Detecção Remota Aplicada Mestrado em Engenharia Geográfica Lab 4: Qualidade posicional das imagens de alta resolução do Google Earth

Tamanho: px
Começar a partir da página:

Download "Detecção Remota Aplicada Mestrado em Engenharia Geográfica Lab 4: Qualidade posicional das imagens de alta resolução do Google Earth"

Transcrição

1 Data lmte de etrega: --0 Deteção Remota Aplada Mestrado em Egehara Geográfa Lab 4: Qualdade posoal das mages de alta resolução do Google Earth Ao Letvo 0/ (Ver.0/Nov-). Objetvos: Avalar a qualdade posoal horzotal das mages de alta resolução do Google Earth por omparação om a artografa :0k de Combra. Dados : Os dados para efetuar este estudo osstem em:. Images Google Earth. Cartografa :0k da dade de Combra 3. Tarefas a realzar. Avalar a qualdade posoal horzotal das mages Google Earth de Combra em termos de erro rular om um ível de ofaça de 90% (CE90).. Comparar os resultados obtdos aterormete om as espefações de eatdão e presão posoas para a ortoartografa as esalas K, k, 5k e 0k, dados a tabela em aeo. 4. Elemetos a etregar. Relatóro do trabalho efetuado. Utlze a segute estrutura para o seu relatóro: Itrodução Metodologa Resultados Colusões. Aeos om os potos de otrolo e suas oordeadas Sugestão: Cosulte a segute referêa. Potere D. Horzotal postoal aura of Google Earth s hgh-resoluto mager Arhve. Sesors. 008;8: do: /s Etratos dos dados relatvos a este TPC podem ser obtdos em

2 5. Meddas de avalação da qualdade Aplação da teora dos erros a defção de presão posoal de mages de satélte georefereadas Resumo Uma das otrbuções mas útes da teora dos erros são os ídes (métras) de presão, os quas defem a dstrbução dos erros e espefam a probabldade do erro verdadero de uma dada quatdade ão eede um determado valor. Neste estudo remos utlzar a teora dos erros, defda o oteto das probabldades e estatísta, para defrmos algumas métras de presão posoal de formação georefereada. Iremos aalsar em detalhe a dstrbução ormal dos erros leares (D) dado que as dstrbuções bdmesoal (D) e trdmesoal (3D) dos erros são mas falmete aalsadas estatstamete pelo tratameto das ompoetes dvduas. Como os prípos da dstrbução lear dos erros se aplam apeas a erros aleatóros depedetes, assume-se que os erros sstemátos foram elmados ou reduzdos sufetemete para permtrem o tratameto omo erros aleatóros. Os proedmetos propostos para o álulo dos erros rulares ou esféros a partr dos erros leares as dreções e ou, e z, respetvamete assetam o álulo da méda dos erros leares estas dreções. Kewords: Ídes de presão, Erro lear, Erro rular, Erro Elípto, Erro esféro e Erro Elpsodal Erros leares (D).... Itrodução.... Classes de erros Coetos básos de probabldades Dstrbução ormal de uma varável aleatóra otíua Aplação da fução de desdade de probabldade a erros aleatóros Ídes de presão Fatores de oversão Propagação dos erros Eemplos de erros leares... 7 Erros rulares e elíptos (D) Itrodução Erros elíptos Erros rulares Fução rular de dstrbução de probabldade Ídes de presão rular Erros esféros e elpsodas (3D)... 4 Aplação da teora dos erros à presão posoal da geo-formação Erros posoas... Bblografa... Aeo : Dervação e solução da fução de dstrbução de probabldade bdmesoal... Erros leares (D) Itrodução Em váras atvdades das êas fotogramétras, geodésas e artográfas é eessáro a medção de quatdades físas e a utlzação destas meddas em outros proedmetos. Idepedetemete da presão do strumeto utlzado para efetuar estas meddas, ão este ehum strumeto de medda ou método que foreça o verdadero valor da quatdade medda. As mperfeções de ídole teológa (meâa, ópta, eletróa) dos strumetos de medção e as lmtações troduzdas pelo fator humao são tas que medções repetdas da mesma quatdade produzem valores dferetes. As varações observadas os suessvos valores de uma dada quatdade são ausadas pelos erros as observações. O erro verdadero de ada observação será dado pela dfereça se

3 Classes de erros Os erros presetes as observações podem ser agrupados relatvamete à sua orgem em: erros grosseros (bluders): erros sstemátos (sstemat) erros aleatóros (radom) A probabldade de um dado erro aleatóro ão eeder um determado valor pode ser ferda pela aálse da dstrbução ormal ou Gaussaa de um úmero fto de varáves aleatóras. Coetos básos de probabldades A probabldade é defda omo a frequêa da oorrêa em proporção ao úmero das oorrêas possíves, ou smplesmete omo o quoete etre o úmero de aertos e o úmero de laçametos. Sejam A e B dos evetos ompletamete depedetes. Desgemos por P(A) a probabldade do eveto A e P(B) a probabldade do eveto B. A probabldade de qualquer eveto aoteer deve estar etre zero e um: a probabldade zero sgfa que um dado eveto ua aoteerá, a probabldade um sgfa que um determado eveto aoteerá sempre em ada laçameto. Por eemplo, a probabldade de termos o úmero 7 um laçameto de um dado é 0.0, as a probabldade de termos um úmero etre 0 e 6 é.0. As regras básas da teora das probabldades são: 0 P( A) P( A) represeta a probabldade de um eveto ão aoteer P( Aou B) P( A) + P( B) represeta a probabldade de oorrêa de um de dos evetos P( Ae B) P( A) P( B) represeta a probabldade de dos evetos oorrerem smultaeamete Eemplo: A fgura mostra as probabldades de oorrêa Fgura : Probabldades do úmero para um laçameto de dos dados Dstrbução ormal de uma varável aleatóra otíua A área debao da urva de desdade de probabldade ormal represeta a probabldade total da oorrêa da varável aleatóra otíua e é gual a um, ou 00%. A epressão Ode, - é a varável aleatóra - µ um parâmetro represetado o valor médo da varável ( µ ) p( ) e () π - um parâmetro represetado o desvo padrão, que é uma medda da dspersão da varável aleatóra em toro da méda. Os parâmetros são alulados a partr de um úmero fto de varáves aleatóras: e Ode é o úmero de varáves aleatóras ( ) µ ( µ ) () (3) Não ofudr esta otação om a otação utlzada para represetar o valor médo

