7 Teoria da Detecção e da Estimação em Problemas de Telecomunicações

Tamanho: px
Começar a partir da página:

Download "7 Teoria da Detecção e da Estimação em Problemas de Telecomunicações"

Transcrição

1 7 ora da Dtcção da stmação m Problmas d lcomucaçõs Nst capítulo rmos troduzr os coctos udamtas da ora da Dtcção da stmação bm como as téccas báscas d procssamto d sal qu dcorrm da sua aplcação m problmas típcos das tlcomucaçõs. As téccas qu rmos cosdrar, mbora troduzdas aqul âmbto cotram aplcação m mutas outras áras da ghara, m partcular, a robótca. 7. Modlo Cocptual d um Sstma d Comucação Dgtal D sguda rmos abordar algus tópcos da ora da Dtcção da stmação com aplcação os sstmas d comucação dgtal qu tmos vdo a studar. Comcmos por rcordar o modlo cocptual d um sstma d comucação dgtal lustrado a Fgura 7.. Fgura 7.: Modlo cocptual d um sstma d comucação dgtal A ot d ormação gra símbolos m d um alabto M-áro a uma taa r / símbolos por sgudo (baud). Como é sabdo, o trasmssor az corrspodr a cada símbolo um sal d rga d duração ta, s. O cojuto dsts sas orma um spaço vctoral (spaço d sal) d dmsão ta N M, o qual pod sr rprstado por uma bas ortoormada d sas φ,,,, N. A cada sal s corrspod assm um vctor s s s,,,, M, (7.) s N cujos compots s obtêm por projcção ortogoal d s m cada um dos sas da bas φ t,,,, N, sto é, () m Fot rasmssor vctoral s s, φ s φ dt,,,, M,,, N. (7.) m trmos opracoas, sts compots obtêm-s rcorrdo a um baco d corrladors como s mostra a Fgura 7.-(a). Por outro lado, dado o vctor s, pod sttzar-s o sal s usado a combação lar s s rasmssor N s φ,,,, M. Modulador s Caal ruído () t Dtctor Rcptor Rcptor vctoral (7.3) mˆ Vctors matrzs srão dotados por ltras a bold músculas maúsculas, rspctvamt. 7-

2 sta opração d síts pod sr ralzada como s mostra a Fgura 7.-(b). Sublh-s ada qu, d acordo com a rlação d Parsval, a rga do sal s é dada por N s dt s,,,, M. (7.4) φ ()dt s s φ s φ ()dt s s φ s φ N ()dt s N s N φ N (a) (b) Fgura 7.: (a) baco d corrladors; (b) síts d s Sobr o caal d trasmssão assumm-s as sguts hpótss: H. é um sstma lar varat qu ão troduz dstorção sobr os sas trasmtdos; H. troduz ruído adtvo braco gaussao. Dst modo, para cada trvalo d salzação, o sal d saída do caal d trasmssão vm dado por s + W, t,,,, M, X (7.5) od W(t) rprsta o ruído d méda ula, cujas uçõs d autocorrlação dsdad spctral d potêca são, rspctvamt, R W () τ δ() τ (7.6) GW (). (7.7) O problma qu aqu s põ é o d, dada a obsrvação (t) (amostra do procsso X(t)) ou a sua rprstação quvalt o spaço d sal, dtrmar o símbolo trasmtdo m. A rprstação quvalt obtém-s por projcção ortogoal usado o baco d corrladors rprstado a Fgura 7.-(a). Na hpóts d tr sdo trasmtdo o sal, tão s + W,,,, M, H : X (7.8) a saída d cada corrlador é costtuída por uma compot dada por, φ s, φ + w, φ s + w,,, N. (7.9) s 7-

