Definições Matemáticas
|
|
- Cláudio Avelar Arantes
- 5 Há anos
- Visualizações:
Transcrição
1 A matemática pode ser definida como a ciência na qual não se sabe jamais sobre o que fala nem se o que se diz é verdade. ÖØÖ Ò ÊÙ Ð ½ ¾¼ A Definições Matemáticas Conceitos e definições matemáticas que possuem grande importância no decorrer da tese são descritos em mais detalhes neste apêndice. O apêndice é dividido em duas seções. Na Seção A.1 são descritos os principais aspectos relativos aos cumulantes e momentos de uma distribuição de probabilidade qualquer. Aspectos relativos à entropia de variáveis aleatórias são exploradas na Seção A.2. A.1 Cumulantes e momentos A.1.1 História Os cumulantes foram inicialmente introduzidos pelo astrônomo, contador, matemático e estaticista dinamarquês Thorvald N. Thiele ( ) que os denominou semi-invariantes. O termo cumulante surgiu pela primeira vez em 1931 no artigo The Derivation of the 227
2 228 APÊNDICE A. DEFINIÇÕES MATEMÁTICAS Pattern Formulæ of Two-Way Partitions from Those of Simpler Patterns, Proceedings of the London Mathematical Society, Series 2, vol. 33, pp , publicado pelo geneticista e estaticista Sir Ronald Fisher e o estaticista John Wishart, epônimo da distribuição de Wishart. O historiador Stephen Stigler comenta que o termo cumulante foi sugerido a Fisher numa carta de Harold Hotelling. Em um outro artigo publicado em 1929, Fisher chamou-os de funções de momentos cumulativos. A.1.2 Cumulantes e momentos de distribuições de probabilidade Dada uma distribuição de probabilidade p Y (y), os momentos são obtidos a partir da função característica, também chamada de função geradora de momentos, definida, para uma variável real y, como Ω Y (ω) p Y (y) exp(jωy)dy {exp(jωy)}. (A.1) Expandindo-se Ω Y (ω) em uma série de potências em torno da origem obtém-se [Papoulis, 1991]: κ k Ω Y (ω) = k! (jω)k, (A.2) em que κ k é o momento centrado de ordem k. k=0 O cumulante de ordem k é definido como [Papoulis, 1991] em que é a função geradora de cumulantes. c k = k Υ Y (ω) ω k, (A.3) Υ Y (ω) = ln [Ω Y (ω)], (A.4) Para o caso de varáveis complexas, a função característica é dada por [Amblard et al., 1996a]: [ ( )] ωy Ω Y,Y (ω,ω ) p Y,Y (y,y + ω y ) exp j dy dy 2 (A.5) { [ ( )]} ωy + ω y E exp j. 2
3 A.1. CUMULANTES E MOMENTOS 229 Neste caso, a função geradora de cumulantes é escrita como: Υ Y (ω) ln [Ω Y,Y (ω,ω )] (A.6) A.1.3 Algumas propriedades Invariância e equivariância O cumulante de ordem um é equivariante enquanto todos os demais são invariantes a deslocamentos. Então, para um cumulante de ordem k da variável Y, denotado por c k (Y ), tem-se c 1 (Y + α) = c 1 (Y ) + α (A.7) c k (Y + α) = c k (Y ), para α uma constante qualquer. Homogeneidade O cumulante de ordem k é homogêneo 1 de grau k, ou seja, para o caso real tem-se: c k (αy ) = α k c k (Y ). (A.8) Considerendo-se o caso complexo, o k-ésimo cumulante é definido como c k (Y,Y ) = c k (Y,...,Y,Y }{{},...,Y ) s + q = k. (A.9) }{{} s termos q termos Então, de acordo com a Equação (A.9), a propriedade da homogeneidade para variáveis complexas é dada por [Lacoume et al., 1997; Amblard et al., 1996b]: c k (αy,αy ) = (α) s (α ) q c k (Y,Y ). (A.10) Desta maneira, para os cumulantes de ordem par, pode-se definir s = q que fornece a homogeneidade como c k (αy ) = α k c k (Y ). (A.11) 1 Esta propriedade é algumas vezes denominada de multilinearidade.
4 230 APÊNDICE A. DEFINIÇÕES MATEMÁTICAS Aditividade Se X e Y são variáveis aleatórias independentes então vale a seguinte relação: c k (X + Y ) = c k (X) + c k (Y ). (A.12) A.1.4 Cumulantes e momentos Os cumulantes são relacionados com os momentos através da seguinte recursão [Nikias & Petropulu, 1993]: n 1 ( ) k 1 c k = κ k c i 1 i κ k i. (A.13) i=1 Desta forma, o k ésimo momento é um polinômio de grau k dos k primeiros cumulantes, dados, para o caso em que k = 6, na seguinte forma: κ 1 = c 1 κ 2 = c 2 + c 2 1 κ 3 = c 3 + 3c 2 c 1 + c 3 1 κ 4 = c 4 + 4c 3 c 1 + 3c c 2 c c 4 1 κ 5 = c 5 + 5c 4 c c 3 c c 3 c c 2 2c c 2 c 3 1 κ 6 = c 6 + 6c 5 c c 4 c c 4 c c c 3 c 2 c c 3 c c c 2 2c c 2 c c 6 1. (A.14) No caso de ser uma distribuição de média nula, basta anular na Equação (A.14) os termos dos polinômios nos quais c 1 aparece. Os polinômios da Equação (A.14) possuem uma interpretação combinatorial na qual os coeficientes contam as partições de conjuntos. Uma fórmula geral dos polinômios é dada por κ k = κ B, (A.15) ℵ B ℵ em que ℵ contém toda a lista de partições de um conjunto de tamanho k, e B ℵ significa que B é um dos blocos nos quais o conjunto é particionado, sendo B o tamanho do conjunto B. Com isso, cada monômio é dado por uma constante multiplicando um produto de cumulantes nos quais a soma dos índices é k, por exemplo no termo c 3 c 2 2c 1 a soma dos índices é = 8, indicando que este termo aparece no polinômio do momento de oitava ordem.
