CURSO A DISTÂNCIA DE GEOESTATÍSTICA
|
|
- Octavio Padilha Bandeira
- 6 Há anos
- Visualizações:
Transcrição
1 CURSO A DISTÂNCIA DE GEOESTATÍSTICA Aula 6: Estaconardade e Semvarânca: Estaconardade de a. ordem, Hpótese ntríseca, Hpótese de krgagem unversal, Crtéros para escolha, Verfcação, Representatvdade espacal, Defnção de semvarânca, Defnção de covarânca, Autocorrelação, Relações pertnentes. Introdução: Todos os concetos teórcos de geoestatístca têm suas bases em funções e varáves aleatóras, as quas, por convenção, recebem símbolos maúsculos. Os valores meddos recebem símbolos mnúsculos. É precso também entender que uma realzação em partcular de uma função é um valor numérco assumdo por esta função dentro de uma dada condção fa. Por eemplo, Cos(0) = 1, então 1 é uma realzação da função coseno para o ângulo 0 (zero) graus. Para o estabelecmento do problema, consdere-se um campo de área S, para o qual se tem um conjunto de valores meddos {z( ), =1, n}, onde dentfca uma posção no espaço ou no tempo, e representa pares de coordenadas (, y ). Esse procedmento é usado para smplcdade de representação na dedução das equações. O ponto de referênca para o sstema de coordenadas é arbtráro e fado a crtéro do nteressado. Para uma dada posção fa k, cada valor meddo da varável em estudo, z( k ), pode ser consderado como uma realzação de uma certa varável aleatóra, Z( k ). A varável regonalzada Z( k ), para qualquer dentro da área S, por sua vez pode ser consderada uma realzação do conjunto de varáves aleatóras {Z( ), para qualquer dentro de S}. Esse conjunto de varáves aleatóras é chamado uma função aleatóra e é smbolzado por Z( ). O eposto acma se faz necessáro porque, pelo fato de uma função aleatóra ser contínua, pode ser submetda a uma grande gama de hpóteses, sem as quas a dedução de equações é mpossível. O que se deve esperar é que com pontos dscretos de amostragem, se possa satsfazer as hpóteses às quas as funções aleatóras estão sujetas. Com uma únca amostragem, tudo o que se sabe de uma função aleatóra Z(k ) é uma únca realzação. Então, para se estmar valores para os locas não amostrados, ter-se-á que ntroduzr a restrção de que a varável regonalzada seja, necessaramente, estaconára estatstcamente. Formalmente, uma varável regonalzada é estaconára se os momentos estatístcos da varável aleatóra Z( +h) forem os mesmos para qualquer vetor h. De acordo com o número k de momentos estatístcos que são constantes, a varável é chamada de estaconára de ordem k. Estaconaredade de ordem é tudo que é requerdo em geoestatístca. Supondo-se que a função aleatóra Z( ) tenha valores esperados E{Z( )} = m( ) e E{Z( +h)} = m( +h) e varâncas VAR {Z( )} e VAR {Z( +h)}, respectvamente, para os locas e +h, e qualquer vetor h, então, a covarânca C(, +h) entre Z( ) e Z( +h) é defnda por C(, + h)= E {Z( ) Z( + h)} - m( ) m( + h) (1) e o varograma γ(, +h) é defndo por
2 γ (, +h) = E {Z( ) - Z( +h)} () A varânca de Z( ) é VAR {Z( )} = E {Z( ) Z( +0) - m( ) m( +0)}= (3) = E {Z ( )-m ( )} = C(, ) e a varânca de Z( +h) é VAR {Z( +h)} = E {Z ( +h) - m ( +h)} = C ( +h, +h) (4) Assm, estem três hpóteses de estaconardade de uma função aleatóra Z( ), e pelo menos uma delas deve ser satsfeta antes de se fazer qualquer aplcação de geoestatístca. Estaconardade de ordem Uma função aleatóra Z( ) é estaconára de ordem se: a) O valor esperado E{Z( )} estr e não depender da posção, ou seja para qualquer dentro da área S. E {Z( )} = m b) Para cada par de varáves aleatóras, {Z( ), Z( +h)}, a função covarânca, C(h), estr e for função de h: C(h) = E {Z( ) Z( +h)} - m para qualquer dentro da área S. A hpótese de estaconardade de ordem mplca a estênca de uma varânca fnta dos valores meddos, VAR {Z()} = C(0). Esta hpótese pode não ser satsfeta para alguns fenômenos físcos que têm uma capacdade nfnta de dspersão. Eemplos ncluem a concentração de ouro em jazdas de ouro, o movmento brownano de moléculas e algumas cadeas de Markov. Hpótese ntrínseca Uma hpótese menos restrtva, a hpótese ntrínseca, pode ser aplcável em mutas stuações para as quas é dfícl satsfazer a estaconardade de ordem. Essa hpótese requer apenas a estênca e estaconardade do varograma, sem nenhuma restrção quanto à estênca de varânca fnta. Uma função aleatóra é ntrínseca quando, além de satsfazer a condção da estaconardade do prmero momento estatístco: E {Z( )} = m (5) (6) (7)
