ANÁLISE MULTICRITÉRIO COM PREFERÊNCIAS DESCONHECIDAS: UMA APLICAÇÃO DO MÉTODO SMAA-2

Tamanho: px
Começar a partir da página:

Download "ANÁLISE MULTICRITÉRIO COM PREFERÊNCIAS DESCONHECIDAS: UMA APLICAÇÃO DO MÉTODO SMAA-2"

Transcrição

1 ANÁLISE MULTICRITÉRIO COM PREFERÊNCIAS DESCONHECIDAS: UMA APLICAÇÃO DO MÉTODO SMAA-2 Luz Flavo Autran Montero Gomes Ibme/RJ Av. Presdente Wlson 118, Sala 1110, Ro de Janero, RJ Luís Alberto Dunan Rangel UFF - Esola de Engenhara Industral Metalúrga de Volta Redonda, Av. dos Trabalhadores 420, Vla Santa Ceíla, , Volta Redonda, RJ Resumo As aplações do Apoo Multrtéro à Desão são normalmente dependentes das expltações das preferênas dos desores por alternatvas para ada rtéro, bem omo das avalações, por tas agentes, das mportânas relatvas dos rtéros. Busando-se resolver problemas de avalação e desão multrtéro nos quas essas preferênas, juntamente om tas mportânas relatvas, não estão dsponíves, pesqusadores fnlandeses desenvolveram, na últma déada, a famíla de métodos SMAA, omo SMAA-1, SMAA-D, SMAA-O, SMAA-2, SMAA-3, SMAA-A, SMAA-TRI, Ref-SMAA e SMAA-P. Estes métodos onsstem, em essêna, na formulação de problemas nversos no espaço de pesos, resultando na resolução de ntegras multdmensonas, sendo assm propíos ao tratamento por smulação de Monte Carlo. Neste artgo apresentam-se os prnpas onetos de tal famíla e mostra-se uma aplação numéra de um dos mas mportantes dentre esses métodos, o SMAA-2. Conlu-se pela propredade da aplação dos métodos SMAA dante da supratada nexstêna das nformações e reomenda-se um futuro desenvolvmento de pesqusa. PALAVRAS CHAVE: Desões multrtéro sob desonhemento das preferênas Resolução de ntegras múltplas por smulação Apoo Multrtéro à Desão Abstrat Applatons of Multrtera Deson Adng are normally dependent on preferenes onernng alternatves for eah rteron. They are also dependent on measures of mportane of rtera. Ether suh preferenes or measures are not avalable or are hghly unertan Fnnsh researhers have developed n the last deade a famly of analytal methods named SMAA. Methods belongng to ths famly are SMAA-1, SMAA-D, SMAA-O, SMAA-2, SMAA-3, SMAA-A, SMAA-TRI, Ref-SMAA and SMAA-P. Those onsst n essene n formulatng nverse problems n the weght spae. Those problems lead to solvng multdmensonal ntegrals and an be approahed by Monte Carlo smulaton. In ths artle major onepts of SMAA methods are presented. A numeral applaton example of one of the most mportant among these methods, the SMAA-2 method, s shown. The artle loses by pontng out the approprateness of usng SMAA methods when the above-mentoned lmtatons preval. A future researh development s reommended. KEYWORDS: Multrtera desons under unnown preferenes Resoluton of multple ntegrals by smulaton Dsrete multrtera deson adng 3213

2 1. Introdução A tomada de desão no mundo orporatvo enfrenta desafos ada vez mas omplexos nfluenados por fatores dversos tas omo a dsponbldade de reursos fnaneros, reursos humanos, polítas nternas e externas, varáves ténas e estratégas, dentre outros. A velodade em que desões presam ser tomadas e exeutadas pode resultar em ganhos de vantagem ompettva em alguns momentos, assm omo em perdas sgnfatvas em outros. Este aspeto passa pelo desonhemento a pror de enáros futuros, gerando nsegurança quanto aos resultados orundos da tomada de desão em stuações omplexas e uma neessdade resente de faltar-se o proesso desóro em ambentes de rso e nerteza. Embora o advento de um ampo de onhemento denomnado Apoo Multrtéro à Desão, na segunda metade do séulo passado, tenha enrquedo onsderavelmente o proesso de análse de desão em ambentes omplexos, anda assm as desões sempre se dão em meo ao rso e à nerteza (BELTON & STEWART, 2002; GOMES, ARAYA & CARIGNANO, 2004). Por outro lado, embora exsta uma oferta expressva de métodos analítos para apoo multrtéro à desão, a quase totaldade de tas métodos parte tradonalmente da premssa segundo a qual as preferênas dos agentes de desão são reveladas de uma forma presa ou, alternatvamente, que tas preferênas podem ser tratadas por ténas para modelagem de mpresão e nerteza, tas omo onjuntos nebulosos, onjuntos aproxmatvos, métodos ntervalares ou, anda, a teora de evdêna de Dempster-Shafer (FIGUEIRA, GRECO & EHRGOTT, 2005; SALICONE, 2007). Desta forma, na tentatva de analsar e resolver problemas de tomada de desão em presença de múltplos rtéros, bem omo de gnorâna, mpresão e nerteza, pesqusadores flandeses reentemente desenvolveram uma nova famíla de métodos. Esta famíla denomna-se Análse Multrtéro Estoásta de Aetabldade, ou, sntetamente, SMAA (de Stohast Multrtera Aeptablty Analyss). Os métodos desta famíla tem sdo desenvolvdo para abordar problemas multrtéro de seleção (Pα), ordenamento ou ranng (Pγ), ou lassfação (Pβ). Assm, aetando o desonhemento dos parâmetros do problema, os métodos SMAA tem omo base uma análse nversa do espaço de valores váves desses parâmetros. Por onsegunte, tomando-se omo exemplo um problema de ordenamento, o que um método SMAA orrespondente (no aso, o SMAA-O) faz é, em essêna, alular as probabldades de que as alternatvas tenham determnadas posções no ordenamento desejado. Este artgo apresenta as déas entras dos métodos SMAA, bem omo um exemplo numéro de aplação de um dos mas mportantes dentre esses métodos, o SMAA A Famíla de Métodos SMAA A vsão subjaente aos métodos SMAA onsste em abordar-se o problema de desão de uma forma nversa: ao nvés de busar os valores dos parâmetros e, através de um álulo por um método multrtéro, obter-se uma resposta para tal problema, dentfam-se os valores dos parâmetros do problema que resultam em dferentes resultados (TERVONEN & LAHDELMA, 2007; TERVONEN & FIGUEIRA, 2008). Desta forma, pode-se afrmar que os métodos SMAA tem raízes nos artgos de Charnets (1973) e Charnets & Soland (1978), na medda em que estes autores busaram alular, para ada alternatva, o volume do espaço multdmensonal de pesos que torna ada alternatva a mas preferda dentre todas. Também tem a ver om a proposta de Retveld (1980), depos amplada em Retveld & Ouwersloot (1992); nestas, seus autores apresentaram formulações smlares às daqueles dos prmeros autores, embora para problemas om rtéros ordnas e nformação ordnal sobre preferênas. Fnalmente, pode-se anda afrmar que o trabalho de Bana e Costa (1986) sobre rtéro de ompromsso global é outro preursor dos métodos SMAA, na medda em que esse autor propôs, porém para três rtéros apenas, alular-se a quantdade de onflto entre as preferênas de dferentes desores de modo a defnr-se uma função de densdade de probabldade onjunta para o espaço de pesos. Os métodos da famíla SMAA são, além do SMAA-1 (LAHDELMA, HOKKANEN & SALMINEN, 1998), SMAA-D (LAHDELMA, SALMINEN & HOKKANEN, 1999), SMAA-O (LAHDELMA, MIETTINEN & SALMINEN, 2003), SMAA-2 (LAHDELMA; SALMINEN, 2001), SMAA-3 (LAHDELMA & SALMINEN, 2002), SMAA-A (LAHDELMA, MIETTINEN 3214

3 P (w) segundo P maor & SALMINEN, 2002), Ref-SMAA (LAHDELMA, MIETTINEN & SALMINEN, 2005), SMAA-TRI (TERVONEN et al., 2007), e SMAA-P (LAHDELMA & SALMINEN, 2009). Sejam m alternatvas X = {xb1b,..., xbb,..., xbmb} e n rtéros {gb1b,...,gbjb,...,gbnb}. Por gbj B(xBB) desgna-se a avalação da alternatva xbb o rtéro gbjb. A famíla de métodos SMAA parte da premssa de que a estrutura de preferênas do desor pode ser representada por uma função de utldade (KEENEY & RAIFFA, 1976) de valor real u (xbb,w), assoada às dferentes alternatvas e dependente dos valores dos omponentes do vetor de pesos w W. Consdere-se também que podem haver múltplos desores e ada um destes desores tem uma estrutura de preferênas representada por um vetor de pesos ndvdual w e uma função de utldade de valor real u (xbb,w), om uma forma onsensualmente aeta. A função de utldade lnear, mostrada na Equação (1), é a mas omumente empregada: n u( x, w) = w u ( x ) (1) j= 1 j j j Sendo os supratados pesos dos rtéros valores não-negatvos e normalzados, esreve-se o espaço de pesos vável omo sendo n n W = { w R : w 0 w j} (2) j= 1 A função de utldade total mostrada em (1) é uma função onvexa de funções de utldade paras u j ( x j ), lendo-se os valores dos pesos dos rtéros em uma esala de 0 a 1. Se os valores dos pesos dos rtéros fossem presamente onhedos e um vetor peso úno estabeledo, o problema sera resolvdo trvalmente através do álulo do valor da função de utldade para ada alternatva, esolhendo-se então a alternatva om o maor valor de utldade. No entanto, omo os métodos SMAA foram desenvolvdos justamente para stuações onde os valores dos pesos não são, de um modo geral, onhedos, representa-se esses valores por varáves estoástas ξbj Borrespondentes às avalações determnístasb B(xBB)B BgBj Bom probabldade onjunta de dstrbução presumda ou estmada e uma função de densdade onjunta fbχb(ξ) no mxn espaço χ RP P. Analogamente, pode-se representar as preferênas desonhedas ou paralmente onhedas dos desores por meo de uma dstrbução de pesos om função de densdade onjunta fbwb no espaço vável de pesos W. Faz-se uso da dstrbução unforme de pesos em W quando se desonhee ompletamente nformações sobre os pesos, ou seja: f 1 w ( w) = (3) vol( W ) Na maora das vezes, os valores dos rtéros podem ser tratados omo varáves estoástas ndependentes, uja função de densdade onjunta é expressa por um produtóro, de aordo om a Equação (4): mn f ( ξ ) = f j ( ξj ) (4) j A função de utldade é então usada para mapear os rtéros estoástos, bem omo as dstrbuções de peso, em dstrbuções de utldade u (ξbb,w). Os métodos SMAA permtem assm determnar-se para ada alternatva o onjunto de pesos favoráves WBB(ξ) defndo pela Equação (5): W ( ξ ) = { w W : u( ξ, w) u( ξ, w, 1,..., m)} (5) = Qualquer peso w WBB(ξ) torna a utldade geral de xbb ou gual que a utldade de qualquer outra alternatva. Todas as análses posterores são baseadas nas propredades desses onjuntos. Por meo de smulação de Monte Carlo determna-se um onjunto de índes (ou seja, de meddas) dos métodos SMAA. Quando o número de smulações é sufentemente grande as margens de erro são desprezíves. Dentre os possíves índes, o índe de aetabldade desreve a ontrbução de dferentes avalações a tornar uma dada alternatva a mas preferda dentre 3215

