Aprendizagem de Máquina
|
|
- Ângelo Pinhal
- 4 Há anos
- Visualizações:
Transcrição
1 predizagem de Máquia Modelos de Mistura lgoritmo EM Estimação semi-paramétrica de desidade abordagem paramétrica para estimação de desidade supõe que a amostra X é extraída de uma distribuição que segue uma determiada família de fuções de desidade, como a gaussiaa, especificada por um pequeo úmero de parâmetros. Etretato, esta abordagem pode itroduzir um forte viés em aplicações ode as istâcias pertecem a uma classe multimodal, costituída de mais de um grupo de istâcias (agrupameto). Isto ocorre frequetemete em aplicações como recohecimeto de caracteres, recohecimeto da fala e em recohecimeto de objetos visuais. Neste caso, cada grupo de istâcias similares, correspodete a um modo da classe de iteresse, pode ser represetado por uma úica fução de desidade, como uma gaussiaa. Com isso, a amostra X da classe de iteresse pode ser represetada por uma mistura de K gaussiaas, ode K é o úmero de agrupametos correspodete. Esta abordagem é deomiada estimação semi-paramétrica de desidade.
2 Modelos de Mistura de Gaussiaas (GMM) Uma distribuição do tipo mistura de gaussiaas (GM), formada pela superposição liear de K gaussiaas, pode ser escrita como:, Cada gaussiaa, é deomiada uma compoete da mistura, sedo determiada pela sua média e matriz de covariâcias. Os parâmetros 0 são chamados de coeficietes de mistura e sujeitos a: Comparado com a regra de codicioameto para a desidade margial: vemos que = p(k), é a probabilidade a priori de escolher a compoete k, e, = p(x k) é a probabilidade de x codicioada a k. 3 Distribuição gaussiaa multivariada N( x μ, Σ) ( ) D e ( xμ) T ( xμ) Matriz de covariâcias de uma distribuição bivariada: ode e são as variâcias margiais e é a covariâcia 4
3 Distribuição gaussiaa bivariada 5 Mistura de Gaussiaas com variáveis latetes Podemos formular uma mistura de gaussiaas em termos de variáveis latetes. Para isso, itroduzimos uma variável idicadora multiomial z, de dimesão K, a qual um elemeto particular z k é igual a um e todos os demais são ulos. ssim, existem K estados possíveis para z, de acordo com o elemeto que é um. Os coeficietes de mistura especificam a probabilidade de um determiado elemeto z k ser igual a um: Como z é uma variável multiomial, esta distribuição pode ser escrita como: distribuição codicioal de x dado um valor particular de z é uma gaussiaa:, Resultado uma distribuição codicioal de x dado z dada por:, 6
4 Estimativa de rotulação partir do TB e da probabilidade codicioal podemos calcular a probabilidade a posteriori p(z k = x), que correspode a uma rotulação suave (etre 0 e ) associada à resposabilidade,, da compoete k em explicar a observação x.,, Os coeficietes de mistura podem ser vistos como a probabilidade a priori de (que a compoete k seja a resposável por gerar a observação atual) e a quatidade como a probabilidade a posteriori correspodete, após observarmos x. 7 Exemplo de mistura de gaussiaas Exemplo de 500 istâcias extraídas de um modelo mistura de 3 gaussiaas. (a) s istâcias estão rotuladas segudo o grupo (z k ) que gerou a amostra. Neste caso, o cojuto de dados completo é cohecido, gerado pela distribuição cojuta p(x, z) = p(z)p(x z). (b) O cojuto de dados icompleto, correspodete à distribuição margial p(x), obtida pelo gráfico de x, sem o cohecimeto da rotulação de z. (c) Mesma amostra, mas as cores correspodem às proporções correspodetes às probabilidades a posteriori dos grupos, p(z k = x), obtidas pelo TB, idicado a resposabilidade da compoete k, em explicar a observação x. 8
5 Fução de verossimilhaça de mistura de Gaussiaas distribuição cojuta p(x, z) é dada pelo produto p(z) p(x z) e, com isso, a distribuição margial de x é obtida pela soma da cojuta para todos os z:, ssim, a distribuição margial para x é uma mistura de gaussiaas, e a cada observação x existe uma variável latete z correspodete. Cosidere que desejemos modelar um cojuto de observações idepedetes {x,..., x N }, represetado por uma matriz X de dimesão N D, usado um modelo mistura de K gaussiaas, em que as variáveis latetes correspodetes às observações, {z,..., z N }, formem uma matriz Z de dimesão N K. Neste caso, o log da fução de verossimilhaça dos dados em relação ao modelo é: l,, l, O algoritmo EM é um método poderoso para ecotrar soluções de máxima verossimilhaça para modelos com variáveis latetes, icluido o GMM. 9 No processo de maximização da fução de verossimilhaça, as variáveis latetes são cosideradas dados faltates de um cojuto de dados completo, {X, Z}, ode seria cohecido o valor de z para cada istâcia de treiameto. O objetivo do algoritmo é maximizar, correspodete à probabilidade dos valores observados de X, mas como os cojuto de dados é icompleto (Z é descohecido), ele apeas cosegue maximizar a verossimilhaça codicioada a Z, ou seja,. Etretato, o osso cohecimeto sobre Z é dado apeas pela distribuição a posteriori p(z X, ), que pode estimada o passo E do algoritmo EM, a partir dos valores corretes dos parâmetros, old. Esta distribuição a posteriori é usada etão para avaliar o valor esperado (expectatio) do log da fução de verossimilhaça, com respeito à distribuição codicioal de Z dado X, sob a estimativa correte dos parâmetros, (, old )., lgoritmo EM,,,, l, 0
