Tema Tendências em Matemática Aplicada e Computacional, 15, N. 1 (2014), 59-71
|
|
- Mariana Belém Franco
- 6 Há anos
- Visualizações:
Transcrição
1 Tema Tendências em Matemática Apicada e Computaciona, 5, N. (204, Sociedade Brasieira de Matemática Apicada e Computaciona doi: /tema Estimação dos Parâmetros da Mistura de Duas Componentes GEV via Agoritmo EM* C.E.G. OTINIANO** e E.C.M. TEIXEIRA Recebido em 9 juho, 203 / Aceito em 26 março, 204 RESUMO. Modeos probabiísticos de misturas finitas de densidades cujas componentes são as densidades da distribuição de Vaor Extrema Generaizado tem uma ampa apicabiidade em diversas áreas como finanças e hidroogia. Neste trabaho, os estimadores dos parâmetros da mistura de duas componentes GEV são obtidos via o agoritmo EM. Apresentamos também iustrações numéricas do comportamento dos estimadores obtidos através de simuação, bem como uma apicação a dados reias. Paavras-chave: GEV, mistura finita 2, agoritmo EM 3. INTRODUÇÃO Dadas as funções de densidade de probabiidade (f.d.p. d-dimensionais f,..., f k de uma famíia de densidades F ={f (x; θ, x R d, θ }, onde éoespaço paramétrico dessa famíia. Uma mistura finita de f,..., f k F é uma f.d.p. h = p f + + p k f k, k p j =, (. j= onde os números p,..., p k são chamados de pesos da mistura e f,..., f k chamadas de componentes da mistura. Devido a sua definição, as misturas finitas de distribuições ou de densidades de probabiidade são frequentemente utiizadas para modear dados de popuações heterogêneas. Tais misturas permitem construir modeos probabiísticos de uma ampa variedade de fenômenos, em por exempo, engenharia, economia e hidroogia, entre outros. Teoria e apicações de misturas podem ser encontradas em Titterington et a. (985, McLachan & Basford (998, e McLachan & Pee (2000. *Pesquisa parciamente financiada por CAPES/PROCAD. **Autor correspondente: Cira Etheowada Guevara Otiniano Departamento de Estatística, Universidade de Brasíia, Brasíia, DF, Brasi. E-mai: cira@unb.br
2 60 ESTIMAÇÃO DOS PARÂMETROS DA MISTURA DE DUAS COMPONENTES GEV VIA ALGORITMO EM Neste trabaho abordamos a estimação do modeo (. quando d = ek = 2, onde as componentes da mistura são densidades da distribuição de Vaor Extrema Generaizado univariadas. A distribuição de Vaor Extrema Generaizado do ingês generaized extreme vaue (GEV distribution, G γ,éadistribuição imite de máximos (ou mínimos normaizados de sequências de variáveis aeatórias (v.a. s independentes e identicamente distribuídas (i.i.d.. Isto é, seja {X n } ta sequência. Se existirem sequências de números reais {c n }, c n > 0e{d n } tais que ( im P max{x, X 2,...,X n } d n x = G γ (x, n então a distribuição GEV introduzida por Jenkinson (955 é definida por { } exp + γ ] G γ (x; σ, μ = σ (x μ γ, γ = 0 ( exp exp x μ ], γ = 0, σ c n onde γ, μ R e σ>0são parâmetros de forma (índice cauda, ocação e escaa, respectivamente. Aqui + γ σ (x μ 0. A correspondente f.d.p. de G γ,édadapor } + γ ] σ (x μ γ exp { + γ ] σ (x μ γ, γ = 0 g(x; γ,σ,μ = σ σ exp ( x μ σ exp exp ( x μ σ ], γ = 0. Estas distribuições são utiizadas em hidroogia para anaisar a frequência de fuídos e em finanças para cacuar o vaor em risco (VaR de retornos, perdas ou ganhos extremos. Escaante-Sandova (2007 utiizou misturas de duas componentes GEV para avaiar dados sobre a frequência de fuídosde riosde uma região do Noroeste do México. Neste caso, os parâmetros foram estimados por máxima verossimihança utiizando vários métodos computacionais intensivos e as estimativas obtidas por esse procedimento, para vários casos, não convergiram. Outro trabaho que envove mistura de distribuições com aguma componente GEV é o de Kou et a. (202, no qua, com o objetivo de descrever características da veocidade de ventos, os autores apresentam modeos de mistura de duas densidades cujas componentes são Weibu e GEV, Weibu e ognorma, e GEV e ognorma. Neste caso, a estimação também foi feita por máxima verossimihança. Em gera, o métodode máxima verossimihança, o agoritmoem, e os métodos bayesianos são os métodos aternativos de estimação dos parâmetros de misturas finitas de distribuições. Com o objetivo de apresentar um método de estimação aternativo ao de Escaante-Sandova (2007, dos parâmetros de misturas de duas componentes GEV, neste trabaho descrevemos as expressões a serem cacuadas utiizando o agoritmo EM e mostramos o resutado das estimativas para aguns experimentos. Uma apicação com dados reais também é adicionada. (.2 (.3 Tend. Mat. Ap. Comput., 5, N. (204
3 OTINIANO e TEIXEIRA 6 Este trabaho esta organizado em cinco seções. Na Seção 2, apresentamos os principaisresutados deste trabaho, expressões que devem ser cacuadas para estimar os parâmetros da mistura de duas componentes GEV via agoritmo EM. Na seção 3, mostramos os resutados das estimações obtidas para agumas simuações. Já na seção 4, uma apicação da estimação de um modeo de mistura para dados reais é apresentada. Por fim, nas Seções 5 e 6 fazemos os agradecimentos e citamos as referência bibiográficas, respectivamente. 