Capítulo V - Interpolação Polinomial
|
|
- Vera da Silva Rios
- 6 Há anos
- Visualizações:
Transcrição
1 Métodos Numércos C Balsa & A Satos Capítulo V - Iterpolação Polomal Iterpolação Cosdere o segute couto de dados: x : x0 x x y : y y y 0 m m Estes podem resultar de uma sequêca de meddas expermetas, ode x pode represetar o tempo ou a temperatura e y pode represetar a dstâca ou a pressão Ou etão outras meddas proveetes dos mas dversos campos Com estes dados é possível efectuar város tpos de tratameto o setdo de obter mas formações acerca de uma possível fução subacete f ( x) y, 0,,, m Podemos querer ferr o valor dos dados etre os potos dados, ou fazer uma prevsão dos valores para além do tervalo de dados dspoíves Se os dados represetarem uma fução subacete, poderemos querer aproxmar a sua dervada ou tegral, ou avalá-la rapdamete para um dado argumeto Por todas estas razões é mportate poder represetar esta fução dscreta (dados y ) por uma outra fução, relatvamete smples, que permta a sua fácl mapulação No Capítulo 5, vmos á uma maera de o fazer, omeadamete austado uma fução aos dados através do método dos mímos quadrados Neste Capítulo vamos adoptar uma aproxmação semelhate, mas para além de mpor que a fução se auste à tedêca dos dados, vamos também mpor que a fução passe pelos potos dados Em geral, o problema de terpolação udmesoal mas smples é da segute forma: dados os segutes potos ( x, y), 0,,, m, x < x < < x, procuramos a fução f : tal que com 0 m f ( x) y, 0,,, m Desgamos f por fução terpolate Por vezes, em problemas mas complcados, são mpostas codções adcoas para determar f ( x ), tas como a clação, a mootoa, a covexdade em determados potos Neste texto vamos lmtar-os aos casos mas smples apeas Exstêca e ucdade da fução terpoladora A questão da exstêca e da ucdade de uma fução terpolate depede do úmero de parâmetros a determar essa fução e do úmero de potos dados para austar Se o úmero de parâmetros é pequeo, etão a fução terpolate ão exste; se exstr um grade úmero de parâmetros a fução ão será úca A partr de agora aalsamos estas stuações com mas detalhe Capítulo 5 Iterpolação Polomal 8
2 Métodos Numércos C Balsa & A Satos Para um determado couto de dados ( x, y), 0,,, m a fução terpolate é escolhda a partr do espaço das fuções geradas pela combação lear de uma base de fuções φ ( ),, ( ) 0 x φ x, e f ( x) α φ ( x) + αφ ( x) + + α φ ( x), 0 0 em que os parâmetros α têm de ser determados Requeredo que f terpole os potos dados ( x, y ) sgfca que f ( x ) α φ ( x ) + αφ ( x ) + + α φ ( x ) y, 0,,, m 0 0 que correspode a um sstema de equações leares com cógtas e que podemos escrever a forma matrcal como m equações φ0( x0) φ( x0) φ( x0) α 0 y0 φ0( x) φ( x) φ( x) α y φ ( x ) φ ( x ) φ ( x ) α y 0 m m m m Aα y, em que as ( m+ ) ( + ) etradas da matrz base A são dadas por a φ ( x ),,, m+,,, + (e, a é o valor da ( ) esma fução da base calculado o poto ( ) ) O segudo membro do sstema y é composto pelos m + valores dados y E os + compoetes do vector α, são as cógtas α correspodetes aos parâmetros a determar Como é sabdo da Álgebra Lear, para que este sstema teha solução e essa solução sea úca, a dmesão da base de fuções tem de ser gual ao úmero de potos dados m e a matrz A tem de ser ão sgular ( A admte versa) A base de fuções escolhda é fudametal para o cálculo da fução terpolate