4 de PBB omo om PBB é todas. Calula-se o índe de aetabldade abb uma alternatva omo o volume multdmensonal porém om (n-1) dmensões esperado dos pesos favoráves por meo de uma ntegral multdmensonal sobre as dstrbuções de rtéros e sobre o espaço favorável de peso, omo mostrado na Equação (6): a f ( ξ ) f ( w) dwdξ (6) = x W ( ξ ) O índe de aetabldade pode ser usado para lassfar as alternatvas omo estoastamente efentes (abb» 0) ou nefentes (abb gual a 0 ou próxmo de 0 omo, por exemplo, <0.05). Um índe de aetabldade gual a 0 nda que a alternatva jamas poderá ser onsderada a melhor om o modelo de preferêna adotado, ou seja, om a função de utldade assumda. Por outro lado, para alternatvas estoastamente efentes o índe de aetabldade mede a força da efêna, onsderando-se a gnorâna e a nerteza sobre as medções dos rtéros e sobre as preferênas dos desores. Defne-se anda o vetor entral de pesos wp o entro de gravdade esperado do espaço favorável de pesos. Calula-se então o vetor entral de pesos omo uma ntegral multdmensonal sobre as dstrbuções de rtéros e de pesos, de aordo om a Equação (7): w x f ( ξ ) f ( w) dwdξ (7) a = W ( ξ ) Com a dstrbução de pesos presumda, o vetor entral de pesos representa as preferênas de um desor típo apoando a alternatva xbb o modelo de preferêna adotado. Os pesos entras podem ser apresentados ao desor a fm de ajudá-lo a ompreender omo dferentes pesos podem onduzr a esolhas dferentes. O vetor entral de pesos é, naturalmente, ndefndo para alternatvas nefentes; para estas, onvenona-se que wp nulo. Outras meddas útes são os fatores de onfança, que expressam a probabldade de que uma dada alternatva alane a prmera posção quando se esolhe o vetor entral de pesos. Também se pode alular fatores de onfança para quasquer vetores entras de pesos dados. O que esses fatores medem é, na verdade, a auráa das medções dos rtéros de modo a poder dentfar as alternatvas efentes (TERVONEN, LAHDELMA & SALMINEN, 2004). O fator de onfança p é a probabldade de uma alternatva obter a prmera posção quando o vetor entral de pesos e o ponto de referêna entral são esolhdos. Calula-se o fator de onfança omo uma ntegral multdmensonal sobre os rtéros e as dstrbuções de preferênas pela Equação (8): p n n = ( f ( ξ ) δ ( W W ) δ ( X X )* f ( S) dw dx ds dx) (8) x x l v ( X ) R Em (8) emprega-se a função δ de Dra para restrngr a dstrbução de pesos de mportâna para o vetor entral de pesos e a dstrbução dos pontos de referêna para o ponto de referêna entral. Observe-se que, nas formulações ama apresentadas, pode-se tratar rtéros determnístos xbjb omo um aso espeal de varáves estoástas ndependentes om funções de densdade omo mostradas na Equação (9): fj ( ξ j ) = δ ( ξj xj ) (9) Pode-se então omputar os índes de aetabldade e os vetores entras de pesos pelas Equações (10) e (11): a = f ( w) dw (10) w = w w f ( w) dw a Na práta, resolvem-se as ntegras multdmensonas das Equações (6) e (7) através da smulação de Monte-Carlo, onde problemas de amostragem são gerados aleatoramente por matrzes de rtéros e vetores de dstrbuções de pesos. s R (11) 3216

5 a 3. O Método SMAA-2 O método SMAA-2 (LAHDELMA & SALMINEN, 2001) fo desenvolvdo para problemas de desão que abrangem, no aso mas geral, avalações das alternatvas e pesos dos rtéros segundo os quas representa-se essas avalações por varáves estoástas, bem omo múltplos desores, sendo espealmente ndado para stuações onde nem todos os rtéros e pesos são presamente onhedos. Pode-se onsderar que o SMAA-2 é um método emblemáto da famíla SMAA, pos ontém a grande maora dos índes empregados nos demas métodos desta famíla. O método SMAA-2 utlza, omo no método SMAA-1, uma análse nversa do espaço de pesos para desrever, para ada alternatva, qual tpo de preferêna va torná-la a mas ndada, ou oloá-la em uma determnada posção em um ordenamento predefndo. O problema de desão é representado por um onjunto de m alternatvas que serão avaladas por n rtéros. A estrutura de preferêna dos desores é representada por uma função de valor u (xbb,w). Esta função de valor mapea as dferentes alternatvas para um vetor de pesos w que quantfará as preferênas ndvduas de ada um dos desores. Crtéros nertos ou mpresos são representados por varáves estoástas ξbjb junto om a função de densdade fbχb(ξ) mxn onde X RP P. As preferênas desonhedas ou paralmente onhedas são representadas por uma função de dstrbução de peso om uma função de densdade onjunta fbwb(w), onde w representa o espaço de pesos permtdo. Caso haja uma total falta de nformação quanto à preferêna, a função é representada pela dstrbução de pesos unforme em W fbwb(w)={1/(vol(w)}. Defne-se o espaço de pesos de aordo om a natureza do problema, porém, normalmente, os pesos são postvos e normalzados. A varável W sera, então, desrta pela Equação (2). Emprega-se a função de utldade para transformar os rtéros estoástos e as dstrbuções de peso em dstrbuções de utldade u (ξbb,w). Com base na dstrbução de utldade, defne-se a lassfação de ada alternatva omo um número ntero que vara da melhor lassfação (= 1) para a por lassfação (= m). Tal defnção se dá por meo da função de lassfação apresentada na Equação (12): m ran(, ξ, w) = 1+ ρ( u( ξ, w) > u( ξ, w)) (12) = 1 em que ρ (verdadero) = 1 e ρ (falso) = 0. Com base na análse dos onjuntos de pesos estoástos, obtém-se a lassfação favorável pela Equação (13): W r ( ξ ) = { w W : ran(, ξ, w) r} = (13) Qualquer peso tal que w WBrB(ξ) assoa à -ésma alternatva genéra a posção (ou ran) rbb. A prmera medda desrtva do SMAA-2 é o índe de aetabldade, omo se vu ama. Este índe mede a multpldade de dferentes preferênas ou pesos que onedem à alternatva xbb posção rbb. O produto de todos os pesos avalados torna vável a opção aetável r para uma determnada lassfação. Calula-se o índe de aetabldade b por meo da ntegral multdmensonal da Equação (14): r b = fx( ξ ) fw( w) dw dξ (14) ξ X r w W ( ξ ) As alternatvas mas ndadas são aquelas om aetação alta que alançam as melhores lassfações. Os índes de aetação estão no ntervalo [0, 1], onde 0 nda que a alternatva nuna obterá uma lassfação no ordenamento e 1 nda que a alternatva sempre obtém a lassfação, ndependente das esolhas de pesos. 4. Uma Aplação do Método SMAA Defnção do Problema Consdere-se o aso de um reém graduado om dos anos de experêna em 3217

6 onsultora que deseja ursar mestrado om os objetvos de qualfação profssonal, evolução pessoal e alavanagem das suas possbldades de hegar num período máxmo de quatro anos ao nível de sóo em uma onsultora Top 4, ou em argo equvalente em uma empresa S & P 500 STANDARD & POOR S, 2011). Como alternatvas ele onsdera, a partr de uma prmera avalação pessoal, no ursos da lsta dos melhores MBAs exeutvos do mundo, onforme avalação do Fnanal Tmes publada na revsta Exame em 08 de novembro de 2010 (ZAMBARDA, 2010). Os rtéros de avalação para a tomada de desão, segundo os valores desse reém graduado, são: A. o usto do urso a ser mnmzado; B. os ustos omplementares de manutenção, aqu nluídos aomodação, materal ddáto, almentação e outros gastos estmados também a ser mnmzado; C. o saláro esperado a ser atngdo 3 anos após o térmno do MBA a ser maxmzado; D. a posção do urso no ranng do Fnanal Tmes também a ser mnmzado. Todas as nformações possíves referentes aos rtéros, om exeção dos ustos omplementares, estmados om base em experênas própras anterores, foram oletados de Zambarda (2010). A Fgura 1 apresenta os valores básos que o reém graduado dede empregar na sua análse de desão. Alternatvas A (US$) B(US$) C(US$) D 1.HKU Hong Kong UST Busness Shool CBS Columba Busness Shool LBS London Busness Shool DUF Due Unversty Fuqua EAESP Intervalo de aetação [30000, ] [10000, 19000] [185000, ] [1, 22] Fgura 1 Alternatvas, rtéros e ntervalos de aetação utlzados na análse de desão Neste exemplo de aplação, pela gnorâna e onseqüente nerteza do reém graduado suas preferênas são desonhedas e ele, por onsegunte, opta por empregar o método SMAA-2 para apoá-lo em sua desão. Ele também esolhe o software Matlab (MATHWORKS, 2011) para programação e desenvolvmento de algortmos do método SMAA- 2, por forneer reursos para trabalhar om as múltplas varáves do problema, bem omo para aloação de memóra. O Matlab fornee ao seu usuáro uma bblotea de funções de engenhara e de matemáta, elmnando a neessdade de uma manpulação maor do ódgo e permtndo que o usuáro lego em omputação possa testar ada função em todas as etapas de produção de resultados. Além dsto, o Matlab possu pratamente todas as araterístas de uma lnguagem de programação tradonal, nlundo operadores de artméta, ontrole de fluxo, estruturas de dados, tpos de dados, programação orentada a objetos e reursos de depuração. Alternatvamente ao Matlab, ele podera também utlzar o software JSMAA, de domíno públo (TERVONEN, 2010) Aplação do Método SMAA-2 O método SMAA2 fo odfado em Matlab a partr do trabalho de Tervonen et al. (2010). A Fgura 2 mostra o rotero para aplação do SMAA

