RECONCILIAÇÃO ROBUSTA DE DADOS UTILIZANDO O SIMULADOR EMSO
|
|
- Ana Beatriz Damásio Godoi
- 6 Há anos
- Visualizações:
Transcrição
1 RECONCILIAÇÃO ROBUSTA DE DADOS UTILIZANDO O SIMULADOR EMSO I. SARRUF, D. Q. F. MENEZES, L. S. SANTOS e D. M. PRATA Unversdade Federal Flumnense, Departamento de Engenhara Químca e de Petróleo. Unversdade Federal do Ro de Janero, Programa de Engenhara Químca/ COPPE. E-mal para contato: pratadego@gmal.com RESUMO A presença de erros grosseros corrompe os resultados obtdos por meo de procedmentos de reconclação de dados que consderam dstrbução de probabldades Normal. A abordagem clássca para ldar com esse problema consste na detecção e elmnação ou compensação desses erros, o que pode ser feto teratvamente por estratégas seqüencas ou smultâneas. A lteratura centífca tem mostrado que dstrbuções dervadas da estatístca robusta são potencas canddatas para realzar este procedmento, resultando em estmadores robustos que reduzem ou elmnam os efetos negatvos dos erros grosseros sobre as estmatvas, sem a necessdade de elmná-los e smultaneamente a reconclação, evtando estratégas teratvas e computaconalmente ntensvas. Este trabalho ntroduz os estmadores robustos de Bell, Ramsay e Insha e realza uma para análse comparatva entre estes e os estmadores robustos presentes no smulador EMSO e os apresentados por Kong et al. (000) e Zhou et al. (006) em um problema fortemente não lnear, em estado estaconáro. Os estmadores de Bell, Welsch e Lorenzana obtveram os melhores resultados.. INTRODUÇÃO Dados amostras de processos reas, em escala laboratoral, planta ploto ou ndustral contém nerentemente erros de medção. Tas erros são classfcados como pequenos aleatóros ou grosseros. Estes erros estão assocados com a precsão e calbração dos nstrumentos de medção, ntervenção humana (amostragem, análse e transcrção), falhas, ncrustações e deteroração na nstrumentação, flutuações súbtas de força e/ou perturbações não conhecdas no processo (almentação com contamnantes ou nbdores) e anda pela exstênca da varabldade do processo (algumas vezes causadas pelos esquemas de controle). Desta manera, não se espera que conjuntos de dados reas meddos obedeçam às les de conservação como balanços de massa e energa. Portanto, um procedmento de retfcação de dados é essencal para obter uma recuperação satsfatóra da nformação contda nos dados. Procedmentos de retfcação de dados são utlzados em dferentes aplcações como controle de processos e otmzação, montoramento de processos, detecção de falhas, entre outros. O procedmento mas usado para a retfcação é a reconclação de dados (RD), onde dados meddos são ajustados de manera estatstcamente coerente pelo estmador (função objetvo) resultante da formulação de máxma verossmlhança sobre a dstrbução estatístca dos erros de medção assumda, de forma a satsfazer às les de conservação e demas Área temátca: Smulação, Otmzação e Controle de Processos
2 restrções mpostas ao sstema (modelo matemátco), obtendo estmatvas confáves para as varáves e parâmetros do processo (Prata et al., 00). Tradconalmente é assumda dstrbução Normal, que resulta no estmador de mínmos quadrados ponderados (MQP). Para que esta fnaldade seja atngda, dos outros procedmentos são geralmente utlsados durante o processo de retfcação: a classfcação das varáves e a detecção de erros grosseros (DEG). O prmero determna se a nformação dsponível é sufcente para resolver o problema de reconclação/estmação e dentfcar os conjuntos de varáves observáves (varáves meddas e não-meddas que podem ser estmadas por meo das demas varáves meddas e pelas restrções do processo) e não-observáves (varáves não meddas que não podem ser estmadas). O segundo procura por valores meddos que não seguem a dstrbução estatístca admtda, uma vez que estes a nvaldam. Erros grosseros podem ser dvddos em valores espúros (outlers) e desvos sstemátcos (bas). Outro procedmento mportante é caracterzação da matrz de varânca/covarânca dos erros de medção, já que as varáves envolvdas no processo possuem grandezas dstntas, obtdas por nstrumentos de medção com dferentes graus de precsão. O nverso desta matrz pondera coerentemente o peso dado às varáves na função objetvo (estmador), evtando-se ajustes tendencosos. Geralmente, é assumdo não haver correlação entre os erros de medção, e esta matrz possu a forma dagonal (matrz de varâncas). Erros grosseros causam estmatvas pobres ou desvadas (para varáves e parâmetros) em procedmentos tradconas de RD, estmação de parâmetros (EP) ou ambos (RDEP) que consderam dstrbução Normal. A abordagem clássca para ldar com esse problema consste na detecção e elmnação ou compensação desses erros, o que pode ser feto teratvamente por estratégas seqüencas ou smultâneas. A lteratura centífca tem mostrado que dstrbuções dervadas da estatístca robusta são potencas canddatas para realzar este procedmento, resultando em estmadores robustos (função objetvo do problema de otmzação assocado à estrutura do procedmento de RDEP) que reduzem ou elmnam os efetos negatvos dos erros grosseros sobre as estmatvas, sem a necessdade de elmná-los e smultaneamente a RDEP, evtando estratégas teratvas e computaconalmente