Dois bias que podem acabar com a humanidade

Tamanho: px
Começar a partir da página:

Download "Dois bias que podem acabar com a humanidade"

Transcrição

1 Dois bias que podem acabar com a humanidade por João Lourenço, 2012 * U m bias cognitivo é uma tendência inerente que temos, ao pensarmos ou analisarmos determinadas situações, de cometer desvios sistemáticos de racionalidade 1. Por vezes esses desvios de raciocínio podem nos levar a pequenos equívocos, mas em alguns casos os erros podem ser significativamente relevantes para a sobrevivência de nossa espécie. Existem dois vieses, que não estão listados em nenhum livro sobre bias cognitivos, que considero como os principais e mais relevantes para nossas avaliações de potencias riscos catastróficos à raça humana: o bias Observacional e o bias Intencional. Nesse texto trataremos brevemente dos dois. 1 Nossos mecanismos cognitivos (isto é, mecanismos de pensamento, raciocínio, inferência, etc.) são enviesados, ou seja, viciados em determinadas direções, nos tornando mais propensos a cometer certos tipos de erros, por exemplo, de identificação ou de estimação de tempo, probabilidades, etc. 1

2 Bias Observacional 2 Imagine um jogo de computador baseado na evolução, com pequenas entidades peculiares auto-replicadoras existindo em um ambiente virtual, que são capazes de gerar algoritmos 3 comportamentais. 4 A cada período regular de T segundos a simulação é reiniciada, extinguido totalmente as populações anteriores sem deixar resquícios de seu passado. No entanto, o evento somente ocorre caso as entidades não tenham desenvolvido um conjunto muito específico de algoritmos. O leitor mais esperto poderia imaginar que essas nossas entidades teriam uma tendência a permitir que esse tipo de algoritmo específico evoluísse, pois de outro modo as entidades seriam extintas. Mas esta impressão está incorreta, pois durante toda a história de uma dessas populações de entidades virtuais, muito provavelmente não há qualquer razão específica para que esta população tenha desenvolvido este algoritmo. Se, sem aviso prévio, o programa se reinicia, a população que possui o algoritmo em questão sobrevive, a população que não o possui será completamente devastada. 2 O bias Observacional é um bias sobre a nossa ausência de informação com respeito à nossa probabilidade de extinção. Tratei de modo mais axiomático deste bias no texto da página Aqui tentarei expor ele de maneira mais concreta. 3 Algoritmo é um tipo de processo formal no qual se pode confiar logicamente que produza uma determinada espécie de resultado sempre que for posto para funcionar ou evidenciado. (...) A ideia de que o algoritmo é um procedimento infalível de comprovação e de certa forma mecânico existe há séculos, mas foi o trabalho de pioneiros de Alan Turing, Kurt Gödel e Alonzo Church, na década de 1930, que de certa forma fixou a nossa atual compreensão do termo. (DENNETT, D. C. A Perigosa Idéia de Darwin A Evolução e os Significados da Vida, 1998, p.52). Para Darwin, a evolução das espécies se dava por meio de um processo algorítmico, embora ele não tenha usado essa expressão, que não era conhecida na época. 4 Richard Dawkins explorou um jogo semelhante a esse em seu livro O Relojoeiro Cego. Dawkins utilizou um programa de computador (Blind Watchmaker) para criar por seleção artificial criaturas chamadas de biomorfos computadorizados. Todos os biomorfos possuíam um ancestral comum e eram capazes de gerar cópias que herdavam todo o material genético dos pais, mas com alguma possibilidade de mutação. 2

3 O problema é que não há chance de que as entidades que sofreram o holocausto passem, às gerações futuras, a informação de que um Dia do Juízo ocorrerá; e que somente aquelas populações com o algoritmo sobreviverão. Não há chance de nossas pobres entidades aprenderem evolutivamente sobre este horrendo acontecimento, pois cada vez que ele acontece o jogo é reiniciado do zero. Apesar de estarem sob o risco de extinção, essas ingênuas populações nunca tomam conhecimento deste fato, pela simples razão de que todas as entidades que poderiam passar essa informação para próxima geração terem sido aniquiladas no evento anterior que reiniciou o sistema. Por outro lado, as gerações que não são extintas por possuírem o algoritmo, não estão sob este tipo de risco para se informarem dele. Se há uma pressão evolutiva agindo seria uma seleção por ignorância. Além disso, se assumirmos um crescimento populacional maior que zero, se você é uma dessas entidades, a maior probabilidade é que esteja mais próximo do tempo T de extinção do que mais longe. Isto é uma conclusão facilmente obtida a partir do Self-Sample Assumption (SSA) 5, pois se você é uma entidade aleatória que não sabe quando será extinta, mas sabe que a maioria das entidades está mais próxima do fim que do começo, então você deve assumir que está mais próxima de ser extinta que de não ser. Uma população de entidades rudimentares, em seu princípio, pode ter um futuro vasto à sua frente. Enquanto que uma população já extremamente evoluída e adaptada ao ambiente provavelmente está mais próxima do fim. É fácil constatar que nós partilhamos da mesma ignorância destas ingênuas e ledas entidades. Nós só estamos vivos porque não fomos extintos; logo, não podemos usar esse dado para calcular nossa probabili- 5 Para um melhor entendimento do SSA, veja A Filosofia de Nick Bostrom, Parte I no mesmo link indicado na nota 3 desse texto. 3

4 dade de extinção. O dado significante de há quanto tempo existimos sem sermos extintos não é relevante, pois o que se da é o inverso: quanto mais tempo permanecemos vivos, maior a probabilidade de sermos extintos no instante seguinte. Temos, portanto, de usar outros meios indiretos para obtermos informações relevantes sobre a proximidade do fim de nossa civilização 6. 6 Digamos que existam no total 10 civilizações iguais isoladas no universo e 9 delas são extintas, sobrando apenas uma. Esta civilização tem a evidência que ela existe, mas essa evidência não diz nada sobre a probabilidade dela não ter sido extinta, que é 1/10. Seja lá qual tenha sido o número de civilizações iguais a ela extintas, a observação de que ela não foi extinta será sempre um. São duas observações com duas probabilidades totalmente não relacionadas, e uma não informa sobre a outra. Qualquer civilização, seja lá com qual probabilidade de extinção, sempre fará a observação eu existo e não fui extinta com probabilidade 1. Não podemos usar a nossa existência para estimar a probabilidade de extinção, pois só aquelas civilizações que não são extintas podem realizar observações; e é claro que a observação não fomos extintos terá sempre probabilidade 1, independentemente da probabilidade de extinção. Bayesianamente podemos dizer que, seja x pertencente aos reais, a probabilidade condicional de x% das civilizações são extintas em não fomos extintos é igual à probabilidade incondicional de x% das civilizações são extintas, ou seja, não fomos extintos não nos informa nada sobre a probabilidade de que uma civilização (i.e.: a nossa) seja extinta. Em certa medida é uma limitação do conhecimento que podemos tirar da nossa própria auto observação. Para estimarmos a nossa probabilidade de extinção temos que olhar para outros planetas, etc. 4