Pos esta defe a sesbldade dos parâmetros α a algumas perturbações os dados (codcoameto do sstema Aα y), flueca o úmero de operações para resolver o sstema e a facldade com que a fução terpolate é obtda ou mapulada Neste curso lmtar-os-emos apeas a bases de fuções costtuídas exclusvamete por polómos (terpolação polomal) 3 Iterpolação polomal A terpolação mas smples e mas comum usa polómos Vamos desgar P k como sedo o espaço vectoral de todos os polómos de grau maor ou gual a k, com k 0 Este espaço é gerado por uma base de fuções de dmesão k + Capítulo 5 Iterpolação Polomal 83
3 Métodos Numércos C Balsa & A Satos 3 Base moómca (caóca) Para terpolar + potos dados (ou tabelados), escolhemos k de forma a que a dmesão do espaço vectoral cocda com o úmero de dados A base mas atural para P, o espaço vectoral dos polómos de grau meor ou gual a, é composta pelos + prmeros moómos φ ( x) x, 0,,,, para a qual um dado polómo p P tem a forma p ( x) α + α x+ + α x 0 Na base moómca, o vector α dos coefcetes do polómo terpolador dos potos ( x, y ), 0,,,, é obtdo através da resolução do segute sstema lear x 0 0 x0 x α 0 y0 α x x y x Aα α y x y x x α Uma matrz com a forma da matrz A, cuas coluas são potêcas sucessvas de uma determada varável x, é chamada matrz de Vadermode Faclmete se prova que a matrz de Vadermode é ão sgular desde que os valores de x seam todos dsttos e, cosequetemete, que o polómo terpolador exste Exemplo Base moómca Para lustrar o polómo terpolador com base moómca, vamos determar o polómo de grau dos que terpola os segutes três potos (, 7),(0, ), (,0) Exste um úco polómo p( x) α0 + αx+ αx de grau que terpola três potos ( x0, y0),( x, y),( x, y ) Com a base moómca os coefcetes do polómo terpolador são dados pela resolução do segute sstema lear x0 x 0 α0 y0 Aα x x α y y x x α y Para o presete couto de dados o sstema é 4 α α α 0 Resolvedo este sstema pelo método de elmação de Gauss obtemos a solução α [ 5 4] T, sedo o polómo terpolador dado por ( ) x p x x Capítulo 5 Iterpolação Polomal 84
4 Métodos Numércos C Balsa & A Satos Embora a teora dga que a matrz de Vadermode sea ão sgular, a prátca à medda que o aumeta as coluas desta matrz toram-se cada vez mas learmete depedetes e cosequetemete a matrz A cada vez mas sgular Pelo que para problemas de grade dmesão, a resolução deste sstema se tora cada vez mas mal codcoado (propaga mas faclmete os erros troduzdos como por exemplo os erros de arredodameto) e cosequetemete é mas dfícl de resolver, exgdo mas operações (como por exemplo pvotages o método de Gauss ou terações se for utlzado um método teratvo) 3 Base de Lagrage Para um dado couto de potos ( x, y ), 0,,,, as fuções da base de Lagrage para P são guas a ( x x ) k 0, k k ( x), 0,,, ( x x ) k 0, k Esta defção dca que ( x) é um polómo de grau e que ( ) { se x para, 0,,, 0 se dcado que para esta base a matrz dos coefcetes do sstema lear Aα y é a matrz detdade ( A I ) e cosequetemete α y Assm, se utlzarmos a base de Lagrage para terpolar os potos ( x, y ), o polómo terpolador será dado por k p ( x) y ( x) + y ( x) + + y ( x) 0 0 Exemplo Base de Lagrage Para lustrar o polómo terpolador de Lagrage, vamos determar o polómo de grau dos que terpola os mesmos três potos do Exemplo A forma do polómo de Lagrage de grau dos que terpola três potos ( x0, y0),( x, y),( x, y ) é ( x