TREND STRIPS E NÍVEIS DE RUÍDO ADICIONADOS A UM MAPA SENOIDAL
|
|
- Marina Belmonte
- 5 Há anos
- Visualizações:
Transcrição
1 167 TREND STRIPS E NÍVEIS DE RUÍDO ADICIONADOS A UM MAPA SENOIDAL Antônio Carlos da Silva Filho Uni-FACEF Introdução Trend Strips (TS) são uma nova técnica de análise da dinâmica de um sistema, quando se dispõe de uma série temporal. Existem os mais variados tipos de sistema na natureza. Alguns são previsíveis, enquanto que outros são aleatórios, existindo toda uma gama de sistemas entre um caso e outro. O trabalho científico tem entre seus objetivos o de caracterizar um dado sistema, já que esta caracterização é, normalmente, o primeiro passo para que se possa conhecer as suas propriedades. Outro objetivo é o de extrair consequências como, por exemplo, fazer previsões. Caracterizar um sistema é algo que pode ser feito de maneiras as mais variadas. Neste trabalho, o interesse está na pureza da dinâmica que o sistema experimenta, ou seja, no nível de ruído aleatório que começa por destruir a dinâmica que o sistema exibe sem o ruído. Existem na literatura vários testes para se caracterizar a dinâmica de um dado sistema (SPROTT, 2003). Podemos usar testes estatísticos para caracterizar se uma série é autocorrelacionada ou não, por exemplo e podemos usar parâmetros que vêm da teoria dos sistemas dinâmicos (como a Dimensão de Correlação), para tentar caracterizar se a dinâmica subjacente é caótica ou não (TSONIS, 1992). Este trabalho lida com uma ferramenta que foi recentemente proposta na literatura (FILHO, 2012) para a análise, caracterização e previsão de séries temporais (HAMILTON, 1994) e que é explorada com a intenção de realizar parte desta caracterização. Esta ferramenta é chamada de Trend Strip (TS) e será aqui aplicada a um mapa senoidal. 1 Desenvolvimento da Pesquisa
2 168 Este trabalho usa as TS binárias, onde a quantidade de estados descritos, p, chamada aqui de base, é igual a dois (na notação adotada a seguir a quantidade de estados está colocada entre colchetes). Seja dada uma série temporal, X, constituída por uma sequência numérica de dados obtidos experimentalmente, observacionalmente ou através de simulações no computador. A partir desta série pode-se construir uma segunda série, Y, formada a partir da seguinte condição binária: se o valor de x(i) é maior ou igual ao valor de x(i-1), atribui-se a y(i) o valor 1 ; caso contrário, atribui-se a y(i) o valor 0. Um exemplo que exibe estas séries acopladas está na tabela 1: Tabela 1. Trecho de uma série temporal (x) com o indicador de dinâmica (y) e as Trend Strips correspondentes de comprimentos 1 a 3 i x(i) y(i) TS1[2](i) TS2[2](i) TS3[2](i) Fonte: Confeccionada pelo autor As TS são então construídas a partir da função auxiliar Y. Elas são formadas a partir dos valores de Y numa posição qualquer e de alguns valores de Y em posições anteriores. O número de valores utilizados é denominado de comprimento da TS, denotado aqui por N. Assim, no exemplo acima, as primeiras TS de comprimento N = 1, obtidas a partir da posição i = 2, denominadas TS1[2], são as seguintes:
3 169 TS1[2](2) = 1 TS1[2]((3) = 1 TS1[2] (4) = 0 etc. Já as TS de comprimento N = 2 só podem ser obtidas a partir da posição i = 3 e as primeiras são as seguintes: TS2[2]((3) = 11 TS2[2]((4) = 10 TS2[2]((5) = 01 etc. i = 4): As primeiras TS de comprimento N = 3 são, então (obtidas a partir da posição TS3[2]((4) = 110 TS3[2] (5) = 101 TS3[2] (6) = 011 etc. Quantas TS binárias diferentes, para um dado N, podem, então, ser formadas? A resposta é simples e fornece a quantidade m(n): m(n) = quantidade de diferentes TS que podem ser formadas para um dado N = 2 N Se houver p estados, m(n) = p N. Nas simulações a seguir, as TSN[p] serão ordenadas de 1 até m(n), começando com aquelas apenas com valores 1 e terminando com aquelas somente com valores 0. Para N = 4 (valor que será usado nos exemplos deste trabalho), as seguintes m(4) = 16 TS4 podem ser obtidas: TS4[2] 1 = 1111 TS4[2] 2 = 1110
4 170 TS4[2] 3 = 1101 TS4[2] 4 = 1100 TS4[2] 5 = 1011 TS4[2] 6 = 1010 TS4[2] 7 = 1001 TS4[2] 8 = 1000 TS4[2] 9 = 0111 TS4[2] 10 = 0110 TS4[2] 11 = 0101 TS4[2] 12 = 0100 TS4[2] 13 = 0011 TS4[2] 14 = 0010 TS4[2] 15 = 0001 TS4[2] 16 = 0000 senoidal: Foram obtidas séries temporais deterministas e periódicas usando o mapa y(x) = sen(x) TS. Estas serão as séries aqui analisadas, com e sem ruído, com o auxílio das 2 Objetivos O objetivo deste trabalho foi o de investigar a influência de níveis crescentes de ruído sobre os espectros das TS. Para tanto, foi selecionado um mapa periódico típico, o Mapa Senoidal. 3 Metodologia
