MINISTÉRIO DA CIÊNCIA E TECNOLOGIA INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS
|
|
- Marco Antônio Cesário Imperial
- 6 Há anos
- Visualizações:
Transcrição
1 MINISTÉRIO DA CIÊNCIA E TECNOLOGIA INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS AVALIAÇÃO DAS INCERTEZAS NAS CLASSIFICAÇÕES DE MÁXIMA VEROSSIMILHANÇA E CONTEXTUAL DE MODAS CONDICIONAIS ITERATIVAS EM IMAGENS JERS NA REGIÃO DE TAPAJÓS, ESTADO DO PARÁ Camlo Daleles Rennó Trabalho apresentado como parte do curso de Análse Espacal (SER-310) INPE São José dos Campos
2 1998
3 1 Introdução Nas últmas décadas, as florestas tropcas brasleras têm sdo submetdas a processos de antropsmo, seja por grandes projetos agropecuáros, seja pela nstalação de projetos de colonzação, o que leva a um aumento expressvo nas taxas de desmatamento. Mutos estudos têm sdo fetos na tentatva de se entender a Floresta Amazônca, com um especal nteresse no estudo da sucessão secundára. A utlzação do sensoramento remoto orbtal óptco, como as magens do satélte Landsat, tem demonstrado sua efcênca na caracterzação e no mapeamento de áreas antropzadas (Tardn e Cunha, 1989; Hernandez Flho et al., 1994). No entanto, algumas regões, devdo a grande freqüênca de cobertura de nuvens, possuem fortes restrções no uso desse tpo de magem. Dessa forma, as magens obtdas na regão do espectro de mcroondas apresentam-se como alternatvas, uma vez que sofrem pouca ou nenhuma nfluênca das condções meteorológcas do momento de aqusção. A classfcação de magens de sensoramento remoto é uma das técncas mas utlzadas para a extração de nformações que possblta a ncorporação em um sstema de nformações geográfcas. Neste sstema, de modo geral, o produto da classfcação de uma magem é tratado como um mapa. Tanto quanto a nformação contda neste mapa, é essencal o conhecmento das ncertezas ou erros contdos neste mapeamento, que quase sempre são neglgencados. Este trabalho tem como objetvo prncpal gerar mapas de ncertezas assocados aos mapas de uso do solo provenente da classfcação por máxma verossmlhança melhorado por uma classfcação contextual utlzando uma magem de radar. 2 Classfcação e mapa de ncertezas A fm de extrar a nformação de uma magem para ncorporá-la a um sstema de nformação geográfca, é necessáro proceder-se à classfcação desta magem. A classfcação pode ser entendda como uma partção do espaço de atrbutos segundo alguns crtéros. Para o caso da classfcação supervsonada, este crtéro basea-se na defnção de assnaturas espectras (padrões) para cada uma das classes de estudo obtdas a partr de amostras de trenamento. A classfcação por máxma verossmlhança (MaxVer) é uma das técncas de classfcação supervsonada mas utlzadas em dados de sensoramento remoto (Rchards, 1986), na qual a dstrbução dos valores da magem em uma área de trenamento é descrta por uma função densdade de probabldade (que representa a probabldade de se ter uma radometra R, conhecda a classe C, ou, P(R/C )) estmada com base na estatístca Bayesana. Este classfcador avala a probabldade a posteror de um determnado pxel da magem pertencer a uma das classes de estudo, atrbundo ao pxel a classe a qual ele tem a maor probabldade de pertencer, ou seja, a função de verossmlhança (L ) que representa a probabldade a posteror de que, dado um valor radométrco R de um pxel, este pertença à classe C é calculada por:
4 P( R / C ). P( C ) L =. P( R) Esta classfcação leva também em consderação a probabldade a pror de ocorrênca dferencada das classes de estudo, P(C ). Mas, surpreendentemente, este conhecmento prévo é quase sempre neglgencado no processo de classfcação, supondo-se que todas as classes têm gual chance de ocorrênca (Eastman, 1998). Assm, a função de verossmlhança, consderando P(C ) e P(R) constantes, torna-se L P R / C ). ( Como já fo dto anterormente, a classfcação MaxVer basea-se na maxmzação de uma função que depende apenas da nformação radométrca observada e do modelo (densdade) escolhdo para cada classe. Este crtéro não consdera a nformação contextual, uma vez que supõe que as radometras dos pxel da magem são eventos ndependentes. Algumas propostas para a ncorporação da nformação contextual