Ordenação: Introdução e métodos elementares. Algoritmos e Estruturas de Dados II
|
|
- Cássio Cabreira Bayer
- 6 Há anos
- Visualizações:
Transcrição
1 Ordeação: Itrodução e métodos elemetares Algortmos e Estruturas de Dados II
2 Ordeação Objetvo: Rearrajar os tes de um vetor ou lsta de modo que suas chaves estejam ordeadas de acordo com alguma regra Estrutura: typedef t chave_t; struct tem { ; chave_t chave; /* outros compoetes */ E X E M P L O E E L M O P X
3 Crtéros de Classfcação Localzação dos dados: Ordeação tera Todas os dados estão em memóra prcpal RAM Ordeação extera Memóra prcpal ão cabe todos os dados Dados armazeados em memóra secudára dsco 3
4 Crtéros de Classfcação Establdade: Método é estável se a ordem relatva dos regstros com a mesma chave ão se altera após a ordeação. Adams A Adams A Adams A Black B Smth A Smth A Brow D Washgto B Black B Jackso B Jackso B Jackso B Joes D Black B Washgto B Smth A Whte C Whte C Thompso D Wlso C Wlso C Washgto B Thompso D Brow D Whte C Brow D Joes D Wlso C Joes D Thompso D 4
5 Crtéros de Classfcação Adaptabldade: Um método é adaptável quado a sequeca de operações realzadas depede da etrada Um método que sempre realza as mesmas operações, depedede da etrada, é ão adaptável. 5
6 Crtéros de Classfcação Uso da memóra: I place: ordea sem usar memóra adcoal ou usado uma quatdade costate de memóra adcoal Algus métodos precsam duplcar os dados 6
7 Crtéros de Classfcação Movmetação dos dados: Dreta: estrutura toda é movda // struct tem a; // struct tem b; struct tem aux a; a b; b aux; Idreta: apeas as chaves são acessadas e poteros para as estruturas são rearrajados // struct tem *a; // struct tem *b; struct tem *aux *a; a b; b aux; 7
8 Crtéros de Avalação Seja o úmero de regstros em um vetor, cosdera-se duas meddas de complexdade: Número de comparações C etre as chaves Número de trocas ou movmetações M de tes #defe trocaa, B {struct tem c A; A B; B c; vod ordeastruct tem *v, t { t, j; for 0; < -; ++ { forj -; j > ; j-- { fv[j-].chave > v[j].chave /* comparações */ trocav[j-], v[j]; /* trocas */ 8
9 Ordeação por Seleção Procura o -ésmo meor elemeto do vetor Troca do -ésmo meor elemeto com o elemeto a -ésma posção Repete até ter colocado todos os elemetos em suas posções Elemetos são movmetados apeas uma vez 9
10 Ordeação por Seleção vod selecaostruct tem *v, t { t, j, m; for 0; < - ; ++ { m ; forj + ; j < ; j++ { fv[j].chave < v[m].chave m j; trocav[], v[m]; E X E M P L O E X E M P L O E E X M P L O E E L M P X O E E L M P X O E E L M O X P E E L M O P X E E L M O P X 0
11 Ordeação por Seleção: Complexdade Comparações C: C Movmetações M: O 3 M
12 Ordeação por Seleção Vatages: Custo lear o tamaho da etrada para o úmero de movmetos de regstros a ser utlzado quado há regstros muto grades Desvatages: Não adaptável Não mporta se o arquvo está parcalmete ordeado Algortmo ão é estável
13 Ordeação por Iserção Algortmo utlzado pelo jogador de cartas Jogador matém as cartas em sua mão ordeadas Quado compra ou recebe uma ova carta, o jogador ecotra qual posção ela deve ocupar em sua mão Implemetação para vetores: Matemos os elemetos etre zero e - ordeados Note que o arrajo etre formado por um elemeto está ordeado, por defção Achamos a posção do -ésmo elemeto e sermos ele etre os - que já estavam ordeados O programa repete esse passo até ordear todos os elemetos 3
14 Método Iserção 4
15 Ordeação por Iserção vod sercaostruct tem *v, t { t, j; struct tem aux; for ; < ; ++ { forj ; j > 0; k-- { fv[j-].chave > v[j].chave { trocav[j-], v[j]; E X E M P L O E X E M P L O E E X M P L O E E M X P L O E E M P X L O E E L M P X O E E L M O P X 5
