Loading
Nota de Estudos
Study Reminders
Support
Text Version

Gerenciamento de Dados e Exploração de Dados

Set your study reminders

We will email you at these times to remind you to study.
  • Monday

    -

    7am

    +

    Tuesday

    -

    7am

    +

    Wednesday

    -

    7am

    +

    Thursday

    -

    7am

    +

    Friday

    -

    7am

    +

    Saturday

    -

    7am

    +

    Sunday

    -

    7am

    +

Bem-vindo de volta queridos estudantes. Estamos no módulo 3 agora e falaremos sobre o AtributoGestão de Dados e Exploração de Dados nesta palestra em particular.
Então, os conceitos que vamos cobrir hoje é sobre Estatísticas Descritivas e somosindo falar sobre as Estatísticas Univariadas, também vamos falar sobre o toque sobreEstatísticas Multivariadas, nós veremos o que é Estatísticas Inferenciais, vamos também analisar ostipos de Dados de Dados e como os dados são gerenciados no GIS.
Então, como fazemos a entrada de dados do Atributo, como fazemos o design de Banco de Dados, o que é um banco de dados Relacionale o eu quero dizer tipos diferentes de operações de dados referentes à junção das tabelas. Então,vamos analisar esses conceitos a seguir.
 
Então, falando sobre estatísticas Descritivas ou Univariadas, ele é usado quer dizer para as variáveis ordinaise as variáveis de proporção e não pode ser usado para variáveis nominais ou categóricas. Veremosquais são essas variáveis nominais e categóricas. Alguns de vocês podem estar sabendo sobre essesque estão em eu quero dizer gerenciamento de dados e eu quero dizer design de banco de dados e todas essas coisas.
Então, ele basicamente resume a observação com estatísticas descritivas, ele dá um resumo deas observações e é com referência a distribuição de uma variável. Assim, sempre que nóstemos variáveis e temos dados distribuídos ou dados discretos, ele é lombado ou agrupado em
classes diferentes ou valores agrupados e temos frequências de ocorrência para cada um dessesgrupos que podem ser mostrados como histograma das classes diferentes.
Agora, quero dizer que o número de classes que classificaríamos nossos dados é determinado como uma funçãodo número de observação e do alcance dos valores. Agora, falando sobre asmedidas de tendências centrais, temos três medidas que você já conhece. Oprimeiro é conhecido como Mean que é eu quero dizer a média de todos os conjuntos de observação.
Então, se temos n número de observações, somamos as observações quero dizer todas as observações de “ n ”e dividi-lo pelo número de observação para nos dar a média que é denotadacomo mu. Agora a próxima medida de tendência central é o Mediano que é o valor mediano do meioquando todos os valores são ordenados se nós significarmos empilhar os valores do menor para o maior de.
Então, você pode descobrir o valor do meio e no caso se você tiver mesmo número de conjuntos de dados, nesse casoo que nós fazemos é pegar os dois valores médios e eu quero dizer leva a sério desses. Agora, vocêtem tipos diferentes de algoritmos em computador eu quero dizer análise de software. Então, nós podemos significarcategorias os dados ou eu quero dizer salvar os dados em um eu quero dizer menor para maior eu quero dizer ordenação. Então,aqueles algoritmos diferentes estão disponíveis onde em se nós temos um conjunto de dados muito grande, ele pode serordenado e então podemos descobrir a mediana.
Agora, o modo é o valor de ocorrência mais frequente em um conjunto de dados. Então, qualquer que seja o valor de dados é o valor de dados de ocorrência mais freqüentemente de ocorrência eu quero dizer que a gente toma isso como um modo. Agora, se temosoutliers nos dados, se temos alguns valores de dados que são valores de dados extremos quero dizer qualestá além da i média de qualquer uma das tendências centrais e que tem valores muito altos, entãonesses casos o que acontece este outliers irá se somar significativamente à média. Então, de uma forma a médiafica eu quero dizer afetada por esse tipo de outliers. Então, valor médio mediano ou modo ele reduzo impacto dos outliers.
 
