Instituto Superior Técnico

Tamanho: px
Começar a partir da página:

Download "Instituto Superior Técnico"

Transcrição

1 Insttuto Superor Técnco Métodos Computaconas Lcencatura em Eng. Aeroespacal Ano Lectvo: 00/003 Turma:133aer01 Aluno: André Malão nº: Assnatura: Aluno: Francsco Correa nº Assnatura: Aluno: Patríca Alexandra Candeas Paulo, nº Assnatura: Projecto A.4.5 Escreva um programa para o cálculo de ntegras pelo método adaptatvo não teratvo utlzando a regra do trapézo e garantndo uma precsão especfcada. Aplque o programa a alguns casos de teste, nomeadamente: π a) sn x dx 0 1 b) x( 1.5 x)(1 exp( x 1)) dx 0 c) cos[ exp( x) + ln(1 x ] ) + 0 dx

2 ÍNDICE PAGINADO Resumo...pág. 3 Introdução...pág. 4 Formulação Teórca...pág. 5 Descrção dos Algortmos Programa em MatLab...pág. 8 Programa em C... pág. 11 Fluxograma...pág. 13 Resultados...pág. 15 Dscussão dos Resultados...pág. 18 Conclusões...pág. 0 Referêncas Bblográfcas...pág. 1 Anexos...pág. Obtenção da fórmula para m Fcero de Outputs Códgo fonte

3 RESUMO O trabalo realzado tem como objectvo a resolução de problemas de ntegração numérca, partndo de uma mposção precsão. A necessdade e a utldade deste programa acentua-se quando é desnecessáro um gasto computaconal ou de tempo quando o resultado pretenddo é apenas uma estmatva ou pelo contráro se pretende saber exactamente qual a fabldade do resultado. O programa, bascamente, dvde o ntervalo de ntegração em sufcentes subntervalos de modo a que a soma dos erros de ntegração em cada um não exceda a precsão ntroduzda, caso exceda, subdvdr-se-á novamente o subntervalo e assm sucessvamente. O códgo fo mplementado em MatLab e em C, sendo que no últmo é possível obter um fcero com os resultados. No programa em MatLab é possível mudar as funções e os ntervalos de ntegração, se o utlzador assm o desejar. Mostra-se que os resultados podem ser muto útes se se tver escoldo poucos ntervalos e uma grande precsão uma vez que o contráro é redundante. Também se conclu que comparando os valores com os obtdos em máqunas calculadoras centífcas a precsão que se obtém realmente é a requerda. 3

4 INTRODUÇÃO O trabalo a segur apresentado está nserdo na resolução de problemas de ntegração numérca, que frequentemente surgem no âmbto da engenara. Por vezes desconece-se a prmtva das funções ntegrandas ou são demasado complexas, tornando a resolução computaconal dspendosa em tempo e memóra utlzada. Recorrendo à nterpolação das funções por polnómos, faclmente prmtváves, reduz-se substancalmente estas lmtações. Deste facto surgem as regras de ntegração como a estudada no presente trabalo regra do trapézo (composta). No método estudado não só a função é nterpolada, como também dá pótese ao utlzador de controlar a fabldade da solução ntroduzndo a precsão que pretende. Este facto pode tornar-se útl em casos que a precsão tem mesmo de ser conecda pela grande mportânca do resultado, ou pelo contráro em casos que o resultado não é muto relevante e se pretende apenas uma aproxmação não muto rgorosa, economzando anda mas tempo e memóra. Estando a precsão defnda o método adaptatvo não-teratvo utlzado consste em dvdr os ntervalos já defndos pelo utlzador em novos subntervalos, tantos quantos os necessáros a que a soma dos erros de ntegração gerados em cada um não exceda o erro admtdo. Assm o programa calcula o erro orgnado num dos subntervalos orgnas, se for nferor ao dsponível para aquele subntervalo, credta a margem de erro restante nos outros subntervalos, caso contráro, se for superor, dvde novamente o subntervalo num determnado número m de parcelas até que a soma dos erros gerados, mas uma vez, não ultrapasse o valor mposto. A fórmula determnada para m encontra-se dscrmnada na secção Formulação Teórca deste relatóro bem como em anexo. Durante a determnação dos erros fo necessáro recorrer ao Cap 3 1 da matéra lecconada sobre dervação uma vez que a fórmula utlzada para o erro do método de ntegração depende da ª dervada do polnómo nterpolador, fórmula esta especfcada na secção Formulação Teórca. O algortmo fo mplementado em duas lnguagens em MatLab e em C; na prmera á a possbldade de se mudar as funções ntegrandas e os ntervalos de ntegração; na segunda versão é possível obter um fcero de teste, crado pelo programa, com os resultados para as escolas do utlzador. Estas opções podem ser aprofundadas na secção da Descrção dos Algortmos. Os resultados obtdos com o programa preencem todos os requstos uma vez que realmente se obtém a precsão mposta pelo utlzador como se pode comprovar analsando mas à frente as tabelas em Resultados Obtdos. Quanto à funconaldade do programa conclu-se que é muto efcaz quando por exemplo se nsere um número de ntervalos pequeno (na ordem das undades) e uma precsão consderável (na ordem de 1e-5) pos o programa mostra ser robusto calculando rapdamente 1 [PINA95] 4

5 o ntegral com a precsão desejada apesar dos poucos ntervalos. Sendo que se torna mas lento a calcular para precsões da ordem 1e-1. Conclu-se também que para escolas de mutos ntervalos (na ordem dos mlares) a própra regra do trapézo (para as funções dsponíves ao utlzador) já aproxma muto o valor do real, sendo que uma precsão muto fna se torna desnecessára e dspendosa em tempo. Este facto está demonstrado em Dscussão de Resultados. 5

6 FORMULAÇÃO TEÓRICA A ntegração numérca surge no âmbto da resolução de problemas de ntegração, nos quas é necessáro obter valores aproxmados do ntegral de f no ntervalo Ω=[a,b] sendo que a prmtva de f ou não é conecda ou é demasado complexa tornando a ntegração convenconal dspendosa e demorada. Assm consegue-se reduzr estas lmtações recorrendo a aproxmações de f, cujo ntegral seja conecdo ou faclmente determnado nomeadamente o de polnómos nterpoladores. Nesta sequênca o erro resultante no ntegral depende e aumenta com o erro gerado pela aproxmação de f (nterpolação). Uma das regras, a utlzada e tratada neste trabalo é a regra do trapézo, denomnada de grau 1 pos destna-se a polnómos de grau n=1 dados pela forma de Newton (sendo que polnómos de grau superor geram erros de ntegração, a somar ao erro de nterpolação já orgnado pelo método): [ x, x ]( x, ) p 1( x) = f ( x0 ) + f x1 de onde surge o ntegral: I I b a ( f ) = I( p1) = ( f ) = ( b a) f ( x f ( x 0 0 ) + ) + f 1 f [ x, x ] ( x x ) dx [ x, x ]( b + a x ) Sendo a representação gráfca do mesmo: ( b a) I ( f ) = + b [ f ( a) f ( )] Por esta razão, e já que mutas vezes é necessára uma maor precsão, recorre-se a regras de grau de exactdão mas elevado - regras compostas. Estas consstem em subdvdr o ntervalo de ntegração b-a em N subntervalos e calcular o ntegral em cada um deles, aproxmando-se mas o ntegral total do desejado, com maor precsão. Assm conclu-se que a regra do trapézo smples passa a: I n N ( f ) = f ( a 1 + ) (regra do trapézo composta) = 1 6

