CONSTRUÇÃO DO METAMODELO SOLUÇÃO POR ELEMENTOS FINITOS MÉTODO DE OTIMIZAÇÃO SOLUÇÃO APROXIMADA SOLUÇÃO. (função de aproximação)
|
|
- Angélica Belo
- 4 Há anos
- Visualizações:
Transcrição
1 Escola Politécnica da Universidade de São Paulo Laboratório de Eletromagnetismo Aplicado LMAG-PEA-EPUSPEPUSP FUNÇÕES DE APROXIMAÇÃO APLICADAS AO PROJETO DE EQUIPAMENTOS ELETROMAGNÉTICOS
2 INTRODUÇÃO: OTIMIZAÇÃO DE UM PROJETO SOLUÇÃO POR ELEMENTOS FINITOS CONSTRUÇÃO DO METAMODELO (função de aproximação) MÉTODO DE OTIMIZAÇÃO CUSTO COMPUTACIONAL ALTO SOLUÇÃO SOLUÇÃO APROXIMADA CUSTO COMPUTACIONAL BAIXO
3 MODELOS POR SUBSTITUIÇÃO MODELO DE ELEMENTOS FINITOS MODELO POR APROXIMAÇÃO VARIÁVEIS DE PROJETO METAMODELO FUNÇÃO OBJETIVO 3
4 Funções de Aproximação funções radiais de base funções do tipo multiquadrics splines as superfícies de resposta as redes neurais artificiais Kriging e Cokriging 4
5 Função de Aproximação substituirá tanto a função objetivo e suas restrições no contexto de um processo de otimização; Características fundamentais: baixo custo computacional boa confiabilidade (erro em relação ao modelo de elemento finitos é baixo). 5
6 Algumas características dos dados Dados a serem analisados são oriundos de experimentos por computador. Natureza dos dados é determinística. Não há qualquer erro de medida. Logo o modelo a ser adotado deve ser interpolador. 6
7 FUNÇÕES RADIAIS DE BASE n S yˆ h x x i1 i i n S y( x ) h x x k i k i i1 GAUSSIANA MULTIQUADRICS h( x) x x exp i hx ( ) x 1 1 x i 7
8 Funções Radiais de Base Multiquadrics se x = x j então g(x j ) = f(x j ) N g( x) c x x i1 i i 1 [ c j ] [ Xij ] [ f1] X x x ij j i Com um raciocínio análogo faz a interpolação por Gaussianas As questões: qual o bom? Ou qual o bom? 8
9 KRIGING: VISÃO INTUITIVA 8 6 DADOS 4 MÉDIA
10 KRIGING KRIGING: VIA ESTIMATIVA DE MÁXIMA VEROSSIMILHANÇA Y( x) f T ( x) Z( x) TENDÊNCIA GLOBAL DESVIOS LOCAIS estimativa da média Z ( x) é a realização de um processo estocástico 10
11 Formalização Matemática do Mecanismo do Kriging Em experimentos por computador é usual adotar f(x) constante f(x) = β (Kriging Comum) Z(x) = N(0,σ ) Como determinar β e σ? Estimativa de Máxima Verossimilhança 11
12 Estimativa de Máxima Verossimilhança A matriz de covariância Cov[Z(x i ), Z(x j )] σ R(R(x i,x j )) Função de Correlação R( xi, x j ) e x i x j Gaussiana Melhor estimador não viesado vale: y E o vetor de correlação rt vale: ( x) ( ) r ( x, ) R( ) T r x R x x 1 R x x n t 1 ( ) [ ( ) ( )] S ( y T f( )) 1
13 Estimativa de Máxima Verossimilhança Se é conhecido, então é possível realizar uma estimativa de β e σ,pois a correlação é Gaussiana. ˆ t 1-1 ( ) ( f R(θ) f) ( f t R(θ) 1 y) ˆ ( ) [( y - f ˆ( )) T R 1 ( )( y - f ˆ( )]/ N 13
14 Estimativa de Máxima Verossimilhança Como determinar o coeficiente de correlação ()? max N ln( ˆ ( )) ln (det ( R )) y ( x) ( ) r t ( x, ) R( ) 1 ( y f( )) 14
15 TEAM 5 MATERIAL FERROMAGNÉTICO PEÇA A SER MAGNETIZADA BOBINAS 15
16 TEAM 5 [4;19](mm) 14mm [5;9.4](mm) [1.6;18](mm) HOMOGENEIDADE NA INDUÇÃO MAGNÉTICA 16
17 TEAM 5: A Função Objetivo n xip xio yip yio i=1 W = B -B + B -B VALOR ESPECIFICADO VALOR CALCULADO 17
18 TEAM 5: A influência das amostras Amostra 1: cada uma das 4 variáveis de otimizaçãodo problema assumiu sete valores distintos e equidistantes, desde seu valor mínimo até o valor máximo, obtendo-se uma amostra com 401 pontos. Amostra : manteve-se a variável L3 constante e igual a 14 mm, porque ela tem baixo impacto no problema analisado. Desta forma, manteve-se o critério anterior, sete valores distintos e equidistantes por variável, o que resulta uma diminuição do tamanho da amostra para 343 pontos. Amostra 3: a partir da amostra com 401 pontos, realiza-se um sorteio dos pontos que participarão da construção da função de aproximação. Amostra 4: a partir da amostra com 401 pontos, fixa-se uma das quatro variáveis que definirá um hiperplano. Neste hiperplano, realiza-se um sorteio dos pontos que participarão da construçao da funçao de aproximação. Esta amostragem é mais guiada do que a anterior. 18
19 TEAM 5 A influência das amostras e dos parâmetros (multiquadrics) 19