Então, quero dizer que falamos sobre as estatísticas descritivas. Então, temos três medidas basicamente nósfalamos sobre o desvio padrão onde em nós temos o grau da dispersão em torno da médiae ele é representado como sigma que é a diferença do quadrado Eu quero dizer de seusvalores observados para a média são divididos pelo número total de observações e ele é tido comouma raiz quadrada.
Temos também um termo que é conhecido como Variância que é eu quero dizer extensivamente usado em GIS oude outra forma em estatísticas descritivas. Então, eu quero dizer que é a expectativa de desvio quadrado quando a variávelé aleatória com relação a sua média, agora eu quero dizer que ela nos dá um diferencial dessesnúmeros aleatórios com relação ao valor médio com relação aos valores médios. Falandosobre o coeficiente de defasagem quando estamos tendo uma distribuição a, quando estamos tendo um histogramapodemos ver que ele poderia estar na forma de uma curva de sino inversa.
Então, essa curva poderia ser simétrica na natureza ou poderia ser assimétrica na natureza. Assim, o coeficientede inclinação, mede a falta de simetria ou a presença de simetria na distribuição de dadose ele é medido usando o momento de Pearson ’ coeficiente de skewness que édado por esta equação específica mostrada aqui.
 
Agora, indo para Estatísticas Multivariadas, geralmente eu quero dizer que estamos lidando com dados que não sãounivariados, mas é multivariado onde em temos uma variável dependente e podemos termúltipla variável independente.
Então, eu quero dizer que suas estatísticas univariadas não podem ser usadas para analisar tal situação. Então, quero dizer novamentequando gostamos que estávamos falando de dados univariados em caso de análise multivariada como bem eusignifica que não é possível para nós analisar as variáveis nominais ou categóricas, então podemos como eu
estava dizendo que podemos explorar se há um relacionamento entre duas ou até mais de duas variáveis.
Então, se você tiver duas variáveis, então ela viria como um enredo de dispersão você pode ter abscissa eordenado x-eixo e y-eixo e as parcelas de dados seriam os valores de dados seriam espalhados em como papelpot, quero dizer diagrama como quero dizer como pontos no eixo x e y. Então, quero dizer se você tem um conjunto de dados dimensional de trêsno qual você pode ter uma variável independente, dependente e doisindependente, nesse caso pareceria uma nuvem de pontos e similarmente, se você tivermais número de variáveis ele se torna uma figura torna-se complicado.
Então, quero dizer que podemos incluir mais de uma variável e mas a vantagem dessas estatísticas descritivas de dados multivariadasé que podemos avaliar simultaneamente a inter-relação entrenúmero múltiplo de variáveis. Agora, para fazer essa avaliação o que fazemos é, há dois métodos. Falamos sobre a correlação e falamos de regressão.
Então, em correlação e regressão nós natureza eu quero dizer que exploramos a natureza dos relacionamentosentre as diferentes variáveis e tentamos avaliar um que é a força dos relacionamentosentre essas variáveis. Por isso, quando temos essas variáveis, o que podemos fazer é encaixar uma linhaa esses pontos de dados e essa linha é a linha do melhor fit, é a linha que passa poressa trama de dispersão é trabalhada. Então, é o mais próximo possível de todos os pontos e ele representa Isignificar esta linha particular ou a melhor linha de encaixe que representa a tendência nos dados.
Então, suponhamos que tenhamos esses pontos de dados e eu quero dizer tentar criar esses pontos de dispersão de pontos de dispersãoneste particular x, y e z valoriza duas variáveis que é y e z. Então quero dizer que se tentarmos fazer um enredo de melhor ajuste de, então o que acontece é que você pode descobrir as distâncias e essas distâncias seriamminimizadas, essas distâncias a partir desses pontos seriam minimizadas, de modo que a esta é a melhor linha de encaixe.
 
Agora, se vemos a equação da melhor linha fit, ela está na forma de y igual a mx mais c onde emtemos a inclinação e temos o eu médio cruzado. Então, esta nessa equação específica que é zi igual a I quer dizer beta subscrito 0 mais beta subscrito 1 y i neste beta 0 representa a inclinaçãoe o beta 1 representa os coeficientes de interceptação. Por isso, vemos essa equação específica nesteseu z i é igual a beta 0 beta subscrito 0 mais beta subscrito 1 yi.
Esta é a equação desta linha em particular que é a linha de melhor fit em que é tão próxima quantopossível para o a todos os pontos. Por isso, veremos como minimizamos essa distância de todos essespontos. Por isso, neste caso este é da forma de y é igual a mx mais c. Então, vemos o betasubscrito 0 e o beta subscrito 1 são os coeficientes de interceptação e de inclinação.
 