ntensvas. O smulador braslero EMSO - Ambente para Modelagem, Smulação e Otmzação - (Soares e Secch, 00) dspõe de rotnas computaconas propramente desenvolvdas para RD em estado estaconáro com restrções lneares ou não lneares, nclundo testes tradconas para a DEG e os seguntes estmadores robustos: Normal Contamnada, Far, Cauchy, Hampel, Logístca e Lorenzana, descrtos em Özyurt e Pke (004). Segundo esta dreção, este trabalho ntroduz os estmadores robustos de Bell, Ramsay e Insha, e realza uma para análse comparatva entre estes e os estmadores robustos presentes no smulador EMSO e os apresentados por Kong et al. (000) e Zhou et al. (006) em um problema fortemente não lnear, em estado estaconáro na presença de erros grosseros. Este trabalho está organzado em cnco seções, além desta ntrodução. Na Seção é realzada uma breve revsão da lteratura, ressaltando o problema de DEG e estmadores robustos. A Seção descreve a formulação geral do problema de reconclação robusta de dados. Na Seção 4 é apresentado o problema estudado e o crtéro de avalação dos estmadores robustos. Na Seção 5 são apresentados os resultados obtdos. E, fnalmente, na Seção 6 as conclusões do trabalho são apresentadas. Área temátca: Smulação, Otmzação e Controle de Processos
3 . REVISÃO DA LITERATURA Mutos métodos para DEG foram propostos, sendo geralmente assumdo haver um únco erro grossero presente nos dados. Desde que mas de um erro grossero esteja presente no conjunto de dados analsado, é necessára uma estratéga para detectá-los e elmná-los ou compensá-los. E sto é conhecdo por detecção de múltplos erros grosseros (DMEG). Esta pode ser seqüencal ou smultânea. Na estratéga seqüencal os erros grosseros são dentfcados seqüencalmente, um por um. Bascamente dvde-se entre os métodos da elmnação seral ou compensação seral. A estratéga smultânea busca detectar todos os erros grosseros presentes nos dados smultaneamente ou em uma smples teração. Estratégas baseadas em combnações de métodos também foram propostas, utlzando o melhor de cada método e compensando suas defcêncas. Entretanto, estas estratégas são, geralmente, desgnadas para processos operando em estado estaconáro e estão baseadas na utlzação da dstrbução Normal com méda zero para os erros de medção, resultando no estmador de máxma verossmlhança de MQP. Embora a hpótese de normaldade para os erros de medção seja usual, outras técncas estatístcas e dstrbuções de erros de medção podem ser utlzadas para smultânea RD e DEG/DMEG, uma vez que a dstrbução Normal é extremamente afetada por erros grosseros. São exemplos: a análse de agrupamentos (clusters), as redes neuronas artfcas e os estmadores robustos. Estes métodos alternatvos podem ser utlzados ndependentemente das restrções (estaconára ou dnâmca; lnear ou não lnear) e evtam elmnações de meddas e procedmentos teratvos (Prata et al., 00). Os estmadores robustos têm sdo muto reportados na lteratura técnca para ldar com o problema de RD e DMEG smultaneamente - Reconclação Robusta de Dados (RRD) -. Tjoa e Begler (99) provaram que usando o estmador baseado na dstrbução Normal Contamnada, ao nvés do tradconal MQP, qualquer valor espúro presente nas meddas poda ser substtuído por valores reconclados, sem necesstar de esquemas teratvos. Johnston e Kramer (995) reportaram a vabldade e o melhor desempenho de estmadores robustos para o problema de RD, bem como ntroduzram o estmador robusto Lorenzana. Albuquerque e Begler (996) e Arora e Begler (00) analsaram os estmadores robustos em sstemas dnâmcos usando dados smulados. Prata et al. (00) foram poneros na análse de estmadores robustos em um sstema dnâmco com restrções não lneares usando dados ndustras, bem como ntroduzram o estmador robusto de Welsch. Kong et al. (000) e Jn et al. (0) desenvolveram seus própros estmadores robustos. O prmero estudo comparatvo entre alguns estmadores robustos, para problemas de RD operando em estado estaconáro, fo realzado por Özyurt e Pke (004). Eles concluíram que os estmadores de Cauchy e Hampel obtveram resultados promssores. Zhou et al. (006) também realzaram estudo comparatvo entre estmadores robustos, ntroduzndo o estmador de Huber. Prata et al. (008) realzaram o prmero estudo comparatvo entre estmadores robustos para um problema de RD dnâmco com restrções não lneares. Eles concluram que os estmadores de Welsch e Lorenzana obtveram os melhores resultados. Subseqüentemente, dferentes estmadores robustos e seus desempenhos em reconclação de dados foram reportados em dversos problemas (Prata et al. 00). Estes estudos têm mostrado o enorme potencal da estatístca robusta, pos a nsensbldade dos estmadores robustos a dvergêncas de hpóteses deas faz com que eles tendam a gnorar valores atípcos. Área temátca: Smulação, Otmzação e Controle de Processos