20 TEAM 5: A influência das amostras MULTIQUADRICS 0
21 TEAM 5: a influência do parâmetro (Gaussianas) 1
22 TEAM 5: análise comparativa (amostra )
23 TEAM 3
24 TEAM : 3 condições 1) A Energia armazenada no dispositivo deve ser 180MJ. ) A indução magnética nas linhas a e b (a 10 metros do dispositivo) deve ser a menor possível. 3) A condição de supercondutividade do enrolamento deve ser garantida. 4
25 TEAM : 1ª Condição Função que se busca minimizar é F Energia Energia E ref E ref Eref 180MJ 5
26 TEAM : ª Condição F B Stray B B Stray norm 3 Bnorm 3.0x10 T B Bstray i i1 stray 6
27 TEAM : 3ª Condição Acima da linha, o material perde sua característica de supercondutor. Fig. 8 Curva Limite do Supercondutor 7
28 TEAM : 3ª Condição J ( 6.4 B 54.0) A/ mm J.5 A/ mm B 4.9T FB max Max[( B 4.9),0] max 8
29 TEAM : Função Objetivo OF A partir das 3 Condições chegou-se a Função Objetivo que se deseja minimizar Energia Eref Bstray 15* Max[( Bmax 4.9),0] E B ref ª Condição norm PENALIDADE 1ª Condição 3ª Condição 9
30 Análise A análise deve ser sempre feita observando-se quatro aspectos: Função objetivo Energia B stray B max 30
31 Resultados Multiquadrics 31
32 Resultados - Gaussianas 3
33 Resultados 33
34 Resultados 34
35 Conclusão Eficiência das Funções de Aproximação Menor Versatilidade das Splines Amostras menores podem eventualmente ser eficientes Usou-se se análise de sensibilidade nas Funções Radiais de Base. TEAM : d e h são os parâmetros que mais sofrem com o processo de aproximação da função objetivo. 35
36 Para resolução Problema Definição do Problema es/stories/team/problem.pdf 36
37 Hipóteses Problema 8 parâmetros H, D e R valores ótimos H1, R1, D1, J1 e J são as possíveis variáveis. Cada sub-problema terá 3 variáveis 37
38 Os Sub-problemas Sub-problema 1: Variáveis (H1, D1 e R1). J1 e J no valor ótimo e Cálculo de Bmax na Bobina Sub-problema : Variáveis (H1, D1 e J1). R1 e J no valor ótimo e Cálculo de Bmax na Bobina Sub-problema 3: Variáveis (H1, J1 e R1). D1 e J no valor ótimo e Cálculo de Bmax na Bobina Sub-problema 4: Variáveis (J1, D1 e R1). H1 e J no valor ótimo e Cálculo de Bmax na Bobina Sub-problema 5: Variáveis (J, D1 e R1). H1 e J1 no valor ótimo e Cálculo de Bmax na Bobina 1 Sub-problema 6: Variáveis (J, D1 e R1). H1 e J1 no valor ótimo e Cálculo de Bmax na Bobina Valores ótimos: 38
39 Procedimento Duas opções: Resolve-se se o problema de otimização diretamente com MEF. Ou Cada variável terá cinco valores distintos. Forma-se uma base com 15 pontos (5x5x5). Faz-se uma interpolação da função objetivo. A escolha é sua. Passa-se se a etapa de Otimização. Qual método? A escolha é novamente sua. 39
40 A função objetivo vale: Energia Eref Bstray OF 15* Max[( Bmax Badm),0] E B ref 1ª Condição norm Logo deve-se calcular Energia, Btray e Bmax nos 15 pontos. B adm ª Condição PENALIDADE 3ª Condição O valor de deve ser calculado para cada sub-problema porque dependerá de J1 ou J. Dicas: 1) criar três funções de aproximação; uma para cada condição. ) o valor da penalidade da restrição pode (deve) ser alterada. 40
CCI-22 FORMALIZAÇÃO CCI-22 MODOS DE SE OBTER P N (X) Prof. Paulo André CCI - 22 MATEMÁTICA COMPUTACIONAL INTERPOLAÇÃO
CCI - MATEMÁTICA COMPUTACIONAL INTERPOLAÇÃO Prof. Paulo André ttp://www.comp.ita.br/~pauloac pauloac@ita.br Sala 0 Prédio da Computação -Gregory DEFINIÇÃO Em matemática computacional, interpolar significa
Leia maisRedes Neurais. A Rede RBF. Redes RBF: Função de Base Radial. Prof. Paulo Martins Engel. Regressão não paramétrica. Redes RBF: Radial-Basis Functions
Redes RBF: Função de Base Radial Redes Neurais A Rede RBF O LP é baseado em unidades que calculam uma função não-linear do produto escalar do vetor de entrada e um vetor de peso. A rede RBF pertence a
Leia maisOtimização a Múltiplos Objetivos de Dispositivos Eletromagnéticos pelo Método dos Elementos Finitos. Luiz Lebensztajn
Otimização a Múltiplos Objetivos de Dispositivos Eletromagnéticos pelo Método dos Elementos Finitos Luiz Lebensztajn Otimização a Múltiplos Objetivos Quando há necessidade de Otimização a Múltiplos Objetivos?