7 AB2B AB3B AB4B AB5B 1. Defnr o problema em termos de rtéros e alternatvas. 2. Esolher uma forma e esala para a função de utldade que os desores devem onjuntamente aetar. 3. Inlur todas as nformações dsponíves quanto aos pesos. 4. Calular a lassfação para os índes de aetabldade para ada alternatva e ada oloação ( r ). b 5. Calular o índe de aetabldade, a função de pesos entras e os fatores de onfança ( a, w, p ). 6. Apresentar os resultados das etapas 4 a 6 para os desores. Eles devem esolher quas as meddas mas útes: a ou b. a. Posções (rans) de aetabldade a, ou b. Índes p. 7. Os desores devem defnr se o proesso está ompleto ou se deve ser revsto. Fgura 2 Rotero para aplação do método SMAA-2 (fonte: LAHDELMA; SALMINEN & HOKKANEN, 2002) Como se vu, este problema tem 5 alternatvas e 4 rtéros. Ao realzar os álulos do método SMAA-2, o reém graduado obtém os resultados apresentados nas Fguras 3 e 4. Para a smulação de Monte Carlo usou-se um total de terações, de modo a hegar-se a um resultado de alta onfabldade. Calulam-se os vetores entras de pesos (Fgura 3), os índes de aetabldade (Fgura 4) e os índes de onfanças (Fgura 4). Alternatvas p W A 1. EAESP HKU LBS CBS DUF Fgura 3 - Resultados para os vetores entras de pesos w aos fatores de onfança W B W C W D, ordenados de forma deresente em relação p Alternatvas AB1B p 1. EAESP HKU LBS CBS DUF Fgura 4 Índes de aetabldade e posonamentos ABB, ordenados de forma deresente em relação aos fatores de onfança Para análse dos resultados o desor (no aso, nosso reém graduado) pode afrmar que todas as alternatvas são aetáves dentro dos parâmetros estabeledos, uma vez que todas possuem um índe de aetabldade não nulo. Apresentam-se os índes de aetabldade na Fgura 5. As Fguras 6 e 7 lustram, respetvamente, as varações dos fatores de onfança e dos pesos entras om as alternatvas. p 3219

8 e Fgura 5 Índes de aetabldade a Fgura 8 Fatores de onfança p para ada alternatva. Fgura 1 Pesos entras w, de ada rtéro para ada alternatva avalada Segundo a lóga do SMAA-2, nosso desor dede então elmnar a alternatva DUF, pos esta possu o por valor do índe de aetabldade para a prmera posção (ou ran) AB1B 3220

9 e por ter o menor índe de onfança ( p ). Ele também dede por elmnar a alternatva HKU, pos esta tem os pores valores de índes de aetabldade para as posções AB2B, AB3B AB4B. O desor seleonou então, para sua análse fnal, as alternatvas EAESP, CBS e LBS, por possuírem as maores médas de valores para os índes de aetabldade. Consderando somente essas três alternatvas e que os fatores de onfança são relatvamente baxos para todas, de modo a tomar uma desão fnal raonal o desor presa avalar os vetores entras de pesos para as alternatvas. A alternatva EAESP possu pesos entras om a menor varação entre os rtéros, tornando-a a alternatva mas atratva neste enáro. Esta alternatva (EAESP) também possu os melhores valores de índes de aetabldade para a prmera e a segunda posções (AB1B e AB2B) e o maor valor de fator de onfança ( p ) dentre todas as alternatvas avaladas. A Fgura 10 mostra o ordenamento das alternatvas om base nos valores dos índes de aetabldade. Fgura 20 Ordenamento om base no índe de aetabldade. Levando em onsderação a proxmdade dos resultados enontrados, reomenda-se ao reém graduado, nosso desor neste exemplo, que o mesmo proure defnr outros rtéros para uma avalação multrtéro mas fna, onduente à uma solução om maor aetabldade e, ao mesmo tempo, om maor erteza. 5. Conlusão Como se vu neste artgo, os métodos SMAA são empregados presamente para se resolver o problema nverso da análse multrtéro tradonal. Nesta busa-se dentfar as preferênas dos desores que vão servr omo varáves de entrada (sto é, de nputs) para o uso de métodos multrtéro. Quando se gnora tas preferênas, o que os métodos SMAA fazem é, por meo de um pequeno onjunto de meddas de natureza probablísta, estmar a verossmlhança assoada a determnados resultados. Assm, por exemplo, em uma problemáta do tpo Pβ, usa-se o método SMAA-TRI para estmar-se a verossmlhança de que ada alternatva se nsra em uma das lasses predefndas. No exemplo de aplação apresentado neste artgo, através do uso do método SMAA-2 e das meddas ama apresentadas estmou-se a verossmlhança da assoação de ada uma das alternatvas às posções dstntas no ordenamento. Pode-se, om sto, hegar à melhor solução para o problema. Vablzou-se a utlzação da smulação de Monte Carlo, no exemplo aqu apresentado, fo vablzada pelo software Matlab. Um desenvolvmento de pesqusa nteressante assoado à famíla SMAA dz respeto à stuação em que se têm múltplos agentes de desão ujos omportamentos são onsstentes om a Teora dos Prospetos (TVERSKY & KAHNEMAN, 1991). O método multrtéro TODIM (GOMES & LIMA, 1992; GOMES & RANGEL, 2009) é uma das raras tentatvas exstentes no sentdo de se tornar operaonal essa teora. Pos o amnho para tal desenvolvmento fo apontado, por meo do delneamento do método SMAA-P, por LAHDELMA & SALMINEN (2009). Embora estes dos autores tenham, na formulação do SMAA-P, utlzado funções de dferença lneares por partes, no método TODIM estas funções não são lneares. Além dsto, no ontexto de um problema multrtéro de desão om múltplos desores é de se esperar que os 3221

10 P pontos de referêna sejam também sujetos à gnorâna, bem omo as preferênas daqueles desores. Portanto, juntar a metodologa da famíla SMAA e o método TODIM onsste em objetvo de pesqusa a ser persegudo. Agradementos Os autores agradeem o apoo reebdo do CNPq através dos Projetos de Pesqusa / e / Também agradeem a Jorge Falão do Rego Barros por ter realzados os álulos do exemplo no Matlab. Referênas Bana e Costa, C.A. A multrtera deson ad methodology to deal wth onfltng stuatons on the weghts. European Journal of Operatonal Researh, 26: 22-34, Belton, V. & Stewart, T.J. Multple rtera Deson analyss: an ntegrated approah. Massahusetts: Kluwer Aadem Publshers, Charnets, J.R. The multple attrbute problem wth partal nformaton: the expeted value and omparatve hypervolume methods, Ph.D. Thess. Austn: The Unversty of Texas at Austn, Charnets, J.R. & Soland, R.M. Statstal measures for lnear funtons on polytopes, Operatons Researh 24, , Gomes, L.F.A.M.; Araya, M.C.G. & Cargnano, C. Tomada de desões em enáros omplexos: ntrodução aos métodos dsretos do apoo multrtéro à desão. São Paulo: Ponera Thomson Learnng, Gomes, L.F.A.M. & Lma, M.M.P.P. TODIM: Bass and Applaton to Multrtera Ranng of Projets wth Envronmental Impats, Foundatons of Computng and Deson Senes, vol.16, 4, , Gomes, L.F.A.M. & Rangel, L.A.D. An applaton of the TODIM method to the multrtera rental evaluaton of resdental propertes, European Journal of Operatonal Researh, 193, , Keeney, R. L. & Raffa, H. Desons wth multple objetves: preferenes and value tradeoffs. Nova Yor: Wley, Lahdelma, R.; Hoanen, J. & Salmnen, P. SMAA stohast multobjetve aeptablty analyss. European Journal of Operatonal Researh, 106: , Lahdelma, R., Mettnen, K. & Salmnen, P. Stohasts Multrtera Aeptablty Analyss usng ahevement funtons, Tehnal Report 459, TUCS Turu Center for Computer sene, Avalable at HThttp://www.tus.fTH, Lahdelma, R.; Mettnen, K. & Salmnen, P. Ordnal rtera n stohast multrtera aeptablty analyss (SMAA), European Journal of Operatonal Researh, 147(1): , Lahdelma, R.; Mettnen, K. & Salmnen, P. Referene pont approah for multple deson maers, European Journal of Operatonal Researh, 164(3): , Lahdelma, R. & Salmnen, P. Prospet theory and stohast multrtera aeptablty analyss (SMAA), Omega 37, , Lahdelma R. & Salmnen P. SMAA-2: stohast multrtera aeptablty analyss for group deson mang, Operatons Researh, v. 49, p , Lahdelma, R. & Salmnen, P. Pseudo-rtera versus lnear utlty funton n stohast multrtera aeptablty analyss, European Journal of Operatonal Researh, 14: , Lahdelma, R.; Salmnen, P. & Hoanen, J. Combnng Stohast Multobjetve Aeptablty Analyss and DEA. In: D.K. Despots & C. Zopounds (eds.) Integratng Tehnology & Human Desons: Global Brdges nto the 21stP Century, Athens: New Tehnologes Publatons, , Lahdelma, R.; Salmnen, P. & Hoanen, J. Loatng a waste treatment falty by usng stohast multrtera aeptablty analyss wth ordnal rtera, European Journal of Operatonal Researh, 142: ,