5 A.1. CUMULANTES E MOMENTOS 231 A.1.5 Cumulantes conjuntos O cumulante conjunto de várias variáveis aleatórias Y 1,...,Y k é dado por [Nikias & Petropulu, 1993]: c (Y 1,...,Y k ) = 1)! ( 1) ℵ B ℵ( B B 1 {Y i }, (A.16) i B em que ℵ é o conjunto com todas as combinações da seqüência {1,...,k} e B é o conjunto com todas as combinações em bloco do conjunto ℵ. Por exemplo, c(x,y,z) = {XY Z} {XY } {Z} {XZ} {Y } {Y Z} {X} + 2 {X} {Y } {Z}. Se as variáveis forem independentes, o cumulante conjunto delas é nulo e se as k varáveis forem todas iguais, o cumulante conjunto é dado por c k (Y ). O significado combinatorial da expressão dos momentos em termos dos cumulantes mostra-se mais elegante, conforme mostrado abaixo [Nikias & Petropulu, 1993]: {Y 1 Y k } = c(y B ), (A.17) ℵ B ℵ em que c(y B ) é o cumulante conjunto associado às variáveis aleatórias Y 1,...,Y k, cujos índices são incluídos no bloco B. Por exemplo, {XY Z} = c(x,y,z) + c(x,y )c(z) + c(x,z)c(y ) + c(y,z)c(x) + c(x)c(y )c(y ). A.1.6 Cumulantes condicionais A lei de média total, que afirma que {Y } = { {Y X}} e a lei de variância total, na qual var(y ) = {var(y X)} + var( {Y X}), são naturalmente generalizadas para os cumulantes condicionais. Em geral tem-se: c(y 1,...,Y k ) = ℵ c (c(y ℵ1 X),...,c(Y ℵb X)), (A.18) em que o somatório é tomado sobre todas as partições ℵ do conjunto {1,...,k} dos índices, ℵ 1,...,ℵ b são todos os blocos da partição de ℵ e c(y ℵk ) indica o cumulante conjunto das variáveis aleatórias cujos índices estão naquele bloco da partição.
6 232 APÊNDICE A. DEFINIÇÕES MATEMÁTICAS A.2 Entropia de variáveis aleatórias A.2.1 Definição de entropia Seja uma variável aleatória Y multidimensional, contínua, real e centrada (média nula) com uma função de densidade de probabilidade p Y (y). Define-se por entropia a seguinte quantidade: H(y) = {ln [p Y (y)]} = p Y (y) ln [p Y (y)]dy. (A.19) A.2.2 Distribuições com máxima entropia É de grande interesse em processamento de sinais encontrar as distribuições que possuem máxima entropia. Desta maneira é interessante solucionar o seguinte problema [Cover & Thomas, 1991]: Maximizar H(y) sob todas as distribuições p Y (y) que satisfazem 1. p Y (y) 0, com a igualdade válida somente fora do domínio S da variável; 2. p S Y (y)dy = 1; 3. p S Y (y)f i (y)dy = κ i, para 1 ileqk; em que κ i é o momento centrado de i-ésima e f i (y) é uma função que faz p Y (y) respeitar a restrição. Para resolver o problema acima, é necessário utilizar os multiplicadores de Lagrange. Assim, pode-se escrever o seguinte Lagrangiano [Cover & Thomas, 1991]: ( ) J (p Y (y)) = p Y (y) ln [p Y (y)]dy + β 0 p Y (y)dy + S S em que β 0,...,β i são os multiplicadores de Lagrange. k ( β i Derivando-se a Equação (A.20) em relação à distribuição p Y (y) tem-se então: i=1 S p Y (y)f i (y)dy = κ i ), (A.20) J (p Y (y)) p Y (y) = ln [p Y (y)] 1 + β 0 + k β i p Y (y), i=1 (A.21)
7 A.2. ENTROPIA DE VARIÁVEIS ALEATÓRIAS 233 em que β 0,...,β i são escolhidos de tal forma que p Y (y) satisfaça as restrições. Então quais são as distribuições que maximizam 2 a Equação (A.21)? A resposta depende das restrições impostas. A título de exemplo considera-se dois casos: 1. Suporte fixo (S = [a, b]) Neste caso, não há nenhuma restrição quanto aos momentos, logo os multiplicadores β 1,...,β k = 0 uma vez que não há necessidade de restrição. Deste modo, igualando-se a Equação (A.21) a zero tem-se: ln [p Y (y)] 1 + β 0 = 0 ln [p Y (y)] = β 0 1 p Y (y) = exp [β 0 1]. (A.22) Resolvendo a integral sobre o suporte determinado, tem-se: b p Y (y)dy = 1 b a exp [β 0 1]dy = 1 (A.23) a exp [β 0 1] (b a) = 1 p y (y) = exp [β 0 1] = 1 b a. Assim, sob a restrição de um suporte fixo, a distribuição com máxima entropia é a distribuição uniforme. 2. Média e variância fixas Sob estas restrições, β 0,β 1,β 2 0 e S =], [. Assim tem-se a seguinte solução para a distribuição ao tomar-se J(p Y (y)) p Y (y) = 0: p Y (y) = exp [ β 0 + β 1 y + β 2 y 2 1 ]. (A.24) Logo, necessita-se encontrar os valores de β 0, β 1 e β 2 através do seguinte sistema de 2 A rigor deve-se tomar a segunda derivada da Equação (A.20) para mostrar que é um valor de máximo.