Leia maisInterpolação polinomial
Quarto roteiro de exercícios no Scilab Cálculo Numérico Rodrigo Fresneda 8 de abril de 0 Guia para respostas: Entregue suas respostas às tarefas contidas no roteiro de cada uma das quatro atividades, incluindo
Leia maisUniversidade de São Paulo Instituto de Ciências Matemáticas e de Computação
Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Francisco A. Rodrigues Departamento de Matemática Aplicada e Estatística - SME Objetivo Dada M classes ω 1, ω 2,..., ω M e um
Leia maisAula 2 Uma breve revisão sobre modelos lineares
Aula Uma breve revisão sobre modelos lineares Processo de ajuste de um modelo de regressão O ajuste de modelos de regressão tem como principais objetivos descrever relações entre variáveis, estimar e testar
Leia maisOtimização Linear. Profª : Adriana Departamento de Matemática. wwwp.fc.unesp.br/~adriana
Otimização Linear Profª : Adriana Departamento de Matemática adriana@fc.unesp.br wwwp.fc.unesp.br/~adriana Forma geral de um problema Em vários problemas que formulamos, obtivemos: Um objetivo de otimização
Leia maisInterpolação em imagens
Processamento de Imagens Médicas Interpolação em imagens Prof. Luiz Otavio Murta Jr. Informática Biomédica Depto. de Física e Matemática (FFCLRP/USP) 1 Principais Tópicos Introdução Método de interpolação
Leia maisTestes Formativos de Computação Numérica e Simbólica
Testes Formativos de Computação Numérica e Simbólica Os testes formativos e 2 consistem em exercícios de aplicação dos vários algoritmos que compõem a matéria da disciplina. O teste formativo 3 consiste
Leia maisDEPARTAMENTO DE ENGENHARIA DE ENERGIA E AUTOMAÇÃO ELÉTRICAS PEA-2211: INTRODUÇÃO À ELETROMECÂNICA E À AUTOMAÇÃO
PEA DEPARTAMENTO DE ENGENHARIA DE ENERGIA E AUTOMAÇÃO ELÉTRICAS PEA-11: INTRODUÇÃO À ELETROMECÂNICA E À AUTOMAÇÃO Produção de Forças 1 Introdução à Eletromecânica e à Automação PEA11 Produção de Forças
Leia maisPROVAS Ciência da Computação. 2 a Prova: 13/02/2014 (Quinta) Reavaliação: 20/02/2014 (Quinta)
PROVAS Ciência da Computação 2 a Prova: 13/02/2014 (Quinta) Reavaliação: 20/02/2014 (Quinta) Ajuste de Curvas Objetivo Ajustar curvas pelo método dos mínimos quadrados 1 - INTRODUÇÃO Em geral, experimentos
Leia maisTratamento Estatístico de Dados em Física Experimental
Tratamento Estatístico de Dados em Física Experimental Prof. Zwinglio Guimarães o semestre de 06 Tópico 7 - Ajuste de parâmetros de funções (Máxima Verossimilhança e Mínimos Quadrados) Método da máxima
Leia maisESTATÍSTICA COMPUTACIONAL
ESTATÍSTICA COMPUTACIONAL Ralph dos Santos Silva Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Se a integração analítica não é possível ou
Leia mais3.6 Erro de truncamento da interp. polinomial.
3 Interpolação 31 Polinômios interpoladores 32 Polinômios de Lagrange 33 Polinômios de Newton 34 Polinômios de Gregory-Newton 35 Escolha dos pontos para interpolação 36 Erro de truncamento da interp polinomial
Leia maisLucia Catabriga e Andréa Maria Pedrosa Valli
1-35 Lucia Catabriga e Andréa Maria Pedrosa Valli Laboratório de Computação de Alto Desempenho (LCAD) Departamento de Informática Universidade Federal do Espírito Santo - UFES, Vitória, ES, Brasil 2-35
Leia maisCÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano
CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 4 Ajuste de Curvas AJUSTE DE CURVAS Cálculo Numérico 3/55 Introdução Em geral, experimentos geram uma gama de dados que devem
Leia mais27/03/2009 INCERTEZA DE APLICADA AO USO DO GÁS NATURAL. Esp.Henrique Diniz. Objetivos. Abordar os aspectos práticos sobre Incerteza de Medição
INCERTEZA DE APLICADA AO USO DO GÁS NATURAL Esp.Henrique Diniz Objetivos Abordar os aspectos práticos sobre Incerteza de Medição 1 Bibliografia para Consulta Guia para Expressão da Incerteza nas Medições
Leia maisIntrodução à Teoria do Aprendizado
Introdução à Teoria do Aprendizado Carlos Hall Os processos no mundo real são intrinsecamente: dinâmicos (dependem do tempo) não lineares não gaussianos não estacionários com restrições com interações
Leia maisUniversidade Federal de Lavras
Universidade Federal de Lavras Departamento de Estatística Prof. Daniel Furtado Ferreira 6 a Lista de Exercícios Teoria da Estimação pontual e intervalar 1) Marcar como verdadeira ou falsa as seguintes
Leia maisMétodos Numéricos. Turma CI-202-X. Josiney de Souza.