5 Bias da Intencionalidade Durante a maior parte da história da humanidade, os eventos naturais eram em sua maior parte inevitáveis e matavam muito menos pessoas do que os eventos humanos evitáveis. Naturalmente, aqueles que sabiam evitar a sua própria morte provocada intencionalmente, por outro ser da mesma espécie, sobreviviam por mais tempo em oposição aos que não eram capazes de fazer isso. Os humanos que desnecessariamente desprendiam energia em evitar eventos inevitáveis mantendo o resto constante tendiam a não sobreviver frente à grande escassez energética. Esta situação criou um bias, até há pouco tempo vantajoso, de se preocupar muito mais com perigos intencionais do que não intencionais. Esse é talvez o principal bias capaz de desviar a atenção da humanidade para os eventos catastróficos mais significativos. Só muito recentemente nos demos conta de um destes muitos perigos: o aquecimento global. No entanto, nossa percepção disso nos levou a identificar países ou indústrias como culpadas, ou seja, atribuindo intencionalidade a suas ações, enquanto os outros inúmeros males permanecem na penumbra. Notas * Texto revisado por Pablo Batista e Lauro Edison. 5

Uma heurística para a modificação da cognição humana. João Lourenço de Araujo Fabiano

Uma heurística para a modificação da cognição humana. João Lourenço de Araujo Fabiano Uma heurística para a modificação da cognição humana João Lourenço de Araujo Fabiano joaolkf@gmail.com Movimento intelectual e cultural que prega o uso racional da tecnologia para melhorar a condição humana.

Leia mais

INTELIGÊNCIA ARTIFICIAL

INTELIGÊNCIA ARTIFICIAL Figura: Capa do Livro Russell, S., Norvig, P. Artificial Intelligence A Modern Approach, Pearson, 2009. Universidade Federal de Campina Grande Unidade Acadêmica de Sistemas e Computação Curso de Pós-Graduação

Leia mais

Razões e meios para modificar a evolução. João Lourenço Mestrando em Filosofia (USP) Membro do IERFH (ierfh.org)

Razões e meios para modificar a evolução. João Lourenço Mestrando em Filosofia (USP) Membro do IERFH (ierfh.org) Razões e meios para modificar a evolução João Lourenço Mestrando em Filosofia (USP) Membro do IERFH (ierfh.org) joaolkf@gmail.com Melhoramento Gradualmente mais e mais aspectos considerados fundamentais

Leia mais

Pós-Graduação em Engenharia de Automação Industrial SISTEMAS INTELIGENTES PARA AUTOMAÇÃO

Pós-Graduação em Engenharia de Automação Industrial SISTEMAS INTELIGENTES PARA AUTOMAÇÃO Pós-Graduação em Engenharia de Automação Industrial SISTEMAS INTELIGENTES PARA AUTOMAÇÃO AULA 06 Algoritmos Genéticos Sumário Introdução Inteligência Artificial (IA) Algoritmos Genéticos Aplicações de

Leia mais

Introdução a Algoritmos Genéticos

Introdução a Algoritmos Genéticos Introdução a Algoritmos Genéticos Tiago da Conceição Mota Laboratório de Inteligência Computacional Núcleo de Computação Eletrônica Universidade Federal do Rio de Janeiro Outubro de 2007 O Que São? Busca

Leia mais

Teste de Turing e Computação Quântica Curso de Análise e Desenvolvimento de Sistemas INTELIGÊNCIA ARTIFICIAL PROFESSOR FLÁVIO MURILO

Teste de Turing e Computação Quântica Curso de Análise e Desenvolvimento de Sistemas INTELIGÊNCIA ARTIFICIAL PROFESSOR FLÁVIO MURILO Teste de Turing e Computação Quântica Curso de Análise e Desenvolvimento de Sistemas 1 Teste de Turing Consiste em verificar a capacidade que uma máquina tem de se comportar como um ser humano por meio

Leia mais

APLICAÇÃO DE ALGORITMOS BIO-INSPIRADOS EM CONTROLE ÓTIMO

APLICAÇÃO DE ALGORITMOS BIO-INSPIRADOS EM CONTROLE ÓTIMO APLICAÇÃO DE ALGORITMOS BIO-INSPIRADOS EM CONTROLE ÓTIMO Profa. Mariana Cavalca Baseado em: Material didático do Prof. Dr. Carlos Henrique V. Moraes da UNIFEI Curso de verão da Profa. Gisele L. Pappa Material

Leia mais

7ª série (turmas muito legais, aliás) Professor Julian ( J.D. ) Colégio João Paulo i Unidade Sul

7ª série (turmas muito legais, aliás) Professor Julian ( J.D. ) Colégio João Paulo i Unidade Sul RACIOCÍNIO LÓGICO E VIESES COGNITIVOS (Ou bem... nós não somos tão espertos assim, Aristóteles. ) 7ª série (turmas muito legais, aliás) Professor Julian ( J.D. ) Colégio João Paulo i Unidade Sul Aristóteles

Leia mais

Universidade Estadual do Rio Grande do Sul Curso Superior de Tecnologia em Gestão Ambiental Biologia Aplicada Aula 7

Universidade Estadual do Rio Grande do Sul Curso Superior de Tecnologia em Gestão Ambiental Biologia Aplicada Aula 7 Universidade Estadual do Rio Grande do Sul Curso Superior de Tecnologia em Gestão Ambiental Biologia Aplicada Aula 7 Professor Antônio Ruas 1. Créditos: 60 2. Carga horária semanal: 4 3. Semestre: 1 4.