4 A fução de dstrbução de probabldade ormal determa a probabldade que uma varável aleatóra assumrá um dado valor detro de um determado tervalo e é dervada da fução desdade de dstrbução ormal pela tegração etre os lmtes do tervalo desejado. Assumdo os lmtes do tervalo etre e vem: P( ) p( ) d e π ( µ ) O valor de P( ) vara etre 0 e tal omo está lustrado a fgura -b segute. d (4) Fgura : a) Curva desdade de probabldade ormal; b) Curva da dstrbução de probabldade ormal Aplação da fução de desdade de probabldade a erros aleatóros A urva de desdade de probabldade de um úmero fto (ou seja, a população) de medções de uma quatdade é epressa por parâmetros aálogos aos da equação (). O valor verdadero µ é a méda da dstrbução dos valores observados,, K, ode. A urva represetada a fgura 3 é desrta pela equação ( µ ) p( ) e (5) π ( ) µ População Fgura 3: Curva desdade de probabldade ormal dos valores observados Amostra A urva de desdade de probabldade dos erros tem méda zero 3 e a sua forma é dêta à dos valores observados. A urva represetada a fgura 4 é desrta pela equação: ode ε µ é o erro verdadero - p( ε ) e π ε 3 Note-se que os erros sstemátos foram elmados das observações

5 - ε é o desvo padrão dos erros, que desgaremos por erro padrão Fgura 4: Curva de desdade de probabldade ormal dos erros Dado que o verdadero valor de uma quatdade ão pode ser observado e que é mpratável efetuar um úmero fto de observações, os valores estmados, obtdos a partr de um úmero fto de medções, sto é de uma amostra, deverão ser substtuídos pelo valor verdadero e pelos parâmetros da fução desdade. O valor mas provável ( ) aproma o valor verdadero e é determado a partr da méda artméta dos valores observados: O valor verdadero é apromado pelo resíduo, desgado aqu por erro e defdo pela dfereça etre o valor observado e o valor mas provável: O erro padrão alulado a partr da amostra ( ) e detfado pelo subsrto é dado por: ( ) A fução desdade de probabldade dos erros será dada por: p( ) π Como os parâmetros e podem assumr valores dferetes em fução da amostra que é seleoada da população, são portato varáves aleatóras e om dspersão epressa por parâmetros semelhates. O erro padrão da méda erro padrão dam a fabldade (relablt) da estmatva: e ( ) ( ) e o erro padrão do e ( ) ( ) ( ) Ídes de presão Um íde de presão mostra a dspersão dos erros em toro do zero e reflete a magtude lmte do erro para váras probabldades. Por eemplo, 50% dos erros uma dada sére de medções ão eedem ±0m; 90% ão eedem ±49m. Apesar de serem dados dferetes erros, ada um deles epressa a mesma presão do proesso de medção (fgura 5). O erro padrão e o erro médo (η) são dos ídes omummete utlzados e que podem ser deduzdos teoramete. Outros ídes utlzados são os três íves de probabldade os quas são de fato ídes de presão: erro provável (PE-probable error)

6 presão padrão do mapa (MAS-map aura stadard) erro 3 sgma (3) O erro padrão é um dos ídes de presão mas mportates e tem a probabldade: + Ou seja 68.7% dos erros oorrem detro do tervalo P( ) p( ) d ±. Fgura 5: Áreas de probabldade O erro médo (average error) é defdo omo a méda da soma dos valores absolutos de todos os erros: µ A probabldade represetada pelo erro médo é ou 57.5%. O erro médo pode ser alulado falmete a partr do erro padrão através de: η O erro provável é o erro para o qual 50% de todos os erros duma dstrbução lear ão o eedem. É epresso matematamete por b PE p( ) d 0.50 O erro provável pode ser alulado a partr do erro padrão utlzado a epressão: a PE A sttução U.S. Natoal Map Aura Stadards espefa que ão mas do 0% dos erros da alttude (um erro udmesoal) duma arta topográfa deverão ultrapassar um dado valor lmte. Os padrões são omummete terpretados omo o lmte da ampltude do erro que 90% das alttudes ão deverão ultrapassar. Cosequetemete o MAS (map aura stradard) é dado por b MAS p( ) d 0.90 Este valor pode ser alulado a partr do erro padrão através de: a MAS.6449 Tal omo o ome da o erro 3 é um erro uja magtude é três vezes superor à magtude do erro padrão. Este erro tem teresse porque a probabldade quase- erta ou 99.73% Fatores de oversão Uma vez que todos os ídes de presão estão relaoados om o desvo padrão (tabela ) os fatores alulados a partr desta relação overtem a probabldade do erro em outra probabldade (tabela) Tabela :

7 Íde Probabldade Epressão PE η MAS Tabela : Fatores de oversão leares 50.00% 57.5% 68.7% 90.00% 99.73% 50.00% % % % % Propagação dos erros Seja f uma quatdade alulada a partr de duas quatdades meddas a e b: f ( a, b ). O erro ambas as varáves a e b: a e b dstrbuídos, o erro ombado f pode ser alulado utlzado a epressão Ode. Assumdo que a e b são depedetes e que os erros f f f a + a a b - f, a, b são, respetvamete, os erros padrão em f, a e b. f f -, as dervadas paras em relação a a e a b a b f de f é afetado pelos erros em a e b são aleatoramete Eemplos de erros leares Em Egehara Geográfa estem város asos da oorrêa de varáves aleatóras. Por eemplo, as lhas de base, os âgulos meddos, os omprmetos observados e as otas resultates de operações de tragulação, velameto otêm erros. Assm os prípos da teora dos erros podem ser utlzados para aalsar os resultados em termos das espefações estabeledas para os levatametos. Assm, a dstrbução ormal do erro lear tem mportates aplações relatvamete à avalação da eatdão da formação posoal. Além, dos erros u-dmesoas que estem em dados posoas tas omo as alttudes as ompoetes do erro lear as posções bdmesoas e trdmesoas podem ser aalsadas por aplação da dstrbução ormal do erro lear. Erros rulares e elíptos (D) Itrodução Um erro bdmesoal é um erro duma quatdade defda por duas varáves aleatóras. Assumdo que os erros são aleatóros e depedetes e que ada um deles tem a fução de desdade de probabldade p( ) e e p( ) e π π e aplado a regra 4 do parágrafo fução bdmesoal de desdade de probabldade é etão dada por p(, ) e π + Reorgazado os termos vem que + p (, ) e π

