roaldo Távora IV. Taxa efetva Defção: É a taxa de juros em que a udade referecal de seu
Leia maisEconometria: 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 maisApostila 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 maisProjeto 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 maisPUCRS FAMAT DEPTº DE ESTATÍSTICA ESTATÍSTICA DESCRITIVA SÉRGIO KATO
PUCRS FAMAT DEPTº DE ESTATÍSTICA ESTATÍSTICA DESCRITIVA SÉRGIO KATO A expressão dados, será ctada dversas vezes esta dscpla, em lguagem ormal, dados são ormações (úmeros ou ão) sobre um dvíduo (pessoa,
Leia maisConstrução 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 mais6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS
7 6 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS A medção dreta é aquela cuja dcação resulta aturalmete da aplcação do sstema de medção sobre o mesurado Há apeas uma gradeza de etrada evolvda
Leia maisde Energia Geração Térmica
Sstema Itegrado de Plaeameto e Comercalzação de Eerga Geração Térmca Rafael de Souza Favoreto, CEHPAR LACTEC; Marcelo Rodrgues Bessa, CEHPAR LACTEC; Wlso Tadeu Pzzatto, COPEL; Luz Roberto Morgester Ferrera,
Leia maisSoftware desenvolvido a partir de um Modelo Matemático Fuzzy para predizer o estágio patológico do
Biomatemática 18 (2008), 27 36 ISSN 1679-365X Uma Publicação do Grupo de Biomatemática IMECC UNICAMP Software desenvolvido a partir de um Modelo Matemático Fuzzy para predizer o estágio patológico do Câncer
Leia maisConfiabilidade 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 maisAtividades 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 maisANAIS O JOGO DA LOGÍSTICA E SUAS VARIANTES NO PROBLEMA DE LOCALIZAÇÃO DE INSTALAÇÕES
O JOGO DA LOGÍSTICA E SUAS VARIANTES NO PROBLEMA DE LOCALIZAÇÃO DE INSTALAÇÕES MARCOS RICARDO ROSA GEORGES ( marcos.georges@puc-campas.edu.br, marcos_georges@yahoo.com.br ) PUC-CAMPINAS Resumo Este artgo
Leia maisCapitulo 1 Resolução de Exercícios
S C J S C J J C FORMULÁRIO Regme de Juros Smples 1 1 S C 1 C S 1 1.8 Exercícos Propostos 1 1) Qual o motate de uma aplcação de R$ 0.000,00 aplcados por um prazo de meses, à uma taxa de 2% a.m, os regmes
Leia maisNOTA II TABELAS E GRÁFICOS
Depto de Físca/UFMG Laboratóro de Fundamentos de Físca NOTA II TABELAS E GRÁFICOS II.1 - TABELAS A manera mas adequada na apresentação de uma sére de meddas de um certo epermento é através de tabelas.
Leia maisDESENVOLVIMENTO DE UMA PLATAFORMA COMPUTACIONAL GRÁFICA PARA ESTUDOS DE FLUXO DE CARGA DE SISTEMAS DE POTÊNCIA
DESENVOLVIMENTO DE UMA PLATAFORMA COMPUTACIONAL GRÁFICA PARA ESTUDOS DE FLUXO DE CARGA DE SISTEMAS DE POTÊNCIA Thales Lma Olvera, Geraldo Caxeta Gumarães, Márco Augusto Tamashro Uversdade Federal de Uberlâda,
Leia maisAMOSTRAGEM EM DOIS ESTÁGIOS COM UNIDADES PRIMÁRIAS DE TAMANHOS DIFERENTES SUBSAMPLING TO TWO PROBATION WITH PRIMARY UNITS OF UNEQUAL SIZES
Cêca Florestal, v.6,., p.47-55 47 ISS 003-9954 AMOSTRAGEM EM DOIS ESTÁGIOS COM UIDADES PRIMÁRIAS DE TAMAHOS DIFERETES SUBSAMPLIG TO TWO PROBATIO WITH PRIMARY UITS OF UEQUAL SIZES Sylvo Péllco etto RESUMO
Leia maisProjeção Populacional 2013-2020 para a Cidade do Rio de Janeiro: uma aplicação do método AiBi
ISSN 1984-7203 Projeção Populacoal 2013-2020 para a Cdade do Ro de Jaero: uma aplcação do método AB Nº 20130102 Jaero - 2013 Iva Braga Ls 1, Marcelo Pessoa da Slva, Atoo Carlos Carero da Slva, Sérgo Gumarães
Leia maisREGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi
REGESD Prolc Matemátca e Realdade- Profª Suz Samá Pto e Profº Alessadro da Slva Saad Meddas de Posção ou Tedêca Cetral As meddas de posção ou meddas de tedêca cetral dcam um valor que melhor represeta
Leia maisCapítulo 1 PORCENTAGEM
Professor Joselas Satos da Slva Matemátca Facera Capítulo PORCETAGEM. PORCETAGEM A porcetagem ada mas é do que uma otação ( % ) usada para represetar uma parte de cem partes. Isto é, 20% lê-se 20 por ceto,
Leia mais