3 também satsfzer a egênca de que o ncremento {Z( ) - Z( +h)} tenha varânca fnta, e não dependa de para qualquer vetor h.. Matematcamente, sso pode ser escrto: VAR {[Z( ) - Z( + h )]} = E[Z( ) - Z( + h) ] para qualquer dentro da área S. A hpótese ntrínseca é, na verdade, a mas freqüentemente usada em geoestatístca, prncpalmente por ser a menos restrtva. ((8) Hpótese de tendênca - krgagem unversal Nesta hpótese, a função aleatóra Z( ), para qualquer posção,, consste de dos componentes: Z( ) = m( )+ e( ) onde m( ) é o "drft" (tendênca prncpal) e e( ) é o erro resdual. Portanto, para se trabalhar sob esta hpótese é precso, para cada posção, determnar o "drft", m( ), e ter uma epressão para o semvarograma dos resíduos. Devdo à arbtraredade envolvda na epressão do "drft" e do semvarograma dos resíduos, não será apresentado aqu nenhum desenvolvmento teórco para krgagem unversal. (9) Crtéros para escolha Se uma função aleatóra é estaconára de ordem k (k>0), ela também será estaconára de todas as ordens menores que k. Consequentemente, se uma função aleatóra Z( ) é estaconára de ordem, ela será também ntrínseca. Entretanto, o contráro não é necessaramente verdade. Não este um método fácl para testar em qual tpo de estaconardade os dados se enquadram. O eame do semvarograma, como será vsto a segur, e um teste conhecdo como "jack-knfng", são as prncpas ferramentas utlzadas para se conhecer ndretamente a estaconardade dos dados. O prncpal crtéro para a escolha é a smplcdade. Por sto, neste curso, todo esforço será feto para se enquadrar a função na hpótese ntrínseca. Uma manera smplsta de se avalar se a estaconardade da méda (equação 7) este é estabelecer um rao de dmensão magnára e eamnar o sera o valor da méda da varável em análse dentro deste rao. Em seguda move-se magnaramente este rao pela área calculando-se valores médos. Se este valores médos forem de alguma manera organzados no espaço então a estaconardade da méda não este uma vez que este processo mostrou que a méda depende da posção espacal. O melhor ndíco desta condção é o patamar do semvarograma, uma vez que, se ele estr, sto é um ndcatvo de que a equação 8 é fnta. Estas duas condções (méda ndependente da posção espacal e presença de patamar no semvarogramas) dentfcam um varável ntrínseca. Verfcação:
4 Topografa (cm) Wang A fgura acma mostra o mapa topográfco de uma área de 1ha a qual não se se enquadra na hpótese ntrínseca. Para esta superfíce o teste da estacordade da méda não será aprovado, uma vez que uma méda regonal tem uma tendênca de aumentar dagonalmente a partr da coordenada X=0 até o meo do campo e decrescendo novamente até Y=100. c Semvarân Topografa Wang Ottawa, Canada Cotas_Orgnal Estmado Cotas_Resíduos Dstânca, m O semvarograma correspondente está mostrado na fgura acma, onde se pode ver que não este um patamar para as semvarâncas dos dados orgnas. Isto sgnfca que o campo amostrado não fo sufcente para epressar toda a varabldade dos dados. Os
5 trângulos verdes dentfcam o semvarograma da varável resdual construída pela dferença entre a superfíce parabólca ajustada e os dados orgnas. Uma superfíce parabólca fo ajustada à fgura acma, e construu-se uma nova varável consttuída da dferença entre a superfíce ajustada e os dados orgnas. A superfíce resultante fcou assm: Topografa (Resíduos) Wang, Ottawa
6 a Semvarânca Cotas_Resíduos Sph(1,39,16) 5 0 a Dstance, meters O semvarograma para a varável resdual está na fgura acma. Para esta nova varável, a hpótese ntrínseca poderá ser satsfeta, eamnando-se a estênca de patamar no semvarograma. Defnção de semvarânca A equação () é, por defnção, o varograma: γ (h) = E[Z( ) - Z( +h)] ( 10) A função γ (h) é o semvarograma. A razão para o prefo "sem" é que a equação (10) pode ser escrta na forma: γ (h) = 1 / E[Z( ) - Z( +h)] ((11) Defnção de covarânca Supondo-se que a função aleatóra Z( ) tenha valores esperados E{Z( )} = m( ) e E{Z( +h)} = m( +h) e varâncas VAR {Z( )} e VAR {Z( +h)}, respectvamente, para os locas e +h, e qualquer vetor h, então, a covarânca C(, +h) entre Z( ) e Z( +h) é defnda por C(, + h)= E {Z( ) Z( + h)} - m( ) m( + h) Relações pertnentes O fator fo ntroduzdo na defnção do varograma, γ(h), para cancelamento e smplfcação e a quantdade mas freqüentemente usada é γ(h) e não γ(h). ((1)