7 Uma das vantagens de se utlzar a regra do trapézo composta é a economa computaconal já que o valor à dreta de um subntervalo concde com o valor à esquerda do subntervalo segunte. Assm passaremos de um erro: 1 3 E ( f ) = f ( ξ ) + ( b a) (regra do trapézo) 1 para um erro: E ( b a) ( f ) 1 = f ( ξ ) ( = max x x 1 1 n ) Contudo, por vezes, pode ser necessáro ou útl saber qual a precsão do valor obtdo no ntegral, logo a melor manera de o saber é o utlzador ntroduzr a precsão que necessta. A ntegração adaptatva não teratva surge deste facto. Inserr a precsão ε corresponde a mpor a condção E ( b a) ( f ) = f ( ξ ) < ε 1 Em cada subntervalo o erro é dado por: E = m D com 1 = e m E < ε' = ε b a Em que D é o valor da segunda dervada estmado, uma vez que f (ξ ) é desconecdo, uma solução sera majorar f, ou aproxmá-la por dferenças fntas. Neste caso fo escolda a fórmula de dferença fnta central de segunda ordem, uma vez que a estmatva é sufcente e vável para o efeto. f ( x ) f ( x) + f ( x + ) D ( f ) = De onde após alguma manpulação algébrca 1 se conclu que: 1 Ver anexos. 7

8 D a b m 1 1 ) ( > ε Sendo que m é o número de subntervalos necessáros de modo a que a soma dos erros gerados em cada um deles não ultrapasse o lmte estpulado. 8

9 DESCRIÇÃO DOS ALGORITMOS PROGRAMA EM (MATLAB) O programa ntegral (realzado em MatLab) determna o ntegral numérco de três funções pré defndas em ntervalos predefndos sendo possível a alteração de ambos sem dfculdades. Para se correr o programa basta que em MatLab se realze o comando: I - >>nt = ntegral(x, e, n) e é devolvdo para nt o valor do ntegral. Este ntegral va, logcamente, depender do valor de x, e e n, em que x é a função que se pretende que seja ntegrada e pode varar de 1 até 3; e é uma estmatva do módulo do erro, ou melor, é o valor máxmo (em modulo) do erro admtdo pelo utlzador; e por fm n é o número de ntervalos de ntegração. As técncas utlzadas foram anterormente descrtas pelo que ao longo da descrção não serão muto aprofundadas. functon gral = ntegral( x, e, n) O programa, depos de ter sdo camado com o comando I começa por defnr como varáves smbólcas a, b, pontos, pontos, m e y. Esta defnção é necessára para o programa estar defndo sem valores em concreto, ou seja, para não serem necessáras atrbuções de valores numércos às varáves. Em seguda são testados todos os valores ntroduzdos aparecendo uma mensagem de erro específca sempre que estes não estejam correctos. Caso estejam correctos a varável errol (que é a varável ndcatva de se se poder determnar o ntegral com os valores ntroduzdos ou não) passa a 0 caso contráro passa a 1. Segudamente se errol for 0 obtémse os extremos da função (através da função valores), determna-se a ampltude de cada sub ntervalo, cra-se o vector pontos (que va guardar o valor de todos os pontos de extremo dos sub ntervalos) e calcula-se o ntegral pretenddo camando a função calculo. Se errol for 1 é peddo ao utlzador que ntroduza dados valdos. functon gral = calculo( a, b, pontos, x, e,, n) Esta sub função calcula o valor numérco do ntegral pretenddo. Prmero é ncalzado gral (que é o acumulador do valor dos ntegras dos sub ntervalos) a 0, o contador de ntervalos a 1 e determna-se o extremo esquerdo do ntervalo de ntegração. Em seguda num cclo que abrange os n sub ntervalos de ntegração são determnados para cada um gral, um erro e um errad (através das sub funções calcnt e errofunc) em que gral é o valor do ntegral no ntervalo, erro que é o valor do erro cometdo nesse mesmo ntervalo e errad é o erro admssível nesse ntervalo. Erro é comparado com errad e se erro for menor então o valor de gral é acete e somado a gral, caso contráro o sub ntervalo é dvddo em m (calculado pela sub função calcum) sub sub ntervalos cujos extremos vão para o vector pontos e depos é determnado o ntegral para cada sub sub ntervalos da mesma manera que anterormente só que agora o vector de pontos é pontos. Depos de se ter determnado o ntegral (do sub ntervalo ou do sub sub ntervalo ) é sempre subtraído ao valor e o valor de erro cometdo, ou seja é feto um saldo da tolerânca do erro. functon erro = errofunc( a,, x) 9

10 Esta sub função calcula o valor do erro no ntervalo de extremo dreto a da função x. Para determnar o erro é utlzada uma fórmula que fo atrás deduzda para a regra do trapézo composta e é necessáro também usar o valor da segunda dervada da função a ntegrar naquele ntervalo e por sso é utlzada a função dervada. functon m = calcum (a, a, b, e,, x) Esta sub função determna o número de ntervalos em que é necessáro subdvdr o sub ntervalo de manera ao erro cometdo nesse ntervalo ser menor do que o erro admssível para esse ntervalo. Esta sub função (tal como a anteror) necessta do valor da segunda dervada da função a ntegrar por sso utlza a sub função dervada. O comando cel() é utlzado para obter um arredondamento do valor de m na drecção de mas nfnto (o número de ntervalos m tem de ser um ntero majorante ). functon dr = dervada( a,, x) Esta sub função determna o valor da segunda dervada da função x no ntervalo cujo extremo dreto é a. O método aqu utlzado é o método das dferenças fntas. Quando é peddo por outra função (ou sub função) para se calcular o valor de uma dervada o ntervalo é dvddo em ses sub ntervalos e para cada um destes sub ntervalos é determnado o valor a segunda dervada que é acumulada num vector drx. O valor da dervada devolvdo pela sub função é o máxmo dos módulos do vector drx. Ou seja é feta, não uma maxmzação (pos para sso, desta manera, eram precsos nfntos pontos), mas uma aproxmação do valor máxmo da dervada no ntervalo. functon gral = calcnt( a,, x) Esta sub função calcula o valor do ntegral da função x no ntervalo de extremo dreto a através da regra do trapézo composta. Esta sub função utlza as funções f1, f e f3 consoante o valor de x. functon [a, b] = valores(x) Esta sub função atrbu valores pré estabelecdos (às varáves a e b) consoante o valor de x. functon m = f1(y) Devolve o valor de uma função pré estabelecda. Por defeto a função é sem (y ). functon m = f(y) Devolve o valor de uma função pré estabelecda. Por defeto a função é y(1.5-y)(1-exp(y-1)) functon m = f3(y) Devolve o valor de uma função pré estabelecda. Por defeto a função é y ln(+y )/(-y) 10

11 ALTERAÇÕES POSSÍVEIS NOS INTEGRAIS (MATLAB) Não á grande dfculdade em alterar-se as funções a ntegrar ou os valores dos extremos de ntegração tendo em conta que o programa fo concebdo de manera a facltar esta operação (mas, como é obvo, é necessáro o MatLab ou um programa semelante). O processo é bastante smples: todo o programa está dvddo em cnco funções, três para as dferentes funções a ntegrar, o programa de ntegração e uma função que atrbu valores pré-defndos a duas varáves dferentes. É nesta últma função (valores) que se podem mudar os extremos dos ntervalos de ntegração. Para mudar a função a ntegrar basta r a um dos três programas correspondentes (f1, f, f3) e mudar a função presente para a função pretendda. Mas ao mudar quer os extremos de ntegração quer a própra função de ntegração á que ter em conta que programa ntegral pede por defnção um valor x através do qual va posterormente saber todas as nformações necessáras à resolução do problema, ou seja, quando se muda algo tem de se tomar nota do valor de x correspondente. 11

