Estudo e Aplicação de Redes Neuronais na Implementação de Memórias Associativas

Tamanho: px
Começar a partir da página:

Download "Estudo e Aplicação de Redes Neuronais na Implementação de Memórias Associativas"

Transcrição

1 Estudo e Alcação de Redes Neuroas a Imlemetação de Memóras Assocatas Eo R. Mars Deartameto de Iformátca e Cêca da Comutação Isttuto de Matemátca e Estatístca Uersdade do Estado do Ro de Jaero, Brasl eoromao@oelk.com.br Adré S. Lagker Deartameto de Iformátca e Cêca da Comutação Isttuto de Matemátca e Estatístca Uersdade do Estado do Ro de Jaero, Brasl alagker@lucet.com Abstract Este texto descree o modelo de Hofeld e lustra o seu fucoameto atraés de algumas alcações smles, ue facltam o etedmeto do modelo. O efoue das alcações é lustrar o uso da rede de Hofeld como memóra assocata, ue é um roblema clássco de redes euroas. Além dsso, o texto trata do asecto dstrbuído do rocessameto as redes de Hofeld. Rosel S. Wedema Deartameto de Iformátca e Cêca da Comutação Isttuto de Matemátca e Estatístca Uersdade do Estado do Ro de Jaero, Brasl rosel@me.uer.br Iês de Castro Dutra rograma de Egehara de Sstemas e Comutação COE/UFRJ, Brasl ês@cos.ufr.br, se y ; ode ste(y)= e w é o eso 1, se y sátco da lgação ue arte do eurôo (ó) ara o eurôo, e é uma etrada extera ara e é o otecal lmte de, como lustrado a Fgura 1. y = 1 1. Itrodução 1.1 Descrção da rede bára de Hofeld 1 x w e 1 Exstem dos modelos de redes euroas deseoldos or Hofeld: o aalógco e o báro. Au trataremos aeas o modelo báro de Hofeld ue, como eremos mas adate, é utlzado como um modelo de memóra assocata. O modelo cosste de uma rede autômata reresetada or um grafo G do to arcalmete cocorrete (C) com ós, lgados or E coexões. A cada ó assoca-se um estado ue deede dos estados dos outros ós coectados a ele. O estado de um ó de uma rede euroal o modelo báro de Hofeld está restrto ao couto {,1} e é dado ela exressão: := ste ( w e ) (1) 1 1 As sessões 1, 2, 3 e 4 foram baseadas em [BA93] Fgura 1. O estado de eurôo em uma rede bára de Hofeld é 1 se a etrada ara o eurôo for estrtamete maor ue, e é zero ara etradas meores ue. 2. Smulação das redes de Hofeld O comortameto coleto dos eurôos tercoectados etre s é em geral dfícl de ser aalsado. No etato, uma fução eerga ode ser defda ue edeca roredades muto teressates do comortameto dâmco da rede. A fução a segur defe a eerga em uma rede euroal bára de Hofeld: E 1 1 w 1 e 1. (2) A artr da fução eerga, odemos aalsar uma roredade mortate da rede euroal bára de

2 Hofeld ue é dada elo teorema a segur, cua roa se ecotra em [BA93]. Teorema 1 Suoha ue w = w ara todo, N, e sea N tal ue, se,, etão w =. Se E 1 e E 2 são, resectamete, os alores de E medatamete ates e deos ue os eurôos são atualzados cocorretemete como em (1), etão E 2 E 1. Ou sea, se dos eurôos tercoectados or um eso sátco dferete de zero ão atualzam seus estados cocorretemete, a eerga da rede dmu coforme os estados dos eurôos são atualzados Algortmo Seüecal O comortameto dâmco das redes euroas báras de Hofeld ão deede de um arâmetro de temo ertecete ao couto dos úmeros reas, dedo à fução degrau (E. 1 e Fg. 1), ue descree a atualzação dos estados dos eurôos. Seu comortameto deede etão essecalmete da cocorrêca da atualzação dos estados dos eurôos coforme eucado o Teorema 1 da seção ateror, ue defe uma codção sufcete ara ue a atualzação dos eurôos lee a uma sucessão ão crescete de alores da fução de eerga. Outro asecto ue determa o comortameto das redes báras de Hofeld é a freüêca relata com a ual os eurôos têm seus estados atualzados. Só é ossíel garatr ue mímos locas da fução eerga (2) serão atgdos se a cada eurôo é dada a oortudade de atualzar seu estado com alguma freüêca (er [BA93] ág. 122). Estes dos asectos do comortameto de redes báras de Hofeld, a cocorrêca relata e a freüêca com a ual os estados dos eurôos são atualzados, caracterzam estas redes como redes autômatas do to C. Esta rede é obtda escolhedo como arestas de G os ares, N tas ue w, de forma ue em G o couto K mecoado o Teorema 1 forma um couto deedete. A fução de atualzação f este caso é tal ue x (s) é dado elo alor cal de ara s =, e ara s > elo alor de obtdo aós o ulso mas recete o ual estaa o couto deedete. Esta rede autômata ode ser smulada or um algortmo seüecal ue em cada teração ercorre todos os eurôos em uma ordem ré-fxada e atualza seus estados de acordo com (1). Este algortmo smles (Fgura 2) é executado até ue os estados atualzados de todos os eurôos seam guas aos seus estados aterores, aós uma teração de atualzação comleta (.e. os estados ão mudam mas). for := 1 to do := ; reeat for := 1 to do beg ed : ; := ste ( 1 w utl for all N. e Fgura 2. Algortmo Seüecal. O algortmo seüecal (Fg. 2) ue smula a rede euroal aresetada a seção ateror é relatamete smles. Nele são utlzados três etores ue reresetarão os estados: cal, ateror e atual, dos eurôos. Estes etores são, resectamete,, - e. No rmero asso a rede será calzada, sto é, os estados dos eurôos terão seus alores cas guas à, osterormete, cada eurôo terá seu estado atualzado de acordo com a fução de atualzação da rede, até ue a rede se tore estáel, sto é, até ue cada eurôo teha seu estado atual costate ( ). ) 3. Uso da rede como uma memóra assocata Uma memóra assocata, também chamada de memóra edereçáel elo coteúdo, é um dsosto ue ermte armazear tes ue deos odem ser recuerados baseado-se aeas em formação comleta sobre o róro tem a ser recuerado. Memóras assocatas ossuem umerosas alcações e estas alcações os tes a serem armazeados são tcamete artcoados em camos, cada um com uma semâtca esecal. Um ou mas destes camos são as chaes ara o tem, e são aresetados ara a memóra uado o tem recsa ser recuerado. A recueração do tem dsoblza os outros camos ara uso.

