Aprendizado de Máquina (Machine Learning)
|
|
- Fernando Minho Oliveira
- 6 Há anos
- Visualizações:
Transcrição
1 Ciência da Computação (Machine Learning) Aula 02 Representação dos dados Pré-processamento Max Pereira
2 Tipo de Dados Os atributos usados para descrever objetos de dados podem ser de diferentes tipos: Quantitativos Qualitativos IMPORTANTE! O tipo de dado determina quais ferramentas e técnicas podem ser usadas para analisar os dados.
3 Qualidade dos Dados Presença de ruídos, dados sem relevância, perda, inconsistência ou duplicação, tendências irrelevantes, sem representatividade. Os dados muitas vezes estão longe da perfeição!
4 Pré-processamento Muitas vezes, os dados brutos devem ser processados para que sejam mais apropriados à análise. Por exemplo, um atributo contínuo (comprimento), pode precisar ser transformado em um com categorias discretas: curto, médio ou longo. Outro exemplo, o número de atributos em um conjunto de dados é muitas vezes reduzidos porque muitas técnicas são mais efetivas quando os dados possuem um número relativamente pequeno de atributos.
5 Tipos de Atributos Categorizados (qualitativos): Nominal e ordinal Numéricos (quantitativos): Intervalar e proporcional
6 Nominal e ordinal IDs, estado civil, cor dos olhos, sexo, grau de escolaridade, classe social. Intervalar e proporcional Para atributos intervalares a diferença entre os valores são significativas (datas, temperaturas), para proporcionais, tanto as diferenças como as proporções são significativas (quantidades monetárias, corrente elétrica).
7 Atributos quantitativos Discretos: tais atributos podem ser categorizados, como códigos postais ou IDs; ou numéricos, como contadores (variáveis de números inteiros). Contínuos: valores do tipo real; temperatura, altura ou peso.
8 Atributos assimétricos Para esses atributos, apenas a presença valor diferente de zero é considerado importante. Portanto, é mais significativo e mais eficiente processar os valores que não sejam zero.
9 Características dos Conjunto de Dados Dimensão: é o número de atributos que os objetos desse conjunto de dados possuem. As dificuldades associadas à análise de dados com dimensionalidades altas são chamadas de maldição da dimensionalidade. Uma importante motivação no pré-processamento dos dados é a redução de dimensionalidade!
10 Características dos Conjunto de Dados Dispersão: em termos práticos, a dispersão é uma vantagem porque geralmente apenas os valores diferentes de zero precisam ser armazenados e manipulados. Em muitos casos, menos de 1% das entradas são diferentes de zero. Além disso, alguns algoritmos funcionam bem apenas com dados dispersos.
11 Os passos do pré-processamento Agregação; Amostragem; Redução de dimensionalidade; Discretização e binarização; Transformação de variáveis.
12 Agregação Combinação de dois ou mais objetos em um único. Conjunto de dados de transações (objeto de dados) registrando as vendas diárias de produtos em diversos locais para diferentes dias durante um ano. ID Item Local Data Preço Relógio Tubarão 09/06/14 155, Pilha Tubarão 09/06/14 5, Sapatos Criciúma 09/06/14 180, Uma forma de agregar transações para este conjunto de dados é substituir todas as transações de uma única loja por uma única transação. Reduz as centenas ou milhares de transações diárias em uma determinada loja a uma única transação diária.
13 Agregação A precipitação anual média possui menos variabilidade do que a precipitação mensal média.
14 Amostragem Abordagem usada para selecionar um subconjunto dos objetos de dados a serem analisado. Usar uma amostra funcionará tão bem quanto usar o conjunto inteiro de dados se a amostra for representativa. Uma amostra é representativa se tiver aproximadamente a mesma propriedade do conjunto original de dados.
15 Técnicas de Amostragem Amostragem aleatória simples: amostragem sem substituição amostragem com substituição Possível problema Modelos de classificação para classes raras, é crítico que as classes raras sejam adequadamente representadas na amostra.
16 Técnicas de Amostragem Amostragem estratificada Números proporcionais de objetos são selecionados de cada grupo.
17 Redução de Dimensionalidade Conjunto de dados podem ter um grande número de características. Reduzir a dimensionalidade pode eliminar características irrelevantes e reduzir o ruído. O termo muitas vezes é usado para técnicas que reduzem a dimensionalidade de um conjunto de dados criando novos atributos que sejam uma combinação dos atributos antigos.
18 Técnicas de Álgebra Linear para Redução da Dimensionalidade Análise de Componentes Principais (PCA) Decomposição de Valor Único (SVD)
19 Discretização e Binarização Os dados devem estar na forma de atributos categorizados para algoritmos de classificação. Algoritmos que encontram padrões de associação requerem que os dados estejam na forma de atributos binários. Muitas vezes é necessário transformar um atributo contínuo em um categorizado (discretização). Tanto atributos contínuos quanto discretos podem precisar ser transformados em um ou mais atributos binários (binarização).
20 Binarização Com m valores categorizados, atribui-se unicamente a cada valor original um valor inteiro no intervalo [0, m-1]. Se o atributo for ordinal, a ordem deve ser mantida pela atribuição. A seguir, converta cada um dos m números inteiros em um número binário. Já que n = [log 2 (m)] dígitos binários são necessários para representar estes números inteiros. Represente esses números binários usando n atributos binários.
21 Binarização Valor categorizado Valor inteiro X 1 X 2 X 3 Ruim Fraco Satisfatório Bom Excelente Tal transformação pode causar complicações, como a criação de relacionamentos não pretendidos entre os atributos transformados. Os atributos X 2 e X 3 são correlacionados para o valor Bom. Além disso, a análise de associação requer atributos binários assimétricos, onde apenas a presença do atributo (valor =1) é importante.