12 DESCRIÇÃO DO PROGRAMA EM C Este programa é composto pelas seguntes blocos: - Includes e defnções de constantes; - Protótpos de funções; -Funções em C: - Procedmentos; - Funções de cálculo auxlar; - Funções ntegrandas; - Funções de cálculo numérco; - Função man. - Includes e defnções de constantes Neste segmento apelamos ao complador que se socorra de bblotecas que permtam construr o fcero executável, nomeadamente a stdo. e stdlb. presentes na maora das aplcações em C e a mat. que possu mplementadas as fórmulas do seno e exponencal a serem usadas neste programa. Quanto a defnções de constantes, defnmos o valor de π como sendo 4 arctg( 1). - Protótpos de funções No programa são usadas funções que fazem uso de outras funções e assm evtam-se problemas tas como funções dependerem de outras que só foram escrtas a segur e que podera dar erro durante a complação, despreocupando-se o programador com a sequenca de escrta das funções. - Funções em C: - Procedmentos O programa usa dos procedmentos: o lecar que lê todos os caracteres que o utlzador possa colocar ndevdamente à entrada do programa quando le é peddo para escoler entre as váras opções do programa e na defnção dos parâmetros do ntegral, para os quas só são acetáves valores numércos; o espaca que apenas lmpa o écran nas stuações necessáras, tornando menos confusa e mas agradável a vsualzação do output do programa. Ambos os procedmentos não recebem nada como parâmetros e também não devolvem nada. Apenas realzam acções que não nterferem com o cálculo numérco que se pretende, e o prmero torna o programa mas robusto a uma utlzação descudada por parte do utlzador. 1

13 - Funções de Cálculo Auxlar Função fmodulo Função calc_m - Recebe um qualquer valor real. - Calcula o seu módulo. - Devolve o módulo desse número. - Recebe a precsão e do calculo desejada pelo utlzador, o passo do ntegral, o numero N de subntervalos em que fo dvddo o ntervalo de ntegração e o majorante da dervada D. - Calcula o m de acordo com a expressão da págna aplcada à regra do trapézo, com a lgera dfernça de se ter optado fazer N que é equvalente a ( b a) evtando assm a ntrodução de um maor número de parâmetros recebdos pela função. Optou-se também por usar o majorante da dervada em vez de um valor médo. Como M D, então m contnua a ser maor que o termo dreto da expressão, não se retrando valdade ao método usado. Além dsso, a dervada não vara muto no subntervalo em que é calculada. O valor de m é ncalmente calculado como um valor real, fazendo-se a conversão para ntero através da cast (nt) que guarda apenas a parte ntera do número. A condção m=m+1 garante que se verfca a desgualdade da expressão ncal. - Devolve o valor m. Funções Integrandas - Recebem um valor x real que corresponde à abcssa na qual se que calcular o valor da função. - Corresponde à escrta das funcões a ntegrar presentes no enuncado. - Devolvem, obvamente, esse valor calculado (f1, f ou f3). - Funções de Cálculo Numérco Funcao dervada - Recebe o extremo esquerdo de cada subntervalo a_1, o passo da ntegração e a escola realzada pelo utlzador sobre qual função do enuncado a ntegrar. 1 [PINA95] 13

14 - Calcula o módulo de um extremo máxmo da segunda dervada no sub ntervalo recebdo como parâmetro do segunte modo: subdvde o sub ntervalo em 6, calcula através da fórmula (3.3.1) a segunda dervada no ponto médo de cada um dos novos sub subntervalos. Por comparação de valores escole o maor valor calculado. - Devolve D de uma das 3 funções escolda prevamente pelo utlzador, que deverá corresponder aproxmadamente ao majorante da segunda dervada no ntervalo com o extremo esquerdo a_1 e passo. Função parcal - Recebe os extremos do subntervalo ak_1 e ak e a escola do utlzador em relação à função que pretende ntegrar. N - Calcula cada parcela do somatóro.[ f ( a 1 ) + f ( a )] relatvo à regra do = 1 trapézo composta e em que = (ak_1-ak). - Devolve a parcela do somatóro S do ntegral da função escolda. Função ntegral - Esta acaba por ser a função prncpal do programa. Todas as outras funções de cálculo foram escrtas para servr esta com os valores necessáros. - Recebe como parâmetros os extremos a e b do ntervalo de ntegração, recebe o valor das N dvsões que se prentendem efectuar no referdo ntervalo, a precsão e desejada pelo utlzador e a escola da função a ntegrar. A maor parte destes parâmetros va ser também passado como parâmetros às funções que foram referdas anterormente da qual esta função faz uso. - Calcula pelo método adaptatvo não-teratvo, fazendo uso da regra do trapézo mplementada na função parcal acma descrta. O algortmo usado fo semelante ao algortmo que consta nas págnas 143 e 144 1, ressalvando o facto de o cálculo S = I ( f ; Ω ) ser feto apenas após o teste E < ε ' o que poderá poupar trabalo computaconal caso o teste não seja verfcado,uma vez que o cálculo do erro é ndependente do valor do ntegral. De notar anda, caso o teste anteror não seja verfcado e aja necessdade de subdvdr o subntervalo em questão, a estmatva do erro E é a soma dos E em cada novo subntervalo j, operação que va sendo realzada durante o cclo j. As estmatvas de E são fetas recorrendo à fórmula aproprada para a regra do trapézo e à função dervada. O cálculo do m socorre-se da função calc_m e os cálculos S = I ( f ; Ω ) e S j = I ( f ;Ω, j ) recorrem à função parcal. - Devolve o valor do ntegral a ser apresentado no output do programa. - Função man [PINA95] 14

15 É a função que va gerr a apresentação dos menus de escola e dos resultados, tal como se apresenta a segur, no fluxograma. Ínco do programa 1 Opção de entrada 4 3 Integrar função1 Integrar função Integrar função 3 Memorza a função escolda =1,,3 Não Número N de ntervalos? (0<N<10000) Sm Não Precsao e? (e=0?) Sm e=fmodulo(e) Integral Output dos resultados Escrevefc Saída do programa RESULTADOS OBTIDOS 15

16 Todos resultados obtdos pelo programa foram comparados com os valores reas dos ntegras. Estes valores reas foram obtdos por duas vas: através de calculadoras gráfcas e através do ntegral drecto das funções no MatLab( função nt()). Os gráfcos abaxo foram obtdos no programa MatLab: Estudo da função1: Gráfco 1a) ntegral( x =1, e = 0.01, n =5) sen (x ) x a- pontos dos sub ntervalos aj-pontos da sub dvsão dos sub ntervalos Como se pode observar no gráfco1a, a maor concentração de sub sub ntervalos está stuada nas zonas onde a segunda dervada é maor (facto que mplca um erro maor), e tem menor concentração onde a segunda dervada é menor, ou seja onde a concavdade é mas fecada. Escolendo agora a mesma função e respectvos ntervalos de ntegração contudo mpondo um maor número de ntervalos: Gráfco 1b) 16

17 ntegral( x =1, e = 0.01, n =50) No gráfco 1b escolendo um número de ntervalos muto superor não se observam sub ntervalos dos mesmos, pos não fo necessáro realzar esta operação para ser respetada a condção de precsão. Gráfco 1c) ntegral( x =1, e = , n =5) Neste gráfco (1c), tendo sdo escolda uma grande precsão para poucos ntervalos, observa-se uma grande concentração de sub ntervalos, necessáros a que a precsão desejada seja respetada, prncpalmente, mas uma vez, na zona onde a concavdade é mas fecada. Os resultados numércos obtdos para o valor dos ntegras para os gráfcos acma e para valores cujos gráfcos seram legíves estão abaxo descrtos em tabelas. n=5 n=50 e=

18 e= Tabela 1a) Tabela correspondente aos 3 gráfcos: n=5 n=100 n=1e5 e=1e e=1e Tabela 1b) Precsões elevadas, e mutos ntervalos. Valores obtdos com o programa em C. Os algarsmos a sombreado representam os algarsmos que não concdem com os valores obtdos na máquna calculadora. Não se apresentam as tabelas com os valores em MatLab uma vez que apresentavam exactamente os mesmos resultados à excepção de terem apenas 1 casas decmas arredondando o últmo algarsmo. Resultados para a função x=: a) b) c) a) Gráfco para (x=, e=0.01, n=5) b) Gráfco para (x=, e=0.01, n=50) c) Gráfco para (x=, e=0.0001, n=5) A dferença que se pode observar entre os resultados para a função 1 e para a função é o facto de para a função quando se exge o valor mas baxo, entre os testados, para a precsão e 5 ntervalos não exstem subntervalos, bem como quando se aumenta o número de subntervalos, pos a função toma valores para a segunda dervada menores que a prmera. Anda na função, no gráfco c pode verfcar-se que a concentração de sub ntervalos é notoramente menor que no gráfco 1c. Também para esta função se apresentam em baxo as tabelas correspondentes: n=5 n=50 e=