podem ser encontradas em Besag (1989), mas, no entanto, utlzam algortmos computaconalmente muto dspendosos e dfíces de serem usados. Em Frery (1993), encontra-se uma versão de um algortmo de classfcação contextual que apresenta boas característcas de desempenho e de facldade de uso. Este classfcador, denomnado ICM (Iterated Condtonal Modes - Modas Condconas Iteratvas), fo revsado e melhorado por Vera (1996). O ICM basea-se na substtução da classe assocada a cada pxel da magem por aquela que maxmze a dstrbução a posteror da classe, conhecda a radometra (componente MaxVer) e as classes vznhas (componente contextual). A nfluênca das classes vznhas é quantfcada por um parâmetro real (β), que é estmado teratvamente supondo o modelo baseado em campos Markovanos. Neste caso, desconsderando os elementos constantes para todas as classes, tem-se que a função de verossmlhança é dada por L P R / C ).exp( β # C ). ( Tão mportante quanto a nformação resultante de uma classfcação, é essencal conhecer o grau de ncerteza assocada a esta nformação. Comumente, utlzam-se índces que refletem o grau de exatdão de um mapa (ou classfcação). Entre os mas utlzados, destacam-se a exatdão total, que avala a porcentagem de acerto de um mapa, e o coefcente Kappa, que se basea na matrz de confusão. Em ambos os casos, os índces utlzam amostras para as quas são conhecdas as verdades de campo, escolhdas arbtraramente. No entanto, estes índces são globas, ou seja, valem para todo o mapa e não refletem as ncertezas espacalmente dstrbuídas. A fm de se obter um mapa de ncertezas (ncertezas espacalmente dstrbuídas) assocado ao mapa provenente de uma classfcação, pode-se prelmnarmente basear na probabldade de se estar atrbundo erroneamente o pxel a uma determnada classe. É fácl mostrar que esta probabldade é complementar à probabldade de se estar atrbundo corretamente o pxel a esta determnada classe, que por sua vez, é calculada a partr da razão entre a probabldade de se classfcar este pxel a esta classe e a probabldade de se classfcar este pxel em qualquer uma das classes de estudo, ou seja,
5 Incerteza = P( C / R) = 1 P( C / R), onde sel P( R / Csel ). P( Csel ) P( R / Csel ). P( Csel ) P( Csel / R) = =. n P( R) P( R / C ). P( C ) sel É extremamente mportante observar que este tpo de mapa de ncerteza está muto mas relaconado ao algortmo de classfcação, às classes de estudo e às amostras de trenamento escolhdas do que ao fenômeno em estudo propramente dto. Ou seja, um valor baxo num mapa de ncerteza mostra que há fortes evdêncas de que a classfcação tenha sdo bem conduzda e não que aquela classfcação obrgatoramente corresponda a verdade. 3 Localzação da área de estudo A área de estudo localza-se no muncípo de Santarém, Estado do Pará, a cerca de 80 km do núcleo urbano e engloba parte da Floresta Naconal de Tapajós. Stua-se entre os paralelos 3 o e 3 o de lattude sul e os merdanos 54 o e 54 o de longtude oeste (Fgura 1). Fgura 1. Imagem Landsat/TM, bandas 3, 4 e 5 (RGB), destacando em vermelho a área de estudo relatvo à magem JERS.
6 A área é cortada no sentdo Norte-Sul pela rodova Santarém-Cuabá (BR 167). A porção localzada à esquerda desta rodova é parte da Floresta Naconal de Tapajós, onde pode-se observar pequenas áreas de regeneração junto à rodova e pequenas propredades com cultaras de subsstênca (São Jorge, 3 o 7 40 S, 54 o WGr). As áreas à dreta da rodova são formadas prncpalmente por pasragens. Com a decadênca do cultvo da pmenta do reno, os pequenos produtores optaram entre a cração de gado bovno e o abandono de suas propredades. Apenas as grandes fazendas fazem uma manutenção de suas pastagens, com sso surgem pastos sujos que rapdamente podem evolur a estágos ncas de regeneração (Hernandez Flho, comuncação pessoal). 3 Materal e Método 3.1 Materal Para o desenvolvmento deste trabalho foram utlzados os seguntes materas: - Imagem Landsat, órbta/ponto 227/62, de 29/05/1993, bandas TM 3, 4 e 5, resolução espacal de 30 m. - Imagem JERS-1, órbta/ponto D405/306, de 26/06/1993, espaçamento entre pxel de 12,5x12,5 m. - programas ENVI/IDL. 3.2 Metodologa A Fgura 2 apresenta o fluxograma de execução deste trabalho.