11 MATHWORKS. MATLAB - The Language of Tehnal Computng, In: <Hhttp://www.mathwors.om/produts/matlab/H> Aesso em Retveld, P. Multple objetve deson methods and regonal plannng, Amsterdam: North- Holland, Retveld, P. & Ouwersloot, H. Ordnal data n multrtera deson mang, a stohast domnane approah to stng nulear power plants, European Journal of Operatonal Researh 56: , Slone, S. Measurement unertanty An approah va the mathematal theory of evdene, New Yor: Sprnger, STANDARD & POOR S. S & P 500, In: <HThttp://www.standardandpoors.om/ndes/sp- 500/en/us/?ndexId=spusa-500-usduf--p-us-l--TH> Aesso em Tervonen, T. JSMAA: An open soure software for SMAA omputatons. In: Proeedngs of the 25th Mn EURO Conferene on Unertanty and Robustness n Plannng and Deson Mang (URPDM2010),C. Henggeler Antunes, D. Ros Insua & L.C. Das (eds.), Combra, Tervonen, T. & Fguera, J. R. A survey on stohast multrtera aeptablty analyss methods, Journal of Mult-Crtera Deson Analyss, 15: 1 14, Tervonen, T.; Hllege, H.; Busens, E. & Postmus, D. A state-of-the-art mult-rtera model for drug beneft-rs analyss. SOM Researh Shool Report No , Unversty of Gronngen, Tervonen, T & Lahdelma, R. Implementng stohast multrtera aeptablty analyss. European Journal of Operatonal Researh, 178:2, , Tervonen, T.; Lahdelma, R.; Almeda-Das, J.; Fguera, J. R.; & Salmnen, P. SMAA-TRI: a parameter stablty analyss method for ELECTRE-TRI. In: Envronmental Seurty n Harbours and Coastal Areas, G.A. Ker & I. Lnov (eds), Berln: Sprnger, , Tervonen, T.; Lahdelma, R. & Salmnen, P. A method for eltatng and ombnng group preferenes for Stohast Multrtera Aeptablty Analyss, Tehnal Report 638, TUCS Turu Center for Computer Sene, Avalable at HThttp://www.tus.fTH, Tversy, A. & Kahneman D. Loss averson n rsless hoe: a referene-dependent model. Quarterly Journal of Eonoms,106(4): Zambarda, P. Os melhores MBAs exeutvos do mundo, publada na Exame.om em <http://exame.abrl.om.br/arrera/mba/notas/os-melhores-mbas-exeutvos-domundo?p=2#ln>,

Introdução e Organização de Dados Estatísticos

Introdução e Organização de Dados Estatísticos II INTRODUÇÃO E ORGANIZAÇÃO DE DADOS ESTATÍSTICOS 2.1 Defnção de Estatístca Uma coleção de métodos para planejar expermentos, obter dados e organzá-los, resum-los, analsá-los, nterpretá-los e deles extrar

Leia mais

DISTRIBUIÇÃO E DESIGUALDADE ESPACIAIS DO CONSUMO RESIDENCIAL DE ELETRICIDADE: UMA ANÁLISE DO PERÍODO 1989-2005 COM MEDIDAS DE INFORMAÇÃO

DISTRIBUIÇÃO E DESIGUALDADE ESPACIAIS DO CONSUMO RESIDENCIAL DE ELETRICIDADE: UMA ANÁLISE DO PERÍODO 1989-2005 COM MEDIDAS DE INFORMAÇÃO FACULDADE DE ECONOMIA PROGRAMA DE PÓS-GRADUAÇÃO EM ECONOMIA APLICADA DISTRIBUIÇÃO E DESIGUALDADE ESPACIAIS DO CONSUMO RESIDENCIAL DE ELETRICIDADE: UMA ANÁLISE DO PERÍODO 1989-2005 COM MEDIDAS DE INFORMAÇÃO

Leia mais

OTIMIZAÇÃO DE PROVISIONAMENTO DE LARGURA DE BANDA USANDO REDES DE PETRI NA MODELAGEM DE COMPORTAMENTO DE CLIENTES E PROVEDORES

OTIMIZAÇÃO DE PROVISIONAMENTO DE LARGURA DE BANDA USANDO REDES DE PETRI NA MODELAGEM DE COMPORTAMENTO DE CLIENTES E PROVEDORES OTIMIZAÇÃO DE PROVISIONAMENTO DE LARGURA DE BANDA USANDO REDES DE PETRI NA MODELAGEM DE COMPORTAMENTO DE CLIENTES E PROVEDORES FLÁVIO HENRIQUE BATISTA DE SOUZA CARLOS ANDREY MAIA RODNEY R SALDANHA 1 Programa

Leia mais

Análise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA

Análise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA Análse de Regressão Profa Alcone Mranda dos Santos Departamento de Saúde Públca UFMA Introdução Uma das preocupações estatístcas ao analsar dados, é a de crar modelos que explctem estruturas do fenômeno

Leia mais

TEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma.

TEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma. UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO DE CIÊNCIAS EXATAS DEPARTAMENTO DE FÍSICA AV. FERNANDO FERRARI, 514 - GOIABEIRAS 29075-910 VITÓRIA - ES PROF. ANDERSON COSER GAUDIO FONE: 4009.7820 FAX: 4009.2823

Leia mais

Capítulo 3-1. A 2ª Lei da Termodinâmica

Capítulo 3-1. A 2ª Lei da Termodinâmica Capítulo 3-1. A 2ª Le da ermodnâma Baseado no lvro: Atkns Pysal Cemstry Egt Edton Peter Atkns Julo de Paula 29-04-2007 Mara da Coneção Pava 1 A segunda le da termodnâma é baseada na experêna umana. odos

Leia mais

NOTA II TABELAS E GRÁFICOS

NOTA II TABELAS E GRÁFICOS Depto de Físca/UFMG Laboratóro de Fundamentos de Físca NOTA II TABELAS E GRÁFICOS II.1 - TABELAS A manera mas adequada na apresentação de uma sére de meddas de um certo epermento é através de tabelas.

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

Regressão e Correlação Linear

Regressão e Correlação Linear Probabldade e Estatístca I Antono Roque Aula 5 Regressão e Correlação Lnear Até o momento, vmos técncas estatístcas em que se estuda uma varável de cada vez, estabelecendo-se sua dstrbução de freqüêncas,

Leia mais

Introdução à Análise de Dados nas medidas de grandezas físicas

Introdução à Análise de Dados nas medidas de grandezas físicas Introdução à Análse de Dados nas meddas de grandezas físcas www.chem.wts.ac.za/chem0/ http://uregna.ca/~peresnep/ www.ph.ed.ac.uk/~td/p3lab/analss/ otas baseadas nos apontamentos Análse de Dados do Prof.

Leia mais

Teoria dos Números e suas aplicações

Teoria dos Números e suas aplicações Teora dos Números e suas aplações Lus Armando dos Santos Júnor e Antôno arlos Noguera Unversdade Federal de Uberlânda Abrl- 009 :Orentando Programa de Eduação tutoral do urso de Matemáta. E-mal: anarexmg@ahoo.om.br

Leia mais

PROJEÇÕES POPULACIONAIS PARA OS MUNICÍPIOS E DISTRITOS DO CEARÁ

PROJEÇÕES POPULACIONAIS PARA OS MUNICÍPIOS E DISTRITOS DO CEARÁ GOVERNO DO ESTADO DO CEARÁ SECRETARIA DO PLANEJAMENTO E GESTÃO - SEPLAG INSTITUTO DE PESQUISA E ESTRATÉGIA ECONÔMICA DO CEARÁ - IPECE NOTA TÉCNICA Nº 29 PROJEÇÕES POPULACIONAIS PARA OS MUNICÍPIOS E DISTRITOS

Leia mais

MODELAGEM MATEMÁTICA DO PROCESSO DE EVAPORAÇÃO MULTI-EFEITO NA INDÚSTRIA DE PAPEL E CELULOSE

MODELAGEM MATEMÁTICA DO PROCESSO DE EVAPORAÇÃO MULTI-EFEITO NA INDÚSTRIA DE PAPEL E CELULOSE MODELAGEM MATEMÁTICA DO PROCESSO DE EVAPORAÇÃO MULTI-EFEITO NA INDÚSTRIA DE PAPEL E CELULOSE R. L. S. CANEVESI 1, C. L. DIEL 2, K. A. SANTOS 1, C. E. BORBA 1, F. PALÚ 1, E. A. DA SILVA 1 1 Unversdade Estadual

Leia mais

Professor Mauricio Lutz CORRELAÇÃO

Professor Mauricio Lutz CORRELAÇÃO Professor Maurco Lutz 1 CORRELAÇÃO Em mutas stuações, torna-se nteressante e útl estabelecer uma relação entre duas ou mas varáves. A matemátca estabelece város tpos de relações entre varáves, por eemplo,

Leia mais

CENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS - UnilesteMG

CENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS - UnilesteMG 1 CENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS - UnlesteMG Dscplna: Introdução à Intelgênca Artfcal Professor: Luz Carlos Fgueredo GUIA DE LABORATÓRIO LF. 01 Assunto: Lógca Fuzzy Objetvo: Apresentar o

Leia mais

IV - Descrição e Apresentação dos Dados. Prof. Herondino

IV - Descrição e Apresentação dos Dados. Prof. Herondino IV - Descrção e Apresentação dos Dados Prof. Herondno Dados A palavra "dados" é um termo relatvo, tratamento de dados comumente ocorre por etapas, e os "dados processados" a partr de uma etapa podem ser

Leia mais

Elaboração: Fevereiro/2008

Elaboração: Fevereiro/2008 Elaboração: Feverero/2008 Últma atualzação: 19/02/2008 E ste Caderno de Fórmulas tem por objetvo esclarecer aos usuáros a metodologa de cálculo e os crtéros de precsão utlzados na atualzação das Letras

Leia mais

1 a Lei de Kirchhoff ou Lei dos Nós: Num nó, a soma das intensidades de correntes que chegam é igual à soma das intensidades de correntes que saem.