Métodos Numéricos Turma CI-202-X Josiney de Souza josineys@inf.ufpr.br Agenda do Dia Aula 20 (09/11/15) Interpolação: Introdução Características Interpolação Linear: Introdução Características Exercícios
Leia maisCCI-22 LISTA DE EXERCÍCIOS
CCI-22 LISTA DE EXERCÍCIOS Capítulos 1 e 2: 1) Considere floats com 4 dígitos decimais de mantissa e expoentes inteiros entre -5 e 5. Sejam X =,7237.1 4, Y =,2145.1-3, Z =,2585.1 1. Utilizando um acumulador
Leia maisSabendo que f(x) é um polinômio de grau 2, utilize a formula do trapézio e calcule exatamente
MÉTODOS NUMÉRICOS E COMPUTACIONAIS II EXERCICIOS EXTRAIDOS DE PROVAS ANTERIORES EXERCICIOS RESOLVIDOS - INTEGRACAO-NUMERICA - EDO. Considere a seguinte tabela de valores de uma função f x i..5.7..5 f(x
Leia maisANÁLISE DE SÉRIES TEMPORAIS
ANÁLISE DE SÉRIES TEMPORAIS Ralph S. Silva http://www.im.ufrj.br/ralph/seriestemporais.html Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Estimação
Leia maisInterpolação polinomial
Cálculo Numérico Prof. Daniel G. Alfaro Vigo dgalfaro@dcc.ufrj.br Departamento de Ciência da Computação IM UFRJ Motivação: População do Brasil Ano População (milhões) 1960 70, 992343 1970 94, 508583 1980
Leia maisExercícios de programação
Exercícios de programação Estes exercícios serão propostos durante as aulas sobre o Mathematica. Caso você use outra linguagem para os exercícios e problemas do curso de estatística, resolva estes problemas,
Leia maisAndréa Maria Pedrosa Valli
Interpolação Polinomial Andréa Maria Pedrosa Valli Laboratório de Computação de Alto Desempenho (LCAD) Departamento de Informática Universidade Federal do Espírito Santo - UFES, Vitória, ES, Brasil 2-32
Leia maisAVALIAÇÃO DA QUALIDADE DAS MEDIDAS EXPERIMENTAIS NAS REGIÕES DE CONFIANÇA DOS PARÂMETROS CINÉTICOS ESTIMADOS DE UM SISTEMA COM REAÇÕES EM SÉRIE
AVALIAÇÃO DA QUALIDADE DAS MEDIDAS EXPERIMENTAIS NAS REGIÕES DE CONFIANÇA DOS PARÂMETROS CINÉTICOS ESTIMADOS DE UM SISTEMA COM REAÇÕES EM SÉRIE H. ENZWEILER 1, E. B. COUTINHO 2 e M. SCHWAAB 3 1 Universidade
Leia mais2 Conceitos de confiabilidade estrutural
2 Conceitos de confiabilidade estrutural As estruturas projetadas pelos engenheiros, geralmente são dimensionadas de forma conservadora, já que sobre elas são impostos fatores de segurança que são recomendados
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 maisUNIVERSIDADE FEDERAL DO ABC
UNIVERSIDADE FEDERAL DO ABC BC49 Cálculo Numérico - LISTA - sistemas lineares de equações Profs André Camargo, Feodor Pisnitchenko, Marijana Brtka, Rodrigo Fresneda Métodos diretos Analise os sistemas
Leia mais4 Implementação Computacional
4 Implementação Computacional 4.1. Introdução Neste capítulo é apresentada a formulação matemática do problema de otimização da disposição das linhas de ancoragem para minimizar os deslocamentos (offsets)
Leia maisEXERCICIOS RESOLVIDOS - INT-POLIN - MMQ - INT-NUMERICA - EDO
Cálculo Numérico EXERCICIOS EXTRAIDOS DE PROVAS ANTERIORES o sem/08 EXERCICIOS RESOLVIDOS - INT-POLIN - MMQ - INT-NUMERICA - EDO x. Considere a seguinte tabela de valores de uma função f: i 0 f(x i ).50
Leia maisMétodo Analítico. Método Numérico
UFRN/CT/DCA Nota de Aula Introdução aos Métodos Computacionais e Estudo dos Erros Prof Anderson Cavalcanti Métodos Computacionais Contextualização Muitos problemas de engenharia consistem em obter uma
Leia mais7 Estudo de Casos: Obtenção de uma Regra de Decisão Ótima por Aproximação com Algoritmos Genéticos
7 Estudo de Casos: Obtenção de uma Regra de Decisão Ótima por Aproximação com Algoritmos Genéticos 7.. Introdução Este capítulo analisa o problema de decisão de investimento num projeto sujeito a incertezas
Leia maisINTRODUÇÃO À ESTATÍSTICA ESPACIAL. Prof. Anderson Rodrigo da Silva
INTRODUÇÃO À ESTATÍSTICA ESPACIAL Prof. Anderson Rodrigo da Silva anderson.silva@ifgoiano.edu.br Métodos Índices de agregação Métodos de quantificação da dependência especial Correlograma Variograma Métodos
Leia maisControle Ótimo - Aula 8 Equação de Hamilton-Jacobi
Controle Ótimo - Aula 8 Equação de Hamilton-Jacobi Adriano A. G. Siqueira e Marco H. Terra Departamento de Engenharia Elétrica Universidade de São Paulo - São Carlos O problema de controle ótimo Considere
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 maisAlgoritmos Numéricos 2 a edição