7 Imagem JERS Seleção de amostras de trenamento Seleção das dstrbuções melhor ajustadas Classfcação MaxVer Mapa MaxVer Mapa de Incerteza Classfcação ICM Mapa ICM Mapa de Incerteza Fgura 2. Fluxograma de execução do trabalho Incalmente, a magem JERS fo regstrada à magem TM prevamente georreferencada. Foram defndas 3 classes de uso do solo: floresta prmára, regeneração (nclundo pastagem) e atvdades recentes (compreendendo bascamente solo exposto). Sobre a magem JERS, com base na magem TM, seleconou-se algumas amostras de cada classe em estudo (Fgura 3).
8 Fgura 3. Imagens JERS e TM (bandas 543/RGB), mostrando as amostras de cada classe de uso do solo: floresta prmára (verde), regeneração (amarelo) e atvdades recentes (magenta). Posterormente, a partr das amostras de trenamento, fez-se a seleção da dstrbução que melhor se ajustou a cada classe. Estmado os parâmetros de cada dstrbução, procedeu-se à classfcação MaxVer da magem JERS, obtendo-se também o mapa de ncerteza assocado a esta classfcação. A classfcação ICM da magem JERS fo realzada em 5 terações. Para cada teração, o mapa classfcado e o mapa de ncerteza foram obtdos. Para efeto de smplfcação da análse dos resultados, apenas a prmera e últma terações foram consderadas. Fo também coletado um segundo conjunto de amostras de cada classe para obtenção da matrz de confusão e cálculo do coefcente de concordânca Kappa. 4 Resultados e dscussão
9 A Fgura 4 mostra o resultado da classfcação MaxVer e o mapa de ncerteza correspondente. É possível observar que as áreas com maor ncerteza estão assocadas às classes regeneração e atvdades recentes. Através da matrz de confusão (Tabela 1), podese notar que váras áreas de floresta prmára foram erroneamente classfcadas como regeneração, sendo o recíproco também verdadero, mostrando uma ndefnção no padrão destas duas classes. A classfcação apresentou o valor de Kappa gual a 0,50 que representa um grau regular de acerto. Fgura 4. Classfcação MaxVer da magem JERS (floresta prmára em verde, regeneração em amarelo e atvdades recentes em magenta) e mapa de ncerteza correspondente (mínmo de 0 nas regões escuras e máxmo de 0,505 nas regões claras) Tabela 1. Matrz de confusão da classfcação MaxVer da magem JERS Verdade Floresta Atv. Rec. Regen. Floresta Classf. Atv. Rec Regen Kappa = 0,50
10 O resultado da 1 a teração da classfcação ICM é mostrado na Fgura 5, juntamente com o mapa de ncerteza assocado. Observe que já na 1 a teração, com a ncorporação da nformação contextual, a ncerteza dmnu em pratcamente toda a área. A matrz de confusão (Tabela 2) mostra um aumento do acerto na classfcação (Kappa de 0,62), no entanto, grandes confusões entre as classes podem anda ser observadas. Fgura 5. Classfcação ICM (1 a teração) da magem JERS (floresta prmára em verde, regeneração em amarelo e atvdades recentes em magenta) e mapa de ncerteza correspondente (mínmo de 0 nas regões escuras e máxmo de 0,618 nas regões claras) Tabela 2. Matrz de confusão da classfcação ICM (1 a teração) da magem JERS Verdade Floresta Atv. Rec. Regen. Floresta Classf. Atv. Rec Regen Kappa = 0,62
11 A partr da 5 a teração da classfcação ICM (Fgura 6), quando pratcamente nenhum pxel fo reclassfcado, a ncerteza maor restrnge-se bascamente às bordas (ou áreas de contato) das manchas de cada classe. Apesar desta aparente baxa ncerteza, as confusões entre classes contnuam a exstr, como pode ser vsto na matrz de confusão mostrada na Tabela 3. Nesta classfcação, há apenas um pequeno aumento do acerto (Kappa = 0,68). Observe que especfcamente para a classe atvdades recentes não houve melhora na classfcação entre a 1 a e 5 a terações do ICM. Os maores ganhos são observados pela dmnução da confusão entre as classes floresta e regeneração. Fgura 6. Classfcação ICM (5 a teração) da magem JERS (floresta prmára em verde, regeneração em amarelo e atvdades recentes em magenta) e mapa de ncerteza correspondente (mínmo de 0 nas regões escuras e máxmo de 0,576 nas regões claras) Tabela 3. Matrz de confusão da classfcação ICM (5 a teração) da magem JERS Classf. Verdade Floresta Atv. Rec. Regen. Floresta Atv. Rec Regen