Leia mais

Sobre o Artigo. Searle, John, R. (1980). Minds, brains and programs. Behavioral and Brain Sciences 3(3):

Sobre o Artigo. Searle, John, R. (1980). Minds, brains and programs. Behavioral and Brain Sciences 3(3): Sobre o Artigo Searle, John, R. (1980). Minds, brains and programs. Behavioral and Brain Sciences 3(3): 417-457 Searle John Rogers Searle (Denven, 31 de julho de 1932) é um filósofo e escritor estadunidense,

Leia mais

ANEXO AULA 04 EVOLUCÃO II. O urso polar é branco porque mora na neve, ou vive na neve porque é branco?

ANEXO AULA 04 EVOLUCÃO II. O urso polar é branco porque mora na neve, ou vive na neve porque é branco? ANEXO AULA 04 EVOLUCÃO II O urso polar é branco porque mora na neve, ou vive na neve porque é branco? Charles Darwin Chevalier de Lamarck Figura 1 Lei do uso e desuso Figura 2 - Lei da Transmissão de Caracteres

Leia mais

Metahuerísticas: Algoritmos Genéticos. Sistemas de Informação/Ciências da Computação UNISUL Aran Bey Tcholakian Morales, Dr. Eng.

Metahuerísticas: Algoritmos Genéticos. Sistemas de Informação/Ciências da Computação UNISUL Aran Bey Tcholakian Morales, Dr. Eng. Metahuerísticas: Algoritmos Genéticos Sistemas de Informação/Ciências da Computação UNISUL Aran Bey Tcholakian Morales, Dr. Eng. (Apostila 8) Meta-heurísticas Classificação de métodos heurísticos: os métodos

Leia mais

Aula 2. ESTATÍSTICA E TEORIA DAS PROBABILIDADES Conceitos Básicos

Aula 2. ESTATÍSTICA E TEORIA DAS PROBABILIDADES Conceitos Básicos Aula 2 ESTATÍSTICA E TEORIA DAS PROBABILIDADES Conceitos Básicos 1. DEFINIÇÕES FENÔMENO Toda modificação que se processa nos corpos pela ação de agentes físicos ou químicos. 2. Tudo o que pode ser percebido

Leia mais

Aprendizagem Bayesiana

Aprendizagem Bayesiana Universidade Federal do Paraná (UFPR) Bacharelado em Informática Biomédica Aprendizagem Bayesiana David Menotti www.inf.ufpr.br/menotti/ci171-182 Aprendizagem Bayesiana Agenda Introdução Teorema de Bayes

Leia mais

Estimação de valores. Luiz Carlos Terra

Estimação de valores. Luiz Carlos Terra Luiz Carlos Terra Nesta aula, você conhecerá a parte mais importante da estatística, que é conhecida como inferência estatística, ou seja, você aprenderá como usar os dados de uma amostra para estimar

Leia mais

Classificadores. André Tavares da Silva.

Classificadores. André Tavares da Silva. Classificadores André Tavares da Silva andre.silva@udesc.br Reconhecimento de padrões (etapas) Obtenção dos dados (imagens, vídeos, sinais) Pré-processamento Segmentação Extração de características Obs.:

Leia mais

Razão Uma Visão Intuitiva: Parte III Testando a Palavra por Lauro Edison, 2012 *

Razão Uma Visão Intuitiva: Parte III Testando a Palavra por Lauro Edison, 2012 * Razão Uma Visão Intuitiva: Parte III Testando a Palavra por Lauro Edison, 2012 * O ra, a racionalidade do Deep Blue é genuína? Certamente o é em parte, essa é justamente a origem do problema. Mas o que

Leia mais

CURSO METODOLOGIA ECONÔMICA. Professora Renata Lèbre La Rovere. Tutor: Guilherme Santos

CURSO METODOLOGIA ECONÔMICA. Professora Renata Lèbre La Rovere. Tutor: Guilherme Santos CURSO METODOLOGIA ECONÔMICA Professora Renata Lèbre La Rovere Tutor: Guilherme Santos A noção de darwinismo O desenvolvimento da teoria evolucionária levou a duas correntes distintas: Autores que argumentam

Leia mais

antropologia & cultura

antropologia & cultura antropologia & cultura carlos joão correia estudos africanos filosofia artes & humanidades 2011-2012/2ºsemestre Charles Darwin, 1809-1882 On the Origin of Species by means of Natural Selection [1859] Evolução:

Leia mais

Variabilidade. Módulo 3

Variabilidade. Módulo 3 Variabilidade Módulo 3 O boi almiscarado revisitado 750 Núm indivíduos 500 250 A taxa de incremento anual é constante? 0 1930 1940 1950 1960 1970 1980 Anos Variabilidade em A taxa = N t+1 /N t variou todos

Leia mais

2 O Processo de Avaliação de Recursos de Petróleo Não Descobertos

2 O Processo de Avaliação de Recursos de Petróleo Não Descobertos 2 O Processo de Avaliação de Recursos de Petróleo Não Descobertos Antes do processo de exploração de recursos não descobertos, são as atividades de prospecção de petróleo que identificam regiões que pela

Leia mais

Juliana Kaizer Vizzotto. Universidade Federal de Santa Maria. Disciplina de Teoria da Computação

Juliana Kaizer Vizzotto. Universidade Federal de Santa Maria. Disciplina de Teoria da Computação Universidade Federal de Santa Maria Disciplina de Teoria da Computação Quais são as capacidades e limitações fundamentais dos computadores? Funções Computáveis Algoritmo: descrição finitade uma computação

Leia mais

3 Métodos de Otimização

3 Métodos de Otimização 3 Métodos de Otimização Problemas de otimização são relacionados a minimização ou maximização de função de uma ou mais variáveis num determinado domínio, possivelmente com a existência de um conjunto de

Leia mais

Ética. por Jonatas Müller, 2012 * RESUMO

Ética. por Jonatas Müller, 2012 * RESUMO Ética por Jonatas Müller, 2012 * RESUMO As éticas teórica e aplicada são definidas e explicadas. Argumenta-se que apenas a consciência tem relevância ética, de forma que o valor é- tico direto é a boa

Leia mais

Inteligência Artificial. Algoritmos Genéticos. Aula I Introdução

Inteligência Artificial. Algoritmos Genéticos. Aula I Introdução Universidade Estadual do Oeste do Paraná Curso de Bacharelado em Ciência da Computação Inteligência Artificial Algoritmos Genéticos Aula I Introdução Roteiro Introdução Computação Evolutiva Algoritmos

Leia mais

Algoritmos Genéticos

Algoritmos Genéticos Algoritmos Genéticos Introdução Um Algoritmo Genético (AG), conceitualmente, segue passos inspirados no processo biológico de evolução natural segundo a teoria de Darwin Algoritmos Genéticos seguem a idéia

Leia mais

Processo de Amostragem

Processo de Amostragem Processo de Amostragem População versus Amostra População: conjunto de unidades com uma ou mais característica em comum N é a dimensão da população Amostra: Subconjunto da população N é a dimensão da amostra

Leia mais

A evolução é o processo de transformações hereditárias e adaptações que vem ocorrendo nos seres vivos desde que surgiram no planeta Terra.