1 a Lei de Kirchhoff ou Lei dos Nós: Num nó, a soma das intensidades de correntes que chegam é igual à soma das intensidades de correntes que saem. Les de Krchhoff Até aqu você aprendeu técncas para resolver crcutos não muto complexos. Bascamente todos os métodos foram baseados na 1 a Le de Ohm. Agora você va aprender as Les de Krchhoff. As Les de

Leia mais

5.1 Seleção dos melhores regressores univariados (modelo de Índice de Difusão univariado)

5.1 Seleção dos melhores regressores univariados (modelo de Índice de Difusão univariado) 5 Aplcação Neste capítulo será apresentada a parte empírca do estudo no qual serão avalados os prncpas regressores, um Modelo de Índce de Dfusão com o resultado dos melhores regressores (aqu chamado de

Leia mais

Elaboração: Novembro/2005

Elaboração: Novembro/2005 Elaboração: Novembro/2005 Últma atualzação: 18/07/2011 Apresentação E ste Caderno de Fórmulas tem por objetvo nformar aos usuáros a metodologa e os crtéros de precsão dos cálculos referentes às Cédulas

Leia mais

PREVISÃO DE PARTIDAS DE FUTEBOL USANDO MODELOS DINÂMICOS

PREVISÃO DE PARTIDAS DE FUTEBOL USANDO MODELOS DINÂMICOS PREVISÃO DE PRTIDS DE FUTEBOL USNDO MODELOS DINÂMICOS Oswaldo Gomes de Souza Junor Insttuto de Matemátca Unversdade Federal do Ro de Janero junor@dme.ufrj.br Dan Gamerman Insttuto de Matemátca Unversdade

Leia mais

Variabilidade Espacial do Teor de Água de um Argissolo sob Plantio Convencional de Feijão Irrigado

Variabilidade Espacial do Teor de Água de um Argissolo sob Plantio Convencional de Feijão Irrigado Varabldade Espacal do Teor de Água de um Argssolo sob Planto Convenconal de Fejão Irrgado Elder Sânzo Aguar Cerquera 1 Nerlson Terra Santos 2 Cásso Pnho dos Res 3 1 Introdução O uso da água na rrgação

Leia mais

Covariância e Correlação Linear

Covariância e Correlação Linear TLF 00/ Cap. X Covarânca e correlação lnear Capítulo X Covarânca e Correlação Lnear 0.. Valor médo da grandeza (,) 0 0.. Covarânca na propagação de erros 03 0.3. Coecente de correlação lnear 05 Departamento

Leia mais

Aplicando o método de mínimos quadrados ordinários, você encontrou o seguinte resultado: 1,2

Aplicando o método de mínimos quadrados ordinários, você encontrou o seguinte resultado: 1,2 Econometra - Lsta 3 - Regressão Lnear Múltpla Professores: Hedbert Lopes, Prscla Rbero e Sérgo Martns Montores: Gustavo Amarante e João Marcos Nusdeo QUESTÃO 1. Você trabalha na consultora Fazemos Qualquer

Leia mais

1-BREVE HISTÓRIA SOBRE A PROGRAMAÇÃO LINEAR... 1 2- INTRODUÇÃO MATEMÁTICA...

1-BREVE HISTÓRIA SOBRE A PROGRAMAÇÃO LINEAR... 1 2- INTRODUÇÃO MATEMÁTICA... Índe -BREVE HISTÓRIA SOBRE A PROGRAMAÇÃO LIEAR - ITRODUÇÃO MATEMÁTICA 5 - otações e onvenções 5 - Programação lnear em redes 7 - Eemplos de modelos em programação lnear 5 - Produção - dstrbução da polímeros

Leia mais

Análise Econômica da Aplicação de Motores de Alto Rendimento

Análise Econômica da Aplicação de Motores de Alto Rendimento Análse Econômca da Aplcação de Motores de Alto Rendmento 1. Introdução Nesta apostla são abordados os prncpas aspectos relaconados com a análse econômca da aplcação de motores de alto rendmento. Incalmente

Leia mais

Estatística stica Descritiva

Estatística stica Descritiva AULA1-AULA5 AULA5 Estatístca stca Descrtva Prof. Vctor Hugo Lachos Davla oo que é a estatístca? Para mutos, a estatístca não passa de conjuntos de tabelas de dados numércos. Os estatístcos são pessoas

Leia mais

Cálculo do Conceito ENADE

Cálculo do Conceito ENADE Insttuto aconal de Estudos e Pesqusas Educaconas Aníso Texera IEP Mnstéro da Educação ME álculo do onceto EADE Para descrever o cálculo do onceto Enade, prmeramente é mportante defnr a undade de observação

Leia mais

Um classificador baseado na Discriminação Logística: vantagens e desvantagens

Um classificador baseado na Discriminação Logística: vantagens e desvantagens Um lassfador baseado na Dsrmnação Loísta: vantaens e desvantaens HÉLIO RADKE BITTENCOURT ROBIN THOMAS CLARKE 2 Centro Estadual de esqusas em Sensoramento Remoto e Meteoroloa CESRM UFRGS Caa ostal 5044

Leia mais

XX SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA NOVO MODELO PARA O CÁLCULO DE CARREGAMENTO DINÂMICO DE TRANSFORMADORES

XX SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA NOVO MODELO PARA O CÁLCULO DE CARREGAMENTO DINÂMICO DE TRANSFORMADORES XX SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA Versão 1.0 22 a 25 Novembro de 2009 Recfe - PE GRUPO XIII GRUPO DE ESTUDO DE TRANSFORMADORES, REATORES, MATERIAIS E TECNOLOGIAS

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

Despacho Econômico de. Sistemas Termoelétricos e. Hidrotérmicos

Despacho Econômico de. Sistemas Termoelétricos e. Hidrotérmicos Despacho Econômco de Sstemas Termoelétrcos e Hdrotérmcos Apresentação Introdução Despacho econômco de sstemas termoelétrcos Despacho econômco de sstemas hdrotérmcos Despacho do sstema braslero Conclusões

Leia mais

Estimativa dos fluxos turbulentos de calor sensível, calor latente e CO 2, sobre cana-de-açúcar, pelo método do coespectro.

Estimativa dos fluxos turbulentos de calor sensível, calor latente e CO 2, sobre cana-de-açúcar, pelo método do coespectro. Estmatva dos fluxos turbulentos de calor sensível, calor latente e CO 2, sobre cana-de-açúcar, pelo método do coespectro. O. L. L. Moraes 1, H. R. da Rocha 2, M. A. Faus da Slva Das 2, O Cabral 3 1 Departamento

Leia mais

1.UNIVERSIDADE FEDERAL DE VIÇOSA, VIÇOSA, MG, BRASIL; 2.UNIVERSIDADE FEDERAL DE GOIÁS, GOIANIA, GO, BRASIL.

1.UNIVERSIDADE FEDERAL DE VIÇOSA, VIÇOSA, MG, BRASIL; 2.UNIVERSIDADE FEDERAL DE GOIÁS, GOIANIA, GO, BRASIL. A FUNÇÃO DE PRODUÇÃO E SUPERMERCADOS NO BRASIL ALEX AIRES CUNHA (1) ; CLEYZER ADRIAN CUNHA (). 1.UNIVERSIDADE FEDERAL DE VIÇOSA, VIÇOSA, MG, BRASIL;.UNIVERSIDADE FEDERAL DE GOIÁS, GOIANIA, GO, BRASIL.

Leia mais

UM SISTEMA INTELIGENTE USANDO REDES NEURAIS ARTMAP-FUZZY PARA PREDIÇÃO DO GRUPO DE RISCO DE EVASÃO DISCENTE EM CURSOS SUPERIORES PRESENCIAIS

UM SISTEMA INTELIGENTE USANDO REDES NEURAIS ARTMAP-FUZZY PARA PREDIÇÃO DO GRUPO DE RISCO DE EVASÃO DISCENTE EM CURSOS SUPERIORES PRESENCIAIS UM SISTEMA INTELIGENTE USANDO REDES NEURAIS ARTMAP-FUZZY PARA PREDIÇÃO DO GRUPO DE RISCO DE EVASÃO DISCENTE EM CURSOS SUPERIORES PRESENCIAIS VALQUÍRIA R. DE C. MARTINHO 1, CLODOALDO NUNES 2, CARLOS R.

Leia mais

7.4 Precificação dos Serviços de Transmissão em Ambiente Desregulamentado

7.4 Precificação dos Serviços de Transmissão em Ambiente Desregulamentado 64 Capítulo 7: Introdução ao Estudo de Mercados de Energa Elétrca 7.4 Precfcação dos Servços de Transmssão em Ambente Desregulamentado A re-estruturação da ndústra de energa elétrca que ocorreu nos últmos

Leia mais

MAPEAMENTO DA VARIABILIDADE ESPACIAL

MAPEAMENTO DA VARIABILIDADE ESPACIAL IT 90 Prncípos em Agrcultura de Precsão IT Departamento de Engenhara ÁREA DE MECANIZAÇÃO AGRÍCOLA MAPEAMENTO DA VARIABILIDADE ESPACIAL Carlos Alberto Alves Varella Para o mapeamento da varabldade espacal

Leia mais

Controlo Metrológico de Contadores de Gás

Controlo Metrológico de Contadores de Gás Controlo Metrológco de Contadores de Gás José Mendonça Das (jad@fct.unl.pt), Zulema Lopes Perera (zlp@fct.unl.pt) Departamento de Engenhara Mecânca e Industral, Faculdade de Cêncas e Tecnologa da Unversdade

Leia mais

Objetivos da aula. Essa aula objetiva fornecer algumas ferramentas descritivas úteis para

Objetivos da aula. Essa aula objetiva fornecer algumas ferramentas descritivas úteis para Objetvos da aula Essa aula objetva fornecer algumas ferramentas descrtvas útes para escolha de uma forma funconal adequada. Por exemplo, qual sera a forma funconal adequada para estudar a relação entre

Leia mais

Fast Multiresolution Image Querying

Fast Multiresolution Image Querying Fast Multresoluton Image Queryng Baseado no artgo proposto por: Charles E. Jacobs Adan Fnkelsten Davd H. Salesn Propõe um método para busca em um banco de dados de magem utlzando uma magem de consulta