x)( x x) ( x x0)( x x) ( x x0)( x x) p( x) y0 + y + y ( x0 x)( x0 x) ( x x0)( x x) ( x x0)( x x) Para os dados do Exemplo, esta formula resulta em ( x 0)( x ) ( x ( ))( x ) ( x ( ))( x 0) p( x) 7 + ( ) + 0 ( 0)( ) (0 ( ))(0 ) ( ( ))( 0) xx ( ) ( x+ )( x ) Depededo do uso que lhe é destado, o valor do polómo terpolador pode ser calculado para qualquer argumeto x, ou etão pode ser smplfcado para o mesmo resultado obtdo o Exemplo usado a base moómca (tal como esperado pos o polómo terpolador é úco) Capítulo 5 Iterpolação Polomal 85
5 Métodos Numércos C Balsa & A Satos Comparado com o polómo terpolador a base moómca, o polómo de Lagrage é melhor codcoado pos as fuções da base correm meos o rsco de se torarem learmete depedetes à medda que aumeta Cotudo o cálculo do valor do polómo de Lagrage para um dado argumeto x exge mas operações comparado com a sua represetação a base moómca 33 Base de Newto Para um dado couto de potos ( x, y), 0,,,, as fuções da base de Newto para são guas a P π ( x) ( x xk), 0,,,, k 0 em que cosderamos o valor do produto gual a quado os lmtes do produtóro o torem vazo Na base de Newto, um polómo tem a forma p x α α x x α x x x x α x x x x x x ( ) + 0 ( 0) + ( 0)( ) + + ( 0)( ) ( ) Através desta defção, verfcamos que π ( x) 0 se <, pelo que a matrz base A, em que a π ( x ),,,,,, é tragular feror (etradas ulas acma da dagoal prcpal) Cosequetemete, a solução α do sstema Aα y, que determa os coefcetes da base de fuções que tegram a fução terpolate, pode ser calculada por substtução drecta Este aspecto faz com que o polómo terpolador de Newto sea calculado um relatvamete pequeo úmero de operação (proporcoal a ) Exemplo 3 Base de Newto Para lustrar o polómo terpolador de Newto, vamos determar o polómo de grau dos que terpola os mesmos três potos do Exemplo Com a base de Newto, obtemos o segute sstema lear tragular feror 0 0 α 0 y0 x x0 0 α y x x0 ( x x0)( x x) α y Para os dados do Exemplo, este sstema é gual a 0 0 α α, 3 3 α 0 cua solução, obtda por substtução drecta, é α [ 7 3 4] T O polómo terpolador é etão dado por p ( x ) 7 + 3( x + ) 4( x + ) x, que pode ser reduzdo ao mesmo polómo á obtdo por qualquer um dos métodos aterores Capítulo 5 Iterpolação Polomal 86
6 Métodos Numércos C Balsa & A Satos Uma va alteratva para obter os coefcetes α do polómo terpolador de Newto cosste em calcular as dfereças dvddas Estas quatdades são usualmete represetadas por f [ ] e são defdas recursvamete pela formula [ ] [,,, ] [,,, ] f x x x f x x x k 0 k 0,,, k, xk x f x x x em que a recorrêca começa com f [ x ] y, k 0,,, Segue-se que o k k coefcete da esma fução da base de Newto será dado por α f x0, x,, x Exemplo 4 Dfereças dvddas Ilustrar as dfereças dvddas utlzado esta va para determar o polómo terpolador de Newto de grau dos que terpola os mesmos três potos dos exemplos aterores [ ] [ ] [ ] f [ x] f [ x0] ( 7) f [ x0, x] 3, x x0 0 ( ) f [ x] f [ x] 0 ( ) f [ x, x], x x 0 f [ x, x] f [ x0, x] 3 [, x, x ] 4 f x f x y 7, f x y, f x y 0, 0 O polómo de Newto é gual a 0 0 x x 0 ( ) [ ] [ ] [ ] [ ] [ ] [ ] p( x) f x0 π0( x) + f x0, x π( x) + f x0, x, x π( x) f x 0 + f x 0, x ( x x 0) + f x 0, x, x ( x x 0)( x x ) 7 + 3( x+ ) 4( x+ ) x 4 Problemas propostos a Dados os segutes três potos (,), (0,0), (,), determe o polómo terpolador de grau dos: ) Utlzado a base moómca ) Utlzado a base de Lagrage 3) Utlzado a base de Newto 4) Estme os valores de f ( 0, 5 ) e f ( 0,5) Mostre que as três represetações orgam o mesmo polómo Capítulo 5 Iterpolação Polomal 87