8 Ou seja l π p(, ) + (6) Para valores dados de p(,) o lado esquerdo da equação (6) é ostate e será desgado por k. Assm k + (7) Para valores de p(,) a varar de 0 a teremos uma famíla das elpses de gual desdade de probabldade om eos k. Quado a equação (6) vrá: l π p (, ) + (8) k e Para um dado valor de p(,) o lado esquerdo da equação (8) é ostate e é gual ao quadrado do rao de um írulo de gual desdade de probabldade. A fução desdade de probabldade tegrada sobre uma dada regão tora-se a fução de dstrbução de probabldade a qual traduz a probabldade de e oorrerem smultaeamete esta regão, sto é: P(, ) p(, ) dd No etato, omo ambos os valores postvos e egatvos quer de omo de oorrem om gual frequêa, os erros podem ser osderados omo erros radas e serão desgados por r, om r + Erros elíptos A probabldade de uma elpse é dada pela fução de dstrbução k e P(, ) (9) A solução da equação (9) om valores de k para dferetes probabldades é dada a tabela. Para 39% de probabldade os eos da elpse são Tabela : Valores da ostate k Probabldade K 39.35% % % % % % A utlzação da elpse de erro é omplea devdo ao problema da oretação dos eos e da propagação dos erros elíptos. Cosequetemete as elpses de erro são habtualmete substtuídas pela forma rular a qual é mas fál de usar e ompreeder. Erros rulares Fução rular de dstrbução de probabldade A fução de dstrbução de probabldade do erro radal que epressa a probabldade de r ser gual ou meor que o rao R, ou ada a probabldade do vetor (,) estar otdo detro de um írulo de rao R é dervada o apêde e é dada por: ode I é a fução Bessel de ordem 0. Um aso espeal da fução P(R) aotee quado r Ode r + R 4 r P( R) re I dr R e r. Etão R P( R) P e (0)

9 - P é a fução rular de dstrbução de probabldade (um aso espeal de P(R) - R o rao do írulo de probabldade o erro padrão rular (um aso espeal para r ) Quado - e ão são guas, a fução P(R) pode ser modfada fazedo a ode é o meor erro padrão dos dos. Ídes de presão rular Os ídes represetados a fgura 6 são meddas de dspersão dos erros uma dada dstrbução e represetam o erro que é mprovável de ser eeddo segudo uma dada probabldade. Os ídes de presão esolhdos, osstetes om os ídes utlzados as dstrbuções leares, são: O erro padrão rular O erro provável rular (CPE) A presão stadard rular do mapa (CMAS rular map aura stadard) O erro três poto o sgma A probabldade do erro padrão rular é obtda resolvedo a equação (0) em ordem a P para R sto é P e e Para uma verdadera dstrbução rular, os erros padrão leares são guas e dêtos ao erro padrão rular Fgura 6: Dstrbução rular ormal O erro provável rular é o valor do erro rular que ão será eeddo por mas de 50% de todos os erros uma dstrbução rular, ou seja, o valor de R a equação para o qual P 0.5. Este erro que é uma dstrbução rular eata (.e. ) é alulado a partr de Ou seja R 0.5 e

10 R l 0.5 e por defção de CPE, vem que R ou seja.774 CPE.774 Fgura Curvas de probabldade da fução P(R) em fução de m ma a : a) para P(R) 39.35%; b) para P(R) 50.00% O erro posoal médo quadráto (MSPE - mea square postoal error) é defdo omo o rao do írulo de erro gual a e tem pouo sgfado uma dstrbução do erro rular eata. No etato quado e são apromadamete.44 guas, o MSPE defe o erro uma posção geográfa e é alulado através de: MSPE +, [0.8,.0] m ma A probabldade represetada pelo MSPE pode ser alulada resolvedo a equação (0) em ordem a P, para R apromado pela equação quado vem R + b MSPE e para P e e () P.0 e 63.% Quado, a solução de () oduz-os a valores de P (

11 Fgura :Curva de probabldade do erro MSPE A presão padrão do mapa rular (CMAS) é baseada o ível de peretagem (ou quatle) utlzado o U.S. Natoal Map Aura Stadards a qual espefa que ão mas do que 0% dos potos utlzados para aferr a presão do mapa deverão eeder um dado erro. Cosequetemete, a presão rular do mapa é represetada pelo valor R da equação (0) para P 0.90, ou seja ou O erro três-poto-o sgma represeta a probabldade de Erros esféros e elpsodas (3D) CMAS.460 CMAS.87 CPE Aplação da teora dos erros à presão posoal da formação geográfa Erros posoas Bblografa Aeo : Dervação e solução da fução de dstrbução de probabldade bdmesoal As fuções de desdade de probabldade de dos erros depedetes são: p( ) e e p( ) e π π Utlzado a regra 4 vem: p(, ) e π e portato + + P(, ) e d π Utlzado oordeadas polares r os θ ; r s θ

12 ode r é o erro radal e r + Assm, ( ) ( ) P( r) P r + R P < R ode R é o írulo de probabldade. Por outro lado R π r 0 θ 0 r s θ os + P( R) e rdrdθ π Aeo : Tabela de espefações de qualdade para a artografa. θ

13

Distribuições de Probabilidades

Distribuições de Probabilidades Estatístca - aulasestdstrnormal.doc 0/05/06 Dstrbuções de Probabldades Estudamos aterormete as dstrbuções de freqüêcas de amostras. Estudaremos, agora, as dstrbuções de probabldades de populações. A dstrbução

Leia mais

Estatística - exestatmeddisper.doc 25/02/09

Estatística - exestatmeddisper.doc 25/02/09 Estatístca - exestatmeddsper.doc 5/0/09 Meddas de Dspersão Itrodução ão meddas estatístcas utlzadas para avalar o grau de varabldade, ou dspersão, dos valores em toro da méda. ervem para medr a represetatvdade

Leia mais

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA REGRESSÃO LINEAR CUIABÁ, MT 6/ INTRODUÇÃO Relação dos valores da varável depedete (varável resposta) aos valores de regressoras ou exógeas). SIMPLES MÚLTIPLA (varáves depedetes,... =,,, K=,,, k em que:

Leia mais

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS ANÁLISE DE ERROS A oservação de um feómeo físco ão é completa se ão pudermos quatfcá-lo. Para é sso é ecessáro medr uma propredade físca. O processo de medda cosste em atrur um úmero a uma propredade físca;

Leia mais

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø.

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø. Professor Maurco Lutz 1 EGESSÃO LINEA SIMPLES A correlação lear é uma correlação etre duas varáves, cujo gráfco aproma-se de uma lha. O gráfco cartesao que represeta essa lha é deomado dagrama de dspersão.

Leia mais

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD Dstrbuções Amostras Estatístca 8 - Dstrbuções Amostras 08- Dstrbuções Amostras Dstrbução Amostral de Objetvo: Estudar a dstrbução da população costtuída de todos os valores que se pode obter para, em fução

Leia mais

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL Faculdade de Tecologa de Cataduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL 5. Meddas de Posção cetral ou Meddas de Tedêca Cetral Meddas de posção cetral preocupam-se com a caracterzação e a

Leia mais

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados Capítulo : Ajuste de curvas pelo método dos mímos quadrados. agrama de dspersão No capítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas por uma taela de valores. Frequetemete o etato

Leia mais

Confiabilidade Estrutural

Confiabilidade Estrutural Professor Uversdade de Brasíla Departameto de Egehara Mecâca Programa de Pós graduação em Itegrdade Estrutural Algortmo para a Estmatva do Idce de Cofabldade de Hasofer-Ld Cofabldade Estrutural Jorge Luz