16 Ordeação por Iserção Melhorado vod sercaostruct tem *v, t { t, j; struct tem aux; for ; < ; ++ { aux v[]; j - ; whlej > 0 && aux.chave < v[j].chave { v[j + ] v[j]; j--; v[j + ] aux; E X E M P L O E X E M P L O E E X M P L O E E M X P L O E E M P X L O E E L M P X O E E L M O P X 6
17 Ordeação por Iserção: Complexdade Comparações C: Ael tero: -ésma teração, valor de C melhor caso: C por caso: C caso médo: C / C k k + + Para o caso médo, assummos que todas as permutações de etrada são gualmete prováves. 7
18 Ordeação por Iserção: Complexdade Comparações C: Ael extero: Complexdade total: Melhor caso tes já estão ordeados C 8 Melhor caso tes já estão ordeados Por caso tes em ordem reversa: O C O C
19 Ordeação por Iserção: Complexdade Comparações C: Caso médo: C O O + +
20 Ordeação por Iserção: Exemplos Melhor Caso: Por Caso:
21 Ordeação por Iserção Vatages: Laço tero é efcete, serção é adequado para ordear vetores pequeos É o método a ser utlzado quado o arquvo está quase ordeado É um bom método quado se deseja adcoar poucos tes a um arquvo ordeado, pos o custo é lear O algortmo de ordeação por serção é estável Desvatages: Número de comparações tem crescmeto quadrátco Alto custo de movmetação de elemetos o vetor
22 Ordeação pelo Método da Bolha Idea Passa o arquvo e troca elemetos adjacetes que estão fora de ordem Repete esse processo até que o arquvo esteja ordeado Algortmo Compara dos elemetos adjacetes e troca de posção se estverem fora de ordem Quado o maor elemeto do vetor for ecotrado, ele será trocado até ocupar a últma posção Na seguda passada, o segudo maor será movdo para a peúltma posção do vetor, e assm sucessvamete
23 Ordeação pelo Método da Bolha E X E M P L O E E X M P L O E E M X P L O E E M P X L O E E M P L X O E E M P L O X E E M P L O X E E M P L O X E E M L P O X E E M L P O X ª passada ª passada 3
24 Ordeação pelo Método da Bolha vod bolhastruct tem *v, t { t, j; for 0; < -; ++ { forj ; j < -; j++ { fv[j].chave < v[j-].chave trocav[j-], v[j]; 4
25 Ordeação pelo Método da Bolha vod bolhastruct tem *v, t { t, j; for 0; < -; ++ { forj ; j < -; j++ { fv[j].chave < v[j-].chave trocav[j-], v[j]; E X E M P L O E E L M O P X E E M P L O X E E L M O P X E E M L O P X E E L M O P X E E L M O P X E E L M O P X 5
26 Ordeação pelo Método da Bolha: Complexdade vod bolhastruct tem *v, t { t, j; for 0; < -; ++ { forj ; j < -; j++ { fv[j].chave < v[j-].chave trocav[j-], v[j]; O C j
27 Ordeação pelo Método da Bolha: Complexdade Movmetações M: Por caso elemetos em ordem decrescete: M O 0 j 0 7
28 Ordeação pelo Método da Bolha Vatages Algortmo smples Algortmo estável Desvatages Não adaptável Mutas trocas de tes 8
29 Exercícos. Dê um exemplo de um vetor com N elemetos que maxmza o úmero de vezes que o mímo é atualzado o método de ordeação seleção.. Mostre um exemplo de etrada que demostra que o método de ordeação seleção ão é estável. 3. O método da bolha ão é adaptável, altere o códgo para que ele se tore adaptável. 4. Qual dos métodos: bolha, serção e seleção executa meos comparações para um vetor de etrada cotedo valores dêtcos. 9
30 Varação Bolha: Ordeação Par-Ímpar vod ParImparstruct tem *v, t { t ordeado 0; whle!ordeado { ordeado ; fort 0; < -; + fv[] > v[+] { trocav[], v[+]; ordeado 0; fort 0; < -; + fa[] > a[+] { trocav[], v[+]; ordeado 0; 30
31 Vsualzação de Algortmos de Ordeação 3
Bruno Hott Algoritmos e Estruturas de Dados I DECSI UFOP. Aula 10: Ordenação
Bruo Hott Algortmos e Estruturas de Dados I DECSI UFOP Aula 10: Ordeação O Crtéro de Ordeação Ordea-se de acordo com uma chave: typedef t TChave; typedef struct{ TChave chave; /* outros compoetes */ Item;
Leia maisOrdenação. David Menotti Algoritmos e Estruturas de Dados II DInf UFPR