7 A equação (6), estaconardade da covarânca, mplca na estaconardade da varânca e do varograma. Assm, usando a lneardade do operador valor esperado, E, na equação (3), obtém-se: VAR {Z( )} = E {Z( +0)} - E {m ( )} e aplcando as condções de estaconardade (5) e (6) obtém-se: VAR {Z( )} = E {Z ( )} - m = C(0) ((13) (14) O varograma na equação () pode ser desenvolvdo em: γ (, + h)= γ (h)= E { Z ( ) - Z( )Z( + h)+ Z ( +h)} (15) Somando e subtrando m : γ (h) = E {Z ( )-m -Z( ) Z( +h)+ m + Z ( +h)-m } Usando a lneardade do operador E, e reconhecendo que o valor esperado de uma constante é a própra constante tem-se: γ (h) = E {Z ( )} - m - (E {Z( )Z( +h)}-m )+ E {Z ( +h)}-m Substtundo as equações (6) e (8) na equação (14), tem-se: ou smplfcando, Isolando C(h), tem-se: (17) ((16) γ (h) = C(0)- C(h)+ C(0) = C(0) - C(h) ((18) γ (h) = C(0) - C(h) ((19) C(h) = C(0) - γ (h) ((0) Dvdndo ambos os lados por C(0) e reconhecendo que o correlograma ρ(h) = C(h)/C(0): ρ(h) = C(h) C(0) = C(0) C(0) - γ (h) ρ(h) = 1- C(0) γ (h) C(0) Portanto, se a hpótese de estaconardade de ordem puder ser satsfeta, a covarânca C(h) e o varograma γ(h) são ferramentas equvalentes para caracterzar a dependênca espacal. A estênca de estaconardade dá a oportundade de repetr um epermento mesmo que as amostras devam ser coletadas em pontos dferentes, porque todas são consderadas pertencentes a populações com os mesmos momentos estatístcos. (1
Algarismos Significativos Propagação de Erros ou Desvios
Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento
Leia maisEstatística II Antonio Roque Aula 18. Regressão Linear
Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão
Leia maisCORRELAÇÃO E REGRESSÃO
CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr
Leia maisFaculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu
1 Programação Não Lnear com Restrções Aula 9: Programação Não-Lnear - Funções de Váras Varáves com Restrções Ponto Regular; Introdução aos Multplcadores de Lagrange; Multplcadores de Lagrange e Condções
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca
Leia maisFigura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma
Capítulo 8 Dferencação Numérca Quase todos os métodos numércos utlzados atualmente para obtenção de soluções de equações erencas ordnáras e parcas utlzam algum tpo de aproxmação para as dervadas contínuas
Leia mais3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas
3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas
Leia maisCovariância e Correlação Linear
TLF 00/ Cap. X Covarânca e correlação lnear Capítulo X Covarânca e Correlação Lnear 0.. Valor médo da grandeza (,) 0 0.. Covarânca na propagação de erros 03 0.3. Coecente de correlação lnear 05 Departamento
Leia maisDepartamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina: Variável Aleatória
Departamento de Informátca Dscplna: do Desempenho de Sstemas de Computação Varável leatóra Prof. Sérgo Colcher colcher@nf.puc-ro.br Varável leatóra eal O espaço de amostras Ω fo defndo como o conjunto
Leia maisMECÂNICA CLÁSSICA. AULA N o 7. Teorema de Liouville Fluxo no Espaço de Fases Sistemas Caóticos Lagrangeano com Potencial Vetor
1 MECÂNICA CLÁSSICA AULA N o 7 Teorema de Louvlle Fluo no Espaço de Fases Sstemas Caótcos Lagrangeano com Potencal Vetor Voltando mas uma ve ao assunto das les admssíves na Físca, acrescentamos que, nos
Leia maisAnálise de Regressão
Análse de Regressão método estatístco que utlza relação entre duas ou mas varáves de modo que uma varável pode ser estmada (ou predta) a partr da outra ou das outras Neter, J. et al. Appled Lnear Statstcal
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisCurso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos
Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,
Leia maisAo se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.
Estatístca Dscplna de Estatístca 0/ Curso de Admnstração em Gestão Públca Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos uns dos
Leia mais1. CORRELAÇÃO E REGRESSÃO LINEAR
1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação
Leia mais4 Sistemas de partículas
4 Sstemas de partículas Nota: será feta a segunte convenção: uma letra em bold representa um vector,.e. b b Nesta secção estudaremos a generalzação das les de Newton a um sstema de váras partículas e as
Leia mais2 Principio do Trabalho Virtual (PTV)
Prncpo do Trabalho rtual (PT)..Contnuo com mcroestrutura Na teora que leva em consderação a mcroestrutura do materal, cada partícula anda é representada por um ponto P, conforme Fgura. Porém suas propredades
Leia maisNOTA II TABELAS E GRÁFICOS
Depto de Físca/UFMG Laboratóro de Fundamentos de Físca NOTA II TABELAS E GRÁFICOS II.1 - TABELAS A manera mas adequada na apresentação de uma sére de meddas de um certo epermento é através de tabelas.