7 Métodos Numércos C Balsa & A Satos b Cosdere os segutes dados x 3 4 y ) Determe o polómo terpolador utlzado a base moómca ) Determe o polómo terpolador de Lagrage 3) Determe o polómo terpolador de Newto f 3,5 4) Estme o valor de ( ) x x c Sea f ( x) 3xe e Aproxme f (, 03) usado o polómo terpolador de Lagrage de grau meor ou gual a dos, cosderado x0, x, 05, x, 07 d Cosderado os segutes dados x 0,, 3,0 4,6 50,5 y 0,7537 0, ,599 0, , queremos terpolar o valor da fução para x 7,5 Costrua a tabela das dfereças dvddas e aproxme o valor de f (7,5), usado o polómo terpolador de Newto e Cosderado os segutes dados x 0,0 0, 0, 4 0,6 0,8 y, 00000, 40, 498,8, 554 ) Costrua a tabela das dfereças dvddas ) Com base a tabela calculada, aproxme f (0,05) e f (0,65), usado o polómo terpolador de Newto das dfereças dvddas coveetes f Cosderado os segutes dados x y 3 ) Costrua a tabela das dfereças dvddas ) Com base a tabela calculada, aproxme f (,5) e f (5), usado o polómo terpolador de Newto das dfereças dvddas coveetes 5 Bblgrafa A exposção efectuada este Capítulo é essecalmete baseada o Capítulo 7 do lvro: Mchael T Heath Scetfc Computg a Itroductory Survey McGraw- Hll, New York, 00 ( Capítulo 5 Iterpolação Polomal 88
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 maisProblema geral de interpolação
Problema geral de terpolação Ecotrar p() que verfque as codções: f j ( ) y,,,,,, j,,, m ( j) ( ) dervada de ordem j ós valores odas Eemplo: ecotrar p() que verfque:, f () 4 3, f( 3) 3, f'(3) 4 3 p() 3
Leia maisApostila de Introdução Aos Métodos Numéricos
Apostla de Itrodução Aos Métodos Numércos PARTE III o Semestre - Pro a. Salete Souza de Olvera Buo Ídce INTERPOAÇÃO POINOMIA...3 INTRODUÇÃO...3 FORMA DE AGRANGE... 4 Iterpolação para potos (+) - ajuste
Leia maisAtividades 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 maisVI - Integração Numérica
V - tegração Numérca C. Balsa & A. Satos. trodução São, este mometo, coecdos dos aluos métodos aalítcos para o cálculo do tegral dedo b ( d a sedo ( cotíua e tegrável o tervalo [ ab] ;. Cotudo, algumas
Leia maisCapítulo 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( x) Método Implícito. No método implícito as diferenças são tomadas no tempo n+1 ao invés de tomá-las no tempo n, como no método explícito.
PMR 40 Mecâca Computacoal Método Implícto No método mplícto as dfereças são tomadas o tempo ao vés de tomá-las o tempo, como o método explícto. O método mplícto ão apreseta restrção em relação ao valor
Leia maisÉ 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 maisEm 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 maisJosé Álvaro Tadeu Ferreira. Cálculo Numérico. Notas de aulas
UNIVERSIDADE FEDERAL DE OURO PRETO Isttuto de Cêcas Eatas e Bológcas Departameto de Computação José Álvaro Tadeu Ferrera Cálculo Numérco Notas de aulas Iterpolação Polomal Ouro Preto 3 (Últma revsão em
Leia maisDifusão 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 maisMEDIDAS 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 maisCAMPUS DE GUARATINGUETÁ Computação e Cálculo Numérico: Elementos de Cálculo Numérico Prof. G.J. de Sena - Depto. de Matemática Rev.