4 . O PROBLEMA DE RECONCILIAÇÃO ROBUSTA DE DADOS (RRD) Exstem mutas classes de estmadores robustos, sendo as mas populares aquelas utlzadas nos estmadores-m, que são generalzações de um estmador de máxma verossmlhança (Albuquerque e Begler, 996). Assumndo que os erros de medção não são correlaconados, o problema de RRD estaconáro, de forma generalzada, adota a formulação, mn sujeto a h g x, u 0 x, u 0 x z mn ( ) () () onde é uma função razoavelmente monotônca, e σ são, respectvamente, o resíduo padronzado e o desvo padrão da varável dscreta medda z, x e u são os vetores das varáves meddas reconcladas e não meddas (observáves) estmadas, respectvamente. Fnalmente, h e g são as restrções algébrcas de gualdade e desgualdade, respectvamente. Apresentam-se os estmadores de MQP, Welsch (Prata et al., 00), Ramsay (Ramsay, 977), Bell (Bell, 980) e Insha (Ullah et al., 006) como possíves escolhas para. MQP: Welsch: MQP ( ) () c W W (, cw ) exp (4) cw Ramsay:, c ) c exp c Bell: Insha: R ( R R R c (5) R 5c BL BL (, cbl ) (6) 4 5cBL c I ci I (, ci ) arctan 4 4 (7) 4 ci ci Nestas funções c w, c R, c BL, c I são parâmetros de sntona relaconados a efcênca relatva. Quanto mas robusto é um estmador, menos efcente ele é (Albuquerque e Begler, 996). Este parâmetro é mportante para a comparação entre dos ou mas estmadores, sendo calculada em relação a uma dstrbução de referênca, quase sempre adotada a dstrbução Normal (Prata et al., 00). Para uma efcênca relatva de 95% os valores correspondentes das constantes de sntona são: c w =.9846, c R =0.569, c BL =.85 e c I =.96. Área temátca: Smulação, Otmzação e Controle de Processos 4
5 Os métodos usados para mensurar a robustez de um estmador envolvem a chamada função de nfluênca (FI). Para os estmadores-m, a FI corresponde à dervada da função em relação ao resíduo padronzado ( ) e, de manera smplfcada, corresponde ao peso (nfluênca) dado ao efeto da magntude de um erro grossero (quase sempre mensurado em termos de múltplos do resíduo padronzado) sobre as estmatvas obtdas. O estmador MQP não é robusto, pos sua função de nfluênca é FI MQP =, ou seja, a nfluênca de erros grosseros nas estmatvas é lmtada (falta de robustez) e aumenta proporconalmente com o aumento da magntude do erro grossero. Pelo contráro, os estmadores de Welsch, Ramsay, Bell e Insha possuem FI que decresce de forma lmtada tendendo à zero, que anulam o efeto negatvo de erros grosseros sobre as estmatvas, mesmo com o aumento de sua magntude, por sso são classfcados como "redescendng". Já os estmadores de Far, Huber e Kong sofrem nfluênca dos erros grosseros, mesmo que de forma lmtada, por sso são classfcados como "monótonos". Esta comparação é lustrada na Fgura. Fgura - Função de Influênca (FI). 4. O PROBLEMA NÃO LINEAR Este problema fo proposto orgnalmente por Pa e Fscher (988) e utlzado por dversos autores, para avalação de estmadores robustos (Tjoa e Begler, 99; Kong et al., 000; Özyurt e Pke, 004; Zhou et al., 006, Jn et al., 0). O problema é consttuído por ses restrções não lneares, as quas são apresentadas na Equação (8). Exstem cnco varáves meddas x até x 5, todas redundantes, e três varáves não meddas u até u, todas observáves. 0.5x x x x x x u u x x x u x x x x x x x x u x u u 0 u x u x u u u x u u x 0 x u u u x u (8) Área temátca: Smulação, Otmzação e Controle de Processos 5
6 Os valores exatos para as varáves meddas, os correspondentes desvos-padrão e os valores exatos para as varáves não meddas são: x exato [4.54 [ ] ] T T u exato [ ] T Zhou et al. (006) utlzaram os mesmos dados smulados por Kong et al. (000) que desenvolveram três estudos de caso para avalação dos estmadores robustos de Huber e Kong, respectvamente. No caso são adconados erros grosseros nas varáves x e x (magntude de desvos-padrão em ambos) para DMEG. É proposto neste trabalho o estudo de caso 4. Neste são adconados erros grosseros nas varáves x e x com magntude de 6 e 5 desvos-padrão, respectvamente. Os outros autores embora se utlzem deste exemplo, não apresentam os dados meddos, uma vez que geram mutos dados smulados e se utlzam de avalações percentuas. Neste trabalho serão avalados os estmadores robustos: Normal Contamnada, Bell, Far, Cauchy, Huber, Insha, Kong, Logístca, Lorenzana, Ramsay e Welsch, utlzando o pacote de otmzação do smulador EMSO, onde é possível escrever a função objetvo (estmador). Escolheu-se o otmzador IPOPT, para resolver o problema. 4.. Crtéro de Avalação Para avalar a qualdade do resultado dos estmadores robustos sobre os dados corrompdos por erros grosseros para as estmatvas das varáves meddas e não meddas será utlzado o crtéro SSE (Sum of Squared Error), apresentado na Equação 9. x x u u do exato estmado reconcla SSE (9) exato Este fo o crtéro utlzado por Zhou et al. (006). Quanto menor for a SSE obtda, provavelmente melhor terá sdo o resultado, ndcando uma dferença pequena entre os valores reconclados /estmados e os exatos. Uma crítca é que este crtéro não leva em consderação o desvo-padrão para as varáves meddas (resíduo padronzado). Para a detecção do erro grossero utlzou-se o teste clássco para 95% de confança com base na dstrbução Normal, apresentado na Equação 0, uma vez que se conhece σ. x reconcla do x meddo.96 (0) 5. RESULTADOS E DISCUSSÃO São apresentados os resultados para o caso 4 proposto neste trabalho, que vsa a detecção de múltpos erros grosseros. Os valores meddos, reconclados, os estmados das varáves não meddas e os valores do crtéro SSE obtdos são apresentados na Tabela. Área temátca: Smulação, Otmzação e Controle de Processos 6