Leia maisNotas Processos estocásticos. Nestor Caticha 23 de abril de 2012
Notas Processos estocástcos Nestor Catcha 23 de abrl de 2012 notas processos estocástcos 2 O Teorema de Perron Frobenus para matrzes de Markov Consdere um processo estocástco representado por um conunto
Leia maisAo se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.
Estatístca Dscplna de Estatístca 0/ Curso Superor de tecnólogo em Gestão Ambental Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos
Leia maisTeoria da Regressão Espacial Aplicada a. Sérgio Alberto Pires da Silva
Teora da Regressão Espacal Aplcada a Modelos Genércos Sérgo Alberto Pres da Slva ITENS DE RELACIONAMENTOS Tópcos Báscos da Regressão Espacal; Banco de Dados Geo-Referencados; Modelos Genércos Robustos;
Leia mais7 - Distribuição de Freqüências
7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste
Leia maisD = POLINÔMIO INTERPOLADOR DE NEWTON 1) DIFERENÇAS DIVIDIDAS 1.1) DIFERENÇAS DIVIDIDAS ORDINÁRIAS (D) Sejam n+1 pontos de uma função y = f(x):
POLINÔMIO INTERPOLAOR E NEWTON ) IFERENÇAS IVIIAS.) IFERENÇAS IVIIAS ORINÁRIAS () Sejam n pontos de uma função f():... n f( )... n - ferença dvdda de ordem zero: n n M - ferença dvdda de ordem um: M M
Leia maisLaboratório de Mecânica Aplicada I Estática: Roldanas e Equilíbrio de Momentos
Laboratóro de Mecânca Aplcada I Estátca: Roldanas e Equlíbro de Momentos 1 Introdução O conhecmento das condções de equlíbro de um corpo é mprescndível em númeras stuações. Por exemplo, o estudo do equlíbro
Leia maisContabilometria. Aula 8 Regressão Linear Simples
Contalometra Aula 8 Regressão Lnear Smples Orgem hstórca do termo Regressão Le da Regressão Unversal de Galton 1885 Galton verfcou que, apesar da tendênca de que pas altos tvessem flhos altos e pas axos
Leia maisDEFINIÇÃO - MODELO LINEAR GENERALIZADO
DEFINIÇÃO - MODELO LINEAR GENERALIZADO 1 Um modelo lnear generalzado é defndo pelos seguntes três componentes: Componente aleatóro; Componente sstemátco; Função de lgação; Componente aleatóro: Um conjunto
Leia maisPrograma de Certificação de Medidas de um laboratório
Programa de Certfcação de Meddas de um laboratóro Tratamento de dados Elmnação de dervas Programa de calbração entre laboratóros Programa nterno de calbração justes de meddas a curvas Tratamento dos resultados
Leia maisR X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais
30 Varáves aleatóras bdmensonas Sea ε uma experênca aleatóra e S um espaço amostral assocado a essa experênca. Seam X X(s) e Y Y(s) duas funções cada uma assocando um número real a cada resultado s S.
Leia maisAnálise Descritiva com Dados Agrupados
Análse Descrtva com Dados Agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas descrtvas
Leia maisX = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)
Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado
Leia maisMETODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL. Iran Carlos Stalliviere Corrêa RESUMO
Semnáro Anual de Pesqusas Geodéscas na UFRGS, 2. 2007. UFRGS METODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL Iran Carlos Stallvere Corrêa Insttuto de Geocêncas UFRGS Departamento
Leia maisAnálise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA
Análse de Regressão Profa Alcone Mranda dos Santos Departamento de Saúde Públca UFMA Introdução Uma das preocupações estatístcas ao analsar dados, é a de crar modelos que explctem estruturas do fenômeno
Leia maisAEP FISCAL ESTATÍSTICA
AEP FISCAL ESTATÍSTICA Módulo 11: Varáves Aleatóras (webercampos@gmal.com) VARIÁVEIS ALEATÓRIAS 1. Conceto de Varáves Aleatóras Exemplo: O expermento consste no lançamento de duas moedas: X: nº de caras
Leia maisO problema da superdispersão na análise de dados de contagens
O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão
Leia mais4. ESTÁTICA E PRINCÍPIO DOS TRABALHOS VIRTUAIS 4.1. INTRODUÇÃO
4. ESTÁTICA E PRINCÍPIO DOS TRABALHOS VIRTUAIS 4.1. INTRODUÇÃO Na Estátca, estuda-se o equlíbro dos corpos sob ação de esforços nvarantes com o tempo. Em cursos ntrodutóros de Mecânca, esse é, va de regra,
Leia mais2 ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS
ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS 22 2 ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS Como vsto no capítulo 1, a energa frme de uma usna hdrelétrca corresponde à máxma demanda que pode ser suprda contnuamente
Leia maisIntrodução à Análise de Dados nas medidas de grandezas físicas
Introdução à Análse de Dados nas meddas de grandezas físcas www.chem.wts.ac.za/chem0/ http://uregna.ca/~peresnep/ www.ph.ed.ac.uk/~td/p3lab/analss/ otas baseadas nos apontamentos Análse de Dados do Prof.