uesp CAMUS DE GUARATINGUETÁ Computação e Cálculo Numérco: Elemetos de Cálculo Numérco ro. G.J. de Sea - Depto. de Matemátca Rev. 5 CAÍTUO 4 INTEROAÇÃO 4. INTRODUÇÃO Cosdere a segute tabela relacoado calor
Leia maisEstatística Descritiva. Medidas estatísticas: Localização, Dispersão
Estatístca Descrtva Meddas estatístcas: Localzação, Dspersão Meddas estatístcas Localzação Dspersão Meddas estatístcas - localzação Méda artmétca Dados ão agrupados x x Dados dscretos agrupados x f r x
Leia maisConstrução 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 mais1. Revisão Matemática
1. Revsão Matemátca Dervadas Seja a fução f : R R, fxe x R, e cosdere a expressão : f ( x+ αe ) lmα 0 α f, ode e é o vector utáro. Se o lmte acma exstr, chama-se a dervada parcal de f o poto x e é represetado
Leia maisMétodos 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 maisDISTRIBUIÇÃO HIPERGEOMÉTRICA
7 DISTRIBUIÇÃO HIPERGEOMÉTRICA Cosdere-se uma população fta costtuída por N elemetos dstrbuídos por duas categoras eclusvas e eaustvas de dmesões M e N M, respectvamete. Os elemetos da prmera categora
Leia maisCAPÍTULO III. Aproximação de funções pelo método dos Mínimos Quadrados
Métodos Nuércos CAPÍULO III C. Balsa & A. Satos Aproxação de fuções pelo étodo dos Míos Quadrados. Algus cocetos fudaetas de Álgebra Lear Relebraos esta secção algus cocetos portates da álgebra Lear que
Leia maisREGRESSÃO 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 maisExercícios - 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 maisCapítulo 3. Interpolação Polinomial
EQE-358 MÉTODOS NUMÉRICOS EM ENGENHARIA QUÍMICA PROFS. EVARISTO E ARGIMIRO Capítulo 3 Iterpolação Polomal Teorema de Weerstrass: se f( é uma fução cotíua em um tervalo fechado [a, b], etão para cada >,
Leia maisCAPÍTULO 5. Ajuste de curvas pelo Método dos Mínimos Quadrados
CAPÍTULO Ajuste de curvas pelo Método dos Mímos Quadrados Ajuste Lear Smples (ou Regressão Lear); Ajuste Lear Múltplo (ou Regressão Lear Múltpla); Ajuste Polomal; Regressão Não Lear Iterpolação polomal
Leia maisMédia. 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 maisd 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 maisCapítulo 8. Método de Rayleigh-Ritz
Grupo : Gustavo de Souza Routma; Luís Ferado Hachch de Souza; Ale Pascoal Palombo Capítulo 8. Método de Raylegh-Rtz 8.. Itrodução Nos problemas de apromação por dfereças ftas, para apromar a solução para
Leia mais? 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 maisMEDIDAS 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 maisMétodos 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 maisCAP. 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 maisTeoria 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 mais2. 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 maisESTATÍSTICA Exame Final 1ª Época 3 de Junho de 2002 às 14 horas Duração : 3 horas
Faculdade de cooma Uversdade Nova de Lsboa STTÍSTIC xame Fal ª Época de Juho de 00 às horas Duração : horas teção:. Respoda a cada grupo em folhas separadas. Idetfque todas as folhas.. Todas as respostas
Leia maisProfessor 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 maisAjuste de dados experimentais
Capítulo 8 8. Itrodução Uma forma de trabalhar com uma fução defda por uma tabela de valores é a terpolação polomal. Etretato esta ão é acoselhável quado:. é precso obter um valor aproxmado da fução em
Leia maisSumário. 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 maisSumário. Mecânica. Sistemas de partículas
Sumáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - Sstemas de partículas e corpo rígdo. - Cetro de massa. - Como determar o cetro de massa dum sstema de partículas. -
Leia maisRegressão 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 maisCap. 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 maisProbabilidade II Aula 10
Probabldade II Aula 0 Mao de 009 Môca Barros, D.Sc. Coteúdo Esperaça Matemá (Valores esperados) Mometos e Mometos Cetras Valores esperados de uma fução de Covarâca e Correlação Matrz de covarâca, matrz
Leia maisA análise de variância de uma classificação (One-Way ANOVA) verifica se as médias de k amostras independentes (tratamentos) diferem entre si.