7 Tabela Estudo de caso 4 (Proposto neste trabalho). Varáves x x x x 4 x 5 u u u SSE Valores Exatos Valores Meddos 4, * MQP N. Contamnada Cauchy Far Logístca Lorenzana Bell Insha Ramsay Welsch Kong Huber Na Tabela observa-se que os estmadores robustos de Bell, Welsch e Lorenzana obtveram os menores valores para o crtéro de SSE (0.0096, e 0.00), e consequentemente os melhores resultados na reconclação/estmação na presença de múltplos erros grosseros. Os dos últmos estmadores corroboram os resultados apresentados por Prata et al. (008), onde se destacaram. Observa-se que o tradconal estmador de MQP obteve um valor altíssmo (00 vezes maor) para SSE (0.9587) o que mostra a sua falta de robustez. Assm, verfca-se a necessdade de estratégas de detecção e elmnação/compensação de erros grosseros quando o estmador de MQP for utlzado. Estes resultados mostram, também, a essênca da utlzação dos estmadores robustos que são capazes de realzar o procedmento de RD e DMEG smultaneamente, evtando estratégas com base em procedmentos teratvos e, geralmente, computaconalmente ntensvos. Todos os estmadores robustos detectaram corretamente os erros grosseros nas varáves x e x, com exceção dos estmadores de Far e Kong, que cometeram um erro tpo II para a varável x, ou seja, declararam esta varável lvre de erro grossero quando este exsta. 6. CONCLUSÕES Este trabalho ntroduzu os estmadores robustos de Bell, Ramsay e Insha para a realzação do procedmento de RD e DMEG smultaneamente. Realzou-se uma análse comparatva entre os estmadores propostos e os estmadores presentes no smulador EMSO e os apresentados por Kong et al. (000) e Zhou et al. (006) em um problema fortemente não lnear, em estado estaconáro. Os estmadores de Bell, Welsch e Lorenzana obtveram os melhores resultados, na presença de múltplos erros grosseros com magntude elevada (acma de 6 desvos-padrão). Este estudo deve ser aprmorado consderando outros estmadores. Área temátca: Smulação, Otmzação e Controle de Processos 7
8 7. REFERÊNCIAS ALBUQUERQUE, J. S.; BIEGLER, L. T. Data reconclaton and gross-error detecton for dynamc systems. AIChE J., v. 4, p , 996. ARORA, N.; BIEGLER, L. T. Redescendng estmators for data reconclaton and parameter estmaton. Comput. Chem. Engng., v 5, p BELL, R. M. An adaptve choce of the scale parameter for M-estmators. Techncal rept. Stanford Unversty, 980. JIN, S., LI, X.; HUANG, Z.; LIU, M. A new target functon for robust data reconclaton. Ind. Eng. Chem. Res., v.5, p , 0. JOHNSON, L. P. M.; KRAMER, M. A. Maxmum lkelhood data rectfcaton: Steady-state systems. AIChE J., v. 4, p , 995. KONG, M. F.; CHEN, B. Zh.; LI, B. Smultaneous method of gross error detecton and data reconclaton based on robust estmator. Journal of Tsnghua Unversty, v. 40, p , 000. ÖZYURT, D.B.; PIKE, R.W. Theory and practce of smultaneous data Reconclaton and gross error detecton for chemcal process. Comput. Chem. Engng., v.8, p. 8 40, 004. PAI, C.C.D.; FISHER, G.D. Applcaton of Broyden s method to reconclaton of nonlnearly constraned data. AIChE J., v. 4, p , 988. PRATA, D. M.; PINTO, J. C.; LIMA, E. L. Comparatve analyss of robust estmators on nonlnear dynamc data reconclaton. Comput. Aded Chem. Eng., v. 5, p , 008. PRATA, D. M.; SCHWAAB, M.; LIMA, E. L.; PINTO, J. C. Smultaneous robust data reconclaton and gross error detecton through partcle swarm optmzaton for an ndustral polypropylene reactor. Chem. Eng. Sc., v. 65, p , 00. RAMSAY, J. O. A comparatve study of several robust estmates of slope, ntercept, and scale n lnear regresson. J. Am. Statst. Assoc., v. 7, p , 977. SOARES, R. P.; SECCHI, A. R. EMSO: Envronment for Modellng, Smulaton and Optmsaton. Comput. Aded Chem. Eng., v. 4, p , 00. TJOA, I. B.; BIEGLER, L. T. Smultaneous strategy for data reconclaton and gross error detecton of nonlnear systems. Comput. Chem. Engng., v 5, p , 99. ULLAH, I.; QADIR, M. F.; ASAD, A. Insha s redescendng M-estmator for robust regresson: A comparatve study. Pak. J. Stat. Oper. Res., v., p. 5-44, 006. ZHOU, L. K.; SU, H. Y.; CHU, J. A new method to solve robust data reconclaton n nonlnear process. Chn. J. Chem. Eng., v. 4, p. 57 6, 006. Área temátca: Smulação, Otmzação e Controle de Processos 8
RECONCILIAÇÃO DE DADOS EM COLUNAS DE DESTILAÇÃO UTILIZANDO O SIMULADOR EMSO
RECONCILIAÇÃO DE DADOS EM COLUNAS DE DESTILAÇÃO UTILIZANDO O SIMULADOR EMSO MENEZES, D. Q. F. 1, SARRUF, I. 1, PEIXOTO, F. C. 1 e PRATA, D. M. 1 1 Unversdade Federal Flumnense, Departamento de Engenhara
Leia mais4 Critérios para Avaliação dos Cenários
Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada
Leia mais3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo
3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas
Leia maisNOVA METODOLOGIA PARA RECONCILIAÇÃO DE DADOS: CONSTRUÇÃO DE BALANÇÃO HÍDRICOS EM INDÚSTRIA UTILIZANDO O EMSO
I Congresso Baano de Engenhara Santára e Ambental - I COBESA NOVA METODOLOGIA PARA RECONCILIAÇÃO DE DADOS: CONSTRUÇÃO DE BALANÇÃO HÍDRICOS EM INDÚSTRIA UTILIZANDO O EMSO Marcos Vnícus Almeda Narcso (1)
Leia mais3 A técnica de computação intensiva Bootstrap
A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.