5 171 Este trabalho faz uma exploração computacional de um mapa determinista, sendo, portanto, um trabalho que analisa dados simulados, usando a ferramenta aqui proposta. 4 Análise dos Dados e Resultados Foram gerados, no computador, dados para cada sistema descrito acima. Como os dados podem ter diferentes níveis de autocorrelação, foi utilizada a Função de Autocorrelação para construir, a partir da série original, uma série com os dados não muito correlacionados. A Função de Autocorrelação pode ser definida por (TSONIS, 1992): 1 C( ) lim ( x)( x) N i i N x x 1 C(0) lim ( x)( x) N i i N x x onde N, nestas equações, refere-se ao número de dados nas séries e o segundo termo dentro de cada parêntesis refere-se ao valor médio dos dados. Os valores de τ, neste trabalho vão de 1 a 200. Um ótimo estimador da quantidade de pontos que devem ser pulados até que se tenha um ponto não muito correlacionado com o anterior é: 1 C( ) C(0) 2 O valor de τ que satisfaz a esta relação indica, aproximadamente, o tempo de descorrelação da série e será aqui chamado de passo. Após considerado este valor e construída uma segunda série, trabalhou-se com de dados em cada uma, a fim de ter resultados bastante robustos. O sistema aleatório resultou em um passo igual a 1, enquanto que o sistema periódico resultou em um passo igual a 84. São apresentados, a seguir, os resultados obtidos, exibidos aqui para TS binárias de comprimento N = 4. Tem-se, neste caso, um total de 16 TS diferentes. O
6 172 espectro das frequências com que cada uma aparece é a variável a ser analisada aqui. Todas as figuras representam casos com dois estados e comprimento igual a 4. A figura 1 representa o espectro das TS para o caso aleatório. A figura 2 representa o espectro das TS para o caso periódico (mapa senoidal). Pode-se observar que em todos os casos, para cada tipo de série, há diferenças significativas em relação à dinâmica do espectro. 14 base =2, n =4, total de Trend Strips =16 porcentagem de ocorrências de cada de Trend Strip tipo de Trend Strip Figura 1. Espectro das Trend Strips para o caso aleatório, com 2 estados e comprimento igual a base =2, N =4, total de Trend Strips =16 porcentagem de ocorrências de cada Trend Strip tipo de Trend Strip
7 173 Figura 2. Espectro das Trend Strips para o caso periódico, com 2 estados e comprimento igual a 4. Os valores das frequências encontradas nestes vários espectros (figuras 1 e 2) estão exibidos na tabela 2: Tabela 2. Valores das frequências (%) dos quatro tipos de sistemas analisados, para base = 2 e N = 4, num total de 16 Trend Strips Trens Strip Aleatório Periódico (seno) TS4[2] 1 = TS4[2] 2 = TS4[2] 3 = TS4[2] 4 = TS4[2] 5 = TS4[2] 6 = TS4[2] 7 = TS4[2] 8 = TS4[2] 9 = TS4[2] 10 = TS4[2] 11 = TS4[2] 12 = TS4[2] 13 = TS4[2] 14 = TS4[2] 15 =
8 174 TS4[2] 16 = Fonte: Confeccionada pelo autor O que ser propõe neste trabalho é a possibilidade de caracterizar a dinâmica destes vários sistemas através do espectro das TS. Como exemplo, seja o caso periódico e algumas de suas variações, exibidas na figura base =2, n =4, total de Trend Strips =16 16 porcentagem de ocorrências de cada Trend Strip tipo de Trend Strip Figura 3. Espectro das Trend Strips, com 2 estados e comprimento igual a 4, para os casos: (a) aleatório puro (linha grossa contínua); (b) periódico puro (linha grossa tracejada); (c) periódico com ruído de 25% (linha fina tracejada) e (d) periódico com ruído de 50% (linha fina contínua). Como é mostrado na figura 3, ao adicionar um ruído à série original, a dinâmica já não será mais a mesma e os valores da série temporal serão alterados. Como a série periódica aqui considerada é nada mais do que a função seno, cuja amplitude (variação da variável dependente) é igual a 2, o nível do ruído adicionado ou subtraído será medido em função de um percentual desta amplitude. Adicionando um ruído aleatório uniforme à série, com níveis variando de 1% a 100%, nota-se uma convergência do espectro das TS para o caso aleatório puro. Esta movimentação pode ser apreciada na figura 5, onde são colocados os espectros das TS para o caso aleatório puro e para três casos periódicos: um puro, um com ruído de 25% e um com ruído de 50%. Esta convergência pode ser melhor apreciada acompanhando-se a variação frequencial de um particular tipo de TS. A figura 4 a seguir exibe tal variação para a TS4[2] 2 :
9 Caso periódico com níveis crescentes de ruído aleatório uniforme: base =2, n =4, total de Trend Strips =16, Trend Strip = 1110 A abscissa 110 não corresponde a nenhum ruído, mas ao caso aleatório puro 16 porcentagem de ocorrências da Trend Strip porcentagem de ruído aleatório uniforme Figura 4. Frequência encontrada para a TS4[2]2 do caso periódico puro e com níveis crescentes de ruído aleatório uniforme adicionado ou subtraído. A abscissa 110 não corresponde a nenhum um nível de ruído, mas ao caso aleatório puro. A figura 6 indica que há uma convergência bem forte para o espectro do caso aleatório puro já a partir de um nível de ruído ao redor de 75%. O mesmo tipo de convergência, embora com outros padrões de aproximação, é encontrado para todas as outras TS4[2]. CONCLUSÃO As Trend Strips são uma nova ferramenta que podem auxiliar na análise de séries temporais. Elas resumem alguns aspectos da dinâmica da série, mas podem, quando olhadas coletivamente, caracterizar o estado da série como um todo. Neste trabalho, elas foram usadas como marcadores do nível de ruído adicionado a um mapa periódico. No caso aqui analisado, os espectros das várias séries obtidas convergiram para o de uma série aleatória quando o nível de ruído ficou ao redor de 75%. Trabalhos futuros devem explorar se o espectro como um todo ou a frequência de alguma TS em particular podem ser usados como medidores do nível de ruído de um dado sistema.