Leia mais

Relatório 2ª Atividade Formativa UC ECS

Relatório 2ª Atividade Formativa UC ECS Relatóro 2ª Atvdade Formatva Eercíco I. Quado a dstrbução de dados é smétrca ou apromadamete smétrca, as meddas de localzação méda e medaa, cocdem ou são muto semelhates. O mesmo ão acotece quado a dstrbução

Leia mais

5 Aplicação do GFMM no BEM

5 Aplicação do GFMM no BEM 38 5 Apação do GFMM o BEM esse apítuo os desevovmetos apresetados o apítuo 4 são apados ao BEM pea expasão das souções fudametas utzadas as tegrações sobre os segmetos do otoro. É apresetada a formuação

Leia mais

(1) no domínio : 0 x < 1, : constante não negativa. Sujeita às condições de contorno: (2-a) (2-b) CC2: 0

(1) no domínio : 0 x < 1, : constante não negativa. Sujeita às condições de contorno: (2-a) (2-b) CC2: 0 EXEMPLO MOTIVADO II EXEMPLO MOTIVADO II Método da Apromação Polomal Aplcado a Problemas Udrecoas sem Smetra. Equações Dferecas Ordáras Problemas de Valores o otoro Estrutura Geral do Problema: dy() d y()

Leia mais

MEDIDAS DE TENDÊNCIA CENTRAL I

MEDIDAS DE TENDÊNCIA CENTRAL I Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, edca Veterára, uscoterapa, Odotologa, Pscologa EDIDAS DE TENDÊNCIA CENTRAL I 7 7. EDIDAS DE

Leia mais

MÓDULO 8 REVISÃO REVISÃO MÓDULO 1

MÓDULO 8 REVISÃO REVISÃO MÓDULO 1 MÓDULO 8 REVISÃO REVISÃO MÓDULO A Estatístca é uma técca que egloba os métodos cetícos para a coleta, orgazação, apresetação, tratameto e aálse de dados. O objetvo da Estatístca é azer com que dados dspersos

Leia mais

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População ESTATÍSTICA STICA DESCRITIVA Prof. Lorí Val, Dr. val@mat.ufrgs.br http://.ufrgs.br/~val/ Orgazação; Resumo; Apresetação. Cojuto de dados: Amostra ou População Um cojuto de dados é resumdo de acordo com

Leia mais

MAE0229 Introdução à Probabilidade e Estatística II

MAE0229 Introdução à Probabilidade e Estatística II Exercíco Cosdere a dstrbução expoecal com fução de desdade de probabldade dada por f (y; λ) = λe λy, em que y, λ > 0 e E(Y) = /λ Supor que o parâmetro λ pode ser expresso proporcoalmete aos valores de

Leia mais

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados 3.1. Meddas de Tedêca Cetral CAPÍTULO 3 MEDIDA DE TENDÊNCIA CENTRAL E VARIABILIDADE UFRG 1 Há váras meddas de tedêca cetral. Etre elas ctamos a méda artmétca, a medaa, a méda harmôca, etc. Cada uma dessas

Leia mais

Regressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança

Regressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança Regressão Smples Parte III: Coefcete de determação, regressão a orgem e método de máxma verossmlhaça Coefcete de determação Proporção da varabldade explcada pelo regressor. R Varação explcada Varação total

Leia mais

DISTRIBUIÇÃO HIPERGEOMÉTRICA

DISTRIBUIÇÃO HIPERGEOMÉTRICA 7 DISTRIBUIÇÃO HIPERGEOMÉTRICA Cosdere-se uma população fta costtuída por N elemetos dstrbuídos por duas categoras eclusvas e eaustvas de dmesões M e N M, respectvamete. Os elemetos da prmera categora

Leia mais

Centro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola

Centro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola Cetro de Cêcas Agráras e Ambetas da UFBA Departameto de Egehara Agrícola Dscpla: AGR Boestatístca Professor: Celso Luz Borges de Olvera Assuto: Estatístca TEMA: Somatóro RESUMO E NOTAS DA AULA Nº 0 Seja

Leia mais

? Isso é, d i= ( x i. . Percebeu que

? Isso é, d i= ( x i. . Percebeu que Estatístca - Desvo Padrão e Varâca Preparado pelo Prof. Atoo Sales,00 Supoha que tehamos acompahado as otas de quatro aluos, com méda 6,0. Aluo A: 4,0; 6,0; 8,0; méda 6,0 Aluo B:,0; 8,0; 8,0; méda 6,0

Leia mais

Tópicos Extras 2ª parte. Análise de Correlação e Regressão

Tópicos Extras 2ª parte. Análise de Correlação e Regressão Tópcos Extras ª parte Aálse de Correlação e Regressão 1 Defções báscas ANÁLISE DE CORRELAÇÃO Mesurar a força da assocação etre as varáves (geralmete através do cálculo de algum coefcete). ANÁLISE DE REGRESSÃO

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual Estatístca: Aplcação ao Sesorameto Remoto SER 04 - ANO 08 Estmação Potual Camlo Daleles Reó camlo@dp.pe.br http://www.dp.pe.br/~camlo/estatstca/ Iferêca Estatístca Cosdere o expermeto: retram-se 3 bolas

Leia mais

Revisão de Estatística X = X n

Revisão de Estatística X = X n Revsão de Estatístca MÉDIA É medda de tedêca cetral mas comumete usada ara descrever resumdamete uma dstrbução de freqüêca. MÉDIA ARIMÉTICA SIMPLES São utlzados os valores do cojuto com esos guas. + +...

Leia mais

Apresenta-se em primeiro lugar um resumo da simbologia adoptada no estudo da quadratura de Gauss.

Apresenta-se em primeiro lugar um resumo da simbologia adoptada no estudo da quadratura de Gauss. CAÍTULO QUADRATURA DE GAUSS Mutos dos tegras que é eessáro alular o âmbto da aplação do Método dos Elemetos Ftos (MEF) ão são trvas,.e., ou a prmtva da ução tegrada ão exste expltamete, ou é demasado omplada

Leia mais

A análise de variância de uma classificação (One-Way ANOVA) verifica se as médias de k amostras independentes (tratamentos) diferem entre si.

A análise de variância de uma classificação (One-Way ANOVA) verifica se as médias de k amostras independentes (tratamentos) diferem entre si. Prof. Lorí Va, Dr. http://www. ufrgs.br/~va/ va@mat.ufrgs.br aáse de varâca de uma cassfcação (Oe-Way NOV) verfca se as médas de amostras depedetes (tratametos) dferem etre s. Um segudo tpo de aáse de

Leia mais

MEDIDAS DE DISPERSÃO:

MEDIDAS DE DISPERSÃO: MEDID DE DIPERÃO: fução dessas meddas é avalar o quato estão dspersos os valores observados uma dstrbução de freqüêca ou de probabldades, ou seja, o grau de afastameto ou de cocetração etre os valores.