8 234 APÊNDICE A. DEFINIÇÕES MATEMÁTICAS equações: exp [ β 0 + β 1 y + β 2 y 2 1 ] dy = 1 y exp [ β 0 + β 1 y + β 2 y 2 1 ] dy = κ 1 y 2 exp [ β 0 + β 1 y + β 2 y 2 1 ] dy = σ 2 = κ 2. (A.25) A solução do sistema na Equação (A.25) fornece os seguintes valores para os multiplicadores de Lagrange: [ ] β 0 = ln 2πσ β 1 = κ 1 β 2 = 1 2σ 2. (A.26) Desta maneira, substituindo-se os valores da Equação (A.26) na Equação (A.24) obtém-se p Y (y) = 1 exp [ (y κ ] 1) 2. (A.27) 2πσ 2σ 2 Logo, para a restrição de média e variância fixas, a distribuição gaussiana apresenta a máxima entropia. É possível mostrar esta propriedade da distribuição gaussiana sob outra abordagem, conforme descrito na seção a seguir. A.2.3 Entropia de uma variável gaussiana: abordagem alternativa Seja Y uma variável aleatória gaussiana multidimensional e de média nula cuja densidade é escrita como: ( 1 p G (y) = exp n 1 ) 2π det(ry ) yt R 1 y y, (A.28) em que n é a dimensão do vetor y e R y é a matriz de autocorrelação de y. Ao tomar-se o logaritmo natural da Equação (A.28), obtém-se ln [p G (y)] = n 2 ln[2π] 1 2 ln [ det(r y) ] 1 2 yt R 1 y y. (A.29)
9 A.2. ENTROPIA DE VARIÁVEIS ALEATÓRIAS 235 Como pode-se escrever [Picinbono & Barret, 1990] y T R 1 y y = tr ( ) yy T R 1 y, em que tr( ) é o traço da matriz, tem-se que { y T R 1 y y } { ( )} = tr yy T R 1 y = tr(i) = n. (A.30) Então, substituindo os resultados obtidos nas Equações (A.29) e (A.30) na Equação (A.19) tem-se: H G (y) = n 2 {ln[2π] + 1} ln [ det(r y) ], (A.31) em que H G (y) é a entropia da distribuição gaussiana de média nula. Um aspecto importante a ser demonstrado é que a distribuição gaussiana apresenta a maior entropia entre todas as distribuições. Para tal, considera-se uma função de densidade de probabilidade qualquer sobre a variável representada por p Y (y). A média da v.a. ln [p G (y)] é a mesma tanto considerando-a com uma distribuição qualquer p Y (y) como no caso particular de uma distribuição gaussiana p G (y). Isto porque a matriz de autocorrelação para as duas distribuições é a mesma, ou seja, a restrição é de que a distribuição tenha uma variância definida [Picinbono & Barret, 1990]. Daí, pode-se escrever p Y (y) ln [p G (y)]dy = p G (y) ln [p G (y)]dy = H G (y). (A.32) A partir da definição da divergência de Kulback-Leibler pode-se escrever: [ ] py (y) p Y (y) ln dy = p Y (y) ln [p Y (y)]dy p Y (y) ln [p G (y)]dy p G (y) p Y (y) ln p Y (y) ln [ ] py (y) dy = H Y (y) p G (y) [ ] pg (y) p Y (y) dy = H Y (y) + p Y (y) ln [p G (y)]dy p Y (y) ln [p G (y)]dy, e substituindo-se na Equação (A.32) obtém-se a seguinte relação H Y (y) H G (y) = p Y (y) ln [ ] pg (y) dy. p Y (y) (A.33) (A.34)
10 236 APÊNDICE A. DEFINIÇÕES MATEMÁTICAS Ao utilizar-se então a desigualdade ln[x] x 1, a igualdade só ocorre quando x = 1, obtendo-se H Y (y) H G (y) 0, (A.35) obtendo-se a igualdade somente quando p Y (y) = p G (y). Desta maneira mostra-se que a entropia da variável gaussiana é máxima.
Filtragem Adaptativa
Charles Casimiro Cavalcante charles@gtel.ufc.br Grupo de Pesquisa em Telecomunicações Sem Fio GTEL Programa de Pós-Graduação em Engenharia de Teleinformática Universidade Federal do Ceará UFC http://www.gtel.ufc.br/
Leia mais28 de dezembro de 2007
Curso de UFRPE e UFPE 28 de dezembro de 2007 1 2 3 4 5 6 Seja f (y) uma função densidade conhecida, cujos cumulantes são dados por κ 1, κ 2,.... O interesse reside em usar f (y) para aproximar uma função
Leia maisContinuidade de processos gaussianos
Continuidade de processos gaussianos Roberto Imbuzeiro Oliveira April, 008 Abstract 1 Intrudução Suponha que T é um certo conjunto de índices e c : T T R é uma função dada. Pergunta 1. Existe uma coleção
Leia maisProcessos Estocásticos
Probabilidade e Variáveis Aleatórias Charles Casimiro Cavalcante charles@gtel.ufc.br Grupo de Pesquisa em Telecomunicações Sem Fio GTEL Universidade Federal do Ceará UFC http://www.gtel.ufc.br Parte II
Leia maisTeoria da Informação ( ) Exame de Recurso ( ) Resolução ( ) ( ) 2log2. log log
Teoria da Informação (-6) Exame de Recurso (4-7-6) Resolução. Função densidade de probabilidade das amostras de U é constante: b a b pu ( ) a b a pu ( ) = b a. a) h ( U ) = p ( u ) log du = log( b a )
Leia maisMatemática 2. Teste Final. Atenção: Esta prova deve ser entregue ao fim de 1 Hora. Deve justificar detalhadamente todas as suas respostas.
Matemática 2 Lic. em Economia, Gestão e Finanças Data: 4 de Julho de 2017 Duração: 1H Teste Final Atenção: Esta prova deve ser entregue ao fim de 1 Hora. Deve justificar detalhadamente todas as suas respostas.
Leia maisEspaços Euclidianos. Espaços R n. O conjunto R n é definido como o conjunto de todas as n-uplas ordenadas de números reais:
Espaços Euclidianos Espaços R n O conjunto R n é definido como o conjunto de todas as n-uplas ordenadas de números reais: R n = {(x 1,..., x n ) : x 1,..., x n R}. R 1 é simplesmente o conjunto R dos números
Leia maisÁlgebra Linear. Curso: Engenharia Electrotécnica e de Computadores 1 ō ano/1 ō S 2006/07
Álgebra Linear Curso: Engenharia Electrotécnica e de Computadores ō ano/ ō S 6/7 a Lista: SISTEMAS DE EQUAÇÕES LINEARES E ÁLGEBRA DE MATRIZES Sistemas de equações lineares. Quais das seguintes equações
Leia maisAnexo 1 - Revisões de Teoria das Probabilidades e Processos Estocásticos
1 Anexo 1 - Revisões de Teoria das Probabilidades e Processos Estocásticos Documento auxiliar à disciplina de Modelação, Identificação e Controlo Digital Alexandre Bernardino 003/005 IST-Secção de Sistemas
Leia maisAula 25 - Espaços Vetoriais
Espaço Vetorial: Aula 25 - Espaços Vetoriais Seja V um conjunto não vazio de objetos com duas operações definidas: 1. Uma adição que associa a cada par de objetos u, v em V um único objeto u + v, denominado
Leia maisp( y θ ) depende de um parâmetro desconhecido θ.