10 176 Referências HAMILTON, J. D. Time Series Analysis, Princeton University Press, Princeton, FILHO, A. C. S., SOUZA, R. M. e LIMA, F. G. Trend Strips: A New Tool to Analyze Financial Series, Journal of Academy of Business and Economics, n. 12, 49-54, SPROTT, J. C. Chaos and Time-Series Analysis. Oxford: New York, 506 p., TSONIS, A. A. Chaos: from theory to applications, Plenum Press, New York, 348 p., 1992.
DIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS
177 DIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS Antôno Carlos da Slva Flho Un-FACEF Introdução Trend Strps (TS) são uma nova técnca de análse da dnâmca de um sstema,
Leia maisANÁLISE DO VALOR DO PASSO DA RECONSTRUÇÃO PARA O CÁLCULO DA DIMENSÃO DE CORRELAÇÃO EM SISTEMAS CAÓTICOS
6 ANÁLISE DO VALOR DO PASSO DA RECONSTRUÇÃO PARA O CÁLCULO DA DIMENSÃO DE CORRELAÇÃO EM SISTEMAS CAÓTICOS Natália Diniz (Uni-FACEF) Antonio Carlos da Silva Filho (Uni-FACEF) INTRODUÇÃO Seja a seguinte
Leia maisProcessos aleatórios - características
Capítulo 6 Processos aleatórios - características temporais 6.1 O conceito de processo aleatório Um processo aleatório ou estocástico é um espaço de amostras em que cada elemento é associado a uma função
Leia maisM. Eisencraft 6.3 Funções de correlação 81. R YX (τ) R YY (τ). (6.19) R XY (τ) = R YX ( τ) (6.20)
M. Eisencraft 6.3 Funções de correlação 81 R XY (τ) = E[X(t)Y(t+τ)] e (6.17) R YX (τ) = E[Y(t)X(t+τ)]. (6.18) As propriedades de correlação de dois processos X(t) e Y(t) podem ser mostradas convenientemente
Leia maisAplicação da Técnica de Componentes Principais no Treinamento de uma Rede Neural no Contexto de Assimilação de Dados
Aplicação da Técnica de Componentes Principais no Treinamento de uma Rede Neural no Contexto de Assimilação de Dados 1 Vinicius Carvalho Beck 2 Júlio Renato Q. Marques 3 Fabrício P. Härter Universidade
Leia mais6 Modelo Gamma-Cetuc (GC)
6 Modelo Gamma-Cetuc (GC) Um modelo de sintetização de séries temporais de atenuação por chuva envolve a geração de dados aleatórios que satisfaçam especificações de estatísticas de primeira e de segunda
Leia maisUm Estudo do Comportamento dos Gráficos de Controle Construídos Via Metodologia de Geoestatística
XIII SIMPEP - Bauru, SP, Brasil, 6 a 8 de Novembro de 006 Um Estudo do Comportamento dos Gráficos de Controle Construídos Via Metodologia de Geoestatística Fabiane Renata de Santana Yassukawa (UFMG) fabianesy@yahoo.com.br
Leia maisp.1/48 Eduardo Mendes Departamento de Engenharia Eletrônica Universidade Federal de Minas Gerais Av. Antônio Carlos 6627, Belo Horizonte, MG, Brasil
p1/48 Capítulo 4 - Métodos ão Paramétricos Eduardo Mendes Departamento de Engenharia Eletrônica Universidade Federal de Minas Gerais Av Antônio Carlos 27, elo Horizonte, MG, rasil p2/48 Introdução Os métodos
Leia maisJorge Caiado CEMAPRE/ISEG, Universidade Técnica de Lisboa Web:
CEMAPRE/ISEG, Universidade Técnica de Lisboa Email: jcaiado@iseg.utl.pt Web: http://pascal.iseg.utl.pt/~jcaiado/ 1 Uma série temporal (time series) consiste num conjunto de observações de uma variável,
Leia maisCapítulo 11 - Projeto de Testes e Escolha de Estruturas
Capítulo 11 - Projeto de Testes e Escolha de Estruturas Prof. Samir Martins UFSJ-CEFET/MG Programa de Pós Graduação em Engenharia Elétrica - PPGEL São João del-rei, 22 de novembro de 2016 1 / 38 Introdução
Leia maisAnálise e Previsão de Séries Temporais Aula 1: Introdução às séries temporais. Eraylson Galdino
Análise e Previsão de Séries Temporais Aula 1: Introdução às séries temporais egs@cin.ufpe.br Agenda Séries Temporais: Definições Exemplos Modelos simples com média zero: Ruído I.I.D Processo Binário Random
Leia maisEscoamento em Regime Turbulento
http://www.youtube.com/watch?v=xoll2kediog&feature=related http://br.youtube.com/watch?v=7kkftgx2any http://br.youtube.com/watch?v=vqhxihpvcvu 1. Flutuações caóticas com grandes gamas de frequência
Leia maisMulti-Estabilidade, Diagramas de Fase e Propriedades Estatísticas do Rotor Quicado: Um Mapa Onde Coexistem Muitos Atratores
Multi-Estabilidade, Diagramas de Fase e Propriedades Estatísticas do Rotor Quicado: Um Mapa Onde Coexistem Muitos Atratores Luciano Camargo Martins Jason Alfredo Carlson Gallas IF-UFRGS 91501-970 Porto
Leia maisCOMO FUNCIONA A SIMULAÇÃO. Capítulo 2 - Aula 2. Simulação Discreta de Sistemas - Prof. Paulo Freitas - UFSC/CTC/INE
COMO FUNCIONA A SIMULAÇÃO Capítulo 2 - Aula 2 1 Tratando a Variabilidade dos Sistemas As diferenças fundamentais entre os dois tratamentos (T. Filas e simulação): para a solução analítica o objetivo da
Leia maisInstituto Nacional de Pesquisas Espaciais - INPE. Divisão de Processamento de Imagens - DPI
1 Sumário 2 Introdução Técnicas de ESDA Matrizes de Proximidade Espacial Média Espacial Móvel (m i ) Indicadores Globais de Autocorrelação Espacial Índices Globais de Moran (I), Geary (C) e Getis e Ord
Leia mais4 APLICAÇÃO DO MODELO E RESULTADOS
4 APLICAÇÃO DO MODELO E RESULTADOS Neste capítulo, será aplicado o modelo proposto (Holt-Winters com múltiplos ciclos mais a correção devido à ocorrência de feriado e temperatura) e apresentados os resultados
Leia maisMetodologia para avaliação dos níveis de interferências permissíveis gerados por rádios cognitivos em sistemas primários de telecomunicações
Metodologia para avaliação dos níveis de interferências permissíveis gerados por rádios cognitivos em sistemas primários de telecomunicações Eng. Ângelo Canavitsas PETROBRAS / PUC-RJ 31 de agosto de 2011
Leia maisMODELAGEM DE UM OSCILADOR NÃO LINEAR OBSERVADO NOS CURSOS DE FÍSICA BÁSICA.