3 A rede euroal de Hofeld ode ser usada como um modelo de memóra assocata. A déa básca é smles: como a eolução da rede lea a estados estáes, cada tem a ser armazeado ode ser assocado à um destes estados. Quado calzada em um estado róxmo ao estado ue rereseta o tem deseado, a rede eolu ara este estado estáel e o tem ode ser recuerado totalmete. Cofgurar a rede bára de Hofeld ara fucoar como uma memóra assocata eole elo meos três otos mortates: estabelecer uma medda de dstâca etre os estados; uma técca ara a determação dos arâmetros da rede (essecalmete os esos das sases); e a determação do úmero de tes ue oderão ser armazeados a rede (em fução do úmero de eurôos). 4. A Regra de aredzado de Hebb a calzação dos esos das coexões e roredades Em redes euroas, regras de aredzado cosstem os meos ara se cofgurar os esos das coexões etre os eurôos. A regra utlzada ara o armazeameto de um adrão de etrada o modelo báro de Hofeld é dada or: w 1, se (3), se ode é um adrão de etrada ara a rede. ara o armazeameto de adrões de etrada, ode-se utlzar a regra de Hebb dada a segur: 1, se ; w (4) 1, se ara todo, ertecete N. A exressão (4) acma descrta é cohecda como a regra de Hebb ara o aredzado. A cofguração dos esos sátcos ode ser sta como o rocesso atraés do ual a rede arede uas adrões serão armazeados. ara um adrão ara algum tal ue 1, a etrada ara é, ela exressão ateror: w = 1 1, (5) ara todo N. Agora cosdere o somatóro dulo a exressão ateror, freüetemete chamado de termo de crosstalk. Se este somatóro é meor ue ( - 1) / ara todo N, etão a etrada ara cada tem o sal de, de forma ue é estáel, á ue a codção de establdade de é dada or (er E. 1, ode os estados assumem os alores 1 e 1 e a fução ste fo substtuída ela fução sg): sg w, (6) 1 ara todo N com os w calculados coforme (4). Se o termo de crosstalk é maor ou gual a ( 1) / ara algum adrão em algum eurôo, etão é stáel. Certamete, esera-se um úmero maor de adrões stáes a medda ue aumeta, sto é, a medda ue tetamos armazear mas adrões a rede. Uma uestão fudametal é a determação da caacdade da rede, sto é, o úmero máxmo de adrões ue a rede ode armazear. Dto deste modo, o coceto de caacdade da rede é obamete mrecso, á ue ele deede tmamete da recsão deseada o rocesso de recueração dos adrões. Váras aálses têm sdo fetas a lteratura ara se determar a caacdade de uma rede bára de Hofeld. ara aálses fetas utlzado adrões aleatoramete gerados, com cada eurôo tedo gual robabldade de assumr o estado -1 ou 1, resummos as segutes coclusões. Se erros em uma euea fração de eurôos são tolerados, a caacdade da rede é roorcoal a, mas ão maor do ue,138 (este caso, uma fração de,36% de eurôos com estados errados uado a rede establza será tolerada). Se, or outro lado, é ecessáro ue todos os eurôos seam erfetamete recuerados, etão a caacdade da rede é roorcoal a / log() [HE91]. Quado uma rede bára de Hofeld é emregada como uma memóra assocata, o grafo G ue dá a estrutura da rede autômata do to C corresodete deede tmamete dos adrões a serem armazeados. Suoha, or exemlo, ue calculamos os esos sátcos a artr da euação 4. Se os adrões são gerados aleatoramete, como dscutmos aterormete, etão a robabldade de ue um eso sátco sea zero, se é ar (ehum eso sátco ode ser zero se é ímar), é de [BA93]: 1, se é ar / 2 2, se é mar. (7) ara = 138, ue é o maor úmero de adrões ue odem ser armazeados em uma rede com 1 eurôos, de acordo com um dos crtéros stos aterormete, temos uma robabldade aroxmada de