12 Kappa = 0,68 5 Conclusões A elaboração de mapas de ncertezas assocados à classfcação é de extrema mportânca por ndcar as áreas em que o classfcador pode estar errando e com sso, as decsões tomadas sobre esta classfcação podem ser ponderadas por esta ncerteza. Este trabalho propôs a elaboração de um mapa de ncerteza que reflete a probabldade de se estar atrbundo erroneamente uma classe a um pxel, conhecendo-se prevamente o valor de radometra deste pxel e, no caso do classfcador ICM, também a confguração da janela formada pelos seus pxels vznhos. De modo geral, a classfcação ICM apresenta melhores resultados quando comparados à classfcação MaxVer, com base no coefcente de concordânca Kappa. As ncertezas relatvas a cada classfcação, através dos mapas de ncerteza, mostram que a ncorporação da nformação contextual é fundamental para o aumento da precsão da classfcação. No entanto, estes mapas refletem bascamente as ncertezas estatístcas da atrbução de uma classe a um pxel, podendo não refletr a verdade terrestre. Numa classfcação contextual, como o ICM, as maores ncertezas são encontradas prncpalmente nas áreas de contato entre duas classes. É mportante ressaltar que os mapas de ncerteza deveram também nclur os erros de classfcação, ncorporando nformações da matrz de confusão, ou seja, devera refletr a ncerteza devdo ao método de classfcação utlzado e também os erros de classfcação. Referêncas Bblográfcas Besag, J. Towards bayesan mage analyss. Journal of Appled Statstcs, 16(3): , Eastman, J.R. IDRISI for Wndows: ntrodução e exercícos tutoras. Porto Alegre, UFRGS Centro de Recursos Idrs, Frery, A.C. Algumas ferramentas estatístcas na síntese, análse e processamento de magens de radar de abertura sntétca. São José dos Campos, INPE, (Tese de doutorado) Hernandez Flho, P.; Yanasse, C.C.F.; Sant Anna, S.J.S.; Kuplch, T.M.; Santos, P.P.; Dutra, L.V.; Orgambde, A.C.F.O.; Olvera, P.M.; Renaldo, J.D.C.; Azevedo, V.R.G. Análse dos dados TM: Floresta Naconal do Tapajós São José dos Campos, INPE, abr (INPE-5614-RPQ/670) Rchards, A. Remote sensng dgtal mage analyss: na ntroducton. Berln, Sprnger- Verlag, 1986
13 Tardn, A.T.; Cunha, R.P. Avalação da alteração da cobertura florestal na Amazôna Legal utlzando sensoramento remoto orbtal. São José dos Campos, INPE, dez (INPE-5010-RPE/607) Vera, P.R. Desenvolvmento de classfcadores de máxma verossmlhança pontuas e ICM para magens de radar de abertura sntétca. São José dos Campos, INPE, (Tese de mestrado)
3 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 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 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 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 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 maisCap. 5 Classificação Temática
Prncípos e Aplcações da Deteção Remota Cap. 5 Classfcação Temátca 5.1 O Processo de Classfcação 5. Classfcação de Máxma Verosmlhança (supervsonada paramétrca) 5..1 Classes multvaradas normas 5.. Lmtes
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 maisReconhecimento Estatístico de Padrões
Reconhecmento Estatístco de Padrões X 3 O paradgma pode ser sumarzado da segunte forma: Cada padrão é representado por um vector de característcas x = x1 x2 x N (,,, ) x x1 x... x d 2 = X 1 X 2 Espaço
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 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 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 mais7 - Distribuição de Freqüências
7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste
Leia maisClassificação de Padrões
Classfcação de Padrões Introdução Classfcadores Paramétrcos Classfcadores Sem-paramétrcos Redução da Dmensonaldade Teste de Sgnfcânca 6.345 Sstema de Reconhecmento de Voz Teora Acústca da Produção de Voz
Leia maisAvaliação do tamanho da amostra de segmentos regulares para estimar a área plantada com café na região sul de Minas Gerais
Avalação do tamanho da amostra de segmentos regulares para estmar a área plantada com café na regão sul de Mnas Geras Marcos Adam Maurco Alves Morera Bernardo Fredrch Theodor Rudorff Insttuto Naconal de
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 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 maisDesenvolvimento de software de simulação Monte Carlo para auxiliar no estudo da propagação de doenças infecciosas
Desenvolvmento de software de smulação Monte Carlo para auxlar no estudo da propagação de doenças nfeccosas João Batsta dos Santos-Flho 1, Tatana Santos de Araujo Batsta 2, José Carlos Rodrgues Olvera
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 maisSantos Júnior, EP 1 ; Soares, HCC 1 ; Freitas, GP 2 ; Pannain, JLM 3 ; Coelho Junior, LM 4 * 1
DISPARIDADE DO VALOR BRUTO DOS PRODUTOS MADEIREIROS NATIVOS PARA AS MESORREGIÕES DA PARAÍBA DISPARITY OF THE GROSS VALUE OF THE NATIVE WOOD PRODUCTS FOR THE MESORREGIONS OF PARAÍBA Santos Júnor, EP 1 ;
Leia maisINTRODUÇÃO À PROBABILIDADE. A probabilidade é uma medida da incerteza dos fenômenos. Traduz-se por um número real compreendido de 0 ( zero) e 1 ( um).