3 m otação vctoral, pod scrvr-s H : s + w,,,, M, (7.) od w rprsta o vctor d ruído cujas compots stão ddas m (7.9). A Fgura 7.3 dá cota da trprtação gométrca do modlo (7.). É a partr dst modlo qu o rcptor tm d dtcar o símbolo trasmtdo o trvalo d salzação corrspodt, aturalmt basado um crtéro d optmzação do rspctvo dsmpho, por mplo, a probabldad d rro por símbolo. Para rsolvr st problma é covt comçar por caractrzar o vctor d ruído w. (t) w(t) s w p Fgura 7.3: Rprstação do sal obsrvado (t) o spaço d sal p 7. Rsposta d um Baco d Corrladors a Ruído Braco Gaussao Da dção d produto tro (7.), cocluímos qu w φ dt,,,, N. w, φ w (7.) Not-s qu as compots d w s obtêm através d uma trasormação lar d um procsso gaussao, portato, são também gaussaas. Como W(t) tm méda ula, o vctor w tm também méda ula. Por outro lado, usado (7.) pod scrvr-s { w w m } w() µ φ () µ dµ w() ν φ () ν dν. Rarrajado trmos, prmutado o oprador valor pctávl com a tgração, tdo m cota (7.6), { w w m } { w( µ ) w( ν) } φ ( µ ) φ ( ν) δ φ ( µ ν) φ ( µ ) φ ( ν) ( µ ) φ ( µ ) dµ dν dµ dν, m dµ, m sto é, a matrz d covarâca do vctor alatóro w é dada por 7-3

4 C w { ww } I N. (7.) od I N é a matrz dtdad d dmsão N. Portato, m (7.), o vctor d ruído é gaussao, tm méda ula matrz d covarâca dada por (7.). Assm, tdo m cota qu a ução dsdad d probabldad d um vctor gaussao, N-dmsoal, d méda m matrz d covarâca é dada por C {( m )( m ) } N ( u) ( π) ( dt C) p ( u m ) C ( u m ), (7.3) a ução dsdad d probabldad do vctor d ruído a saída do baco d corrladors é w ( ) ( ) N u π p( uu ). (7.4) 7.3 Crtéro d Bays: Rcptor d Máma Vrosmlhaça Para smplcar o problma vamos cosdrar o caso d uma ot bára, M, cujos símbolos têm probabldads d ocorrêca p p, rspctvamt. Sjam H H as hpótss qu s vrcam pla trasmssão dos sas s s, corrspodts aos símbolos m m, rspctvamt. rmos assm s + w() s + w : t H (7.5) s + w() s + w : t H. (7.6) A Fgura 7.4 lustra d orma smbólca o sstma d comucação báro cujo rcptor s prtd costrur. O caal d trasmssão é rgdo por um mcasmo d trasção caractrzado plas uçõs H H, sto é, as dsdads d probabldad das obsrvaçõs codcoadas pla vrcação das hpótss H H, rspctvamt. do m cota as rlaçõs (7.5) (7.6), sabdo qu w é um vctor gaussao d méda ula matrz d covarâca dada por (7.), sto é, w ~ N w (, ( / ) I N ), (vr(7.4)), coclu-s H ~ N s, / I H ~ N s, / I, ou sja, (vr (7.3)), qu ( ( ) ) ( ( ) ) N N N ( ) ( π) H u p u s (7.7) N ( u) ( π) H p u s. (7.8) 7-4

5 H dcd H Fot Z Z Z spaço d obsrvaçõs Z H dcd H Fgura 7.4: Rprstação smbólca d um sstma d comucaçõs báro Sja Z o spaço d obsrvaçõs, o qual, o prst cotto, s dtca com o spaço d sal p. O problma d dtcação dos símbolos trasmtdos rsum-s à dtrmação d uma partção [ Z, Z ] d Z tal qu: s a obsrvação Z, tão o rcptor dcd pla hpóts H, caso cotráro, pla hpóts H. D acordo com o crtéro d Bays, as rgõs Z Z são scolhdas por orma a mmzar a ução d custo R C + C + C + C p p p Pr Pr Pr { dcdr H H é vrdadra} { dcdr H H é vrdadra} { dcdr H H é vrdadra} p Pr{ dcdr H H é vrdadra}. (7.9) Na prssão atror, C C são os actors d rsco qu palzam as dcsõs rradas, quato qu C C palzam as dcsõs corrctas. m gral, é razoávl scolhr os actors d custo d modo qu C > C C > C. m partcular, s zrmos C C p p C C p p,, tão a ução d custo (7.9) dgra a probabldad d rro P p Pr p Pr { dcdr H H é vrdadra} + ( p) Pr{ dcdr H H é vrdadra} { H Z } + ( p) Pr{ H Z } ou sja, Uma vz qu P p Z ( u) du + ( p) H ( u) du. (7.) H Z 7-5