55Modelação, Identificação e Controlo Digital 55 Método de Máxima Verosimilhança (Maximum Likelihood) Seja y uma variável aleatória (v. a.) cuja densidade de probabilidade p( y θ ) depende de um parâmetro
Leia maisPolinômios de Legendre
Seção 5: continuação do método de resolução por séries de potências Na Seção foi exposto informalmente, através de exemplos, o método de resolução de equações diferenciais ordinárias por séries de potências.
Leia maisParte 1 - Matrizes e Sistemas Lineares
Parte 1 - Matrizes e Sistemas Lineares Matrizes: Uma matriz de tipo m n é uma tabela com mn elementos, denominados entradas, e formada por m linhas e n colunas. A matriz identidade de ordem 2, por exemplo,
Leia maisUniversidade Federal do Pará Instituto de Tecnologia. Cálculo III. Campus de Belém Curso de Engenharia Mecânica
Universidade Federal do Pará Instituto de Tecnologia Cálculo III Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Engenharia Mecânica Universidade Federal do Pará Instituto de Tecnologia
Leia maisANÁLISE COMPLEXA E EQUAÇÕES DIFERENCIAIS. Apresente e justifique todos os cálculos
Instituto Superior Técnico Departamento de Matemática Secção de Álgebra e Análise ANÁLISE COMPLEXA E EQUAÇÕES DIFERENCIAIS TESTES DE RECUPERAÇÃO A - 6 DE JUNHO DE 9 - DAS H ÀS :3H Teste Apresente e justifique
Leia maisy y(y + 3x) em frações parciais: 1 u + 1 A(u + 1) + Bu = 1 A = 1, B = 1 du u(u + 1) u + 1 u 2 u + 1
Turma A Questão : (3,5 pontos) Instituto de Matemática e Estatística da USP MAT455 - Cálculo Diferencial e Integral IV para Engenharia 3a. Prova - o. Semestre 03-0//03 (a) Determine a solução y da equação
Leia maisÁlgebra Linear. Cursos: Química, Engenharia Química, Engenharia de Materiais,Engenharia Biológica, Engenharia do Ambiente 1 ō ano/1 ō Semestre 2006/07
Álgebra Linear Cursos: Química, Engenharia Química, Engenharia de Materiais,Engenharia Biológica, Engenharia do Ambiente ō ano/ ō Semestre 2006/07 a Lista: SISTEMAS DE EQUAÇÕES LINEARES E ÁLGEBRA DE MATRIZES
Leia maisAnexo 1 - Revisões de Teoria das Probabilidades e Processos Estocásticos
1 Anexo 1 - Revisões de Teoria das Probabilidades e Processos Estocásticos Documento auxiliar à disciplina de Modelação, Identificação e Controlo Digital Alexandre Bernardino IST-Secção de Sistemas e Controlo
Leia maisUniversidade Estadual de Santa Cruz (UESC) Segunda prova de seleção para ingresso em 2012/2. Nome: Data: 13/08/2012
Universidade Estadual de Santa Cruz (UESC) Programa de Pós-Graduação em Física Segunda prova de seleção para ingresso em 2012/2 Nome: Data: 13/08/2012 1 Seção A: Mecânica Clássica Uma nave espacial cilíndrica,
Leia maisAjuste de Splines a um Conjunto de Dados
Ajuste de Splines a um Conjunto de Dados Reginaldo J. Santos Departamento de Matemática-ICE Universidade Federal de Minas Gerais http://www.mat.ufmg.br/~regi regi@mat.ufmg.br 7 de junho de Seja C (I) o
Leia mais(x 1, y 1 ) (x 2, y 2 ) = (x 1 x 2, y 1 y 2 ); e α (x, y) = (x α, y α ), α R.
INSTITUTO DE MATEMÁTICA E ESTATÍSTICA UNIVERSIDADE DE SÃO PAULO MAT-2457 Álgebra Linear para Engenharia I Terceira Lista de Exercícios - Professor: Equipe da Disciplina EXERCÍCIOS 1. Considere as retas
Leia maisVetor de Variáveis Aleatórias
Vetor de Variáveis Aleatórias Luis Henrique Assumpção Lolis 25 de junho de 2013 Luis Henrique Assumpção Lolis Vetor de Variáveis Aleatórias 1 Conteúdo 1 Vetor de Variáveis Aleatórias 2 Função de Várias
Leia maisPar de Variáveis Aleatórias
Par de Variáveis Aleatórias Luis Henrique Assumpção Lolis 7 de abril de 2014 Luis Henrique Assumpção Lolis Par de Variáveis Aleatórias 1 Conteúdo 1 Introdução 2 Par de Variáveis Aleatórias Discretas 3
Leia maisSistemas Lineares. Prof. Márcio Nascimento
Sistemas Lineares Prof. Márcio Nascimento Universidade Estadual Vale do Acaraú Centro de Ciências Exatas e Tecnologia Curso de Licenciatura em Matemática Disciplina: Álgebra Matricial - 2017.1 www.matematicauva.org
Leia maisEquações Diferenciais Noções Básicas
Equações Diferenciais Noções Básicas Definição: Chama-se equação diferencial a uma equação em que a incógnita é uma função (variável dependente) de uma ou mais variáveis (independentes), envolvendo derivadas
Leia maisPolinómios Simétricos e Polinómios W-harmónicos
Sob orientação do Prof. Samuel Lopes Faculdade de Ciências da Universidade do Porto 28 de Maio de 2014 Terminologia Consideramos polinómios sobre C em n variáveis: c(j1,...,j n)x j 1 1 x n jn c (j) C O
Leia maisSistemas lineares. Aula 3 Sistemas Lineares Invariantes no Tempo
Sistemas lineares Aula 3 Sistemas Lineares Invariantes no Tempo SLIT Introdução Resposta de um SLIT Resposta de Entrada Nula Resposta de Estado Nulo Resposta ao Impulso Unitária Introdução Sistemas: Modelo
Leia maisAula 11. Variáveis Aleatórias Contínuas Bidimensionais
Aula. Variáveis Aleatórias Contínuas Bidimensionais Resumo de caso unidimensional Caso Discreto p p 2 p 3 Caso Contínuo f(x) x x 2 x 3 i p i + f x dx X x x 2 x 3 P p p 2 p 3 Caso bidimensional Caso Discreto