Ordeação David Meotti Algoritmos e Estruturas de Dados II DIf UFPR Critério de Ordeação Ordea-se de acordo com uma chave: typedef it ChaveTipo; typedef struct ChaveTipo Chave; /* outros compoetes */ Item;
Leia maisOrdenação (Parte 1) Prof. Túlio Toffolo BCC202 Aula 13 Algoritmos e Estruturas de Dados I
Ordeação (Parte 1) Prof. Túlio Toffolo http://www.toffolo.com.br BCC0 Aula 13 Algoritmos e Estruturas de Dados I Critério de Ordeação Ordea-se de acordo com uma chave: typedef it TChave; typedef struct
Leia maisQuicksort. Algoritmos e Estruturas de Dados II
Quicksort Algoritmos e Estruturas de Dados II História Proposto por Hoare em 960 e publicado em 962 É o algoritmo de ordeação itera mais rápido que se cohece para uma ampla variedade de situações Provavelmete
Leia maisOrdenação por Partição (Quick Sort)
Vectores: Algortmos de Ordeação (2) Algortmos e Estruturas de Dados 2009/2010 Ordeação por Partção (Quck Sort) Algortmo (ordeação por partção): 1. Caso básco: Se o úmero () de elemetos do vector (a) a
Leia maisCT-234. Estruturas de Dados, Análise de Algoritmos e Complexidade Estrutural. Carlos Alberto Alonso Sanches
CT-234 Estruturas de Dados, Aálise de Algoritmos e Complexidade Estrutural Carlos Alberto Aloso Saches CT-234 5) Ordeação Resoluções simples, Lower boud, MergeSort, RadixSort Algus algoritmos de ordeação
Leia maisMétodos iterativos. Capítulo O Método de Jacobi
Capítulo 4 Métodos teratvos 41 O Método de Jacob O Método de Jacob é um procedmeto teratvo para a resolução de sstemas leares Tem a vatagem de ser mas smples de se mplemetar o computador do que o Método
Leia maisMétodos de Ordenação Parte 1
Métodos de Ordenação Parte 1 SCC-214 Proeto de Algortmos Prof. Thago A. S. Pardo Baseado no materal do Prof. Rudne Goularte O Problema da Ordenação Ordenação (ou classfcação) é largamente utlzada Lstas
Leia maisx n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População
ESTATÍSTICA STICA DESCRITIVA Prof. Lorí Val, Dr. val@mat.ufrgs.br http://.ufrgs.br/~val/ Orgazação; Resumo; Apresetação. Cojuto de dados: Amostra ou População Um cojuto de dados é resumdo de acordo com
Leia maisEstatística Descritiva. Medidas estatísticas: Localização, Dispersão
Estatístca Descrtva Meddas estatístcas: Localzação, Dspersão Meddas estatístcas Localzação Dspersão Meddas estatístcas - localzação Méda artmétca Dados ão agrupados x x Dados dscretos agrupados x f r x
Leia maisMÓDULO 8 REVISÃO REVISÃO MÓDULO 1
MÓDULO 8 REVISÃO REVISÃO MÓDULO A Estatístca é uma técca que egloba os métodos cetícos para a coleta, orgazação, apresetação, tratameto e aálse de dados. O objetvo da Estatístca é azer com que dados dspersos
Leia maisMédia. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística
BAC 0 - Estatístca Uversdade Federal de Itajubá - Campus Itabra BAC0 - ESTATÍSTICA ESTATÍSTICA DESCRITIVA MEDIDAS DE CENTRO Méda Medda de cetro ecotrada pela somatóra de todos os valores de um cojuto,
Leia maisFaculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL
Faculdade de Tecologa de Cataduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL 5. Meddas de Posção cetral ou Meddas de Tedêca Cetral Meddas de posção cetral preocupam-se com a caracterzação e a
Leia mais1. Conceitos básicos de estatística descritiva 1.3. Noção de extracção aleatória e de probabilidade
Sumáro (3ª aula). Cocetos báscos de estatístca descrtva.3. Noção de etracção aleatóra e de probabldade.4 Meddas de tedêca cetral.4. Méda artmétca smples.4. Méda artmétca poderada.4.3 Méda artmétca calculada
Leia maisRevisão de Estatística X = X n
Revsão de Estatístca MÉDIA É medda de tedêca cetral mas comumete usada ara descrever resumdamete uma dstrbução de freqüêca. MÉDIA ARIMÉTICA SIMPLES São utlzados os valores do cojuto com esos guas. + +...