6 lgoritmo EM O algoritmo EM procede em dois passos. No passo E, de expectatio, é formada uma expectativa para a verossimilhaça dos dados completos, dado X e os parâmetros corretes old : Passo E:,,, O passo E equivale a calcular as probabilidades a posteriori de cada compoete, (resposabilidades) para cada istâcia de treiameto. No passo M, de maximização, os valores dos parâmetros são atualizados de forma a maximizar a expectativa, : Passo M: argmax, Dempster, Lair e Rubi provaram que um aumeto em implica um aumeto a verossimilhaça icompleta: s expressões para atualizar os parâmetros de uma mistura de gaussiaas de forma a maximizar, são obtidas igualado-se as derivadas de l,,, em relação a cada um dos parâmetros, (,, ), a zero. lgoritmo EM para mistura de gaussiaas Dada uma distribuição cojuta p(x, Z ) sobre as variáveis observadas X e as variáveis latetes Z, regida pelos parâmetros, o objetivo é maximizar a fução de probabilidade das observações em relação a, p(x ).. Escolha um cojuto iicial de valores para os parâmetros old.. Passo E: valie p(z X, old ). 3. Passo M: valie ew dado por argmax, ode,, l, 4. Verifique a covergêcia do log da verossimilhaça ou dos valores dos parâmetros. Se o critério de covergêcia ão for satisfeito, faça retore ao passo.
7 lgoritmo EM para mistura de gaussiaas Iicializar as médias, as matrizes de covariâcias e os coeficietes de mistura, e calcular o log da verossimilhaça, l,,. Passo E. Para cada dado, calcular a resposabilidade (prob. a posteriori) de cada compoete por:,, Passo M. tualizar os parâmetros usado as resposabilidades calculadas em E: com Calcular a verossimilhaça e verificar a sua covergêcia ou a dos parâmetros; se o critério de covergêcia ão for satisfeito, voltar ao passo E. 3 Exemplo: um modelo mistura de duas classes uidimesioais 5 43 B B B B 6 49 B dados 5 B B 65 B 66 B B 6 5 B modelo =50, =5, p =0.6 B =65, B =, p B =0.4 4
8 O algoritmo EM versão uivariada O algoritmo iicia com valores arbitrários dos parâmetros do modelo mistura (,, B, B, p ). p B é obtido idiretamete: p + p B =. partir desses parâmetros, calcula-se as probabilidades de cada amostra pertecer a cada uma das distribuições, pela regra de Bayes (expectatio: valor esperado da classe): x x x f ( x;, ) p x ode f(x;, ) é a distribuição ormal para o grupo : f x ( ;, ) x e 5 O algoritmo EM versão uivariada partir das probabilidades, são calculadas ovas estimativas dos parâmetros dos grupos (maximizatio: maximização da probabilidades das distribuições para os dados): x x x x x x x x x x x x x x x x x x p N x i N i prob( ) 6
9 O algoritmo EM versão uivariada O algoritmo iicia com valores arbitrários dos parâmetros do modelo mistura (,, B, B, p ). p B é obtido idiretamete: p + p B =. partir desses parâmetros, calcula-se as probabilidades de cada amostra pertecer a cada uma das distribuições, pela regra de Bayes (expectatio: valor esperado da classe): x x x f ( x;, ) p x ode f(x;, ) é a distribuição ormal para o grupo : f x ( x;, ) e 7 O algoritmo EM versão uivariada partir das probabilidades, são calculadas ovas estimativas dos parâmetros dos grupos (maximizatio: maximização da probabilidades das distribuições para os dados): x x x x x x x x x x x x x x x x x x p N x i N i prob( ) 8
10 lgoritmo EM para mistura de gaussiaas multivariadas Iicialização: Escolha um cojuto iicial de valores para os parâmetros old. Uma alterativa é rodar o algoritmo k-médias para obter as médias iiciais,. Neste caso, as matrizes de covariâcias iiciais,, são calculadas cosiderado as resposabilidades de cada compoete (z k ) como o vecedor leva tudo, ou seja, (z k ) =, quado x pertece ao agrupameto k, e (z k ) = 0, caso cotrário, e calculado: ode é a cardialidade da compoete k: Os coeficietes de mistura são iicializados pela equação: pós a iicialização, repetir sucessivamete os passos E e M, coforme a próxima trasparêcia. 9 lgoritmo EM para mistura de gaussiaas multivariadas Passo E. Para cada dado, calcular a resposabilidade (prob. a posteriori) de cada compoete por:,, Passo M. tualizar os parâmetros usado as resposabilidades calculadas em E: com Calcular a verossimilhaça e verificar a sua covergêcia ou a dos parâmetros; se o critério de covergêcia ão for satisfeito, voltar ao passo E. 0
11 oblema Para os dados do arquivo dist.txt, desejamos gerar modelos de agrupameto com dois grupos, utilizado para tato os algoritmos K-médias e EM. Ecotre os parâmetros dos modelos gerados pelos algoritmos: K-médias: parâmetros e os rótulos de classe. EM: parâmetros, e. e os rótulos de classe pela hipótese MP.
