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

Documentos relacionados
Ordenação. David Menotti Algoritmos e Estruturas de Dados II DInf UFPR

Ordenação (Parte 1) Prof. Túlio Toffolo BCC202 Aula 13 Algoritmos e Estruturas de Dados I

Ordenação por Partição (Quick Sort)

Quicksort. Algoritmos e Estruturas de Dados II

BCC202 - Estrutura de Dados I

Métodos de Ordenação Parte 1

MÓDULO 8 REVISÃO REVISÃO MÓDULO 1

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados

Ex: Cálculo da média dos pesos dos terneiros da fazenda Canoas-SC, à partir dos dados originais: x = 20

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1.

MEDIDAS DE TENDÊNCIA CENTRAL I

Classificação e Pesquisa de Dados

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão

Análise da Informação Económica e Empresarial

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL

CT-234. Estruturas de Dados, Análise de Algoritmos e Complexidade Estrutural. Carlos Alberto Alonso Sanches

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

Forma padrão do modelo de Programação Linear

Estatística - exestatmeddisper.doc 25/02/09

Construção e Análise de Gráficos

MEDIDAS DE DISPERSÃO:

O delineamento amostral determina os processos de seleção e de inferência do valor da amostra para o valor populacional.

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12

SUMÁRIO GOVERNO DO ESTADO DO CEARÁ. Cid Ferreira Gomes Governador. 1. Introdução Domingos Gomes de Aguiar Filho Vice Governador

Revisão de Estatística X = X n

Estudando complexidade de algoritmos

1. ORDENAÇÃO POR TROCA ORDENAÇÃO. 1.1 Ordenação por Bolha. Exemplo, 25, 57, 48, 37, 12, 92, 86, 33. Algoritmo. Complexidade de Tempo

Representação dos padrões. Tipos de atributos. Etapas do processo de agrupamento. 7.1 Agrupamento clássico. 7. Agrupamento fuzzy (fuzzy clustering)

ORDENAÇÃO 1. ORDENAÇÃO POR TROCA

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples.

Sumário. Mecânica. Sistemas de partículas

REGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi

Ordenação por Troca. Bubblesort Quicksort

Busca binária. Busca em arquivos. Busca binária. Busca binária. Ordenação e busca em arquivos

Medidas Numéricas Descritivas:

Capítulo 1: Erros em cálculo numérico

Estatística: uma definição

4 O Método de Análise Hierárquica

? Isso é, d i= ( x i. . Percebeu que

Econometria: 3 - Regressão Múltipla

13 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL

AULA Espaços Vectoriais Estruturas Algébricas.

Introdução à Estatística

Introdução à Estatística. Júlio Cesar de C. Balieiro 1

Arquitetura da ART Controle 1 Controle 2

MAE116 Noções de Estatística

Relatório 2ª Atividade Formativa UC ECS

Caracterização de Partículas. Prof. Gerônimo

Coordenação directa de pontos novos, a partir de um ponto conhecido, medindo-se um ângulo e uma distância.

Métodos iterativos. Capítulo O Método de Jacobi

ESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano

2 Procedimentos para Ajuste e Tratamento Estatístico de Dados Experimentais

ESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD

Redutores de Velocidade

S S S S 5. Uma pessoa deposita em um banco, no fim de cada mês, durante 5 meses, a quantia de R$ 200,00. 1,05 1

(c) Para essa nova condição de operação, esboce o gráfico da variação da corrente no tempo.

Estatística: uma definição

PUCRS FAMAT DEPTº DE ESTATÍSTICA ESTATÍSTICA DESCRITIVA SÉRGIO KATO

Teoria Elementar da Probabilidade. a) Cada experiência poderá ser repetida indefinidamente sob condições essencialmente inalteradas.

Cap.20 Avaliação Econ. Financ. de Projetos de Inv. Sumário. Jim Lane. $20 mi. Gordon Letwin $20 mi Paul Allen $25 bi

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

Medidas de Localização

Como CD = DC CD + DC = 0

Unidade II ESTATÍSTICA

Descritiva. Francisco Cysneiros DE - UFPE

Perguntas freqüentes Credenciadores

Grande Conjuntos de Dados. Organização; Resumo; Apresentação. Amostra ou População. Defeitos em uma linha de produção

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Determine a média de velocidade, em km/h, dos veículos que trafegaram no local nesse período.