INTRODUÇÃO À PROILIDDE teora das probabldade nada mas é do que o bom senso transformado em cálculo probabldade é o suporte para os estudos de estatístca e expermentação. Exemplos: O problema da concdênca
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 maisEstimativa da área de soja no Rio Grande do Sul por meio de amostragem aleatória estratificada de pontos
Estmatva da área de soja no Ro Grande do Sul por meo de amostragem aleatóra estratfcada de pontos Marcos Adam Rodrgo Rzz Bernardo Fredrch Theodor Rudorff Maurco Alves Morera Insttuto Naconal de Pesqusas
Leia maisSumaia Resegue Aboud Neta 1 Luciano Vieira Dutra 1 Graziela Balda Scofield 1 Rogerio Galante Negri 1 Corina da Costa Freitas 1 Daniel Andrade 1
Comparação entre classfcação contextual e classfcação por regões para mapeamento de uso e cobertura da terra na regão da Floresta Naconal de Tapaós - PA (FLONA): utlzando magens polarmétrcas em banda L
Leia maisUniversidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Classificadores Lineares. Luiz Eduardo S. Oliveira, Ph.D.
Unversdade Federal do Paraná Departamento de Informátca Reconhecmento de Padrões Classfcadores Lneares Luz Eduardo S. Olvera, Ph.D. http://lesolvera.net Objetvos Introduzr os o conceto de classfcação lnear.
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 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 mais3 Elementos de modelagem para o problema de controle de potência
3 Elementos de modelagem para o problema de controle de potênca Neste trabalho assume-se que a rede de comuncações é composta por uma coleção de enlaces consttuídos por um par de undades-rádo ndvdualmente
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 maisAnálise da curva de crescimento de ovinos cruzados
Análse da curva de crescmento de ovnos cruzados Dana Campos de Olvera DEX, UFLA Antôno Polcarpo Souza Carnero DET, UFV Joel Augusto Munz DEX, UFLA Introdução Os ovnos, assm como grande maora dos anmas
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 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 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 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 mais2 Análise de Campos Modais em Guias de Onda Arbitrários
Análse de Campos Modas em Guas de Onda Arbtráros Neste capítulo serão analsados os campos modas em guas de onda de seção arbtrára. A seção transversal do gua é apromada por um polígono conveo descrto por
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 maisClassificação supervisionada de imagens SAR do SIVAM pré-filtradas. Orlando Alves Máximo 1,2 David Fernandes 2
Classfcação supervsonada de magens SAR do SIVAM pré-fltradas Orlando Alves Máxmo 1,2 Davd Fernandes 2 1 Insttuto de Estudos Avançados IEAv Rodova dos Tamoos Km 5,5 12228-840 São José dos Campos SP, Brasl
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 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 mais(1) A uma parede totalmente catalítica quanto para uma parede com equilíbrio catalítico. No caso de uma parede com equilíbrio catalítico, tem-se:
1 RELATÓRIO - MODIFICAÇÃO DA CONDIÇÃO DE CONTORNO DE ENTRADA: MODELOS PARCIALMENTE CATALÍTICO E NÃO CATALÍTICO PARA ESCOAMENTOS COM TAXA FINITA DE REAÇÃO 1. Condções de contorno Em escoamentos reatvos,
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 maisMinistério da Educação. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Cálculo do Conceito Preliminar de Cursos de Graduação
Mnstéro da Educação Insttuto Naconal de Estudos e Pesqusas Educaconas Aníso Texera Cálculo do Conceto Prelmnar de Cursos de Graduação Nota Técnca Nesta nota técnca são descrtos os procedmentos utlzados
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 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 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 maisCorrecções radiométricas Correcções geométricas
Prncípos e Aplcações da Detecção Remota Cap. 5 Classfcação Temátca 5.1 Correcção de magens 6.1.1 Correcções Radométrcas 6.1.2 Correcções Geométrcas 5.1.3 Reamostragem 5. 2 Índces (empírcos) de Vegetação
Leia mais2 Aproximação por curvas impĺıcitas e partição da unidade
Aproxmação por curvas mpĺıctas e partção da undade Este capítulo expõe alguns concetos báscos necessáros para o entendmento deste trabalho 1 Curvas Algébrcas Um subconjunto O R é chamado de uma curva mplícta
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 mais5 Métodos de cálculo do limite de retenção em função da ruína e do capital inicial