Algoritmos Numéricos 2 a edição Capítulo 4: Ajuste de curvas c 2009 FFCf 2 Capítulo 4: Ajuste de curvas 4.1 Regressão linear simples 4.2 Qualidade do ajuste 4.3 Regressão linear múltipla 4.4 Ajuste via
Leia maisReconstrução Geométrica a Partir de Imagens TIC /TCC
Reconstrução Geométrica a Partir de Imagens TIC-00.243/TCC-00.241 Aula 6 Conteúdo Estimativa de Parâmetros Professor Leandro Augusto Frata Fernandes laffernandes@ic.uff.br Material disponível em http://www.ic.uff.br/~laffernandes/teaching/2014.2/tic-00.243
Leia maisPUC-GOIÁS - Departamento de Computação
PUC-GOIÁS - Departamento de Computação Fundamentos IV/Enfase Clarimar J. Coelho Goiânia, 28/05/2014 O que é interpolação polinomial? Ideia básica Permite construir um novo conjunto de dados a partir de
Leia mais( ) Aula de Hoje. Introdução a Sistemas Inteligentes. Modelo RBF (revisão) Modelo RBF (revisão)
Introdução a Sistemas Inteligentes ópicos em Redes Neurais III: Redes Neurais RBF ª Parte Prof. Ricardo J. G. B. Campello ICMC / USP Aula de Hoje Revisão de Modelos RBF reinamento de Modelos RBF Estimação
Leia mais4 Confiabilidade Estrutural 4.1. Introdução
4 Confiabilidade Estrutural 4.1. Introdução Os principais requisitos de um projeto de engenharia são: funcionalidade, adequação de custos, segurança, durabilidade e minimização de impactos ambientais,
Leia maisMÉTODOS NUMÉRICOS. ENGENHARIA ELECTRÓNICA INDUSTRIAL e de COMPUTADORES
UNIVERSIDADE DO MINHO MÉTODOS NUMÉRICOS ENGENHARIA ELECTRÓNICA INDUSTRIAL e de COMPUTADORES EXERCÍCIOS PRÁTICOS- 1 a parte Ano lectivo de 2004/2005 Exercícios práticos - CONUM Solução de uma equação não
Leia maisAjuste de Curvas. Diogo Pinheiro Fernandes Pedrosa. Universidade Federal do Rio Grande do Norte Centro de Tecnologia.
Ajuste de Curvas Diogo Pinheiro Fernandes Pedrosa Universidade Federal do Rio Grande do Norte Centro de Tecnologia Departamento de Engenharia de Computação e Automação http://wwwdcaufrnbr/ 1 Introdução
Leia maisIntrodução ao Cálculo Numérico Lista de Exercícios 1. (x x k )ω (x k ) = 1.
Introdução ao Cálculo Numérico 2005 Lista de Exercícios 1 Problema 1. Seja Q π n. Provar que L n (Q; x) Q(x), quaisquer que sejam os nos distintos x 0, x 1,..., x n. Problema 2. Se n N e x 0, x 1,...,
Leia maisAnálise de Regressão Linear Múltipla III
Análise de Regressão Linear Múltipla III Aula 6 Hei et al., 4 Capítulo 3 Suposições e Propriedades Suposições e Propriedades MLR. O modelo de regressão é linear nos parâmetros O modelo na população pode
Leia maisInterpolação Polinomial. Ana Paula
Interpolação Polinomial Sumário 1 Interpolação Polinomial 2 Forma de Lagrange 3 Revisão Interpolação Polinomial Interpolação Polinomial Interpolação Polinomial Interpolação Polinomial Suponha que se tenha
Leia maisUNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT. Faculdade de Ciências Exatas e Tecnológicas FACET / Sinop Curso de Bacharelado em Engenharia Elétrica
REDES DE FUNÇÃO DE BASE RADIAL - RBF Prof. Dr. André A. P. Biscaro 1º Semestre de 2017 Funções de Base Global Funções de Base Global são usadas pelas redes BP. Estas funções são definidas como funções
Leia maisAjuste de mínimos quadrados
Capítulo 5 Ajuste de mínimos quadrados 5 Ajuste de mínimos quadrados polinomial No capítulo anterior estudamos como encontrar um polinômio de grau m que interpola um conjunto de n pontos {{x i, f i }}
Leia maisNotas de Aula de Cálculo Numérico
IM-Universidade Federal do Rio de Janeiro Departamento de Ciência da Computação Notas de Aula de Cálculo Numérico Lista de Exercícios Prof. a Angela Gonçalves 3 1. Erros 1) Converta os seguintes números
Leia maisSeja (X,Y) uma v.a. bidimensional contínua ou discreta. Define-se valor esperado condicionado de X para um dado Y igual a y da seguinte forma:
46 VALOR ESPERADO CONDICIONADO Seja (X,Y) uma v.a. bidimensional contínua ou discreta. Define-se valor esperado condicionado de X para um dado Y igual a y da seguinte forma: Variável contínua E + ( X Y
Leia maisAutores: Interpolação por Spline Cúbica e Método de Integração de Simpson para Cálculo de Campo Magnético PLANO BÁSICO: MÉTODOS NUMÉRICOS
UNIVERSIDADE FEDERAL DO CEARÁ - UFC CENTRO DE TECNOLOGIA CT DEPARTAMENTO DE ENGENHARIA ELÉTRICA DEE PROGRAMA DE EDUCAÇÃO TUTORIAL - PET PLANO BÁSICO: MÉTODOS NUMÉRICOS Interpolação por Spline Cúbica e