6 Z Z Z () u du H () u du () H u, Z H du, Z Z tão mmzar (7.) é o msmo qu mmzar P p + { [( p) H ( u) p ( )] } H u du Z. (7.) A prmra parcla do lado drto d (7.) é um parâmtro o, quato qu a sguda rprsta o custo (m trmos d probabldad d rro) qu é cotrolado plos potos qu são atrbuídos à rgão Z. Por outro lado, os dos trmos tr [] são ambos postvos. tão, os vctors para os quas o sgudo dsts trmos é supror ao prmro dvm sr atrbuídos à rgãoz, pos só assm cotrbum para dmur o valor do tgral. Ao cotráro, os vctors qu cotrburam postvamt para o valor do tgral dvm sr atrbuídos à rgão Z. Nstas codçõs, a rgra d dcsão qu dv sr ralzada plo rcptor d modo a mmzar a probabldad d rro é a sgut H H H () p () ( p) H () γ λ < > < > H H, (7.3) od λ () é a razão d vrosmlhaça γ é o lmar d dcsão. Not-s qu a quação m λ() γ d a rotra tr as duas rgõs d dcsão Z Z. Nos potos qu costtum a rotra, a dcsão por H ou H é drt. No caso qu tmos vdo a studar, m qu o ruído é gaussao, é compltamt caractrzado plas dsdads d probabldad codcoas (7.7) (7.8) plo parâmtro p, a rgra d dcsão (7.3) toma a orma partcular ou ada p > p ( s s ) p, < H H H < p s s l. (7.4) > p H Falmt, s os símbolos báros orm quprovávs, p, (7.4) smplca-s para H < > H s s, (7.5) sto é, o rcptor dcd plo símbolo assocado ao vctor sal cujo ao stá mas prómo do poto obsrvado. Chama-s a atção para o acto d qu sta rgra d dcsão, sdo, dgamos assm, uma rgra tutva, é óptma (o stdo m qu mmza a probabldad d rro) apas quado o ruído é gaussao d méda ula, os símbolos grados pla ot são quprovávs. Usado a dção d orma, tmos 7-6

7 , s + s, s a rgra d dcsão (7.5) passa à orma quvalt H,,, s >, s, (7.6) < H od s,,, é a rga do sal s,,. As rgras (7.5) (7.6) são como vmos quvalts dm o rcptor d máma vrosmlhaça, caso partcular do rcptor d míma probabldad d rro qu rsulta da quprobabldad dos símbolos ot Probabldad d rro Míma A probabldad d rro pod sr calculada m trmos da probabldad d dcdr corrctamt. Num sstma M-áro, a probabldad d dcdr plo símbolo m sdo qu o st o símbolo trasmtdo é obvamt dada por Pr { m, H } p ( u) Z H du. Sdo P a a probabldad d sr tomada a dcsão corrcta, tão a probabldad d rro val P P a M p Z H ( u) du. (7.7) O cálculo da probabldad d rro m orma chada pod sr, m mutos casos, complcado ou msmo mpossívl. No tato, para os casos mas smpls, como os aprstados os parágraos sguts, é possívl obtr prssõs m orma chada. A dculdad assocada ao cálculo da probabldad d rro stá sobrtudo dpdt da orma das rgõs d dcsão Z das uçõs dsdad d probabldad codcoal ( u). H 7.3. Sas Ortogoas com Igual rga Cosdrmos os sas s s com gual rga rprstados a Fgura 7.5- (a), os quas, como s pod vrcar, são ortogoas. O spaço d sal tm assm dmsão dos é grado pla bas ortoormada ormada plos sas φ φ tas qu s φ,,. Nstas codçõs, a rgra (7.6) smplca-s ada mas H, φ >, φ < H pod sr lvada à prátca plo rcptor qu s mostra a Fgura 7.5-(c). Da prssão atror, coclu-s ada qu a rotra tr as rgõs d dcsão Z Z é dda pla 7-7