4 ,7 (7%) de um eso sátco ser gual a zero. Coforme aumetamos o úmero de adrões armazeados esta robabldade tede a dmur ada mas, torado G um grafo muto deso, fazedo assm com ue a smulação aralela e dstrbuída da rede autômata do to C teha muto ouca cocorrêca. Os esos sátcos gerados or alcações reas, or outro lado, odem se comortar de modo dferete, e odem etão ermtr uma cocorrêca razoáel durate a smulação aralela e dstrbuída. 5. Imlemetações ara lustrar o fucoameto da rede de Hofeld foram deseoldos três rogramas. O rmero rograma fo mlemetado ara a erfcação da caacdade da rede de memorzar adrões de estados de eurôos. O segudo e o tercero rogramas são adatações do rmero de modo a torar os exemlos mas suas. No segudo rograma, ue é uma mlemetação smles de uma memóra assocata, cada gruo de ses eurôos reresetam um caracter e, deste modo, a rede ode armazear e recuerar alaras ou frases. O tercero rograma trabalha com mages formadas or caracteres ue são maeados ara estados de eurôos, fazedo com ue a rede armazee e recuere (recostrua) estas mages Descrção das Alcações O rmero rograma é utlzado ara erfcação de dados estatístcos da rede. Ele ermte crar uma rede euroal com um úmero aráel de eurôos. É ossíel aresetar adrões ara ue a rede os armazee; estes adrões odem ser gerados tato maualmete (formados elo usuáro) ou elo róro rograma (geração aleatóra automátca). Uma ez cofgurados os esos das coexões (fase de aredzado), é ossíel aresetar a esta rede adrões a serem recuerados or ela. Estes adrões cotém algus estados corretos em relação a um dos adrões armazeados a rede, de forma ue euato os estados dos eurôos são atualzados ela rede, os estados corretos ão sedo corrgdos até ue um adrão muto róxmo ou gual a um dos armazeados é retorado, ou sea, a rede coerge ara um estado armazeado. Os dados estatístcos do rograma mostram uatos testes foram realzados, o úmero de acertos da rede e a taxa de acertos (orcetagem de adrões testados ue foram corretamete recuerados). Relatamos estes resultados a sessão 6. O segudo rograma, de forma bastate aroxmada, sa a fucoar como um corretor ortográfco. A déa é a mesma: cosste em aresetar frases a serem armazeadas ela rede e frases de teste a serem corrgdas ela rede. Assm, é ossíel armazear a alara roeto e uado a alara roet é aresetada como teste, a rede coerge ara um estado fal estáel e roeto é dado como resosta. O tercero rograma, mas uma ez, areseta a mesma roosta, mas utlzado um asecto mas sual: ele armazea mages smles. Assm, coforme mostrado a Fgura 3, se a magem 1 é armazeada a fase de treameto da rede. Quado a magem 2 é aresetada osterormete, a rede retora a magem 3. Desta forma, a rede ode ser utlzada como corretora de mages. * * Imagem 1 (etrada) * Imagem 2 (teste) * * Imagem 3 (saída) Fgura 3. Teste de fucoameto do tercero rograma. É dado como etrada a Imagem 1,.como teste a Imagem 2, tedo como resostea a Imagem Resultados Em rmero lugar, fo testada a caacdade de armazeameto da rede usado a mlemetação descrta em 5.1. Os testes foram fetos ara redes com 1, 2,... 1 eurôos. ara cada uma destas redes foram armazeados um úmero de adrões tal, 138 coforme descrto a sessão 4 ue [HE91]. Utlzado o rmero rograma descrto a sessão 5.1, erfcamos ue uado os róros adrões armazeados são forecdos à rede, sua caacdade obedece à regra de roorcoaldade mecoada este texto coforme mostra o gráfco da Fgura 4, cua reta ue rereseta os resultados das exerêcas tem um coefcete aroxmadamete gual a,138. Ou sea, a rede semre coerge ara um adrão correto uado aresetada um dos adrões armazeados. Nº de adrões armazeados Caacdade da rede de Hofeld Nº de eurôos da rede Fgura 4. Gráfco da caacdade da rede euroal de Hofeld. ara adrões de teste dferetes dos adrões armazeados, erfcou-se ue em semre a rede coerge ara um adrão armazeado. Na erdade,

5 mos ue a rede erra ara um úmero cosderáel de adrões de teste, rcalmete uado temos uma rede com um grade úmero de eurôos. Em relação a este fato, deemos ter em mete duas cosderações mortates. Em rmero lugar deemos lembrar ue uma rede euroal artfcal é um sstema baseado o aredzado assm como as redes euroas bológcas, ortato, ão se ode eserar ue estas redes foreçam semre resultados corretos. A recsão dos resultados eserados estará dretamete lgada à regra de aredzado e ao modelo adotado. Desse modo, modelos de redes dferetes com dferetes regras de aredzado forecerão resultados róxmos, orém ão guas. A outra cosderação adém de outras exerêcas realzadas com a rede. À medda ue a rede armazea oos adrões, estes tedem a atraalhar outros adrões ue á estão armazeados,.e., a rede tede a esuecer adrões á armazeados a medda ue ela arede oos adrões. Etretato, se forçarmos ue a rede areda oamete um adrão ue ela esueceu, erceberemos ue as chaces de ela retorar este adrão aumeta. Trata-se, ortato, de mas uma característca semelhate ao cérebro humao. or exemlo, uado temos ue estudar ara algum exame, temos ue ler a matéra duas, três ou mas ezes ara ue ossamos memorzá-la. 7. Coclusões e Trabalhos Futuros Neste trabalho, tetamos mostrar o fucoameto de uma memóra assocata baseada o modelo báro de Hofeld. Vmos ue o ael da rede euroal de Hofeld é fazer eolur o temo os estados dos eurôos até ue um alor mímo da fução de eerga assocada aos estados da rede sea atgdo. Atraés desta roredade, a rede ode ser adatada ara a solução de algus roblemas comutacoas, além da ossbldade de se modelar de forma exageradamete aroxmada o fucoameto da memóra humaa. Quato ao camo da modelagem cerebral, ercebemos ue a rede euroal bára de Hofeld tem algumas característcas semelhates à memóra humaa. A memóra humaa ode ser também cosderada uma memóra edereçada elo coteúdo, á ue, or exemlo, mutas ezes odemos lembrar de acotecmetos teros tedo aeas uma euea arte dos fatos. Além dsso, erfcamos outras característcas mortates da rede de Hofeld ue é a tolerâca a falhas e o rocesso de memorzação. Vmos ue a Regra de Hebb, aesar de sua smlcdade, se mostrou efcete ara adrões de testes ão aleatóros. Vale lembrar ue exstem outros algortmos de aredzado até mesmo mas recsos ue o descrto este trabalho, or exemlo os algortmos geétcos. Como desdobrameto deste trabalho odemos ctar a mlemetação do algortmo de escaloameto de eurôos a serem atualzados ara a smulação aralela e dstrbuída da Rede Neuroal Bára de Hofeld e a esusa e mlemetação de oos algortmos de aredzado. Referêcas Bblográfcas [BA93] Barbosa, V. C., Massely arallel Models of Comutato, Ells Horwood Lmted, West Sussex, Iglaterra, [HE91] Hertz, J., A. Krogh e R. G. almer, Itroducto to the Theory of Neural Comutato, Addso-Wesley ublshg Comay, [HO82] Hofeld, J. J., Neural Networks ad hyscal Systems wth Emerget Collecte Comutatoal Abltes, I roceedgs of the Natoal Academy of Sceces, USA 79, [JA96] Ja, A. K. e J. Mao, Artfcal Neural Networks: A tutoral, Comuter, Vol. 29, Nº 3, Mar 1996, [MC43] McCulloch, W. S. e W. tts, A Logcal Calculus of Ideas Immaet Nerous Actty, Bull. Mathematcal Bohyscs. Vol [A96] al, S. K. e. K. Srma, Neurocomutg. Motato, models, ad hybrdzato, Comuter, Vol. 29, Nº 3, Mar 1993, [RU86] Rumelhart, D. E. e J. L. McClelad, aralel Dstrbuted rocessg: Exlorato the Mcrostructure of Cogto, MIT, ress, Cambrdge, Mass., [SE96] Serbedza, N. B., Smulatg Artfcal Neural Networks o arallel Achtectures, Comuter, Vol. 29, Nº 3, Mar 1993, [SH93] Shag, Y. e B. W. Wah, Global Otmzato for Neural Network Trag, Comuter, Vol. 29, Nº 3, Mar 1993, [RO] Romao, E. e A. Lagker, Estudo de Redes Neuroas a Imlemetação de Memóras Assocatas, Moografa de Fal de Curso de Graduação aresetado ao Deartameto de Iformátca e Cêca da Comutação do Isttuto de Matemátca e Estatístca da Uersdade do Estado do Ro de Jaero, 2.