Leia maisGabarito da Prova Final Unificada de Cálculo IV Dezembro de 2010
Gabarito da Prova Final Unificada de Cálculo IV Dezembro de a Questão: (5 pts) Dentre as três séries alternadas abaixo, diga se convergem absolutamente, se convergem condicionalmente ou se divergem Justifique
Leia maisParte 2 - Espaços Vetoriais
Espaço Vetorial: Parte 2 - Espaços Vetoriais Seja V um conjunto não vazio de objetos com duas operações definidas: 1. Uma adição que associa a cada par de objetos u, v em V um único objeto u + v, denominado
Leia maisModelos de Regressão
Renato Martins Assunção DCC - UFMG 2015 Renato Martins Assunção (DCC - UFMG) 2015 1 / 19 Exemplo de preço de apto Y = y 1 y 2 y 1499 y 1500 b 0 1 1 1 1 + b 1 área 1 área 2 área 1499 área 1500 + b 2 idade
Leia maisEquações Diferenciais Noções Básicas
Equações Diferenciais Noções Básicas Definição: Chama-se equação diferencial a uma equação em que a incógnita é uma função (variável dependente) de uma ou mais variáveis (variáveis independentes), envolvendo
Leia mais1 de janeiro de UFRPE e UFPE. Curso de Teoria Assintótica. Gauss Cordeiro. Roteiro. Expansões de Laplace
s UFRPE e UFPE 1 de janeiro de 2008 1 s 2 s 3 4 5 s A transformada é definida z grande por L(z) = 0 e zy f (y)dy. A função geratriz de momentos M(t) da distribuição com função densidade f (y) sobre os
Leia maisLista de Exercícios #5 Assunto: Variáveis Aleatórias Multidimensionais Contínuas
1. ANPEC 018 Questão 9 Uma pessoa investe R$ 10.000,00 (I) em duas aplicações cujas taxas de retorno são variáveis aleatórias independentes, R 1 e R, com médias 5% e 14% e desvios-padrão 1% e 8%, respectivamente.
Leia maisRevisões de Matemática e Estatística
Revisões de Matemática e Estatística Joaquim J.S. Ramalho Contents 1 Operadores matemáticos 2 1.1 Somatório........................................ 2 1.2 Duplo somatório....................................
Leia maisCÁLCULO III - MAT Encontre as soluções das seguintes equações com condições iniciais:
UNIVERSIDADE FEDERAL DA INTEGRAÇÃO LATINO-AMERICANA Instituto Latino-Americano de Ciências da Vida e da Natureza Centro Interdisciplinar de Ciências da Natureza CÁLCULO III - MAT0021 7 a Lista de exercícios
Leia maisMAT Cálculo II - IQ Prof. Oswaldo Rio Branco de Oliveira 2 ō semestre de 2008 Prova Substitutiva
MAT212 - Cálculo II - IQ Prof. Oswaldo Rio Branco de Oliveira 2 ō semestre de 2008 Prova Substitutiva Nome : N ō USP : GABARITO Q 1 2 3 4 5 6 Total N 1. Seja f(x, y) = 2xy2, se (x, y) (0, 0), f(0, 0) =
Leia mais1 Números Complexos e Plano Complexo
UNIVERSIDADE FEDERAL DE SANTA CATARINA Centro de Ciências Físicas e Matemáticas Departamento de Matemática SEMESTRE CÓDIGO DISCIPLINA TURMA 09-1 MTM5327 Variável Complexa 0549 Professor Lista de Exercícios
Leia mais4.1. ESPERANÇA x =, x=1
4.1. ESPERANÇA 139 4.1 Esperança Certamente um dos conceitos mais conhecidos na teoria das probabilidade é a esperança de uma variável aleatória, mas não com esse nome e sim com os nomes de média ou valor
Leia maisSUMÁRIOS DE VARIÁVEIS ALEATÓRIAS CONTINUAS
4 SUMÁRIOS DE VARIÁVEIS ALEATÓRIAS CONTINUAS Em muitos problemas de probabilidade que requerem o uso de variáveis aleatórias, uma completa especificação da função de densidade de probabilidade ou não está
Leia maisCC-226 Aula 07 - Estimação de Parâmetros
CC-226 Aula 07 - Estimação de Parâmetros Carlos Henrique Q. Forster - Instituto Tecnológico de Aeronáutica 2008 Estimação de Parâmetros Para construir o classificador bayesiano, assumimos as distribuições
Leia maisAnálise Complexa e Equações Diferenciais 1 ō Semestre 2016/2017
Análise Complexa e Equações Diferenciais 1 ō Semestre 016/017 ō Teste Versão A (Cursos: MEBiol, MEQ 17 de Dezembro de 016, 10h [,0 val 1 Considere a equação diferencial e t + y e t + ( 1 + ye t dy dt 0
Leia maisUFABC - Pós-graduação em Física - FIS Mecânica Estatística Curso Prof. Germán Lugones CAPITULO 1. Variáveis Aleatórias
UFABC - Pós-graduação em Física - FIS 07 - Mecânica Estatística Curso 208. - Prof. Germán Lugones CAPITULO Variáveis Aleatórias Introdução Mecânica Mecânica Estatística Termodinâmica H(p i,q i ) Q N (V,
Leia maisAulas práticas de Álgebra Linear
Ficha Matrizes e sistemas de equações lineares Aulas práticas de Álgebra Linear Mestrado Integrado em Engenharia Eletrotécnica e de Computadores o semestre 6/7 Jorge Almeida e Lina Oliveira Departamento
Leia maisA Derivada. Derivadas Aula 16. Alexandre Nolasco de Carvalho Universidade de São Paulo São Carlos SP, Brazil
Derivadas Aula 16 Alexandre Nolasco de Carvalho Universidade de São Paulo São Carlos SP, Brazil 04 de Abril de 2014 Primeiro Semestre de 2014 Turma 2014104 - Engenharia Mecânica A Derivada Seja x = f(t)
Leia mais1 Diferenciabilidade e derivadas direcionais
UFPR - Universidade Federal do Paraná Setor de Ciências Exatas Departamento de Matemática CM048 - Cálculo II - Matemática Diurno Prof. Zeca Eidam Nosso objetivo nestas notas é provar alguns resultados
Leia mais1.1 Exemplo da diferença da média da população para a média amostral.