Leia mais

PLANILHAS EXCEL/VBA PARA PROBLEMAS ENVOLVENDO EQUILÍBRIO LÍQUIDO-VAPOR EM SISTEMAS BINÁRIOS

PLANILHAS EXCEL/VBA PARA PROBLEMAS ENVOLVENDO EQUILÍBRIO LÍQUIDO-VAPOR EM SISTEMAS BINÁRIOS PLANILHAS EXCEL/VBA PARA PROBLEMAS ENVOLVENDO EQUILÍBRIO LÍQUIDO-VAPOR EM SISTEMAS BINÁRIOS L. G. Olvera, J. K. S. Negreros, S. P. Nascmento, J. A. Cavalcante, N. A. Costa Unversdade Federal da Paraíba,

Leia mais

4. VARIÁVEIS COMPOSTAS

4. VARIÁVEIS COMPOSTAS 4. VARIÁVEIS COMPOSTAS Até o momento, vmos apenas varáves que são utlzadas para o armazenamento de dados smples. Entretanto, as varáves podem ser compostas, formadas por uma ou mas posções (campos ou entradas),

Leia mais

Problemas Associados a Cones de Segunda Ordem

Problemas Associados a Cones de Segunda Ordem Problemas Assocados a Cones de Segunda Ordem Dense S. Trevsol, Mara A. D. Ehrhardt, Insttuto de Matemátca, Estatístca e Computação Centífca, IMECC, UNICAMP, 1383-859, Campnas, SP E-mal: ra8477@me.uncamp.br,

Leia mais

TRABALHADORES COM DEFICIÊNCIAS EM LINHAS DE PRODUÇÃO: MODELOS, RESULTADOS E DISCUSSÕES 1

TRABALHADORES COM DEFICIÊNCIAS EM LINHAS DE PRODUÇÃO: MODELOS, RESULTADOS E DISCUSSÕES 1 XIV ELAVIO El Fuerte Snaloa Méxco 9-14 de agosto de 2009 TRABALHADORES COM DEFICIÊNCIAS EM LINHAS DE PRODUÇÃO: MODELOS RESULTADOS E DISCUSSÕES 1 Mayron César de O. Morera Lana Mara R. Santos Alysson M.

Leia mais

7. Resolução Numérica de Equações Diferenciais Ordinárias

7. Resolução Numérica de Equações Diferenciais Ordinárias 7. Resolução Numérca de Equações Dferencas Ordnáras Fenômenos físcos em dversas áreas, tas como: mecânca dos fludos, fluo de calor, vbrações, crcutos elétrcos, reações químcas, dentre váras outras, podem

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. Insttuto de Físca de São Carlos Laboratóro de Eletrcdade e Magnetsmo: Transferênca de Potênca em Crcutos de Transferênca de Potênca em Crcutos de Nesse prátca, estudaremos a potênca dsspada numa resstênca

Leia mais

PROVA DE MATEMÁTICA DO VESTIBULAR 2013 DA UNICAMP-FASE 1. RESOLUÇÃO: PROFA. MARIA ANTÔNIA C. GOUVEIA

PROVA DE MATEMÁTICA DO VESTIBULAR 2013 DA UNICAMP-FASE 1. RESOLUÇÃO: PROFA. MARIA ANTÔNIA C. GOUVEIA PROVA DE MATEMÁTICA DO VESTIBULAR 03 DA UNICAMP-FASE. PROFA. MARIA ANTÔNIA C. GOUVEIA QUESTÃO 37 A fgura abaxo exbe, em porcentagem, a prevsão da oferta de energa no Brasl em 030, segundo o Plano Naconal

Leia mais

LOCALIZAÇÃO ESPACIAL DA MÃO DO USUÁRIO UTILIZANDO WII REMOTE. Ricardo Silva Tavares 1 ; Roberto Scalco 2

LOCALIZAÇÃO ESPACIAL DA MÃO DO USUÁRIO UTILIZANDO WII REMOTE. Ricardo Silva Tavares 1 ; Roberto Scalco 2 LOCALIZAÇÃO ESPACIAL DA MÃO DO USUÁRIO UTILIZANDO WII REMOTE Rcardo Slva Tavares 1 ; Roberto Scalco 1 Aluno de Incação Centífca da Escola de Engenhara Mauá (EEM/CEUN-IMT); Professor da Escola de Engenhara

Leia mais

Caderno de Exercícios Resolvidos

Caderno de Exercícios Resolvidos Estatístca Descrtva Exercíco 1. Caderno de Exercícos Resolvdos A fgura segunte representa, através de um polígono ntegral, a dstrbução do rendmento nas famílas dos alunos de duas turmas. 1,,75 Turma B

Leia mais

Equipas Educativas Para uma nova organização da escola. João Formosinho Joaquim Machado

Equipas Educativas Para uma nova organização da escola. João Formosinho Joaquim Machado Equpas Educatvas Para uma nova organzação da escola João Formosnho Joaqum Machado TRANSFORMAÇÕES NA ESCOLA BÁSICA TRANSFORMAÇÕES NA ESCOLA BÁSICA A expansão escolar e a mplementação das polítcas de nclusão

Leia mais

ANÁLISE DE CONFIABILIDADE DO MODELO SCS-CN EM DIFERENTES ESCALAS ESPACIAIS NO SEMIÁRIDO

ANÁLISE DE CONFIABILIDADE DO MODELO SCS-CN EM DIFERENTES ESCALAS ESPACIAIS NO SEMIÁRIDO ANÁLISE DE CONFIABILIDADE DO MODELO SCS-CN EM DIFERENTES ESCALAS ESPACIAIS NO SEMIÁRIDO J. W. B. Lopes 1 ; E. A. R. Pnhero 2 ; J. R. de Araújo Neto 3 ; J. C. N. dos Santos 4 RESUMO: Esse estudo fo conduzdo

Leia mais

Y X Baixo Alto Total Baixo 1 (0,025) 7 (0,175) 8 (0,20) Alto 19 (0,475) 13 (0,325) 32 (0,80) Total 20 (0,50) 20 (0,50) 40 (1,00)

Y X Baixo Alto Total Baixo 1 (0,025) 7 (0,175) 8 (0,20) Alto 19 (0,475) 13 (0,325) 32 (0,80) Total 20 (0,50) 20 (0,50) 40 (1,00) Bussab&Morettn Estatístca Básca Capítulo 4 Problema. (b) Grau de Instrução Procedênca º grau º grau Superor Total Interor 3 (,83) 7 (,94) (,) (,33) Captal 4 (,) (,39) (,) (,3) Outra (,39) (,7) (,) 3 (,3)

Leia mais

Software para Furação e Rebitagem de Fuselagem de Aeronaves

Software para Furação e Rebitagem de Fuselagem de Aeronaves Anas do 14 O Encontro de Incação Centífca e Pós-Graduação do ITA XIV ENCITA / 2008 Insttuto Tecnológco de Aeronáutca São José dos Campos SP Brasl Outubro 20 a 23 2008. Software para Furação e Rebtagem

Leia mais

Sistemas Robóticos. Sumário. Introdução. Introdução. Navegação. Introdução Onde estou? Para onde vou? Como vou lá chegar?

Sistemas Robóticos. Sumário. Introdução. Introdução. Navegação. Introdução Onde estou? Para onde vou? Como vou lá chegar? Sumáro Sstemas Robótcos Navegação Introdução Onde estou? Para onde vou? Como vou lá chegar? Carlos Carreto Curso de Engenhara Informátca Ano lectvo 2003/2004 Escola Superor de Tecnologa e Gestão da Guarda

Leia mais

Estimativa da Incerteza de Medição da Viscosidade Cinemática pelo Método Manual em Biodiesel

Estimativa da Incerteza de Medição da Viscosidade Cinemática pelo Método Manual em Biodiesel Estmatva da Incerteza de Medção da Vscosdade Cnemátca pelo Método Manual em Bodesel Roberta Quntno Frnhan Chmn 1, Gesamanda Pedrn Brandão 2, Eustáquo Vncus Rbero de Castro 3 1 LabPetro-DQUI-UFES, Vtóra-ES,

Leia mais

Escolha do Consumidor sob condições de Risco e de Incerteza

Escolha do Consumidor sob condições de Risco e de Incerteza 9/04/06 Escolha do Consumdor sob condções de Rsco e de Incerteza (Capítulo 7 Snyder/Ncholson e Capítulo Varan) Turma do Prof. Déco Kadota Dstnção entre Rsco e Incerteza Na lteratura econômca, a prmera

Leia mais

Capítulo 1. O plano complexo. 1.1. Introdução. Os números complexos começaram por ser introduzidos para dar sentido à 2

Capítulo 1. O plano complexo. 1.1. Introdução. Os números complexos começaram por ser introduzidos para dar sentido à 2 Capítulo O plano compleo Introdução Os números compleos começaram por ser ntrodudos para dar sentdo à resolução de equações polnomas do tpo Como os quadrados de números reas são sempre maores ou guas a

Leia mais

3.1. Conceitos de força e massa

3.1. Conceitos de força e massa CAPÍTULO 3 Les de Newton 3.1. Concetos de força e massa Uma força representa a acção de um corpo sobre outro,.e. a nteracção físca entre dos corpos. Como grandeza vectoral que é, só fca caracterzada pelo

Leia mais

Aula 7: Circuitos. Curso de Física Geral III F-328 1º semestre, 2014

Aula 7: Circuitos. Curso de Física Geral III F-328 1º semestre, 2014 Aula 7: Crcutos Curso de Físca Geral III F-38 º semestre, 04 Ponto essencal Para resolver um crcuto de corrente contínua, é precso entender se as cargas estão ganhando ou perdendo energa potencal elétrca

Leia mais

DIMENSIONAMENTO DE UMA FROTA DE CAMINHÕES PARA TRANSPORTE DE CARVÃO VEGETAL POR MEIO DA PROGRAMAÇÃO LINEAR

DIMENSIONAMENTO DE UMA FROTA DE CAMINHÕES PARA TRANSPORTE DE CARVÃO VEGETAL POR MEIO DA PROGRAMAÇÃO LINEAR IPEF n.21, p.85-95, dez.1980 DIMENSIONAMENTO DE UMA FROTA DE CAMINHÕES PARA TRANSPORTE DE CARVÃO VEGETAL POR MEIO DA PROGRAMAÇÃO LINEAR O.D.C.377.45:867.5 SUMMARY Geraldo Galdno de Paula Junor * Aloíso