MODELAGEM DE UM OSCILADOR NÃO LINEAR OBSERVADO NOS CURSOS DE FÍSICA BÁSICA. 1 IFBA, campus Salvador. e-mail: rnaziazeno@ifba.edu.br 2 IFBA, campus Salvador. e-mail: nielsfl@ifba.edu.br 3 IFBA, campus Salvador.
Leia maisDisciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 02 / Processos Aleatórios
Disciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 02 / Processos Aleatórios Prof. Eduardo Simas (eduardo.simas@ufba.br) Programa de Pós-Graduação em Engenharia Elétrica/PPGEE Universidade
Leia maisSinais e Sistemas. Sinais e Sistemas Fundamentos. Renato Dourado Maia. Universidade Estadual de Montes Claros. Engenharia de Sistemas
Sinais e Sistemas Sinais e Sistemas Fundamentos Renato Dourado Maia Universidade Estadual de Montes Claros Engenharia de Sistemas Classificação de Sinais Sinal de Tempo Contínuo: É definido para todo tempo
Leia maisModelo para estimativa de risco operacional e previsão de estoque para equipamentos da Comgás
Modelo para estimativa de risco operacional e previsão de estoque para equipamentos da Comgás 1. Introdução Marcos Henrique de Carvalho 1 Gabriel Alves da Costa Lima 2 Antonio Elias Junior 3 Sergio Rodrigues
Leia maisTE802 Processos Estocásticos em Engenharia. Processo Aleatório. TE802 Processos Aleatórios. Evelio M. G. Fernández. 18 de outubro de 2017
TE802 Processos Estocásticos em Engenharia Processos Aleatórios 18 de outubro de 2017 Processo Aleatório Processo Aleatório (ou Estocástico), X(t): Função aleatória do tempo para modelar formas de onda
Leia maisMAPEAMENTO DE SÉRIES FINANCEIRAS EM REDES COMPLEXAS
MAPEAMENTO DE SÉRIES FINANCEIRAS EM REDES COMPLEXAS Amanda Leite de Camargo Marcio Eisencraft Universidade Federal do ABC Universidade de São Paulo 27 de outubro de 2015 1 / 31 Sumário 1 Introdução 2 Redes
Leia maisProcessos de Poisson
Processos de Poisson Mauro C. M. Campos 1 SUMÁRIO I Alguns fatos sobre a distribuição exponencial 1 II Alguns fatos sobre a distribuição de Poisson 2 III Processos estocásticos em tempo contínuo 2 IV Processos
Leia maisO ALEATÓRIO EM COMPUTAÇÃO. Por Diogo Anderson Integrante do Grupo PET Computação
O ALEATÓRIO EM COMPUTAÇÃO Por Diogo Anderson (diogo@dsc.ufcg.edu.br) Integrante do Grupo PET Computação AGENDA Introdução Definição Aplicações Números aleatórios Números aleatórios vs pseudo-aleatórios
Leia maisAlgoritmo para Determinação e Classificação de Distúrbios Múltiplos em Sistemas Elétricos 79
Algoritmo para Determinação e Classificação de Distúrbios Múltiplos em Sistemas Elétricos 79 3.3.3 Classificação dos distúrbios múltiplos Para a correta classificação dos diversos distúrbios é necessário
Leia maisAnálise Espectral de Sinais Caóticos Gerados pelo Mapa de Bernoulli com r Segmentos
Análise Espectral de Sinais Caóticos Gerados pelo Mapa de Bernoulli com r Segmentos Rafael Alves da Costa, Murilo Bellezoni Loiola e Marcio Eisencraft Universidade Federal do ABC Universidade de São Paulo
Leia maisEstudo analítico e numérico do espalhamento acústico
Universidade Federal de São João Del-Rei MG 26 a 28 de maio de 21 Associação Brasileira de Métodos Computacionais em Engenharia Estudo analítico e numérico do espalhamento acústico M.E. Maria 1 ; E.N.M.