Distribuições Amostrais
Distribuições Amostrais O problema da iferêcia estatística: fazer uma afirmação sobre os parâmetros da população θ (média, variâcia, etc) através da amostra. Usaremos uma AAS de elemetos sorteados dessa
Leia maisMOQ 13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ 13 PROBABILIDADE E ESTATÍSTICA Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semaas 1 2 3 4 5 6 7 8 9 1 11 12 13 14 15 e 16 Itrodução à probabilidade evetos
Leia maisDistribuições de Estatísticas Amostrais e Teorema Central do Limite
Distribuições de Estatísticas Amostrais e Teorema Cetral do Limite Vamos começar com um exemplo: A mega-sea de 996 a N 894 úmeros de a 6: Média: m 588 Desvio padrão: 756 49 amostras de 6 elemetos Frequêcia
Leia maisEstimação da média populacional
Estimação da média populacioal 1 MÉTODO ESTATÍSTICO Aálise Descritiva Teoria das Probabilidades Iferêcia Os dados efetivamete observados parecem mostrar que...? Se a distribuição dos dados seguir uma certa
Leia maisObtemos, então, uma amostra aleatória de tamanho n de X, que representamos por X 1, X 2,..., X n.
Vamos observar elemetos, extraídos ao acaso e com reposição da população; Para cada elemeto selecioado, observamos o valor da variável X de iteresse. Obtemos, etão, uma amostra aleatória de tamaho de X,
Leia maisn ) uma amostra aleatória da variável aleatória X.
- Distribuições amostrais Cosidere uma população de objetos dos quais estamos iteressados em estudar uma determiada característica. Quado dizemos que a população tem distribuição FX ( x ), queremos dizer
Leia maisCap. 4 - Estimação por Intervalo
Cap. 4 - Estimação por Itervalo Amostragem e iferêcia estatística População: cosiste a totalidade das observações em que estamos iteressados. Nº de observações a população é deomiado tamaho=n. Amostra:
Leia maisMestrado Integrado em Engenharia Civil. Disciplina: TRANSPORTES. Sessão Prática 4: Amostragem
Mestrado Itegrado em Egeharia Civil Disciplia: TRNSPORTES Prof. Resposável: José Mauel Viegas Sessão Prática 4: mostragem Istituto Superior Técico / Mestrado Itegrado Egª Civil Trasportes ulas Práticas
Leia maisLista de Exercícios #4 Assunto: Variáveis Aleatórias Contínuas
. ANPEC 8 - Questão Seja x uma variável aleatória com fução desidade de probabilidade dada por: f(x) = x, para x f(x) =, caso cotrário. Podemos afirmar que: () E[x]=; () A mediaa de x é ; () A variâcia
Leia maisMQI 2003 ESTATÍSTICA PARA METROLOGIA - SEMESTRE Teste 2 07/07/2008 Nome: PROBLEMA 1 Sejam X e Y v.a. contínuas com densidade conjunta:
MQI 003 ESTATÍSTICA PARA METROLOGIA - SEMESTRE 008.0 Teste 07/07/008 Nome: PROBLEMA Sejam X e Y v.a. cotíuas com desidade cojuta: f xy cy xy x y (, ) = + 3 ode 0 e 0 a) Ecotre a costate c que faz desta
Leia maisTRANSPORTES. Sessão Prática 4 Amostragem de escalares
Mestrado Itegrado em Egeharia Civil TRNPORTE Prof. Resposável: Luis Picado atos essão Prática 4 mostragem de escalares Istituto uperior Técico / Mestrado Itegrado Egeharia Civil Trasportes ulas Práticas
Leia maisEstimadores de Momentos
Estimadores de Mometos A média populacioal é um caso particular daquilo que chamamos de mometo. Na realidade, ela é o primeiro mometo. Se X for uma v.a. cotíua, com desidade f(x; θ 1,..., θ r ), depededo
Leia maisCONHECIMENTOS ESPECÍFICOS
Acerca dos coceitos de estatística e dos parâmetros estatísticos, julgue os ites seguites. CONHECIMENTOS ESPECÍFICOS CESPE/UB STM 67 A partir do histograma mostrado a figura abaixo, é correto iferir que
Leia maisDistribuições Amostrais
9/3/06 Uiversidade Federal do Pará Istituto de Tecologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Egeharia Mecâica 3/09/06 3:38 ESTATÍSTICA APLICADA I - Teoria
Leia maisObjetivo. Estimar a média µ de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra.