19 e= Tabela a) Tabela correspondente aos 3 gráfcos: n=5 n=100 n=1e5 e=1e e=1e Tabela b) Precsões elevadas, e mutos ntervalos. Valores obtdos com o programa em C. Resultados para a função 3: 3a) 3b) 3c) 3a) Gráfco para (x=3, e=0.01, n=5) 3b) Gráfco para (x=3, e=0.01, n=50) 3c) Gráfco para (x=3, e=0.0001, n=5) Quanto à função 3, á a salentar o facto de no prmero gráfco (3a) até ao mínmo da função não á subntervalos, pos esta comporta-se aproxmadamente como uma recta, aproxmável por um polnómo de grau1, que por sua vez é ntegrado exactamente pela regra do trapézo. Mas uma vez no gráfco correspondente a uma maor precsão os ntervalos são muto subdvddos para se obter a precsão requerda. Para esta função as tabelas: n=5 n=50 e= e= Tabela 3a) Tabela correspondente aos 3 gráfcos. n=5 n=100 n=1e5 e=1e

20 e=1e Tabela 3b) Precsões elevadas, e mutos ntervalos. Valores obtdos com o programa em C. Todos os valores foram então comparados com os seguntes: Integras "reas" Função1 0, Função 0, Função3 0, DISCUSSÃO DE RESULTADOS Da análse aos resultados para a função 1, verfcou-se que: 0

21 - no gráfco 1a exste uma maor concentração de subntervalos onde a concavdade é mas fecada pos mplca que a segunda dervada da função é maor, mplcando um erro também maor; por esta razão o programa teve que dvdr os ntervalos de modo a que o ntegral tvesse a precsão mposta. Assm sendo, poda até dar-se o caso de algum ntervalo com determnado comprmento contendo o ponto de nflexão, ou seja o mínmo da segunda dervada não ser sequer subdvddo e erro do ntegral no mesmo ntervalo ser zero uma vez que a segunda dervada também sera zero. - no gráfco 1b não se observam subntervalos uma vez que o número N de ntervalos mposto pelo utlzador já mplcava uma precsão gual ou superor à precsão escolda tal como se pode verfcar mas adante da análse das tabelas. - no gráfco 1c fo escolda uma precsão muto fna (0.0001) para o número de ntervalos também mposto, logo vê-se uma grande concentração de subntervalos, sobretudo na zona do máxmo da função; facto que derva, mas uma vez dos erros gerados, para poucos ntervalos, serem largamente superores à precsão exgda, devdo ao tpo de nterpolação feta pela regra do trapézo que por defeto é uma nterpolação com polnómos de grau1. Quanto aos resultados obtdos para o valor do ntegral verfcou-se que o algortmo respeta a precsão mposta. Usando a fórmula: E = I I, sendo I o valor real do ntegral e I o valor obtdo pelo programa obtém-se a segunte tabela para os casos estudados (para a função 1): n=5 n=50 n=100 n=1e5 e= e= e=1e e=1e Analsando a tabela pode observar-se que os erros cometdos correspondem sempre a valores guas ou nferores à precsão escolda. Ao executar o programa para obter os valores dos casos estudados verfcouse que para a precsão e= 1e-1 mplcava uma demora de alguns segundos devdo ao trabalo computaconal exgdo pela precsão elevada, uma vez que para ser obtda o número de subntervalos é muto elevado. Voltando agora a atenção para a função : A dferença entre a análse feta para a função 1 e para a função centra-se no facto de na segunda o prmero gráfco não ter subntervalos, devdo ao facto de a segunda dervada ser menor, provocando erros menores logo evtando a subdvsão 1

22 para além do estpulado pelo utlzador. É também por esta razão que no tercero gráfco a concentração de subntervalos ser menor que para a função 1. Em baxo apresenta-se a tabela, tal como no prmero caso, dos erros. n=5 n=50 N=100 n=1e5 e= e= e=1e e=1e Mas uma vez as precsões requerdas foram respetadas, veja-se a ordem de grandeza dos erros resultantes. Para a função 3 : É de notar a ausênca de subntervalos, no prmero gráfco, até ao mínmo da função, sto resulta do facto de a função até este valor ter um comportamento que é muto próxmo do de uma recta, logo é nterpolada quase exactamente por um polnómo de grau um, este por sua vez é ntegrado exactamente pela regra do trapézo. O erro dependendo da segunda dervada é quase nulo pos a segunda dervada da função também se aproxma de zero pela razão atrás referda. Comparando agora o tercero gráfco, onde se exge uma maor precsão observa-se uma concentração de subntervalos maor que nos correspondentes anterores, pos no segundo ramo da função (a partr do mínmo), a concavdade é muto fecada, resultando numa segunda dervada maor logo maor erro e maor necessdade de subdvdr os ntervalos para obter a precsão desejada. Tal como para os casos anterores apresenta-se em baxo a tabela dos erros resultantes, observando-se novamente que a precsão fo respetada. n=5 n=50 n=100 n=1e5 e= e= e=1e e=1e Também nesta função para os resultados de maor precsão, o programa demora alguns segundos até apresentar o resultado, devdo ao trabalo computaconal extra a subdvdr os ntervalos. CONCLUSÕES Fazendo a análse de todos os dados, dfculdades e resultados com que nos deparámos, conclu-se que o método adaptatvo é muto útl em problemas de ntegração para os quas se requer uma dada precsão e não se conece o número de ntervalos a ser utlzado de modo a obter essa mesma precsão.

23 O algortmo utlzado de modo a satsfazer as condções mpostas pelo utlzador, basea-se na subdvsão dos ntervalos de ntegração num dado número de subntervalos, obtdo através da fórmula do erro para cada ntervalo que optmza o trabalo computaconal. Dos resultados obtdos conclu-se que para escolas de poucos ntervalos e grande precsão esta é conseguda, tornando-se o nverso contradtóro uma vez que um grande número de ntervalos mplca maor precsão. Escoler mutos ntervalos e grande precsão também será contradtóro pos resultara num trabalo computaconal desnecessáro. Para funções cujo gráfco tena concavdades mas fecadas o programa torna-se mas lento pos exge maor trabalo computaconal, uma vez que o erro obtdo depende da segunda dervada da função, quanto maor esta for maor é o erro. O mesmo não se passa com gráfcos faclmente aproxmáves por rectas pos facltam e dmnuem o trabalo computaconal. Quanto às meloras que os programas poderam sofrer é de referr que sera nteressante mplementar outras e mas funções. 3

24 4

25 REFERÊNCIAS BIBLIOGRÁFICAS [PINA95] PINA, Hetor, Métodos Numércos, McGraw-Hll, DAMAS, Luís, Lnguagem C, 3ª edção, FCA-Edtora de Informátca. ANEXOS 5

26 OBTENÇÃO DA FÓRMULA PARA m : a b m D E < = ε e m = ) ( 1 1 * 1 1 m D a b a b m D a b m D m < < < ε ε ε D a b m 1 1 ) ( > ε 6

27 Tabelas Obtdas com o programa em MatLab: Função 1: n=5 n=50 e= e= n=5 n=100 n=1e5 e=1e e=1e * Função : n=5 n=50 e= e=

28 n=5 n=100 n=1e5 e=1e e=1e * Função 3: n=5 n=50 e= e= n=5 n=100 n=1e5 e=1e e=1e * 8

Integração com splines integração com splines cúbicos

Integração com splines integração com splines cúbicos Integração com splnes ntegração com splnes cúbcos Um modo de obter regras de ntegração semelhante às compostas é utlzando splnes. A utlzação de splnes de grau zero conduz às regras do rectângulo compostas,

Leia mais

7 - Distribuição de Freqüências

7 - Distribuição de Freqüências 7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste

Leia mais

Interpolação Segmentada

Interpolação Segmentada Interpolação Segmentada Uma splne é uma função segmentada e consste na junção de váras funções defndas num ntervalo, de tal forma que as partes que estão lgadas umas às outras de uma manera contínua e

Leia mais

IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO

IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO Alne de Paula Sanches 1 ; Adrana Betâna de Paula Molgora 1 Estudante do Curso de Cênca da Computação da UEMS, Undade Unverstára de Dourados;

Leia mais

Cálculo Numérico BCC760 Interpolação Polinomial

Cálculo Numérico BCC760 Interpolação Polinomial Cálculo Numérco BCC76 Interpolação Polnomal Departamento de Computação Págna da dscplna http://www.decom.ufop.br/bcc76/ 1 Interpolação Polnomal Conteúdo 1. Introdução 2. Objetvo 3. Estênca e uncdade 4.