22 Binarização Para problemas de associação é necessário inserir um atributo binário para cada valor categorizado Valor categorizado Valor inteiro x 1 x 2 x 3 x 4 x 5 Ruim Fraco Satisfatório Bom Excelente
23 Discretização de Atributos Contínuos A discretização é geralmente aplicada em atributos que sejam usados na análise de classificação ou associação. A transformação de um atributo contínuo em um categórico envolve duas subtarefas: decidir quantas categorias e determinar como mapear os valores do atributo contínuo para essas categorias.
24 Discretização de Atributos Contínuos 1. Ordenar os valores do atributo contínuo e especificar n intervalos, com n-1 pontos de divisão. 2. Todos os valores de um intervalo são mapeados para o mesmo valor de categoria. O problema da discretização é decidir quantos pontos de divisão escolher e onde colocá-los.
25 Transformação de Variáveis Se refere a uma transformação que seja aplicada a todos os valores de uma variável. Tipos: Transformações funcionais simples Normalização
26 Transformação de Variáveis Funções Simples Para esse tipo, uma função matemática simples é aplicada a cada valor individualmente. Se x for uma variável, então exemplos de tais transformações incluem x k, log x, e x, x, 1/x, sen x ou x. ID Variável (x) Transformação log 10 (x)
27 Transformação de Variáveis Normalização e Padronização O objetivo é fazer o conjunto inteiro de valores ter uma determinada propriedade. Exemplo: considere a comparação de pessoas baseada em duas variáveis: idade e renda. A diferença em renda provavelmente seja muito maior em termos absolutos do que a diferença de idade.
28 Transformação de Variáveis Normalização e Padronização Um exemplo tradicional é o da padronização de uma variável em estatística. Se ā for a média dos valores do atributo e S a seu desvio padrão, então a transformação a =(a ā)/s a cria uma nova variável que tem uma média 0 e um desvio padrão de 1. ā = 33.5 S a = Atributo a a
29
30 Transformação de Variáveis Normalização e Padronização Se variáveis diferentes devem ser combinadas, então tal transformação muitas vezes é necessária para evitar variáveis com valores grandes dominando os resultados do cálculo.
31 Medidas Semelhança e Diferença Semelhança e diferença são usadas em técnicas como, agrupamento, classificação e detecção de anomalias. Medidas como a correlação e distância euclidiana são úteis para dados densos como séries de tempos ou pontos bidimensionais. Medidas de semelhança do cosseno e Jaccard são úteis para dados esparsos como documentos.
32 Semelhança A semelhança entre dois objetos é uma medida numérica do grau no qual dois objetos se parecem. Semelhanças são geralmente não negativas e muitas vezes entre 0 (sem semelhança) e 1 (semelhança completa).
33 Diferença A diferença entre dois objetos é uma medida numérica do grau no qual os dois objetos são diferentes. Frequentemente, o termo distância é usado como sinônimo de diferença. As diferenças às vezes estão no intervalo [0,1], mas é comum que variem de 0 a.
34 Semelhança e Diferença entre atributos simples Atributo nominal: Neste caso, a semelhança é definida tradicionalmente como 1 se os valores forem correspondentes e 0 caso contrário. Atributo ordinal: As informações sobre a ordem devem ser levadas em consideração. Qualidade de um produto (fraca, razoável, satisfatória, boa, ótima). Para tornar esta observação quantitativa, os valores muitas vezes são mapeados com números inteiros sucessivos {fraca=0, razoável=1, satisfatória=2, boa=3, ótima=4}
35 Semelhança e Diferença entre atributos simples Atributo ordinal: {fraca=0, razoável=1, satisfatória=2, boa=3, ótima=4} Então d(p1,p2) = 3-2 = 1, ou d(p1,p2) = (3-2)/4 = 0,25 Uma semelhança para atributos ordinais pode então ser definida como s = 1- d. Atributos proporcionais ou intervalares: A medida natural de diferença entre dois objetos é a diferença absoluta dos seus valores.
36 Diferenças entre objetos de dados
37 Diferenças entre objetos de dados
38 Medidas de semelhança para dados binários Se x e y são dois objetos que consistam de n atributos binários, a comparação entre eles, ou seja, entre dois vetores binários, leva às seguintes quantidades (frequências): f 00 = número de atributos onde x é 0 e y é 0 f 01 = número de atributos onde x é 0 e y é 1 f 10 = número de atributos onde x é 1 e y é 0 f 11 = número de atributos onde x é 1 e y é 1
39 Medidas de semelhança para dados binários
40 Medidas de semelhança para dados binários Coeficiente de Jaccard Sejam x e y objetos de dados que representam duas linhas de uma matriz de transações. Cada atributo assimétrico corresponde a um item de uma loja, então o número 1 indica que o item foi comprado, caso contrário temos o número 0. O CCS diria que todas as transações são muito semelhantes, já que o número de produtos não comprados por algum cliente supera em muito o número de produtos comprados.
41 Medidas de semelhança para dados binários
42 Medidas de semelhança para dados binários X = (1,0,0,0,0,0,0,0,0,0) Y = (0,0,0,0,0,0,1,0,0,1) f 00 = 7 f 01 = 2 f 10 = 1 f 11 = 0 CCS = 0.7 J = 0
43 Medidas de semelhança para dados não binários Semelhança do cosseno Documentos podem ser representados como vetores, onde cada atributo representa a frequência na qual uma determinada palavra ocorre no documento. A semelhança do cosseno é uma das medidas mais comuns de semelhança de documentos.