1 Estatística e Probabilidades Inferência Estatística consiste na generalização das informações a respeito de uma amostra, para a sua população. A Probabilidade considera modelos para estimar informações
Leia maisGABRIEL BUJOKAS
APLICAÇÕES DE ÁLGEBRA LINEAR À COMBINATÓRIA GABRIEL BUJOKAS (GBUJOKAS@MIT.EDU) A gente vai discutir algumas das aplicações clássicas de álgebra linear à combinatória. Vamos começar relembrando alguns conceitos
Leia maisSistemas de Equações Diferenciais Lineares
Capítulo 9 Sistemas de Equações Diferenciais Lineares Agora, estamos interessados em estudar sistemas de equações diferenciais lineares de primeira ordem: Definição 36. Um sistema da linear da forma x
Leia maisInterbits SuperPro Web
1 (Ita 018) Uma progressão aritmética (a 1, a,, a n) satisfaz a propriedade: para cada n, a soma da progressão é igual a n 5n Nessas condições, o determinante da matriz a1 a a a4 a5 a 6 a a a 7 8 9 a)
Leia maisResistência dos. Materiais. Capítulo 2. - Elasticidade Linear 2
Resistência dos Materiais - Elasticidade Linear Acetatos baseados nos livros: - Mechanics of Materials - Beer & Jonhson - Mecânica e Resistência dos Materiais V. Dias da Silva Índice Carregamento Genérico:
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Variância amostral Método de Replicações Independentes Aula de hoje Para que serve a inferência estatística? Método dos Momentos Maximum Likehood
Leia maisInferência para CS Modelos univariados contínuos
Inferência para CS Modelos univariados contínuos Renato Martins Assunção DCC - UFMG 2014 Renato Martins Assunção (DCC - UFMG) Inferência para CS Modelos univariados contínuos 2014 1 / 42 V.A. Contínua
Leia maisDisciplina de Modelos Lineares Professora Ariane Ferreira
Disciplina de Modelos Lineares 2012-2 Regressão Logística Professora Ariane Ferreira O modelo de regressão logístico é semelhante ao modelo de regressão linear. No entanto, no modelo logístico a variável
Leia maisAvaliação Monte Carlo do teste para comparação de duas matrizes de covariâncias normais na presença de correlação
Avaliação Monte Carlo do teste para comparação de duas matrizes de covariâncias normais na presença de correlação Vanessa Siqueira Peres da Silva 1 2 Daniel Furtado Ferreira 1 1 Introdução É comum em determinadas
Leia maisSistemas Lineares. Prof. Márcio Nascimento
Sistemas Lineares Prof. Márcio Nascimento Universidade Estadual Vale do Acaraú Centro de Ciências Exatas e Tecnologia Curso de Licenciatura em Matemática Disciplina: Álgebra Matricial - 2017.2 www.matematicauva.org
Leia maisLISTA DE EXERCÍCIOS - AJUSTE DE MÍNIMOS QUADRADOS Cálculo Numérico para Geociências Prof. Eduardo Colli
LISA DE EXERCÍCIOS - AJUSE DE MÍNIMOS QUADRADOS Cálculo Numérico para Geociências - 009 - Prof. Eduardo Colli Em todos os casos, convencionamos ter um conjunto de dados (, ), com i = 1,..., N. Faça o gráfico
Leia maiscanal para sinais contínuos
Processos estocásticos, Entropia e capacidade de canal para sinais contínuos 24 de setembro de 2013 Processos estocásticos, Entropia e capacidade de canal para1 sin Conteúdo 1 Probabilidade de sinais contínuos
Leia maisc + 1+t 2 (1 + t 2 ) 5/2 dt e 5 2 ln(1+t2 )dt (1 + t 2 ) 5/2 dt (c 5/2 + (1 + t 2 ) 5/2 (1 + t 2 ) 5/2 dt ϕ(t) = (1 + t 2 ) 5/2 (1 + t).
Análise Complexa e Equações Diferenciais 2 o Semestre 206/207 3 de junho de 207, às 9:00 Teste 2 versão A MEFT, MEC, MEBiom, LEGM, LMAC, MEAer, MEMec, LEAN, LEMat [,0 val Resolva os seguintes problemas
Leia mais3 ā Prova de MAT Cálculo II - Química 2 ō Semestre - 11/12/2009 Prof. Oswaldo Rio Branco de Oliveira. Boa Sorte!