Leia mais1. ORDENAÇÃO POR TROCA ORDENAÇÃO. 1.1 Ordenação por Bolha. Exemplo, 25, 57, 48, 37, 12, 92, 86, 33. Algoritmo. Complexidade de Tempo
ORDENAÇÃO Ordear é o processo de orgaizar uma lista de iformações similares em ordem crescete ou decrescete. Especificamete, dada uma lista de ites r[], r[], r[],, r[-], cada item a lista é chamado registro.
Leia maisSumário. Mecânica. Sistemas de partículas
umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - stemas de partículas e corpo rígdo. - Cetro de massa. - Como determar o cetro de massa dum sstema de partículas. - Vetor
Leia maisEx: Cálculo da média dos pesos dos terneiros da fazenda Canoas-SC, à partir dos dados originais: x = 20
. MEDIDAS DE TENDÊNCIA CENTRAL (OU DE POSIÇÃO) Coceto: São aquelas que mostram o alor em toro do qual se agrupam as obserações.. MÉDIA ARITMÉTICA ( ) Sea (x, x,..., x ), uma amostra de dados: Se os dados
Leia 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 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 maisBusca binária. Busca em arquivos. Busca binária. Busca binária. Ordenação e busca em arquivos
Algoritmos e Estruturas de Dados II Profa. Debora Medeiros Ordeação e Busca em Arquivos Idexação de Arquivos I: Ídices Simples Ordeação e busca em arquivos É relativamete fácil buscar elemetos em cojutos
Leia maisMEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12
MEDIDAS DE POSIÇÃO: São meddas que possbltam represetar resumdamete um cojuto de dados relatvos à observação de um determado feômeo, pos oretam quato à posção da dstrbução o exo dos, permtdo a comparação
Leia maisEstudando complexidade de algoritmos
Estudado complexidade de algoritmos Dailo de Oliveira Domigos wwwdadomicombr Notas de aula de Estrutura de Dados e Aálise de Algoritmos (Professor Adré Bala, mestrado UFABC) Durate os estudos de complexidade
Leia maisORDENAÇÃO 1. ORDENAÇÃO POR TROCA
ORDENAÇÃO Ordear é o processo de orgaizar uma lista de iformações similares em ordem crescete ou decrescete. Especificamete, dada uma lista de ites r[0], r[], r[],..., r[-], cada item a lista é chamado
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 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 maisAvaliação de Empresas Profa. Patricia Maria Bortolon
Avalação de Empresas MODELO DE DIVIDENDOS Dvdedos em um estáo DDM Dscouted Dvded Model Muto utlzados a precfcação de uma ação em que o poto de vsta do vestdor é extero à empresa e eralmete esse vestdor
Leia maisArquitetura da ART Controle 1 Controle 2
Teora de Ressoâca Adaptatva - ART Arqutetura da ART Cotrole Cotrole 2 Desevolvda por Carpeter e Grossberg como uma alteratva para resolver o dlema establdade-plastcdade (rede ão aprede ovos padrões). Realme
Leia 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 mais? Isso é, d i= ( x i. . Percebeu que
Estatístca - Desvo Padrão e Varâca Preparado pelo Prof. Atoo Sales,00 Supoha que tehamos acompahado as otas de quatro aluos, com méda 6,0. Aluo A: 4,0; 6,0; 8,0; méda 6,0 Aluo B:,0; 8,0; 8,0; méda 6,0
Leia maisProgramação de Computadores II. Recursividade
Programação de Computadores II Recursividade Livro: Waldemar Celes, Reato Cerqueira, José Lucas Ragel. Itrodução a Estruturas de Dados, Editora Campus (2004) Slides adaptados dos origiais dos pros.: Marco
Leia maisPROGRAMAÇÃO E ALGORITMOS (LEII) Universidade da Beira Interior, Departamento de Informática Hugo Pedro Proença, 2016/2017
