Receber por email
← Voltar para o catálogo

bio-applied-numerical-methods-for-bioinformatics

Implementa polinômios de interpolação de Lagrange e Newton, explica o fenômeno de Runge e aplica a interpolação por splines cúbicas para reconstruir pontos de tempo ausentes em séries temporais biológicas.

3estrelas
Atualizado há 6 meses

Ver no GitHub ↗

Como adicionar

/plugin marketplace add Pavel-Kravchenko/Bioinformatics

O comando exato pode variar conforme o repositório. Confira o README no GitHub.

Para o autor da skill

Cole no README do seu repo

Mostra que sua skill está catalogada na Skillteca, gera backlink e tráfego rastreável.

[![Skillteca](https://www.skillteca.com.br/api/badge/bio-applied-numerical-methods-for-bioinformatics/svg)](https://www.skillteca.com.br/skills/bio-applied-numerical-methods-for-bioinformatics)
#ai

Skills relacionadas

Ver todas de DevOps e Infra →

Alerta por categoria

Receba novas skills de DevOps e Infra toda segunda

1 email curto, só com as skills novas de DevOps e Infra. 4 minutos de leitura, sem spam, cancela com 1 clique.

Você confirma o email no primeiro envio. Sem spam. Cancela com 1 clique.

Ler descrição completa

Numerical Methods for Bioinformatics

Part 1: Interpolation

Interpolation builds a function passing exactly through $(x_1,y_1),\ldots,(x_n,y_n)$. Different from curve fitting — no deviation allowed.

Weierstrass (1885): Any continuous function on [a,b] can be approximated to arbitrary precision by a polynomial. But which polynomial matters enormously.

Lagrange Interpolation

$$\pi_n(x) = \sum_i y_i \ell_i(x), \quad \ell_i(x) = \prod_{j \neq i} \frac{x - x_j}{x_i - x_j}$$

Error

[Description truncada. Veja o README completo no GitHub.]

Compartilhar X LinkedIn