Leia maisUNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT. Faculdade de Ciências Exatas e Tecnológicas FACET / Sinop Curso de Bacharelado em Engenharia Elétrica
REDES NEURAIS ARTIFICIAIS MÁQUINA DE VETOR DE SUPORTE (SUPPORT VECTOR MACHINES) Prof. Dr. André A. P. Biscaro 1º Semestre de 2017 Introdução Poderosa metodologia para resolver problemas de aprendizagem
Leia maisSéries Temporais e Modelos Dinâmicos. Econometria. Marcelo C. Medeiros. Aula 9
em Econometria Departamento de Economia Pontifícia Universidade Católica do Rio de Janeiro Aula 9 Data Mining Equação básica: Amostras finitas + muitos modelos = modelo equivocado. Lovell (1983, Review
Leia maisMatemática Computacional - 2 o ano LEMat e MEQ
Instituto Superior Técnico Departamento de Matemática Secção de Matemática Aplicada e Análise Numérica Matemática Computacional - o ano LEMat e MEQ Exame/Teste - 1 de Janeiro de 1 - Parte I (1h3m) 1. Considere
Leia maisAdriana da Costa F. Chaves. Máquina de Vetor Suporte (SVM) para Classificação Binária 2
Máquina de Vetor Suporte (SVM) para Classificação Binária Adriana da Costa F. Chaves Conteúdo da Apresentação Introdução Máquinas de Vetor Suporte para Classificação binária Exemplos Conclusão Máquina
Leia maisREGRESSÃO E CORRELAÇÃO
REGRESSÃO E CORRELAÇÃO A interpretação moderna da regressão A análise de regressão diz respeito ao estudo da dependência de uma variável, a variável dependente, em relação a uma ou mais variáveis explanatórias,
Leia maisPEA - LABORATÓRIO DE ELETROTÉCNICA GERAL. CONDUTORES E DISPOSITIVOS DE PROTEÇÃO Código: CDP
PEA Eletrotécnica Geral PEA - LABORATÓRIO DE ELETROTÉCNICA GERAL CONDUTORES E DISPOSITIVOS DE PROTEÇÃO Código: CDP RELATÓRIO - NOTA... Grupo:...... Professor:...Data:... Objetivo:...... IMPORTANTE: Em
Leia maisBCC465 - TÉCNICAS DE MULTI-OBJETIVO. Gladston Juliano Prates Moreira 22 de novembro de 2017
BCC465 - TÉCNICAS DE OTIMIZAÇÃO MULTI-OBJETIVO Aula 04 - Otimização Não-linear Gladston Juliano Prates Moreira email: gladston@iceb.ufop.br CSILab, Departamento de Computação Universidade Federal de Ouro
Leia mais6 Ajuste de mínimos quadrados
6 Ajuste de mínimos quadrados polinomial No capítulo anterior estudamos como encontrar um polinômio de grau m que interpola um conjunto de n pontos {{x i, f i }} n Tipicamente quando m < n esse polinômio
Leia maisexercícios de análise numérica II
exercícios de análise numérica II lic. matemática aplicada e computação (4/5) aulas práticas - capítulo Exercício. Mostre que a soma dos polinómios base de Lagrange é a função constante. Exercício. Usando
Leia maisESTATÍSTICA COMPUTACIONAL
ESTATÍSTICA COMPUTACIONAL Ralph dos Santos Silva Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Introdução Solução de equações não lineares
Leia maisp( y θ ) depende de um parâmetro desconhecido θ.
55Modelação, Identificação e Controlo Digital 55 Método de Máxima Verosimilhança (Maximum Likelihood) Seja y uma variável aleatória (v. a.) cuja densidade de probabilidade p( y θ ) depende de um parâmetro
Leia maisSéries Temporais e Modelos Dinâmicos. Econometria. Marcelo C. Medeiros. Aula 12
em Econometria Departamento de Economia Pontifícia Universidade Católica do Rio de Janeiro Aula 12 Regressão com Variáveis Não-Estacionárias Considere três processos estocásticos definidos pelas seguintes
Leia maisIntrodução à Otimização de Processos. Prof. Marcos L Corazza Departamento de Engenharia Química Universidade Federal do Paraná
Introdução à Otimização de Processos Prof. Marcos L Corazza Departamento de Engenharia Química Universidade Federal do Paraná Otimização Não-Linear Algumas definições e conceitos preliminares: 1. Derivadas
Leia maisVetor de Variáveis Aleatórias
Vetor de Variáveis Aleatórias Luis Henrique Assumpção Lolis 25 de junho de 2013 Luis Henrique Assumpção Lolis Vetor de Variáveis Aleatórias 1 Conteúdo 1 Vetor de Variáveis Aleatórias 2 Função de Várias
Leia maisMatemática Computacional Ficha 5 (Capítulo 5) 1. Revisão matéria/formulário
Matemática Computacional Ficha 5 (Capítulo 5) Integração numérica 1. Revisão matéria/formulário A técnica de aproximar o integral de f pelo integral do seu polinómio interpolador passando num conjunto
Leia maisLicenciatura em Engenharia Electrotécnica e de Computadores. 1 a chamada Ou seja,