Leia mais

D- MÉTODO DAS APROXIMAÇÕES SUCESSIVAS

D- MÉTODO DAS APROXIMAÇÕES SUCESSIVAS D- MÉTODO DAS APROXIMAÇÕES SUCESSIVAS O método das apromações sucessvas é um método teratvo que se basea na aplcação de uma fórmula de recorrênca que, sendo satsfetas determnadas condções de convergênca,

Leia mais

Capítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES

Capítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES Capítulo. Aproxmações numércas 1D em malhas unformes 9 Capítulo. AROXIMAÇÕS NUMÉRICAS 1D M MALHAS UNIFORMS O prncípo fundamental do método das dferenças fntas (MDF é aproxmar através de expressões algébrcas

Leia mais

Algarismos Significativos Propagação de Erros ou Desvios

Algarismos Significativos Propagação de Erros ou Desvios Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento

Leia mais

4 Critérios para Avaliação dos Cenários

4 Critérios para Avaliação dos Cenários Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada

Leia mais

3 Método Numérico. 3.1 Discretização da Equação Diferencial

3 Método Numérico. 3.1 Discretização da Equação Diferencial 3 Método Numérco O presente capítulo apresenta a dscretação da equação dferencal para o campo de pressão e a ntegração numérca da expressão obtda anterormente para a Vscosdade Newtonana Equvalente possbltando

Leia mais

MAP Cálculo Numérico e Aplicações

MAP Cálculo Numérico e Aplicações MAP0151 - Cálculo Numérco e Aplcações Lsta 5 (Correção Neste ponto, todos já sabemos que todas as questões têm o mesmo valor, totalzando 10.0 pontos. (Questão 1 Fque com vontade de fazer mas do que fo

Leia mais

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma Capítulo 8 Dferencação Numérca Quase todos os métodos numércos utlzados atualmente para obtenção de soluções de equações erencas ordnáras e parcas utlzam algum tpo de aproxmação para as dervadas contínuas

Leia mais

PROVA 2 Cálculo Numérico. Q1. (2.0) (20 min)

PROVA 2 Cálculo Numérico. Q1. (2.0) (20 min) PROVA Cálculo Numérco Q. (.0) (0 mn) Seja f a função dada pelo gráfco abaxo. Para claro entendmento da fgura, foram marcados todos os pontos que são: () raízes; () pontos crítcos; () pontos de nflexão.

Leia mais

Testes não-paramétricos

Testes não-paramétricos Testes não-paramétrcos Prof. Lorí Val, Dr. http://www.mat.ufrgs.br/val/ val@mat.ufrgs.br Um teste não paramétrco testa outras stuações que não parâmetros populaconas. Estas stuações podem ser relaconamentos,

Leia mais

SÉRIE DE PROBLEMAS: CIRCUITOS DE ARITMÉTICA BINÁRIA. CIRCUITOS ITERATIVOS.

SÉRIE DE PROBLEMAS: CIRCUITOS DE ARITMÉTICA BINÁRIA. CIRCUITOS ITERATIVOS. I 1. Demonstre que o crcuto da Fg. 1 é um half-adder (semsomador), em que A e B são os bts que se pretendem somar, S é o bt soma e C out é o bt de transporte (carry out). Fg. 1 2. (Taub_5.4-1) O full-adder

Leia mais

CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues

CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogéro Rodrgues I) TABELA PRIMITIVA E DISTRIBUIÇÃO DE FREQÜÊNCIA : No processo de amostragem, a forma de regstro mas

Leia mais

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas 3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas

Leia mais

8 - Medidas Descritivas

8 - Medidas Descritivas 8 - Meddas Descrtvas 8. Introdução Ao descrevemos um conjunto de dados por meo de tabelas e gráfcos temos muto mas nformações sobre o comportamento de uma varável do que a própra sére orgnal de dados.

Leia mais

EQUAÇÕES DIFERENCIAIS ORDINÁRIAS (EDO) PROBLEMA DO VALOR INICIAL (PVI)

EQUAÇÕES DIFERENCIAIS ORDINÁRIAS (EDO) PROBLEMA DO VALOR INICIAL (PVI) EQUAÇÕES DIFERENCIAIS ORDINÁRIAS (EDO) PROBLEMA DO VALOR INICIAL (PVI) Introdução Seja a segunte equação derencal: d ( ) ; d para. que é reerencado com o problema do valor ncal. Essa denomnação deve-se

Leia mais

CURSO de ESTATÍSTICA Gabarito

CURSO de ESTATÍSTICA Gabarito UNIVERSIDADE FEDERAL FLUMINENSE TRANSFERÊNCIA o semestre letvo de 010 e 1 o semestre letvo de 011 CURSO de ESTATÍSTICA Gabarto INSTRUÇÕES AO CANDIDATO Verfque se este caderno contém: PROVA DE REDAÇÃO com

Leia mais

CAPÍTULO IV DIFERENCIAÇÃO NUMÉRICA

CAPÍTULO IV DIFERENCIAÇÃO NUMÉRICA PMR - Mecânca Computaconal para Mecatrônca CAPÍTULO IV DIFERENCIAÇÃO NUMÉRICA O problema de derencação numérca aparentemente é semelante ao de ntegração numérca ou seja obtendo-se um polnômo nterpolador

Leia mais

EXERCÍCIO: VIA EXPRESSA CONTROLADA

EXERCÍCIO: VIA EXPRESSA CONTROLADA EXERCÍCIO: VIA EXPRESSA CONTROLADA Engenhara de Tráfego Consdere o segmento de va expressa esquematzado abaxo, que apresenta problemas de congestonamento no pco, e os dados a segur apresentados: Trechos

Leia mais

3 A técnica de computação intensiva Bootstrap

3 A técnica de computação intensiva Bootstrap A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.

Leia mais

Aula Características dos sistemas de medição

Aula Características dos sistemas de medição Aula - Característcas dos sstemas de medção O comportamento funconal de um sstema de medção é descrto pelas suas característcas (parâmetros) operaconas e metrológcas. Aqu é defnda e analsada uma sére destes

Leia mais

Laboratório de Mecânica Aplicada I Estática: Roldanas e Equilíbrio de Momentos

Laboratório de Mecânica Aplicada I Estática: Roldanas e Equilíbrio de Momentos Laboratóro de Mecânca Aplcada I Estátca: Roldanas e Equlíbro de Momentos 1 Introdução O conhecmento das condções de equlíbro de um corpo é mprescndível em númeras stuações. Por exemplo, o estudo do equlíbro

Leia mais

Flambagem. Cálculo da carga crítica via MDF

Flambagem. Cálculo da carga crítica via MDF Flambagem Cálculo da carga crítca va MDF ROF. ALEXANDRE A. CURY DEARTAMENTO DE MECÂNICA ALICADA E COMUTACIONAL Flambagem - Cálculo da carga crítca va MDF Nas aulas anterores, vmos como avalar a carga crítca

Leia mais

Representação e Descrição de Regiões

Representação e Descrição de Regiões Depos de uma magem ter sdo segmentada em regões é necessáro representar e descrever cada regão para posteror processamento A escolha da representação de uma regão envolve a escolha dos elementos que são