2 ESTIMAÇÃO VIA ALGORITMO EM O agoritmo EM do ingês Estimation Maximization é um agoritmo cássico da estatística usado para determinar estimativas de parâmetros em modeos de mistura, em modeos com dados fatantes, e em modeos em que a estimação dos parâmetros por máxima verossimihança apresenta probemas. O ivro McLachan & Pee (2000 é uma boa referência para esse assunto. Nesta seção utiizamosoagoritmoem para obteras estimativas demisturas deduas componentes GEV. Seja X uma v.a. com f.d.p. h(x, mistura de duas componentes, definida em (., e dada por h(x; = p g (x; θ + p 2 g 2 (x; θ 2, p + p 2 =, (2. onde = (p,θ,θ 2 com θ = (γ,σ,μ, =, 2eg (.; θ é uma componente de uma das famíias { G γ + := g(γ,σ,μ= + γ ] { σ σ (x μ γ exp + γ ] } } σ (x μ γ,γ>0, G γ := { g(γ,σ,μ= + γ ] { σ σ (x μ γ exp + γ ] } } σ (x μ γ,γ<0, G 0 := {g(0,σ,μ= σ ( exp x μ σ ( exp exp x μ σ ]}. Nesta seção, usamos o Agoritmo EM para obter estimativas de, baseado nos vaores x, x 2,...,x N de uma amostra aeatoria de tamanho N da v.a. X. Uma breve descrição do agoritmo EM, é a seguinte. Se assumirmos que X é observado e gerado por aguma distribuição paramétrica f (x;, chamamos X ({x,...,x N } de dados incompetos. Estes dados são competados com Y ({y,...,y N }, então Z = (X, Y são os dados competos cuja densidade conjunta é f (z; = f (x, y; = f (y/x, f (x;. Com esta nova densidade, defini-se a função de verossimihança dos dados competos L( /z = L( /x, y = f (X, Y ;. O agoritmo EM aterna o Passo E (da esperança, onde obtem-se Q(, (k = En( f (X, Y/ / X, (k ], Tend. Mat. Ap. Comput., 5, N. (204
4 62 ESTIMAÇÃO DOS PARÂMETROS DA MISTURA DE DUAS COMPONENTES GEV VIA ALGORITMO EM com o Passo M (da maximização, onde se cacua (k+ ao maximizar Q(, (k. No caso de mistura, f (x; = h(x; dada em (2. e Q é dada pea expressão Q(, (k = = i= og(p g (x i ; θ (k g(/x i, (k. Em síntese, na (k + -ésima iteração do passo-e, a atuaização da estimativa de p,é dada por onde, p (k+ = N g(/x i,θ (k = p(k = i= g(/x i,θ (k, (2.2 g (x i ; θ (k g (x i ; θ (k, =, 2, (2.3 ena(k + -ésima iteração do passo-m, a atuaização das estimativas de θ (k+, =, 2são obtidas resovendo as equações g(/x i,θ (k i= θ (k og(g (x i ; θ (k = 0. (2.4 Na estimação de do modeo (2., como cada componente da mistura g (.; θ deve ser de uma das famíias, G γ +, G γ, G 0,há seis possíveis casos para apicar. Os três primeiros casos descritos a seguir correspondem a mistura de componentes da mesma famíia e os outros três casos seguintes correspondem a mistura de componentes das diferentes famíias. Caso. (Mistura de componentes em G 0 As componentes g (.; θ e g 2 (.; θ 2 no modeo (2. são da famíia G 0, onde θ = (σ,μ, =, 2, e = (p,θ,θ 2. No passo-e, as atuaizações de p k+ são obtidas conforme (2.2. As atuaizações de σ (k+, =, 2são obtidas ao resover, utiizando o método de Newton-Raphson, a seguinte equação: i= g(/x i,θ (k { (σ (k + x i μ (k (σ (k x (k i μ 2 (σ (k exp 2 Para as atuaizações de μ (k+, =, 2usamosafórmua fechada μ (k+ = σ (k og i= i= g(/x i,θ (k x i μ (k σ (k g(/x i,θ (k exp( x i /σ (k ]} = 0. (2.5. (2.6 Tend. Mat. Ap. Comput., 5, N. (204
5 OTINIANO e TEIXEIRA 63 Caso 2. (Mistura de componentes em G +. As componentes g (.; θ e g 2 (.; θ 2 no modeo (2. são da famíia G +, onde θ = (γ,σ,μ, =, 2, e = (p,θ,θ 2. Quando μ σ = μ 2 σ 2, no passo-e, as atuaizações de p k+ são obtidas conforme (2.2 e (2.3. Porém, quando μ σ <μ 2 σ 2, as atuaizações de p k+ são obtidas de (2.2, onde (2.3 é substituido por e g(/x i,θ (k = g(2/x i,θ (k = g (x; θ (k g (x; θ (k = =, x i μ 2 σ 2, μ σ x i <μ 2 σ 2 2 g 2(x; θ (k 2, x i μ 2 σ 2 g (x; θ (k 0, μ σ x i <μ 2 σ 2. No passo-m, as atuaizações de γ (k+, σ (k+,eμ (k+, =, 2são obtidas ao resover as equações i= g(/x i,θ (k (γ (k 2 og i= g(/x i,θ (k (x i μ (k + γ (k + γ (k + γ (k σ (k + γ (k σ (k + γ (k σ (k (x i μ (k σ (k (x i μ (k (x i μ (k ] ] (k /γ ] (x i μ (k (2.7 (2.8 = 0, (2.9 ] (k /γ = 0, (2.0 e i= g(/x i,θ (k + γ (k σ (k + γ (k (x i μ (k + γ (k σ (k ] (x i μ (k ] (k /γ = 0, (2. respectivamente. Tend. Mat. Ap. Comput., 5, N. (204
6 64 ESTIMAÇÃO DOS PARÂMETROS DA MISTURA DE DUAS COMPONENTES GEV VIA ALGORITMO EM Caso 3. (Mistura de componentes em G. As componentes g (.; θ e g 2 (.; θ 2 no modeo (2. são da famíia G, onde θ = (γ,σ,μ, =, 2, e = (p,θ,θ 2. Quando μ σ = μ 2 σ 2, no passo-e, as atuaizações de p k+ são obtidas conforme (2.2 e (2.3. Porém, quando μ σ <μ 2 σ 2, em vez de (2.3 utiizamos e g(/x i,θ (k = g(2/x i,θ (k = = g (x; θ (k, x i μ σ g (x; θ (k =, μ σ < x i μ 2 σ 2 2 g 2(x; θ (k 2, x i μ σ g (x; θ (k 0, μ σ < x i μ 2 σ 2. (2.2 (2.3 No passo-m, as atuaizações de γ (k+, σ (k+,eμ (k+, =, 2são obtidas ao resover as equações (2.9, (2.0, e (2., respectivamente. Caso 4. (Mistura de componentes em G + G0. As componentes no modeo (2. são g (x; θ G + e g 2 (x; θ 2 G 0, onde θ = (,σ,μ,eθ = (σ 2,μ 2 =, 2. Então = (p,,σ,μ,σ 2,μ 2. No passo-e, as atuaizações de p k+ são obtidas conforme (2.2, onde e g(/x i,θ (k = g(2/x i,θ (k = g (x; θ (k, x i μ σ g (x; θ (k = = 0, x i <μ σ 2 g 2(x; θ (k 2, x i μ σ g (x; θ (k, x i <μ σ. (2.4 (2.5 No passo-m, as atuaizações de γ (k+, σ (k+,eμ (k+ são obtidas ao resover as equações (2.9, (2.0, e (2., respectivamente. Para as atuaizações de σ (k+ 2 e μ (k+ 2 utiizamos (2.5 e (2.6, respectivamente. Tend. Mat. Ap. Comput., 5, N. (204
7 OTINIANO e TEIXEIRA 65 Caso 5. (Mistura de componentes em G G0. As componentes no modeo (2. são g (x; θ G e g 2 (x; θ 2 G 0, onde θ = (,σ,μ,eθ = (σ 2,μ 2 =, 2. Então = (p,,σ,μ,σ 2,μ 2. No passo-e, as atuaizações de p k+ são obtidas conforme (2.2, onde e g(/x i,θ (k = g(2/x i,θ (k = g (x; θ (k, x i μ σ g (x; θ (k = = 0, x i >μ σ 2 g 2(x; θ (k 2, x i μ σ g (x; θ (k, x i >μ σ. (2.6 (2.7 No passo-m, as atuaizações de γ (k+, σ (k+, μ (k+ σ (k+ 2,eμ (k+ 2 são obtidas como no Caso 4. Caso 6. (Mistura de componentes em G G+. Neste caso, g (x; θ G + e g 2 (x; θ 2 G onde θ = (γ,σ,μ, =, 2and = (p,,σ,μ,,σ 2,μ 2. Consideramos os dois possíveis sub casos: Quando μ σ <μ 2 σ 2 e g(/x i,θ (k = g(2/x i,θ (k = g (x; θ (k, μ σ x i μ 2 σ 2 g (x; θ (k = = 0, x i <μ σ, x i >μ 2 σ 2 2 g 2(x; θ (k 2, μ σ x i μ 2 σ 2 g (x; θ (k, x i <μ σ 0, x i >μ 2 σ 2. (2.8 (2.9 Tend. Mat. Ap. Comput., 5, N. (204