Prof. Lorí Va, Dr. http://www. ufrgs.br/~va/ va@mat.ufrgs.br aáse de varâca de uma cassfcação (Oe-Way NOV) verfca se as médas de amostras depedetes (tratametos) dferem etre s. Um segudo tpo de aáse de
Leia maisProblemas fundamentais da teoria da aproximação func/onal
18 GAZETA DE MA TEM ATIÇA 2 5 ) ( A - se) l + (T _ y) * + ( Z - z) K=O p 1 1 " 1 d p 1 df-j pl - p ds T d íj (A'~ «)> -f (Y - y) ft + (2-z)v = - 3 1 e resolve-se rapdamete. X x + Aa + B\ r = y + Aß + Bp,
Leia maisForma padrão do modelo de Programação Linear
POGAMAÇÃO LINEA. Forma Padrão do Modelo de Programação Lear 2. elações de Equvalêca 3. Suposções da Programação Lear 4. Eemplos de Modelos de PPL 5. Suposções da Programação Lear 6. Solução Gráfca e Iterpretação
Leia maisEstatística - 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 maisComplexidade 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 maisOitava Lista de Exercícios
Uversdade Federal Rural de Perambuco Dscpla: Matemátca Dscreta I Professor: Pablo Azevedo Sampao Semestre: 07 Otava Lsta de Exercícos Lsta sobre defções dutvas (recursvas) e prova por dução Esta lsta fo
Leia maisFaculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL
Faculdade de Tecologa de Cataduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL 5. Meddas de Posção cetral ou Meddas de Tedêca Cetral Meddas de posção cetral preocupam-se com a caracterzação e a
Leia maisComo CD = DC CD + DC = 0
(9-0 www.eltecampas.com.br O ELITE RESOLVE IME 008 MATEMÁTICA - DISCURSIVAS MATEMÁTICA QUESTÃO Determe o cojuto-solução da equação se +cos = -se.cos se + cos = se cos ( se cos ( se se.cos cos + + = = (
Leia maisRelatório 2ª Atividade Formativa UC ECS
Relatóro 2ª Atvdade Formatva Eercíco I. Quado a dstrbução de dados é smétrca ou apromadamete smétrca, as meddas de localzação méda e medaa, cocdem ou são muto semelhates. O mesmo ão acotece quado a dstrbução
Leia maisRESUMO E EXERCÍCIOS NÚMEROS COMPLEXOS ( )
NÚMEROS COMPLEXOS Forma algébrca e geométrca Um úmero complexo é um úmero da forma a + b, com a e b reas e = 1 (ou, = -1), chamaremos: a parte real; b parte magára; e udade magára. Fxado um sstema de coordeadas
Leia maisCálculo Numérico. Ajuste de Curvas Método dos Mínimos Quadrados. Profa. Vanessa Rolnik 1º semestre 2015
Cálculo Numérco Ajuste de Curvas Método dos Mímos Quadrados Profa. Vaessa Rolk º semestre 05 Ajuste de curvas Para apromar uma fução f por um outra fução de uma famíla prevamete escolhda (caso cotíuo)
Leia mais(1) no domínio : 0 x < 1, : constante não negativa. Sujeita às condições de contorno: (2-a) (2-b) CC2: 0
EXEMPLO MOTIVADO II EXEMPLO MOTIVADO II Método da Apromação Polomal Aplcado a Problemas Udrecoas sem Smetra. Equações Dferecas Ordáras Problemas de Valores o otoro Estrutura Geral do Problema: dy() d y()
Leia maisCAPÍTULO III - POLINÔMIOS DE JACOBI E QUADRATURA NUMÉRICA
Polômos de Jacob e CAPÍTULO III - POLINÔMIOS DE JACOBI E QUADRATURA NUMÉRICA III--)INTRODUÇÃO Para um melhor etedmeto do método da colocação ortogoal e sua relação com o método dos resíduos poderados (MRP),
Leia maisMEDIDAS 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 maisANÁLISE 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 maisTabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f
Lsta de exercícos Gabarto e chave de respostas Estatístca Prof.: Nelse 1) Calcule 1, e para o segute cojuto de valores. A,1,8,0,11,,7,8,6,,9, 1 O úmero que correspode a 5% do rol é o valor. O úmero que
Leia maisMÉTODO DOS MÍNIMOS QUADRADOS
MÉTODO DOS MÍNIMOS QUADRADOS I - INTRODUÇÃO O processo de medda costtu uma parte essecal a metodologa cetífca e também é fudametal para o desevolvmeto e aplcação da própra cêca. No decorrer do seu curso
Leia maisProf. Janete Pereira Amador 1
Prof. Jaete Perera Amador 1 1 Itrodução Mutas stuações cotdaas podem ser usadas como expermeto que dão resultados correspodetes a algum valor, e tas stuações podem ser descrtas por uma varável aleatóra.