Leia mais

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12 MEDIDAS DE POSIÇÃO: São meddas que possbltam represetar resumdamete um cojuto de dados relatvos à observação de um determado feômeo, pos oretam quato à posção da dstrbução o exo dos, permtdo a comparação

Leia mais

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1.

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1. Iterpolação Iterpolação é um método que permte costrur um ovo cojuto de dados a partr de um cojuto dscreto de dados potuas cohecdos. Em egehara e cêcas, dspõese habtualmete de dados potuas, obtdos a partr

Leia mais

Regressao Simples. Parte II: Anova, Estimação Intervalar e Predição

Regressao Simples. Parte II: Anova, Estimação Intervalar e Predição egressao Smples Parte II: Aova, Estmação Itervalar e Predção Aálse de Varâca Nem todos os valores das amostras estão cotdos a reta de regressão, e quato mas afastados estverem por, a reta represetará a

Leia mais

Avaliação da qualidade do ajuste

Avaliação da qualidade do ajuste Avalação da qualdade do ajuste 1 Alguma termologa: Modelo ulo: é o modelo mas smples que pode ser defdo, cotedo um úco parâmetro ( µ) comum a todos os dados; Modelo saturado: é o modelo mas complexo a

Leia mais

ESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA

ESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA ESTATÍSTICA MÓDULO OS RAMOS DA ESTATÍSTICA Ídce. Os Ramos da Estatístca...3.. Dados Estatístcos...3.. Formas Icas de Tratameto dos Dados....3. Notação por Ídces...5.. Notação Sgma ()...5 Estatístca Módulo

Leia mais

Atividades Práticas Supervisionadas (APS)

Atividades Práticas Supervisionadas (APS) Uversdade Tecológca Federal do Paraá Prof: Lauro Cesar Galvão Campus Curtba Departameto Acadêmco de Matemátca Cálculo Numérco Etrega: juto com a a parcal DATA DE ENTREGA: da da a PROVA (em sala de aula

Leia mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental.

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental. É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou Prof. Lorí Val, Dr. val@mat.ufrgs.r http://www.mat.ufrgs.r/~val/ expermetal. Numa relação expermetal os valores de uma das varáves

Leia mais

Prof. Janete Pereira Amador 1

Prof. Janete Pereira Amador 1 Prof. Jaete Perera Amador 1 1 Itrodução Mutas stuações cotdaas podem ser usadas como expermeto que dão resultados correspodetes a algum valor, e tas stuações podem ser descrtas por uma varável aleatóra.

Leia mais

Econometria: 3 - Regressão Múltipla

Econometria: 3 - Regressão Múltipla Ecoometra: 3 - Regressão Múltpla Prof. Marcelo C. Mederos mcm@eco.puc-ro.br Prof. Marco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo de regressão

Leia mais

Cap. 5. Testes de Hipóteses

Cap. 5. Testes de Hipóteses Cap. 5. Testes de Hpóteses Neste capítulo será estudado o segudo problema da ferêca estatístca: o teste de hpóteses. Um teste de hpóteses cosste em verfcar, a partr das observações de uma amostra, se uma

Leia mais

ANÁLISE DE REGRESSÃO E CORRELAÇÃO

ANÁLISE DE REGRESSÃO E CORRELAÇÃO ANÁLISE DE REGRESSÃO E CORRELAÇÃO Quado se cosderam oservações de ou mas varáves surge um poto ovo: O estudo das relações porvetura estetes etre as varáves. A aálse de regressão e correlação compreedem

Leia mais

Conceitos básicos de metrologia. Prof. Dr. Evandro Leonardo Silva Teixeira Faculdade UnB Gama

Conceitos básicos de metrologia. Prof. Dr. Evandro Leonardo Silva Teixeira Faculdade UnB Gama Prof. Dr. Evadro Leoardo Slva Teera Faculdade UB Gama Metrologa: Cêca que abrage os aspectos teórcos e prátcos relatvos a medção; Descreve os procedmetos e métodos para determar as certezas de medções;

Leia mais

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento. Prof. Lorí Val, Dr. val@pucrs.r http://www.pucrs.r/famat/val/ Em mutas stuações duas ou mas varáves estão relacoadas e surge etão a ecessdade de determar a atureza deste relacoameto. A aálse de regressão

Leia mais

Macroeconometria Aula 3 Revisão de estatística e teste de hipótese

Macroeconometria Aula 3 Revisão de estatística e teste de hipótese Macroecoometra 008. Aula 3 Revsão de estatístca e teste de hpótese 3.5. Estmação No estudo das probabldades, o objetvo é calcular a probabldade de evetos préespecfcados. De agora em date o objetvo muda.

Leia mais

d s F = m dt Trabalho Trabalho

d s F = m dt Trabalho Trabalho UNIVERSIDADE DO ESTADO DE MATO GROSSO CAMPUS UNIVERSITÁRIO DE SINOP FACULDADE DE CIÊNCIAS EXATAS E TECNOLÓGICAS CURSO DE ENGENHARIA CIVIL DISCIPLINA: CÁLCULO DIFERENCIAL E INTEGRAL I Trabalho 1. Itrodução

Leia mais

Construção e Análise de Gráficos

Construção e Análise de Gráficos Costrução e Aálse de Gráfcos Por que fazer gráfcos? Facldade de vsualzação de cojutos de dados Faclta a terpretação de dados Exemplos: Egehara Físca Ecooma Bologa Estatístca Y(udade y) 5 15 1 5 Tabela

Leia mais

Difusão entre Dois Compartimentos

Difusão entre Dois Compartimentos 59087 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 4 Dfusão etre Dos Compartmetos A le de Fck para membraas (equação 4 da aula passada) mplca que a permeabldade de uma membraa a um soluto é dada pela razão

Leia mais

Teoria Elementar da Probabilidade. a) Cada experiência poderá ser repetida indefinidamente sob condições essencialmente inalteradas.

Teoria Elementar da Probabilidade. a) Cada experiência poderá ser repetida indefinidamente sob condições essencialmente inalteradas. Estatístca 47 Estatístca 48 Teora Elemetar da Probabldade SPECTOS PERTINENTES À CRCTERIZÇÃO DE UM EXPERIÊNCI LETÓRI MODELOS MTEMÁTICOS DETERMINÍSTICOS PROBBILÍSTICOS PROCESSO (FENÓMENO) LETÓRIO - Quado

Leia mais

ESTATÍSTICA Exame Final 1ª Época 3 de Junho de 2002 às 14 horas Duração : 3 horas

ESTATÍSTICA Exame Final 1ª Época 3 de Junho de 2002 às 14 horas Duração : 3 horas Faculdade de cooma Uversdade Nova de Lsboa STTÍSTIC xame Fal ª Época de Juho de 00 às horas Duração : horas teção:. Respoda a cada grupo em folhas separadas. Idetfque todas as folhas.. Todas as respostas

Leia mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou expermetal. Numa relação expermetal os valores de uma das varáves