8 66 ESTIMAÇÃO DOS PARÂMETROS DA MISTURA DE DUAS COMPONENTES GEV VIA ALGORITMO EM E quando μ σ μ 2 σ 2 g(/x i,θ (k =, x i >μ σ 0, c.c. (2.20 and g(2/x i,θ (k, x i μ 2 σ 2 = 0, c.c.. (2.2 Neste caso as atuaizações de p k+,são obtidas conforme γ (k+, σ (k+,eμ (k+, =, 2são obtidas ao resover as equações (2.2, (2.9, (2.0, e (2., respectivamente. 3 SIMULAÇÃO Nesta seção, testamos via simuação as estimativas de do modeo (2. para a mistura de componetes de diferentes famíias, o que corresponde trabahar com os casos (4-(6, pois os casos (-(3 tratam de componentes da mesma famíiaquesão mais facimente cacuados. Para isto, seguimos o seguinte procedimento:. Geramos amostras aeatórias de tamanho n = 00 para cada escoha do vetor. 2. A amostra aeatória da variáve aeatória X cuja densidade é a mistura (2.é gerada como segue: (a Gerar duas variáveis uniformes u eu2. (b Se u < p,então usamos u 2 para gerar um vaor x da v.a. X de (2., onde x = G (u 2 e G é a distribuição acumuada g. (c Se u p,então usamos u 2 para gerar um vaor x da v.a. X, onde x = G 2 (u 2 e G 2 é a distribuição acumuada g Cacuamos iterativamente os estimadores de utiizando as expressões de g(/x i,θ (k, =, 2 mostradas nos casos (4-(6. 4. A regra de parada que utiizamos no Agoritmo EM éog(l (k+ ] og(l (k ]< n Obtemos estimativas de utiizando 00 amostras de tamanho 00, então cacuamos a média e o erro quadrático médio de por Monte Caro. Tais resutados são mostrados nas Tabeas 2 e 3. Definimos vários experimentos, vaores de, para testar o comportamento dos estimadores do agoritmo EM. Esses experimentos mostrados na Tabea foram escohidos de ta maneira a contempar os casos (4-(6. Tend. Mat. Ap. Comput., 5, N. (204
9 OTINIANO e TEIXEIRA 67 Os experimentos 4,i, 5,i, 6,ia,e 6,ib, i =, 2, 3, correspondem aos casos (4, (5, e (6, respectivamente. Nas Figuras -4, comparamos a densidades de uma amostra h(x; com a densidade h(x; ˆ, onde os vaores de ˆ são as médias de ˆ, mostradas na Tabea 2. Por essas figuras podemos concuir que o agoritmo EM teve um bom desempenho, pois a densidade h(x; ˆ teve um bom ajuste, em quase todos os experimentos exceto no caso 6,2b. Os resutados do erro quadrático médio das estimativas são mostrados na Tabea 3, os quais confirmam que os resutados da Tabea são bons estimadores dos parâmetros em anáise. Novamente apenas o caso 6,2b não foi muito bom. Tabea : Experimentos. p σ σ 2 μ μ 2 4, , , , , , ,a ,2a ,3a ,b ,2b ,3b Tabea 2: Média de ˆ. ˆ n ˆp ˆ ˆ ˆσ ˆσ 2 ˆμ ˆμ 2 ˆ 4, ˆ 4, ˆ 4, ˆ 5, ˆ 5, ˆ 5, ˆ 6,a ˆ 6,2a ˆ 6,3a ˆ 6,b ˆ 6,2b ˆ 6,3b Tend. Mat. Ap. Comput., 5, N. (204
10 68 ESTIMAÇÃO DOS PARÂMETROS DA MISTURA DE DUAS COMPONENTES GEV VIA ALGORITMO EM Tabea 3: Erro quadrático médio de ˆ. ˆ n ˆp ˆ ˆ ˆσ ˆσ 2 ˆμ ˆμ 2 ˆ 4, ˆ 4, ˆ 4, ˆ 5, ˆ 5, ˆ 5, ˆ 6,a ˆ 6,2a ˆ 6,3a ˆ 6,b ˆ 6,2b ˆ 6,3b Figura : Gráfico das densidades h(x; (curva contínua e h(x; ˆ (curva pontihada para 4,, 4,2 and 4,3, de esquerda para direita Figura 2: Gráfico das densidades h(x; (curva contínua e h(x; ˆ (curva pontihada para 5,, 5,2 e 5,3. Tend. Mat. Ap. Comput., 5, N. (204
11 OTINIANO e TEIXEIRA Figura 3: Gráfico das densidadesh(x; (curva contínua e h(x; ˆ (curva pontihada para 6,a, 6,2a e 6,3a Figura 4: Gráfico das densidadesh(x; (curva contínua e h(x; ˆ (curva pontihada para 6,b, 6,2b e 6,3b. 4 APLICAÇÃO Para demonstrar a apicabiidade da mistura (2., ajustamos o ogaritmo do consumo per capita de petróeo em 35 países no ano de 200. Os dados foram obtidos no endereço data.wordbank.org/indicator/eg.use.pcap.kg.oe. Para esses dados, os vaores dos parâmetros estimados do modeo (2., peo agoritmo EM, foram p = 0.5, σ = , σ 2 = , μ = 6.44, μ 2 = O que indica a mistura de duas componentes da famíia G 0. Na Figura 5 mostra-se a densidade ajustada aos dados. O QQ-Pot da Figura 6, mostra que o ajustamento da mistura de duas distribuições com densidade Gumbe é adequado. 5 CONCLUSÕES Neste artigo, os estimadores dos parâmetros do modeo (2. são dados em seis possíveis casos, usando o AgoritmoEM. O método de estimação é testado com doze experimentos. Apenas para um desses experimentos o erro quadrático médio não foi suficientemente pequeno. Isso pode ter Tend. Mat. Ap. Comput., 5, N. (204
12 70 ESTIMAÇÃO DOS PARÂMETROS DA MISTURA DE DUAS COMPONENTES GEV VIA ALGORITMO EM Figura 5: Histograma e função densidade de probabiidade ajustada aos dados de petróeo para mistura de duas componentes Gumbe com ˆ = (0.506, 0.523, , , Figura 6: QQ-Pot dados de petróeo para mistura de duas componentes Gumbe com com ˆ = (0.506, 0.523, , , ocorrido peo fato dos parâmetros de ocação estarem muito distantes. Finamente, utiizamos dados reais para mostrar uma apicação do agoritmo EM. Não fizemos comparação de nossas estimativas com as de por exempo Atienza-Sandova (2007, pois os agoritmos por ees utiizados demandam um custo computaciona intensivo. O tempo computaciona para o cácuo de nossas estimativas foi inferior a um minuto. AGRADECIMENTOS Agradecemos aos revisores deste artigo por seus vaiosos comentários para mehorar a primeira versão. Agradecemos também as agências de fomento à pesquisa CAPES/PROCAD e DPP/UnB peo financiamento parcia para este trabaho. Tend. Mat. Ap. Comput., 5, N. (204