Leia maisCAP. 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 maisCAPITULO VII. DERIVAÇÃO E DIFERENCIAÇÃO EM R n. = h 1. , fx 1
CAPITULO VII DERIVAÇÃO E DIFERENCIAÇÃO EM R Dervadas parcas de fuções reas de varáves reas Sea f ( ) f ( ) uma fução de A R em R e cosdere-se um poto a (a a a ) A Fado a 3 a 3 a cosdere-se a fução parcal
Leia maisRevisão 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 maisIntrodução 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 maisn. 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 maisANÁLISE 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 maisNOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling
4 INFERÊNCIA SOBRE O VETOR DE MÉDIAS 4. TESTE PARA UM VETOR DE MÉDIAS µ Lembrado o caso uvarado: H : µ = µ H : µ µ Nível de sgfcâca: α Estatístca do teste: X µ t = s/ ~ t Decsão: se t > t - (α/) rejeta-se
Leia maisESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano
ESTATÍSTICA Aula 7 Prof. Dr. Marco Atoo Leoel Caetao Dstrbuções de Probabldade DISCRETAS CONTÍNUAS (Números teros) Bomal Posso Geométrca Hper-Geométrca Pascal (Números reas) Normal t-studet F-Sedecor Gama
Leia maisCentro de massa, momento linear de sistemas de partículas e colisões
Cetro de massa, mometo lear de sstemas de partículas e colsões Prof. Luís C. Pera stemas de partículas No estudo que temos vdo a fazer tratámos os objectos, como, por exemplo, blocos de madera, automóves,
Leia maisAULA Produto interno em espaços vectoriais reais ou complexos Produto Interno. Norma. Distância.
Note bem: a letura destes apotametos ão dspesa de modo algum a letura ateta da bblografa prcpal da cadera Chama-se a ateção para a mportâca do trabalho pessoal a realzar pelo aluo resoledo os problemas
Leia maisAula 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 maisDiferenciais 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 maisNÚMEROS COMPLEXOS. z = a + bi,
NÚMEROS COMPLEXOS. DEFINIÇÃO No cojuto dos úmeros reas R, temos que a = a. a é sempre um úmero ão egatvo para todo a. Ou seja, ão é possível extrar a ra quadrada de um úmero egatvo em R. Dessa mpossbldade
Leia mais4- 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 maisAvaliação 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 maisDistribuições 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 maisModelo de Regressão Simples
Modelo de Regressão Smples Hstora Hstóra Termo regressão fo troduzdo por Fracs Galto (8-9). Estudo sobre altura de pas e flhos. Karl Pearso coletou mas de ml regstros e verfcou a le de regressão uversal
Leia mais6. MÉTODOS APROXIMADOS DE ANÁLISE DE SISTEMAS CONTÍNUOS
6. ÉOOS APROXAOS ANÁS SSAS CONÍNUOS Nos dos capítulos aterores, estudaram-se métodos exactos de aálse de sstemas dscretos e de sstemas cotíuos. Agora, serão aalsados algus métodos aproxmados da solução
Leia mais3- Autovalores e Autovetores.
MÉTODOS NUMÉRICOS PARA EQUAÇÕES DIFERENCIAIS PARCIAIS 3- Autovalores e Autovetores. 3.- Autovetores e Autovalores de ua Matrz. 3.- Métodos para ecotrar os Autovalores e Autovetores de ua Matrz. 3.- Autovetores
Leia maisNúmeros Complexos. 2. (IME) Seja z um número complexo de módulo unitário que satisfaz a condição z 2n 1, onde n é um número inteiro positivo.