A evolução é o processo de transformações hereditárias e adaptações que vem ocorrendo nos seres vivos desde que surgiram no planeta Terra. Fixismo (Criacionismo) - Até o século XVIII - Todos os seres vivos foram criados por um ser supremo Deus. - Uma vez criadas as espécies eram imutáveis (fixas). ADAPTAÇÃO O termo adaptação refere-se ao

Leia mais

Noções sobre Probabilidade

Noções sobre Probabilidade Noções sobre Probabilidade Introdução Vimos anteriormente como apresentar dados em tabelas e gráficos, e também como calcular medidas que descrevem características específicas destes dados. Mas além de

Leia mais

Figura: Capa do Livro Hamburger, H., Richards, D. Logic and Language Models for Computer Science, Prentice Hall.

Figura: Capa do Livro Hamburger, H., Richards, D. Logic and Language Models for Computer Science, Prentice Hall. Figura: Capa do Livro Hamburger, H., Richards, D. Logic and Language Models for Computer Science, Prentice Hall. Universidade Federal de Campina Grande Departamento de Sistemas e Computação Curso de Bacharelado

Leia mais

Bioestatística INFERÊNCIA ESTATÍSTICA. Silvia Shimakura

Bioestatística INFERÊNCIA ESTATÍSTICA. Silvia Shimakura Bioestatística INFERÊNCIA ESTATÍSTICA Silvia Shimakura AMOSTRAS E POPULAÇÕES Inferências sobre populações são geralmente feitas a partir de informações obtidas de amostras. amostras Válido se a amostra

Leia mais

3 Algoritmos Genéticos

3 Algoritmos Genéticos Técnicas de Inteligência Computacional 33 3 Algoritmos Genéticos Este capítulo resume os principais conceitos sobre o algoritmo evolucionário empregado nesta dissertação. É apresentada uma breve explicação

Leia mais

Evolução Molecular. "Nothing in Biology Makes Sense Except in the Light of Evolution. Theodosius Dobzhansky

Evolução Molecular. Nothing in Biology Makes Sense Except in the Light of Evolution. Theodosius Dobzhansky "Nothing in Biology Makes Sense Except in the Light of Evolution Theodosius Dobzhansky Evolução Evolução Evolução Genótipo + Ambiente = Fenótipo Parental F1 F2 Evolução Evolução = mudança (características

Leia mais

Introdução aos Algoritmos Genéticos

Introdução aos Algoritmos Genéticos Introdução aos Algoritmos Genéticos Prof. Matheus Giovanni Pires EXA 868 Inteligência Artificial Não-Simbólica B Universidade Estadual de Feira de Santana 2 Algoritmos Genéticos: Introdução Introduzidos

Leia mais

Simulação de Deriva Genética

Simulação de Deriva Genética BIO0208 - Processos Evolutivos PRÁTICA 1 Simulação de Deriva Genética Objetivo O objetivo desta aula prática é analisar o efeito da deriva genética sobre a mudança de frequências alélicas. Investigaremos

Leia mais

INTELIGÊNCIA COMPUTACIONAL

INTELIGÊNCIA COMPUTACIONAL Rafael D. Ribeiro, M.Sc. rafaeldiasribeiro@gmail.com http://www.rafaeldiasribeiro.com.br A Inteligência Computacional (IC), denominada originalmente de Inteligência Artificial (IA), é uma das ciências

Leia mais

Razão Uma Visão Intuitiva: Parte VI Resolvendo as Definições por Lauro Edison, 2012 * oltemos ao nosso modelo neutro de definição (cf.

Razão Uma Visão Intuitiva: Parte VI Resolvendo as Definições por Lauro Edison, 2012 * oltemos ao nosso modelo neutro de definição (cf. Razão Uma Visão Intuitiva: Parte VI Resolvendo as Definições por Lauro Edison, 2012 * V oltemos ao nosso modelo neutro de definição (cf. Parte II): Proto-razão: é sempre o potencial de uma entidade (consciente

Leia mais

CTC-17 Inteligência Artificial Busca Competitiva e Busca Iterativa. Prof. Paulo André Castro

CTC-17 Inteligência Artificial Busca Competitiva e Busca Iterativa. Prof. Paulo André Castro CTC-17 Inteligência Artificial Busca Competitiva e Busca Iterativa Prof. Paulo André Castro pauloac@ita.br www.comp.ita.br/~pauloac Sala 110, IEC-ITA Sumário Busca Competitiva Para Ambientes multiagentes...

Leia mais

Ecologia de Populações e Comunidades

Ecologia de Populações e Comunidades Ecologia de Populações e Comunidades Profa. Isabel Belloni Schmidt Dept. Ecologia UnB isabels@unb.br Evolução Nada em biologia faz sentido a não ser à luz da evolução Theodosius Dobzhansky Jean Baptiste

Leia mais

Disponível em: < (Adaptado). Acesso em: 09 set

Disponível em: <   (Adaptado). Acesso em: 09 set 1 2 1. (G1 - cftmg 2016) Há 60 anos, Alexander Fleming observou que sua cultura de Staphylococcus aureus temível bacilo que causa infecção generalizada estava contaminada pelo fungo Penicillium notatum.