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

Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina:

Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina: Deartameto de Iformátca Dscla: do Desemeho de Sstemas de Comutação Processos de ascmeto e Morte Prof. Sérgo Colcher colcher@f.uc-ro.br Processos de ascmeto e Morte CMTC Homogêea a ual trasções acotecem

Leia mais

CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES

CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES Itrodução Em dversos camos da Egehara é comum a ecessdade da determação de raízes de equações ão leares. Em algus casos artculares, como o caso de olômo, 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 ateror estudamos uma forma de ldar com fuções matemátcas defdas or taelas de valores. Frequetemete, estas taelas são otdas com ase em

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

1 (0,8 ln0,8+0,2 ln0,2) 0,512 0,512 0, , , , , , , , , ,

1 (0,8 ln0,8+0,2 ln0,2) 0,512 0,512 0, , , , , , , , , , GABARITO DA TERCEIRA LISTA DE EXERCÍCIOS DE PTC-3 TEORIA DA INFORMAÇÃO E CODIFICAÇÃO Questão Uma fote de formações dscreta e sem memóra emte símbolos A e B com robabldades P(A =,8 e P(B =,. a calcule a

Leia mais

POLINÔMIOS DE JACOBI E QUADRATURA NUMÉRICA INTRODUÇÃO

POLINÔMIOS DE JACOBI E QUADRATURA NUMÉRICA INTRODUÇÃO POLINÔMIOS DE JACOBI E QUADRATURA NUMÉRICA INTRODUÇÃO Para um melhor etedmeto do método da colocação ortogoal e sua relação com o método dos resíduos oderados (MRP) tora-se dsesável um estudo mesmo que

Leia mais

Métodos tipo quadratura de Gauss

Métodos tipo quadratura de Gauss COQ-86 Métodos Numércos ara Sstemas Algébrcos e Dferecas Métodos to quadratura de Gauss Cosderado a tegração: Método de quadratura de Gauss com otos teros I f d a ser comutada com a maor recsão ossível

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

(R B ) 0 =(R B ) 10 +(R B ) 20 +(R B ) 30 (R D ) 0 =(R D ) 30 +(R D ) 40. p (R D ) 30 (R B ) 30 E, I

(R B ) 0 =(R B ) 10 +(R B ) 20 +(R B ) 30 (R D ) 0 =(R D ) 30 +(R D ) 40. p (R D ) 30 (R B ) 30 E, I MÉTOO OSS Seja agora uma estrutura de ós fxos duas vezes hergeométrca,.e. tal que os ós ão sofrem qualquer deslocameto de traslação e cotem ós com cógtas de rotação.. cos. cos etermemos os esforços mometos

Leia mais

3 Relações constitutivas para fluxo em meios não saturados 3.1. Introdução

3 Relações constitutivas para fluxo em meios não saturados 3.1. Introdução 40 3 Relações costtutvas ara fluxo em meos ão saturados 3.1. Itrodução Na atureza, a maora dos rocessos de fluxo ocorre em meos ão saturados. Em um solo calmete seco, or exemlo, sujeto à fltração de água

Leia mais

4- Método de Diferenças Finitas Aplicado às Equações Diferenciais Parciais.