44 Medidas de semelhança para dados não binários
45 Medidas de semelhança para dados não binários Semelhança do cosseno x = (3,2,0,5,0,0,0,2,0,0) y = (1,0,0,0,0,0,0,1,0,2) x.y = 5 x = 6.45 y = 2.24 cos(x,y)=0.34
Aula 03: Dados Profa. Ms. Rosângela da Silva Nunes
Aula 03: Dados Profa. Ms. Rosângela da Silva Nunes 1 de 29 Tipos de Conjuntos de dados Registro Tabela do BD Matriz de dados Document 1 Document 2 team coach pla y ball score game wi n lost timeout 3 0
Leia maisEstatística Descritiva
C E N T R O D E M A T E M Á T I C A, C O M P U T A Ç Ã O E C O G N I Ç Ã O UFABC Estatística Descritiva Centro de Matemática, Computação e Cognição March 17, 2013 Slide 1/52 1 Definições Básicas Estatística
Leia maisDepartamento de Estatística
Laboratório de Ciências - Aula 3 Departamento de Estatística 7 de Janeiro de 2014 Introdução Suponha que dispomos de um conjunto de dados, por exemplo, número de gols (ou número de impedimentos, chutes
Leia maisProf. Júlio Cesar Nievola Data Mining PPGIa PUCPR
10 Coleção de objetos de dados e seus atributos Atributos Um atributo é uma propriedade ou característica de um objeto Exemplos: cor dos olhos de uma pessoa, temperatura, etc. Atributo também é conhecido
Leia maisProf. Daniela Barreiro Claro
O volume de dados está crescendo sem parar Gigabytes, Petabytes, etc. Dificuldade na descoberta do conhecimento Dados disponíveis x Análise dos Dados Dados disponíveis Analisar e compreender os dados 2
Leia maisAmostragem Aleatória e Descrição de Dados - parte II
Amostragem Aleatória e Descrição de Dados - parte II 2012/02 1 Diagrama de Ramo e Folhas 2 3 4 5 Objetivos Ao final deste capítulo você deve ser capaz de: Construir e interpretar disposições gráficas dos
Leia maisA Estatística é aplicada como auxílio nas tomadas de decisão diante de incertezas para justificar cientificamente as decisões
A IMPORTÂNCIA DA ESTATÍSTICA A Estatística é aplicada como auxílio nas tomadas de decisão diante de incertezas para justificar cientificamente as decisões Governo Indústria Ciências Econômicas, sociais,
Leia maisEstatística Descritiva (I)
Estatística Descritiva (I) 1 O que é Estatística Origem relacionada com a coleta e construção de tabelas de dados para o governo. A situação evoluiu: a coleta de dados representa somente um dos aspectos
Leia maisPrincipais Conceitos em Estatística
1 Principais Conceitos em Estatística Ernesto F. L. Amaral 08 de outubro de 2009 www.ernestoamaral.com/met20092.html Fonte: Triola, Mario F. Introdução à estatística. 10 ª ed., Rio de Janeiro: LTC, 2008.
Leia maisClassificação e Predição de Dados - Profits Consulting - Consultoria Empresarial - Serviços SAP- CRM Si
Classificação e Predição de Dados - Profits Consulting - Consultoria Empresarial - Serviços SAP- CRM Si Classificação de Dados Os modelos de classificação de dados são preditivos, pois desempenham inferências
Leia maisAGRUPAMENTO DE ESCOLAS DR. VIEIRA DE CARVALHO DEPARTAMENTO DE MATEMÁTICA E CIÊNCIAS EXPERIMENTAIS MATEMÁTICA PLANIFICAÇÃO ANUAL 7.
AGRUPAMENTO DE ESCOLAS DR. VIEIRA DE CARVALHO DEPARTAMENTO DE MATEMÁTICA E CIÊNCIAS EXPERIMENTAIS MATEMÁTICA PLANIFICAÇÃO ANUAL 7.º ANO ANO LECTIVO 2009/2010 DOMÍNIO TEMÁTICO: NÚMEROS E CÁLCULO 1.º PERÍODO
Leia maisAGRUPAMENTO DE ESCOLAS DR. VIEIRA DE CARVALHO
AGRUPAMENTO DE ESCOLAS DR. VIEIRA DE CARVALHO DEPARTAMENTO DE MATEMÁTICA E CIÊNCIAS EXPERIMENTAIS MATEMÁTICA 7.º ANO PLANIFICAÇÃO GLOBAL Múltiplos e divisores. Critérios de divisibilidade. - Escrever múltiplos
Leia maisINTRODUÇÃO À ESTATÍSTICA: Medidas de Tendência Central e Medidas de Dispersão. Prof. Dr. Guanis de Barros Vilela Junior
INTRODUÇÃO À ESTATÍSTICA: Medidas de Tendência Central e Medidas de Dispersão Prof. Dr. Guanis de Barros Vilela Junior Relembrando!!! Não é uma CIÊNCIA EXATA!!! É UMA CIÊNCIA PROBABILÍSTICA!!!!!!! Serve
Leia maisIntrodução à Bioestatística. Profº Lucas Neiva-Silva Universidade Federal de Ciências da Saúde de Porto Alegre 2008
Introdução à Bioestatística Profº Lucas Neiva-Silva lucasneiva@yahoo.com.br Universidade Federal de Ciências da Saúde de Porto Alegre 2008 Estatística Do grego statistós, de statízo, que significa estabelecer,
Leia maisEstatística Descritiva (I)
Estatística Descritiva (I) O que é Estatística Para muitos, a Estatística não passa de conjuntos de tabelas de dados numéricos. Os estatísticos são as pessoas que coletam esses dados. A Estatística originou-se