13 OTINIANO e TEIXEIRA 7 ABSTRACT. Probabiistic modes of finite mixtures with components Generaized Extrema Vaue (GEV distributions are widey appied in diverse areas such as finance and hydroogy. In this work, the estimators of the parameters of the GEV mixture of two components are obtained via the EM agorithm. We aso present numerica exampes of the behavior of the estimates obtained through of simuation, we as an appication to rea data. Keywords: GEV, finite mixture, EM agorithm. REFERÊNCIAS ] C. Escaante-Sandova. A Mixed distribution with EV and GEV components for anayzing heterogeneous sampes.ingeniería Investigación y Tecnoogía 8, 3 (2007, ] R. Kou, S.R. Rayapudi, S. Narasimham & K.M. Pakkurthi. Mixture probabiity distribution functions to mode wind speed distributions. Internationa Journa of Energy and Environmenta Engineering, (202, 0. 3] G.J. McLachan & K.E. Basford. Mixture modes. Marce Dekker, NewYork, (988. 4] G.J. McLachan & D. Pee. Finite mixture modes. Wiey, New York, ( ] D.M. Titterington, A.M.F. Smith & U.E. Makov. Statistica anaysis of finite mixture distributions. Wiey, NewYork, (985. Tend. Mat. Ap. Comput., 5, N. (204
4 DEFINIÇÃO DA GEOMETRIA, MALHA E PARÂMETROS DA SIMULAÇÃO
4 DEFINIÇÃO DA GEOETRIA, ALHA E PARÂETROS DA SIULAÇÃO 4.1 Fornaha experimenta A fornaha experimenta utiizada como caso teste por Garreton (1994), era de 400kW aimentada com gás natura. Deste trabaho, estão
Leia maisSegmentação multiresolução: uma abordagem paralela para segmentação de imagens de alta resolução em arquiteturas de múltiplos núcleos
Segmentação mutiresoução: uma abordagem paraea para segmentação de imagens de ata resoução em arquiteturas de mútipos núceos Patrick Nigri Happ 1 Rodrigo da Siva Ferreira 1 Cristiana Bentes 1 Gison Aexandre
Leia maisUm Método para o Cálculo da Inversa de Matrizes Simétricas e Positivas Definidas em Bloco
Proceeding Series of the Braziian Society of Appied and Computationa Mathematics, Vo 5, N 1, 2017 Trabaho apresentado no CNMAC, Gramado - RS, 2016 Proceeding Series of the Braziian Society of Computationa
Leia maisModelagem Matemática e Simulação Computacional da Dinâmica de um Robô SCARA
Proceeding Series of the Braziian Society of Appied and omputationa Mathematics, Vo 4, N, 6 Trabaho apresentado no DINON, Nata - RN, 5 Proceeding Series of the Braziian Society of omputationa and Appied
Leia maisDetecção de Infração em faixa de pedestres sem semáforos utilizando visão computacional e redes neurais
Detecção de Infração em faixa de pedestres sem semáforos utiizando visão computaciona e redes neurais Aves, B. G. C.; ima, A. C. de C. Departamento de Engenharia Eétrica - Escoa Poitécnica - UFBA, R. Aristides
Leia maisAnálise univariada e Multivariada no mapeamento genético da pressão arterial
Anáise univariada e Mutivariada no mapeamento genético da pressão arteria Nubia Esteban Duarte 1, Júia Maria Pavan Soer, 1 e Aexandre Pereira, 2 1 Universidade de São Pauo (USP) nubiaest@ime.usp.br 2 Laboratório
Leia maisUm dos conceitos mais utilizados em Matemática
A UA UL LA A noção de função Introdução Um dos conceitos mais utiizados em Matemática é o de função. Ee se apica não somente a esta área, mas também à Física, à Química e à Bioogia, entre outras. Aém disso,
Leia maisDistribuições Amostrais e Estimação Pontual de Parâmetros
Distribuições Amostrais e Estimação Pontual de Parâmetros - parte I 2012/02 1 Introdução 2 3 4 5 Objetivos Ao final deste capítulo você deve ser capaz de: Entender estimação de parâmetros de uma distribuição
Leia maisPrincípios de Modelagem Matemática Aula 10
Princípios de Modelagem Matemática Aula 10 Prof. José Geraldo DFM CEFET/MG 19 de maio de 2014 1 Alguns resultados importantes em estatística A distribuição normal tem importante papel em estatística pois
Leia maisEXPERIÊNCIA NUMÉRICA NA MAXIMIZAÇÃO DA PRODUÇÃO E RECEITA AGRÍCOLA DO MELOEIRO E DA ALFACE AMERICANA
EXPERIÊNCIA NUMÉRICA NA MAXIMIZAÇÃO DA PRODUÇÃO E RECEITA AGRÍCOLA DO MELOEIRO E DA ALFACE AMERICANA Sérgio Drumond Ventura & Ange Ramon Sanchez Degado Universidade Federa Rura do Rio de Janeiro, Instituto
Leia maisPlantas e mapas. Na Aula 17, aprendemos o conceito de semelhança
A UA UL LA Pantas e mapas Introdução Na Aua 7, aprendemos o conceito de semehança de triânguos e vimos, na Aua 0, interessantes apicações desse conceito no cácuo de distâncias difíceis de serem medidas
Leia maisAs combinações. combinatória que envolviam o princípio multiplicativo e as permutações.
Acesse: http://fuvestibuar.com.br/ AUUL AL A As combinações Até agora você estudou probemas de anáise combinatória que envoviam o princípio mutipicativo e as permutações. Introdução Se observar os probemas
Leia maisAmostragem e distribuições por amostragem
Amostragem e distribuições por amostragem Carla Henriques e Nuno Bastos Departamento de Matemática Escola Superior de Tecnologia de Viseu Contabilidade e Administração População, amostra e inferência estatística
Leia maisANÁLISE NUMÉRICA DA REDUÇÃO SONORA PROPORCIONADA POR UM DISPOSITIVO DE PROTEÇÃO JUNTO DA FACHADA DE UM EDIFÍCIO
Coimbra, Portuga, 2012 ANÁLISE NUMÉRICA DA REDUÇÃO SONORA PROPORCIONADA POR UM DISPOSITIVO DE PROTEÇÃO JUNTO DA FACHADA DE UM EDIFÍCIO E. G. A. Costa 1 *, L. M. C. Godinho 2, A. S. C. Pereira 2, J. A.