8 rcta, como s vê a Fgura 7.5-(b). D sguda, rmos calcular a prssão da probabldad d rro d trasmssão para o caso dst sstma. s / s / s Z Z s (t) φ (t) φ (t) () dt () dt + mˆ (a) (b) (c) Fgura 7.5: (a) sas ortogoas; (b) rgõs d dcsão o spaço d sal; (c) rcptor Probabldad d rro míma. No caso prst, a dsdad d probabldad da obsrvação codcoada as hpóts H ou H é, como já vmos (qs. (7.7) (7.8)), dada por ( u) ( π) p u s,,. H A orma quadrátca do pot mpõ qu sta dsdad d probabldad tha smtra crcular m toro do valor médo s, como s lustra a Fgura 7.6 od d é a dstâca tr s s. Not-s qu toda a gomtra é smétrca rlatvamt à rcta. Isto sgca qu os tgras m (7.7) são todos guas podm sr calculados usado o sstma d os u Ο. ( v Ο v ) m vz d ( u ) u v s Z d s u s Z d s Z Z v (a) (b) Fgura 7.6: (a) sstma orgal d coordadas; (b) sstma d coordadas rodado d π/4 Assm, usado (7.7) o acto dos símbolos srm quprovávs, podmos scrvr 7-8

9 P Z Z H H ( u) ( v) du dv ( ( + v ) ( π) p ( v + d ) ( π) p( v ) dv ( π) p( ( v + d ) ) Not-s qu o sstma d os ( ) v dv dv v Ο o poto s [ ] d. Na últma lha da prssão atror o tgral m v é gual a pos a tgrada é uma gaussaa d méda ula varâca. S o tgral m v zrmos a mudaça d varávl µ ( + d ) v, obtmos dv. ou sja, P ( ) d ( π) p( µ ) ( π) p( µ ) d ( ) dµ, dµ P rc, (7.8) od s z d s usou a dção da ução rro complmtar rc π ( ) p( µ ) dµ,. (7.9) Sas Atpodas com Igual rga s, d ovo, com rga. Nst caso, os dos sas são larmt dpdts, portato, o spaço d sal tm dmsão. Pod scolhr-s, por mplo, φ s para vrsor da rcta ral qu costtu o spaço d sal. Usado (7.6), a rgra d dcsão é agora Cosdrmos agora o caso m qu s ou sja,,s, φ >, φ,s H >. < H H < H A Fgura 7.7 lustra st squma d salzação (a), mostrado o spaço d sal (b) o dagrama d blocos do rcptor (c). 7-9

10 s s s φ Z Z s s () t φ() t () dt mˆ (a) (b) (c) Fgura 7.7: (a) sas atpodas; (b) rgõs d dcsão o spaço d sal; (c) rcptor Probabldad d rro míma. Nst caso, as uçõs dsdad d probabldad codcoas das obsrvaçõs são ( u) ( π) p [ u s ],,, X H od s ± como s vrca a partr da Fgura 7.7. A Fgura 7.8 mostra aqulas dsdads d probabldad. X H X H + u Fgura 7.8: Dsdads d probabldad codcoas ou sja, al como o caso studado o parágrao 7.3., a probabldad d rro é dada por H ( u) du H ( u) P du, Z Z P ( π) p [ u d ] ( π) p [ u + d ] du du, od d é a dstâca tr os sas s s. Procddo como m 7.3., obtém-s P rc. (7.3) 7-