Leia maisMedidas e Escalas: Fundamentos e Escalas Comparativas Prentice Hall
Medidas e Escalas: Fundamentos e Escalas Comparativas 1-1 Sumário 1) Visão Geral; 2) Medidas e Escalas; 3) Principais ; i. Escala Nominal ii. Escala Ordinal iii. Escala Intervalar iv. Escala de Razão 1-2
Leia maisESTATÍSTICA E. Prof Paulo Renato A. Firmino. Aulas
ESTATÍSTICA E Prof Paulo Renato A. Firmino praf62@gmail.com Aulas 05-06 Descritiva Medidas de Posição Mediana: É o valor que se localiza no centro de uma amostra ordenada Se o número de observações (n)
Leia maisDISCIPLINA: EPIDEMIOLOGIA E BIOESTATÍSTICA LICENCIATURA: ENFERMAGEM; FISIOTERAPIA
Aula nº 1 Data: 3 de Outubro de 2002 1. INTRODUÇÃO: POPULAÇÕES, AMOSTRAS, VARIÁVEIS E OBSERVAÇÕES Conceito de Bioestatística e importância da disciplina no âmbito da investigação biológica. Limitações
Leia maisCAP1: Estatística Descritiva para análise da variabilidade uma amostra de dados quantitativos
CAP1: Estatística Descritiva para análise da variabilidade uma amostra de dados quantitativos O aluno deverá utilizar calculadora científica Resumo Numérico dos dados Suponha que os dados sejam representados
Leia maisOs Dados. Mineração de Dados 2011
Os Dados Mineração de Dados 2011 Luís Rato (Capítulo 2 do livro Introduction to Data Mining ) Universidade de Évora, 2011 Mineração de dados / Data Mining 1 Os Dados Bibliografia Capítulo 2 do livro Introduction
Leia maisDescoberta de Conhecimento em Bases de Dados. Pesquisa de Clusters
Universidade Técnica de Lisboa INSTITUTO SUPERIOR DE ECONOMIA E GESTÃO Informática e Sistemas de Informação Aplicados em Economia Descoberta de Conhecimento em Bases de Dados. Pesquisa de Clusters Descoberta
Leia maisApresentação gráfica de séries estatísticas
15 R E S U M O 04 Apresentação gráfica de séries estatísticas 4.1 INTRODUÇÃO Além da apresentação tabular, outra forma de se resumir e apresentar dados estatísticos são por meio de gráficos. A principal
Leia maisConceitos básicos, probabilidade, distribuição normal e uso de tabelas padronizadas
Conceitos básicos, probabilidade, distribuição normal e uso de tabelas padronizadas Prof. Marcos Vinicius Pó Métodos Quantitativos para Ciências Sociais Alguns conceitos População: é o conjunto de todos
Leia maisTratamento estatístico de observações
Tratamento estatístico de observações Prof. Dr. Carlos Aurélio Nadal OBSERVAÇÃO: é o valor obtido durante um processo de medição. DADO: é o resultado do tratamento de uma observação (por aplicação de uma
Leia maisMaterial exclusivo para o livro ESTATÍSTICA (São Paulo, Pleiade, 2008). Proibida a reprodução, sob pena da lei.
Regressão Linear marcoscgarcia@gmail.com 2008). Proibida a reprodução, sob pena da lei. 1 O modelo estatístico de Regressão Linear Simples Regressão linear simples é usado para analisar o comportamento
Leia maisUNIVERSIDADE FEDERAL DA PARAÍBA CÁLCULO DAS PROBABILIDADES E ESTATÍSTICA I
UNIVERSIDADE FEDERAL DA PARAÍBA CÁLCULO DAS PROBABILIDADES E ESTATÍSTICA I Departamento de Estatística Tarciana Liberal CONCEITOS FUNDAMENTAIS DE ESTATÍSTICA O que a Estatística significa para você? Pesquisas
Leia maisINE 6006 MÉTODOS ESTATÍSTICOS
INE 6006 MÉTODOS ESTATÍSTICOS Professor Marcelo Menezes Reis http://www.inf.ufsc.br/~marcelo/ Disciplinas em 2016.1 (Métodos Estatísticos) marcelo.menezes.reis@ufsc.br menreis1968@gmail.com Sala INE 510-37217556
Leia maisTransformada de Discreta de Co senos DCT
Transformada de Discreta de Co senos DCT O primeiro passo, na maioria dos sistemas de compressão de imagens e vídeo, é identificar a presença de redundância espacial (semelhança entre um pixel e os pixels
Leia mais1 Introdução aos Métodos Estatísticos para Geografia 1
1 Introdução aos Métodos Estatísticos para Geografia 1 1.1 Introdução 1 1.2 O método científico 2 1.3 Abordagens exploratória e confirmatória na geografia 4 1.4 Probabilidade e estatística 4 1.4.1 Probabilidade
Leia maisTópicos em Mineração de Dados
Tópicos em Mineração de Dados Descoberta de agrupamentos Método k-médias 1. Introdução A descoberta de agrupamentos é uma tarefa descritiva que procura agrupar dados utilizando a similaridade dos valores
Leia maisMétodos Estatísticos Básicos
Aula 1 - Conceitos introdutórios Departamento de Economia Universidade Federal de Pelotas (UFPel) Março de 2014 Importância da estatística na economia A economia, em geral, é uma ciência não-experimental.