ESTIMAÇÃO PARA A MÉDIAM Objetivo Estimar a média µ de uma variável aleatória X, que represeta uma característica de iteresse de uma população, a partir de uma amostra. Exemplos: µ : peso médio de homes
Leia maisDistribuições Amostrais
7/3/07 Uiversidade Federal do Pará Istituto de Tecologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Egeharia Mecâica 3/07/07 09:3 ESTATÍSTICA APLICADA I - Teoria
Leia mais{ } 3.3 Função Densidade de Probabilidade Condicional e Independência
33 Fução Desidade de Probabilidade Codicioal e Idepedêcia Fução de Desidade de Probabilidade Codicioal (dimesão ) Seja f ( x,,x ) uma desidade cojuta associada a uma variável aleatória de dimesão Sejam
Leia maisCONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA
1 CONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA 1. Coceitos Básicos de Probabilidade Variável aleatória: é um úmero (ou vetor) determiado por uma resposta, isto é, uma fução defiida em potos do espaço
Leia maisA DESIGUALDADE DE CHEBYCHEV
A DESIGUALDADE DE CHEBYCHEV Quado se pretede calcular a probabilidade de poder ocorrer determiado acotecimeto e se cohece a distribuição probabilística que está em causa o problema, ão se colocam dificuldades
Leia maisProbabilidades e Estatística TODOS OS CURSOS
Duração: 9 miutos Grupo I Probabilidades e Estatística TODOS OS CURSOS Justifique coveietemete todas as respostas 1 o semestre 217/218 3/1/218 11:3 1 o Teste C 1 valores 1. A Marta e o João irão passar
Leia maisESTIMAÇÃO DE PARÂMETROS
ESTIMAÇÃO DE PARÂMETROS 1 Estimação de Parâmetros uiverso do estudo (população) dados observados O raciocíio idutivo da estimação de parâmetros Estimação de Parâmetros POPULAÇÃO p =? AMOSTRA Observações:
Leia maisAula 5. Aula de hoje. Aula passada. Limitante da união Método do primeiro momento Lei dos grandes números (fraca e forte) Erro e confiança
Aula 5 Aula passada Valor esperado codicioal Espaço amostral cotíuo, fução desidade Limitates para probabilidade Desigualdades de Markov, Chebyshev, Cheroff with high probability Aula de hoje Limitate
Leia maisAmostras Aleatórias e Distribuições Amostrais. Probabilidade e Estatística: afinal, qual é a diferença?
Amostras Aleatórias e Distribuições Amostrais Probabilidade e Estatística: afial, qual é a difereça? Até agora o que fizemos foi desevolver modelos probabilísticos que se adequavam a situações reais. Por
Leia maisEstimação da média populacional
Estimação da média populacioal 1 MÉTODO ESTATÍSTICO Aálise Descritiva Teoria das Probabilidades Iferêcia Os dados efetivamete observados parecem mostrar que...? Se a distribuição dos dados seguir uma certa
Leia maisProbabilidades e Estatística TODOS OS CURSOS
Probabilidades e Estatística TODOS OS CURSOS Exame Época Especial 2016/2017 24/07/2017 09:00 Duração: 3 horas Justifique coveietemete todas as respostas Grupo I 5 valores 1. Uma compahia de seguros divide
Leia maisTeorema do limite central e es/mação da proporção populacional p
Teorema do limite cetral e es/mação da proporção populacioal p 1 RESULTADO 1: Relembrado resultados importates Seja uma amostra aleatória de tamaho de uma variável aleatória X, com média µ e variâcia σ.temos
Leia mais3. Seja C o conjunto dos números complexos. Defina a soma em C por
Eercícios Espaços vetoriais. Cosidere os vetores = (8 ) e = ( -) em. (a) Ecotre o comprimeto de cada vetor. (b) Seja = +. Determie o comprimeto de. Qual a relação etre seu comprimeto e a soma dos comprimetos
Leia maisAnálise de Regressão Linear Múltipla I
Aálise de Regressão Liear Múltipla I Aula 04 Gujarati e Porter, 0 Capítulos 7 e 0 tradução da 5ª ed. Heij et al., 004 Capítulo 3 Wooldridge, 0 Capítulo 3 tradução da 4ª ed. Itrodução Como pode ser visto
Leia maisAMOSTRAGEM ALEATÓRIA DISTRIBUIÇÕES POR AMOSTRAGEM
6 AMOSTRAGEM ALEATÓRIA DISTRIBUIÇÕES POR AMOSTRAGEM Quado se pretede estudar uma determiada população, aalisam-se certas características ou variáveis dessa população. Essas variáveis poderão ser discretas
Leia mais5. O algoritmo dos mínimos quadrados
Apotametos de Processameto Adaptativo de Siais 5. O algoritmo dos míimos quadrados Método dos míimos quadrados Os algoritmos de míimos quadrados são uma alterativa aos algoritmos de gradiete. Estrutura
Leia mais1 Distribuições Amostrais
1 Distribuições Amostrais Ao retirarmos uma amostra aleatória de uma população e calcularmos a partir desta amostra qualquer quatidade, ecotramos a estatística, ou seja, chamaremos os valores calculados
Leia maisDESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL. todas as repetições). Então, para todo o número positivo ξ, teremos:
48 DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL LEI DOS GRANDES NÚMEROS Pretede-se estudar o seguite problema: À medida que o úmero de repetições de uma experiêcia cresce, a frequêcia relativa
Leia maisCAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES
CAPÍTULO 6 - ESTIMAÇÃO E TESTES DE HIPÓTESES 6. INTRODUÇÃO INFERÊNCIA ESTATÍSTICA Estimação por poto por itervalo Testes de Hipóteses População X θ =? Amostra θ Iferêcia Estatística X, X,..., X 6. ESTIMAÇÃO
Leia maisétodos uméricos MÉTODO DOS MOMENTOS - MOM Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
étodos uméricos MÉTODO DOS MOMETOS - MOM Prof. Erivelto Geraldo epomuceo PROGRAMA DE PÓS-GRADUAÇÃO EM EGEHARIA ELÉTRICA UIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CETRO FEDERAL DE EDUCAÇÃO TECOLÓGICA
Leia maisPROJETO E ANÁLISES DE EXPERIMENTOS (PAE) PROJETO FATORIAL 2 k COMPLETO E REPLICADO. Dr. Sivaldo Leite Correia
PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) PROJETO FATORIAL 2 k COMPLETO E REPLICADO Dr. Sivaldo Leite Correia CONCEITOS, LIMITAÇÕES E APLICAÇÕES Nos tópicos ateriores vimos as estratégias geeralizadas para
Leia maisbinomial seria quase simétrica. Nestas condições será também melhor a aproximação pela distribuição normal.