PROGRAMAÇÃO E ALGORITMOS (LEII) Uiversidade da Beira Iterior, Departameto de Iformática Hugo Pedro Proeça, 2016/2017 Resumo Ordeação e Pesquisa Pesquisa Liear Pesquisa Biária Iserção Ordeada IsertSort
Leia maisRACIOCÍNIO LÓGICO / ESTATÍSTICA LISTA 2 RESUMO TEÓRICO
RACIOCÍIO LÓGICO - Zé Carlos RACIOCÍIO LÓGICO / ESTATÍSTICA LISTA RESUMO TEÓRICO I. Cocetos Icas. O desvo médo (DM), é a méda artmétca dos desvos de cada dado da amostra em toro do valor médo, sto é x
Leia maisAnálise Exploratória de Dados
Aálse Eploratóra de Dados Objetvos Aálse bvarada: uma varável qualtatva e uma quattatva: represetar grafcamete as duas varáves combadas; defr e calcular uma medda de assocação etre as varáves. Eemplo 1
Leia maisApêndice 1-Tratamento de dados
Apêdce 1-Tratameto de dados A faldade deste apêdce é formar algus procedmetos que serão adotados ao logo do curso o que dz respeto ao tratameto de dados epermetas. erão abordados suctamete a propagação
Leia maisMedidas Numéricas Descritivas:
Meddas Numércas Descrtvas: Meddas de dspersão Meddas de Varação Varação Ampltude Ampltude Iterquartl Varâca Desvo absoluto Coefcete de Varação Desvo Padrão Ampltude Medda de varação mas smples Dfereça
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 maisComo CD = DC CD + DC = 0
(9-0 www.eltecampas.com.br O ELITE RESOLVE IME 008 MATEMÁTICA - DISCURSIVAS MATEMÁTICA QUESTÃO Determe o cojuto-solução da equação se +cos = -se.cos se + cos = se cos ( se cos ( se se.cos cos + + = = (
Leia maisClassificação e Pesquisa de Dados
Classcação por Trocas Classcação e Pesqusa de Dados Aula 05 Classcação de dados por Troca:, ntrodução ao Qucksort UFRGS INF01124 Classcação por comparação entre pares de chaves, trocando-as de posção caso
Leia maisAnálise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos
Aálise de Algoritmos Aálise de Algoritmos Prof Dr José Augusto Baraauskas DFM-FFCLRP-USP A Aálise de Algoritmos é um campo da Ciêcia da Computação que tem como objetivo o etedimeto da complexidade dos
Leia maisOrdenação por Troca. Bubblesort Quicksort
Ordeação por roca Bubblesort Quicksort ORDENAÇÃO Ordear é o processo de orgaizar uma lista de iformações similares em ordem crescete ou decrescete. Especificamete, dada uma lista de ites r[0], r[], r[2],...,
Leia maisTeoria Elementar da Probabilidade. a) Cada experiência poderá ser repetida indefinidamente sob condições essencialmente inalteradas.
Estatístca 47 Estatístca 48 Teora Elemetar da Probabldade SPECTOS PERTINENTES À CRCTERIZÇÃO DE UM EXPERIÊNCI LETÓRI MODELOS MTEMÁTICOS DETERMINÍSTICOS PROBBILÍSTICOS PROCESSO (FENÓMENO) LETÓRIO - Quado
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 maisPrevisão de demanda quantitativa Regressão linear Regressão múltiplas Exemplos Exercícios
Objetvos desta apresetação Plaejameto de produção: de Demada Aula parte Mauro Osak TES/ESALQ-USP Pesqusador do Cetro de Estudos Avaçados em Ecooma Aplcada Cepea/ESALQ/USP de demada quattatva Regressão
Leia maisMEDIDAS DE DISPERSÃO:
MEDID DE DIPERÃO: fução dessas meddas é avalar o quato estão dspersos os valores observados uma dstrbução de freqüêca ou de probabldades, ou seja, o grau de afastameto ou de cocetração etre os valores.
Leia maisRedutores de Velocidade
elcabral@usp.br PMR560 Robótica Redutores de Velocidade Eduardo L. L. Cabral elcabral@usp.br elcabral@usp.br Objetivos Redutores de velocidade. Características. Problemas pricipais: Tamaho; Rigidez; Folga.