Leia maisMatrizes esparsas: definição
Matrizes esparsas: definição o objetivo é mostrar os métodos de armazenamento e manipulação de matrizes esparsas esparsidade de uma matriz é a relação entre o número de elementos nulos de uma matriz e
Leia maisCAPÍTULO 3 POPULAÇÃO E AMOSTRA
DEPARTAMENTO DE GEOCIÊNCIAS GCN 7901 ANÁLISE ESTATÍSTICA EM GEOCIÊNCIAS PROFESSOR: Dr. ALBERTO FRANKE CONTATO: alberto.franke@ufsc.br F: 3721 8595 CAPÍTULO 3 POPULAÇÃO E AMOSTRA As pesquisas de opinião
Leia maisAGRUPAMENTO de ESCOLAS Nº1 de SANTIAGO do CACÉM Ano Letivo 2013/2014 PLANIFICAÇÃO ANUAL
AGRUPAMENTO de ESCOLAS Nº1 de SANTIAGO do CACÉM Ano Letivo 2013/2014 PLANIFICAÇÃO ANUAL Documento(s) Orientador(es): Programa e Metas de Aprendizagem e manual adoptado 3º CICLO MATEMÁTICA 7ºANO TEMAS/DOMÍNIOS
Leia maisSUMÁRIO. Prefácio, Espaço amostrai, Definição de probabilidade, Probabilidades finitas dos espaços amostrais fin itos, 20
SUMÁRIO Prefácio, 1 3 1 CÁLCULO DAS PROBABILIDADES, 15 1.1 Introdução, 15 1.2 Caracterização de um experimento aleatório, 15 1.3 Espaço amostrai, 16 1.4 Evento, 17 1.5 Eventos mutuamente exclusivos, 17
Leia maisPLANEJAMENTO EXPERIMENTAL
Faculdade de Medicina Veterinária PLANEJAMENTO EXPERIMENTAL Prof.Adjunto Paulo César Ciarlini 1800: Sir William Herschel Ciarlini@fmva.unesp.br Bons jovens têm sonhos ou disciplina. Jovens brilhantes têm
Leia maisAT = Maior valor Menor valor
UNIVERSIDADE FEDERAL DA PARAÍBA TABELAS E GRÁFICOS Departamento de Estatística Luiz Medeiros DISTRIBUIÇÃO DE FREQUÊNCIA Quando se estuda uma massa de dados é de frequente interesse resumir as informações
Leia maisMáquinas de suporte vetorial e sua aplicação na detecção de spam
e sua aplicação na detecção de spam Orientador: Paulo J. S. Silva (IME-USP) Universidade de São Paulo Instituto de Matemática e Estatística Departamento de Ciência da Computação MAC499 Trabalho de Formatura
Leia maisFilho, não é um bicho: chama-se Estatística!
Paulo Jorge Silveira Ferreira Filho, não é um bicho: chama-se Estatística! Estatística aplicada uma abordagem prática FICHA TÉCNICA EDIÇÃO: Paulo Ferreira TÍTULO: Filho, não é um bicho: chama-se Estatística!
Leia maisProcessamento Digital de Sinais:
Processamento Digital de Sinais: Conceitos e Aplicações Joseana Macêdo Fechine Régis de Araújo IC-DSC-UFCG 1 Por que estudar PDS? 2 PDS Conceitos Básicos Sinais Padrões de variações que representam uma
Leia mais1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3.
1 1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3. Modelo de Resultados Potenciais e Aleatorização (Cap. 2 e 3
Leia maisCompressão de Imagens Usando Wavelets: Uma Solução WEB para a Codificação EZW Utilizando JAVA. Utilizando JAVA. TCC - Monografia
Compressão de Imagens Usando Wavelets: Uma Solução WEB para a Codificação EZW Utilizando JAVA TCC - Monografia Wanderson Câmara dos Santos Orientador : Prof. Dr. Luiz Felipe de Queiroz Silveira 1 Departamento
Leia maisEstatística descritiva básica: Medidas de tendência central
Estatística descritiva básica: Medidas de tendência central ACH2021 Tratamento e Análise de Dados e Informações Marcelo de Souza Lauretto marcelolauretto@usp.br www.each.usp.br/lauretto *Parte do conteúdo
Leia maisAGRUPAMENTO DE ESCOLAS DR. VIEIRA DE CARVALHO
AGRUPAMENTO DE ESCOLAS DR. VIEIRA DE CARVALHO DEPARTAMENTO DE MATEMÁTICA E CIÊNCIAS EXPERIMENTAIS MATEMÁTICA 6.º ANO PLANIFICAÇÃO GLOBAL ANO LECTIVO 2011/2012 Compreender a noção de volume. VOLUMES Reconhecer
Leia maisCalendarização da Componente Letiva Ano Letivo 2016/2017
AGRUPAMENTO DE ESCOLAS ANDRÉ SOARES (150952) Calendarização da Componente Letiva Ano Letivo 2016/2017 8º Ano Matemática Períodos 1º Período 2º Período 3º Período Número de aulas previstas (45 minutos)
Leia maisAgrupamento de Escolas de Águeda Escola Básica Fernando Caldeira
Agrupamento de Escolas de Águeda Escola Básica Fernando Caldeira Currículo da disciplina de Matemática - 7ºano Unidade 1 Números inteiros Propriedades da adição de números racionais Multiplicação de números
Leia maisREGRESSÃO E CORRELAÇÃO
Vendas (em R$) Disciplina de Estatística 01/ Professora Ms. Valéria Espíndola Lessa REGRESSÃO E CORRELAÇÃO 1. INTRODUÇÃO A regressão e a correlação são duas técnicas estreitamente relacionadas que envolvem
Leia maisAprendizagem de Máquina
Aprendizagem de Máquina Alessandro L. Koerich Programa de Pós-Graduação em Engenharia Elétrica Universidade Federal do Paraná (UFPR) EXTRAÇÃO DE CARACTERÍSTICAS Definição Característica: variável ou atributo
Leia maisI Introdução. 2. Colecção de dados. Amostras 3. Variáveis estatísticas. Tratamento de Dados 2º Semestre
I Introdução 2. Colecção de dados. Amostras 3. Variáveis estatísticas Objectivo Transformar Dados em Informação Definições Universo ou população Conjunto de elementos com uma característica comum susceptível
Leia maisElementos de Estatística