Leia maisFunções Geradoras de Variáveis Aleatórias. Simulação Discreta de Sistemas - Prof. Paulo Freitas - UFSC/CTC/INE
Funções Geradoras de Variáveis Aleatórias 1 Funções Geradoras de Variáveis Aleatórias Nos programas de simulação existe um GNA e inúmeras outras funções matemáticas descritas como Funções Geradoras de
Leia maisCIRCUITOS MAGNÉTICOS LINEARES E NÃO LINEARES
7 9 CIRCUITOS MAGÉTICOS LIEARES E ÃO LIEARES Circuitos magnéticos são usados para concentrar o efeito magnético de uma corrente em uma região particuar do espaço. Em paavras mais simpes, o circuito direciona
Leia mais10. CARGAS ACIDENTAIS E MÓVEIS; LINHAS DE INFLUÊNCIA
10. CARGA ACIDENTAI E MÓVEI; LINHA DE INFLUÊNCIA 10.1. Introdução Diversas estruturas são soicitadas por cargas móveis. Exempos são pontes rodoviárias e ferroviárias ou pórticos industriais que suportam
Leia maisENTECA 2003 IV ENCONTRO TECNOLÓGICO DA ENGENHARIA CIVIL E ARQUITETURA
4 ENTECA RESOLUÇÃO DE PÓRTICOS PLANOS ATRAVÉS DA ANÁLISE MATRICIAL DE ESTRUTURAS Marcio Leandro Micheim Acadêmico Engenharia Civi Universidade Estadua de Maringá e-mai: micheim_eng@hotmaicom Ismae Wison
Leia maisQuem Trabalha Muito e Quem Trabalha Pouco no Brasil? *1
Quem Trabaha Muito e Quem Trabaha Pouco no Brasi? *1 Gustavo Gonzaga PUC Rio/Depto. de Economia Phiippe George Guimarães Pereira Leite PUC Rio/Depto. de Economia IBGE/ENCE Banco Mundia Daniee Carusi Machado
Leia mais8.5 Cálculo de indutância e densidade de energia magnética
8.5 Cácuo de indutância e densidade de energia magnética Para agumas geometrias de mahas pode-se cacuar a indutância aproximadamente. Cacuamos aqui a indutância de uma maha que contém um soenoide ciíndrico
Leia maisVetor de Variáveis Aleatórias
Vetor de Variáveis Aleatórias Luis Henrique Assumpção Lolis 25 de junho de 2013 Luis Henrique Assumpção Lolis Vetor de Variáveis Aleatórias 1 Conteúdo 1 Vetor de Variáveis Aleatórias 2 Função de Várias
Leia maisUm modelo estocástico para o fluxo de caixa de um plano de previdência de um indivíduo 15
2 Simulação estocástica A simulação computacional consiste em empregar técnicas matemáticas em computadores com o propósito de gerar ensaios que tentam reproduzir de maneira análoga um processo ou operação
Leia mais6. Amostragem e estimação pontual
6. Amostragem e estimação pontual Definição 6.1: População é um conjunto cujos elementos possuem qualquer característica em comum. Definição 6.2: Amostra é um subconjunto da população. Exemplo 6.1: Um
Leia maisAlgoritmos de conformação de feixe em banda dupla para aplicação em bloqueio de RF
XXV SIMPÓSIO BRASILEIRO DE TELECOMUNICAÇÕES - SBrT 07, 03-06 DE SETEMBRO DE 007, RECIFE, PE Agoritmos de conformação de feixe em banda dupa para apicação em boqueio de RF Danie Siva Vieira Araujo, José
Leia maisDETECÇÃO DE RASTROS DE DUST DEVILS EM IMAGENS DA SUPERFÍCIE DE MARTE
III Simpósio rasieiro de Ciências Geodésicas e Tecnoogias da Geoinformação Recife - PE, 27-30 de Juho de 2010 DETECÇÃO DE RASTROS DE DUST DEVILS EM IMAGENS DA SUPERFÍCIE DE MARTE THIAGO STATELLA 1 ERIVALDO
Leia maisAnálise de Dados e Simulação
Universidade de São Paulo Instituto de Matemática e Estatística http:www.ime.usp.br/ mbranco Simulação de Variáveis Aleatórias Contínuas. O método da Transformada Inversa Teorema Seja U U (0,1). Para qualquer
Leia maisCalculando áreas. Após terem sido furadas, qual delas possui maior área?
A UA UL LA 53 5 Cacuando áreas Para pensar Imagine que você vá revestir o piso de sua saa com ajotas. Para saber a quantidade de ajotas necessária, o que é preciso conhecer: a área ou o perímetro da saa?
Leia maisVocê já percebeu que os gráficos são cada vez. Relatórios de empresas Análises governamentais Relatórios de pesquisas Balanços financeiros
A UA UL LA 66 Gráfico de uma equação Introdução Você já percebeu que os gráficos são cada vez mais usados na comunicação. Podemos encontrá-os em vários tipos de pubicação, expressando os mais diversos
Leia mais1E207 - MACROECONOMIA II
LIENIATURA EM EONOMIA (2009-10) 1E207 - MAROEONOMIA II ap. 2 Mercado de Trabaho e Desemprego Exercício 2.1 A empresa típica de uma dada economia dispõe de uma tecnoogia de produção descrita por Y = 20
Leia maisANÁLISE DE CONGLOMERADOS DE ACIDENTES DE TRÂNSITO UTILIZANDO GOOGLE MAPS E ESTATÍSTICA ESPACIAL
Simpósio Brasieiro de Pesquisa Operaciona A Pesquisa Operaciona na busca de eficiência nos serviços púbicos e/ou privados ata/r AÁLISE DE COGLOMERADOS DE ACIDETES DE TRÂSITO UTILIZADO GOOGLE MAPS E ESTATÍSTICA
Leia maisCPV O Cursinho que Mais Aprova na GV
CPV O Cursinho que Mais Aprova na GV FGV ADM 09/jun/0 MATEMÁTICA (MÓDULO OBJETIVO PROVA A) 0. No pano cartesiano, a reta (r) intercepta os eixos x e y nos pontos (5; 0) e (0; ); a reta (s) intercepta os
Leia maisEdital 04/2016 Programa de Pós-Graduação em Engenharia Ambiental Processo Seletivo de Doutorado 2016 Instruções
Edita 04/2016 Programa de Pós-Graduação em Engenharia Ambienta Processo Seetivo de Doutorado 2016 Instruções 10 de juho de 2016 1 Candidatos admissíveis; vagas; e bosas de doutorado Podem se candidatar
Leia maisAndréa Maria Pedrosa Valli
Raízes de Equações Andréa Maria Pedrosa Valli Laboratório de Computação de Alto Desempenho (LCAD) Departamento de Informática Universidade Federal do Espírito Santo - UFES, Vitória, ES, Brasil 2-27 Raízes
Leia maisAnálise de clusters usando classes latentes
Análise de clusters usando classes latentes João Branco Departamento de Matemática, IST XIV Congresso SPE, 27-30 Set. 2006 Covilhã Poucos dados/muitos dados p. 0/23 Sumário 1. Variáveis latentes 2. Modelos
Leia maisIntrodução à Inferência Estatística
Introdução à Inferência Estatística Capítulo 10, Estatística Básica (Bussab&Morettin, 7a Edição) 2a AULA 02/03/2015 MAE229 - Ano letivo 2015 Lígia Henriques-Rodrigues 2a aula (02/03/2015) MAE229 1 / 16
Leia maisModelo de regressão estável aplicado a econometria
Modelo de regressão estável aplicado a econometria financeira Fernando Lucambio Departamento de Estatística Universidade Federal do Paraná Curitiba/PR, 81531 990, Brasil email: lucambio@ufpr.br 1 Objetivos
Leia maisFernando de Pol Mayer
Fernando de Pol Mayer Laboratório de Estatística e Geoinformação (LEG) Departamento de Estatística (DEST) Universidade Federal do Paraná (UFPR) Este conteúdo está disponível por meio da Licença Creative
Leia mais4 Modelos Lineares Generalizados
4 Modelos Lineares Generalizados Neste capítulo, serão apresentados arcabouços teóricos dos modelos lineares generalizados (MLGs) e como casos particulares desses modelos são aplicáveis ao problema da
Leia maisModelos Lineares Generalizados - Métodos de Estimação
Modelos Lineares Generalizados - Métodos de Estimação Erica Castilho Rodrigues 07 de Abril de 2014 3 Componentes dos MLG s Os MLG s são compostos por duas partes: componente sistemático e componente aleatório.