4- Método de Diferenças Finitas Aplicado às Equações Diferenciais Parciais. MÉTODOS NUMÉRICOS PARA EQUAÇÕES DIFERENCIAIS PARCIAIS 4- Método de Dereças Ftas Alcado às Equações Derecas Parcas. 4.- Aromação de Fuções. 4..- Aromação or Polômos: Iterolação. 4..- Ajuste de Dados: Mímos

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

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

tica ou tica como Rui Vilela Mendes CMAF, ICC, CFN dos TPC s

tica ou tica como Rui Vilela Mendes CMAF, ICC, CFN dos TPC s O oder da matemátca tca ou A matemátca tca como metáfora Ru Vlela Medes CMAF, ICC, CFN Soluções dos TPC s Curso o Mestrado de Comlexdade,, ISCTE, Ivero 007 07-03 03-007 TPC Dados ( I(I(,,, N ( I(/N, /N,,,

Leia mais

5 Algoritmo para integração da relação tensão deformação

5 Algoritmo para integração da relação tensão deformação 5 Algortmo ara tegração da relação tesão deformação A aálse de materas com comortameto elastolástco or elemetos ftos é feta de forma cremetal e teratva. A cada estágo do rocesso de solução, cremetos de

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

PROCESSOS ESTOCÁSTICOS

PROCESSOS ESTOCÁSTICOS UIVERIDADE FEDERAL DO RIO GRADE DO ORE CERO DE CIÊCIA EXAA E DA ERRA DEARAEO DE EAÍICA DICILIA: E ROCEO EOCÁICO ROCEO EOCÁICO ª EAA ROFEOR: FERADO CÉAR DE IRADA AAL/R EADO ABORVEE Defção. Um estado de

Leia mais

Métodos iterativos. Capítulo O Método de Jacobi

Métodos iterativos. Capítulo O Método de Jacobi Capítulo 4 Métodos teratvos 41 O Método de Jacob O Método de Jacob é um procedmeto teratvo para a resolução de sstemas leares Tem a vatagem de ser mas smples de se mplemetar o computador do que o Método

Leia mais

Hidrologia, Ambiente e Recursos Hídricos 2009 / Rodrigo Proença de Oliveira

Hidrologia, Ambiente e Recursos Hídricos 2009 / Rodrigo Proença de Oliveira Hdrologa, Ambete e Recursos Hídrcos 009 / 00 Rodrgo roeça de Olvera Aálse estatístca IST: Hdrologa, Ambete e Recursos Hídrcos Rodrgo roeça de Olvera, 009 Cocetos base Varável aleatóra oulação Fução de

Leia mais

As seguintes variáveis são propriedades extensivas e funções do estado: (2.4) Já vimos que para um sistema fechado, da equação (1.1) podemos escrever

As seguintes variáveis são propriedades extensivas e funções do estado: (2.4) Já vimos que para um sistema fechado, da equação (1.1) podemos escrever 2. Fuções Auxlares e odções de Equlíbro As segutes varáves são roredades extesvas e fuções do estado: Etala: H (2.) Eerga lvre de Helmholtz: A (2.2) Eerga lvre de Gbbs: G G H (2.3) G A Proredades da Etala

Leia mais

Bruno Hott Algoritmos e Estruturas de Dados I DECSI UFOP. Aula 10: Ordenação

Bruno Hott Algoritmos e Estruturas de Dados I DECSI UFOP. Aula 10: Ordenação Bruo Hott Algortmos e Estruturas de Dados I DECSI UFOP Aula 10: Ordeação O Crtéro de Ordeação Ordea-se de acordo com uma chave: typedef t TChave; typedef struct{ TChave chave; /* outros compoetes */ Item;

Leia mais

Capitulo 1 Resolução de Exercícios

Capitulo 1 Resolução de Exercícios S C J S C J J C FORMULÁRIO Regme de Juros Smples 1 1 S C 1 C S 1 1.8 Exercícos Propostos 1 1) Qual o motate de uma aplcação de R$ 0.000,00 aplcados por um prazo de meses, à uma taxa de 2% a.m, os regmes

Leia mais

7 Análise de covariância (ANCOVA)

7 Análise de covariância (ANCOVA) Plejameto de Expermetos II - Adlso dos Ajos 74 7 Aálse de covarâca (ANCOVA) 7.1 Itrodução Em algus expermetos, pode ser muto dfícl e até mpossível obter udades expermetas semelhtes. Por exemplo, pode-se

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

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

Material Teórico - Módulo de MATEMÁTICA FINANCEIRA. Financiamentos. Primeiro Ano do Ensino Médio

Material Teórico - Módulo de MATEMÁTICA FINANCEIRA. Financiamentos. Primeiro Ano do Ensino Médio Materal Teórco - Módulo de MATEMÁTICA FINANCEIRA Facametos Prmero Ao do Eso Médo Autor: Prof Fracsco Bruo Holada Autor: Prof Atoo Camha Muz Neto 20 de agosto de 2018 1 Itrodução Neste materal, remos aplcar

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

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo.

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo. Equlíbro e o Potecal de Nerst 5910187 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 11 Nesta aula, vamos utlzar a equação para o modelo de eletrodfusão o equlíbro obtda a aula passada para estudar o trasporte

Leia mais

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo.

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo. 5910187 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 6 Equlíbro e o Potecal de Nerst Nesta aula, vamos utlzar a equação para o modelo de eletrodfusão o equlíbro obtda a aula passada para estudar o trasporte

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

A desigualdade de Kraft e correlatos

A desigualdade de Kraft e correlatos A desguadade de Kraft e correatos Defções remares Códgo ão sguar: símboos dferetes s são reresetados or códgos dferetes c ; Códgo uvocamete decodfcáve: se símboos cocateados (s s s 3... s k) são reresetados

Leia mais

Computação das Medidas de Tendência Central e Dispersão Intervalares em Java

Computação das Medidas de Tendência Central e Dispersão Intervalares em Java V ERMAC-R o Ecotro Regoal de Matemátca Aplcada e Computacoal 9- de outubro de 00 Uersdade Potguar Natal/RN Computação das Meddas de Tedêca Cetral e Dspersão Iteralares em Jaa Laís M. Nees, Elaqum L. S.