Elementos de Estatística Lupércio F. Bessegato & Marcel T. Vieira UFJF Departamento de Estatística 2013 Medidas Resumo Medidas Resumo Medidas que sintetizam informações contidas nas variáveis em um único
Leia maisCONTROLE ESTATÍSTICO DE PROCESSOS
CONTROLE ESTATÍSTICO DE PROCESSOS ANEXOS INTRODUÇÃO ANEXO 1 TABELA I Fator para estimar o desvio padrão ANEXO 2 TABELA II Valores padronizados para distribuição normal ANEXO 3 TABELA III Distribuição de
Leia maisAGRUPAMENTO DE ESCOLAS DR. VIEIRA DE CARVALHO
AGRUPAMENTO DE ESCOLAS DR. VIEIRA DE CARVALHO DEPARTAMENTO DE MATEMÁTICA E CIÊNCIAS EXPERIMENTAIS MATEMÁTICA 6.º ANO PLANIFICAÇÃO GLOBAL ANO LECTIVO 2012/2013 Compreender a noção de volume. VOLUMES Reconhecer
Leia maisMATRIZ DE REFERÊNCIA DE MATEMÁTICA - SADEAM 3 ANO DO ENSINO FUNDAMENTAL
3 ANO DO ENSINO FUNDAMENTAL ESPAÇO E FORMA Identificar a localização/movimentação de objeto ou pessoa em mapa, croqui e outras representações gráficas. Identificar propriedades comuns e diferenças entre
Leia maisFACULDADE CAMPO LIMPO PAULISTA (FACCAMP) COORDENADORIA DE EXTENSÃO E PESQUISA CURSO DE PÓS-GRADUAÇÃO LATO SENSU EM MINERAÇÃO E CIÊNCIA DOS DADOS
FACULDADE CAMPO LIMPO PAULISTA (FACCAMP) COORDENADORIA DE EXTENSÃO E PESQUISA CURSO DE PÓS-GRADUAÇÃO LATO SENSU EM MINERAÇÃO E CIÊNCIA DOS DADOS PROJETO PEDAGÓGICO CAMPO LIMPO PAULISTA 2015 1. Público
Leia maisInteligência Artificial
Universidade Federal de Campina Grande Departamento de Sistemas e Computação Pós-Graduação em Ciência da Computação Inteligência Artificial Aprendizagem Outras Técnicas Prof. a Joseana Macêdo Fechine Régis
Leia maisDEPARTAMENTO DE MATEMÁTICA E INFORMÁTICA DISCIPLINA: Matemática (8º Ano) METAS CURRICULARES/CONTEÚDOS ANO LETIVO 2016/
DEPARTAMENTO DE MATEMÁTICA E INFORMÁTICA DISCIPLINA: Matemática (8º Ano) METAS CURRICULARES/CONTEÚDOS ANO LETIVO 2016/2017... 1º Período Metas/ Objetivos Conceitos/ Conteúdos Aulas Previstas Geometria
Leia maisProf. Dr. Engenharia Ambiental, UNESP
INTRODUÇÃO A ESTATÍSTICA ESPACIAL Análise Exploratória dos Dados Estatística Descritiva Univariada Roberto Wagner Lourenço Roberto Wagner Lourenço Prof. Dr. Engenharia Ambiental, UNESP Estrutura da Apresentação
Leia maisAula 02. Variáveis. Organização e Apresentação dos Dados
Aula 02 Variáveis Organização e Apresentação dos Dados Stela Adami Vayego - DEST/UFPR 1 Variáveis e escalas de medição 1. Variável - É qualquer quantidade ou característica que pode possuir diferentes
Leia maisModelos Lineares Medidas de tendência central e de variabilidade. Professora Ariane Ferreira
Medidas de tendência central e de variabilidade Professora 2 Dados Empíricos Os dados empíricos coletados de um processo devem formar a base para as decisões e ações. Uma vez que os dados brutos tenham
Leia maisESTATÍSTICA INFERENCIAL. Prof. Dr. Guanis de Barros Vilela Junior
ESTATÍSTICA INFERENCIAL Prof. Dr. Guanis de Barros Vilela Junior As Hipóteses A Hipótese Nula (H 0 ) é, em geral, uma afirmação conservadora sobre uma situação da pesquisa. Por exemplo, se você quer testar
Leia maisMatriz de Referência de Matemática* SAEPI Temas e seus Descritores 5º ano do Ensino Fundamental
MATEMÁTICA - 5º EF Matriz de Referência de Matemática* SAEPI Temas e seus Descritores 5º ano do Ensino Fundamental Identificar a localização/movimentação de objeto em mapas, croquis e outras representações
Leia maisMódulo IV Medidas de Variabilidade ESTATÍSTICA
Módulo IV Medidas de Variabilidade ESTATÍSTICA Objetivos do Módulo IV Compreender o significado das medidas de variabilidade em um conjunto de dados Encontrar a amplitude total de um conjunto de dados
Leia maisEstatística descritiva básica: Tabelas e Gráficos
Estatística descritiva básica: Tabelas e Gráficos ACH2021 Tratamento e Análise de Dados e Informações Marcelo de Souza Lauretto marcelolauretto@usp.br www.each.usp.br/lauretto *Parte do conteúdo baseada
Leia maisSeminários Digitais Parte VI. Do universo, da amostra e da delimitação do corpus na pesquisa
Seminários Digitais Parte VI Do universo, da amostra e da delimitação do corpus na pesquisa Curso de Comunicação em Mídias Digitais Pesquisa Aplicada em Comunicação e Mídias Digitais Marcos Nicolau Do
Leia maisUNIVERSIDADE FEDERAL DE RONDÔNIA CAMPUS DE JI-PARANÁ DEPARTAMENTO 3 ENGENHARIA AMBIENTAL LISTA DE EXERCÍCIOS 4
UNIVERSIDADE FEDERAL DE RONDÔNIA CAMPUS DE JI-PARANÁ DEPARTAMENTO 3 ENGENHARIA AMBIENTAL LISTA DE EXERCÍCIOS 4 Disciplina: Estatística I 1. Dado que z é uma variável aleatória normal padrão, calcule as
Leia maisInteligência Artificial
Inteligência Artificial Aula 6 Algoritmos Genéticos M.e Guylerme Velasco Roteiro Introdução Otimização Algoritmos Genéticos Representação Seleção Operadores Geneticos Aplicação Caixeiro Viajante Introdução
Leia maisPROBABILIDADE E ESTATÍSTICA. Profa. Dra. Yara de Souza Tadano
PROBABILIDADE E ESTATÍSTICA Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 7 11/2014 Variáveis Aleatórias Variáveis Aleatórias Probabilidade e Estatística 3/41 Variáveis Aleatórias Colete
Leia maisProf. Anderson Rodrigo da Silva.