11 É ácl vrcar qu st valor da probabldad d rro corrspod a qualqur das áras sombradas a Fgura 7.8. Comparado (7.3) com (7.8), tdo m cota qu rc é uma ução dcrsct, cocluímos qu a probabldad d rro é mor o caso da salzação atpodal. Com to, mbora a rga por bt sja a msma, st caso a dstâca tr os sas é maor do qu a salzação ortogoal. 7.4 Fltro Adaptado Nsta scção vamos studar uma ralzação quvalt do rcptor d míma probabldad d rro basada o ltro adaptado. st ltro é dshado d modo a mamzar a razão tr a rga statâa do sal d saída o stat d amostragm a potêca do ruído d saída. φ(t) h(t) H() y(t) ruído braco Fgura 7.9: Rcptor basado o ltro adaptado y() Supohamos qu a trada do ltro rprstado a Fgura 7.9 é a soma d um sal cohcdo φ com uma amostra w(t) d ruído braco gaussao W com dsdad spctral d potêca G (). A saída do ltro vm dada por W od φ N() t Y +, (7.3) h φ H() Φ() jπt φ d (7.3) é a compot d sal a saída, o ruído N tm spctro d potêca G () H() N. (7.33) O objctvo é dtrmar a ução d trasrêca H() (ou a rsposta mpulsoal h(t)) tal qu a razão SNR φ ( ) P N () Φ() H () H jπ d d (7.34) sja máma. m (7.34), P N é a potêca méda do ruído N. Para rsolvr st problma, podmos rcorrr à dsgualdad d Shwarz 7-

12 jπ () Φ() d H() d Φ() H jπ d, (7.35) od a gualdad s vrca quado H opt * jπ () K Φ () Substtudo (7.36) m (7.34), obtmos. (7.36) φ SNR opt, (7.37) od φ Φ() d é a rga do sal φ(t). Not-s qu SNR opt ão dpd da costat arbtrára K, plo qu podmos scolhr sm prda d graldad K. tão, d (7.36) tra-s qu h opt φ( t). (7.38) No caso m qu o ruído d caal é braco, a rsposta mpulsoal do ltro adaptado é uma réplca do sal φ(t), atrasada d, dda o stdo rvrso do tmpo. Na Fgura 7. mplca-s st acto. φ(t) h(t) Fgura 7.: Rsposta mpulsoal do ltro adaptado ao sal φ(t) Para coclur, podmos usar (7.38) para vrcar qu () τ h ( t τ) dτ ()( τ φ t + τ) od (t) é uma amostra do procsso d trada Como φ, t [,] y opt dτ, (7.39) φ W X +., tão (7.39) toma a orma, portato, y t ()( τ φ t + τ) t ( ) ()() τ φ τ dτ y dτ. (7.4) 7-

13 Daqu s coclu qu o sstma da Fgura 7.9 é, m trmos ucoas, quvalt a qualqur dos corrladors da Fgura 7.-(a). Assm o baco d corrladors al rprstado é quvalt a um baco d ltros adaptados como s lustra a Fgura 7.. Como s vê, cada ltro é adaptado a um dos sas da bas ortoormada qu gra o spaço d sal. s φ φ ()dt ()dt s s φ ( t) ) h s h φ ( t) ) s s φ N ()dt s N h N φ ( t) ) N s N Fgura 7.: quvalêca tr um baco d corrladors um baco d ltros adaptados 7.5 stmação d Máma Vrosmlhaça m Ruído Braco Gaussao Nsta scção armos uma trodução à tora da stmação, tratado uma class d problmas partcular com aplcação m tlcomucaçõs. Comcmos por cosdrar o sgut problma. stmação d parâmtros Dada a obsrvação s( t; ) + w, t, θ (7.4) od s ( t;θ) rprsta um sal cohcdo a mos d um cojuto d parâmtros w é uma amostra d W qu s assum sr ruído braco gaussao com spctro d potêca G W (), prtd-s dtrmar a stmatva θˆ do vctor θ. colcoados o vctor θ, A Fgura 7. lustra o problma da stmação d parâmtros. A ot gra um sal s(t) qu s assum aqu sr cohcdo plo rcptor a mos d um vctor d parâmtros θ, o qual prtc a um cojuto dsgado por spaço d parâmtros. Através d um qualqur mcasmo d trasção mposto plo caal d trasmssão, o sal (t) obsrvado é uma vrsão rudosa, vtualmt dstorcda, do sal s(t). 7-3

