https://github.com/luiz-marcio-faria-de-aquino-viana/libpeam
LIBPEAM - Bibliotaca de Funções de Probabilidade e Estatística para Aprendizado de Máquina, desenvolvida durante o Curso de Pós-Doutoramento em Engenharia Elétrica com Ênfase em Engenharia de Sistemas e Computação (COPPE/UFRJ entre 2020-2022).
https://github.com/luiz-marcio-faria-de-aquino-viana/libpeam
Last synced: 2 months ago
JSON representation
LIBPEAM - Bibliotaca de Funções de Probabilidade e Estatística para Aprendizado de Máquina, desenvolvida durante o Curso de Pós-Doutoramento em Engenharia Elétrica com Ênfase em Engenharia de Sistemas e Computação (COPPE/UFRJ entre 2020-2022).
- Host: GitHub
- URL: https://github.com/luiz-marcio-faria-de-aquino-viana/libpeam
- Owner: luiz-marcio-faria-de-aquino-viana
- Created: 2025-02-23T01:19:24.000Z (3 months ago)
- Default Branch: main
- Last Pushed: 2025-02-25T19:39:58.000Z (3 months ago)
- Last Synced: 2025-02-25T20:34:24.788Z (3 months ago)
- Language: Python
- Homepage: https://www.youtube.com/@tlmv6436
- Size: 3.28 MB
- Stars: 0
- Watchers: 1
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
# libpeam
BIBLIOTECA: LIBPEAM.py
LIBPEAM - Bibliotaca de Funções de Probabilidade e Estatística para Aprendizado de Máquina.
Desenvolvida durante o Curso de Pós-Doutoramento em Engenharia Elétrica com Ênfase em Engenharia de Sistemas e Computação (COPPE/UFRJ entre 2020-2022).
Disciplina: PEAM - Probabilidade e Estatística para Aprendizado de Máquina
Professores:
- Rosa Leão (https://www.cos.ufrj.br/index.php/pt-BR/telefones-do-pesc/details/3/1050-rosa);
- Edmundo de Souza e Silva (https://www.cos.ufrj.br/index.php/pt-BR/pessoas-search/details/18/1013-edmundo); e
- Daniel Menasch
Autor(100%): Luiz Marcio Faria de Aquino Viana, Pós-D.Sc.
Prazo de dezenvolvimento da Biblioteca: 1 dia (= 1 sabado!)
Aplicação: Análise dos Dados Diários sobre a COVID-19.
Objetivo: Para fixar os processo estatísticos apresentados em aula, foi desenvolvido a biblioteca LIBPEAM, implementada em Python, com as funções estatísticas necessárias para a resolução dos problemas da lista de exercícios de aula.
RECURSOS:
1. READDATA(): LEITURA DO DATASET PARA UMA LISTA (DESPREZANDO O CABEÇALHO)
2. QTD(), SOMA(), MIN(), MAX(), MEDIA(), VAR(), STD()
3. OUTLIERS(), WORKSET(), LISTA_FREQ()
4. FUNÇÕES:
- Geométrica e Exponencial (definição interna),
- Normal (importada da biblioteca “statistics”),
- Beta,
- F, e
- Chi-Square (importadas da biblioteca: “scipy”)
5. CÁLCULO DO VALOR DE “X” EM FUNÇÃO DA ÁREA (p-value)
- F e Chi-Square
6. CÁLCULO DOS PARÂMETROS - MLE
- Geométrica, Beta, Exponencial e Normal
7. IMPLEMENTAÇÃO DOS TESTES
- One-Way ANOVA
- Chi-Square
- Kolmogorov-Smirnov
8. FUNÇÕES PARA APRESENTAÇÃO GRÁFICA
* implementadas com a biblioteca “matplotlib”
BIBLIOGRAFIA:
PROBABILITY & STATISTICS WITH RELIABILITY, QUEUING, AND COMPUTER SCIENCE APPLICATIONS
AUTOR: Kishor Shridharbhai Trivedi
Prentice-Hall, Inc., Englewood Cliffs, N.J. 07632
ISBN 0-13-711564-4
# CONTATO
CONTACT ME, IF YOU NEED HELP OR HAVE ANY QUESTIONS ABOUT THIS ACADEMIC WORK!
Luiz Marcio Faria de Aquino Viana,Pós-D.Sc.
E-mail: [email protected]
Phone/WhatsApp: +55-21-99983-7207