Leia maisCAPÍTULO VI Introdução ao Método de Elementos Finitos (MEF)
PMR 40 - Mecânca Computaconal CAPÍTULO VI Introdução ao Método de Elementos Fntos (MEF). Formulação Teórca - MEF em uma dmensão Consderemos a equação abao que representa a dstrbução de temperatura na barra
Leia maisMétodo dos Mínimos Quadrados com ênfase em variâncias e com recursos matriciais (13/2/2014)
Método dos Mínmos Quadrados com ênfase em varâncas e com recursos matrcas (3//4) Otavano Helene Curso de etensão unverstára, IFUSP, feverero/4 Baseado no lvro Método dos Mínmos Quadrados com Formalsmo
Leia maisReconhecimento Estatístico de Padrões
Reconhecmento Estatístco de Padrões X 3 O paradgma pode ser sumarzado da segunte forma: Cada padrão é representado por um vector de característcas x = x1 x2 x N (,,, ) x x1 x... x d 2 = X 1 X 2 Espaço
Leia maisNotas de Aula de Probabilidade A
VII- VARIÁVEIS ALEATÓRIAS UNIDIMENSIONAIS. 7. CONCEITO DE VARIÁVEIS ALEATÓRIAS: Informalmente, uma varável aleatóra é um característco numérco do resultado de um epermento aleatóro. Defnção: Uma varável
Leia maisElementos de Estatística e Probabilidades II
Elementos de Estatístca e Probabldades II Varáves e Vetores Aleatóros dscretos Inês Das 203 O prncpal objetvo da deste documento é fornecer conhecmentos báscos de varáves aleatóras dscretas e pares aleatóros
Leia maisFAAP APRESENTAÇÃO (1)
ARESENTAÇÃO A Estatístca é uma cênca que organza, resume e smplfca nformações, além de analsá-las e nterpretá-las. odemos dvdr a Estatístca em três grandes campos:. Estatístca Descrtva- organza, resume,
Leia maisPalavras-Chave: Métodos Interativos da Potência e Inverso, Sistemas Lineares, Autovetores e Autovalores.
MSc leandre Estáco Féo ssocação Educaconal Dom Bosco - Faculdade de Engenhara de Resende Caa Postal 8.698/87 - CEP 75-97 - Resende - RJ Brasl Professor e Doutorando de Engenhara aefeo@yahoo.com.br Resumo
Leia mais5.1 Seleção dos melhores regressores univariados (modelo de Índice de Difusão univariado)
5 Aplcação Neste capítulo será apresentada a parte empírca do estudo no qual serão avalados os prncpas regressores, um Modelo de Índce de Dfusão com o resultado dos melhores regressores (aqu chamado de
Leia mais5 Métodos de cálculo do limite de retenção em função da ruína e do capital inicial
5 Métodos de cálculo do lmte de retenção em função da ruína e do captal ncal Nesta dssertação serão utlzados dos métodos comparatvos de cálculo de lmte de retenção, onde ambos consderam a necessdade de
Leia maisExperiência V (aulas 08 e 09) Curvas características
Experênca (aulas 08 e 09) Curvas característcas 1. Objetvos 2. Introdução 3. Procedmento expermental 4. Análse de dados 5. Referêncas 1. Objetvos Como no expermento anteror, remos estudar a adequação de
Leia maisUMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EATAS DEPARTAMENTO DE ESTATÍSTICA UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
Leia mais2 Incerteza de medição
2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr
Leia maisCAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA
CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de
Leia maisRedução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma
Redução dos Dados Júlo Osóro Meddas Característcas da Dstrbução Tendênca Central (Localzação) Varação (Dspersão) Forma 1 Meddas Característcas da Dstrbução Meddas Estatístcas Tendênca Central Dspersão
Leia maisANÁLISE DA VARIÂNCIA DA REGRESSÃO
ANÁLISE DA VARIÂNCIA DA REGRESSÃO PROCEDIMENTO GERAL DE REGRESSÃO Em um modelo de análse de varânca, como no DIA, o fator em estudo pode ser quanttatvo ou qualtatvo. FATOR QUANTITATIVO: é aquele cujos
Leia maisANÁLISE MATRICIAL DE ESTRUTURAS DE BARRAS PELO MÉTODO DE RIGIDEZ
ANÁISE MATRICIA DE ESTRUTURAS DE BARRAS PEO MÉTODO DE RIGIDEZ A análse matrcal de estruturas pelo método de rgdez compreende o estudo de cnco modelos estruturas báscos: trelça plana, trelça espacal, pórtco
Leia maisEletromagnetismo Aplicado
letromagnetsmo Aplcado Undade 5 Propagação de Ondas letromagnétcas em Meos Ilmtados e Polaração Prof. Marcos V. T. Heckler Propagação de Ondas letromagnétcas e Polaração 1 Conteúdo Defnções e parâmetros
Leia maisAnálise de Variância. Comparação de duas ou mais médias
Análse de Varânca Comparação de duas ou mas médas Análse de varânca com um fator Exemplo Um expermento fo realzado para se estudar dabetes gestaconal. Desejava-se avalar o comportamento da hemoglobna (HbA)
Leia maisFiltros são dispositivos seletivos em freqüência usados para limitar o espectro de um sinal a um determinado intervalo de freqüências.