5 Métodos de cálculo do lmte de retenção em função da ruína e do captal ncal Nesta dssertação serão utlzados dos métodos comparatvos de cálculo de lmte de retenção, onde ambos consderam a necessdade de
Leia mais4 Reconhecimento de Padrões
46 4 Reconhecmento de Padrões Este capítulo apresenta de forma lustrada os concetos báscos do Reconhecmento de Padrões e vsa mostrar o potencal desta ferramenta em dversas aplcações. Trata-se de um texto
Leia maisANÁLISE DE DESEMPENHO DE FILTROS DE REMOÇÃO DE RUÍDO SPECKLE EM IMAGEM SAR (PALSAR-ALOS) COM BASE EM MEDIDAS DE TEXTURA
ANÁLISE DE DESEMPENHO DE FILTROS DE REMOÇÃO DE RUÍDO SPECKLE EM IMAGEM SAR (PALSAR-ALOS) COM BASE EM MEDIDAS DE TEXTURA Erl Pnto dos Santos ¹, Robson Argolo dos Santos ³, Rosangela Leal Santos ³ ¹Estudante
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 maisDESEMPENHO DOS MODELOS DE ESTIMATIVA DE PRECIPITAÇÃO POR SATÉLITE NO INVERNO/VERÃO NA AMÉRICA DO SUL
DESEMPENHO DOS MODELOS DE ESTIMATIVA DE PRECIPITAÇÃO POR SATÉLITE NO INVERNO/VERÃO NA AMÉRICA DO SUL Wagner F. A. Lma 1, Eder P. Vendrasco 1 ; Danel Vla 1 1 Dvsão de Satéltes e Sstemas Ambentas (CPTEC/INPE)
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 maisCAPÍTULO 4 METODOLOGIA. Definição do problema. Revisão Bibliográfica. Seleção das imagens SAR e dos dados auxiliares
Na Físca, uma boa resposta vem com trabalho, e uma boa pergunta com nspração Marcelo Gleser CAPÍTULO 4 METODOLOGIA Este capítulo está estruturado da segunte forma (Fgura 4.1): ncalmente, tem-se um descrção
Leia maisAprendizagem de Máquina
Plano de Aula Aprendzagem de Máquna Aprendzagem Baseada em Instâncas Alessandro L. Koerch Introdução Espaço Eucldano Aprendzagem Baseada em Instâncas (ou Modelos Baseados em Dstânca) Regra knn (k vznhos
Leia mais1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de
Leia maisTRANSPORTES. Sessão Prática 11 Dimensionamento de Interseções Semaforizadas
Mestrado Integrado em Engenhara Cvl TRANSPORTES Prof. Responsável: Lus Pcado Santos Sessão Prátca 11 Dmensonamento de Interseções Semaforzadas Insttuto Superor Técnco / Mestrado Integrado Engenhara Cvl
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 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 mais4 ANÁLISE DE CONFIABILIDADE COM ANÁLISE LIMITE
4 ANÁLISE DE CONIABILIDADE COM ANÁLISE LIMITE A avalação da segurança das estruturas geotécncas tem sdo sempre um dos objetvos da Engenhara Geotécnca. A forma convenconal de quantfcar a segurança de uma
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 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 maisMETOLOGIA. 1. Histórico
METOLOGIA A Sondagem da Construção Cvl do RS é uma sondagem de opnão empresaral realzada mensalmente e fo crada pela Confederação Naconal da Indústra (CNI) com o apoo da Câmara Braslera da Indústra da
Leia maisChapter 9 Location INTRODUÇÃO. Localização de Instalações. Problemas de comunicação
Chapter 9 Locaton Localzação de Instalações Problemas de comuncação http://www.youtube.com/watch?v=h_qnu4rwlvu INTRODUÇÃO INTRODUÇÃO Analsar padrões de localzação pode ser nteressante Porque a Whte Castle,
Leia maisÂngulo de Inclinação (rad) [α min α max ] 1 a Camada [360,0 520,0] 2000 X:[-0,2065 0,2065] Velocidade da Onda P (m/s)
4 Estudo de Caso O estudo de caso, para avalar o método de estmação de parâmetros trdmensonal fo realzado em um modelo de referênca de três camadas, e foram realzados os seguntes passos: Descrção do modelo
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 mais6 Modelo Proposto Introdução
6 Modelo Proposto 6.1. Introdução Neste capítulo serão apresentados detalhes do modelo proposto nesta dssertação de mestrado, onde será utlzado um modelo híbrdo para se obter prevsão de carga curto prazo
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 mais5 Relação entre Análise Limite e Programação Linear 5.1. Modelo Matemático para Análise Limite
5 Relação entre Análse Lmte e Programação Lnear 5.. Modelo Matemátco para Análse Lmte Como fo explcado anterormente, a análse lmte oferece a facldade para o cálculo da carga de ruptura pelo fato de utlzar
Leia maisCálculo Numérico BCC760 Interpolação Polinomial
Cálculo Numérco BCC76 Interpolação Polnomal Departamento de Computação Págna da dscplna http://www.decom.ufop.br/bcc76/ 1 Interpolação Polnomal Conteúdo 1. Introdução 2. Objetvo 3. Estênca e uncdade 4.