Leia maisREGRESSÃO NÃO LINEAR 27/06/2017
7/06/07 REGRESSÃO NÃO LINEAR CUIABÁ, MT 07/ Os modelos de regressão não lnear dferencam-se dos modelos lneares, tanto smples como múltplos, pelo fato de suas varáves ndependentes não estarem separados
Leia mais2 Incerteza de medição
2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr
Leia maisDIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS
DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS 1 A análse de dagnóstco (ou dagnóstco do ajuste) confgura uma etapa fundamental no ajuste de modelos de regressão. O objetvo prncpal da análse de dagnóstco
Leia mais1. CORRELAÇÃO E REGRESSÃO LINEAR
1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisMOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES
MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES 1. Obtenha os estmadores dos coefcentes lnear e angular de um modelo de regressão lnear smples utlzando o método
Leia maisUNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)
UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade
Leia maisUMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EATAS DEPARTAMENTO DE ESTATÍSTICA UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
Leia maisO problema da superdispersão na análise de dados de contagens
O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão
Leia maisRegressão Múltipla. Parte I: Modelo Geral e Estimação
Regressão Múltpla Parte I: Modelo Geral e Estmação Regressão lnear múltpla Exemplos: Num estudo sobre a produtvdade de trabalhadores ( em aeronave, navos) o pesqusador deseja controlar o número desses
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-14 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Prncípos de cração de modelos empírcos: Modelos (matemátcos, lógcos, ) são comumente utlzados na
Leia maisO problema da superdispersão na análise de dados de contagens
O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão
Leia maisModelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados
Modelo lnear normal com erros heterocedástcos O método de mínmos quadrados ponderados Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal
Leia maisVariação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.
Aplcação Por exemplo, se prepararmos uma área expermental com todo cudado possível e fzermos, manualmente, o planto de 100 sementes seleconadas de um mlho híbrdo, cudando para que as sementes fquem na
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisUNIVERSIDADE DE PERNAMBUCO. Física Experimental. Prof o José Wilson Vieira
UNIVERSIDADE DE PERNAMBUCO ESCOLA POLITÉCNICA DE PERNAMBUCO Físca Expermental Prof o José Wlson Vera wlson.vera@upe.br AULA 01: PROCESSOS DE ANÁLISE GRÁFICA E NUMÉRICA MODELO LINEAR Recfe, agosto de 2015
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca
Leia maisMODELOS DE REGRESSÃO PARAMÉTRICOS
MODELOS DE REGRESSÃO PARAMÉTRICOS Às vezes é de nteresse nclur na análse, característcas dos ndvíduos que podem estar relaconadas com o tempo de vda. Estudo de nsufcênca renal: verfcar qual o efeto da
Leia maisPrograma de Certificação de Medidas de um laboratório
Programa de Certfcação de Meddas de um laboratóro Tratamento de dados Elmnação de dervas Programa de calbração entre laboratóros Programa nterno de calbração justes de meddas a curvas Tratamento dos resultados
Leia mais7 Tratamento dos Dados
7 Tratamento dos Dados 7.. Coefcentes de Troca de Calor O úmero de usselt local é dado por h( r )d u ( r ) (7-) k onde h(r), o coefcente local de troca de calor é h( r ) q''- perdas T q''- perdas (T( r
Leia maisRECONCILIAÇÃO ROBUSTA DE DADOS COM SELEÇÃO DE MODELO SIMULTÂNEA APLICADA AO CÁLCULO DA POTÊNCIA TÉRMICA DE UM REATOR NUCLEAR TIPO PWR.
RECONCILIAÇÃO ROBUSTA DE DADOS COM SELEÇÃO DE MODELO SIMULTÂNEA APLICADA AO CÁLCULO DA POTÊNCIA TÉRMICA DE UM REATOR NUCLEAR TIPO PWR. Eduardo Damank Valdetaro da Slva Tese de Doutorado apresentada ao
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ Em mutas stuações duas ou mas varáves estão relaconadas e surge então a necessdade de determnar a natureza deste relaconamento. A análse
Leia maisRegressão Linear Simples by Estevam Martins
Regressão Lnear Smples by Estevam Martns stvm@uol.com.br "O únco lugar onde o sucesso vem antes do trabalho, é no dconáro" Albert Ensten Introdução Mutos estudos estatístcos têm como objetvo estabelecer
Leia maisAula Características dos sistemas de medição
Aula - Característcas dos sstemas de medção O comportamento funconal de um sstema de medção é descrto pelas suas característcas (parâmetros) operaconas e metrológcas. Aqu é defnda e analsada uma sére destes
Leia maisModelo linear clássico com erros heterocedásticos. O método de mínimos quadrados ponderados
Modelo lnear clássco com erros heterocedástcos O método de mínmos quadrados ponderados 1 Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal
Leia maisCORRELAÇÃO E REGRESSÃO
CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr
Leia maisCurso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos
Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,
Leia maisUniversidade de São Paulo Escola Superior de Agricultura Luiz de Queiroz Departamento de Ciências Exatas
Unversdade de São Paulo Escola Superor de Agrcultura Luz de Queroz Departamento de Cêncas Exatas Prova escrta de seleção para DOUTORADO em Estatístca e Expermentação Agronômca Nome do canddato (a): Questão
Leia maisTestes não-paramétricos
Testes não-paramétrcos Prof. Lorí Val, Dr. http://www.mat.ufrgs.br/val/ val@mat.ufrgs.br Um teste não paramétrco testa outras stuações que não parâmetros populaconas. Estas stuações podem ser relaconamentos,
Leia maisDELINEAMENTOS EXPERIMENTAIS
SUMÁRIO 1 Delneamentos Expermentas 2 1.1 Delneamento Interamente Casualzado..................... 2 1.2 Delneamento Blocos Casualzados (DBC).................... 3 1.3 Delneamento Quadrado Latno (DQL)......................
Leia mais2 Metodologia de Medição de Riscos para Projetos
2 Metodologa de Medção de Rscos para Projetos Neste capítulo remos aplcar os concetos apresentados na seção 1.1 ao ambente de projetos. Um projeto, por defnção, é um empreendmento com metas de prazo, margem
Leia maisAlgarismos Significativos Propagação de Erros ou Desvios
Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento
Leia maisOs modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.
MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,
Leia maisSELEÇÃO DE MODELOS VOLUMÉTRICOS PARA CLONES DE EUCALYPTUS SPP., NO PÓLO GESSEIRO DO ARARIPE
SELEÇÃO DE MODELOS VOLUMÉTRICOS PARA CLONES DE EUCALYPTUS SPP, NO PÓLO GESSEIRO DO ARARIPE Jáder da Slva Jale Joselme Fernandes Gouvea Alne Santos de Melo Denns Marnho O R Souza Kléber Napoleão Nunes de
Leia maisINTRODUÇÃO À CALIBRAÇÃO MULTIVARIADA
INTRODUÇÃO À CALIBRAÇÃO MULTIVARIADA APLICAÇÃO NO CONTROLE DE QUALIDADE DE FÁRMACOS Prof. Dr. Marcelo Martns de Sena MÓDULO 04 Undade Unverstára de Cêncas Eatas e Tecnológcas UnUCET Anápols 1 MÓDULO 04
Leia maisCap. IV Análise estatística de incertezas aleatórias
TLF 010/11 Cap. IV Análse estatístca de ncertezas aleatóras Capítulo IV Análse estatístca de ncertezas aleatóras 4.1. Méda 43 4.. Desvo padrão 44 4.3. Sgnfcado do desvo padrão 46 4.4. Desvo padrão da méda
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-4 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Programa do curso: Semana Conteúdo Apresentação da dscplna. Prncípos de modelos lneares de regressão.
Leia maisAssociação entre duas variáveis quantitativas
Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa
Leia maisDinâmica Estocástica. Instituto de Física, outubro de Tânia Tomé - Din Estoc
Dnâmca Estocástca Insttuto de Físca, outubro de 2016 1 Dnâmcas estocástcas para o modelos defndos em redes Sstema defndo em um retculado em um espaço de d dmensões Exemplo: rede quadrada d=2 em que cada
Leia maisFigura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma
Capítulo 8 Dferencação Numérca Quase todos os métodos numércos utlzados atualmente para obtenção de soluções de equações erencas ordnáras e parcas utlzam algum tpo de aproxmação para as dervadas contínuas
Leia maisAnálise de Regressão Linear Múltipla VII
Análse de Regressão Lnear Múltpla VII Aula 1 Hej et al., 4 Seções 3. e 3.4 Hpótese Lnear Geral Seja y = + 1 x 1 + x +... + k x k +, = 1,,..., n. um modelo de regressão lnear múltpla, que pode ser escrto
Leia maisRISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%
Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $
Leia maisModelagem do crescimento de clones de Eucalyptus via modelos não lineares
Modelagem do crescmento de clones de Eucalyptus va modelos não lneares Joselme Fernandes Gouvea 2 Davd Venanco da Cruz 3 Máco Augusto de Albuquerque 3 José Antôno Alexo da Slva Introdução Os fenômenos
Leia maisÍNDICE DE CONSISTÊNCIA TEMPORAL: UM NOVO MÉTODO PARA AVALIAÇÃO DA ESTABILIDADE TEMPORAL DE ARMAZENAMENTO DE ÁGUA NO SOLO
Anas Eletrônco ÍNDICE DE CONSISTÊNCIA TEMPORAL: UM NOVO MÉTODO PARA AVALIAÇÃO DA ESTABILIDADE TEMPORAL DE ARMAZENAMENTO DE ÁGUA NO SOLO Anderson Takash Hara, Heraldo Takao Hashgut, Antôno Carlos Andrade
Leia maisEstudo quantitativo do processo de tomada de decisão de um projeto de melhoria da qualidade de ensino de graduação.
Estudo quanttatvo do processo de tomada de decsão de um projeto de melhora da qualdade de ensno de graduação. Rogéro de Melo Costa Pnto 1, Rafael Aparecdo Pres Espíndula 2, Arlndo José de Souza Júnor 1,
Leia maisPrograma do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall
Sstemas Intelgentes Aplcados Carlos Hall Programa do Curso Lmpeza/Integração de Dados Transformação de Dados Dscretzação de Varáves Contínuas Transformação de Varáves Dscretas em Contínuas Transformação
Leia mais4 Discretização e Linearização
4 Dscretzação e Lnearzação Uma vez defndas as equações dferencas do problema, o passo segunte consste no processo de dscretzação e lnearzação das mesmas para que seja montado um sstema de equações algébrcas
Leia maisAnálise Exploratória de Dados
Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: obter uma reta que se ajuste aos dados segundo o crtéro de mínmos quadrados; apresentar outros crtéros para a determnação de uma
Leia maisAnálise de influência
Análse de nfluênca Dzemos que uma observação é nfluente caso ela altere, de forma substancal, alguma propredade do modelo ajustado (como as estmatvas dos parâmetros, seus erros padrões, valores ajustados...).