Leia mais5 Resultados Dados artificiais Convergência à mediana e à média com dados artificiais
5 Resultados Os resultados da aplicação do método proposto estão estruturados de forma a evidenciar: 1. A convergência numérica do algoritmo proposto nesta tese para a mediana e para a média de grupos
Leia maisCapítulo 5 Distribuições de Probabilidades. Seção 5-1 Visão Geral. Visão Geral. distribuições de probabilidades discretas
Capítulo 5 Distribuições de Probabilidades 5-1 Visão Geral 5-2 Variáveis Aleatórias 5-3 Distribuição de Probabilidade Binomial 5-4 Média, Variância e Desvio Padrão da Distribuição Binomial 5-5 A Distribuição
Leia maisANÁLISE DE SINAIS DINÂMICOS
ANÁLISE DE SINAIS DINÂMICOS Paulo S. Varoto 7 . - Classificação de Sinais Sinais dinâmicos são geralmente classificados como deterministicos e aleatórios, como mostra a figura abaixo: Periódicos Determinísticos
Leia maisPropagação de erros. Rever conceitos e procedimentos de como realizar a propagação dos erros
Propagação de erros J.Kogler/2008 Objetivos: Rever conceitos e procedimentos de como realizar a propagação dos erros A.1. Erros instrumentais versus erros aleatórios Erros instrumentais são intrínsecos
Leia maisde equações diferenciais
Método de otimização para resolução de equações diferenciais José Mario Martínez Fedor Pisnitchenko Sandra Augusta Santos Matemática Aplicada - IMECC/UNICAMP, 13083-859 Campinas, SP, Brasil E-mail: martinez@ime.unicamp.br,
Leia mais5 Estudo de Caso e Resultados
5 Estudo de Caso e Resultados 5.1. Introdução Finalizado o desenvolvimento da ferramenta, é indispensável testar suas funcionalidades e a eficácia da aplicação conjunta dos seus módulos de geração de experimentos
Leia maisFACULDADE DE CIÊNCIAS EXATAS E TECNOLÓGICAS CAMPUS
FACULDADE DE CIÊNCIAS EXATAS E TECNOLÓGICAS CAMPUS UNIVERSITÁRIO DE SINOP CURSO DE ENGENHARIA ELÉTRICA Princípios de Comunicações Slides 5 e 6 Milton Luiz Neri Pereira (UNEMAT/FACET/DEE) 1 2.1 Sinais Um
Leia maisUma proposta para o ensino dos modos normais das cordas vibrante
UNIVERSIDADE FEDERAL DO RIO DE JANEIRO Instituto de Física Programa de Pós-Graduação em Ensino de Física Mestrado Profissional em Ensino de Física Uma proposta para o ensino dos modos normais das cordas
Leia maisNotas de Aula. Copyright 2007 Pearson Education, Inc Publishing as Pearson Addison-Wesley.
Notas de Aula Estatística Elementar 10ª Edição by Mario F. Triola Tradução: Denis Santos Slide 1 Capítulo 5 Distribuições de Probabilidades 5-1 Visão Geral 5-2 Variáveis Aleatórias 5-3 Distribuição de
Leia maisUm Estudo da Dinâmica da Equação Logística
Um Estudo da Dinâmica da Equação Logística Conconi, T.; Silva Lima, M.F. Resumo: Equações diferenciais são adequadas para representar sistemas discretos por grandezas cujos valores variam apenas em determinados
Leia mais2.3 Operações sobre uma variável aleatória - Esperança matemática
matemática 58 atingir a mosca dado que ele atingiu o alvo. Exercício 2.33. [3] Duas caixas tem bolas vermelhas, verdes e azuis dentro; a quantidade de cada uma é dada a seguir. Caixa 01-5 vermelhas; 35
Leia maisEstimadores, pontual e intervalar, para dados com censuras intervalar
Estimadores, pontual e intervalar, para dados com censuras intervalar Débora Ohara, Estela Maris Pereira Bereta, Teresa Cristina Martins Dias Resumo Dados com censura intervalar ocorrem com frequência
Leia maisAula 4: Gráficos lineares
Aula 4: Gráficos lineares 1 Introdução Um gráfico é uma curva que mostra a relação entre duas variáveis medidas. Quando, em um fenômeno físico, duas grandezas estão relacionadas entre si o gráfico dá uma
Leia maisResumo. Parte 7 Processos Estocásticos. Ramiro Brito Willmersdorf
Parte 7 Processos Estocásticos Ramiro Brito Willmersdorf ramiro@willmersdorf.net Departamento de Engenharia Mecânica Universidade Federal de Pernambuco 2011.2 Resumo 1 Processos Estocásticos 2 Classicação
Leia mais7 Extração de Dados Quantitativos
Capítulo 7 - Extração de Dados Quantitativos 119 7 Extração de Dados Quantitativos A técnica de medição desenvolvida e descrita nos capítulos anteriores produz como resultado a variação temporal da espessura
Leia maisAula 2. ESTATÍSTICA E TEORIA DAS PROBABILIDADES Conceitos Básicos
Aula 2 ESTATÍSTICA E TEORIA DAS PROBABILIDADES Conceitos Básicos 1. DEFINIÇÕES FENÔMENO Toda modificação que se processa nos corpos pela ação de agentes físicos ou químicos. 2. Tudo o que pode ser percebido
Leia maisFÍSICA EXPERIMENTAL III CONTRUÇÃO DE GRÁFICOS
FÍSICA EXPERIMENTAL III José Fernando Fragalli Departamento de Física Udesc/Joinville CONTRUÇÃO DE GRÁFICOS A Ciência está escrita neste grande livro colocado sempre diante dos nossos olhos o Universo
Leia maisUniversidade Federal do ABC. Processos Estocásticos. Profs. Marcio Eisencraft e Murilo Loiola
Universidade Federal do ABC Processos Estocásticos Profs. Marcio Eisencraft e Murilo Loiola São Paulo 2011 Capítulo 1 Introdução à análise e transmissão de sinais 1.1 Intodução Neste curso, trata-se dos
Leia mais7 Conclusões e desenvolvimentos futuros
7 Conclusões e desenvolvimentos futuros 7.1 Conclusões Este trabalho apresentou novas soluções para a determinação da posição de terminais de comunicações móveis com base em medidas de ToA. Nos métodos
Leia maisEisencraft e Loiola 2.1 Probabilidade 37. Para resolver problemas de probabilidades são necessários 3 passos:
Eisencraft e Loiola 2.1 Probabilidade 37 Modelo matemático de experimentos Para resolver problemas de probabilidades são necessários 3 passos: a Estabelecimento do espaço das amostras b Definição dos eventos
Leia maisAnálise Estatística de Sistemas de Comunicação Digitais Usando o Diagrama de Olho
Análise Estatística de Sistemas de Comunicação Digitais Usando o Diagrama de Olho MSc UERJ-FEN-DETEL Análise Estatística de Sistemas de Comunicação Digitais Os sistemas de comunicação digital operam com
Leia mais6- Probabilidade e amostras: A distribuição das médias amostrais
6- Probabilidade e amostras: A distribuição das médias amostrais Anteriormente estudamos como atribuir probabilidades a uma observação de alguma variável de interesse (ex: Probabilidade de um escore de
Leia maisProbabilidade combinada e amostragem condicional
Probabilidade combinada e amostragem condicional Introdução O objetivo desta aula é apresentar algumas técnicas de análise de correlação entre sinais que são muito empregadas em processamento de sinais.