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

Cap. IV Análise estatística de incertezas aleatórias

Cap. IV Análise estatística de incertezas aleatórias TLF 010/11 Cap. IV Análse estatístca de ncertezas aleatóras Capítulo IV Análse estatístca de ncertezas aleatóras 4.1. Méda 43 4.. Desvo padrão 44 4.3. Sgnfcado do desvo padrão 46 4.4. Desvo padrão da méda

Leia mais

Procedimento Recursivo do Método dos Elementos de Contorno Aplicado em Problemas de Poisson

Procedimento Recursivo do Método dos Elementos de Contorno Aplicado em Problemas de Poisson Trabalho apresentado no III CMAC - SE, Vtóra-ES, 015. Proceedng Seres of the Brazlan Socety of Computatonal and Appled Mathematcs Procedmento Recursvo do Método dos Elementos de Contorno Aplcado em Problemas

Leia mais

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC) UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

ANÁLISE DE ESTRUTURAS I INTRODUÇÃO AO MÉTODO DE CROSS

ANÁLISE DE ESTRUTURAS I INTRODUÇÃO AO MÉTODO DE CROSS DECvl ANÁLISE DE ESTRUTURAS I INTRODUÇÃO AO ÉTODO DE CROSS Orlando J. B. A. Perera 20 de ao de 206 2 . Introdução O método teratvo ntroduzdo por Hardy Cross (Analyss of Contnuous Frames by Dstrbutng Fxed-End

Leia mais

Jogos. Jogos. Jogo. Jogo. Óptimo alvo investigação

Jogos. Jogos. Jogo. Jogo. Óptimo alvo investigação Jogos Óptmo alvo nvestgação O seu estado é fácl de representar; As acções são bem defndas e o seu número lmtado; A presença de oponentes ntroduz ncerteza tornando o problema de decsão mas complcado. Estamos

Leia mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

Matemática A. Previsão 1. Duração do teste: 180 minutos º Ano de Escolaridade. Previsão Exame Nacional de Matemática A 2013

Matemática A. Previsão 1. Duração do teste: 180 minutos º Ano de Escolaridade. Previsão Exame Nacional de Matemática A 2013 Prevsão Exame Naconal de Matemátca A 01 Prevsão 1 1ª fase Matemátca A Prevsão 1 Duração do teste: 180 mnutos 7.06.01 1.º Ano de Escolardade Resoluções em vídeo em www.explcamat.pt Prevsão de Exame págna1/8

Leia mais

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de

Leia mais

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD1507 Estatístca Aplcada à Admnstração I Prof. Dr. Evandro Marcos adel Rbero

Leia mais

U N I V E R S I D A D E D O S A Ç O R E S D E P A R T A M E N T O D E M A T E M Á T I C A ARMANDO B MENDES ÁUREA SOUSA HELENA MELO SOUSA

U N I V E R S I D A D E D O S A Ç O R E S D E P A R T A M E N T O D E M A T E M Á T I C A ARMANDO B MENDES ÁUREA SOUSA HELENA MELO SOUSA U N I V E R S I D A D E D O S A Ç O R E S D E P A R T A M E N T O D E M A T E M Á T I C A CLASSIFICAÇÃO DE MONOGRAFIAS UMA PROPOSTA PARA MAIOR OBJECTIVIDADE ARMANDO B MENDES ÁUREA SOUSA HELENA MELO SOUSA

Leia mais

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu 1 Programação Não Lnear com Restrções Aula 9: Programação Não-Lnear - Funções de Váras Varáves com Restrções Ponto Regular; Introdução aos Multplcadores de Lagrange; Multplcadores de Lagrange e Condções

Leia mais

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

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média. Estatístca Dscplna de Estatístca 0/ Curso de Admnstração em Gestão Públca Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos uns dos

Leia mais

Matemática Financeira Seções: 3.1 até 4.3 Prof. Me. Diego Fernandes Emiliano Silva

Matemática Financeira Seções: 3.1 até 4.3 Prof. Me. Diego Fernandes Emiliano Silva 3.1 até 3.3 Stuações de fnancamento VP = parc [ 1 (1+) n ] (3.1) AV E = parc [ 1 (1+) n ] (3.2) (AV E) (1 + ) k 1 = parc [ 1 (1+) n ] (3.3) As fórmulas apresentadas acma são apresentadas nas seções 3.1,

Leia mais

Introdução às Medidas em Física a Aula

Introdução às Medidas em Física a Aula Introdução às Meddas em Físca 4300152 8 a Aula Objetvos: Experênca Curvas Característcas Meddas de grandezas elétrcas: Estudar curvas característcas de elementos resstvos Utlzação de um multímetro Influênca

Leia mais

REGRESSÃO NÃO LINEAR 27/06/2017

REGRESSÃO NÃO LINEAR 27/06/2017 7/06/07 REGRESSÃO NÃO LINEAR CUIABÁ, MT 07/ Os modelos de regressão não lnear dferencam-se dos modelos lneares, tanto smples como múltplos, pelo fato de suas varáves ndependentes não estarem separados

Leia mais

TESTES DE CONTROLO Teste 6

TESTES DE CONTROLO Teste 6 TESTES DE CNTRL Teste 6 GRUP I Na resposta a cada um dos cnco tens deste grupo selecona a únca opção correta. Escreve na tua fola de respostas apenas o número de cada tem e a letra que dentfca a únca opção

Leia mais

Palavras-Chave: Métodos Interativos da Potência e Inverso, Sistemas Lineares, Autovetores e Autovalores.

Palavras-Chave: Métodos Interativos da Potência e Inverso, Sistemas Lineares, Autovetores e Autovalores. MSc leandre Estáco Féo ssocação Educaconal Dom Bosco - Faculdade de Engenhara de Resende Caa Postal 8.698/87 - CEP 75-97 - Resende - RJ Brasl Professor e Doutorando de Engenhara aefeo@yahoo.com.br Resumo

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ Em mutas stuações duas ou mas varáves estão relaconadas e surge então a necessdade de determnar a natureza deste relaconamento. A análse

Leia mais

UNIVERSIDADE DE PERNAMBUCO. Física Experimental. Prof o José Wilson Vieira

UNIVERSIDADE DE PERNAMBUCO. Física Experimental. Prof o José Wilson Vieira UNIVERSIDADE DE PERNAMBUCO ESCOLA POLITÉCNICA DE PERNAMBUCO Físca Expermental Prof o José Wlson Vera wlson.vera@upe.br AULA 01: PROCESSOS DE ANÁLISE GRÁFICA E NUMÉRICA MODELO LINEAR Recfe, agosto de 2015

Leia mais

AULA Espaços Vectoriais Estruturas Algébricas.

AULA Espaços Vectoriais Estruturas Algébricas. Note bem: a letura destes apontamentos não dspensa de modo algum a letura atenta da bblografa prncpal da cadera Chama-se a atenção para a mportânca do trabalho pessoal a realzar pelo aluno resolvendo os

Leia mais

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

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média. Estatístca Dscplna de Estatístca 0/ Curso Superor de tecnólogo em Gestão Ambental Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca

Leia mais

Estatística I Licenciatura MAEG 2006/07

Estatística I Licenciatura MAEG 2006/07 Estatístca I Lcencatura MAEG 006/07 AMOSTRAGEM. DISTRIBUIÇÕES POR AMOSTRAGEM.. Em determnada unversdade verfca-se que 30% dos alunos têm carro. Seleccona-se uma amostra casual smples de 0 alunos. a) Qual

Leia mais

Análise Complexa Resolução de alguns exercícios do capítulo 1

Análise Complexa Resolução de alguns exercícios do capítulo 1 Análse Complexa Resolução de alguns exercícos do capítulo 1 1. Tem-se:. = (0, 1) = (0, 1) =. 3. Sejam a, b R. Então Exercíco nº1 = (0, 1).(0, 1) = (0.0 1.1, 0.1 + 1.0) = ( 1, 0) = 1. a + b = a b = a +

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

Primeiro Exercício da Lista de Interpolação TOL 10 9

Primeiro Exercício da Lista de Interpolação TOL 10 9 Prmero Exercíco da Lsta de Interpolação TOL 9 Busque uma expressão de segundo grau e outra de tercero grau que melhor aproxmam a função x 4 no ntervalo x. Analse e dscuta seus resultados confrontado-os