biomial seria quase simétrica. Nestas codições será também melhor a aproximação pela distribuição ormal. Na prática, quado e p > 7, a distribuição ormal com parâmetros: µ p 99 σ p ( p) costitui uma boa
Leia maisComparação entre duas populações
Comparação etre duas populações AMOSTRAS INDEPENDENTES Comparação etre duas médias 3 Itrodução Em aplicações práticas é comum que o iteresse seja comparar as médias de duas diferetes populações (ambas
Leia maisComo se decidir entre modelos
Como se decidir etre modelos Juliaa M. Berbert Quado uma curva é lei de potecia? O procedimeto amplamete usado para testar movimetação biológica a fim de ecotrar padrões de busca como Voos de Levy tem
Leia maisEstatística: Aplicação ao Sensoriamento Remoto SER ANO Técnicas de Reamostragem
Estatística: Aplicação ao Sesoriameto Remoto SER 202 - ANO 2016 Técicas de Reamostragem Camilo Daleles Reó camilo@dpi.ipe.br http://www.dpi.ipe.br/~camilo/estatistica/ Distribuição Amostral Testes paramétricos
Leia maisAnálise de dados industriais
Aálise de dados idustriais Escola olitécica Departameto de Eeharia Química Roberto Guardai 4 arte 5. ÉCNICAS DE DISCRIMINAÇÃO E DE CLASSIFICAÇÃO DE DADOS Itrodução écicas estatísticas de aálise baseadas
Leia maisb) Fabrico de peças cilíndricas Capítulo 5 - Distribuições conjuntas de probabilidades e complementos X - comprimento da peça Y - diâmetro da peça
Capítulo 5 - Distribuições cojutas de probabilidades e complemetos 5.1 Duas variáveis aleatórias discretas. Distribuições cojutas, margiais e codicioais. Idepedêcia Em relação a uma mesma eperiêcia podem
Leia maisESTIMAÇÃO PARA A MÉDIA
ESTIMAÇÃO PARA A MÉDIA Objetivo Estimar a média de uma variável aleatória, que represeta uma característica de iteresse de uma população, a partir de uma amostra. Vamos observar elemetos, extraídos ao
Leia maisn C) O EMV é igual a i 1
PROVA DE ESTATÍSTICA E PROBABILIDADE SELEÇÃO MESTRADO/UFMG 009 Istruções: a) Cada questão respodida corretamete vale (um) poto. c) Cada questão respodida icorretamete vale - (meos um) poto. b) Cada questão
Leia maisESTIMAÇÃO DE PARÂMETROS
ESTIMAÇÃO DE PARÂMETROS 1 Estimação de Parâmetros uiverso do estudo (população) dados observados O raciocíio idutivo da estimação de parâmetros Estimação de Parâmetros População p Amostra X S pˆ (parâmetros:
Leia mais1.4 Determinantes. determinante é igual ao produto dos elementos da diagonal principal menos o produto dos elementos da diagonal secundária.
1.4 Determiates A teoria dos determiates surgiu quase simultaeamete a Alemaha e o Japão. Ela foi desevolvida por dois matemáticos, Gottfried Wilhelm Leibiz (1642-1716) e Seki Shisuke Kowa (1642-1708),
Leia maisLista de Exercícios #6 Assunto: Propriedade dos Estimadores e Métodos de Estimação
Assuto: Propriedade dos Estimadores e Métodos de Estimação. ANPEC 08 - Questão 6 Por regulametação, a cocetração de um produto químico ão pode ultrapassar 0 ppm. Uma fábrica utiliza esse produto e sabe
Leia maisESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p
ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p Objetivo Estimar uma proporção p (descohecida) de elemetos em uma população, apresetado certa característica de iteresse, a partir da iformação forecida por uma amostra.
Leia maisProbabilidades e Estatística LEGM, LEIC-A, LEIC-T, MA, MEMec
Duração: 90 miutos Grupo I Probabilidades e Estatística LEGM, LEIC-A, LEIC-T, MA, MEMec Justifique coveietemete todas as respostas 2 o semestre 208/209 04/05/209 9:00 o Teste A 0 valores. As amostras de
Leia maisCONHECIMENTOS ESPECÍFICOS
CESPE/UB FUB/0 fa 5 4 CONHECIMENTOS ESPECÍFICOS 60 As distribuições B e C possuem os mesmos valores para os quartis Q e Q, e o quartil superior em B correspode ao quartil cetral (Q ) da distribuição A.