Leia mais

Física do Calor - 24ª Aula. Prof. Alvaro Vannucci

Física do Calor - 24ª Aula. Prof. Alvaro Vannucci Físca do Calor - 24ª Ala Pro. Alvaro Vacc Na últma ala vmos : Problema evolvedo bolas de blhar 6 bolas meradas qe qeremos colocar as 6 caçaas de ma mesa de blhar. De qatas maeras cosegmos azer sto? Sedo

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

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

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

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

Ordenação: Introdução e métodos elementares. Algoritmos e Estruturas de Dados II

Ordenação: Introdução e métodos elementares. Algoritmos e Estruturas de Dados II Ordeação: Itrodução e métodos elemetares Algortmos e Estruturas de Dados II Ordeação Objetvo: Rearrajar os tes de um vetor ou lsta de modo que suas chaves estejam ordeadas de acordo com alguma regra Estrutura:

Leia mais

Arquitetura da ART Controle 1 Controle 2

Arquitetura da ART Controle 1 Controle 2 Teora de Ressoâca Adaptatva - ART Arqutetura da ART Cotrole Cotrole 2 Desevolvda por Carpeter e Grossberg como uma alteratva para resolver o dlema establdade-plastcdade (rede ão aprede ovos padrões). Realme

Leia mais

Introdução à Teoria dos Números Notas 1 Os Princípios da Boa Ordem e de Indução Finita Prof Carlos Alberto S Soares

Introdução à Teoria dos Números Notas 1 Os Princípios da Boa Ordem e de Indução Finita Prof Carlos Alberto S Soares Itrodução à Teora dos Números 018 - Notas 1 Os Prcípos da Boa Ordem e de Idução Fta Prof Carlos Alberto S Soares 1 Prelmares Neste curso, prortaramete, estaremos trabalhado com úmeros teros mas, quado

Leia mais

15/03/2012. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações

15/03/2012. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações Itrodução.1 Juros Smples Juro: recompesa pelo sacrfíco de poupar o presete, postergado o cosumo para o futuro Maora das taxas de uros aplcadas o mercado facero são referecadas pelo crtéro smples Determa

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

13 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL

13 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL 3 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL Como vto em amotragem o prmero bmetre, etem fatore que fazem com que a obervação de toda uma população em uma pequa eja mpratcável, muta veze em vrtude

Leia mais

Física IV Poli Engenharia Elétrica: 8ª Aula (28/08/2014)

Física IV Poli Engenharia Elétrica: 8ª Aula (28/08/2014) Físca IV Pol Egehara Elétrca: 8ª Aula (8/08/014) Prof. Alvaro Vaucc Na últma aula vmos: Resolução de Images: segudo o crtéro estabelecdo por Raylegh que quado o máxmo cetral devdo à dfração das odas do

Leia mais

3 Procedimento Experimental

3 Procedimento Experimental 3 Procedmeto Expermetal 3. Sstema de medção de vazão com extesômetro A Fg. 9 mostra o sstema de medção de vazão com extesômetro, o qual fo motado o laboratóro da PUC-Ro. este sstema, duas tubulações com,5

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

MAE 5776 ANÁLISE MULTIVARIADA. Júlia M Pavan Soler

MAE 5776 ANÁLISE MULTIVARIADA. Júlia M Pavan Soler MAE 5776 ANÁLISE MULTIVARIADA Júla M Pava Soler ava@me.us.br º Semestre IME/09 Baco de Dados: Dados Multvarados Varáves Udades Amostras j j j j j j : Matrz de Dados resosta do -ésmo dvíduo a j-ésma varável

Leia mais

2. MODELO DETALHADO: Relações de Recorrência. Exemplo: Algoritmo Recursivo para Cálculo do Fatorial Substituição Repetida

2. MODELO DETALHADO: Relações de Recorrência. Exemplo: Algoritmo Recursivo para Cálculo do Fatorial Substituição Repetida . MODELO DETALHADO: Relações de Recorrêca Exemplo: Algortmo Recursvo para Cálculo do Fatoral Substtução Repetda T T ( ) ( ) t 1, T ( + t, > T ( ) T ( + t T ( ) ( T( ) + t + t ) + t T ( ) T ( ) T ( ) +

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

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

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

Capítulo 9 Problema 01 Problema 03 Problema 04

Capítulo 9 Problema 01 Problema 03 Problema 04 Bssab&Morett Caítlo Problema mod, orqe + mod, orqe + Problema a, m m, ( ) mod mod, ( ) mod mod, ( ) mod mod,...,,,,..., Portato, o eríodo esse caso é h. Problema a, m, m ( ) mod mod, ( ) mod mod, ( ) mod

Leia mais

Cursos de Licenciatura em Ensino de Matemática e de EGI. Teoria de Probabilidade

Cursos de Licenciatura em Ensino de Matemática e de EGI. Teoria de Probabilidade Celso Albo FACULDADE DE CIÊNCIAS NATURAIS E MATEMÁTICA DEPARTAMENTO DE MATEMÁTICA Campus de Lhaguee, Av. de Moçambque, km, Tel: +258 240078, Fax: +258 240082, Maputo Cursos de Lcecatura em Eso de Matemátca

Leia mais

Estudo do intervalo de confiança da regressão inversa utilizando o software R

Estudo do intervalo de confiança da regressão inversa utilizando o software R Estudo do tervalo de cofaça da regressão versa utlzado o software R Llae Lopes Cordero João Domgos Scalo. Itrodução Na maora das aplcações evolvedo regressão, determa-se o valor de Y correspodete a um

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

Caracterização de Partículas. Prof. Gerônimo

Caracterização de Partículas. Prof. Gerônimo Caracterzação de Partículas Prof. Gerômo Aálse Graulométrca de partículas Tabela: Sére Padrão Tyler Mesh Abertura Lvre (cm) âmetro do fo () 2 ½ 0,7925 0,088 0,6680 0,070 ½ 0,56 0,065 4 0,4699 0,065