1 Fltros são dspostvos seletvos em freqüênca usados para lmtar o espectro de um snal a um determnado ntervalo de freqüêncas. A resposta em freqüênca de um fltro é caracterzada por uma faxa de passagem
Leia maisOs modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.
MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,
Leia mais( ) F 1 pode ser deslocado de. M = r F. Mecânica Geral II Notas de AULA 2 - Teoria Prof. Dr. Cláudio S. Sartori. MOMENTO DE UM BINÁRIO.
ecânca Geral II otas de UL - Teora Prof. Dr. láudo S. Sartor ET DE U IÁI. Duas forças, que tenham o mesmo módulo e lnha de ação paralelas e sentdos opostos formam um bnáro. Decomposção de uma força dada
Leia maisAnálise Dinâmica de uma Viga de Euler-Bernoulli Submetida a Impacto no Centro após Queda Livre Através do Método de Diferenças Finitas
Proceedng Seres of the Brazlan Socety of Appled and Computatonal Mathematcs, Vol. 4, N., 06. Trabalho apresentado no DINCON, Natal - RN, 05. Proceedng Seres of the Brazlan Socety of Computatonal and Appled
Leia mais1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de
Leia maisEstudo quantitativo do processo de tomada de decisão de um projeto de melhoria da qualidade de ensino de graduação.
Estudo quanttatvo do processo de tomada de decsão de um projeto de melhora da qualdade de ensno de graduação. Rogéro de Melo Costa Pnto 1, Rafael Aparecdo Pres Espíndula 2, Arlndo José de Souza Júnor 1,
Leia maisModelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados
Modelo lnear normal com erros heterocedástcos O método de mínmos quadrados ponderados Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal
Leia maisBC0406 Introdução à Probabilidade e à Estatística Lista de Exercícios Suplementares 3 3 quadrimestre 2011
BC0406 Introdução à Probabldade e à Estatístca Lsta de Eercícos Suplementares novembro 0 BC0406 Introdução à Probabldade e à Estatístca Lsta de Eercícos Suplementares quadrmestre 0 Além destes eercícos,
Leia mais3.1. Conceitos de força e massa
CAPÍTULO 3 Les de Newton 3.1. Concetos de força e massa Uma força representa a acção de um corpo sobre outro,.e. a nteracção físca entre dos corpos. Como grandeza vectoral que é, só fca caracterzada pelo
Leia maisMAPEAMENTO DA VARIABILIDADE ESPACIAL
IT 90 Prncípos em Agrcultura de Precsão IT Departamento de Engenhara ÁREA DE MECANIZAÇÃO AGRÍCOLA MAPEAMENTO DA VARIABILIDADE ESPACIAL Carlos Alberto Alves Varella Para o mapeamento da varabldade espacal
Leia mais1 Princípios da entropia e da energia
1 Prncípos da entropa e da energa Das dscussões anterores vmos como o conceto de entropa fo dervado do conceto de temperatura. E esta últma uma conseqüênca da le zero da termodnâmca. Dentro da nossa descrção
Leia mais7. Resolução Numérica de Equações Diferenciais Ordinárias
7. Resolução Numérca de Equações Dferencas Ordnáras Fenômenos físcos em dversas áreas, tas como: mecânca dos fludos, fluo de calor, vbrações, crcutos elétrcos, reações químcas, dentre váras outras, podem
Leia maisCapítulo 1. Exercício 5. Capítulo 2 Exercício
UNIVERSIDADE FEDERAL DE GOIÁS CIÊNCIAS ECONÔMICAS ECONOMETRIA (04-II) PRIMEIRA LISTA DE EXERCÍCIOS Exercícos do Gujarat Exercíco 5 Capítulo Capítulo Exercíco 3 4 5 7 0 5 Capítulo 3 As duas prmeras demonstrações
Leia maisProf. Cláudio Serra, Esp. 1. Produção de Leite x índice Pluviométrico y = 0.8x R 2 =
Análse de Regressão Cap.. Introdução Análse de regressão é uma técnca de modelagem utlzada para analsar a relação entre uma varável dependente () e uma ou mas varáves ndependentes,, 3,..., n. O ojetvo
Leia maisIMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO
IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO Alne de Paula Sanches 1 ; Adrana Betâna de Paula Molgora 1 Estudante do Curso de Cênca da Computação da UEMS, Undade Unverstára de Dourados;
Leia mais2ª PARTE Estudo do choque elástico e inelástico.