Agora, nós tínhamos falado sobre o eu quero dizer a melhor linha fit. Então, esta é a equação de regressão. Essa equaçãode que tínhamos falado é a equação de regressão. Agora falando sobre a inclinação deesta linha em particular que é o beta 1 ele é eu quero dizer calculado usando esta equação específica eu quero dizerele te dá a proporção da subida ao longo do x para a proporção de subida ao longo do eixo y. Então, neste casoela é dada por essa equação específica. Assim, similarmente podemos trabalhar fora o cálculo do interceptopor esta equação. Novamente é eu quero dizer subtrair a sua z significa menos beta 1 em y média.
 
Falar sobre o coeficiente de correlação que nos dá a força e a natureza da relaçãoentre as variáveis, portanto, nos dá o grau em que os pontos de dispersão sãoem torno da linha de regressão. Então, é uma proporção novamente e ela é trabalhada fora usando esta equação departicular e podemos ver que o r que é o coeficiente de correlação, ele varia de menos 1 avalor positivo de 1.
Agora, quando temos valores positivos de r, ele indica uma correlação positiva e quando temosnegativos r valores como negativos, ele indica que temos correlação negativa. Agora, o coeficiente dedeterminação que também é conhecido como r square ou em alguns casos você verá que há valores deajustado r quadrado, ele daria a indicação da bondade do encaixe. Agora, é o quadradodo coeficiente de correlação que tínhamos visto anteriormente e isso quer dizer nos dá a variação de porcentagemnos dados que são explicados pela linha do melhor fit.
 
Agora, falando sobre estatísticas inferenciais quando temos uma população enorme de população, nósnão podemos fazer uma amostragem de toda a população. Então o que nós podemos fazer é, podemos tirar uma amostra dea população e essa amostra tem que ser significativa. Então o que fazemos em estatísticas inferenciais, nóstentamos ver ou fazer o teste de significância. Então, esse teste de significância é entre osgrupos diferentes que é o tentamos medir o grau de diferença entre as diferentesamostras na população. Agora, esta estatística inferencial ajuda-nos a considerar a probabilidadede declaração sobre um determinado parâmetro.
Então, quando estamos falando de uma hipótese antes de fazer uma pesquisa, então nós nos bancamos com issoestatísticas inferenciais para ver se a hipótese está correta ou ela está incorreta. Por isso, falamossobre dois casos em termos de hipótese 1 é a hipótese nula e uma é a hipótese Alternativa. Por isso, quando fazemos essa estatística inferencial, podemos concluir que o se houverdiferença significativa entre os dois grupos eu quero dizer entre os parâmetros estatísticos do
dois grupos que é a média ou o desvio-padrão se os dois grupos foram significativamentediferentes para a população.
Então nos dá a hipótese nula e a outra é a sua hipótese alternativa que é quandoo significativo há uma diferença significativa na população, ele dá a hipótesealternativa e também temos o nível de significância que é indicado como alfa e ele é definidocomo a probabilidade de que a hipótese nula esteja correta e se for estatisticamente significante eu quero dizer que éimprovável que a observação ou a amostra teriam ocorrido por acaso.
 
Então, é assim que utilizamos o quero dizer ou podemos usar suas estatísticas univariadas, estatísticas multivariadasou estatísticas inferenciais. Então, temos várias outras matricias em estatísticas inferenciais. Primeiroé o erro padrão onde em nós tentamos medir o intervalo de confiança que é o eu quero dizero que nos dá a média da amostra e a diferença média da população. Então, se esse erro é pequeno
isso significa que a há maior confiança de que os dois meios estão mais próximos uns dos outros. Agora,o erro padrão é a proporção de desvio-padrão para a raiz quadrada do número das observaçõesna amostra.
Nós também temos uma medida que é conhecida como t-estatística que avalia a diferença entreos dois meios de amostra. É calculado usando esta equação particular que é r em raiz sobre nmenos 2 dividido por 1 menos quadrado de r. Agora, também analisamos podemos analisar também a variaçãodentro das colunas de dados e entre as colunas de dados. Assim, ele pode ser feito usando este método particularque é conhecido como ANOVA que é análise de variância.
(Consulte O Tempo De Deslizamento: 18:07)
Então, além disso nós também podemos significar descobrir como seus dados espaciais e dados aspátios sãodiferentes uns dos outros. Assim, se executamos as inferências estatísticas em dados espaciais, podemos verque há uma diferença entre os conjuntos de dados espaciais e os conjuntos de dados aspátios. Ele deve
ser tratado de forma diferente, de uma forma que a sua premissa quando estamos lidando com dados aspáticos,qualquer tipo de análise estatística que tivéssemos conversado sobre se é univariada, estatística multivariadanesse caso a suposição é que há independência na observação das amostrasque é o valor de uma observação não é afetado pelas outras observações nodado conjunto de dados.
Mas quando estamos falando de análise de dados espaciais em mundo real, nós observaríamos queobservações nas variáveis espaciais no domínio espacial, elas são muitas vezes semelhantes aos valores vizinhos. Assim, de certa forma quando somos para analisar os dados espaciais, devemos ter uma abordagem dediferente, uma abordagem nitidamente diferente da abordagem que usamos para uma análise de dados deespacial.
 