Leia mais

A Matemática como Serviço a Ciência da Computação. Prof. Dr. Carlos Eduardo de Barros Paes Coordenador do Curso de Ciência da Computação

A Matemática como Serviço a Ciência da Computação. Prof. Dr. Carlos Eduardo de Barros Paes Coordenador do Curso de Ciência da Computação A Matemática como Serviço a Ciência da Computação Prof. Dr. Carlos Eduardo de Barros Paes Coordenador do Curso de Ciência da Computação A Matemática e Ciência da Computação A Matemática faz parte do DNA

Leia mais

Descreve a história da vida na Terra Investiga os processos responsáveis por essa história

Descreve a história da vida na Terra Investiga os processos responsáveis por essa história Aula 1 Evolução Biologia Evolutiva x Evolução Biológica O termo Evolução biológica refere-se ao processo de modificação e surgimento das espécies na Terra Biologia Evolutiva refere-se à disciplina que

Leia mais

POR QUE A EVOLUÇÃO BIOLÓGICA É UMA TEORIA CIENTÍFICA E NÃO UMA LEI CIENTÍFICA?

POR QUE A EVOLUÇÃO BIOLÓGICA É UMA TEORIA CIENTÍFICA E NÃO UMA LEI CIENTÍFICA? POR QUE A EVOLUÇÃO BIOLÓGICA É UMA TEORIA CIENTÍFICA E NÃO UMA LEI CIENTÍFICA? O que seria uma lei científica? Lei científica é uma explicação para um fenômeno natural que apresenta regularidade, de tal

Leia mais

ESTATÍSTICA ANALÍTICA. Prof. Dr. Guanis de Barros Vilela Junior

ESTATÍSTICA ANALÍTICA. Prof. Dr. Guanis de Barros Vilela Junior ESTATÍSTICA ANALÍTICA Prof. Dr. Guanis de Barros Vilela Junior Introdução Permite ao pesquisador ir além da descrição dos dados e fazer inferências sobre a população, a partir da amostra. Estas inferências

Leia mais

CTC-17 Inteligência Artificial Busca Competitiva e Busca Iterativa. Prof. Paulo André Castro

CTC-17 Inteligência Artificial Busca Competitiva e Busca Iterativa. Prof. Paulo André Castro CTC-17 Inteligência Artificial Busca Competitiva e Busca Iterativa Prof. Paulo André Castro pauloac@ita.br www.comp.ita.br/~pauloac Sala 110, IEC-ITA Sumário Busca Competitiva Para Ambientes multiagentes...

Leia mais

LIMITES COMPUTACIONAIS E O FUTURO. Prof. André Vignatti DINF - UFPR

LIMITES COMPUTACIONAIS E O FUTURO. Prof. André Vignatti DINF - UFPR LIMITES COMPUTACIONAIS E O FUTURO Prof. André Vignatti DINF - UFPR CONTEXTUALIZANDO Ciências Exatas base de tudo, gera conhecimento Engenharias usa conhecimento, gera tecnologias Tecnologias usa tecnologias,

Leia mais

Resolvendo o Problema do Cavalo do Xadrez Utilizando Algoritmo Genético

Resolvendo o Problema do Cavalo do Xadrez Utilizando Algoritmo Genético Resolvendo o Problema do Cavalo do Xadrez Utilizando Algoritmo Genético Alexandre Tadeu Rossini da Silva 1, Gustavo Setúbal Nazareno 1, André Marcelo Schneider 2 1 Bacharelado em Ciência da Computação

Leia mais

de estimativa. Essa estimativa, chamada de confiança ou estimativa intervalar, consiste em uma faixa, ou intervalo, de valores em vez de apenas um úni

de estimativa. Essa estimativa, chamada de confiança ou estimativa intervalar, consiste em uma faixa, ou intervalo, de valores em vez de apenas um úni ESTATÍSTICA APLICADA À ADMINISTRAÇÃO AULA 04: AMOSTRAGEM E ESTIMAÇÃO TÓPICO 04: INTERVALOS DE CONFIANÇA VERSÃO TEXTUAL Um dos principais objetivos da estatística inferencial consiste em estimar os valores

Leia mais

Exercícios de Especiação

Exercícios de Especiação Exercícios de Especiação 1. (UEPB) Vários conceitos são utilizados para definir uma espécie. De maneira geral podemos dizer que uma espécie representa um conjunto de indivíduos com potencial, em condições

Leia mais

Deriva genética. Bio Diogo Meyer. Departamento de Genética e Biologia Evolutiva Universidade de São Paulo. Ridley

Deriva genética. Bio Diogo Meyer. Departamento de Genética e Biologia Evolutiva Universidade de São Paulo. Ridley Deriva genética Bio 0208-2014 Diogo Meyer Departamento de Genética e Biologia Evolutiva Universidade de São Paulo Ridley 6.1-6.4 1 Recapitulando: frequências alélicas, genotípicas e HW AA Aa aa Esperado

Leia mais

Algoritmos Genéticos. Princípio de Seleção Natural. Sub-áreas da Computação Evolutiva. Idéias básicas da CE. Computação Evolutiva

Algoritmos Genéticos. Princípio de Seleção Natural. Sub-áreas da Computação Evolutiva. Idéias básicas da CE. Computação Evolutiva Computação Evolutiva Algoritmos Genéticos A computação evolutiva (CE) é uma área da ciência da computação que abrange modelos computacionais inspirados na Teoria da Evolução das Espécies, essencialmente

Leia mais

Inferência. 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média. Renata Souza

Inferência. 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média. Renata Souza Inferência 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média Renata Souza Aspectos Gerais A estatística descritiva tem por objetivo resumir ou descrever características importantes

Leia mais

Introdução ao Planejamento e Análise Estatística de Experimentos 1º Semestre de 2013 Capítulo 3 Introdução à Probabilidade e à Inferência Estatística

Introdução ao Planejamento e Análise Estatística de Experimentos 1º Semestre de 2013 Capítulo 3 Introdução à Probabilidade e à Inferência Estatística Introdução ao Planejamento e Análise Estatística de Experimentos Capítulo 3 Introdução à Probabilidade e à Inferência Estatística Introdução ao Planejamento e Análise Estatística de Experimentos Agora,

Leia mais

Catarina Marques. Estatística II Licenciatura em Gestão. Conceitos: População, Unidade Estatística e Amostra

Catarina Marques. Estatística II Licenciatura em Gestão. Conceitos: População, Unidade Estatística e Amostra Amostragem Estatística II Licenciatura em Gestão 1 Conceitos: População, Unidade Estatística e Amostra População (ou Universo) dimensão N Conjunto de unidades com uma ou mais características comuns População

Leia mais

Vieses E Heurísticas - Os Atalhos Mentais Do Pensamento Humano

Vieses E Heurísticas - Os Atalhos Mentais Do Pensamento Humano Vieses E Heurísticas - Os Atalhos Mentais Do Pensamento Humano Os animais vertebrados são conhecidos por tomar diariamente dezenas de decisões cruciais em suas vidas: quando descansar, com quem se relacionar,