Licenciatura em Engenharia Electrotécnica e de Computadores Análise Numérica 1 a chamada 00-01-08 Resolução da Parte Prática 1 (a) O valor aproximado de w é obtido a partir dos valores aproximados de x,
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semana Conteúdo 1 Apresentação da disciplina. Princípios de modelos lineares
Leia maisANÁLISE DISCRIMINANTE
ANÁLISE DISCRIMINANTE 56 ª Reunião Anual da Região Brasileira da Sociedade Internacional de Biometria 4 º Simpósio de Estatística Aplicada à Experimentação Agronômica Prof. Edwirde L. Silva 5 A 9 de Julho
Leia maisAula 3 11/12/2013. Integração Numérica
CÁLCULO NUMÉRICO Aula 3 11/12/2013 Integração Numérica Objetivo: Calcular integrais utilizando métodos numéricos Cálculo Numérico 3/64 Integração Numérica Cálculo Numérico 4/64 Integração Numérica Em determinadas
Leia maisTrabalho 1. Gustavo Mello Reis Página 1
Trabalho Gustavo Mello Reis Página . Estudo de caso a) Uma empresa fabricante de automóveis estava tendo problemas com os vidros dos carros, estes estavam vindo com arranhões. Em busca de obter melhor
Leia maisCC-226 Aula 07 - Estimação de Parâmetros
CC-226 Aula 07 - Estimação de Parâmetros Carlos Henrique Q. Forster - Instituto Tecnológico de Aeronáutica 2008 Estimação de Parâmetros Para construir o classificador bayesiano, assumimos as distribuições
Leia maisMétodos Numéricos - Notas de Aula
Métodos Numéricos - Notas de Aula Prof a Olga Regina Bellon Junho 2007 Introdução A interpolação é outra técnicas bem conhecida e básica do cálculo numérico. Muitas funções são conhecidas apenas em um
Leia maisCapítulo 2. Distribuições de Probabilidade Estimativas de parâmetros e tempos-atéfalha. Flávio Fogliatto
Capítulo 2 Distribuições de Probabilidade Estimativas de parâmetros e tempos-atéfalha Flávio Fogliatto 1 Ajustes de distribuições Em estudos de confiabilidade, dados são amostrados a partir de uma população
Leia maisMEEMF-2010 Aula 01. Noções de inferência estatística: Diferença entre máxima verossimilhança e abordagem bayesiana
MEEMF-2010 Aula 01 Noções de inferência estatística: Diferença entre máxima verossimilhança e abordagem bayesiana O que é inferência estatística? Inferência estatística é o importante ramo da Estatística
Leia maisMAP Métodos Numéricos e Aplicações Escola Politécnica 1 Semestre de 2017 EPREC - Entrega em 27 de julho de 2017
1 Preliminares MAP3121 - Métodos Numéricos e Aplicações Escola Politécnica 1 Semestre de 2017 EPREC - Entrega em 27 de julho de 2017 A decomposição de Cholesky aplicada a Finanças O exercício-programa
Leia maisExame/Teste (1) de Análise Numérica (LMAC, MEIC, MMA) Instituto Superior Técnico, 12 de Janeiro de 2011, 18h30-20h00 (1º Teste)
Exame/Teste () de Análise Numérica (LMAC, MEIC, MMA) Instituto Superior Técnico, de Janeiro de, 8h-h (º Teste) ) [] Seja f(x) = e x a) Determine um p n polinómio interpolador de f nos nós {, }, tal que
Leia mais4 Elementos da análise probabiĺıstica
4 Elementos da análise probabiĺıstica Projetos de engenharia envolvem riscos que contém consequências e probabilidades associadas. Sob condições de incerteza deve-se incluir adequadamente os conceitos
Leia maisCC-226 Aula 05 - Teoria da Decisão Bayesiana
CC-226 Aula 05 - Teoria da Decisão Bayesiana Carlos Henrique Q. Forster - Instituto Tecnológico de Aeronáutica 2008 Classificador Bayesiano Considerando M classes C 1... C M. N observações x j. L atributos
Leia maisExercícios de ANÁLISE E SIMULAÇÃO NUMÉRICA
Exercícios de ANÁLISE E SIMULAÇÃO NUMÉRICA Licenciaturas em Engenharia do Ambiente e Química 2 o Semestre de 2005/2006 Capítulo IV Aproximação de Funções 1 Interpolação Polinomial 1. Na tabela seguinte
Leia maisDefinição. Os valores assumidos pelos estimadores denomina-se estimativas pontuais ou simplesmente estimativas.
1. Inferência Estatística Inferência Estatística é o uso da informção (ou experiência ou história) para a redução da incerteza sobre o objeto em estudo. A informação pode ou não ser proveniente de um experimento
Leia mais3. Estimação pontual USP-ICMC-SME. USP-ICMC-SME () 3. Estimação pontual / 25
3. Estimação pontual USP-ICMC-SME 2013 USP-ICMC-SME () 3. Estimação pontual 2013 1 / 25 Roteiro Formulação do problema. O problema envolve um fenômeno aleatório. Interesse em alguma característica da população.