Leia maisForma padrão do modelo de Programação Linear
POGAMAÇÃO LINEA. Forma Padrão do Modelo de Programação Lear 2. elações de Equvalêca 3. Suposções da Programação Lear 4. Eemplos de Modelos de PPL 5. Suposções da Programação Lear 6. Solução Gráfca e Iterpretação
Leia 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 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 maisMatemática C Semiextensivo V. 2
Matemátca C Semetesvo V. Eercícos 0) Através da observação dreta do gráfco, podemos coclur que: a) País. b) País. c) 00 habtates. d) 00 habtates. e) 00 0 0 habtates. 0) C Através do gráfco, podemos costrur
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 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 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 maisALGORITMO GENÉTICO POR CADEIA DE MARKOV HOMOGÊNEA VERSUS NÃO-HOMOGÊNEA: UM ESTUDO COMPARATIVO
Revsta del Isttuto Chleo de Ivestgacó Operatva 2(202) 30-35 30 ALGORITMO GENÉTICO POR CADEIA DE MARKOV HOMOGÊNEA VERSUS NÃO-HOMOGÊNEA: UM ESTUDO COMPARATIVO V.S.M. Campos, A.G.C. Perera 2, L.A.Carlos 3
Leia maisRepresentação dos padrões. Tipos de atributos. Etapas do processo de agrupamento. 7.1 Agrupamento clássico. 7. Agrupamento fuzzy (fuzzy clustering)
7. Agrupaeto fuzzy (fuzzy clusterg) 7. Agrupaeto clássco Agrupaeto é a classfcação ão-supervsoada de padrões (observações, dados, objetos, eeplos) e grupos (clusters). Itutvaete, padrões seelhates deve
Leia maisO delineamento amostral determina os processos de seleção e de inferência do valor da amostra para o valor populacional.
Curso Aperfeçoameto em Avalação de Programas Socas ª Turma Dscpla: Téccas quattatvas de levatameto de dados: prcpas téccas de amostragem Docete: Claudete Ruas Brasíla, ovembro/005 Pesqusa por amostragem
Leia maisINTRODUÇÃO A ESTATÍSTICA
Hewlett-Packard INTRODUÇÃO A ESTATÍSTICA Aulas 01 e 06 Elso Rodrgues, Gabrel Carvalho e Paulo Luz Sumáro Defções... 1 EXERCÍCIOS FUNDAMENTAIS... 1 Meddas de tedêca cetral... 1 Méda artmétca smples... 1
Leia maisIntrodução à Estatística
Itrodução à Estatístca Júlo Cesar de C. Balero Estatístca É a cêca que se preocupa com: () Orgazação; () Descrção; () Aálses; (v) Iterpretações. Estatístca Descrtva Estatístca Idutva ou Estatístca Ierecal
Leia maisCÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES
CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES Itrodução Em dversos camos da Egehara é comum a ecessdade da determação de raízes de equações ão leares. Em algus casos artculares, como o caso de olômo, que
Leia maisRelatório 2ª Atividade Formativa UC ECS
Relatóro 2ª Atvdade Formatva Eercíco I. Quado a dstrbução de dados é smétrca ou apromadamete smétrca, as meddas de localzação méda e medaa, cocdem ou são muto semelhates. O mesmo ão acotece quado a dstrbução
Leia maisIntrodução à Estatística. Júlio Cesar de C. Balieiro 1
Itrodução à Estatístca Júlo Cesar de C. Balero Estatístca É a cêca que se preocupa com: () Orgazação; () Descrção; () Aálses; (v) Iterpretações. Estatístca Descrtva Estatístca Idutva ou Estatístca Ierecal
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 maisOitava Lista de Exercícios
Uversdade Federal Rural de Perambuco Dscpla: Matemátca Dscreta I Professor: Pablo Azevedo Sampao Semestre: 07 Otava Lsta de Exercícos Lsta sobre defções dutvas (recursvas) e prova por dução Esta lsta fo
Leia mais15/03/2012. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações
Itrodução.1 Juros Smples Juro: recompesa pelo sacrfíco de poupar o presete, postergado o cosumo para o futuro Maora das taxas de uros aplcadas o mercado facero são referecadas pelo crtéro smples Determa
Leia maisImplementação de Planilha de Cálculos Simplificada
INF 1620 Estruturas de Dados Semestre 08.2 Primeiro Trabalho Implemetação de Plailha de Cálculos Simplificada Uma plailha de cálculos é um programa muito utilizado em aplicações fiaceiras e aquelas que,
Leia maisCompactação e Reuso de Espaço
Compactação e Reuso de Espaço Cristia D. A. Ciferri Thiago A. S. Pardo Leadro C. Citra M.C.F. de Oliveira Moacir Poti Jr. Maipulação de Dados Operações básicas adição de registros relativamete simples
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 maisMomento Linear duma partícula
umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - Mometo lear de uma partícula e de um sstema de partículas. - Le fudametal da dâmca para um sstema de partículas. - Impulso
Leia mais4 O Método de Análise Hierárquica
4 O Método de Aálse Herárquca 4.. Itrodução O método de aálse herárquca é um dos métodos multatrbuto mas utlzados e dfuddos o mercado mudal (Gomes, 007). Isso se deve, provavelmete, a duas razões. A prmera
Leia maisEm muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.