Leia maisHegláucio Barros - ICICT/FIOCRUZ. Vitória - ES, 02 de junho de 2014
Exploração e Interpretação de séries Temporais e Bancos de Dados Noções Introdutórias para análises Da Matriz OIAPSS Diego Ricardo Xavier ICICT/FIOCRUZ Vitória - ES, 02 de junho de 2014 Hegláucio Barros
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS Em uma grande escola, 10% dos alunos são comprovadamente fracos. Um teste educacional conseguiu identificar corretamente 80% entre aqueles que são fracos e 85% entre aqueles que
Leia mais4 Modelos de Regressão Dinâmica
4 Modelos de Regressão Dinâmica Nos modelos de regressão linear (Johnston e Dinardo, 1998) estudados comumente na literatura, supõe-se que os erros gerados pelo modelo possuem algumas características como:
Leia maisUSO DE UM MODELO MATEMÁTICO CALIBRADO PARA SIMULAR CENÁRIOS DE DEMANDA FUTURA EM UMA REDE DE DISTRIBUIÇÃO DE ÁGUA DENTRO DE UM CAMPUS UNIVERSITÁRIO
USO DE UM MODELO MATEMÁTICO CALIBRADO PARA SIMULAR CENÁRIOS DE DEMANDA FUTURA EM UMA REDE DE DISTRIBUIÇÃO DE ÁGUA DENTRO DE UM CAMPUS UNIVERSITÁRIO Alexandre Hitoshi Ito 1 *& Priscila Pini Pereira 2 &
Leia maisMÉTODOS GEOESTATÍSTICOS BASEADOS EM MODELOS, APLICADOS A DADOS COMPOSICIONAIS NA CLASSIFICAÇÃO DE SOLOS
MÉTODOS GEOESTATÍSTICOS BASEADOS EM MODELOS, APLICADOS A DADOS COMPOSICIONAIS NA CLASSIFICAÇÃO DE SOLOS Orientador: Prof. PhD Paulo Justiniano Ribeiro Junior. 8 de outubro de 2008 Roteiro de Apresentação
Leia maisDESENVOLVIMENTO DA EQUAÇÃO PREDITIVA GERAL (EPG)
MELCONIAN, Marcos Vinícius. "Desenvolvimento da Equação Preditiva Geral (EPG)", p.79-102. In MELCONIAN, Marcos Vinicius. Modelagem numérica e computacional com similitude e elementos finitos, São Paulo:
Leia maisCAPÍTULO 2 OPERADORES DE CASAMENTO DE PADRÕES
CAPÍTULO 2 OPERADORES DE CASAMENTO DE PADRÕES 2.1 INTRODUÇÃO Neste capítulo são apresentados os principais operadores de casamento de padrões encontrados na literatura. No Apêndice A, encontram se mais
Leia maisTestes de Raiz Unitária para Dados em Painel
Aula 7 Bibliografia: Stata, 2017. help xtunitroot. From Stata/SE 13 (accessed on Oct. 23, 2018). Pesaran, M.H. (2015). Time series and panel data econometrics. Oxford: Oxford University Press. Rafael S.
Leia mais6 Clustering: Definindo Grupos Estratégicos
6 Clustering: Definindo Grupos Estratégicos 6.1 Introdução Não é difícil deduzir que as 60 empresas distribuidoras de energia elétrica, operantes no SEB, apresentam características heterogêneas. Entretanto,
Leia maisAnálise da influência do sistema Cantareira na sub-bacia do rio. Atibaia através do Multiscale Sample Entropy (MSE)
Análise da influência do sistema Cantareira na sub-bacia do rio 1 Introdução Atibaia através do Multiscale Sample Entropy (MSE) Lázaro de Souto Araújo 1,2 TatijanaStosic 1 O acelerado desenvolvimento agroindustrial
Leia maisExcel INTERMEDIÁRIO Estatística. Prof. Cassiano Isler Turma 3
Excel INTERMEDIÁRIO Prof. Cassiano Isler 2017.1 - Turma 3 s s Prof. Cassiano Isler Excel INTERMEDIÁRIO - Aula 4 2 / 29 s COSTA NETO, P. L. O.. 2. ed. São Paulo: Edgard Blücher (2002). GÓMEZ, Luis Alberto.