Leia mais

Noções Básicas de Medidas e Algarismos Significativos

Noções Básicas de Medidas e Algarismos Significativos Noções Báscas de Meddas e Algarsmos Sgfcatvos Prof. Theo Z. Pava Departameto de Físca - Faculdade de Flosofa, Cêcas e Letras de Rberão Preto-USP Físca Acústca Motvações Quas são os padrões de meddas? Podemos

Leia mais

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística BAC 0 - Estatístca Uversdade Federal de Itajubá - Campus Itabra BAC0 - ESTATÍSTICA ESTATÍSTICA DESCRITIVA MEDIDAS DE CENTRO Méda Medda de cetro ecotrada pela somatóra de todos os valores de um cojuto,

Leia mais

Probabilidades e Estatística LEGM, LEIC-A, LEIC-T, MA, MEMec

Probabilidades e Estatística LEGM, LEIC-A, LEIC-T, MA, MEMec Duração: 90 mutos Grupo I Probabldades e Estatístca LEGM, LEIC-A, LEIC-T, MA, MEMec Justfque coveetemete todas as respostas 2 o semestre 2017/2018 14/06/2018 11:00 2 o Teste B 10 valores 1. Os dvíduos

Leia mais

Organização; Resumo; Apresentação.

Organização; Resumo; Apresentação. Prof. Lorí Val, Dr. val@ufrgs.br http://www.ufrgs.br/~val/ Grade Cojutos de Dados Orgazação; Resumo; Apresetação. Amostra ou População Defetos em uma lha de produção Lascado Deseho Torto Deseho Torto Lascado

Leia mais

Ivan G. Peyré Tartaruga. 1 Metodologia espacial

Ivan G. Peyré Tartaruga. 1 Metodologia espacial RELATÓRIO DE PESQUISA 5 Procedmetos o software ArcGIS 9. para elaborar os mapas da Regão Metropoltaa de Porto Alegre RMPA com as elpses de dstrbução drecoal etre 99 e 000 Iva G. Peré Tartaruga Metodologa

Leia mais

8 Programação linear 78

8 Programação linear 78 8 Programação lear 78 8 Programação lear A programação lear cosderou duas fuções objetvo: (a) maxmzação da comercalzação do gás e (b) mmzação das perdas (recetas e multas cotratuas). Foram dealzados dos

Leia mais

Critérios de correção e orientações de resposta exame

Critérios de correção e orientações de resposta exame Mstéro da Cêca, Tecologa e Eso Superor U.C. 1037 Elemetos de Probabldade e Estatístca 1 de Juho de 011 Crtéros de correção e oretações de resposta eame Neste relatóro apresetam-se os crtéros e um eemplo

Leia mais

6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS

6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS 7 6 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS A medção dreta é aquela cuja dcação resulta aturalmete da aplcação do sstema de medção sobre o mesurado Há apeas uma gradeza de etrada evolvda

Leia mais

ESTATÍSTICA MÓDULO 3 MEDIDAS DE TENDÊNCIA CENTRAL

ESTATÍSTICA MÓDULO 3 MEDIDAS DE TENDÊNCIA CENTRAL ESTATÍSTICA MÓDULO 3 MEDIDAS DE TEDÊCIA CETRAL Ídce. Meddas de Tedêca Cetral...3 2. A Méda Artmétca Smles ( μ, )...3 3. A Méda Artmétca Poderada...6 Estatístca Módulo 3: Meddas de Tedêca Cetral 2 . MEDIDAS

Leia mais

ESTATÍSTICA APLICADA À ZOOTECNIA

ESTATÍSTICA APLICADA À ZOOTECNIA ESTATÍSTICA APLICADA À ZOOTECNIA Eucldes Braga MALHEIROS *. INTRODUÇÃO.a) Somatóras e Produtóros Sejam,, 3,...,, valores umércos. A soma desses valores (somatóra) pode ser represetada por: = = = =. e o

Leia mais

CEDEPLAR - UFMG Nivelamento em Estatística 2013 Prof a Sueli Moro. Variáveis aleatórias

CEDEPLAR - UFMG Nivelamento em Estatística 2013 Prof a Sueli Moro. Variáveis aleatórias CEDEPLAR - UFMG Nvelameto em Estatístca 3 Prof a Suel Moro Varáves aleatóras Varável aleatóra resultado ou produto de um epermeto aleatóro com um resultado úco. Varável resultado = Espaço amostral cojuto

Leia mais

Cálculo Numérico. Ajuste de Curvas Método dos Mínimos Quadrados. Profa. Vanessa Rolnik 1º semestre 2015

Cálculo Numérico. Ajuste de Curvas Método dos Mínimos Quadrados. Profa. Vanessa Rolnik 1º semestre 2015 Cálculo Numérco Ajuste de Curvas Método dos Mímos Quadrados Profa. Vaessa Rolk º semestre 05 Ajuste de curvas Para apromar uma fução f por um outra fução de uma famíla prevamete escolhda (caso cotíuo)

Leia mais

UERJ CTC IME Departamento de Informática e Ciência da Computação 2 Cálculo Numérico Professora Mariluci Ferreira Portes

UERJ CTC IME Departamento de Informática e Ciência da Computação 2 Cálculo Numérico Professora Mariluci Ferreira Portes UERJ CTC IE Departameto de Iormátca e Cêca da Computação Udade I - Erros as apromações umércas. I. - Cosderações geras. Há váras stuações em dversos campos da cêca em que operações umércas são utlzadas

Leia mais

NOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling

NOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling 4 INFERÊNCIA SOBRE O VETOR DE MÉDIAS 4. TESTE PARA UM VETOR DE MÉDIAS µ Lembrado o caso uvarado: H : µ = µ H : µ µ Nível de sgfcâca: α Estatístca do teste: X µ t = s/ ~ t Decsão: se t > t - (α/) rejeta-se

Leia mais

RACIOCÍNIO LÓGICO / ESTATÍSTICA LISTA 2 RESUMO TEÓRICO

RACIOCÍNIO LÓGICO / ESTATÍSTICA LISTA 2 RESUMO TEÓRICO RACIOCÍIO LÓGICO - Zé Carlos RACIOCÍIO LÓGICO / ESTATÍSTICA LISTA RESUMO TEÓRICO I. Cocetos Icas. O desvo médo (DM), é a méda artmétca dos desvos de cada dado da amostra em toro do valor médo, sto é x

Leia mais

CADERNO 1 (É permitido o uso de calculadora gráfica.)