Agora, falando sobre Gerenciamento de Dados podemos definir a cada campo na tabela de dados em que emdamos o nome de campo, podemos especificar o comprimento de campo que é o número de dígitos a serreservados para um campo. Podemos também dar o tipo de dados se esses dados são inteiros, ele é flutuante ou eleé uma informação de texto, se é uma data ou uma informação cambial e também podemos dar o númerode dígitos decimais no caso os dados são um tipo de dados flutuante.
Então, quero dizer que nós quando estamos fazendo essa análise, inicialmente podemos começar com arquivos planos. Por isso, quero dizerquando temos mais quantidade de dados, então podemos entrar em um banco de dados relacional. Se temos umenorme conjunto de dados, podemos criar um banco de dados relacional e podemos ele se tornar mais fácil de manusear emtal caso quando estamos usando o gerenciamento de banco de dados relacional para manipulação de enorme quantidadede dados.
 
Então, falando sobre os diferentes tipos de dados de atributos, temos o binário de data de texto de número ougrande objeto grande binário que também é conhecido como dados BLOB. quando estamos falando de números, estaremos lidando com números reais, quer dizer números inteiros, números inteiros. Então, nós podemoster valores inteiros ou podemos ter valores flutuantes. Então, quando estamos codificando os dados especialmente parao tipo raster de dados, somos temos que ter muito cuidado sobre qual tipo de conjunto de dados somoscriando porque digamos que se você tiver uma operação flutuante e seu tipo de dados você está definindoele como inteiro, ele descartaria todos os valores flutuantes.
Então, temos que ser muito cuidadosos sobre o eu quero dizer o tipo de dados que estamos manipulando. Assim,especificamente em caso de raster. Então, similarmente podemos ter dados flutuantes. Então, a resolução de dados tambémentraria em imagem quando estamos lidando com conjunto de dados raster. Poderia ser um dado de 2 bit bits, elepoderia ser um dado de 4 bit ou 8 bit, 12 bit dados dependendo do eu quero dizer o tamanho do eu quero dizerdiferença dos valores mais altos e os valores mais baixos.
Agora, os dados do atributo são medidos por diferentes escalas. Então, temos diferentes tipos de dados de atributos. O primeiro que nos deparamos são os dados nominais que descrevem os diferentes tiposou categorias de dados. Assim, exemplos desse tipo de dados poderiam ser seus dados de uso de terra ou dados sãotais dados do solo, portanto onde em você se dá as categorias de uso do solo ou as categorias de solo. Ospróximos dados com os qual lidamos são os dados ordinais. Então, isso eu quero dizer diferencia os dados por uma relação de classificação.
Então, podemos dizer supor que temos um conjunto de dados, então podemos quantificar a intensidade como nestecaso específico estamos falando de erosão do solo. Então, se a erosão é grave oumoderada, também podemos falar de matriz de proximidade como ela é muito próxima ou longe ou eu quero dizer que podemoster diferentes tipos de medidas e classificar os relacionamentos. Agora, os dados de intervalo são os intervalos deentre os diferentes valores têm intervalos conhecidos, como supor que podemos categorizar os dados de temperaturaem diferentes grupos e podemos ter grupo onde em podemos ter uma temperatura de dados friaque são normais ou confortáveis e temperaturas que são mais quentes.
Então, podemos categorizar os dados e estes são conhecidos como dados de intervalo. O último que nósmuitas vezes usado para modelagem de dados no GIS são os dados de proporção e esta é a ferramenta mais poderosa que
nós temos. Assim, podemos usar tanto um tipo inteiro de seus dados numéricos ou dados do tipo float quando nóstrabalhamos com conjuntos de dados de proporção. Então, seu eu quero dizer que é a proporção basicamente. Então, quer dizer, para um exemplopodemos falar sobre a densidade populacional em diferentes palavras que é um exemplo de dados de proporção.
 