Leia mais

1 Princípios da entropia e da energia

1 Princípios da entropia e da energia 1 Prncípos da entropa e da energa Das dscussões anterores vmos como o conceto de entropa fo dervado do conceto de temperatura. E esta últma uma conseqüênca da le zero da termodnâmca. Dentro da nossa descrção

Leia mais

Expressão da Incerteza de Medição para a Grandeza Energia Elétrica

Expressão da Incerteza de Medição para a Grandeza Energia Elétrica 1 a 5 de Agosto de 006 Belo Horzonte - MG Expressão da ncerteza de Medção para a Grandeza Energa Elétrca Eng. Carlos Alberto Montero Letão CEMG Dstrbução S.A caletao@cemg.com.br Eng. Sérgo Antôno dos Santos

Leia mais

ANÁLISE DA ESTABILIDADE DE UM BRAÇO ROBÓTICO PARA COLHEITA DE FRUTAS

ANÁLISE DA ESTABILIDADE DE UM BRAÇO ROBÓTICO PARA COLHEITA DE FRUTAS XLIII Congresso Braslero de Engenhara Agrícola - CONBEA 2014 Centro de Convenções Arquteto Rubens Gl de Camllo - Campo Grande -MS 27 a 31 de julho de 2014 ANÁLISE DA ESTABILIDADE DE UM BRAÇO ROBÓTICO PARA

Leia mais

RESOLUÇÃO DE ESTRUTURAS SUBSAL ATRAVÉS DE MIGRAÇÃO RTM

RESOLUÇÃO DE ESTRUTURAS SUBSAL ATRAVÉS DE MIGRAÇÃO RTM Copyrght 004, Insttuto Braslero de Petróleo e Gás - IBP Este Trabalho Técnco Centífco fo preparado para apresentação no 3 Congresso Braslero de P&D em Petróleo e Gás, a ser realzado no período de a 5 de

Leia mais

Probabilidade e Estatística. Correlação e Regressão Linear

Probabilidade e Estatística. Correlação e Regressão Linear Probabldade e Estatístca Correlação e Regressão Lnear Correlação Este uma correlação entre duas varáves quando uma delas está, de alguma forma, relaconada com a outra. Gráfco ou Dagrama de Dspersão é o

Leia mais

Estatística Experimental Medicina Veterinária. Faculadade de Ciências Agrárias e Veterinárias. Campus de Jaboticabal SP. Gener Tadeu Pereira

Estatística Experimental Medicina Veterinária. Faculadade de Ciências Agrárias e Veterinárias. Campus de Jaboticabal SP. Gener Tadeu Pereira MATERIAL DIDÁTICO Medcna Veternára Faculadade de Cêncas Agráras e Veternáras Campus de Jabotcabal SP Gener Tadeu Perera º SEMESTRE DE 04 ÍNDICE INTRODUÇÃO AO R AULA ESTATÍSTICA DESCRITIVA 3 º EXERCÍCIO

Leia mais

RESOLUÇÃO NUMÉRICA DE EQUAÇÕES DIFERENCIAIS

RESOLUÇÃO NUMÉRICA DE EQUAÇÕES DIFERENCIAIS Defnções RESOLUÇÃO NUMÉRICA DE EQUAÇÕES DIFERENCIAIS Problemas de Valor Incal PVI) Métodos de passo smples Método de Euler Métodos de sére de Talor Métodos de Runge-Kutta Equações de ordem superor Métodos

Leia mais

Controle Estatístico de Qualidade. Capítulo 8 (montgomery)

Controle Estatístico de Qualidade. Capítulo 8 (montgomery) Controle Estatístco de Qualdade Capítulo 8 (montgomery) Gráfco CUSUM e da Méda Móvel Exponencalmente Ponderada Introdução Cartas de Controle Shewhart Usa apenas a nformação contda no últmo ponto plotado

Leia mais

CAPÍTULO 4 - Variáveis aleatórias e distribuições de probabilidade

CAPÍTULO 4 - Variáveis aleatórias e distribuições de probabilidade CAPÍTULO 4 - Varáves aleatóras e dstrbuções de probabldade Conceto de varável aleatóra Uma função cujo valor é um número real determnado por cada elemento em um espaço amostral é chamado uma varável aleatóra

Leia mais

INTRODUÇÃO SISTEMAS. O que é sistema? O que é um sistema de controle? O aspecto importante de um sistema é a relação entre as entradas e a saída

INTRODUÇÃO SISTEMAS. O que é sistema? O que é um sistema de controle? O aspecto importante de um sistema é a relação entre as entradas e a saída INTRODUÇÃO O que é sstema? O que é um sstema de controle? SISTEMAS O aspecto mportante de um sstema é a relação entre as entradas e a saída Entrada Usna (a) Saída combustível eletrcdade Sstemas: a) uma

Leia mais

REGRESSÃO LOGÍSTICA. Seja Y uma variável aleatória dummy definida como:

REGRESSÃO LOGÍSTICA. Seja Y uma variável aleatória dummy definida como: REGRESSÃO LOGÍSTCA. ntrodução Defnmos varáves categórcas como aquelas varáves que podem ser mensurados usando apenas um número lmtado de valores ou categoras. Esta defnção dstngue varáves categórcas de

Leia mais

2 Técnicas convencionais usadas na modelagem de sistemas não lineares

2 Técnicas convencionais usadas na modelagem de sistemas não lineares Ténas onvenonas usadas na modelagem de sstemas não lneares Ténas onvenonas usadas na modelagem de sstemas não lneares.1. Revsão Bblográfa Os modelos lneares desemenharam um mortante ael no desenvolvmento

Leia mais

ESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11. EXERCÍCIOS PRÁTICOS - CADERNO 1 Revisões de Estatística

ESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11. EXERCÍCIOS PRÁTICOS - CADERNO 1 Revisões de Estatística ESTATÍSTICA MULTIVARIADA º SEMESTRE 010 / 11 EXERCÍCIOS PRÁTICOS - CADERNO 1 Revsões de Estatístca -0-11 1.1 1.1. (Varáves aleatóras: função de densdade e de dstrbução; Méda e Varânca enquanto expectatvas

Leia mais

Prof. Antônio Carlos Fontes dos Santos. Aula 1: Divisores de tensão e Resistência interna de uma fonte de tensão

Prof. Antônio Carlos Fontes dos Santos. Aula 1: Divisores de tensão e Resistência interna de uma fonte de tensão IF-UFRJ Elementos de Eletrônca Analógca Prof. Antôno Carlos Fontes dos Santos FIW362 Mestrado Profssonal em Ensno de Físca Aula 1: Dvsores de tensão e Resstênca nterna de uma fonte de tensão Este materal

Leia mais

2 ANÁLISE ESPACIAL DE EVENTOS

2 ANÁLISE ESPACIAL DE EVENTOS ANÁLISE ESPACIAL DE EVENTOS Glberto Câmara Marla Sá Carvalho.1 INTRODUÇÃO Neste capítulo serão estudados os fenômenos expressos através de ocorrêncas dentfcadas como pontos localzados no espaço, denomnados

Leia mais

Eletromagnetismo Indutores e Indutância

Eletromagnetismo Indutores e Indutância Eletromagnetsmo Indutores e Indutânca Eletromagnetsmo» Indutores e Indutânca Introdução Indutores são elementos muto útes, pos com eles podemos armazenar energa de natureza magnétca em um crcuto elétrco.

Leia mais

Como aposentadorias e pensões afetam a educação e o trabalho de jovens do domicílio 1

Como aposentadorias e pensões afetam a educação e o trabalho de jovens do domicílio 1 Como aposentadoras e pensões afetam a educação e o trabalo de jovens do domcílo 1 Rodolfo Hoffmann 2 Resumo A questão central é saber como o valor da parcela do rendmento domclar formada por aposentadoras

Leia mais

Termodinâmica e Termoquímica

Termodinâmica e Termoquímica Termodnâmca e Termoquímca Introdução A cênca que trata da energa e suas transformações é conhecda como termodnâmca. A termodnâmca fo a mola mestra para a revolução ndustral, portanto o estudo e compreensão

Leia mais

Física. Setor A. Índice-controle de Estudo. Prof.: Aula 25 (pág. 86) AD TM TC. Aula 26 (pág. 86) AD TM TC. Aula 27 (pág.

Física. Setor A. Índice-controle de Estudo. Prof.: Aula 25 (pág. 86) AD TM TC. Aula 26 (pág. 86) AD TM TC. Aula 27 (pág. Físca Setor Prof.: Índce-controle de studo ula 25 (pág. 86) D TM TC ula 26 (pág. 86) D TM TC ula 27 (pág. 87) D TM TC ula 28 (pág. 87) D TM TC ula 29 (pág. 90) D TM TC ula 30 (pág. 90) D TM TC ula 31 (pág.

Leia mais

UTILIZAÇÃO DE MATERIAIS COM MUDANÇA DE FASE EM SISTEMAS DE ACUMULAÇÃO DE ENERGIA TÉRMICA

UTILIZAÇÃO DE MATERIAIS COM MUDANÇA DE FASE EM SISTEMAS DE ACUMULAÇÃO DE ENERGIA TÉRMICA Nuno Mguel Das Vtorno UILIZAÇÃO DE MAERIAIS COM MUDANÇA DE FASE EM SISEMAS DE ACUMULAÇÃO DE ENERGIA ÉRMICA Insttuto Polténo de Vana de Castelo Esola Superor de enologa e Gestão 009 Nuno Mguel Das Vtorno

Leia mais

PLANEJAMENTO AGREGADO DA PRODUÇÃO: MODELAGEM E SOLUÇÃO VIA PLANILHA EXCEL & SOLVER.