Leia maisO teste de McNemar. A tabela 2x2. Depois - Antes
Prof. Lorí Viali, Dr. http://www.pucrs.br/famat/viali/ viali@pucrs.br O teste de McNemar O teste de McNemar para a sigificâcia de mudaças é particularmete aplicável aos experimetos do tipo "ates e depois"
Leia maisNosso objetivo agora é estudar a média de uma variável quantitativa X. Denotamos a média desconhecida como E(X)=µ
TESTE DE HIPÓTESES PARA A MÉDIA POPULACIONAL µ Nosso objetivo agora é estudar a média de uma variável quatitativa X. Deotamos a média descohecida como E(X)µ Mais precisamete, estimamos a média µ, costruímos
Leia maisProbabilidades e Estatística / Introd. às Probabilidades e Estatística TODOS OS CURSOS
Probabilidades e Estatística / Itrod. às Probabilidades e Estatística TODOS OS CURSOS Exame Época Especial 7/8 3/7/7 9: Duração: 3 horas Justifique coveietemete todas as respostas Grupo I 5 valores. Uma
Leia maisTeste de Estatística 29 Outubro 2012 Correcção
Teste de Estatística 9 Outubro 0 Correcção Grupo I ( valores) ATENÇÃO Etre todas as versões, existem 7 pergutas este grupo, mas apeas aparecem em cada versão do teste. Além disso, as hipóteses de resposta
Leia maisPedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 2004
Estatística para Cursos de Egeharia e Iformática Pedro Alberto Barbetta / Marcelo Meezes Reis / Atoio Cezar Boria São Paulo: Atlas, 004 Cap. 7 - DistribuiçõesAmostrais e Estimaçãode deparâmetros APOIO:
Leia maisRedes Neurais. Redes de uma única camada O Perceptron elementar. Prof. Paulo Martins Engel. Classificação de padrões por um perceptron
Redes Neurais Redes de uma úica camada O Perceptro elemetar Classificação de padrões por um perceptro A tarefa de classificação cosiste em apreder a atribuir rótulos a dados que podem pertecer a uma etre
Leia maisRepresentação em espaço de estado de sistemas de enésima ordem. Função de perturbação não envolve termos derivativos.
VARIÁVEIS DE ESTADO Defiições MODELAGEM E DINÂMICA DE PROCESSOS Profa. Ofélia de Queiroz Ferades Araújo Estado: O estado de um sistema diâmico é o cojuto míimo de variáveis (chamadas variáveis de estado)
Leia maisAULA Subespaço, Base e Dimensão Subespaço.
Note bem: a leitura destes apotametos ão dispesa de modo algum a leitura ateta da bibliografia pricipal da cadeira TÓPICOS Subespaço. ALA Chama-se a ateção para a importâcia do trabalho pessoal a realizar
Leia maisProbabilidades e Estatística LEIC-A, LEIC-T, LEGM, MA, MEMec
Duração: 90 miutos Grupo I Probabilidades e Estatística LEIC-A, LEIC-T, LEGM, MA, MEMec Justifique coveietemete todas as respostas! 2 o semestre 2015/2016 30/04/2016 9:00 1 o Teste A 10 valores 1. Uma
Leia maisEstimar uma proporção p (desconhecida) de elementos em uma população, apresentando certa característica de interesse, a partir da informação
ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p 1 Objetivo Estimar uma proporção p (descohecida) de elemetos em uma população, apresetado certa característica de iteresse, a partir da iformação forecida por uma
Leia maisMAE Introdução à Probabilidade e Estatística II Resolução Lista 2
MAE 9 - Itrodução à Probabilidade e Estatística II Resolução Lista Professor: Pedro Moretti Exercício 1 Deotado por Y a variável aleatória que represeta o comprimeto dos cilidros de aço, temos que Y N3,
Leia mais5. ANÁLISE DE SISTEMAS DA CONFIABILIADE DE SISTEMAS SÉRIE-PARALELO
5. ANÁLISE DE SISTEMAS DA CONFIABILIADE DE SISTEMAS SÉRIE-PARALELO 5.1 INTRODUÇÃO Um sistema é defiido como todo o cojuto de compoetes itercoectados, previamete determiados, de forma a realizar um cojuto
Leia maisIntervalos de Confiança
Itervalos de Cofiaça Prof. Adriao Medoça Souza, Dr. Departameto de Estatística - PPGEMQ / PPGEP - UFSM - 0/9/008 Estimação de Parâmetros O objetivo da Estatística é a realização de iferêcias acerca de
Leia maisEstacionariedade e correlação temporal em dados financeiros
Estacioariedade e correlação temporal em dados fiaceiros Hoje em dia há uma quatidade imesa de dados fiaceiros sedo armazeados, egócio a egócio, pelo mudo afora. Gratuitamete, é possível coseguir facilmete
Leia maisCritérios de correção e orientações de resposta p-fólio
Miistério da Ciêcia, Tecologia e Esio Superior U.C. 037 Elemetos de Probabilidade e Estatística de Juho de 0 Critérios de correção e orietações de resposta p-fólio Neste relatório apresetam-se os critérios
Leia mais5. Métodos de Estimação de Densidade
86 5. Métodos de Estimação de Desidade As previsões probabilísticas para geração de eergia eólica são um desevolvimeto relativamete recete. Este tipo de previsão possui dois tipos pricipais de abordages:
Leia maisProbabilidades e Estatística TODOS OS CURSOS
Duração: 90 miutos Grupo I Probabilidades e Estatística TODOS OS CURSOS Justifique coveietemete todas as respostas 1 o semestre 2018/2019 30/01/2019 15:00 2 o Teste C 10 valores 1. Seja X X 1, X 2,...,
Leia maisInterpolação. Interpolação Polinomial