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

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Projeto e Análise de Algoritmos Aula 15: Classes de Complexidade P, NP (GPV 8.1,8.2)

Ivan G. Peyré Tartaruga. 1 Metodologia espacial

Perguntas Freqüentes - Bandeiras

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

Avaliação de Empresas Profa. Patricia Maria Bortolon

x Ex: A tabela abaixo refere-se às notas finais de três turmas de estudantes. Calcular a média de cada turma:

PROGRAMAÇÃO E ALGORITMOS (LEII) Universidade da Beira Interior, Departamento de Informática Hugo Pedro Proença, 2016/2017

Compactação e Reuso de Espaço

Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística

TESTES DE PROPORÇÕES TESTE DE UMA PROPORÇÃO POPULACIONAL

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

Uso de covariáveis em modelos biométricos para estimação de altura total em árvores de Eucalyptus dunnii

UERJ CTC IME Departamento de Informática e Ciência da Computação 2 Cálculo Numérico Professora Mariluci Ferreira Portes

Stela Adami Vayego DEST/UFPR

LCE2112 Estatística Aplicada às Ciências Sociais e Ambientais 2010/02. Exemplos de revisão

Controle Estatístico de Qualidade. Capítulo 6 (montgomery)

UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO UNIVERSITÁRIO NORTE DO ESPÍRITO SANTO DEPARTAMENTO DE ENGENHARIAS E TECNOLOGIA Plano de Ensino

MÉTODO DOS MÍNIMOS QUADRADOS

9 Medidas Descritivas

( k) Tema 02 Risco e Retorno 1. Conceitos Básicos

( 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.

Uma Calculadora Financeira usando métodos numéricos e software livre

Introdução a Complexidade de Algoritmos

CAPITULO 1 CONCEITOS BÁSICOS

TRABALHO DE COMPENSAÇÃO DE FALTAS - DP

CAPÍTULO III - POLINÔMIOS DE JACOBI E QUADRATURA NUMÉRICA

Transcrição:

Bruo Hott Algortmos e Estruturas de Dados I DECSI UFOP Aula 10: Ordeação

O Crtéro de Ordeação Ordea-se de acordo com uma chave: typedef t TChave; typedef struct{ TChave chave; /* outros compoetes */ Item;

Característcas Establdade: relatvo à mauteção da ordem orgal de tes de chaves guas Um método de ordeação é estável se a ordem relatva dos tes com chaves guas ão se altera durate a ordeação. Ordeação tera: arquvo a ser ordeado cabe todo a memóra prcpal. Prcípo: comparação x dstrbução

Crtéro de Avalação Sedo o úmero de regstros o arquvo, as meddas de complexdade relevates são: Número de comparações C() etre chaves. Número de movmetações M() de tes

Outras Cosderações O uso ecoômco da memóra dspoível é um requsto prmordal a ordeação tera. Métodos de ordeação stu são os preferdos. Métodos que utlzam lstas ecadeadas ão são muto utlzados. Métodos que fazem cópas dos tes a serem ordeados possuem meor mportâca.

Métodos Bolha (BubbleSort) Seleção (SelectSort) Iserção (IsertSort)

Método Bolha Os elemetos vão borbulhado a cada teração do método até a posção correta para ordeação da lsta O método podera parar quado ehum elemeto borbulhasse/trocasse de posção Como os elemetos são trocados (borbulhados) frequetemete, há um alto custo de troca de elemetos

Método Bolha vod Bolha( Item* v, t ){ t, j; Item aux; for( = 0; < -1; ++ ){ for( j = 1; j < -; j++ ){ f( v[j].chave < v[j-1].chave ){ aux = v[j]; v[j] = v[j-1]; v[j-1] = aux;

Aálse de Complexdade Comparações - C() Movmetações M() M() - 3C() ) ( 1) ( 1) )( (0 1) ( 1 1) ( ) ( 0 0 0 0 O C

Ordeação por Bolha Vatages: Algortmo smples Algortmo estável Desvatages: O fato de o arquvo já estar ordeado ão ajuda reduzr o úmero de comparações (o custo cotua quadrátco), porém o úmero de movmetação ca a zero. Possível modfcação a atual mplemetação?