CADERNO 1 (É permitido o uso de calculadora gráfica.) Proposta de teste de avalação [mao 09] Nome: Ao / Turma: N.º: Data: - - Não é permtdo o uso de corretor. Deves rscar aqulo que pretedes que ão seja classfcado. A prova clu um formuláro. As cotações dos

Leia mais

REGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi

REGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi REGESD Prolc Matemátca e Realdade- Profª Suz Samá Pto e Profº Alessadro da Slva Saad Meddas de Posção ou Tedêca Cetral As meddas de posção ou meddas de tedêca cetral dcam um valor que melhor represeta

Leia mais

Teoria das Comunicações

Teoria das Comunicações Teora das Comucações.6ª Revsão de robabldade rof. dré Noll arreto rcíos de Comucação robabldade Cocetos áscos Eermeto aleatóro com dversos resultados ossíves Eemlo: rolar um dado Evetos são cojutos de

Leia mais

Nas Instituições de Ensino Superior(IES), há uma relação direta entre a qualidade do ensino e a taxa de inadimplência. A taxa de inadimplência das

Nas Instituições de Ensino Superior(IES), há uma relação direta entre a qualidade do ensino e a taxa de inadimplência. A taxa de inadimplência das CORRELAÇÃO Nas Isttuções de Eso Superor(IES), há uma relação dreta etre a qualdade do eso e a taxa de admplêca. A taxa de admplêca das IES que obtveram cocetos A e B o Provão é,%, as que obtveram C é 6%

Leia mais

Estatística: uma definição

Estatística: uma definição Prof. Lorí Val, Dr. - val@pucrs.br http://www.pucrs.br/famat/val/ Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Estatístca: uma defção Coleç Coleção de ú úmeros estatí estatístcas O ú ú mero

Leia mais

Tabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f

Tabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f Lsta de exercícos Gabarto e chave de respostas Estatístca Prof.: Nelse 1) Calcule 1, e para o segute cojuto de valores. A,1,8,0,11,,7,8,6,,9, 1 O úmero que correspode a 5% do rol é o valor. O úmero que

Leia mais

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS No caítulo IV, Iterolação Polomal, estudamos uma forma de ldar com fuções matemátcas defdas or taelas de valores. Frequetemete, estas taelas são

Leia mais

Regressão Linear Simples uma revisão

Regressão Linear Simples uma revisão Regressã Lear mples uma revsã A regressã lear é útl quad a varável de teresse (depedete se relaca e é afetada pr uma u mas varáves (depedetes. Cmecems pel mdel que da frma mas smples pssível pde represetar

Leia mais

Análise Exploratória de Dados

Análise Exploratória de Dados Aálse Eploratóra de Dados Objetvos Aálse bvarada: uma varável qualtatva e uma quattatva: represetar grafcamete as duas varáves combadas; defr e calcular uma medda de assocação etre as varáves. Eemplo 1

Leia mais

x Ex: A tabela abaixo refere-se às notas finais de três turmas de estudantes. Calcular a média de cada turma:

x Ex: A tabela abaixo refere-se às notas finais de três turmas de estudantes. Calcular a média de cada turma: Professora Jaete Perera Amador 1 9 Meddas Descrtvas Vmos aterormete que um cojuto de dados pode ser resumdo através de uma dstrbução de freqüêcas, e que esta pode ser represetada através de uma tabela

Leia mais

Estatística Básica - Continuação

Estatística Básica - Continuação Professora Adraa Borsso http://www.cp.utfpr.edu.br/borsso adraaborsso@utfpr.edu.br COEME - Grupo de Matemátca Meddas de Varabldade ou Dspersão Estatístca Básca - Cotuação As meddas de tedêca cetral, descrtas

Leia mais

Introdução à Decomposição de Dantzig Wolfe

Introdução à Decomposição de Dantzig Wolfe Itrodução à Deoposção de Datzg Wolfe PNV-5765 Probleas de Prograação Mateáta Aplados ao Plaeaeto de Ssteas de Trasportes Maríto Prof. Dr. Adré Bergste Medes Bblografa Utlzada WILLIAMS, H.P. The forulato

Leia mais

9 Medidas Descritivas

9 Medidas Descritivas 1 9 Meddas Descrtvas Vmos aterormete que um cojuto de dados pode ser resumdo através de uma dstrbução de freqüêcas, e que esta pode ser represetada através de uma tabela ou de um gráfco. Se o cojuto refere-se

Leia mais

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS No caítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas or taelas de valores. Frequetemete, estas taelas são otdas com ase em

Leia mais

A forma geral de um modelo de regressão linear para uma amostra de tamanho n e p variáveis é apresentada a seguir.

A forma geral de um modelo de regressão linear para uma amostra de tamanho n e p variáveis é apresentada a seguir. 2 Regressão O termo regressão fo proposto pela prmera vez por Sr Fracs Galto (885) um estudo ode demostrou que a altura dos flhos ão tede a refletr a altura dos pas, mas tede sm a regredr para a méda da

Leia mais

Dados Experimentais. Isto é chamado de experimento controlado. Uma das vantagens

Dados Experimentais. Isto é chamado de experimento controlado. Uma das vantagens Dados xpermetas Para medr a produção de certa varedade de mlho, faremos um expermeto o qual a varedade de mlho semete é platada em váras parcelas homogêeas com o mesmo fertlzate, pestcda etc. Depos mede-se

Leia mais

Análise da Informação Económica e Empresarial

Análise da Informação Económica e Empresarial Aálse da Iformação Ecoómca e Empresaral Aula 8: Redução de Dados: Meddas de Dspersão e Cocetração Aálse da Iformação Ecoómca e Empresaral Guão Aula 8: Redução de Dados: Meddas de Dspersão e Cocetração

Leia mais

ANÁLISE DE REGRESSÃO E CORRELAÇÃO

ANÁLISE DE REGRESSÃO E CORRELAÇÃO ANÁLISE DE REGRESSÃO E CORRELAÇÃO Quado se cosderam oservações de ou mas varáves surge um poto ovo: O estudo das relações porvetura estetes etre as varáves A aálse de regressão e correlação compreedem

Leia mais

Gráficos de Controle para Processos Autocorrelacionados

Gráficos de Controle para Processos Autocorrelacionados Gráfcos de Controle para Processos Autocorrelaconados Gráfco de controle de Shewhart: observações ndependentes e normalmente dstrbuídas. Shewhart ao crar os gráfcos de controle não exgu que os dados fossem

Leia mais

4 Métodos Sem Malha Princípio Básico dos Métodos Sem Malha

4 Métodos Sem Malha Princípio Básico dos Métodos Sem Malha 4 Métodos Sem Malha Segudo Lu (9), os métodos sem malha trabalham com um cojuto de ós dstrbuídos detro de um domío, assm como com cojutos de ós dstrbuídos sobre suas froteras para represetar, sem dscretzar,

Leia mais

50 Logo, Número de erros de impressão

50 Logo, Número de erros de impressão Capítulo 3 Problema. (a) Sedo o úmero médo de erros por pága, tem-se: 5 + + 3 + 3 + 4 33,66 5 5 Represetado o úmero medao de erros por md, tem-se, pela ordeação dos valores observados, que os valores de