14 Fot (t) stmador Θ spaço d soluçõs mcasmo d trasção Z spaço d obsrvaçõs θˆ Fgura 7.: Problma da stmação d parâmtros Supohamos qu o mcasmo d trasção do caal é modlzado pla rlação (7.4). Ao stmador compt, a partr do sal obsrvado (t) mdat dtrmadas hpótss, cotrar o spaço d soluçõs (cocdt com o spaço d parâmtros), o vctor dsjado θ. Naturalmt qu o algortmo qu prmt calcular a stmatva θˆ ão é arbtráro. Ao cotráro, cuta uma rgra d stmação qu dv satsazr um dtrmado crtéro d optmaldad. A scolha dst crtéro dpd do grau d cohcmto apror dspoívl sobr o vctor d parâmtros a stmar. Podmos assm cosdrar dos tpos d abordagm do problma da stmação d parâmtros: A. stmação d parâmtros alatóros; A. stmação d parâmtros dtrmístcos. No studo qu a sgur aprstamos, vamos cosdrar apas a class d problmas A. Nst caso, a stmatva do vctor θ pod obtr-s por mamzação da chamada ução d vrosmlhaça qu troduzrmos d sguda. Por sr mas smpls, comçarmos por abordar o problma partdo d uma ormulação m tmpo dscrto Formulação m mpo Dscrto Nst caso, as obsrvaçõs ddas m (7.4) são scrtas a orma k () + w, k,,,k-, s θ (7.4) k k od w k, k,,,k-, é uma squêca braca gaussaa d méda ula varâca, ou sja, w ( w ) ( ) k W k k π p, k,,, K, (7.43) é a dsdad d probabldad da varávl alatóra W k, cuja amostra é w k. Podmos tão scrvr [ s ()] ( ) ( ) p k k θ X k θ k π, k,,, K. (7.44) 7-4

15 Uma vz qu as varávs alatóras W k, k,,,k-, são statstcamt dpdts, o msmo acotc com, k,,,k-. Ddo o vctor (colua) d amostras [,,, ] K X k, cocluímos qu a dsdad d probabldad cojuta das obsrvaçõs X, X,, X K é o produto das margas (7.44). D. 7.- Fução d vrosmlhaça. A ução d vrosmlhaça das amostras (vctor ) do vctor d parâmtros θ a stmar é dada pla dsdad d probabldad cojuta das obsrvaçõs codcoadas m θ. Sdo () θ [ s () θ,s () θ,, () θ ] s, s K tão Λ K ( ; θ) ( π) p [ k s k () θ ] K ( π) p s() θ K k (7.45) No caso prst, m qu a ução d vrosmlhaça é do tpo gaussao, podmos m altratva a (7.45) usar a chamada ução logarítmca d vrosmlhaça L K K k k k. (7.46) ( ; θ) l Λ( ; θ) l( π) [ s () θ ] K l ( π) s() θ D. 7.- stmatva d máma vrosmlhaça. A stmatva d máma vrosmlhaça do vctor d parâmtros θ é o vctor ˆ ( ) arg ma Λ( ; θ) arg ma L( θ) θ ;. (7.47) θ θ Comtáro: a stmatva d máma vrosmlhaça dpd plctamt dos dados qu são amostras d obsrvaçõs alatóras. Portato o vctor ˆθ () é l própro um vctor alatóro. Usado (7.46) m (7.47), lmado as parclas qu ão dpdm plctamt dos parâmtros a stmar, podmos almt scrvr θˆ K θ k () arg ma [ s () θ ] arg ma θ k s k () θ. (7.48) A dtrmação d ˆθ passa portato por rsolvr um problma d cálculo d trmos, por mplo, aplcado a codção cssára d stêca dsss trmos. S strm, os trmos vrcam o sstma d quaçõs 7-5