Prof. Anderson Rodrigo da Silva anderson.silva@ifgoiano.edu.br Sobre Estatística Conjunto de conceitos e métodos. Ciência que recolhe fatos e fenômenos, analisa-os e interpreta-os quanto ao número de frequência,
Leia maisFigura 3.42 Resultados das medidas de tendência central.
Figura 3.42 Resultados das medidas de tendência central. Atividade 2 Ao longo dos próximos exercícios nós trabalharemos com uma planilha de dados a ser fornecida durante a aula. A planilha contém dados
Leia maisP L A N I F I C A Ç Ã 0 3 º C I C L O
P L A N I F I C A Ç Ã 0 3 º C I C L O 2015-2016 DISCIPLINA / ANO: Matemática / 8º Ano MANUAL ADOTADO: MATEMÁTICA EM AÇÃO 8 (E.B. 2,3) / MATEMÁTICA DINÂMICA 8 (SEDE) GESTÃO DO TEMPO 1º PERÍODO Nº de tempos
Leia maisESTATÍSTICA. na Contabilidade Parte 5. Medidas Estatísticas
ESTATÍSTICA na Contabilidade Parte 5 Luiz A. Bertolo Medidas Estatísticas A distribuição de frequências permite-nos descrever, de modo geral, os grupos de valores (classes) assumidos por uma variável.
Leia maisUNIVERSIDADE FEDERAL DA PARAÍBA
UNIVERSIDADE FEDERAL DA PARAÍBA Departamento de Estatística Tarciana Liberal Quando se estuda uma massa de dados é de freqüente interesse resumir as informações de variáveis. Costuma-se, freqüentemente,
Leia maisMedidas Estatísticas NILO FERNANDES VARELA
Medidas Estatísticas NILO FERNANDES VARELA Tendência Central Medidas que orientam quanto aos valores centrais. Representam os fenômenos pelos seus valores médios, em torno dos quais tendem a se concentrar
Leia maisEstatística
Estatística 1 2016.2 Sumário Capítulo 1 Conceitos Básicos... 3 MEDIDAS DE POSIÇÃO... 3 MEDIDAS DE DISPERSÃO... 5 EXERCÍCIOS CAPÍTULO 1... 8 Capítulo 2 Outliers e Padronização... 12 VALOR PADRONIZADO (Z)...
Leia maisClassificação: Árvores de Decisão e k-nn. Eduardo Raul Hruschka
Classificação: Árvores de Decisão e k-nn Eduardo Raul Hruschka Árvores de Decisão Métodos para aproximar funções discretas, representadas por meio de uma árvore de decisão; Árvores de decisão podem ser
Leia maisAula de Processamento de Sinais I.B De Paula. Tipos de sinal:
Tipos de sinal: Tipos de sinal: Determinístico:Sinais determinísticos são aqueles que podem ser perfeitamente reproduzidos caso sejam aplicadas as mesmas condições utilizadas sua geração. Periódico Transiente
Leia maisCARTOGRAFIA Escala. Prof. Luiz Rotta
CARTOGRAFIA Escala Prof. Luiz Rotta ESCALA Cartas ou mapas são representações da superfície e possuem detalhes naturais e artificiais. Representá-los requer: Reduzir as proporções dos acidentes à representar,
Leia maisExtração de Conhecimento & Mineração de Dados
Extração de Conhecimento & Mineração de Dados Nesta apresentação é dada uma breve introdução à Extração de Conhecimento e Mineração de Dados José Augusto Baranauskas Departamento de Física e Matemática
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Distribuição Conjunta Suponha que se queira analisar o comportamento conjunto das variáveis X = Grau de Instrução e Y = Região
Leia maisElementos de Estatística
Elementos de Estatística Lupércio F. Bessegato & Marcel T. Vieira UFJF Departamento de Estatística 2013 Gráficos & Tabelas Descrição Tabular e Gráfica Tabelas: Tipos de variáveis e tabelas Frequências
Leia maisAula 2 Regressão e Correlação Linear
1 ESTATÍSTICA E PROBABILIDADE Aula Regressão e Correlação Linear Professor Luciano Nóbrega Regressão e Correlação Quando consideramos a observação de duas ou mais variáveis, surge um novo problema: -as
Leia maisVariáveis Aleatórias Contínuas e Distribuição de Probabilidad
Variáveis Aleatórias Contínuas e Distribuição de Probabilidades - parte II 26 de Novembro de 2013 Distribuição Contínua Uniforme Média e Variância Objetivos Ao final deste capítulo você deve ser capaz
Leia maisESTATÍSTICA Medidas de Síntese
2.3 - Medidas de Síntese Além das tabelas e gráficos um conjunto de dados referente a uma variável QUANTITATIVA pode ser resumido (apresentado) através de Medidas de Síntese, também chamadas de Medidas
Leia maisEstatística para Cursos de Engenharia e Informática
Estatística para Cursos de Engenharia e Informática BARBETTA, Pedro Alberto REIS, Marcelo Menezes BORNIA, Antonio Cezar MUDANÇAS E CORREÇOES DA ª EDIÇÃO p. 03, após expressão 4.9: P( A B) = P( B A) p.