Iterpolação Iterpolação Poliomial Objetivo Iterpolar uma fução f(x) cosiste em aproximar essa fução por uma outra fução g(x), escolhida etre uma classe de fuções defiidas (aqui, usaremos poliômios). g(x)
Leia maisESTATÍSTICA NÃO-PARAMÉTRICA
ESTATÍSTICA NÃO-PARAMÉTRICA Prof. Dr. Edmilso Rodrigues Pito Faculdade de Matemática - UFU edmilso@famat.ufu.br 1 Programa Itrodução - Plao de curso, sistema de avaliação - Coceitos básicos de iferêcia
Leia maisKRIGAGEM UNIVERSAL (Metodologia geoestatística para dados não estacionários)
KRIGAGEM UNIVERSAL (Metodologia geoestatística para dados ão estacioários) Para a obteção de um variograma é suposto que a variável regioalizada teha um comportameto fracamete estacioário, ode os valores
Leia maisProbabilidades e Estatística LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmbi, MEBiol, MEBiom, MEEC, MEFT, MEMat, MEQ
Duração: 90 miutos Grupo I Probabilidades e Estatística LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmbi, MEBiol, MEBiom, MEEC, MEFT, MEMat, MEQ Justifique coveietemete todas as respostas 2 o semestre 2017/2018
Leia maisAplicações lineares. Capítulo Seja T: a) Quais dos seguintes vectores estão em Im( T )? 1 i) 4. 3 iii) ii)
Capítulo Aplicações lieares Seja T: R R a multiplicação por 8 a) Quais dos seguites vectores estão em Im( T )? i) ii) 5 iii) b) Quais dos seguites vectores estão em Ker( T)? i) ii) iii) c) Qual a dimesão
Leia maisDisciplina: TRANSPORTES. Sessão Prática 4 (Tipo A): Amostragem
Mestrado Itegrado em Egeharia Civil Disciplia: TRANSPORTES Prof. Resposável: José Mauel Viegas Sessão Prática 4 (Tipo A): Amostragem 008 / 009 Istituto Superior Técico / Mestrado Itegrado Egª Civil Trasportes
Leia maisProva Escrita de MATEMÁTICA A - 12o Ano a Fase
Prova Escrita de MATEMÁTICA A - 1o Ao 00 - a Fase Proposta de resolução GRUPO I 1. Como a probabilidade do João acertar em cada tetativa é 0,, a probabilidade do João acertar as tetativas é 0, 0, 0, 0,
Leia maisObjetivo. Estimar a média de uma variável aleatória X, que representa uma característica de interesse de uma população, a partir de uma amostra.
Objetivo Estimar a média de uma variável aleatória X, que represeta uma característica de iteresse de uma população, a partir de uma amostra. Exemplos: : peso médio de homes a faixa etária de 20 a 30 aos,
Leia maisP.M.S. Oliveira, C.S. Munita
Estudo comparativo de métodos de ormalização em resultados experimetais. P.M.S. Oliveira, C.S. Muita Istituto de Pesquisas Eergéticas e Nucleares - IPEN-CNEN/SP, Av. Prof. Lieu Prestes 4. CEP 05508-000,
Leia maisAnálise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos
Aálise de Algoritmos Aálise de Algoritmos Prof Dr José Augusto Baraauskas DFM-FFCLRP-USP A Aálise de Algoritmos é um campo da Ciêcia da Computação que tem como objetivo o etedimeto da complexidade dos
Leia mais3ª Lista de Exercícios de Programação I
3ª Lista de Exercícios de Programação I Istrução As questões devem ser implemetadas em C. 1. Desevolva um programa que leia dois valores a e b ( a b ) e mostre os seguites resultados: (1) a. Todos os úmeros
Leia maisExercício de Revisao 1
Exercício de Revisao 1 Cosidere que seu trabalho é comparar o desempeho de dois algoritmos (A e B) de computação gráfica, que usam métodos diferetes para geração de faces humaas realistas. São sistema
Leia mais5 Teoria dos Valores Extremos
Teoria dos Valores Extremos 57 5 Teoria dos Valores Extremos A Teoria dos Valores Extremos vem sedo bastate utilizada em campos ligados a evetos raros. Sua estatística é aplicada a estimação de evetos
Leia maisDEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA E PROBABILIDADE SELEÇÃO - MESTRADO/ UFMG /2016
DEPARTAMENTO DE ESTATÍSTICA - UFMG PROVA DE ESTATÍSTICA E PROBABILIDADE SELEÇÃO - MESTRADO/ UFMG - 205/206 Istruções:. Cada questão respodida corretamete vale (um poto. 2. Cada questão respodida icorretamete
Leia mais2.2. Séries de potências
Capítulo 2 Séries de Potêcias 2.. Itrodução Série de potêcias é uma série ifiita de termos variáveis. Assim, a teoria desevolvida para séries ifiitas de termos costates pode ser estedida para a aálise
Leia mais4 Teoria da Probabilidade
48 4 Teoria da Probabilidade Apresetam-se este capítulo coceitos de probabilidade e de estimação de fuções desidade de probabilidade ecessários ao desevolvimeto e compreesão do modelo proposto (capítulo
Leia mais1ª LISTA DE EXERCÍCIOS DE PROC. ESTOCÁSTICOS APLICADOS (CE 222) Prof. Benito Olivares 1 o Sem./ 2017
UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS EXATAS DEPTO. DE ESTATÍSTICA ª LISTA DE EXERCÍCIOS DE PROC. ESTOCÁSTICOS APLICADOS (CE ) Prof. Beito Olivares o Sem./ 7. Classifique e costrua uma trajetória
Leia maisProbabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ
Duração: 90 miutos Grupo I Probabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ Justifique coveietemete todas as respostas 1 o semestre 2017/2018 11/01/2018
Leia mais1- Resolução de Sistemas Lineares.