Leia mais1.INTRODUÇÃO. na superfície terrestre, sem que seja necessário o contato físico com eles, com o intuito de
1.INTRODUÇÃO 1.1 Concetos Báscos Sensoramento remoto pode ser entenddo como a tecnologa que permte a captação, armazenamento e nterpretação de nformações sobre característcas de objetos na superfíce terrestre,
Leia maisDependência Espacial de espécies nativas em fragmentos. florestais
Dependênca Espacal de espéces natvas em fragmentos 1 Introdução florestas 1 Mestranda em Engenhara Florestal LEMAF/DCF UFLA. e-mal: cunhadase@yahoo.com.br 2 Mestrando em Engenhara Florestal LEMAF/DCF UFLA.
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 maisFunção de Incidência: uma possível união da Teoria de Metapopulação com a Ecologia da Paisagem?
Função de Incdênca: uma possível unão da Teora de Metapopulação com a Ecologa da Pasagem? Função de Incdênca: uma possível unão da Teora de Metapopulação com a Ecologa da Pasagem? INTRODUÇÃO O que é uma
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 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 maisANÁLISE DAS TENSÕES TÉRMICAS EM MATERIAIS CERÂMICOS. Palavras-chave: Tensões térmicas, Propriedades variáveis, Condução de calor, GITT
ANÁLISE DAS TENSÕES TÉRMICAS EM MATERIAIS CERÂMICOS Dnz, L.S. Santos, C.A.C. Lma, J.A. Unversdade Federal da Paraíba Laboratóro de Energa Solar LES/DTM/CT/UFPB 5859-9 - João Pessoa - PB, Brasl e-mal: cabral@les.ufpb.br
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 maisPlano de amostragem do ISA-Capital 2008 Maria Cecília Goi Porto Alves Maria Mercedes L. Escuder 24 de junho de 2009
Plano de amostragem do ISA-Captal 2008 ara Cecíla Go Porto Alves ara ercedes L. Escuder 24 de junho de 2009 Tamanho da amostra A população de estudo refere-se àquela resdente em área urbana do uncípo de
Leia maisCapítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES
Capítulo. Aproxmações numércas 1D em malhas unformes 9 Capítulo. AROXIMAÇÕS NUMÉRICAS 1D M MALHAS UNIFORMS O prncípo fundamental do método das dferenças fntas (MDF é aproxmar através de expressões algébrcas
Leia maisAVALIAÇÃO NA PRECISÃO DE RECEPTORES GPS PARA O POSICIONAMENTO ABSOLUTO RESUMO ABSTRACT
AVALIAÇÃO NA PRECISÃO DE RECEPTORES GPS PARA O POSICIONAMENTO ABSOLUTO Rodrgo Mkosz Gonçalves John Alejandro Ferro Sanhueza Elmo Leonardo Xaver Tanajura Dulana Leandro Unversdade Federal do Paraná - UFPR
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 maisExperiência V (aulas 08 e 09) Curvas características
Experênca (aulas 08 e 09) Curvas característcas 1. Objetvos 2. Introdução 3. Procedmento expermental 4. Análse de dados 5. Referêncas 1. Objetvos Como no expermento anteror, remos estudar a adequação de
Leia maisU N I V E R S I D A D E D O S A Ç O R E S D E P A R T A M E N T O D E M A T E M Á T I C A ARMANDO B MENDES ÁUREA SOUSA HELENA MELO SOUSA
U N I V E R S I D A D E D O S A Ç O R E S D E P A R T A M E N T O D E M A T E M Á T I C A CLASSIFICAÇÃO DE MONOGRAFIAS UMA PROPOSTA PARA MAIOR OBJECTIVIDADE ARMANDO B MENDES ÁUREA SOUSA HELENA MELO SOUSA
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 maisIntrodução. Uma lâmpada nova é ligada e observa-se o tempo gasto até queimar. Resultados possíveis
Introdução A teora das probabldades é um ramo da matemátca que lda modelos de fenômenos aleatóros. Intmamente relaconado com a teora de probabldade está a Estatístca, que se preocupa com a cração de prncípos,