Leia mais

Introdução à Lógica de Programação

Introdução à Lógica de Programação Introdução à Lógica de Programação Não estamos aqui para sobreviver e sim para explorar a oportunidade de vencer adquirindo o saber! (Autor Desconhecido) A lógica é a arte de pensar correctamente e, visto

Leia mais

Uso de Algoritmo Genético para a otimização do ponto de corte da probabilidade de sucesso estimada do modelo de Regressão Logística

Uso de Algoritmo Genético para a otimização do ponto de corte da probabilidade de sucesso estimada do modelo de Regressão Logística Uso de Algoritmo Genético para a otimização do ponto de corte da probabilidade de sucesso estimada do modelo de Regressão Logística José Edson Rodrigues Guedes Gondim 1 Joab de Oliveira Lima 2 1 Introdução

Leia mais

ALGORITMO GENÉTICO COMO REPRESENTAÇÃO DAS MUTAÇÕES NA BIOLOGIA

ALGORITMO GENÉTICO COMO REPRESENTAÇÃO DAS MUTAÇÕES NA BIOLOGIA Patrocínio, MG, outubro de 2016 ENCONTRO DE PESQUISA & EXTENSÃO, 3., 2016, Patrocínio. Anais... Patrocínio: IFTM, 2016. ALGORITMO GENÉTICO COMO REPRESENTAÇÃO DAS MUTAÇÕES NA BIOLOGIA Igor Acassio Melo

Leia mais

Professora: Susana Costa

Professora: Susana Costa Escola Secundária/3 Rainha Santa Isabel Planificação a Médio Prazo 201/2017 Matemática Aplicada às Ciências Sociais BLOCO II (11º ano) Turmas - 11º C e 11º D Professora: Susana Costa Planificação a Médio

Leia mais

Planificação Anual 11º Ano Matemática Aplicada às Ciências Sociais

Planificação Anual 11º Ano Matemática Aplicada às Ciências Sociais ESCOLA SECUNDÁRIA/3 RAINHA SANTA ISABEL 402643 ESTREMOZ Planificação Anual 11º Ano Matemática Aplicada às Ciências Sociais Ano letivo 2018 / 2019 PERÍODO Nº de PREVISTAS 1º 72 2º 72 3º 36 Total: 180 1º

Leia mais

Otimização. Unidade 6: Algoritmo Genético. Jaime Arturo Ramírez. 7. Teoria do processo evolutivo num GA. 8. Aspectos avançados

Otimização. Unidade 6: Algoritmo Genético. Jaime Arturo Ramírez. 7. Teoria do processo evolutivo num GA. 8. Aspectos avançados Otimização Jaime Arturo Ramírez Conteúdo 1. Introdução 2. Analogia de mecanismos de seleção natural com sistemas artificiais 3. Algoritmo genético modelo 4. Um GA simples 5. Representação, genes e cromossomos

Leia mais

Biologia Professor Leandro Gurgel de Medeiros

Biologia Professor Leandro Gurgel de Medeiros Biologia Professor Leandro Gurgel de Medeiros EVOLUÇÃO Muitos acreditam que o homem é o ser vivo mais evoluído do planeta, de que ele veio do macaco e que a evolução sempre tem sentido de progresso. Evolução

Leia mais

3. Resolução de problemas por meio de busca

3. Resolução de problemas por meio de busca Inteligência Artificial - IBM1024 3. Resolução de problemas por meio de busca Prof. Renato Tinós Local: Depto. de Computação e Matemática (FFCLRP/USP) 1 Principais Tópicos 3. Resolução de problemas por

Leia mais

De onde vêm as expressões para variâncias e desvios padrão? 37

De onde vêm as expressões para variâncias e desvios padrão? 37 APÊNDICE 03 Uma questão de estatística De onde vêm as expressões para variâncias e desvios padrão? 37 Conforme já foi antecipado no primeiro texto de apoio da segunda atividade experimental prevista neste

Leia mais

Probabilidade. Definições e Conceitos

Probabilidade. Definições e Conceitos Probabilidade Definições e Conceitos Definições Probabilidade Medida das incertezas relacionadas a um evento chances de ocorrência de um evento Exemplos: Probabilidade de jogar um dado e cair o número

Leia mais

Técnicas de Amostragem

Técnicas de Amostragem Técnicas de Amostragem 1 Amostragem é o processo de seleção de uma amostra, que possibilita o estudo das características da população. Quando obtemos informações a partir de amostras e tentamos atingir

Leia mais

DEPARTAMENTO DE MATEMÁTICA E CIÊNCIAS EXPERIMENTAIS - Grupo 500. Planificação Anual /Critérios de avaliação. Disciplina: MACS 11º ano 2014/2015

DEPARTAMENTO DE MATEMÁTICA E CIÊNCIAS EXPERIMENTAIS - Grupo 500. Planificação Anual /Critérios de avaliação. Disciplina: MACS 11º ano 2014/2015 AGRUPAMENTO DE ESCOLAS ANSELMO DE ANDRADE DEPARTAMENTO DE MATEMÁTICA E CIÊNCIAS EXPERIMENTAIS - Grupo 500 Planificação Anual /Critérios de avaliação Disciplina: MACS 11º ano 2014/2015 Início Fim Nº de

Leia mais

PLANO DE TRABALHO TÍTULO: EVOLUÇÃO

PLANO DE TRABALHO TÍTULO: EVOLUÇÃO FORMAÇÃO CONTINUADA PARA PROFESSORES DE CIÊNCIAS BIOLÓGICAS FUNDAÇÃO CECIERJ / CONSÓRCIO CEDERJ PROFESSOR/CURSISTA: PATRÍCIA CONCEIÇÃO DA CUNHA COLÉGIO: COLÉGIO ESTADUAL TEMÍSTOCLES DE ALMEIDA TUTOR (A):

Leia mais

Evolução da Informática: a Origem da Computação

Evolução da Informática: a Origem da Computação Evolução da Informática: a Origem da Computação INF005 - Arquitetura de Computadores e Software Básico Aula 2 Flávia Maristela (flavia@flaviamaristela.com) Introdução Origem da Informática Preocupação