Leia mais

3 Algoritmos propostos

3 Algoritmos propostos Algortmos propostos 3 Algortmos propostos Nesse trabalho foram desenvolvdos dos algortmos que permtem classfcar documentos em categoras de forma automátca, com trenamento feto por usuáros Tas algortmos

Leia mais

Prioridades com Teste de Escalonabilidade

Prioridades com Teste de Escalonabilidade rordades + Teste de Escalonabldade Sstemas de Tempo Real: rordades com Teste de Escalonabldade Rômulo Slva de Olvera Departamento de Automação e Sstemas DAS UFSC Cada tarefa recebe uma prordade Escalonamento

Leia mais

Caderno de Fórmulas em Implementação. SWAP Alterações na curva Libor

Caderno de Fórmulas em Implementação. SWAP Alterações na curva Libor Caderno de Fórmulas em Implementação SWAP Alterações na curva Lbor Atualzado em: 15/12/217 Comuncado: 12/217 DN Homologação: - Versão: Mar/218 Índce 1 Atualzações... 2 2 Caderno de Fórmulas - SWAP... 3

Leia mais

Medidas de Tendência Central. Prof.: Ademilson Teixeira

Medidas de Tendência Central. Prof.: Ademilson Teixeira Meddas de Tendênca Central Prof.: Ademlson Texera ademlson.texera@fsc.edu.br 1 Servem para descrever característcas báscas de um estudo com dados quanttatvos e comparar resultados. Meddas de Tendênca Central

Leia mais

Ministério da Educação. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Cálculo do Conceito Preliminar de Cursos de Graduação

Ministério da Educação. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Cálculo do Conceito Preliminar de Cursos de Graduação Mnstéro da Educação Insttuto Naconal de Estudos e Pesqusas Educaconas Aníso Texera Cálculo do Conceto Prelmnar de Cursos de Graduação Nota Técnca Nesta nota técnca são descrtos os procedmentos utlzados

Leia mais

ESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL

ESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL Revsta Matz Onlne ESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL Valera Ap. Martns Ferrera Vvane Carla Fortulan Valéra Aparecda Martns. Mestre em Cêncas pela Unversdade de São Paulo- USP.

Leia mais

Notas Processos estocásticos. Nestor Caticha 23 de abril de 2012

Notas Processos estocásticos. Nestor Caticha 23 de abril de 2012 Notas Processos estocástcos Nestor Catcha 23 de abrl de 2012 notas processos estocástcos 2 O Teorema de Perron Frobenus para matrzes de Markov Consdere um processo estocástco representado por um conunto

Leia mais

Programação Dinâmica. Fernando Nogueira Programação Dinâmica 1

Programação Dinâmica. Fernando Nogueira Programação Dinâmica 1 Programação Dnâmca Fernando Noguera Programação Dnâmca A Programação Dnâmca procura resolver o problema de otmzação através da análse de uma seqüênca de problemas mas smples do que o problema orgnal. A

Leia mais

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro. Aplcação Por exemplo, se prepararmos uma área expermental com todo cudado possível e fzermos, manualmente, o planto de 100 sementes seleconadas de um mlho híbrdo, cudando para que as sementes fquem na

Leia mais

GABARITO ERP19. impedância total em pu. impedância linha em pu; impedância carga em pu; tensão no gerador em pu.

GABARITO ERP19. impedância total em pu. impedância linha em pu; impedância carga em pu; tensão no gerador em pu. GABARITO ERP9 Questão mpedânca total em pu. mpedânca lnha em pu; mpedânca carga em pu; tensão no gerador em pu. Assm, tem-se que: ( ). Mas, ou seja: : ( ).. Logo: pu. () A mpedânca da carga em pu,, tem

Leia mais

Variável discreta: X = número de divórcios por indivíduo

Variável discreta: X = número de divórcios por indivíduo 5. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas

Leia mais

Estatística II Antonio Roque Aula 18. Regressão Linear

Estatística II Antonio Roque Aula 18. Regressão Linear Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão

Leia mais

DISTRIBUIÇÃO DE FREQUÊNCIAS

DISTRIBUIÇÃO DE FREQUÊNCIAS Núcleo das Cêncas Bológcas e da Saúde Cursos de Bomedcna, Ed. Físca, Enermagem, Farmáca, Fsoterapa, Fonoaudologa, Medcna Veternára, Muscoterapa, Odontologa, Pscologa DISTRIBUIÇÃO DE FREQUÊNCIAS 5 5. DISTRIBUIÇÃO

Leia mais

Experiência V (aulas 08 e 09) Curvas características

Experiência V (aulas 08 e 09) Curvas características Experênca (aulas 08 e 09) Curvas característcas 1. Objetvos 2. Introdução 3. Procedmento expermental 4. Análse de dados 5. Referêncas 1. Objetvos Como no expermento anteror, remos estudar a adequação de

Leia mais

Classificação e Pesquisa de Dados

Classificação e Pesquisa de Dados Classcação por Trocas Classcação e Pesqusa de Dados Aula 05 Classcação de dados por Troca:, ntrodução ao Qucksort UFRGS INF01124 Classcação por comparação entre pares de chaves, trocando-as de posção caso

Leia mais

Universidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Classificadores Lineares. Luiz Eduardo S. Oliveira, Ph.D.

Universidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Classificadores Lineares. Luiz Eduardo S. Oliveira, Ph.D. Unversdade Federal do Paraná Departamento de Informátca Reconhecmento de Padrões Classfcadores Lneares Luz Eduardo S. Olvera, Ph.D. http://lesolvera.net Objetvos Introduzr os o conceto de classfcação lnear.

Leia mais

5 Formulação para Problemas de Potencial

5 Formulação para Problemas de Potencial 48 Formulação para Problemas de Potencal O prncpal objetvo do presente capítulo é valdar a função de tensão do tpo Westergaard obtda para uma trnca com abertura polnomal (como mostrado na Fgura 9a) quando

Leia mais

APLICAÇÃO DO MÉTODO DAS DIFERENÇAS FINITAS PARA SOLUÇÃO DAS EQUAÇÕES DE LAPLACE E POISSON PARA LINHAS DE MICROFITAS ACOPLADAS

APLICAÇÃO DO MÉTODO DAS DIFERENÇAS FINITAS PARA SOLUÇÃO DAS EQUAÇÕES DE LAPLACE E POISSON PARA LINHAS DE MICROFITAS ACOPLADAS APLICAÇÃO DO MÉTODO DAS DIFERENÇAS FINITAS PARA SOLUÇÃO DAS EQUAÇÕES DE LAPLACE E POISSON PARA LINHAS DE MICROFITAS ACOPLADAS Raann Pablo de Alencar AZEEDO; Ícaro Bezerra de Queroz ARAÚJO; Elel Pogg dos

Leia mais

Medida de Quatro Pontas Autor: Mauricio Massazumi Oka Versão 1.0 (janeiro 2000)

Medida de Quatro Pontas Autor: Mauricio Massazumi Oka Versão 1.0 (janeiro 2000) Medda de Quatro Pontas Autor: Maurco Massazum Oka Versão.0 (janero 000) Introdução A técnca de medda de quatro pontas é largamente usada para a medda de resstvdades e resstêncas de folha. O método em s

Leia mais

2 Análise de Campos Modais em Guias de Onda Arbitrários

2 Análise de Campos Modais em Guias de Onda Arbitrários Análse de Campos Modas em Guas de Onda Arbtráros Neste capítulo serão analsados os campos modas em guas de onda de seção arbtrára. A seção transversal do gua é apromada por um polígono conveo descrto por

Leia mais

Associação entre duas variáveis quantitativas

Associação entre duas variáveis quantitativas Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa

Leia mais

PUCPR- Pontifícia Universidade Católica Do Paraná PPGIA- Programa de Pós-Graduação Em Informática Aplicada PROF. DR. JACQUES FACON