Leia maisOS EXPOENTES DE HURST NO RECONHECIMENTO DE PADRÕES EM MEDICINA
161 OS EXPOENTES DE HURST NO RECONHECIMENTO DE PADRÕES EM MEDICINA Antônio Carlos da Silva Filho Uni-FACEF Introdução O reconhecimento de padrões é uma área da ciência à qual são incorporadas novas técnicas
Leia maisModos Normais de Vibração. Ressonância num Tubo Fechado
Modos Normais de Vibração. Ressonância num Tubo Fechado Prof. Niels Fontes Lima Instituto Federal de Educação, Ciência e Tecnologia da Bahia Determinação da resposta de um tubo fechado em ambas extremidades
Leia maisMÉTODOS GEOESTATÍSTICOS BASEADOS EM MODELOS, APLICADOS A DADOS COMPOSICIONAIS NA CLASSIFICAÇÃO DE SOLOS
MÉTODOS GEOESTATÍSTICOS BASEADOS EM MODELOS, APLICADOS A DADOS COMPOSICIONAIS NA CLASSIFICAÇÃO DE SOLOS Orientador: Prof. PhD Paulo Justiniano Ribeiro Junior. 6 de novembro de 2008 Motivação Ciências da
Leia mais1 O esquema de Alamouti: Diversidade na transmissão
1 O esquema de Alamouti: Diversidade na transmissão 1.1 O Caso de uma antena receptora A Figura?? mostra a representação em banda básica do esquema de Alamouti com diversidade na transmissão. O esquema
Leia maisPID e Lugar das Raízes
PID e Lugar das Raízes 1. Controlador PID 2. Minorsky (1922), Directional stability of automatically steered bodies, Journal of the American Society of Naval Engineers, Vol. 34, pp. 284 Pilotagem de navios
Leia maisCONTROLE DA TEMPERATURA DE SECAGEM ARTIFICIAL DE GRÃOS 1
CONTROLE DA TEMPERATURA DE SECAGEM ARTIFICIAL DE GRÃOS 1 Saul Vione Winik 2, Vanessa Faoro 3, Rodolfo França De Lima 4, Oleg Khatchatourian 5, Cristiano Osinski 6. 1 Projeto de Iniciação Científica 2 Bolsista
Leia maisRESOLUÇÃO Nº 01/2016
Legislações Complementares: Resolução Nº 02/2016 Colegiado DEst Resolução Nº 03/2016 Colegiado DEst Resolução Nº 01/2017 Colegiado DEst RESOLUÇÃO Nº 01/2016 O Departamento de Estatística, tendo em vista
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS A distribuição dos tempos de permanência dos estudantes nos cursos de graduação de certa universidade é uma distribuição normal com média igual a 6 anos e desvio padrão igual
Leia maisIntrodução Equações médias da turbulência Estrutura turbulenta de cisalhamento Transporte de energia cinética turbulenta. Turbulência. J. L.
Turbulência J. L. Baliño Escola Politécnica - Universidade de São Paulo Apostila de aula 2017, v. 1 Turbulência 1 / 29 Sumário 1 Introdução 2 Equações médias da turbulência 3 Estrutura turbulenta de cisalhamento
Leia maisAnálise de dados em Fisica de Particulas
Análise de dados em Fisica de Particulas Magno V.T. Machado Instituto de Fisica - UFRGS Escola de Fisica de Particulas e Campos. Agosto 05-09, 2013 Números aleatórios e Monte Carlo Muitas aplicações computacionais
Leia maisESTATÍSTICA COMPUTACIONAL
ESTATÍSTICA COMPUTACIONAL Ralph dos Santos Silva Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Considere o problema de encontrar o valor que
Leia maisEstatística Descritiva
C E N T R O D E M A T E M Á T I C A, C O M P U T A Ç Ã O E C O G N I Ç Ã O UFABC Estatística Descritiva Centro de Matemática, Computação e Cognição March 17, 2013 Slide 1/52 1 Definições Básicas Estatística
Leia maisConsiderações sobre a Condição Inicial na Construção do Diagrama de Bifurcação para o Mapa Logístico
Trabalho apresentado no DINCON, Natal - RN, 2015. Proceeding Series of the Brazilian Society of Computational and Applied Mathematics Considerações sobre a Condição Inicial na Construção do Diagrama de
Leia maisTransformada Discreta de Fourier
Processamento Digital de Sinais Transformada Discreta de Fourier Prof. Dr. Carlos Alberto Ynoguti Jean Baptiste Joseph Fourier Nascimento: 21 de março de 1768 em Auxerre, Bourgogne, França Morte: 16 de
Leia maisIntrodução à Neurociência Computacional (Graduação) Prof. Antônio Roque Aula 6
Variações do modelo integra-e-dispara Nesta aula vamos apresentar algumas variações do modelo LIF visto na aula passada. Modelo integra-e-dispara com adaptação Estudos in vitro mostram que muitos tipos
Leia maisCapítulo I Introdução 24
1 Introdução Na última década, a poluição atmosférica tem sido assunto freqüente e de destaque na mídia em geral. Problemas de caráter global como o efeito estufa e a redução da camada de ozônio têm sido
Leia mais6 Referências bibliográficas
6 Referências bibliográficas BARROS, M.; SOUZA, R.C. Regressão Dinâmica. Núcleo de Estatística Computacional. PUC-Rio, 1995. BARROS, M. Processos Estocásticos. Rio de Janeiro. Papel Virtual, 2004. BROCKWELL,
Leia maisQuarto projeto computacional (data de entrega: 05/06/17)
Quarto projeto computacional (data de entrega: 05/06/17) 1. Escreva um programa em MATLAB (ou na sua linguagem favorita) que implemente numericamente o modelo de neurônio integra-e-dispara com vazamento