Números Complexos. (IME) Cosdere os úmeros complexos Z se α cos α e Z cos α se α ode α é um úmero real. Mostre que se Z Z Z etão R e (Z) e I m (Z) ode R e (Z) e I m (Z) dcam respectvamete as partes real
Leia maisGabarito da Lista de Interpolação e Método dos Mínimos Quadrados
Gabarto a sta e Iterpolação e Métoo os Mímos Quaraos ercíco : a cos Prmera orma: Iterpolação e agrage 8 5 P cos5 P - 89765 6 5 85 5 5 5 P 5 : : rro Portato 6 cos9 9 ; -5 6 9-9 - 6 5 5 5 85 cos6 6 ; 5 9
Leia maisProf. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística
Prof. Lorí Val, Dr. http://www.pucrs.br/famat/val/ val@pucrs.br Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Obetvos A Aálse de
Leia maisSobre aproximações polinomiais de raízes reais de cúbicas
Notas de Aula Sobre aproxmações polomas de raízes reas de cúbcas Edgar Rechtschaffe UNIFESO O problema de se obter as raízes de uma equação do tercero grau abrevadamete uma cúbca fo resolvdo o século XVI
Leia maisANÁLISE 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 maisEconometria: 4 - Regressão Múltipla em Notação Matricial
Ecoometra: 4 - Regressão últpla em Notação atrcal Prof. arcelo C. ederos mcm@eco.puc-ro.br Prof. arco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo
Leia maisApêndice 1-Tratamento de dados
Apêdce 1-Tratameto de dados A faldade deste apêdce é formar algus procedmetos que serão adotados ao logo do curso o que dz respeto ao tratameto de dados epermetas. erão abordados suctamete a propagação
Leia maisII. Propriedades Termodinâmicas de Soluções
II. Propredades Termodâmcas de Soluções 1 I. Propredades Termodâmcas de Fludos OBJETIVOS Eteder a dfereça etre propredade molar parcal e propredade de uma espéce pura Saber utlzar a equação de Gbbs-Duhem
Leia maisCADERNO 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 maisEconometria: 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 maisx n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População
ESTATÍSTICA STICA DESCRITIVA Prof. Lorí Val, Dr. val@mat.ufrgs.br http://.ufrgs.br/~val/ Orgazação; Resumo; Apresetação. Cojuto de dados: Amostra ou População Um cojuto de dados é resumdo de acordo com
Leia mais6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS
7 6 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS A medção dreta é aquela cuja dcação resulta aturalmete da aplcação do sstema de medção sobre o mesurado Há apeas uma gradeza de etrada evolvda
Leia maisFundamentos de Matemática I FUNÇÕES POLINOMIAIS4. Licenciatura em Ciências USP/ Univesp. Gil da Costa Marques
FUNÇÕES POLINOMIAIS4 Gl da Costa Marques Fudametos de Matemátca I 4.1 Potecação de epoete atural 4. Fuções polomas de grau 4. Fução polomal do segudo grau ou fução quadrátca 4.4 Aálse do gráfco de uma
Leia maisEstatística Básica - Continuação
Professora Adraa Borsso http://www.cp.utfpr.edu.br/borsso adraaborsso@utfpr.edu.br COEME - Grupo de Matemátca Meddas de Varabldade ou Dspersão Estatístca Básca - Cotuação As meddas de tedêca cetral, descrtas
Leia maisMatemática Aula 1. Decomposição Matricial
CURSO DE NIVELAMENO 0 - PEQ/COPPE/UFRJ PROF. ARGIMIRO DECOMPOSIÇÃO MARICIAL Matemátca Aula Decomposção Matrcal A decomposção matrcal é uma fatoração de uma matrz em alguma forma caôca ou padrão. Exstem
Leia maisAULA Os 4 espaços fundamentais Complemento ortogonal.
Note bem: a letura destes apotametos ão dspesa de modo algum a letura ateta da bblografa prcpal da cadera Chama-se a ateção para a mportâca do trabalho pessoal a realzar pelo aluo resoledo os problemas
Leia mais50 Logo, Número de erros de impressão
Capítulo 3 Problema. (a) Sedo o úmero médo de erros por pága, tem-se: 5 + + 3 + 3 + 4 33,66 5 5 Represetado o úmero medao de erros por md, tem-se, pela ordeação dos valores observados, que os valores de
Leia maisCAPÍTULO 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 mais3 Experimento com Mistura com Respostas Não-Normais
Modelagem em Epermetos Mstura-Processo para Otmzação de Processos Idustras 5 Epermeto com Mstura com Respostas Não-Normas Neste capítulo é apresetado o plaejameto e aálse de um EM com respostas ão ormas,
Leia maisAULA Espaços Vectoriais Estruturas Algébricas.
Note bem: a letura destes apotametos ão dspesa de modo algum a letura ateta da bblografa prcpal da cadera Chama-se a ateção para a mportâca do trabalho pessoal a realzar pelo aluo resolvedo os problemas
Leia mais