Escolar Documentos
Profissional Documentos
Cultura Documentos
Probabilidade do espaço E
P(E) = m/n
Onde m é o número de eventos favoráveis
n é o número de eventos possíveis
A probabilidade está sempre relacionada a
experimentos, sua frequência ou repetição.
3. Revisão de Estatística
Espaço Amostral
É o conjunto de todos os resultados possíveis de um
experimento;
Evento
São os resultados que se obtém ao realizar o experimento;
Variável aleatória
É uma função que associa a cada elemento de um espaço
amostral, um número real. Ou ainda, é uma função que assume
um valor real em cada ponto de um espaço amostral.
3. Revisão de Estatística
3. Revisão de Estatística
Função Densidade
de Probabilidade
Pode ser definida como
uma probabilidade
num intervalo ∆x,
assumindo que seja
contínua e
diferenciável neste
intervalo.
3. Revisão de Estatística
Ou
3. Revisão de Estatística
Regras:
1) E(cte) = 0
2) E(E(X)) = E(X)
3) E(X+Y) = E(X)+E(Y)
4) E(cte*X) = cte * E(X)
5) E(XY)= E(X)*E(Y) só vale se X e Y são independentes entre si
6) E(X²) ≠ (E(X))²
3. Revisão de Estatística
Variância - x ²
Seja g(x) = (x – E(x))² = (x - µx)²
A Esperança (E(x))desta função é chamada de variância:
E(g(x)) = E(x – E(x))² = var(x) = x²
Ou
x² = E(x)² - E(E(x))²
3. Revisão de Estatística
Desvio Padrão - x
É definido pela raiz quadrada aritmética da variância.
x = √ x²
x ² e x são medidas de dispersão e estão relacionadas a
média.
3. Revisão de Estatística
Co-Variância- xy
Envolve sempre duas variáveis aleatórias ( x e y)
É representada assim:
h(x,y) = (x-µx) * (y-µy)
↑ ↑
E(x) E(y)
Ou
Cov(x,y) = xy = E((x-µx) * (y-µy))
3. Revisão de Estatística
Multiplicação de matrizes
O produto só é possível se o número de colunas de uma matriz for igual ao
número de linhas da outra matriz. As dimensões da matriz produto será o
numero de linhas da primeira pelo numero de colunas da segunda matriz.
nCu=nAm*mBu
Propriedades fundamentais:
A(B+C)= AB + AC
(A+B)C = AC+BC
A(BC) = (AB)C
AB≠BA em geral
AC=AB se B=C
AB=0 se A ou B = 0
4. Revisão de Matrizes
Exemplos:
Calcule
A+B
A-B
A*B
B*A
4. Revisão de Matrizes
Determinante
4. Revisão de Matrizes
Propriedades
|AT| = |A|
|A*B| = |A|*|B|
Se |DET|=0 a matriz é singular
Se |DET|≠0 a matriz é não singular
4. Revisão de Matrizes
Propriedades
(A-1)-1 = A
(AB)-1 = B-1 * A-1
(KA)-1 = 1/k * A-1
|A-1|= 1/ |A|
(ABC)-1 = C-1 * B-1 * A-1
Se A-1 = AT essa matriz é dita ortogonal, então A*AT = AT*A =
Identidade
5. Teoria dos Erros
Introdução
Nenhuma medida é exata, existem variações.
O processo de medição abrange tanto o levantamento em campo
quanto as tarefas de escritórios(tratamento, processamentos,
análises).
Para executar uma medição(observação) é preciso, em primeiro
lugar, conhecer o fenômeno a ser medido, o equipamento e a
metodologia a serem utilizados.
Todas as observações são referidas a um padrão, que pode
pertencer ao SI, como o metro e o segundo.
Desta forma pode-se dizer que medir significa comparar unidade e
dimensão dos valores com um padrão.
5. Teoria dos Erros
Tipos de erros
Os erros em observações são classificados em 3 tipos:
a)Grosseiros
b)Sistemáticos
c)Acidentais
5. Teoria dos Erros
Tipos de erros
a)Grosseiros
Ocorrem principalmente devido a desatenção do observador
durante o processo de medição.
Eles podem ser detectados e eliminados das medições
Exemplos: anotação errada na caderneta de campo;
apontamento da luneta para o alvo(prisma) errado; marcação
de ponto não homólogo no georeferenciamento de imagens;
etc.
5. Teoria dos Erros
Tipos de erros
b)Sistemáticos
Ocorrem segundo uma natureza sistemática que, quando conhecida,
pode ser expressa por uma função matemática;
Nos erros sistemáticos, a magnitude e o sinal , geralmente,
permanecem constante durante o processo de medição.