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

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

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

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

Aula de Hoje. Introdução a Sistemas Inteligentes. Redes RBF. Redes RBF. Tópicos em Redes Neurais II: Redes Neurais RBF 1ª Parte

Aula de Hoje. Introdução a Sistemas Inteligentes. Redes RBF. Redes RBF. Tópicos em Redes Neurais II: Redes Neurais RBF 1ª Parte Itrodução a Sstemas Itelgetes ópcos em Redes Neuras II: Redes Neuras RBF ª Parte Prof. Rcardo J. G. B. Campello Aula de Hoje Neurôos de Resposta Radal Modelos Neuras RBF Úca Saída Múltplas Saídas Represetação

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

Análise de Correspondência

Análise de Correspondência MA 0330 ANÁS MUTVARAA AOS Aálse de orresodêca úla M Pava Soler ava@me.us.br Sem/016 Obetvos: Aálse de orresodêca Varável olua u.a. / Varável ha 1 1 Y 11 Y 1 Y 1 Y 1 Y 1 Y Y Y Y 1 Y Y Y Y 1 Y Y Y detfcar

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

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

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

Diferenciais Ordinárias. Reginaldo J. Santos Departamento de Matemática-ICEx Universidade Federal de Minas Gerais

Diferenciais Ordinárias. Reginaldo J. Santos Departamento de Matemática-ICEx Universidade Federal de Minas Gerais Exstêca e Ucdade de Soluções de Equações Dferecas Ordáras Regaldo J Satos Departameto de Matemátca-ICEx Uversdade Federal de Mas Geras http://wwwmatufmgbr/ reg 10 de ulho de 2010 2 1 INTRODUÇÃO Sumáro

Leia mais

22/8/2010 COMPLEXIDADE DE ALGORITMOS CES para os numeradores e 1 para o denominador. Noções de complexidade de algoritmos

22/8/2010 COMPLEXIDADE DE ALGORITMOS CES para os numeradores e 1 para o denominador. Noções de complexidade de algoritmos Razão de crescmento desse temo Imortânca de análse de algortmos Um mesmo roblema ode, em mutos casos, ser resolvdo or város algortmos. Nesse caso, qual algortmo deve ser o escolhdo? Crtéro 1: fácl comreensão,

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

5 Critérios para Análise dos Resultados

5 Critérios para Análise dos Resultados 5 Crtéros para Aálse dos Resultados Este capítulo tem por objetvos forecer os crtéros utlzados para aálse dos dados ecotrados a pesqusa, bem como uma vsão geral dos custos ecotrados e a forma de sua evolução

Leia mais

Complexidade Computacional da Determinação da Correspondência entre Imagens

Complexidade Computacional da Determinação da Correspondência entre Imagens Complexdade Computacoal da Determação da Correspodêca etre Images Adraa Karlstroem Laboratóro de Sstemas Embarcados Departameto de Egehara Mecatrôca Escola Poltécca da Uversdade de São Paulo adraa.karlstroem@pol.usp.br

Leia mais

16/03/2014. IV. Juros: taxa efetiva, equivalente e proporcional. IV.1 Taxa efetiva. IV.2 Taxas proporcionais. Definição:

16/03/2014. IV. Juros: taxa efetiva, equivalente e proporcional. IV.1 Taxa efetiva. IV.2 Taxas proporcionais. Definição: 6// IV. Juros: taxa efetva, equvalete e proporcoal Matemátca Facera Aplcada ao Mercado Facero e de Captas Professor Roaldo Távora IV. Taxa efetva Defção: É a taxa de juros em que a udade referecal de seu

Leia mais

MAE116 Noções de Estatística

MAE116 Noções de Estatística Grupo C - º semestre de 004 Exercíco 0 (3,5 potos) Uma pesqusa com usuáros de trasporte coletvo a cdade de São Paulo dagou sobre os dferetes tpos usados as suas locomoções dáras. Detre ôbus, metrô e trem,

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

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

Momento Linear duma partícula

Momento Linear duma partícula umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - Mometo lear de uma partícula e de um sstema de partículas. - Le fudametal da dâmca para um sstema de partículas. - Impulso

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

MEDIDAS DE DISPERSÃO 9. MEDIDAS DE DISPERSÃO

MEDIDAS DE DISPERSÃO 9. MEDIDAS DE DISPERSÃO Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, Medca Veterára, Muscoterapa, Odotologa, Pscologa MEDIDAS DE DISPERSÃO 9 9. MEDIDAS DE DISPERSÃO

Leia mais

Universidade Federal do Rio Grande FURG. Instituto de Matemática, Estatística e Física IMEF Edital 15 CAPES INTERPOLAÇÃO

Universidade Federal do Rio Grande FURG. Instituto de Matemática, Estatística e Física IMEF Edital 15 CAPES INTERPOLAÇÃO Uversdade Federal do Ro Grade FURG Isttuto de Matemátca, Estatístca e Físca IMEF Edtal CAPES INTERPOLAÇÃO Pro. Atôo Mauríco Mederos Alves Proª Dese Mara Varella Martez Matemátca Básca ara Cêcas Socas II

Leia mais

MÉTODO DUAL SIMPLEX COM A REGRA STEEPEST-EDGE PARA RESOLVER PROBLEMAS LINEARES CANALIZADOS

MÉTODO DUAL SIMPLEX COM A REGRA STEEPEST-EDGE PARA RESOLVER PROBLEMAS LINEARES CANALIZADOS A esusa Oeracoal e os Recursos Reováves 4 a 7 de ovembro de 3, atal-r MÉODO DUAL SIMPLEX COM A REGRA SEEPES-EDGE PARA RESOLVER PROLEMAS LIEARES CAALIZADOS Rcardo Slvera Sousa Marcos ereu Areales Deartameto