Prof. Lorí Val, Dr. val@pucrs.r http://www.pucrs.r/famat/val/ Em mutas stuações duas ou mas varáves estão relacoadas e surge etão a ecessdade de determar a atureza deste relacoameto. A aálse de regressão
Leia maisStela Adami Vayego DEST/UFPR
Resumo 3 Resumo dos dados uméricos por meio de úmeros 1. Medidas de Tedêcia Cetral A tedêcia cetral da distribuição de freqüêcias de uma variável em um cojuto de dados é caracterizada pelo valor típico
Leia maisSequências Reais. Departamento de Matemática - UEL Ulysses Sodré. 1 Sequências de números reais 1
Matemática Essecial Sequêcias Reais Departameto de Matemática - UEL - 200 Ulysses Sodré http://www.mat.uel.br/matessecial/ Coteúdo Sequêcias de úmeros reais 2 Médias usuais 6 3 Médias versus progressões
Leia maisCentro de massa, momento linear de sistemas de partículas e colisões
Cetro de massa, mometo lear de sstemas de partículas e colsões Prof. Luís C. Pera stemas de partículas No estudo que temos vdo a fazer tratámos os objectos, como, por exemplo, blocos de madera, automóves,
Leia maisGrande Conjuntos de Dados. Organização; Resumo; Apresentação. Amostra ou População. Defeitos em uma linha de produção
Prof. Lorí Val, Dr. val@pucr.br http://www.pucr.br/~val/ Grade Cojuto de Dado Orgazação; Reumo; Apreetação. Amotra ou População Defeto em uma lha de produção Lacado Deeho Torto Deeho Torto Lacado Torto
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 maisBCC202 - Estrutura de Dados I
BCC202 - Estrutura de Dados I Aula 12: Ordenação: Bubble, Selection e Insertion Sort Reinaldo Fortes Universidade Federal de Ouro Preto, UFOP Departamento de Computação, DECOM Website: www.decom.ufop.br/reifortes
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 maisDiferenciais Ordinárias. Reginaldo J. Santos Departamento de Matemática-ICEx Universidade Federal de Minas Gerais
Exstêca e Ucdade de Soluções de Equações Dferecas Ordáras Regaldo J Satos Departameto de Matemátca-ICEx Uversdade Federal de Mas Geras http://wwwmatufmgbr/ reg 10 de ulho de 2010 2 1 INTRODUÇÃO Sumáro
Leia 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 mais5 Critérios para Análise dos Resultados
5 Crtéros para Aálse dos Resultados Este capítulo tem por objetvos forecer os crtéros utlzados para aálse dos dados ecotrados a pesqusa, bem como uma vsão geral dos custos ecotrados e a forma de sua evolução
Leia maisn. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo.
Equlíbro e o Potecal de Nerst 5910187 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 11 Nesta aula, vamos utlzar a equação para o modelo de eletrodfusão o equlíbro obtda a aula passada para estudar o trasporte
Leia maisEscola Secundária de Jácome Ratton
Ecola Secudára de Jácome Ratto Ao Lectvo / Matemátca Aplcada à Cêca Soca Na Ecola Secudára do Suceo aualmete é premado o aluo que tver melhor méda a ua clafcaçõe a dferete dcpla. No ao lectvo 9/, o do
Leia maisLCE2112 Estatística Aplicada às Ciências Sociais e Ambientais 2010/02. Exemplos de revisão
LCE Etatítca Aplcada à Cêca Soca e Ambeta 00/0 Eemplo de revão Varável Aleatóra Cotíua Eemplo: Para e etudar o comportameto de uma plata típca de dua, a Hydrocotlle p., quato ao eu deevolvmeto, medu-e
Leia maisDetermine a média de velocidade, em km/h, dos veículos que trafegaram no local nesse período.