Agora, existem quatro tipos de design de banco de dados sempre que assumimos as tarefas do GIS, podemos criartipos diferentes de banco de dados dependendo do tamanho do banco de dados. Assim, se o banco de dados for pequenopodemos criar uma nomenclatura de arquivo plano onde em nós temos um único arquivo e os dados são organizados emuma matriz dimensional de elementos de dados. O próximo são os dados hierárquicos em que os dadospodem ser organizados em uma árvore como estrutura e ela implica que há um único pai para cada registro.
O próximo tipo de dados é o tipo de dados de rede. Então, é uma modificação, modificação adicional deo conjunto de dados hierárquicos e ele embasia muitos para muitos relacionamentos em uma árvore como estrutura em um
estrutura hierárquica. Então, essa estrutura de dados ou esse tipo de design de banco de dados permite avários pais. Então, se você tem nós de folhas você pode ter vários pais para aqueles nós de folhas.
O último tipo para o design de banco de dados é o banco de dados relacional que são os dados mais poderososEu quero dizer design de banco de dados quando você tem conjuntos de dados muito grandes. Assim, geralmente utilizamos ou relacionalsistema de gerenciamento de banco de dados para modelar os dados inteiros para fazer o desenho de conjuntos de dados inteiros. Então, eu quero dizer que ela é baseada na lógica do predicado e ela é baseada na teoria do conjunto. Então, temos nomecolunas de relação que são chamadas de atributos e domínio e este domínio são os conjuntos de valoresdos atributos.
 
Então, podemos ter sistemas de gerenciamento de banco de dados que funcionam na parte traseira quando ele manipulaseus dados do GIS configuram os dados do atributo. Então, ele constrói e trata o banco de dados do GIS. Então, essas ferramentas deDBMS elas fornecem eu quero dizer soluções para entrada de dados para busca e recuperação de dados
manuseando e para gerar saída a partir de suas consultas, o seu GIS pode interagir a partir de I média de dadosde fontes multifárias.
Então, quero dizer que podemos nos conectar a bases de dados remotas e este GIS tem a capacidade de acessar tais bases de dadoseu quero dizer múltiplas bases de dados. Então para eu significar conectar esse múltiplos bancos de dados, nósprecisaríamos ter um campo exclusivo que é conhecido como chaves. Então, temos um banco de dados relacional onde emtemos coleção de tabelas e elas seriam conectadas umas às outras por um recurso id queé conhecido como chaves e as relações são embutidas nele.
Existem diferentes tipos de chaves. Primeiro é que falamos sobre as chaves primárias eu quero dizer esses são os atributoscujos valores são únicos e ele pode ser identificado como um registro em uma tabela. Nós também temosuma chave estrangeira que é um ou mais atributo que se referem à chave primária em outra tabela,outra tabela de referência na qual alguns outros conjuntos de dados estão disponíveis.
Nós também tínhamos falado sobre o BLOB que é o objeto grande binário que armazena de enormesbloco de dados eu quero dizer por exemplo pode ser as coordenadas do Eu quero dizer os pontos ou as linhasQuer dizer para eu dizer geralmente armazenamos as geometrias do recurso como arquivos de blocos. Então, pode sertambém imagens ou podem ser dados multimídia e estes eu quero dizer que arquivos geralmente armazenam essas coordenadascomo números binários.
 
Agora, os tipos de relacionamentos que temos no sistema de gerenciamento de banco de dados poderiam ser deos quatro tipos. A primeira é a relação de um-para-um. Sendo assim, cada registro na tabela érelacionado a um e único registro, um e único registro em outra tabela. Assim, se temos duas tabelasela é um relacionamento one-to-one eu quero dizer que você não vê várias conexões neste tipo de relacionamentos.
(Consulte O Tempo De Deslizamento: 29:27)
O próximo que é a relação um-para-muitos. Neste um registro da tabela está relacionado amuitos registros em outra tabela. Então, você pode ver por cada um desses registros em particular eles sãorelacionados a vários registros em outra tabela.
 