16 θ s( θ), (7.49) θ θˆ od dsga o vctor ulo θ é o oprador gradt, sto é, o vctor cujos lmtos são as drvadas parcas m ordm a cada um dos lmtos d θ. As soluçõs da quação (7.49) ão são m gral úcas, sdo cssáro dtrmar as qu costtum d acto mamzats, dstas, solar aqula qu coduz ao mámo global. Uma altratva a st método pod basar-s uma técca d busca, o qu passa por calcular a ução d vrosmlhaça para todos os valors d θ o spaço d soluçõs. Naturalmt, sta técca pod coduzr a tmpos d cálculo comportávs. mplo 7.: stmação d ampltud. Cosdrmos o caso m qu s () a as, k,,, K - s() a as k k od a ampltud a é o parâmtro qu s prtd stmar. D (7.49) vm, tão, a quação com solução úca as, a â â s ks k (7.5) K k K od s s k k é a rga do sal s k, k,,, K -. Pod vrcar-s qu a solução atror costtu d acto um mámo pos a sguda drvada da ução d vrosmlhaça aqul poto é gatva. Por outro lado, s ão stss ruído, k : k as k, d (7.5) rsultara â a, como sra d sprar Aáls d Dsmpho m dscussão atror cocluímos qu a stmatva d máma vrosmlhaça é uma quatdad alatóra. Faz, portato, todo o stdo vstgar as proprdads statístcas do rro d stmação ε θ ˆθ. (7.5) D stmador ão vzado. O stmador é ão vzado ss { ε } { θˆ } θ. (7.5) Portato, s o stmador or ão vzado, a stmatva é m méda gual ao valor omal do(s) parâmtro(s). sta ormação, sdo útl, ão é o tato suct como mdda d qualdad do stmador, pos para cojutos d obsrvaçõs drts ada dz sobr a dsprsão dos rros d stmação obtdos. Como s sab, sta mdda d dsprsão pod sr quatcada com uma aáls d sguda ordm. 7-6

17 D Matrz d Fshr. Sja N a dmsão do vctor d parâmtros θ. Os lmtos da matrz d Fshr J são dados por [] ( ; θ) L J j,, j,,, N. (7.53) θ θ j Uma vz dda a matrz d Fshr, podmos ucar o sgut acto qu aqu ão dmostrarmos. Facto 7.: Lmar d Cramér-Rao. Supohamos qu s vrca a codção (7.5) qu [] [ J ] J é o -ésmo lmto da dagoal da vrsa da matrz d Fshr. σ var( ε ) a varâca do rro d stmação do parâmtro θ. tão Sja [ ] [] σ,,,, N J, (7.54) od cada um dos [] J,,,, N, é dsgado por lmar d Cramér-Rao. st acto mostra qu st um valor tórco lmt abao do qual a varâca do rro d uma stmatva ão vzada ão pod car. D stmatvas cts. Uma stmatva ão vzada é dta ct s (7.54) s vrcar pla gualdad, sto é, quado a varâca do rro atg o valor lmt stablcdo plo lmar d Cramér-Rao. mplo 7. (cotuação). Sdo vm, portato as + w â s, od s s, d (7.5) ( as + w ) s w s ε a (7.55) { ε }, (7.56) pos s são quatdads dtrmístcas o vctor d ruído w tm méda ula. Portato, a stmatva d máma vrosmlhaça da ampltud é ão vzada. Partcularzado (7.46) L K as, ( ;a) l( π) d (7.53), tdo m cota o Facto 7., obtmos o lmar d Cramér-Rao LCR as a. (7.57) 7-7

18 Por outro lado, d (7.55) (7.56), rcordado ada qu as amostras d ruído são statstcamt dpdts têm gual varâca, tramos σε w s s s K I s { ww } s o qu, d acordo com a D. 7.5, mostra qu a stmatva é ct Formulação m mpo Cotíuo Dadas as obsrvaçõs ddas plo modlo (7.4), tmos ˆ θ, (7.58) () arg ma [ () ( )] t s t; θ dt θ o qu costtu uma gralzação mdata d (7.48). A solução pod sr obtda rcorrdo à mtodologa dual da prssa m (7.49), [ () ( )] θ t s t; θ dt, (7.59) θ θˆ ou ada usado um método d busca austvo. No qu dz rspto à aáls d dsmpho, a dscussão aprstada o parágrao pod sr drctamt trasportada para o prst cotto, tdo m atção a dualdad d (7.58) (7.59) rlatvamt a (7.48) (7.49), rspctvamt. mplo 7.: stmação da as d uma portadora susodal. Cosdrmos o modlo d obsrvaçõs c cos( π t + θ) + w( t), t, od s matêm as hpótss ormuladas o íco da scção 7.5. Aqu [ π +π] s + ( t; θ) cos( π t + θ), t, ( >> ) c c (7.6) θ, é o parâmtro a stmar. stamos portato a assumr qu θ s matém costat durat o trvalo d obsrvação d duração. Usado (7.59), tdo m cota qu ( π t + θ) s( π t + θ) dt + c cos c c, 7-8