Leia mais

Regressão e Correlação

Regressão e Correlação Regressão e Correlação Júlo Osóro Regressão & Correlação: geeraldades Em mutas stuações de pesqusa cetífca, dspomos de uma amostra aleatóra de pares de dados (x, ), resultates da medda cocomtate de duas

Leia mais

Cálculo Numérico Interpolação Polinomial Ajuste de Curvas (Parte II)

Cálculo Numérico Interpolação Polinomial Ajuste de Curvas (Parte II) Cálulo Nuéro Iterpolação Poloal Ajuste de Curvas (Parte II) Pro Jore Cavalat joreavalat@uvasedubr MATERIAL ADAPTADO DOS SLIDES DA DISCIPLINA CÁLCULO NUMÉRICO DA UFCG - wwwdsuedubr/~u/ Ajuste de Curvas

Leia mais

Técnicas Não Paramétricas

Técnicas Não Paramétricas Téccas Não Paramétrcas de Estmação de Desdade Reata Cardoso e Fracsco Carvalho Coteúdo Itrodução 2 Hstograma 3 Estmação da desdade 4 Jaelas de Parze Em mutos problemas prátcos As abordages de estmação

Leia mais

Estabilidade no Domínio da Freqüência

Estabilidade no Domínio da Freqüência Establdade o Domío da Freqüêca Itrodução; apeameto de Cotoros o Plao s; Crtéro de Nyqust; Establdade Relatva; Crtéro de Desempeho o Domío do Tempo Especfcado o Domío da Freqüêca; Bada Passate de Sstema;

Leia mais

Apostila de Introdução Aos Métodos Numéricos

Apostila de Introdução Aos Métodos Numéricos Apostla de Itrodução Aos Métodos Numércos PARTE III o Semestre - Pro a. Salete Souza de Olvera Buo Ídce INTERPOAÇÃO POINOMIA...3 INTRODUÇÃO...3 FORMA DE AGRANGE... 4 Iterpolação para potos (+) - ajuste

Leia mais

Probabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ

Probabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ Duração: 90 mutos Grupo I Probabldades e Estatístca LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBol, MEBom, MEEC, MEFT, MEMec, MEQ Justfque coveetemete todas as respostas 1 o semestre 018/019 10/01/019 09:00 o

Leia mais

Modelo de Regressão Simples

Modelo de Regressão Simples Modelo de Regressão Smples Hstora Hstóra Termo regressão fo troduzdo por Fracs Galto (8-9). Estudo sobre altura de pas e flhos. Karl Pearso coletou mas de ml regstros e verfcou a le de regressão uversal

Leia mais

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) [ ] ( ) ( k) ( k ) ( ) ( ) Questões tipo exame

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) [ ] ( ) ( k) ( k ) ( ) ( ) Questões tipo exame Questões tpo eame Pá O poto U tem coordeadas (6, 6, 6) e o poto S pertece ao eo Oz, pelo que as suas coordeadas são (,, 6) Um vetor dretor da reta US é, por eemplo, US Determemos as suas coordeadas: US

Leia mais

TEORIA DE ERROS MEDIDAS E GRÁFICOS

TEORIA DE ERROS MEDIDAS E GRÁFICOS Uversdade Federal de Juz de Fora Isttuto de Cêcas Eatas Departameto de Físca TEORIA DE ERROS MEDIDAS E GRÁFICOS Prof. Carlos R. A. Lma Edção Março de 010 ÌNDICE CAPÍTULO 1 - PRINCÍPIOS BÁSICOS DA ESTATÍSTICA

Leia mais

1. Conceito de variável aleatória Podemos estudar, por exemplo, algumas características dos alunos do Curso de estatística.

1. Conceito de variável aleatória Podemos estudar, por exemplo, algumas características dos alunos do Curso de estatística. CAPÍTULO 7 VARIÁVEL ALEATÓRIA A probabldade teve íco com os jogos de azar (século XVII) com Cavalero de Nere, Fermat e Pascal, porém, coube a Beroull (73) laçar as bases da probabldade e a segur Laplace

Leia mais

Sumário. Mecânica. Sistemas de partículas

Sumário. Mecânica. Sistemas de partículas umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - stemas de partículas e corpo rígdo. - Cetro de massa. - Como determar o cetro de massa dum sstema de partículas. - Vetor

Leia mais

CONHECIMENTOS ESPECÍFICOS

CONHECIMENTOS ESPECÍFICOS CONHECIMENTOS ESPECÍFICOS Uma uversdade oferece um curso para capactação profssoal de joves caretes. Ao fal do curso, cada jovem partcpate será avalado por meo de uma prova teórca e de uma prova prátca,

Leia mais

Bioestatística Curso de Saúde. Linha Reta 2 Parábola ou curva do segundo grau. terceiro grau curva do quarto. grau curva de grau n Hipérbole

Bioestatística Curso de Saúde. Linha Reta 2 Parábola ou curva do segundo grau. terceiro grau curva do quarto. grau curva de grau n Hipérbole Teora da Correlação: Probleas relatvos à correlação são aqueles que procura estabelecer quão be ua relação lear ou de outra espéce descreve ou eplca a relação etre duas varáves. Se todos os valores as

Leia mais

Desempenho dos métodos de Runge-Kutta 4-4 e Rosenbrock em função da posição do λ c crítico em sistemas rígidos

Desempenho dos métodos de Runge-Kutta 4-4 e Rosenbrock em função da posição do λ c crítico em sistemas rígidos Desempeho dos métodos de Ruge-Kutta 4-4 e Rosebrok em fução da posção do λ ríto em sstemas rígdos Gulherme G. Loh 1 Joye S. Bevlaqua Isttuto de Matemáta e Estatísta da Uversdade de São Paulo (IME-USP)

Leia mais

MÉTODO DOS MÍNIMOS QUADRADOS

MÉTODO DOS MÍNIMOS QUADRADOS MÉTODO DOS MÍNIMOS QUADRADOS I - INTRODUÇÃO O processo de medda costtu uma parte essecal a metodologa cetífca e também é fudametal para o desevolvmeto e aplcação da própra cêca. No decorrer do seu curso

Leia mais

ESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano

ESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano ESTATÍSTICA Aula 7 Prof. Dr. Marco Atoo Leoel Caetao Dstrbuções de Probabldade DISCRETAS CONTÍNUAS (Números teros) Bomal Posso Geométrca Hper-Geométrca Pascal (Números reas) Normal t-studet F-Sedecor Gama

Leia mais

ÌNDICE APÊNDICE A - PRINCÍPIOS BÁSICOS DA ESTATÍSTICA

ÌNDICE APÊNDICE A - PRINCÍPIOS BÁSICOS DA ESTATÍSTICA ÌNDICE APÊNDICE A - PRINCÍPIOS BÁSICOS DA ESTATÍSTICA ------------------------------------------------------------------------------- 03 A.- Itrodução ----------------------------------------------------------------------------------------------------------------------------

Leia mais