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

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

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

Exercícios - Sequências de Números Reais (Solução) Prof Carlos Alberto S Soares

Exercícios - Sequências de Números Reais (Solução) Prof Carlos Alberto S Soares Exercícos - Sequêcas de Números Reas (Solução Prof Carlos Alberto S Soares 1 Dscuta a covergêca da sequẽca se(2. Calcule, se exstr, lm se(2. Solução 1 Observe que se( 2 é lmtada e 1/ 0, portato lm se(2

Leia mais

PLANO PROBABILIDADES Professora Rosana Relva DOS. Números Inteiros e Racionais COMPLEXOS NÚMEROS COMPLEXOS NÚMEROS COMPLEXOS NÚMEROS COMPLEXOS

PLANO PROBABILIDADES Professora Rosana Relva DOS. Números Inteiros e Racionais COMPLEXOS NÚMEROS COMPLEXOS NÚMEROS COMPLEXOS NÚMEROS COMPLEXOS Professor Luz Atoo de Carvalho PLANO PROBABILIDADES Professora Rosaa Relva DOS Números Iteros e Racoas COMPLEXOS rrelva@globo.com Número s 6 O Número Por volta de 00 d.c a mpressão que se tha é que, com

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

1. Conceitos básicos de estatística descritiva 1.3. Noção de extracção aleatória e de probabilidade

1. Conceitos básicos de estatística descritiva 1.3. Noção de extracção aleatória e de probabilidade Sumáro (3ª aula). Cocetos báscos de estatístca descrtva.3. Noção de etracção aleatóra e de probabldade.4 Meddas de tedêca cetral.4. Méda artmétca smples.4. Méda artmétca poderada.4.3 Méda artmétca calculada

Leia mais

2 Avaliação da segurança dinâmica de sistemas de energia elétrica: Teoria

2 Avaliação da segurança dinâmica de sistemas de energia elétrica: Teoria Avalação da seguraça dâmca de sstemas de eerga elétrca: Teora. Itrodução A avalação da seguraça dâmca é realzada através de estudos de establdade trastóra. Nesses estudos, aalsa-se o comportameto dos geradores

Leia mais

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

NOTAS DE AULA DA DISCIPLINA CE076 = 2. ], T 2 = conhecido como T 2 de Hotelling NOTAS DE AULA DA DISCIPLINA CE76 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 sfcâca: α Estatístca do teste: t X µ s/ ~ t Decsão:

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

CAPÍTULO 7 INTERVALO DE CONFIANÇA E TESTES DE HIPÓTESES

CAPÍTULO 7 INTERVALO DE CONFIANÇA E TESTES DE HIPÓTESES CAPÍTULO 7 INTERVALO DE CONFIANÇA E TESTES DE HIPÓTESES 7. Itervalo de cofaça A cada aos (ormalmete), os acostumamos a acomahar as esqusas eletoras. Geralmete elas são mostradas assm: Caddato Iteção de

Leia mais

Exercícios Complementares 1.2

Exercícios Complementares 1.2 Exercícios Comlemetares 1. 1.A Dê exemlo de uma seqüêcia fa g ; ão costate, ara ilustrar cada situação abaixo: (a) limitada e crescete (c) limitada e ão moótoa (e) ão limitada e ão moótoa (b) limitada

Leia mais

NOTA BREVE SOBRE O CONCEITO DE MÉDIA 1

NOTA BREVE SOBRE O CONCEITO DE MÉDIA 1 NOTA BREVE SOBRE O CONCEITO DE MÉDIA O coceto de méda surge de modo abudate a dscla de Métodos Estatístcos, resete em mutos cursos de lcecatura de sttuções de eso sueror. Surge, de gual modo, em domíos

Leia mais

ANÁLISE MATRICIAL DE ESTRUTURAS: APLICADA A MODELOS LINEARES

ANÁLISE MATRICIAL DE ESTRUTURAS: APLICADA A MODELOS LINEARES ANÁLISE MATRICIAL E ESTRUTURAS: APLICAA A MOELOS LINEARES Luz erado Martha Potfíca Uversdade Católca do Ro de Jaero PUC-Ro epartameto de Egehara Cvl Rua Marquês de São Vcete - Gávea CEP - Ro de Jaero RJ

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

Instituto Politécnico de Bragança Escola Superior de Tecnologia e de Gestão

Instituto Politécnico de Bragança Escola Superior de Tecnologia e de Gestão Isttuto oltécco de Bragaça Escola Superor de ecologa e de Gestão 2º Ao de Egehara Electrotécca Istrumetação Electróca e Meddas Exame (ª Chamada) 2 de Juho de 200 SUGESÃO DE RESOLUÇÃO ) retede-se vsualzar,

Leia mais

FINANCIAMENTOS UTILIZANDO O EXCEL

FINANCIAMENTOS UTILIZANDO O EXCEL rofessores Ealdo Vergasta, Glóra Márca e Jodála Arlego ENCONTRO RM 0 FINANCIAMENTOS UTILIZANDO O EXCEL INTRODUÇÃO Numa operação de empréstmo, é comum o pagameto ser efetuado em parcelas peródcas, as quas

Leia mais

Disciplina: Análise Multivariada I Prof. Dr. Admir Antonio Betarelli Junior AULA 6.1

Disciplina: Análise Multivariada I Prof. Dr. Admir Antonio Betarelli Junior AULA 6.1 Dscpla: álse Multvaraa I Prof. Dr. mr too Betarell Juor UL 6. MÉTODO DE ESCLONMENTO MULTIDIMENSIONL (MDS) Proposto por Youg (987) esse métoo poe ser utlzao para agrupameto. É uma técca para represetar

Leia mais

Momento Linear duma partícula

Momento Linear duma partícula umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - Mometo lear de uma partícula e de um sstema de partículas. - Le fudametal da dâmca para um sstema de partículas. - Impulso

Leia mais