PLANEJAMENTO AGREGADO DA PRODUÇÃO: MODELAGEM E SOLUÇÃO VIA PLANILHA EXCEL & SOLVER. PLANEJAMENTO AGREGADO DA PRODUÇÃO: MODELAGEM E SOLUÇÃO VIA PLANILHA EXCEL & SOLVER. AGGREGATE PRODUCTION PLANNING: MODELING AND SOLVING BY EXCEL SPREADSHEET & SOLVER. Oscar S. Slva Flho Centro de Tecnologa

Leia mais

Princípios do Cálculo de Incertezas O Método GUM

Princípios do Cálculo de Incertezas O Método GUM Prncípos do Cálculo de Incertezas O Método GUM João Alves e Sousa Laboratóro Regonal de Engenhara Cvl - LREC Rua Agostnho Perera de Olvera, 9000-64 Funchal, Portugal. E-mal: jasousa@lrec.pt Resumo Em anos

Leia mais

O migrante de retorno na Região Norte do Brasil: Uma aplicação de Regressão Logística Multinomial

O migrante de retorno na Região Norte do Brasil: Uma aplicação de Regressão Logística Multinomial O mgrante de retorno na Regão Norte do Brasl: Uma aplcação de Regressão Logístca Multnomal 1. Introdução Olavo da Gama Santos 1 Marnalva Cardoso Macel 2 Obede Rodrgues Cardoso 3 Por mgrante de retorno,

Leia mais

GENETIC FUZZY SISTEM PARA SELEÇÃO DE POÇOS DE PETRÓLEO PARA FRATURAMENTO HIDRÁULICO

GENETIC FUZZY SISTEM PARA SELEÇÃO DE POÇOS DE PETRÓLEO PARA FRATURAMENTO HIDRÁULICO A pesqusa Operaconal e os Recursos Renováves 4 a 7 de novembro de 2003, Natal-RN GENETIC FUZZY SISTEM PARA SELEÇÃO DE POÇOS DE PETRÓLEO PARA FRATURAMENTO HIDRÁULICO Antôno Orestes de Salvo Castro Petrobras

Leia mais

Geração de poses de faces utilizando Active Appearance Model Tupã Negreiros 1, Marcos R. P. Barretto 2, Jun Okamoto 3

Geração de poses de faces utilizando Active Appearance Model Tupã Negreiros 1, Marcos R. P. Barretto 2, Jun Okamoto 3 Geração de poses de faces utlzando Actve Appearance Model Tupã Negreros 1, Marcos R. P. Barretto 2, Jun Okamoto 3 1, 2, 3 Escola Poltécnca da Unversdade de São Paulo (POLI/USP) Caxa Postal 61548 CEP 05508-900

Leia mais

Universidade Federal do Rio de Janeiro. Escola Politécnica. Departamento de Eletrônica e de Computação

Universidade Federal do Rio de Janeiro. Escola Politécnica. Departamento de Eletrônica e de Computação Unversdade Federal do Ro de Janero Escola oltécnca Departamento de Eletrônca e de Computação CALIBRAÇÃO E RELANEJMENTO DE TAREFAS ARA UM ROBÔ INDUSTRIAL EM AMBIENTES HOSTIS Autor: Orentador: Coorentador:

Leia mais

UNIVERSIDADE DO ESTADO DA BAHIA - UNEB DEPARTAMENTO DE CIÊNCIAS EXATAS E DA TERRA COLEGIADO DO CURSO DE DESENHO INDUSTRIAL CAMPUS I - SALVADOR

UNIVERSIDADE DO ESTADO DA BAHIA - UNEB DEPARTAMENTO DE CIÊNCIAS EXATAS E DA TERRA COLEGIADO DO CURSO DE DESENHO INDUSTRIAL CAMPUS I - SALVADOR Matéra / Dscplna: Introdução à Informátca Sstema de Numeração Defnção Um sstema de numeração pode ser defndo como o conjunto dos dígtos utlzados para representar quantdades e as regras que defnem a forma

Leia mais

Utilização de Simulated Annealing em Optimização Difusa

Utilização de Simulated Annealing em Optimização Difusa Draft of paper In: Revsta de Investgação Operaconal, 21 (2), Dez (2001) pp 205-231 In Portugue Utlzação de Smulated Annealng em Optmzação Dfusa Mara Leonlde Rocha Varela Unversdade do Mnho Escola de Engenhara,

Leia mais

OTIMIZAÇÃO EM ESTADO ESTACIONÁRIO DE UM PROCESSO NÃO-LINEAR: O CASO DE UMA COLUNA DE DESTILAÇÃO

OTIMIZAÇÃO EM ESTADO ESTACIONÁRIO DE UM PROCESSO NÃO-LINEAR: O CASO DE UMA COLUNA DE DESTILAÇÃO SBA: Controle & Automação, VoI. 2, N2 2, pp. 134-138, (TT) OTIMIZAÇÃO EM ESTADO ESTACIONÁRIO DE UM PROCESSO NÃO-LINEAR: O CASO DE UMA COLUNA DE DESTILAÇÃO Fr~nso osé Gomes Akebo Yamakam CETEC C.P. 2306

Leia mais

Estimativa da fração da vegetação a partir de dados AVHRR/NOAA

Estimativa da fração da vegetação a partir de dados AVHRR/NOAA Estmatva da fração da vegetação a partr de dados AVHRR/NOAA Fabane Regna Cunha Dantas 1, Céla Campos Braga, Soetâna Santos de Olvera 1, Tacana Lma Araújo 1 1 Doutoranda em Meteorologa pela Unversdade Federal

Leia mais

ISEP - ÍNDICE DE SHARPE ESCOLAR A PARTIR DA PROVA BRASIL: CRIAÇÃO E ESTUDO

ISEP - ÍNDICE DE SHARPE ESCOLAR A PARTIR DA PROVA BRASIL: CRIAÇÃO E ESTUDO ISEP - ÍNDICE DE SHARPE ESCOLAR A PARTIR DA PROVA BRASIL: CRIAÇÃO E ESTUDO Roberta Montello Amaral (UNIFESO) amaralroberta@yahoo.com.br Crado em 1990, o Saeb é um sstema de avalação do MEC que, junto à

Leia mais

Carlos Sérgio Araújo dos Santos José Antonio Aleixo da Silva Gauss Moutinho Cordeiro Joseilme Fernandes Gouveia Alisson de Oliveira Silva

Carlos Sérgio Araújo dos Santos José Antonio Aleixo da Silva Gauss Moutinho Cordeiro Joseilme Fernandes Gouveia Alisson de Oliveira Silva Modelos Smétrcos Transformados não lneares com aplcação na estmatva volumétrca em Híbrdo de Eucalyptus teretcorns no Pólo Gessero do Ararpe - PE Carlos Sérgo Araújo dos Santos José Antono Alexo da Slva

Leia mais

Sistemas de Filas: Aula 5. Amedeo R. Odoni 22 de outubro de 2001

Sistemas de Filas: Aula 5. Amedeo R. Odoni 22 de outubro de 2001 Sstemas de Flas: Aula 5 Amedeo R. Odon 22 de outubro de 2001 Teste 1: 29 de outubro Com consulta, 85 mnutos (níco 10:30) Tópcos abordados: capítulo 4, tens 4.1 a 4.7; tem 4.9 (uma olhada rápda no tem 4.9.4)

Leia mais

Universidade Salvador UNIFACS Cursos de Engenharia Cálculo IV Profa: Ilka Rebouças Freire. Integrais Múltiplas

Universidade Salvador UNIFACS Cursos de Engenharia Cálculo IV Profa: Ilka Rebouças Freire. Integrais Múltiplas Unversdade Salvador UNIFACS Cursos de Engenhara Cálculo IV Profa: Ilka ebouças Frere Integras Múltplas Texto 3: A Integral Dupla em Coordenadas Polares Coordenadas Polares Introduzremos agora um novo sstema

Leia mais

2 Máquinas de Vetor Suporte 2.1. Introdução

2 Máquinas de Vetor Suporte 2.1. Introdução Máqunas de Vetor Suporte.. Introdução Os fundamentos das Máqunas de Vetor Suporte (SVM) foram desenvolvdos por Vapnk e colaboradores [], [3], [4]. A formulação por ele apresentada se basea no prncípo de

Leia mais

CONGRESSO DE INICIAÇÃO CIENTÍFICA E PÓS-GRADUAÇÃO - I CICPG SUL BRASIL Florianópolis 2010

CONGRESSO DE INICIAÇÃO CIENTÍFICA E PÓS-GRADUAÇÃO - I CICPG SUL BRASIL Florianópolis 2010 Floranópols 200 ANÁLISE COMPARATIVA DA INFLUÊNCIA DA NEBULOSIDADE E UMIDADE RELATIVA SOBRE A IRRADIAÇÃO SOLAR EM SUPERFÍCIE Eduardo Wede Luz * ; Nelson Jorge Schuch ; Fernando Ramos Martns 2 ; Marco Cecon

Leia mais

INTRODUÇÃO AO CÁLCULO DE ERROS NAS MEDIDAS DE GRANDEZAS FÍSICAS

INTRODUÇÃO AO CÁLCULO DE ERROS NAS MEDIDAS DE GRANDEZAS FÍSICAS Físca Laboratoral Ano Lectvo 003/04 ITRODUÇÃO AO CÁLCULO DE ERROS AS MEDIDAS DE GRADEAS FÍSICAS. Introdução.... Erros de observação: erros sstemátcos e erros fortutos ou acdentas... 3. Precsão e rgor...3

Leia mais

UNIVERSIDADE PRESBITERIANA MACKENZIE CCSA - Centro de Ciências Sociais e Aplicadas Curso de Economia

UNIVERSIDADE PRESBITERIANA MACKENZIE CCSA - Centro de Ciências Sociais e Aplicadas Curso de Economia CCSA - Centro de Cêncas Socas e Aplcadas Curso de Economa ECONOMIA REGIONAL E URBANA Prof. ladmr Fernandes Macel LISTA DE ESTUDO. Explque a lógca da teora da base econômca. A déa que sustenta a teora da

Leia mais

Sinais Luminosos 2- CONCEITOS BÁSICOS PARA DIMENSIONAMENTO DE SINAIS LUMINOSOS.

Sinais Luminosos 2- CONCEITOS BÁSICOS PARA DIMENSIONAMENTO DE SINAIS LUMINOSOS. Snas Lumnosos 1-Os prmeros snas lumnosos Os snas lumnosos em cruzamentos surgem pela prmera vez em Londres (Westmnster), no ano de 1868, com um comando manual e com os semáforos a funconarem a gás. Só

Leia mais

ANALISADOR DE EVENTOS EM TEMPO QUASE-REAL

ANALISADOR DE EVENTOS EM TEMPO QUASE-REAL XX SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA Versão 1.0 GPC.01 22 a 25 Novembro de 2009 Recfe - PE GRUPO -V GRUPO DE ESTUDO DE PROTEÇÃO, MEDIÇÃO, CONTROLE E AUTOMAÇÃO EM SISTEMAS

Leia mais