Leia maisTEMA: Estudo de processos de impacto visando o aumento da taxa de penetração na perfuração de rochas duras. Sub-tema: Vibrações em Viga Engastada
TEMA: Estudo de processos de impacto visando o aumento da taxa de penetração na perfuração de rochas duras Sub-tema: Vibrações em Viga Engastada Alunos: Carolina do Amaral Galhardo Pedro Tovar Braga Orientador:
Leia maisAplicação da metodologia Box & Jenkins para previsão de vendas de emulsificante
Aplicação da metodologia Box & Jenkins para previsão de vendas de emulsificante Eduardo Campana Barbosa1 Carlos Henrique Osório Silva2 Resumo: Utilizou-se a metodologia Box & Jenkins para previsão da demanda
Leia mais1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 2019 Estatística Descritiva e Análise Exploratória Etapas iniciais. Utilizadas para descrever e resumir os dados. A disponibilidade de uma grande quantidade
Leia maisEstrutura comum dos AEs Seleção
Estrutura comum dos AEs Seleção Todos os AEs mantém uma população de tamanho m por: Utilizando uma população como fonte de pais para produzir n descendentes Reduzindo o tamanho da população expandida de
Leia maisTransformada Discreta de Fourier
Processamento Digital de Sinais Transformada Discreta de Fourier Prof. Dr. Carlos Alberto Ynoguti Jean Baptiste Joseph Fourier Nascimento: 21 de março de 1768 em Auxerre, Bourgogne, França Morte: 16 de
Leia maisParte I. 1 Introdução. Conceitos. Sistemas Dinâmico Estáticos Dinâmica dos Sistemas Modelo matemático Modelo Físico
Parte I 2 ā Aula Introdução Conceitos Sistemas Dinâmico Estáticos Dinâmica dos Sistemas Modelo matemático Modelo Físico Construção de Modelos Matemáticos Procedimentos de projeto Análise e Síntese Exemplo
Leia maisMotivação. VA n-dimensional. Distribuições Multivariadas VADB. Em muitas situações precisamos
Motivação Em muitas situações precisamos Prof. Lorí Viali, Dr. viali@pucrs.br lidar com duas ou mais variáveis aleatórias ao mesmo tempo. Por exemplo o comprimento e a largura de uma determinada peça.
Leia maisVetores Auto-Regressivos (VAR) Cristian Rafael Pelizza Estágio de docência
Vetores Auto-Regressivos (VAR) Cristian Rafael Pelizza Estágio de docência Forma estrutural e reduzida O método VAR busca capturar a interdependência entre múltiplas séries de tempo. Estrutura-se equações
Leia maisSinais e Sistemas Mecatrónicos
Sinais e Sistemas Mecatrónicos Sinais e Sistemas Sinais Contínuos no Tempo José Sá da Costa José Sá da Costa T2 - Sinais Contínuos 1 Sinais Sinal É uma função associada a um fenómeno (físico, químico,
Leia maisRecozimento Simulado (Simulated Annealing)
Capítulo 5 Recozimento Simulado (Simulated Annealing) Francisco José da Cunha Pires Soeiro José Carlos Becceneri AntônioJosédaSilvaNeto 51 Motivação e Histórico do Método O Recozimento Simulado (Simulated
Leia maisINE 5101 Simulação Discreta. Simulação Discreta de Sistemas - Prof. Paulo Freitas - UFSC/CTC/INE
INE 5101 Simulação Discreta 1 Objetivos do curso Ao final deste curso você deverá saber: O que é modelagem e simulação de sistemas; Como funcionam programas de simulação; Como utilizar corretamente uma
Leia maisMarkov Switching Models. Profa. Airlane Alencar. Depto de Estatística - IME-USP. lane. Ref: Kim e Nelson (1999) e Hamilton (1990)
Markov Switching Models Profa. Airlane Alencar Depto de Estatística - IME-USP www.ime.usp.br/ lane Ref: Kim e Nelson (1999) e Hamilton (1990) 1 Objetivo Mudança nos parâmetros de um modelo de regressão
Leia maisUm robô está num corredor. Ele possui um mapa do corredor mas não sabe onde está localizado. A parede do corredor e indistinta, exceto pelas portas.
Um robô está num corredor. Ele possui um mapa do corredor mas não sabe onde está localizado. A parede do corredor e indistinta, exceto pelas portas. O corredor possui 3 portas idênticas, exceto pelas sua
Leia mais(a) t= 2,5s (b) t= 12,0 s (c) t= 17,5 s
125 (a) t= 2,5s (b) t= 12,0 s (c) t= 17,5 s (d) t= 21,0 s (e) t= 22,5 s (f) t = 24,0 s (g) t= 26,0 (h) t= 27,5 s (i) t= 30,0s Figura 5.7 - Evolução Temporal do Módulo de Vorticidade ω (Isosuperfície Nível
Leia maisModelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2014
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2014 Análise de desempenho São disponíveis duas abordagens para realizar a análise de desempenho:
Leia maisEconometria para Avaliação de Políticas Públicas
Aula 2: O Método de Diferenças em Diferenças Itaú Social 11/01/2016 Método extremamente popular nos últimos quinze anos. Exemplos de aplicação são os mais diversos: avaliação de programas de treinamento,
Leia maisTécnicas computacionais em probabilidade e estatística II
Técnicas computacionais em probabilidade e estatística II Universidade de São Paulo Instituto de Matemática e Estatística http:www.ime.usp.br/ mbranco Métodos de Monte Carlo baseados em Cadeias de Markov:
Leia mais