Agora, poderia haver muitos-para-um relacionamento. Neste muitos cadastro na tabela eu quero dizer que sua tabela de atributospode estar relacionada a um registro em outra tabela. Assim, neste caso você tem a sua tabela atribuível, tabela GIS e você pode ter outro banco de dados onde em você ver existemvárias conexões do seu banco de dados de entrada para o seu para outro banco de dados outra tabela de dados.
 
O próximo é muitos-para-muitos relacionamentos em que muitos registros em uma tabela estariam relacionadosa muitos registros em outra tabela. Então, é assim que são essas duas tabelas. Eles teriam seusidentificadores ou as chaves que nós falamos. Então, eu quero dizer que eles estariam relacionados a cadaoutro em um relacionamento muitos-para-muitos.
(Consulte O Tempo De Deslizamento: 30:34)
.
Agora, falar sobre sistema de gerenciamento de banco de dados podemos unir os dados do atributo quero dizer que podemosfazer uma junção não espacial da tabela de atributos. Portanto, se temos múltiplas tabelas de atributos, neste casovocê pode ver que temos as tabelas populacionais para diferentes estados da Índia em que temospopulação, temos o macho e a população feminina, temos a diferença entre o machoe a fêmea e a razão sexual na primeira tabela que tem uma chave primária e na tabela seguinte, temos a população total que é urbana e a população total que é rural nóstemos a área assim como a densidade e ela tem uma chave estrangeira.
Então, nisso no slide anterior tínhamos conversado sobre a chave primária e a chave estrangeira. Assim, vocêpode ver como eles estão localizados e eles estariam relacionados ou em qualquer consulta ou operação de busca ouprocessando mais um processamento estas duas chaves estariam relacionadas para em uma junção não espacial. Então, nóspodemos ver como podemos fazer uma junção não espacial.
 
Então, para mesclar os dados do atributo há poucas opções que estão disponíveis em softwares do GIS.Então, a maioria desses pacotes tem essas operações. Então, primeiro é a operação de junção em quenas duas tabelas usando as chaves, as chaves comuns são unidas e as colunas são anexadasde uma tabela à outra tabela. Assim, para o na tabela de entrada o eu quero dizer que ele se tornariauma tabela estendida, onde no todos os campos seriam anexados.
A próxima, próxima maneira de mesclar os dados do atributo é o operador de relacionar, em que neleconecta temporalmente duas tabelas usando as chaves comuns ou os campos que vimos sãoferramenta comum, ambas as tabelas. Agora, a terceira é a junção espacial que usa um relacionamentoespacial para unir os dois conjuntos de dados das características espaciais, bem como seus dados de atributo. Então,podemos ver um exemplo de dados espaciais, uma junção espacial.
Então, em nosso slide anterior tínhamos visto os dados relativos às estatísticas populacionais para diferentes estadosda Índia. Então, você pode ver aqui uma operação de junção espacial foi feita no gráfico do pi azul,pi você pode ver que é a população e o laranja um dá a fração da populaçãourbana nos diferentes estados. Assim, você pode identificar os estados onde no qual tem amaior quantidade de população urbana essas duas tabelas onde unem-se usando uma junção espaciale podemos ver a saída aqui.
 
Então, recapitulação do que cobrimos hoje, temos falado sobre o UnivariadoEstatísticas Descritivas, onde no tínhamos conversado sobre as tendências centrais da média, medianae modo para um dado univariado que tem apenas uma coluna de atributo. Nós tínhamos então falado sobreanálise de dados multivariados, tínhamos falado sobre estatísticas inferenciais, tínhamos falado sobre ostipos diferentes de dados de atributo e então nós finalmente falamos sobre gerenciamento de dados.
Nós tínhamos conversado sobre como podemos fazer a entrada de dados e quais são os diferentes tipos de dados. Emque tínhamos conversado sobre o design de banco de dados, tínhamos conversado sobre o banco de dados relacional, as operações de dados. Por isso, obrigado por sua audiência de paciente até nos encontrarmos novamente na próxima palestra.
Obrigado tanto.