Leia maisCovariância na Propagação de Erros
Técncas Laboratoras de Físca Lc. Físca e Eng. omédca 007/08 Capítulo VII Covarânca e Correlação Covarânca na propagação de erros Coefcente de Correlação Lnear 35 Covarânca na Propagação de Erros Suponhamos
Leia maisRAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro
UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD1507 Estatístca Aplcada à Admnstração I Prof. Dr. Evandro Marcos adel Rbero
Leia maisDEFINIÇÃO - MODELO LINEAR GENERALIZADO
DEFINIÇÃO - MODELO LINEAR GENERALIZADO 1 Um modelo lnear generalzado é defndo pelos seguntes três componentes: Componente aleatóro; Componente sstemátco; Função de lgação; Componente aleatóro: Um conjunto
Leia maisAnálise de Variância. Comparação de duas ou mais médias
Análse de Varânca Comparação de duas ou mas médas Análse de varânca com um fator Exemplo Um expermento fo realzado para se estudar dabetes gestaconal. Desejava-se avalar o comportamento da hemoglobna (HbA)
Leia maisAnálise de Regressão
Análse de Regressão método estatístco que utlza relação entre duas ou mas varáves de modo que uma varável pode ser estmada (ou predta) a partr da outra ou das outras Neter, J. et al. Appled Lnear Statstcal
Leia maisMétodos Avançados em Epidemiologia
Unversdade Federal de Mnas Geras Insttuto de Cêncas Exatas Departamento de Estatístca Métodos Avançados em Epdemologa Aula 5-1 Regressão Lnear Smples: Estmação e Interpretação da Reta Tabela ANOVA e R
Leia maisPUCPR- Pontifícia Universidade Católica Do Paraná PPGIA- Programa de Pós-Graduação Em Informática Aplicada PROF. DR. JACQUES FACON
1 PUCPR- Pontfíca Unversdade Católca Do Paraná PPGIA- Programa de Pós-Graduação Em Informátca Aplcada PROF. DR. JACQUES FACON LIMIARIZAÇÃO ITERATIVA DE LAM E LEUNG Resumo: A proposta para essa sére de
Leia maisDIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS
177 DIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS Antôno Carlos da Slva Flho Un-FACEF Introdução Trend Strps (TS) são uma nova técnca de análse da dnâmca de um sstema,
Leia mais5 Implementação Procedimento de segmentação
5 Implementação O capítulo segunte apresenta uma batera de expermentos prátcos realzados com o objetvo de valdar o método proposto neste trabalho. O método envolve, contudo, alguns passos que podem ser
Leia maisContabilometria. Aula 8 Regressão Linear Simples
Contalometra Aula 8 Regressão Lnear Smples Orgem hstórca do termo Regressão Le da Regressão Unversal de Galton 1885 Galton verfcou que, apesar da tendênca de que pas altos tvessem flhos altos e pas axos
Leia mais4.1 Modelagem dos Resultados Considerando Sazonalização
30 4 METODOLOGIA 4.1 Modelagem dos Resultados Consderando Sazonalzação A sazonalzação da quantdade de energa assegurada versus a quantdade contratada unforme, em contratos de fornecmento de energa elétrca,
Leia maisEstatística II Antonio Roque Aula 18. Regressão Linear
Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão
Leia maisCURSO A DISTÂNCIA DE GEOESTATÍSTICA
CURSO A DISTÂNCIA DE GEOESTATÍSTICA Aula 6: Estaconardade e Semvarânca: Estaconardade de a. ordem, Hpótese ntríseca, Hpótese de krgagem unversal, Crtéros para escolha, Verfcação, Representatvdade espacal,
Leia maisGráficos de Controle para Processos Autocorrelacionados
Gráfcos de Controle para Processos Autocorrelaconados Gráfco de controle de Shewhart: observações ndependentes e normalmente dstrbuídas. Shewhart ao crar os gráfcos de controle não exgu que os dados fossem
Leia maisAdriana da Costa F. Chaves
Máquna de Vetor Suporte (SVM) para Regressão Adrana da Costa F. Chaves Conteúdo da apresentação Introdução Regressão Regressão Lnear Regressão não Lnear Conclusão 2 1 Introdução Sejam {(x,y )}, =1,...,,
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-4 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Programa do curso: Semana Conteúdo Apresentação da dscplna. Prncípos de modelos lneares de regressão.
Leia maisEstudo e Previsão da Demanda de Energia Elétrica. Parte II
Unversdade Federal de Paraná Setor de Tecnologa Departamento de Engenhara Elétrca Estudo e Prevsão da Demanda de Energa Elétrca Parte II Prof: Clodomro Unshuay-Vla Etapas de um Modelo de Prevsão Objetvo
Leia maisModelo Logístico. Modelagem multivariável com variáveis quantitativas e qualitativas, com resposta binária.
Modelagem multvarável com varáves quanttatvas e qualtatvas, com resposta bnára. O modelo de regressão não lnear logístco ou modelo logístco é utlzado quando a varável resposta é qualtatva com dos resultados
Leia maisNOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES
NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES 1 O nosso objetvo é estudar a relação entre duas varáves quanttatvas. Eemplos:. Idade e altura das cranças.. v. Tempo de prátca de esportes e rtmo cardíaco
Leia mais6 Análises de probabilidade de ruptura de um talude
6 Análses de probabldade de ruptura de um talude 6.. Introdução No presente capítulo, apresentam-se prevsões de probabldades de ruptura para o talude de jusante da Barragem de Benguê mostrada na fgura
Leia maisEXERCÍCIO: VIA EXPRESSA CONTROLADA
EXERCÍCIO: VIA EXPRESSA CONTROLADA Engenhara de Tráfego Consdere o segmento de va expressa esquematzado abaxo, que apresenta problemas de congestonamento no pco, e os dados a segur apresentados: Trechos
Leia maisCapítulo 1. Exercício 5. Capítulo 2 Exercício
UNIVERSIDADE FEDERAL DE GOIÁS CIÊNCIAS ECONÔMICAS ECONOMETRIA (04-II) PRIMEIRA LISTA DE EXERCÍCIOS Exercícos do Gujarat Exercíco 5 Capítulo Capítulo Exercíco 3 4 5 7 0 5 Capítulo 3 As duas prmeras demonstrações
Leia maisIntrodução à Análise de Dados nas medidas de grandezas físicas
Introdução à Análse de Dados nas meddas de grandezas físcas www.chem.wts.ac.za/chem0/ http://uregna.ca/~peresnep/ www.ph.ed.ac.uk/~td/p3lab/analss/ otas baseadas nos apontamentos Análse de Dados do Prof.