Leia maisNessa situação, a média dessa distribuição Normal (X ) é igual à média populacional, ou seja:
Pessoal, trago a vocês a resolução da prova de Estatística do concurso para Auditor Fiscal aplicada pela FCC. Foram 10 questões de estatística! Não identifiquei possibilidade para recursos. Considero a
Leia maisCursos Profissionais de Nível Secundário
Cursos Profissionais de Nível Secundário Técnico de Apoio à infância e Técnico de Turismo Ano Letivo: 2014/2015 Matemática (100 horas) 10º Ano PLANIFICAÇÃO A LONGO PRAZO A1 Geometria Resolução de problemas
Leia mais1 Desenho da investigação. 1.1 Definição e objectivos 1.2 Elementos do desenho
1 Desenho da investigação 1.1 Definição e objectivos 1.2 Elementos do desenho Definição: Plano e estrutura do trabalho de investigação; Conjunto de directivas associadas ao tipo de estudo escolhido Objectivos:
Leia maisIntrodução ao Processamento de Imagens Digitais Aula 01
Introdução ao Processamento de Imagens Digitais Aula 01 Douglas Farias Cordeiro Universidade Federal de Goiás 06 de julho de 2015 Mini-currículo Professor do curso Gestão da Informação Formação: Graduação
Leia maisProcessamento Digital de Imagens
Ciência da Computação Processamento Digital de Imagens Prof. Sergio Ribeiro Tópicos Introdução Espectro Eletromagnético Aquisição e Digitalização de Imagens Efeitos da Digitalização Digitalização Sensoriamento
Leia maisAnálise Fatorial e Componentes Principais Aplicadas na Engenharia de Avaliações
Análise Fatorial e Componentes Principais Aplicadas na Engenharia de Avaliações Diogo de Carvalho Bezerra Universidade Federal de Pernambuco Núcleo de Gestão e-mail:dicbezerra@hotmail.com SOBREA Sociedade
Leia maisNov/2016. José Roberto Motta Garcia
José Roberto Motta Garcia garcia.cptec@gmail.com Fases da análise de dados Tratamento de dados Resumo estatístico dos dados - comandos Resumo estatístico dos dados - resultados Agrupamento pela soma (via
Leia maisESTATÍSTICA DESCRITIVA E PREVISÃO INDICE
ESTATÍSTICA DESCRITIVA E PREVISÃO INDICE CAPITULO L APRESENTAÇÃO DE DADOS, pag 1 1.1 Introdução, 2 1.2. Quadros ou Tabelas, 3 1.3 Distribuições de Frequência, 4 1.4 Classificação de Dados, 7 1.5 Distribuição
Leia maisESTATÍSTICA DESCRITIVA APLICADA NA SAÚDE. Hospital Universitário Prof. Edgard Santos UFBA Unidade de Planejamento Julho de 2016
ESTATÍSTICA DESCRITIVA APLICADA NA SAÚDE Hospital Universitário Prof. Edgard Santos UFBA Unidade de Planejamento Julho de 2016 AGENDA: DEFINIÇÃO; VARIÁVEIS (CONSTRUÇÃO DE UM BANCO DE DADOS); ORGANIZAÇÃO
Leia maisAmostragem Objetivos - Identificar as situações em que se deve optar pela amostragem e pelo censo. - Compreender e relacionar AMOSTRA e POPULAÇÃO.
Amostragem Objetivos - Identificar as situações em que se deve optar pela amostragem e pelo censo. - Compreender e relacionar AMOSTRA e POPULAÇÃO. - Que é Amostragem Aleatória Simples. - Métodos para a
Leia maisVISÃO COMPUTACIONAL. Marcelo Henrique dos Santos
VISÃO COMPUTACIONAL Marcelo Henrique dos Santos marcelosantos@outlook.com São Paulo SP, Agosto/2013 INTRODUÇÃO Processamento de imagens é um processo onde a entrada do sistema é uma imagem e a saída é
Leia maisESTATÍSTICA DESCRITIVA
ESTATÍSTICA DESCRITIVA O principal objectivo da ESTATÍSTICA DESCRITIVA é a redução de dados. A importância de que se revestem os métodos que visam exprimir a informação relevante contida numa grande massa
Leia maisProf. Sérgio Carvalho Estatística. I Jornada de Especialização em Concursos
DISTRIBUIÇÃO DE FREQÜÊNCIAS & INTERPOLAÇÃO LINEAR DA OGIVA 0. (AFRF-000) Utilize a tabela que se segue. Freqüências Acumuladas de Salários Anuais, em Milhares de Reais, da Cia. Alfa Classes de Salário
Leia maisProcessamento de Imagem. Prof. MSc. André Yoshimi Kusumoto
Processamento de Imagem Prof. MSc. André Yoshimi Kusumoto andrekusumoto.unip@gmail.com Filtragem de Imagens A utilização de filtros tem como objetivo melhorar a qualidade das imagens através da: ampliação
Leia maisESTATÍSTICA. Objectivo: recolha, compilação, análise e interpretação de dados. ESTATÍSTICA DESCRITIVA INFERÊNCIA ESTATÍSTICA
1 ESTATÍSTICA Objectivo: recolha, compilação, análise e interpretação de dados. ESTATÍSTICA DESCRITIVA INFERÊNCIA ESTATÍSTICA Estatística descritiva : o objectivo é sintetizar e representar de uma forma
Leia maisUnidade III ESTATÍSTICA. Prof. Fernando Rodrigues
Unidade III ESTATÍSTICA Prof. Fernando Rodrigues Medidas de dispersão Estudamos na unidade anterior as medidas de tendência central, que fornecem importantes informações sobre uma sequência numérica. Entretanto,
Leia mais