PUCPR- Pontifícia Universidade Católica Do Paraná PPGIA- Programa de Pós-Graduação Em Informática Aplicada PROF. DR. JACQUES FACON 1 PUCPR- Pontfíca Unversdade Católca Do Paraná PPGIA- Programa de Pós-Graduação Em Informátca Aplcada PROF. DR. JACQUES FACON LIMIARIZAÇÃO ITERATIVA DE LAM E LEUNG Resumo: A proposta para essa sére de

Leia mais

Covariância na Propagação de Erros

Covariância na Propagação de Erros Técncas Laboratoras de Físca Lc. Físca e Eng. omédca 007/08 Capítulo VII Covarânca e Correlação Covarânca na propagação de erros Coefcente de Correlação Lnear 35 Covarânca na Propagação de Erros Suponhamos

Leia mais

Aprendizagem de Máquina

Aprendizagem de Máquina Plano de Aula Aprendzagem de Máquna Aprendzagem Baseada em Instâncas Alessandro L. Koerch Introdução Espaço Eucldano Aprendzagem Baseada em Instâncas (ou Modelos Baseados em Dstânca) Regra knn (k vznhos

Leia mais

CAPÍTULO VI Introdução ao Método de Elementos Finitos (MEF)

CAPÍTULO VI Introdução ao Método de Elementos Finitos (MEF) PMR 40 - Mecânca Computaconal CAPÍTULO VI Introdução ao Método de Elementos Fntos (MEF). Formulação Teórca - MEF em uma dmensão Consderemos a equação abao que representa a dstrbução de temperatura na barra

Leia mais

CCI-22 CCI-22. 8) Equações Diferenciais. Matemática Computacional. Definições Problemas de Valor Inicial (PVI)

CCI-22 CCI-22. 8) Equações Diferenciais. Matemática Computacional. Definições Problemas de Valor Inicial (PVI) Matemátca Computaconal 8 Equações Derencas Métodos de Euler Séres de Talor Runge-Kutta Adams-Basort Adams-Moulton Derenças Fntas Denções Grande parte dos enômenos íscos é modelada com equações derencas

Leia mais

Programa de Certificação de Medidas de um laboratório

Programa de Certificação de Medidas de um laboratório Programa de Certfcação de Meddas de um laboratóro Tratamento de dados Elmnação de dervas Programa de calbração entre laboratóros Programa nterno de calbração justes de meddas a curvas Tratamento dos resultados

Leia mais

Eletrotécnica AULA Nº 1 Introdução

Eletrotécnica AULA Nº 1 Introdução Eletrotécnca UL Nº Introdução INTRODUÇÃO PRODUÇÃO DE ENERGI ELÉTRIC GERDOR ESTÇÃO ELEVDOR Lnha de Transmssão ESTÇÃO IXDOR Equpamentos Elétrcos Crcuto Elétrco: camnho percorrdo por uma corrente elétrca

Leia mais

ANÁLISE DAS TENSÕES TÉRMICAS EM MATERIAIS CERÂMICOS. Palavras-chave: Tensões térmicas, Propriedades variáveis, Condução de calor, GITT

ANÁLISE DAS TENSÕES TÉRMICAS EM MATERIAIS CERÂMICOS. Palavras-chave: Tensões térmicas, Propriedades variáveis, Condução de calor, GITT ANÁLISE DAS TENSÕES TÉRMICAS EM MATERIAIS CERÂMICOS Dnz, L.S. Santos, C.A.C. Lma, J.A. Unversdade Federal da Paraíba Laboratóro de Energa Solar LES/DTM/CT/UFPB 5859-9 - João Pessoa - PB, Brasl e-mal: cabral@les.ufpb.br

Leia mais

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,

Leia mais

Tópicos Especiais de Álgebra Linear Tema # 1: Aprendendo a trabalhar com o Derive. Introdução ao Derive

Tópicos Especiais de Álgebra Linear Tema # 1: Aprendendo a trabalhar com o Derive. Introdução ao Derive Tópcos Especas de Álgebra Lnear Tema # : Aprendendo a trabalhar com o Derve Assunto: Introdução ao Derve. Ambente Algébrco e Gráfco. Comandos da Álgebra de Matrzes. Determnantes, Inversa de uma Matrz.

Leia mais

2 Metodologia de Medição de Riscos para Projetos

2 Metodologia de Medição de Riscos para Projetos 2 Metodologa de Medção de Rscos para Projetos Neste capítulo remos aplcar os concetos apresentados na seção 1.1 ao ambente de projetos. Um projeto, por defnção, é um empreendmento com metas de prazo, margem

Leia mais

Mecanismos de Escalonamento

Mecanismos de Escalonamento Mecansmos de Escalonamento 1.1 Mecansmos de escalonamento O algortmo de escalonamento decde qual o próxmo pacote que será servdo na fla de espera. Este algortmo é um dos mecansmos responsáves por dstrbur

Leia mais

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência. MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,

Leia mais

Microeconomia I. Licenciaturas em Administração e Gestão de Empresas e em Economia

Microeconomia I. Licenciaturas em Administração e Gestão de Empresas e em Economia Mcroeconoma I Lcencaturas em Admnstração e Gestão de Empresas e em Economa Ano lectvo 010-011 Teste Intermédo 1º Semestre 5 de Outubro de 010 Regente: Fernando Branco (fbranco@ucppt) Catarna Slva, Danel

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

5 Métodos de cálculo do limite de retenção em função da ruína e do capital inicial

5 Métodos de cálculo do limite de retenção em função da ruína e do capital inicial 5 Métodos de cálculo do lmte de retenção em função da ruína e do captal ncal Nesta dssertação serão utlzados dos métodos comparatvos de cálculo de lmte de retenção, onde ambos consderam a necessdade de

Leia mais

2 Incerteza de medição

2 Incerteza de medição 2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr

Leia mais

Sempre que surgir uma dúvida quanto à utilização de um instrumento ou componente, o aluno deverá consultar o professor para esclarecimentos.

Sempre que surgir uma dúvida quanto à utilização de um instrumento ou componente, o aluno deverá consultar o professor para esclarecimentos. Nesse prátca, estudaremos a potênca dsspada numa resstênca de carga, em função da resstênca nterna da fonte que a almenta. Veremos o Teorema da Máxma Transferênca de Potênca, que dz que a potênca transferda

Leia mais

4 Discretização e Linearização

4 Discretização e Linearização 4 Dscretzação e Lnearzação Uma vez defndas as equações dferencas do problema, o passo segunte consste no processo de dscretzação e lnearzação das mesmas para que seja montado um sstema de equações algébrcas

Leia mais

FUNDAMENTOS DE INVESTIGAÇÃO OPERACIONAL. 2.º teste 21 de Maio de Duração: 1h:30. Resolução indicativa

FUNDAMENTOS DE INVESTIGAÇÃO OPERACIONAL. 2.º teste 21 de Maio de Duração: 1h:30. Resolução indicativa INSIUO SUPERIOR ÉNIO LEGI (Lcencatura em Engenhara e Gestão Industral) FUNDAMENOS DE INVESIGAÇÃO OPERAIONAL 2.º teste 21 de Mao de 2016 Duração: 1h:30 Resolução ndcatva 1. Um estabelecmento de ensno superor

Leia mais

Problema Real (avião, carro,...) Validação

Problema Real (avião, carro,...) Validação Modelo Físco/ (EFD)? Problema Real? (avão, carro,...) Modelo Matemátco (CFD) Túnel de Vento Modelo Condções de Frontera Escala Approx. nas eqs., (ν t ) Equações (modelo de turbulênca) Instrumentos de Medda

Leia mais

CAPITULO II - FORMULAÇAO MATEMATICA

CAPITULO II - FORMULAÇAO MATEMATICA CAPITULO II - FORMULAÇAO MATEMATICA II.1. HIPOTESES BASICAS A modelagem aqu empregada está baseado nas seguntes hpóteses smplfcadoras : - Regme permanente; - Ausênca de forças de campo; - Ausênca de trabalho

Leia mais