Leia mais

Análise Bayesiana de Dados - Aplicações 1 -

Análise Bayesiana de Dados - Aplicações 1 - Análise Bayesiana de Dados - Aplicações 1 - Márcia D Elia Branco Universidade de São Paulo Instituto de Matemática e Estatística www.ime.usp.br/ mbranco - sala 295-A - Aplicações da IB : Pressão sistólica

Leia mais

Luis Otavio Alvares Filipo Perotto. Quais os limites da IA? Inteligência no homem e na máquina. Por quê? X

Luis Otavio Alvares Filipo Perotto. Quais os limites da IA? Inteligência no homem e na máquina. Por quê? X Questões sobre a entrevista de Marvin Minsky Discussão sobre IA Na sua opinião, o que caracteriza uma máquina inteligente? O que você entende por conhecimento de senso comum? Luis Otavio Alvares Filipo

Leia mais

Unidade I ESTATÍSTICA APLICADA. Prof. Mauricio Fanno

Unidade I ESTATÍSTICA APLICADA. Prof. Mauricio Fanno Unidade I ESTATÍSTICA APLICADA Prof. Mauricio Fanno Estatística indutiva Estatística descritiva Dados no passado ou no presente e em pequena quantidade, portanto, reais e coletáveis. Campo de trabalho:

Leia mais

Paradigma Simbólico. Sistemas de Informação UNISUL Aran Bey Tcholakian Morales, Dr. Eng. (Apostila 2)

Paradigma Simbólico. Sistemas de Informação UNISUL Aran Bey Tcholakian Morales, Dr. Eng. (Apostila 2) Paradigma Simbólico Sistemas de Informação UNISUL Aran Bey Tcholakian Morales, Dr. Eng. (Apostila 2) Revisão da aula anterior: definição de IA Podemos associar o termo IA com: Parte da ciência da computação

Leia mais

Testes de Hipótese PARA COMPUTAÇÃO

Testes de Hipótese PARA COMPUTAÇÃO Testes de Hipótese MONITORIA DE ESTATÍSTICA E PROBABILIDADE PARA COMPUTAÇÃO Testes de Hipóteses Um teste de hipótese é uma técnica de análise usada para estimar se uma hipótese sobre a população está correta,

Leia mais

Teorias da evolução. A teoria da evolução de Lamarck. A teoria da evolução de Darwin

Teorias da evolução. A teoria da evolução de Lamarck. A teoria da evolução de Darwin Teorias da evolução Várias teorias evolutivas surgiram, destacando-se, entre elas, as teorias de Lamarck e de Darwin. Atualmente, foi formulada a Teoria sintética da evolução, também denominada Neodarwinismo,

Leia mais

Inteligência Artificial. Raimundo Osvaldo Vieira [DECOMP IFMA Campus Monte Castelo]

Inteligência Artificial. Raimundo Osvaldo Vieira [DECOMP IFMA Campus Monte Castelo] Inteligência Artificial Raimundo Osvaldo Vieira [DECOMP IFMA Campus Monte Castelo] Abordagem Estocástica para a Incerteza: Redes Bayesianas Usando a teoria das probabilidades, podemos determinar, frequentemente

Leia mais

Algoritmos Genéticos. Pontos fracos dos métodos tradicionais. Características de alguns problemas. Tamanho do espaço de busca- Ex. caixeiro viajante:

Algoritmos Genéticos. Pontos fracos dos métodos tradicionais. Características de alguns problemas. Tamanho do espaço de busca- Ex. caixeiro viajante: Algoritmos Genéticos Prof. Luis Otavio Alvares INE/UFSC Características de alguns problemas Tamanho do espaço de busca- Ex. caixeiro viajante: 10 cidades: 181.000 soluções 20 cidades: 10.000.000.000.000

Leia mais

Distribuições Amostrais e Estimação Pontual de Parâmetros

Distribuições Amostrais e Estimação Pontual de Parâmetros Distribuições Amostrais e Estimação Pontual de Parâmetros ESQUEMA DO CAPÍTULO 7.1 INTRODUÇÃO 7.2 DISTRIBUIÇÕES AMOSTRAIS E TEOREMA DO LIMITE CENTRAL 7.3 CONCEITOS GERAIS DE ESTIMAÇÃO PONTUAL 7.3.1 Estimadores

Leia mais

RESUMO DO CAPÍTULO 3 DO LIVRO DE WOOLDRIDGE ANÁLISE DE REGRESSÃO MÚLTIPLA: ESTIMAÇÃO

RESUMO DO CAPÍTULO 3 DO LIVRO DE WOOLDRIDGE ANÁLISE DE REGRESSÃO MÚLTIPLA: ESTIMAÇÃO RESUMO DO CAPÍTULO 3 DO LIVRO DE WOOLDRIDGE ANÁLISE DE REGRESSÃO MÚLTIPLA: ESTIMAÇÃO Regressão simples: desvantagem de apenas uma variável independente explicando y mantendo ceteris paribus as demais (ou

Leia mais

BIOESTATÍSTICA AULA 4. Anderson Castro Soares de Oliveira Jose Nilton da Cruz. Departamento de Estatística/ICET/UFMT

BIOESTATÍSTICA AULA 4. Anderson Castro Soares de Oliveira Jose Nilton da Cruz. Departamento de Estatística/ICET/UFMT BIOESTATÍSTICA AULA 4 Anderson Castro Soares de Oliveira Jose Nilton da Cruz Departamento de Estatística/ICET/UFMT Amostragem AMOSTRAGEM A amostragem é um campo da estatística que estuda técnicas de planejamento

Leia mais

CRIATIVIDADE, ALEATORIEDADE E COMPLEXIDADE: A MATEMÁTICA NA VIDA

CRIATIVIDADE, ALEATORIEDADE E COMPLEXIDADE: A MATEMÁTICA NA VIDA CRIATIVIDADE, ALEATORIEDADE E COMPLEXIDADE: A MATEMÁTICA NA VIDA Virginia M. Fontes Gonçalves Chaitin ISCV, Chile virginia.mfgc@gmail.com Ricardo Silva Kubrusly Professor do HCTE/ UFRJ riskuby@gmail.com

Leia mais

Lógica e Computação. Uma Perspectiva Histórica

Lógica e Computação. Uma Perspectiva Histórica Lógica e Computação Uma Perspectiva Histórica Alfio Martini Facin - PUCRS A Lógica na Cultura Helênica A Lógica foi considerada na cultura clássica e medieval como um instrumento indispensável ao pensamento