Leia maisPROCESSOS DE CARGA E DESCARGA DE UNIDADES FLUTUANTES DE PRODUÇÃO ARMAZENAMENTO E TRANSFERÊNCIA DE PETRÓLEO. Ricardo Saldanha da Gama da Câmara e Souza
PROCESSOS DE CARGA E DESCARGA DE UNIDADES FLUTUANTES DE PRODUÇÃO ARMAZENAMENTO E TRANSFERÊNCIA DE PETRÓLEO Ricardo Sadanha da Gama da Câmara e Souza TESE SUBMETIDA AO CORPO DOCENTE DA COORDENAÇÃO DOS PROGRAMAS
Leia maisA Metodologia de Box & Jenkins
A Metodologia de Box & Jenins Aula 03 Bueno, 0, Capítulo 3 Enders, 009, Capítulo Morettin e Toloi, 006, Capítulos 6 a 8 A Metodologia Box & Jenins Uma abordagem bastante utilizada para a construção de
Leia maisProf. Adriano Mendonça Souza, Dr. Departamento de Estatística PPGEMQ / PPGEP - UFSM
Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística PPGEMQ / PPGEP - UFSM Noções básicasb de Inferência Estatística descritiva inferencial População - Parâmetros desconhecidos (reais) Amostra
Leia maisExercícios de programação
Exercícios de programação Estes exercícios serão propostos durante as aulas sobre o Mathematica. Caso você use outra linguagem para os exercícios e problemas do curso de estatística, resolva estes problemas,
Leia maisMétodo dos Deslocamentos
Método dos Desocamentos formuação matemática do método das forças e dos desocamentos é bastante semehante, devendo a escoha do método de anáise incidir num ou noutro conforme seja mais vantajoso O método
Leia maisIntervalos de Confiança
Intervalos de Confiança Carla Henriques e Nuno Bastos Departamento de Matemática Escola Superior de Tecnologia de Viseu Carla Henriques e Nuno Bastos (DepMAT) Intervalos de Confiança 2010/2011 1 / 33 Introdução
Leia maisResumos do IX Congresso Brasileiro de Agroecologia Belém/PA a
Resumos do IX Congresso Brasieiro de Agroecoogia Beém/PA 28.09 a 01.10.2015 Um modeo de precificação para poíticas púbicas de promoção da Agroecoogia A pricing mode for pubic poicies of Agroecoogy promotion
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: Semanas 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 e 16 Introdução à probabilidade (eventos,
Leia maisSimulação de Sistemas
Simulação de Sistemas Daniel Sadoc Menasche e Paulo Aguiar 2012 1/1 Como analisar um sistema? sistema modelo emulador solucão analítica simulador medidas de interesse 2/1 Por que simular? Quando resolver
Leia maisCatarina Marques. Estatística II Licenciatura em Gestão. Conceitos: População, Unidade Estatística e Amostra
Amostragem Estatística II Licenciatura em Gestão 1 Conceitos: População, Unidade Estatística e Amostra População (ou Universo) dimensão N Conjunto de unidades com uma ou mais características comuns População
Leia maisMODELAÇÃO DA PROPAGAÇÃO DE ONDAS SÍSMICAS ATRAVÉS DO MÉTODO DOS ELEMENTOS DE FRONTEIRA
MODELAÇÃO DA PROPAGAÇÃO DE ONDAS SÍSMICAS ATRAVÉS DO MÉTODO DOS ELEMENTOS DE FRONTEIRA P. F. A. SANTOS Assistente DEC-FCTUC Coimbra A. J. B. TADEU Prof. Associado DEC-FCTUC Coimbra SUMÁRIO Neste trabaho
Leia maisModelos de Regressão Linear Simples - Análise de Resíduos
Modelos de Regressão Linear Simples - Análise de Resíduos Erica Castilho Rodrigues 1 de Setembro de 2014 3 O modelo de regressão linear é dado por Y i = β 0 + β 1 x i + ɛ i onde ɛ i iid N(0,σ 2 ). O erro
Leia maisEAE36AM - ESTATÍSTICA APLICADA A EXPERIMENTOS
EAE36AM - ESTATÍSTICA APLICADA A EXPERIMENTOS AULA 1 PROFª SHEILA REGINA ORO Ementa Panejamento de experimentos; Panejamento amostra; Deineamento experimenta; Coeta e vaidação dos dados; Testes de comparação
Leia maisTécnicas de Parametrizações na Solução de Sistemas de Equações Não Lineares do Fluxo de Carga Continuado
Técnicas de Parametrizações na Soução de Sistemas de Equações ão Lineares do Fuxo de Carga Continuado Afredo onini eto Departamento de Engenharia Eétrica, FEIS, UESP 585-, Iha Soteira, SP E-mai: afredoneto@auno.feis.un.br
Leia maisDistribuição Amostral e Estimação Pontual de Parâmetros
Roteiro Distribuição Amostral e Estimação Pontual de Parâmetros 1. Introdução 2. Teorema Central do Limite 3. Conceitos de Estimação Pontual 4. Métodos de Estimação Pontual 5. Referências População e Amostra
Leia maisMétodos Não Paramétricos
Universidade Federal do Paraná Departamento de Informática Reconhecimento de Padrões Métodos não Paramétricos Luiz Eduardo S. Oliveira, Ph.D. http://lesoliveira.net Métodos Não Paramétricos Introduzir
Leia maisNa figura abaixo, a balança está em equilíbrio e as três melancias têm o mesmo peso. Nessas condições, qual é o peso (em kg) de cada melancia?