Leia maisPARTE TEÓRICA Perguntas de escolha múltipla
PROBABILIDADES E ESTATÍSTICA MIEEC/FEUP PARTE TEÓRICA Perguntas de escolha múltipla 1 Dada a experiência aleatória ε define-se espaço amostral associado a ε como sendo: A O espaço físico onde se realiza
Leia maisAnálise de Dados Longitudinais Aula
1/35 Análise de Dados Longitudinais Aula 08.08.2018 José Luiz Padilha da Silva - UFPR www.docs.ufpr.br/ jlpadilha 2/35 Sumário 1 Revisão para dados transversais 2 Como analisar dados longitudinais 3 Perspectiva
Leia maisProgramação Linear M É T O D O S : E S T A T Í S T I C A E M A T E M Á T I C A A P L I C A D A S D e 1 1 d e m a r ç o a 2 9 d e a b r i l d e
Programação Linear A otimização é o processo de encontrar a melhor solução (ou solução ótima) para um problema. Existe um conjunto particular de problemas nos quais é decisivo a aplicação de um procedimento
Leia maisResolução do Exame Tipo
Departamento de Matemática e Engenharias Análise e Computação Numérica Resolução do Exame Tipo 1. O computador IBM 3090 possuía um sistema de vírgula flutuante F F(16, 5, 65, 62) (em precisão simples),
Leia maisétodos uméricos INTERPOLAÇÃO, EXTRAPOLAÇÃO, APROXIMAÇÃO E AJUSTE DE FUNÇÕES Prof. Erivelton Geraldo Nepomuceno
étodos uméricos INTERPOLAÇÃO, EXTRAPOLAÇÃO, APROXIMAÇÃO E AJUSTE DE FUNÇÕES Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA
Leia maisCOKRIGAGEM. Aplicação da cokrigagem
COKRIGAGEM Procedimento geoestatístico segundo o qual diversas variáveis regionalizadas podem ser estimadas em conjunto, com base na correlação espacial entre si. É uma extensão multivariada do método
Leia maisCONHECIMENTOS ESPECÍFICOS
fonte de graus de soma de quadrado variação liberdade quadrados médio teste F regressão 1 1,4 1,4 46,2 resíduo 28 0,8 0,03 total 2,2 A tabela de análise de variância (ANOVA) ilustrada acima resulta de
Leia maisExercícios de Mínimos Quadrados
INSTITUTO DE CIÊNCIAS MATEMÁTICAS E DE COMPUTAÇÃO DEPARTAMENTO DE MATEMÁTICA APLICADA E ESTATÍSTICA Exercícios de Mínimos Quadrados 1 Provar que a matriz de mínimos quadrados é denida positiva, isto é,
Leia maisSERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE MINAS GERAIS IFMG
Matriz Curricular FGGELET - Bacharelado em Engenharia Elétrica 00. Disciplinas Obrigatórias FGGELET.00 FGGELET.00 Algoritmos e Programação I Cálculo I 0,00 FGGCOMP.0 - Algoritmos I / FGGELET.0 - Algoritmos
Leia maisSegunda Lista de Exercícios Cálculo de Probabilidades II Prof. Michel H. Montoril
Exercício 1. Uma urna contém 4 bolas numeradas: {1, 2, 2, 3}. Retira-se dessa urna duas bolas aleatoriamente e sem reposição. Sejam 1 : O número da primeira bola escolhida; 2 : O número da segunda bola
Leia maisHomero Ghioti da Silva. 23 de Maio de 2016 FACIP/UFU. Homero Ghioti da Silva (FACIP/UFU) 23 de Maio de / 16
Homero Ghioti da Silva FACIP/UFU 23 de Maio de 2016 Homero Ghioti da Silva (FACIP/UFU) 23 de Maio de 2016 1 / 16 Interpolação Polinomial por Diferençãs Divididas Finitas (DDF) ou interpolação de Newton
Leia mais- Métodos numéricos. - Métodos analíticos versus métodos numéricos. - Necessidade de se usar métodos numéricos. - Métodos iterativos
Tópicos Tópicos - Métodos numéricos - Métodos analíticos versus métodos numéricos - Necessidade de se usar métodos numéricos - Métodos iterativos - Resolução de problemas - Problemas com equações não lineares
Leia maisActividade Formativa 1
Actividade Formativa 1 Resolução 1. a. Dada a função y 3+4x definida no conjunto A {x R: 2 x < 7} represente graficamente A e a sua imagem; exprima a imagem de A como um conjunto. b. Dada a função y 3
Leia maisBernardo Kulnig Pagnoncelli 1 e Humberto José Bortolossi 2
Uma Introdução à Otimização sob Incerteza Bernardo Kulnig Pagnoncelli 1 e Humberto José Bortolossi 2 1 Departamento de Matemática Pontifícia Universidade Católica do Rio de Janeiro 2 Departamento de Matemática
Leia mais5 Análise de Confiabilidade
5 Análise de Confiabilidade Nas últimas décadas houve uma aceitação da análise de confiabilidade como uma ferramenta complementar para avaliar a segurança e a confiabilidade de problemas geotécnicos. A
Leia maisEconometria. Econometria ( ) O modelo de regressão linear múltipla. O modelo de regressão linear múltipla. Aula 2-26/8/2010
Aula - 6/8/010 Econometria Econometria 1. Hipóteses do Modelo de RLM O modelo de regressão linear múltipla Estudar a relação entre uma variável dependente e uma ou mais variáveis independentes. Forma genérica:
Leia maisModelagem Computacional. Parte 8 2
Mestrado em Modelagem e Otimização - RC/UFG Modelagem Computacional Parte 8 2 Prof. Thiago Alves de Queiroz 2/2016 2 [Cap. 10 e 11] BURDEN, R. L.; FAIRES, J. D. Numerical Analysis (9th ed). Cengage Learning,
Leia mais