Leia maisTENDENCIAS CLIMÁTICAS DA PRECIPITAÇÃO PLUVIAL NO ESTADO DO MARANHÃO
TENDENCIAS CLIMÁTICAS DA PRECIPITAÇÃO PLUVIAL NO ESTADO DO MARANHÃO Danelson Jorge Delgado Neves 13, Jeane Rafaele Araúo Lma 1, Lncoln Elo de Araúo 2, Pedro Vera de Azevedo 1 1 UFCG DCA, Campna Grande
Leia maisCOEFICIENTE DE GINI: uma medida de distribuição de renda
UNIVERSIDADE DO ESTADO DE SANTA CATARINA ESCOLA SUPERIOR DE ADMINISTRAÇÃO E GERÊNCIA DEPARTAMENTO DE CIÊNCIAS ECONÔMICAS COEFICIENTE DE GINI: uma medda de dstrbução de renda Autor: Prof. Lsandro Fn Nsh
Leia maisUSO DA FERRAMENTA HYDRUS1D NA SIMULAÇÃO DA DINÂMICA DA ÁGUA EM SOLO CULTIVADO COM FEIJÃO CAUPI NO NORDESTE BRASILEIRO EDEVALDO MIGUEL ALVES
USO DA FERRAMENTA HYDRUS1D NA SIMULAÇÃO DA DINÂMICA DA ÁGUA EM SOLO CULTIVADO COM FEIJÃO CAUPI NO NORDESTE BRASILEIRO EDEVALDO MIGUEL ALVES INTRODUÇÃO O fejão caup é a prncpal legumnosa cultvada no Nordeste.
Leia maisTeoria da Regressão Espacial Aplicada a. Sérgio Alberto Pires da Silva
Teora da Regressão Espacal Aplcada a Modelos Genércos Sérgo Alberto Pres da Slva ITENS DE RELACIONAMENTOS Tópcos Báscos da Regressão Espacal; Banco de Dados Geo-Referencados; Modelos Genércos Robustos;
Leia maisNOTA II TABELAS E GRÁFICOS
Depto de Físca/UFMG Laboratóro de Fundamentos de Físca NOTA II TABELAS E GRÁFICOS II.1 - TABELAS A manera mas adequada na apresentação de uma sére de meddas de um certo epermento é através de tabelas.
Leia maisRadiação Térmica Processos, Propriedades e Troca de Radiação entre Superfícies (Parte 2)
Radação Térmca Processos, Propredades e Troca de Radação entre Superfíces (Parte ) Obetvo: calcular a troca por radação entre duas ou mas superfíces. Essa troca depende das geometras e orentações das superfíces,
Leia maisAULA EXTRA Análise de Regressão Logística
1 AULA EXTRA Análse de Regressão Logístca Ernesto F. L. Amaral 13 de dezembro de 2012 Metodologa de Pesqusa (DCP 854B) VARIÁVEL DEPENDENTE BINÁRIA 2 O modelo de regressão logístco é utlzado quando a varável
Leia maisEstatística. 8 Teste de Aderência. UNESP FEG DPD Prof. Edgard
Estatístca 8 Teste de Aderênca UNESP FEG DPD Prof. Edgard 011 8-1 Teste de Aderênca IDÉIA: descobrr qual é a Dstrbução de uma Varável Aleatóra X, a partr de uma amostra: {X 1, X,..., X n } Problema: Seja
Leia maisESTUDO GRANULOMÉTRICO DE CHOCOLATES ARTESANAIS ELABORADOS EM DIFERENTES MOINHOS
XII Congresso Braslero de Engenhara Químca em Incação Centífca ESTUDO GRANULOMÉTRICO DE CHOCOLATES ARTESANAIS ELABORADOS EM DIFERENTES MOINHOS L. A. QUEMELLI 1*, B. P. NASCIMENTO 1, L. S. ARRIECHE 2 1
Leia mais18 e 20/Abr/2016 Aulas 12 e 13. Introdução à Física Estatística Postulados Equilíbrio térmico Função de Partição; propriedades termodinâmicas
01/Abr/2016 Aula 11 Potencas termodnâmcos Energa nterna total Entalpa Energas lvres de Helmholtz e de Gbbs Relações de Maxwell 18 e 20/Abr/2016 Aulas 12 e 13 Introdução à Físca Estatístca Postulados Equlíbro
Leia maisWilliam Robson Schwartz 1 Hélio Pedrini 1. Centro Politécnico Curitiba-PR, Brasil {william,
Segmentação de magens de terrenos baseada na assocação de característcas de texturas com dependênca espacal modelada por campo aleatóro de Markov Wllam Robson Schwartz 1 Hélo Pedrn 1 1 Departamento de
Leia mais