MÉTODOS NUMÉRICOS PR EQUÇÕES DIFERENCIIS PRCIIS 1- Resolução de Sistemas Lieares. 1.1- Matrizes e Vetores. 1.2- Resolução de Sistemas Lieares de Equações lgébricas por Métodos Exatos (Diretos). 1.3- Resolução
Leia maisSéries e Equações Diferenciais Lista 02 Séries Numéricas
Séries e Equações Difereciais Lista 02 Séries Numéricas Professor: Daiel Herique Silva Defiições Iiciais ) Defia com suas palavras o coceito de série umérica, e explicite difereças etre sequêcia e série.
Leia maisProbabilidades e Estatística
Departameto de Matemática Probabilidades e Estatística Primeiro exame/segudo teste 2 o semestre 29/21 Duração: 18/9 miutos Grupo I Justifique coveietemete todas as respostas. 17/6/21 9: horas 1. Com base
Leia maisA finalidade de uma equação de regressão seria estimar valores de uma variável, com base em valores conhecidos da outra.
Jaete Pereira Amador Itrodução A aálise de regressão tem por objetivo descrever através de um modelo matemático, a relação existete etre duas variáveis, a partir de observações dessas viráveis. A aálise
Leia maisExame Final Nacional de Matemática Aplicada às Ciências Sociais a Fase
Exame Fial Nacioal de Matemática Aplicada às Ciêcias Sociais 04 -. a Fase Proposta de resolução... Aplicado o método de Hodt a distribuição dos madatos, temos: Partido A B C D E Número de votos 4 4 Divisão
Leia maisProbabilidades e Estatística
Departameto de Matemática robabilidades e Estatística LEGM, LEIC-A, LEIC-T, LEMat, MEBiom, MEFT, MEQ 2 o semestre 2011/2012 2 o Teste A 08/06/2012 9:00 Duração: 1 hora e 30 miutos Justifique coveietemete
Leia maisDISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia
ROTEIRO DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL 1. Itrodução. Teorema Cetral do Limite 3. Coceitos de estimação potual 4. Métodos de estimação potual 5. Referêcias Estatística Aplicada à Egeharia 1 Estatística
Leia maisIntervalos Estatísticos para uma única Amostra - parte II
Itervalos Estatísticos para uma úica Amostra - parte II Itervalo de cofiaça para proporção 2012/02 1 Itrodução 2 3 Objetivos Ao fial deste capítulo você deve ser capaz de: Costruir itervalos de cofiaça
Leia maisProbabilidades e Estatística
Duração: 90 miutos Probabilidades e Estatística LEIC-A, LEIC-T, LEGM, MA, MEMec Justifique coveietemete todas as respostas! o semestre 015/016 09/06/016 11:00 o teste B Grupo I 10 valores 1. Seja (X 1,
Leia maisMétodos Numéricos e Estatísticos Parte II-Métodos Estatísticos Estimação pontual e intervalar
potual por itervalos Métodos Numéricos e Estatísticos Parte II-Métodos Estatísticos potual e itervalar Lic. Eg. Biomédica e Bioegeharia-2009/2010 potual por itervalos A Teoria das Probabilidades cosiste
Leia maisIntrodução a Complexidade de Algoritmos
Itrodução a Complexidade de Algoritmos Estruturas de Dados Prof. Vilso Heck Juior Apresetação Revisão - O Algoritmo; A Complexidade; Exercício. Complexidade de Algoritmos REVISÃO - O ALGORITMO O Algoritmo
Leia maisAlgoritmos de Iluminação Global
Sistemas Gráficos/ Computação Gráfica e Iterfaces Objectivo: calcular a cor de cada poto a partir da ilumiação directa de uma fote de luz, mais a soma de todas as reflexões das superfícies próximas. Nos
Leia maisMAE 116 Estimação para a média FEA - 2º Semestre de 2018
MAE 116 Estimação para a média FEA - 2º Semestre de 2018 1 Objetivo da aula O objetivo é estimar a média de uma população (ou de uma variável aleatória) Vamos iicialmete estudar de forma empírica a distribuição
Leia maisVariáveis Aleatórias e Distribuições de Probabilidade
PROBABILIDADES Variáveis Aleatórias e Distribuições de Probabilidade BERTOLO Fução de Probabilidades Vamos cosiderar um experimeto E que cosiste o laçameto de um dado hoesto. Seja a variável aleatória
Leia maisUniversidade Federal de Mato Grosso Probabilidade e Estatística - Curso: Engenharia Civil Introdução à Inferência Estatística - Prof a Eveliny
1 Itrodução Uiversidade Federal de Mato Grosso Probabilidade e Estatística - Curso: Egeharia Civil Itrodução à Iferêcia Estatística - Prof a Eveliy Vimos o iício do curso como resumir descritivamete variáveis
Leia maisProbabilidades e Estatística LEIC-A, LEIC-T, LEGM, MA, MEMec
Duração: 90 miutos Probabilidades e Estatística LEIC-A, LEIC-T, LEGM, MA, MEMec Justifique coveietemete todas as respostas! 2 o semestre 2015/2016 09/06/2016 11:00 2 o teste B Grupo I 10 valores 1. Seja
Leia mais