Leia mais

Probabilidade e Estatística. Estimação de Parâmetros Intervalo de Confiança

Probabilidade e Estatística. Estimação de Parâmetros Intervalo de Confiança Probabilidade e Estatística Prof. Dr. Narciso Gonçalves da Silva http://páginapessoal.utfpr.edu.br/ngsilva Estimação de Parâmetros Intervalo de Confiança Introdução A inferência estatística é o processo

Leia mais

Estatística. Disciplina de Estatística 2012/2 Curso de Administração em Gestão Pública Profª. Ms. Valéria Espíndola Lessa

Estatística. Disciplina de Estatística 2012/2 Curso de Administração em Gestão Pública Profª. Ms. Valéria Espíndola Lessa Estatística Disciplina de Estatística 2012/2 Curso de Administração em Gestão Pública Profª. Ms. Valéria Espíndola Lessa 1 Numa pesquisa por amostragem, como sabemos se uma amostra pode representar adequadamente

Leia mais

Algoritmos Evolutivos Canônicos

Algoritmos Evolutivos Canônicos Algoritmos Evolutivos Canônicos Como representar os indivíduos Vetor de comprimento fixo com L características escolhidas previamente. Ex.: Definição

Leia mais

Parametros e estimativa estatísticas são relacionados, mas são a mesma coisa.

Parametros e estimativa estatísticas são relacionados, mas são a mesma coisa. Métodos Quantitativos para Ciência da Computação Experimental -Aula#7a- Inferência Estatística: Teste de Hipótese Virgílio A. F. Almeida Maio de 2008 Departamento de Ciência da Computação Universidade

Leia mais

CE008 Introdução à Bioestatística INFERÊNCIA ESTATÍSTICA

CE008 Introdução à Bioestatística INFERÊNCIA ESTATÍSTICA CE008 Introdução à Bioestatística INFERÊNCIA ESTATÍSTICA Silvia Shimakura Estimação Amostras são usadas para estimar quantidades desconhecidas de uma população. população Exemplo: prevalência de doenças,

Leia mais

Inferência. 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média. Renata Souza

Inferência. 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média. Renata Souza Inferência 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média Renata Souza Aspectos Gerais A estatística descritiva tem por objetivo resumir ou descrever características importantes

Leia mais

Lista de Recuperação Não rasure os testes, não use branquinho à tinta.

Lista de Recuperação Não rasure os testes, não use branquinho à tinta. Data: /10/14 Bim.: 3º Nome: 9 ANO Nº Disciplina: Biologia Professora: Ângela Valor da Prova / Atividade: 2,0 Nota: Objetivo / Instruções: Lista de Recuperação Não rasure os testes, não use branquinho à

Leia mais

Resolução da Prova de Raciocínio Lógico do INPI de 2014, aplicada em 14/12/2014 (Cargo 22).

Resolução da Prova de Raciocínio Lógico do INPI de 2014, aplicada em 14/12/2014 (Cargo 22). Resolução da Prova de Raciocínio Lógico do INPI de 2014, aplicada em 14/12/2014 (Cargo 22). Tendo como referência a proposição P: Em outros países, seres vivos como microrganismos e animais geneticamente

Leia mais

Teste para a Média Populacional com Variância Conhecida

Teste para a Média Populacional com Variância Conhecida Teste para a Média Populacional com Variância Conhecida Quando o desvio padrão σ for conhecido, a estatística do teste é: x µ z obs = σ n onde: x é a média amostral; µ é a média populacional testada (sob

Leia mais

Profa. Sheila Morais de Almeida. março

Profa. Sheila Morais de Almeida. março Classificação das Ciências Profa. Sheila Morais de Almeida DAINF-UTFPR-PG março - 2019 Sheila Almeida (DAINF-UTFPR-PG) Classificação das Ciências março - 2019 1 / 23 Este material é preparado usando como

Leia mais

UMA INTRODUÇÃO AOS ALGORITMOS GENETICOS

UMA INTRODUÇÃO AOS ALGORITMOS GENETICOS UMA INTRODUÇÃO AOS ALGORITMOS GENETICOS Uma visão geral dos GAs Um algoritmo genético é uma classe de algoritmo de busca. O algoritmo procura uma solução dentro de um espaço para um problema de otimização.

Leia mais

GENÉTICA DE POPULAÇÕES

GENÉTICA DE POPULAÇÕES GENÉTICA DE POPULAÇÕES FATORES MICROEVOLUTIVOS: ENDOGAMIA PROF. MACKS WENDHELL GONÇALVES ENDOGAMIA DEME Deme é uma coleção de indivíduos intercruzantes da mesma espécie que vive em proximidade suficiente

Leia mais

Inferência Estatística. Estimação

Inferência Estatística. Estimação Inferência Estatística Estimação Inferência Estatística fazer inferências tirar conclusões fazer inferência estatística tirar conclusões sobre uma população com base em somente uma parte dela, a amostra,

Leia mais

MAT 1514 A Matemática na Educação Básica. Profa. Daniela Mariz Sala 108 Bloco A

MAT 1514 A Matemática na Educação Básica. Profa. Daniela Mariz Sala 108 Bloco A MAT 1514 A Matemática na Educação Básica Profa. Daniela Mariz Sala 108 Bloco A e-mail: danim@ime.usp.br www.ime.usp.br/~danim OBJETIVOS Esclarecer a importância da Matemática na Educação Básica. Discussão

Leia mais

CONHECIMENTOS ESPECÍFICOS

CONHECIMENTOS ESPECÍFICOS CONHECIMENTOS ESPECÍFICOS 2003 2004 2005 2006 2007 2008 2009 2010 X 39,0 39,5 39,5 39,0 39,5 41,5 42,0 42,0 Y 46,5 65,5 86,0 100,0 121,0 150,5 174,0 203,0 A tabela acima mostra as quantidades, em milhões

Leia mais

Seleção natural. Bio Diogo Meyer. Departamento de Genética e Biologia Evolutiva Universidade de São Paulo

Seleção natural. Bio Diogo Meyer. Departamento de Genética e Biologia Evolutiva Universidade de São Paulo Seleção natural Bio 0208-2016 Diogo Meyer Departamento de Genética e Biologia Evolutiva Universidade de São Paulo Leitura básica: Ridley 5.6, 5.7, 5.10,5.12 Lembremos o quão complexas e ajustadas são as

Leia mais