3 ā Prova de MAT212 - Cálculo II - Química 2 ō Semestre - 11/12/2009 Prof. Oswaldo Rio Branco de Oliveira Boa Sorte! Nome : N ō USP : Q 1 2 3 5 6 Total N JUSTIFIQUE TODAS AS PASSAGENS 1. Seja w = f(x,y)
Leia maisORDINÁRIAS. Víctor Arturo Martínez León
INTRODUÇÃO ÀS EQUAÇÕES DIFERENCIAIS ORDINÁRIAS Víctor Arturo Martínez León September 3, 2017 Súmario 1 Equações diferenciais lineares de primeira ordem 2 2 Equações diferenciais lineares de segundo ordem
Leia maisJ. Delgado - K. Frensel - L. Crissaff Geometria Analítica e Cálculo Vetorial
178 Capítulo 10 Equação da reta e do plano no espaço 1. Equações paramétricas da reta no espaço Sejam A e B dois pontos distintos no espaço e seja r a reta que os contém. Então, P r existe t R tal que
Leia maisInstituto de Matemática Departamento de Métodos Matemáticos
?????? @ @ @@ @@?????? @ @ @@ @@ Universidade Federal do Rio de Janeiro Instituto de Matemática Departamento de Métodos Matemáticos Prova Final Unificada de Cálculo II Politécnica,Escola Química - 03/12/2013
Leia maisTeoria da Informação
Charles Casimiro Cavalcante charles@gtel.ufc.br Grupo de Pesquisa em Telecomunicações Sem Fio GTEL Programa de Pós-Graduação em Engenharia de Teleinformática Universidade Federal do Ceará UFC http://www.gtel.ufc.br/
Leia maisProcessos estocásticos
36341 - Introdução aos Processos Estocásticos Curso de Pós-Graduação em Engenharia Elétrica Departamento de Engenharia Elétrica Universidade de Brasília Processos estocásticos Geovany A. Borges gaborges@ene.unb.br
Leia maisAlexandre Miranda Alves Anderson Tiago da Silva Edson José Teixeira. MAT146 - Cálculo I - Integração por Frações Parciais
MAT146 - Cálculo I - Integração por Frações Parciais Alexandre Miranda Alves Anderson Tiago da Silva Edson José Teixeira Iremos agora desenvolver um método para resolver integrais de funções racionais,
Leia maisficha 1 matrizes e sistemas de equações lineares
Exercícios de Álgebra Linear ficha matrizes e sistemas de equações lineares Exercícios coligidos por Jorge Almeida e Lina Oliveira Departamento de Matemática, Instituto Superior Técnico 2 o semestre 2/2
Leia maisMódulo Tópicos Adicionais. Recorrências
Módulo Tópicos Adicionais Recorrências Módulo Tópico Adicionais Recorrências 1 Exercícios Introdutórios Exercício 1 Considere a sequência definida por x 1 d e x n r + x n 1, para n > 1 Trata-se de uma
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Intervalo de confiança Método de Replicações Independentes Aula de hoje Para que serve a inferência estatística? Método dos Momentos Maximum
Leia maisAjuste de dados por mínimos quadrados
Cálculo Numérico por mínimos quadrados Prof. Daniel G. Alfaro Vigo dgalfaro@dcc.ufrj.br Departamento de Ciência da Computação IM UFRJ Motivação: População do Brasil Ano População (milhões) 1960 70, 992343
Leia maisExercício: Identifique e faça um esboço do conjunto solução da. 3x xy + y 2 + 2x 2 3y = 0
Motivação Exercício: Identifique e faça um esboço do conjunto solução da equação 3x 2 + 2 3xy + y 2 + 2x 2 3y = 0 Motivação Exercício: Identifique e faça um esboço do conjunto solução da equação 3x 2 +
Leia maisNotas de Aula Disciplina Matemática Tópico 09 Licenciatura em Matemática Osasco -2010
. Logaritmos Definição: O logaritmo de um número real x na base n, denotado por log n x, é definido como o expoente ao qual devemos elevar o número n para obtermos como resultado o número x, ou seja log
Leia maisCurso Livre sobre Teoria do Campo. Entropia. Medidas de Gibbs
1. Informação e entropia 1 Centro de Matemática da Universidade do Porto Centro de Física do Porto Curso Livre sobre Teoria do Campo Aviso... Este texto é provisório e destina-se ao uso dos participantes
Leia maisA primeira coisa a fazer é saber quais são as equações das curvas quando elas já se encontram na melhor
Identificação de Cônicas Uma equação do segundo grau ax + bxy + cy + dx + ey + f = 0 define de maneira implícita uma curva no plano xy: o conjunto dos pontos (x, y) que satisfazem a equação. Por exemplo,
Leia maisProbabilidades e Estatística MEEC, LEIC-A, LEGM
Departamento de Matemática Probabilidades e Estatística MEEC, LEIC-A, LEGM Exame a Época / o Teste (Grupos III e IV) o semestre 009/00 Duração: 80 / 90 minutos /06/00 9:00 horas Grupo I Exercício 5 valores
Leia maisModelos de Regressão Múltipla - Parte I
Modelos de Regressão Múltipla - Parte I Erica Castilho Rodrigues 4 de Outubro de 2016 2 3 Introdução 4 Quando há apenas uma variável explicativa X, temos um problema de regressão linear simples onde ǫ
Leia maisDiferenciabilidade de funções reais de várias variáveis reais
Diferenciabilidade de funções reais de várias variáveis reais Cálculo II Departamento de Matemática Universidade de Aveiro 2018-2019 Cálculo II 2018-2019 Diferenciabilidade de f.r.v.v.r. 1 / 1 Derivadas
Leia maisEXAMES DE ANÁLISE MATEMÁTICA III
EXAMES DE ANÁLISE MATEMÁTICA III Jaime E. Villate Faculdade de Engenharia Universidade do Porto 22 de Fevereiro de 1999 Resumo Estes são alguns dos exames e testes da disciplina de Análise Matemática III,
Leia mais3 Modelo Matemático Definições Iniciais. Denote-se, em geral, o desvio-padrão do processo por σ = γσ 0, sendo σ 0 o
Modelo Matemático 57 3 Modelo Matemático Este trabalho analisa o efeito da imprecisão na estimativa do desvio-padrão do processo sobre o desempenho do gráfico de S e sobre os índices de capacidade do processo.
Leia maisDisciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 02 / Processos Aleatórios
Disciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 02 / Processos Aleatórios Prof. Eduardo Simas (eduardo.simas@ufba.br) Programa de Pós-Graduação em Engenharia Elétrica/PPGEE Universidade
Leia maisCENTRO DE CIÊNCIAS EXATAS E DA NATUREZA DEPARTAMENTO DE FÍSICA PROGRAMA DE PÓS-GRADUAÇÃO. Exercício Escolar 1 - Solução
FIS 715 Mecânica Estatística - 016.1 - Lista de Exercícios 1 1 CENRO DE CIÊNCIAS EXAAS E DA NAUREZA DEPARAMENO DE FÍSICA PROGRAMA DE PÓS-GRADUAÇÃO Exercício Escolar 1 - Solução Questão 1: Pistão em uma
Leia mais18 18 = Da igualdade acima, temos: k = k+ 4 Não apresenta solução. ou. Assim: k! = 7! = Resposta: D
01 18 18 = k k+ 4 Da igualdade acima, temos: k = k+ 4 Não apresenta solução. ou k + k + 4 = 18 k = 7 Assim: k! = 7! = 5040 Resposta: D 1 0 14 14 = k k 4 Da igualdade acima, temos: k = k 4 não apresenta
Leia mais5.3 Variáveis aleatórias gaussianas conjuntas
M. Eisencraft 5.3 Variáveis aleatórias gaussianas conjuntas 64 respectivamente. São as chamadas funções características marginais: Φ X (ω ) = Φ X,Y (ω,0) (5.0) Φ Y (ω ) = Φ X,Y (0,ω ) (5.) Os momentos
Leia mais3 ā Prova de MAT Cálculo IV - IFUSP 2 ō semestre de /12/2009 Prof. Oswaldo Rio Branco de Oliveira
3 ā Prova de MAT0220 - Cálculo IV - IFUSP 2 ō semestre de 2009 - /2/2009 Prof. Oswaldo Rio Branco de Oliveira Nome : N ō USP : Q 2 3 4 5 E E2 Total N JUSTIFIQUE TODAS AS PASSAGENS BOA SORTE. Para cada
Leia maisAcesso de Maiores de 23 anos Prova escrita de Matemática 6 de Junho de 2018 Duração da prova: 150 minutos. Tolerância: 30 minutos.