Com isso os erros sistemáticos podem ser modulados e minimizados.
Nunca eliminados porque não temos como afirmar que todos os erros
foram sequer detectados.
Exemplos: dilatação de equipamentos como a trena, pela
temperatura ou tração; umidade e pressão atmosféricas alteram
distancias medidas com distanciometros; a ionosfera afetas os sinais
GNSS.
5. Teoria dos Erros
Tipos de erros
c)Acidentais
Estes erros não podem ser detectados e por isso não são
eliminados.
Exemplo: a calagem incorreta de equipamento; a centragem
do equipamento não coincidente com o ponto; etc.
Diferença entre os erros grosseiros e acidentais: o grosseiro é
pontual e o acidental é para todo o levantamento.
6. Precisão e Acurácia
Precisão
É o grau de proximidade entre os valores observados de um
mesmo objeto. Se as medições sobre o mesmo objeto
apresentarem valores muito próximos, diz-se que elas são
observações precisas. No entanto, se se os valores das
observações são muito dispersos diz-se que as observações são
de baixa precisão.
A precisão é indicada pela dispersão da curva da função
densidade de probabilidade em relação a média.
6. Precisão e Acurácia
Precisão
Quanto mais estrita
for a curva, mais
precisa são as
observações. Da
mesma forma,
quanto mais longa
for a curva , menos
precisa é a
observação.
6. Precisão e Acurácia
Precisão
O desvio padrão
define os pontos de
inflexão da curva,
sendo assim, quanto
menor for o desvio
padrão, maior é a
precisão da medição.
Por isso o desvio
padrão é a medida
de dispersão
comumente utilizada
no ajustamento de
observações.
6. Precisão e Acurácia
Acurácia
É o grau de proximidade das medições em relação ao valor
verdadeiro.
Uma medida precisa não necessariamente é acurada, pois
esta pode conter erros sistemáticos.
Para se obter uma boa precisão e acurácia, deve-se reduzir ao
máximo os erros sistemáticos.
6. Precisão e Acurácia
7. Sistemas de Equações Lineares
* =
7. Sistemas de Equações Lineares
Ou ainda:
mAn*nX1 = mB1
7. Sistemas de Equações Lineares
Considerações:
Se B=0 o sistema é homogêneo;
Se B ≠0 o sistema é não homogêneo;
O sistema pode ser :
Homogêneo e determinado nº equações = nº incógnitas
Homogêneo e indeterminado nº equações < nº
incógnitas(m<n)
Não homogêneo, possível e determinado m=n e det ≠ 0
Não homogêneo, possível e indeterminado m<n
Não homogêneo e impossível m>n
Obs: Se m=n com |A| ≠0 nX1=mAn-1 * nB1
7. Sistemas de Equações Lineares
Discussão da existência de solução de AX=B
Definições básicas:
A matriz aumentada (A,B) de um sistema é a matriz dos
coeficientes aumentada do vetor dos termos independentes.
7. Sistemas de Equações Lineares
Discussão da existência de solução de AX=B
Definições básicas:
Característica de uma matriz – CAR(A) ou Posto (A)
É a ordem da maior submatriz de A, cujo determinante é não nulo.
OBS:
Se A e (A,B) tem a mesma característica o sistema é possível;
Se A e (A,B) tem a mesma característica e a característica for igual a
n(incógnitas), então o sistema é possível e determinado
Se A e (A,B) tem a mesma característica e a característica for <
n(incógnitas), então o sistema é possível e indeterminado
Se A e (A,B) tem características diferentes, então o sistema não tem
solução.
7. Sistemas de Equações Lineares
Exemplos:
Verificar a solução do sistema abaixo :
x1 – 2x2 + x3 = 1
2x1 – 3x2 + 4x3 = 5
2x1 – 5x2 =0
x1 – 2x2 + x3 = 1
2x1 – 3x2 + 4x3 = 5
2x1 – 5x2 + 2x3 = 1
7. Sistemas de Equações Lineares
Exemplos:
Verificar a solução do sistema abaixo :
x1 – 2x2 + x3 = 1
2x1 – 3x2 + 4x3 = 5
2x1 – 5x2 = -1
x + 2y – z = 4
x + 2y – 6z = 7
2x + 4y + 3z = 5
7. Sistemas de Equações Lineares
Exemplos:
Verificar a solução do sistema abaixo :
x + 3y +2u + 4v = -9
2x + 6y + 4u + 8v= -18
x - y – u + v = -4