ESTATÍSTICA - 01 1. (UERJ 01) Téccos do órgão de trâsto recomedaram velocdade máxma de 80 km h o trecho de uma rodova ode ocorrem mutos acdetes. Para saber se os motorstas estavam cumprdo as recomedações,
Leia maisx Ex: A tabela abaixo refere-se às notas finais de três turmas de estudantes. Calcular a média de cada turma:
Professora Jaete Perera Amador 1 9 Meddas Descrtvas Vmos aterormete que um cojuto de dados pode ser resumdo através de uma dstrbução de freqüêcas, e que esta pode ser represetada através de uma tabela
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 maisMÉTODO DOS MÍNIMOS QUADRADOS
MÉTODO DOS MÍNIMOS QUADRADOS I - INTRODUÇÃO O processo de medda costtu uma parte essecal a metodologa cetífca e também é fudametal para o desevolvmeto e aplcação da própra cêca. No decorrer do seu curso
Leia maisProf. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística
Prof. Lorí Val, Dr. http://www.pucrs.br/famat/val/ val@pucrs.br Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Obetvos A Aálse de
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 maisAlocação sequencial - filas
Alocação sequencal - las Flas A estrutura de dados Fla também é bastante ntutva. A analoga é com uma la de pessoas aguardando para serem atenddas no guchê de um banco, ou aguardando o ônbus. Se houver
Leia maisEstatística: Aplicação ao Sensoriamento Remoto SER ANO Teoria da amostragem
Estatística: Aplicação ao Sesoriameto Remoto SER 04 - ANO 017 Teoria da amostragem Camilo Daleles Reó camilo@dpi.ipe.br http://www.dpi.ipe.br/~camilo/estatistica/ Algumas Cosiderações... É importate ter
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 maisCapítulo 8. Método de Rayleigh-Ritz
Grupo : Gustavo de Souza Routma; Luís Ferado Hachch de Souza; Ale Pascoal Palombo Capítulo 8. Método de Raylegh-Rtz 8.. Itrodução Nos problemas de apromação por dfereças ftas, para apromar a solução para
Leia maisOrdenação: Heapsort. Algoritmos e Estruturas de Dados II
Ordenação: Heapsort Algoritmos e Estruturas de Dados II Introdução Possui o mesmo princípio de funcionamento da ordenação por seleção Selecione o menor item do vetor Troque-o pelo item da primeira posição
Leia maisCurso de Biomedicina
Curso de Bomedca Dscpla 5EMA080: Bostatístca E APLICAÇÕES O SOFTWARE R 1 0 BIMESTRE Profa. Dra. Aa Verga Lbos Messett LODRIA 016 CAPÍTULO 1 Aálse Exploratóra de Dados Aula 1 - Itrodução 1.1 Estatístcas
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 mais9 Medidas Descritivas
1 9 Meddas Descrtvas Vmos aterormete que um cojuto de dados pode ser resumdo através de uma dstrbução de freqüêcas, e que esta pode ser represetada através de uma tabela ou de um gráfco. Se o cojuto refere-se
Leia mais1. Revisão Matemática
1. Revsão Matemátca Dervadas Seja a fução f : R R, fxe x R, e cosdere a expressão : f ( x+ αe ) lmα 0 α f, ode e é o vector utáro. Se o lmte acma exstr, chama-se a dervada parcal de f o poto x e é represetado
Leia maisAnálise da Informação Económica e Empresarial
Aálse da Iformação Ecoómca e Empresaral Aula 8: Redução de Dados: Meddas de Dspersão e Cocetração Aálse da Iformação Ecoómca e Empresaral Guão Aula 8: Redução de Dados: Meddas de Dspersão e Cocetração
Leia maisDistribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD
Dstrbuções Amostras Estatístca 8 - Dstrbuções Amostras 08- Dstrbuções Amostras Dstrbução Amostral de Objetvo: Estudar a dstrbução da população costtuída de todos os valores que se pode obter para, em fução
Leia mais