Método Bolha vod Bolha (Item* v, t ){ t, j, troca; Item aux; for( = 0; < -1; ++ ){ troca = 0; for( j = 1; j < -; j++ ){ f( v[j].chave < v[j-1].chave ){ aux = v[j]; v[j] v[j-1] = aux; troca = 1; = v[j-1]; f(troca == 0) break;

Método Seleção Seleção do -ésmo meor (ou maor) elemeto da lsta Troca do -ésmo meor (ou maor) elemeto com a -ésma posção da lsta Uma úca troca por vez é realzada

Método Seleção vod Selecao( Item* v, t ){ t, j, m; Item aux; for( = 0; < - 1; ++){ m = ; for(j = +1; j < ; j++) f( v[j].chave < v[m].chave) m = j; aux = v[m]; v[m] = v[]; v[] = aux;

Aálse de Complexdade Comparações C() Movmetações M() M() = 3(-1) ) ( 1) ( 1) )( (0 1) ( 1 1) ( ) ( 0 0 0 0 O C

Ordeação por Seleção Vatages: Custo lear o tamaho da etrada para o úmero de movmetos de regstros. É o algortmo a ser utlzado para arquvos com regstros muto grades. É muto teressate para arquvos pequeos. Desvatages: O fato de o arquvo já estar ordeado ão ajuda em ada, pos o custo cotua quadrátco. O algortmo ão é estável.

Método Seleção Melhora! vod Selecao(Item* v, t ){ t, j, m; Item aux; for( = 0; < -1; ++ ){ m = ; for( j = +1; j < ; j++ ) f( v[j].chave < v[m].chave) m = j; f(!= m ){ aux = v[m]; v[m] = v[]; v[] = aux;

Método Iserção Algortmo utlzado pelo jogador de cartas As cartas são ordeadas da esquerda para dreta uma por uma. O jogador escolhe a seguda carta e verfca se ela deve fcar ates ou a posção que está. Depos a tercera carta é classfcada, deslocado-a até sua correta posção O jogador realza esse procedmeto até ordear todas as cartas Alto custo em remover uma carta de uma posção e colocá-la em outra quado a represetação é por arrajos

Método Iserção vod Isercao( Item* v, t ){ t, j; Item aux; for( = 1; < ; ++ ){ aux = v[]; j = 1; whle( (j >= 0) && (aux.chave < v[j].chave) ){ v[j+1] = v[j]; j--; v[j+1] = aux;

Aálse de Complexdade Comparações C() No ael mas tero, a -ésma teração, o valor de C é: melhor caso: C () = 1 por caso: C () = caso medo: C () = 1/ (1 + +... + ) = (+1)/ Assumdo que todas as permutações de são gualmete prováves o caso médo, temos: melhor caso: C() = (1 + 1 +... + 1) = - 1 por caso: C() = (1 + +... + -1) = / - / caso medo: C() = ½ ( + 3 +... + ) = /4 + /4 1/

Aálse de Complexdade Movmetações C() No ael mas tero, a -ésma teração, o valor de C é: melhor caso: C () = 0 por caso: C () = caso medo: C () = 1/ (0 + 1 + +... + -1) = (-1)/ Assumdo que todas as permutações de são gualmete prováves o caso médo, temos: melhor caso: C() = ( + +... + ) = - por caso: C() = (+1 + + +... + +-1) = ( +3-4)/ caso médo: C() = ½ ( + 3 +... + ) = ( + )/

Ordeação por Iserção O úmero mímo de comparações e movmetos ocorre quado os tes estão orgalmete em ordem. O úmero máxmo ocorre quado os tes estão orgalmete a ordem reversa. É o método a ser utlzado quado o arquvo está quase ordeado. É um bom método quado se deseja adcoar us poucos tes a um arquvo ordeado, pos o custo é lear. O algortmo de ordeação por serção é estável.

Ordeação Itera Métodos smples: Adequados para pequeos arquvos. Requerem O(²) comparações. Produzem programas pequeos. Métodos efcetes: Adequados para arquvos maores. Requerem O( log ) comparações. Usam meos comparações. As comparações são mas complexas os detalhes. Métodos smples são mas efcetes para pequeos arquvos.