Leia maisFaculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu
1 Programação Não Lnear com Restrções Aula 9: Programação Não-Lnear - Funções de Váras Varáves com Restrções Ponto Regular; Introdução aos Multplcadores de Lagrange; Multplcadores de Lagrange e Condções
Leia maisRepresentação e Descrição de Regiões
Depos de uma magem ter sdo segmentada em regões é necessáro representar e descrever cada regão para posteror processamento A escolha da representação de uma regão envolve a escolha dos elementos que são
Leia maisIdentidade dos parâmetros de modelos segmentados
Identdade dos parâmetros de modelos segmentados Dana Campos de Olvera Antono Polcarpo Souza Carnero Joel Augusto Munz Fabyano Fonseca e Slva 4 Introdução No Brasl, dentre os anmas de médo porte, os ovnos
Leia maisTermo-Estatística Licenciatura: 4ª Aula (08/03/2013)
Termo-Estatístca Lcencatura: 4ª Aula (08/03/013) Prof. Alvaro Vannucc RELEMBRADO Dstrbução dscreta (hstogramas) x contínua (curvas de dstrbução): Dada uma Função de Dstrbução de Densdade de Probabldade,
Leia maisModelo de Alocação de Vagas Docentes
Reunão Comssão de Estudos de Alocação de Vagas Docentes da UFV Portara 0400/2016 de 04/05/2016 20 de mao de 2016 Comssão de Estudos das Planlhas de Alocação de Vagas e Recursos Ato nº 009/2006/PPO 19/05/2006
Leia mais3 Método Numérico. 3.1 Discretização da Equação Diferencial
3 Método Numérco O presente capítulo apresenta a dscretação da equação dferencal para o campo de pressão e a ntegração numérca da expressão obtda anterormente para a Vscosdade Newtonana Equvalente possbltando
Leia maisAnálise de Regressão Linear Múltipla IV
Análse de Regressão Lnear Múltpla IV Aula 7 Guarat e Porter, 11 Capítulos 7 e 8 He et al., 4 Capítulo 3 Exemplo Tomando por base o modelo salaro 1educ anosemp exp prev log 3 a senhorta Jole, gerente do
Leia mais3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas
3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas
Leia maisDinâmica Estocástica. Instituto de Física, outubro de Tânia Tomé - Din Estoc
Dnâmca Estocástca Insttuto de Físca, outubro de 06 Dnâmcas estocástcas defndas em retculados odelo de Isng Dnâmcas estocástcas em retculados Retculado (rede Exemplo: Rede quadrada regular com = 4 X 4=6
Leia maisAo se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.
Estatístca Dscplna de Estatístca 0/ Curso de Admnstração em Gestão Públca Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos uns dos
Leia maisFigura 3: Diagrama de blocos do sistema de inferência da qualidade.
4 Solução Proposta A metodologa proposta nesta dssertação pode ser dvdda em quatro etapas complementares que estão representadas no dagrama de blocos na Fgura 3. Cada uma delas está descrta através do
Leia maisGestão e Teoria da Decisão
Gestão e Teora da Decsão Logístca e Gestão de Stocks Estratégas de Localzação Lcencatura em Engenhara Cvl Lcencatura em Engenhara do Terrtóro 1 Estratéga de Localzação Agenda 1. Classfcação dos problemas
Leia maisAo se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.
Estatístca Dscplna de Estatístca 0/ Curso Superor de tecnólogo em Gestão Ambental Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos
Leia maisO MMD se baseia no sistema no sistema linearizado das equações de fluxo de potência, ou seja: Δ (4.1)
4 Método da Matrz D Neste capítulo será apresentada uma descrção do MMD [Prada, 99], [Prada, ]. Este método será usado para dentfcar casos de nstabldade de tensão causados pela perda de controlabldade.
Leia maisPROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2010/2011
Instruções: PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 00/0 Cada uestão respondda corretamente vale (um) ponto. Cada uestão respondda ncorretamente vale - (menos um) ponto. Cada uestão
Leia maisCap. 11 Correlação e Regressão
Estatístca para Cursos de Engenhara e Informátca Pedro Alberto Barbetta / Marcelo Menezes Res / Antono Cezar Borna São Paulo: Atlas, 2004 Cap. 11 Correlação e Regressão APOIO: Fundação de Apoo à Pesqusa
Leia maisIMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO
IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO Alne de Paula Sanches 1 ; Adrana Betâna de Paula Molgora 1 Estudante do Curso de Cênca da Computação da UEMS, Undade Unverstára de Dourados;
Leia mais4 Análise de confiabilidade de estruturas
4 Análse de confabldade de estruturas Nos prmórdos da engenhara cvl, o desconhecmento técnco-centífco conduza a proetos excessvamente seguros, mas em contrapartda de custo muto elevado. Hoe em da, o progresso
Leia mais3 Algoritmos propostos
Algortmos propostos 3 Algortmos propostos Nesse trabalho foram desenvolvdos dos algortmos que permtem classfcar documentos em categoras de forma automátca, com trenamento feto por usuáros Tas algortmos
Leia maisSIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a 11 de novembro de 2002, Rio de Janeiro/RJ A PESQUISA OPERACIONAL E AS CIDADES
SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a de novembro de 00, Ro de Janero/RJ ERRO DE DIAGNÓSTICO EM AMOSTRAGEM ZERO-DEFEITOS COM RETIFICAÇÃO: DETERMINAÇÃO DO TAMANHO ÓTIMO DE INSPEÇÃO Roberto da
Leia maisQ 1-1,5(Q3-Q1) < X i < Q 3 + 1,5(Q 3 -Q 1 ) Q 3 +1,5(Q 3 -Q 1 ) < X i < Q 3 +3(Q 3 -Q 1 ) Q 1 3(Q 3 -Q 1 ) < X i < Q 1 1,5(Q 3 -Q 1 )
DIGRM OX-PLOT E CRCTERIZÇÃO DE OUTLIERS E VLORES EXTREMOS Outlers e valores extremos são aqueles que estão muto afastados do centro da dstrbução. Uma forma de caracterzá-los é através do desenho esquemátco
Leia mais