A UUL AL A 5 Introdução à ágebra Na figura abaixo, a baança está em equiíbrio e as três meancias têm o mesmo peso. Nessas condições, qua é o peso (em ) de cada meancia? Para pensar 3 Uma barra de rapadura
Leia maisAvaliação Monte Carlo do teste para comparação de duas matrizes de covariâncias normais na presença de correlação
Avaliação Monte Carlo do teste para comparação de duas matrizes de covariâncias normais na presença de correlação Vanessa Siqueira Peres da Silva 1 2 Daniel Furtado Ferreira 1 1 Introdução É comum em determinadas
Leia maisUMA ABORDAGEM ANALÍTICA PARA DETECÇÃO DE PONTOS LIMITES E DE BIFURCAÇÃO
31 UMA ABORDAGEM ANALÍTICA PARA DETECÇÃO DE PONTOS LIMITES E DE BIFURCAÇÃO An anaytica approach for the detection of imit points and bifurcation points in structura systems Wiiam Tayor Matias Siva¹, María
Leia maisAnálise teórica Fluidodinâmica e transferência de calor na solução aquosa
Anáise teórica 30 2 Anáise teórica Conforme mencionado no capituo 1, o objetivo deste trabaho é a determinação experimenta do coeficiente de troca de caor de um gerador de pasta de geo, para isso foi preciso
Leia maisVocê já participou da reforma ou da construção de um imóvel?
ÁREA DE POLÍGONOS CONTEÚDOS Área de retânguo Área de paraeogramo Área de triânguo Área de trapézio Área de hexágono AMPLIANDO SEUS CONHECIMENTOS Área do retânguo e quadrado Você já participou da reforma
Leia maisConceitos básicos, probabilidade, distribuição normal e uso de tabelas padronizadas
Conceitos básicos, probabilidade, distribuição normal e uso de tabelas padronizadas Prof. Marcos Vinicius Pó Métodos Quantitativos para Ciências Sociais Alguns conceitos População: é o conjunto de todos
Leia maisInferência Estatística: DEEST/UFOP Prof.: Spencer Barbosa da Silva
Inferência Estatística: Prof.: Spencer Barbosa da Silva Amostragem Estatística Descritiva Cálculo de Probabilidade Inferência Estatística Estimação Teste de Hipótese Pontual Por Intervalo Conceitos básicos
Leia maisUNIVERSIDADE EDUARDO MONDLANE Faculdade de Engenharia. Transmissão de calor. 3º ano
UNIVERSIDADE EDUARDO MONDLANE Facudade de Engenharia Transmissão de caor 3º ano 1 12. Transferência de Caor com Mudança de Fase Transferência de Caor na Condensação Condensação em Peícua Condensação em
Leia maisSimulação Monte Carlo
Simulação Monte Carlo Nome do Prof. Fernando Saba Arbache Email do prof. fernando@arbache.com Definição Análise de risco faz parte da tomada de decisão Surgem constantemente incertezas, ambiguidades e
Leia maisUma estatística é uma característica da amostra. Ou seja, se
Estatística Uma estatística é uma característica da amostra. Ou seja, se X 1,..., X n é uma amostra, T = função(x 1,..., X n é uma estatística. Exemplos X n = 1 n n i=1 X i = X 1+...+X n : a média amostral
Leia maisEmerson Marcos Furtado
Emerson Marcos Furtado Mestre em Métodos Numéricos pea Universidade Federa do Paraná (UFPR). Graduado em Matemática pea UFPR. Professor do Ensino Médio nos estados do Paraná e Santa Catarina desde 199.
Leia maisPrática X PÊNDULO SIMPLES
Prática X PÊNDULO SIMPLES OBJETIVO Determinação do vaor da gravidade g em nosso aboratório. A figura abaixo representa um pênduo simpes. Ee consiste de um corpo de massa m, preso à extremidade de um fio
Leia maisFernando Nogueira Simulação 1
Simulação a Eventos Discretos Fernando Nogueira Simulação Introdução Simulação não é uma técnica de otimização: estima-se medidas de performance de um sistema modelado. Modelos Contínuos X Modelos Discretos
Leia maisXXVII Olimpíada Brasileira de Matemática GABARITO Segunda Fase
XXVII Oimpíada Brasieira de Matemática GBRITO Segunda Fase Souções Níve 3 Segunda Fase Parte CRITÉRIO DE CORREÇÃO: PRTE Na parte serão atribuídos 4 pontos para cada resposta correta e a pontuação máxima
Leia mais3 Estática das estruturas planas
STÁTI 3674 27 3 stática das estruturas panas 3.1 ácuo das reações vincuares - apoios 3.1.1 ondições de equiíbrio estático O equiíbrio estático de uma estrutura bidimensiona (a estrutura considerada, as
Leia maisINTRODUÇÃO À INFERÊNCIA ESTATÍSTICA
UFPE - Universidade Federal de Pernambuco Departamento de Estatística Disciplina: ET-406 Estatística Econômica Professor: Waldemar A. de Santa Cruz Oliveira Júnior INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA Podemos
Leia maisComparação do desempenho de diferentes níveis aleatórios na metodologia PORT
Comparação do desempenho de diferentes níveis aleatórios na metodologia PORT Paulo Araújo Santos Instituto Politécnico de Santarém, ESGS paulo.santos@esgs.pt Isabel Fraga Alves Universidade de Lisboa,
Leia mais5 Tudo que sobe, desce
A U A UL LA Tudo que sobe, desce Rio de Janeiro, temperatura atíssima, tumuto na praia, começa o corre-corre! Dizem que é um arrastão! A poícia chega e a correria se torna desordenada, quando aguém dá
Leia maisForecasting e ti O i Otim Oti ização de ã d Carteiras com Matlab AULA 3
Forecasting e Otimização i de Carteiras com Matlab AULA 3 Guia de Estudo para Aula 03 Modelos Discretos Exercícios - Formulação de um modelo - Programação de modelos com for - A simulação de um modelo
Leia maisNoções de Simulação. Ciências Contábeis - FEA - Noturno. 2 o Semestre MAE0219 (IME-USP) Noções de Simulação 2 o Semestre / 23
Noções de Simulação Ciências Contábeis - FEA - Noturno 2 o Semestre 2013 MAE0219 (IME-USP) Noções de Simulação 2 o Semestre 2013 1 / 23 Objetivos da Aula Sumário 1 Objetivos da Aula 2 Motivação 3 Geração
Leia maisEMPREGO DA ALGAROBA (Prosopolis juliflora) NA PRODUÇÃO DE CHAPAS DE PARTÍCULAS HOMOGÊNEAS
EMPREGO DA ALGAROBA (Prosopis juifora) NA PRODUÇÃO DE CHAPAS... 51 EMPREGO DA ALGAROBA (Prosopois juifora) NA PRODUÇÃO DE CHAPAS DE PARTÍCULAS HOMOGÊNEAS Maria Fátima do Nascimento Bosista de Desenvovimento
Leia mais26 de dezembro de 2007
Curso de UFRPE e UFPE 26 de dezembro de 2007 1 2 3 4 Seja l(θ) a log-verossimilhança. A esperança e a covariância da função escore são dadas por: e Cov(U) = E respectivamente. ( UT θ E(U) = 0 (1.1) ) (
Leia maisAvaliação do desempenho de estimadores dos parâmetros da distribuição Pareto corrigidos por Bootstrap
7 22, 202 Avaliação do desempenho de estimadores dos parâmetros da distribuição Pareto corrigidos por Bootstrap Francisca Mendonça Souza, Pollyanna Kelly de Oliveira Silva, Marcelo Bourguignon Pereira,
Leia maisModelos Lineares Distribuições de Probabilidades Distribuição Normal Teorema Central do Limite. Professora Ariane Ferreira
Distribuições de Probabilidades Distribuição Normal Teorema Central do Limite Professora Ariane Ferreira Modelos Probabilísticos de v.a. continuas Distribuição de Probabilidades 2 IPRJ UERJ Ariane Ferreira
Leia maisMODELO MATEMÁTICO DETERMINÍSTICO PARA A PREVISÃO DA TRANSIÇÃO COLUNAR-EQUIAXIAL NA SOLIDIFICAÇÃO BIDIMENSIONAL 1
MODELO MATEMÁTICO DETERMINÍSTICO PARA A PREVISÃO DA TRANSIÇÃO COLUNAR-EQUIAXIAL NA SOLIDIFICAÇÃO BIDIMENSIONAL 1 Marceo Aquino Martorano 2 Resumo O objetivo do presente trabaho é propor um modeo matemático
Leia maisRedes Complexas Aula 7
Redes Complexas Aula 7 Aula retrasada Lei de potência Distribuição Zeta Propriedades Distribuição Zipf Exemplo Wikipedia Aula de hoje Distribuição de Pareto Medindo lei de potência Estimando expoente Exemplos
Leia maisA função f(x) = x é a função modular, cujo gráfico. A função g(x) = 1 - x é a função f(x) transformada.