Acesso de Maiores de 23 anos Prova escrita de Matemática 6 de Junho de 208 Duração da prova: 50 minutos. Tolerância: 30 minutos. Primeira Parte As oito questões desta primeira parte são de escolha múltipla.
Leia maisEspaço amostral Ω: Conjunto enumerável de todos os possíveis resultados de um experimento aleatório. um evento elementar. E = E[X j ] X j.
Universidade Tecnológica Federal do Paraná Professor Murilo V G da Silva Notas de aula Algoritmos Avançados I (Aula 04 Conteúdos da aula: [CLR09: cap 7 e 9][MIE05 4, 5] Vamos estudar nesta aula três algoritmos
Leia maisÁlgebra Linear II - Poli - Gabarito Prova SUB-tipo 00
Álgebra Linear II - Poli - Gabarito Prova SUB-tipo 00 [ ] 4 2 Questão 1. Seja T : R 2 R 2 o operador linear cuja matriz, com respeito à base canônica de R 2, é. 1 3 [ ] 2 0 Seja B uma base de R 2 tal que
Leia maisVariáveis Aleatórias Bidimensionais &Teoremas de Limite 1/22
all Variáveis Aleatórias Bidimensionais & Teoremas de Limite Professores Eduardo Zambon e Magnos Martinello UFES Universidade Federal do Espírito Santo DI Departamento de Informática CEUNES Centro Universitário
Leia mais5. Considere os seguintes subconjuntos do espaço vetorial F(R) das funções de R em R:
MAT3457 ÁLGEBRA LINEAR I 3 a Lista de Exercícios 1 o semestre de 2018 1. Verique se V = {(x, y) : x, y R} é um espaço vetorial sobre R com as operações de adição e de multiplicação por escalar dadas por:
Leia maisTeoria da Informação ( ) Exame de Recurso ( ) Resolução. (1 p), (1 p), p = H(0,4;0,4;0,2) = 1,522
Teoria da Informação (4-) Exame de ecurso (-7-). Canais discretos sem memória e p =,: esolução X -p p p -p Y W ε ε ε -ε -ε -ε Z Canal A Canal B Vamos representar P(X = i) por P(X i ), etc. PY ( ) = P(
Leia maisProcessos Estocásticos
Processos Estocásticos Luis Henrique Assumpção Lolis 26 de maio de 2014 Luis Henrique Assumpção Lolis Processos Estocásticos 1 Conteúdo 1 Introdução 2 Definição 3 Especificando um processo aleatório 4
Leia maisTeoria de dualidade. Marina Andretta ICMC-USP. 19 de outubro de 2016
Teoria de dualidade Marina Andretta ICMC-USP 19 de outubro de 2016 Baseado no livro Introduction to Linear Optimization, de D. Bertsimas e J. N. Tsitsiklis. Marina Andretta (ICMC-USP) sme0211 - Otimização
Leia maisConceitos Básicos. Capítulo 1 EQUAÇÕES DIFERENCIAIS. Uma equação diferencial é uma equação que envolve uma função incógnita e suas derivadas.
Capítulo 1 Conceitos Básicos EQUAÇÕES DIFERENCIAIS Uma equação diferencial é uma equação que envolve uma função incógnita e suas derivadas. Exemplo 1.1 Algumas equações diferenciais envolvendo a função
Leia maisEDO I. por Abílio Lemos. 16 e 18 de outubro de Universidade Federal de Viçosa. Departamento de Matemática UFV. Aulas de MAT
EDO I por Universidade Federal de Viçosa Departamento de Matemática-CCE Aulas de MAT 147-2017 16 e 18 de outubro de 2017 Definição 1 Uma equação diferencial é qualquer relação entre uma função e suas derivadas.
Leia mais1 Vetores no Plano e no Espaço
1 Vetores no Plano e no Espaço Definimos as componentes de um vetor no espaço de forma análoga a que fizemos com vetores no plano. Vamos inicialmente introduzir um sistema de coordenadas retangulares no
Leia maisJorge M. V. Capela, Marisa V. Capela. Araraquara, SP
Cônicas e Equações Quadráticas Jorge M. V. Capela, Marisa V. Capela Instituto de Química - UNESP Araraquara, SP capela@iq.unesp.br Araraquara, SP - 2017 1 Parábolas 2 3 4 5 Introdução Parábolas Parábolas
Leia mais1 a Lista de Exercícios
1 a Lista de Exercícios Prof. Ms. Ricardo Leite Matemática para Engenharia Unisal September 8, 01 Exercise 1. AVILA, G. Variáveis Complexas e Aplicações, 000. Pág. 8 Exercício 8 Dados três vértices de
Leia maisCAPÍTULO 1 Operações Fundamentais com Números 1. CAPÍTULO 2 Operações Fundamentais com Expressões Algébricas 12
Sumário CAPÍTULO 1 Operações Fundamentais com Números 1 1.1 Quatro operações 1 1.2 O sistema dos números reais 1 1.3 Representação gráfica de números reais 2 1.4 Propriedades da adição e multiplicação
Leia maisQUESTÕES ABERTAS ESPECÍFICAS PARA OS FORMANDOS DE BACHARELADO. b) cos (α + β) = cos (α) cos (β) sen (α) sen (β) e (valor: 10,0 pontos)
Questão nº QUESTÕES ABERTAS ESPECÍFICAS PARA OS FORMANDOS DE BACHARELADO i( + β) e = cos( + β) + isen( + β ) () i iβ e. e = (cos + isen ). (cos β + isen β) = =coscos β +i sensen β +isencos β +icossen β
Leia mais