2ª PARTE Estudo do choque elástco e nelástco. Introdução Consderemos dos corpos de massas m 1 e m 2, anmados de velocdades v 1 e v 2, respectvamente, movmentando-se em rota de colsão. Na colsão, os corpos
Leia maisDependência Espacial de espécies nativas em fragmentos. florestais
Dependênca Espacal de espéces natvas em fragmentos 1 Introdução florestas 1 Mestranda em Engenhara Florestal LEMAF/DCF UFLA. e-mal: cunhadase@yahoo.com.br 2 Mestrando em Engenhara Florestal LEMAF/DCF UFLA.
Leia maisUniversidade Salvador UNIFACS Cursos de Engenharia Cálculo IV Profa: Ilka Rebouças Freire. Integrais Múltiplas
Unversdade Salvador UNIFACS Cursos de Engenhara Cálculo IV Profa: Ilka ebouças Frere Integras Múltplas Texto 3: A Integral Dupla em Coordenadas Polares Coordenadas Polares Introduzremos agora um novo sstema
Leia maisPRESSUPOSTOS DO MODELO DE REGRESSÃO
PREUPOTO DO MODELO DE REGREÃO A aplcação do modelo de regressão lnear múltpla (bem como da smples) pressupõe a verfcação de alguns pressupostos que condensamos segudamente.. Os erros E são varáves aleatóras
Leia mais4 Análise de confiabilidade de estruturas
4 Análse de confabldade de estruturas Nos prmórdos da engenhara cvl, o desconhecmento técnco-centífco conduza a proetos excessvamente seguros, mas em contrapartda de custo muto elevado. Hoe em da, o progresso
Leia mais4. MODELAMENTOS EM POLUIÇÃO DO AR: PREDITIVOS E RECEPTORES
4. MODELAMENTOS EM POLUIÇÃO DO AR: PREDITIVOS E RECEPTORES Para o Curso de Físca da Polução do Ar FAP346, º Semestre/006 Prof. Amérco Sansgolo Kerr Montora: Mara Emíla Rehder aver 4. INTRODUÇÃO No modelamento
Leia maisAULA 4. Segundo Quartil ( Q observações são menores que ele e 50% são maiores.
Estatístca Aplcada à Engenhara AULA 4 UNAMA - Unversdade da Amazôna.8 MEDIDA EPARATRIZE ão valores que separam o rol (os dados ordenados) em quatro (quarts), dez (decs) ou em cem (percents) partes guas.
Leia maisGabarito da Lista de Exercícios de Econometria I
Gabarto da sta de Exercícos de Econometra I Professor: Rogéro lva Mattos Montor: eonardo enrque A. lva Questão Y X y x xy x ŷ ˆ ˆ y ŷ (Y - Y ) (X - X ) (Ŷ - Y ) 360 00-76 -00 35.00 40.000 36-4 30.976 3076
Leia maisMétodos numéricos para o cálculo de sistemas de equações não lineares
Métodos numércos para o cálculo de sstemas de equações não lneares Introdução Um sstema de equações não lneares é um sstema consttuído por combnação de unções alébrcas e unções transcendentes tas como
Leia maisDiferença entre a classificação do PIB per capita e a classificação do IDH
Curso Bem Estar Socal Marcelo Ner - www.fgv.br/cps Metas Socas Entre as mutas questões decorrentes da déa de se mplementar uma proposta de metas socas temos: Qual a justfcatva econômca para a exstênca
Leia mais2 Máquinas de Vetor Suporte 2.1. Introdução
Máqunas de Vetor Suporte.. Introdução Os fundamentos das Máqunas de Vetor Suporte (SVM) foram desenvolvdos por Vapnk e colaboradores [], [3], [4]. A formulação por ele apresentada se basea no prncípo de
Leia maisAnálise Complexa Resolução de alguns exercícios do capítulo 1
Análse Complexa Resolução de alguns exercícos do capítulo 1 1. Tem-se:. = (0, 1) = (0, 1) =. 3. Sejam a, b R. Então Exercíco nº1 = (0, 1).(0, 1) = (0.0 1.1, 0.1 + 1.0) = ( 1, 0) = 1. a + b = a b = a +
Leia mais1 a Lei de Kirchhoff ou Lei dos Nós: Num nó, a soma das intensidades de correntes que chegam é igual à soma das intensidades de correntes que saem.