Q uestão 6 - C O número 100.000.000.000 é uma potência inteira de dez igua a 10 11 ; pois 10 10 10... 10 = 100.000.000.000 11 fatores 10 Q uestão 7 - B Todos os números inteiros com o agarismo das unidades
Leia maisAula 10 Sistemas Não-lineares e o Método de Newton.
Aula 10 Sistemas Não-lineares e o Método de Newton MS211 - Cálculo Numérico Marcos Eduardo Valle Departamento de Matemática Aplicada Instituto de Matemática, Estatística e Computação Científica Universidade
Leia maisMétodos Quantitativos para Ciência da Computação Experimental
Métodos Quantitativos para Ciência da Computação Experimental Revisão Virgílio A. F. Almeida Maio de 2008 Departamento de Ciência da Computação Universidade Federal de Minas Gerais FOCO do curso Revisão
Leia maisTestes de Hipóteses Paramétricos
Testes de Hipóteses Paramétricos Carla Henriques Departamento de Matemática Escola Superior de Tecnologia de Viseu Introdução Exemplos Testar se mais de metade da população irá consumir um novo produto
Leia maisBanco de Dados I Introdução. Prof. Dr. Joel da Silva
Banco de Dados I Introdução Prof. Dr. Joe da Siva Apresentação: Quem sou? Joe da Siva (joe.dasiva@iffarroupiha.edu.br) Formação: Graduação Informática (URI/FW) - 2001 Mestre em Ciência da Computação (CIn/UFPE)
Leia maisDisciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 02 / Processos Aleatórios
Disciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 02 / Processos Aleatórios Prof. Eduardo Simas (eduardo.simas@ufba.br) Programa de Pós-Graduação em Engenharia Elétrica/PPGEE Universidade
Leia maisPrincípios de Estatística
Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica MOQ-13 Probabilidade e Estatística Profa. Denise Beatriz Ferrari www.mec.ita.br/ denise denise@ita.br 05/10/2011 Probabilidade
Leia maisO círculo e o número p
A UA UL LA 45 O círcuo e o número p Para pensar O círcuo é uma figura geométrica bastante comum em nosso dia-a-dia. Observe à sua vota quantos objetos circuares estão presentes: nas moedas, nos discos,
Leia maisContinualizações das Distribuições Geométrica e Poisson
Continualizações das Distribuições Geométrica e Poisson Cícero Carlos Ramos de Brito 1 Wilson Rosa de Oliveira Jr. 2 Kleber Napoleão Nunes de Oliveira Barros 3 Kleber Régis Santoro 2 1 Introdução Consta
Leia maisModelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2016
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2016 Simulação de Sistemas Simulação é a técnica de solução de um problema pela análise de
Leia mais4 Análises de probabilidade de ruptura de fundações
4 Anáises de robabiidade de rutura de fundações 4.1. Introdução No resente caítuo são aresentadas formas de estimarem-se robabiidades de rutura de fundações suerficiais e rofundas. Iniciamente, são desenvovidos
Leia mais3 Estimação e Compensação de movimento na codificação de vídeo
Estimação e Compensação de movimento na codificação de vídeo 36 3 Estimação e Compensação de movimento na codificação de vídeo O objetivo do modelo temporal (que engloba as fases de estimação e compensação
Leia maisCOMPARAÇÃO DE MODELOS MISTOS VISANDO À ESTIMAÇÃO DO COEFICIENTE DE HERDABILIDADE PARA DADOS DE PROPORÇÕES
COMPARAÇÃO DE MODELOS MISTOS VISANDO À ESTIMAÇÃO DO COEFICIENTE DE HERDABILIDADE PARA DADOS DE PROPORÇÕES Telde Natel CUSTÓDIO 1 Décio BARBIN RESUMO: O objetivo deste trabalho foi apresentar um procedimento
Leia maisEstimação e Testes de Hipóteses
Estimação e Testes de Hipóteses 1 Estatísticas sticas e parâmetros Valores calculados por expressões matemáticas que resumem dados relativos a uma característica mensurável: Parâmetros: medidas numéricas
Leia mais2 Metodologia. Simulação de defeitos pontuais em um sólido de Lennard-Jones
Simulação de defeitos pontuais em um sólido de Lennard-Jones SILVA JÚNIOR, Domingos Lopes da 1 ; COSTA, Lucas Modesto da 1 ; RABELO, José Nicodemos Teixeira 2 ; CÂNDIDO, Ladir 3 1 Introdução Apesar de
Leia maisParábola. Sumário Parábola com vértice V = (x o, y o ) e reta focal. paralela ao eixo OX... 7
7 aráboa Sumário 7.1 Introdução....................... 2 7.2 aráboa........................ 3 7.3 ormas canônicas da paráboa............ 4 7.3.1 aráboa com vértice na origem e reta foca coincidente com
Leia maisInferência em Modelos Lineares Assimétricos
UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA Inferência em Modelos Lineares Assimétricos Bárbara da Costa Campos Dias Orientador: Clécio da Silva Ferreira
Leia maisInferência Estatística: Conceitos Básicos II
Inferência Estatística: Conceitos Básicos II Distribuição Amostral e Teorema do Limite Central Análise Exploratória de dados no SPSS Flávia F. Feitosa BH1350 Métodos e Técnicas de Análise da Informação
Leia maisUniversidade Federal de Viçosa Departamento de Estatística
Universidade Federal de Viçosa Departamento de Estatística Prova Seletiva para o Programa de Pós-Graduação em Estatística Aplicada e Biometria. Nível Doutorado - 22/nov/2013 Nome: Assinatura:. Número do
Leia mais