Les de Krchhoff Até aqu você aprendeu técncas para resolver crcutos não muto complexos. Bascamente todos os métodos foram baseados na 1 a Le de Ohm. Agora você va aprender as Les de Krchhoff. As Les de
Leia maisVariabilidade Espacial do Teor de Água de um Argissolo sob Plantio Convencional de Feijão Irrigado
Varabldade Espacal do Teor de Água de um Argssolo sob Planto Convenconal de Fejão Irrgado Elder Sânzo Aguar Cerquera 1 Nerlson Terra Santos 2 Cásso Pnho dos Res 3 1 Introdução O uso da água na rrgação
Leia maisIntrodução ao Método dos Elementos Finitos: Estruturas Articuladas
Análse de Estruturas II: Estruturas Artculadas Introdução ao Método dos Elementos Fntos: Estruturas Artculadas. Introdução O modelo de estrutura artculada, o mas smples dos modelos estruturas, é utlzado
Leia maisProfessor Mauricio Lutz CORRELAÇÃO
Professor Maurco Lutz 1 CORRELAÇÃO Em mutas stuações, torna-se nteressante e útl estabelecer uma relação entre duas ou mas varáves. A matemátca estabelece város tpos de relações entre varáves, por eemplo,
Leia maisAULA EXTRA Análise de Regressão Logística
1 AULA EXTRA Análse de Regressão Logístca Ernesto F. L. Amaral 13 de dezembro de 2012 Metodologa de Pesqusa (DCP 854B) VARIÁVEL DEPENDENTE BINÁRIA 2 O modelo de regressão logístco é utlzado quando a varável
Leia maisx Ex: A tabela abaixo refere-se às notas finais de três turmas de estudantes. Calcular a média de cada turma:
Professora Janete Perera Amador 1 8 Meddas Descrtvas Vmos anterormente que um conjunto de dados pode ser resumdo através de uma dstrbução de freqüêncas, e que esta pode ser representada através de uma
Leia maisMedidas e resultados em um experimento.
Meddas e resultados em um expermento. I- Introdução O estudo de um fenômeno natural do ponto de vsta expermental envolve algumas etapas que, mutas vezes, necesstam de uma elaboração préva de uma seqüênca
Leia maisESTUDO DA ANÁLISE HARMÓNICA DA MARÉ APLICADA AO MARÉGRAFO DE CASCAIS
VII CNCG Conferênca Naconal de Cartografa e Geodesa, Porto 211 ESTUDO DA ANÁLISE HARMÓNICA DA MARÉ APLICADA AO MARÉGRAFO DE CASCAIS Carlos Antunes 1 ; Joana Mendes Godnho 2 1 IDL Unversdade de Lsboa, Campo
Leia mais2. Validação e ferramentas estatísticas
. Valdação e ferramentas estatístcas Mutos aspectos relaconados à socedade são suportados, de alguma forma, por algum tpo de medção analítca. Mlhões de medções analítcas são realzadas todos os das, em
Leia maisAtividade em Soluções Eletrolíticas
Modelo de solução eletrolítca segundo Debye-Hückel. - A le lmte de Debye-Hückel (LLDH) tem o lmte que está em: I 0,01. log z.z A I 1/ valêncas do íons + e do eletrólto I 1 [ z b / b ] constante que depende
Leia maisAnálise de Regressão Linear Múltipla VII
Análse de Regressão Lnear Múltpla VII Aula 1 Hej et al., 4 Seções 3. e 3.4 Hpótese Lnear Geral Seja y = + 1 x 1 + x +... + k x k +, = 1,,..., n. um modelo de regressão lnear múltpla, que pode ser escrto
Leia maisProbabilidade e Estatística. Correlação e Regressão Linear
Probabldade e Estatístca Correlação e Regressão Lnear Correlação Este uma correlação entre duas varáves quando uma delas está, de alguma forma, relaconada com a outra. Gráfco ou Dagrama de Dspersão é o
Leia maisIdentidade dos parâmetros de modelos segmentados
Identdade dos parâmetros de modelos segmentados Dana Campos de Olvera Antono Polcarpo Souza Carnero Joel Augusto Munz Fabyano Fonseca e Slva 4 Introdução No Brasl, dentre os anmas de médo porte, os ovnos
Leia maisMinistério da Educação. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Cálculo do Conceito Preliminar de Cursos de Graduação
Mnstéro da Educação Insttuto Naconal de Estudos e Pesqusas Educaconas Aníso Texera Cálculo do Conceto Prelmnar de Cursos de Graduação Nota Técnca Nesta nota técnca são descrtos os procedmentos utlzados
Leia mais2010 The McGraw-Hill Companies, Inc. All rights reserved. Prof.: Anastácio Pinto Gonçalves Filho
rof.: nastáco nto Gonçalves lho Introdução Nem sempre é possível tratar um corpo como uma únca partícula. Em geral, o tamanho do corpo e os pontos de aplcação específcos de cada uma das forças que nele
Leia maisClassificação de Padrões
Classfcação de Padrões Introdução Classfcadores Paramétrcos Classfcadores Sem-paramétrcos Redução da Dmensonaldade Teste de Sgnfcânca 6.345 Sstema de Reconhecmento de Voz Teora Acústca da Produção de Voz
Leia mais