19 obtmos Ddo s( π t + θˆ ) c dt. (7.6) tão (7.6) é quvalt a, portato, I Q s cos( π t) c s( π t) c dt dt ( θˆ ) ( ˆ I cos θ ) Q, θˆ Q ata. (7.6) I A Fgura 7.3 lustra o dagrama d blocos do sstma qu mplmta o stmador MV da as da portadora susodal dda m (7.6). () dt (t) φ Q (t) ata() Q ˆθ φ I (t) () dt I Fgura 7.3: stmador MV da as d uma portadora susodal A partr das hpótss ormuladas podmos coclur qu as varávs alatóras X X I Q cos θ + W cos θ + W I Q são gaussaas, dpdts, têm dsdad d probabldad cojuta ( cos θ) + ( s θ) I Q ( I, Q ) ( π) p. Usado a trasormação, sugrda pla Fgura 7.3, 7-9

20 X X I Q R cos θˆ R s θˆ podmos tão calcular a dsdad d probabldad cojuta d R d, π ˆθ R ( ) ( R cos θˆ cos θ) + ( R s θˆ s θ) R, θˆ p a qual, após alguma mapulação algébrca, s pod scrvr a orma ( θ θˆ ) R cos( θ θˆ ) ( ) γ s ( R, θˆ ) R p, π od γ (7.63) orc uma mdda da SNR. Uma vz qu probabldad do rro é dada por ε θ ˆθ, tão a dsdad d γ s ( ) ε R p ( R cos ε ) π ou, azdo a mudaça d varávl ( R cos ε ) ε, dr γ s ε ( ε ) ( + γ ε ) cos d. π γ cos ε O actor tgral pod ada sr trabalhado, obtdo-s ( ε ) γ π γs + π ε γ cos ε π γ cos d ε (7.64) Para aalsar st rsultado vamos cosdrar as duas stuaçõs lmt: ruído ort ruído raco. Ruído ort (γ ) Nst caso, a sguda parcla m (7.64) aula-s, plo qu 7-

21 π ( ), ε [ π +π] ε, γ <<. Isto sgca qu a stmatva toma com gual probabldad valors m trvalos prómos ou aastados do valor omal θ, o qu corrspod a um mau dsmpho do stmador. Ruído raco (γ ) Nstas codçõs podmos assumr qu, com probabldad muto grad, a stmatva ão s aasta d θ mas do qu π/ m valor absoluto. al mplca qu cos rscrv-s do sgut modo ˆθ ε, (7.64) od γ γs ε ( ε ) + γ cos ε [ rc* ( γ cos ε )], π π rc * ( ) u π du π. >> Usado st lmt para o caso m qu γ >>, obtém-s almt γ ( ) γ cos ε ε γ >>. (7.65) π Comcmos por otar qu a ução lmt dcada m (7.65) é uma ução par o qu mplca qu o stmador é assmptotcamt ão vzado, sto é, o valor pctávl do rro td para zro quado γ crsc. Por outro, para valors do rro prómos do su valor médo assmptótco, ou sja, s ε cos ε, sε ε (7.65) é apromada por uma gaussaa d méda ula varâca γ. S calcularmos o LCR dst stmador d as obtmos actamt st rsultado. Portato, podmos também armar qu o stmador MV da as é assmptotcamt ct. Malha d Sgumto d Fas Voltmos à codção (7.6) usmos a dção do sal () t s ε cos ( π t + θ) s( π t + θˆ ) dt + w s( π t + θˆ ) dt c c c o qu é quvalt a s ε +, od corrspod a uma méda tmporal d uma amostra d ruído. Na hpóts d ruído raco, toma com lvada probabldad valors pquos pod sr trprtado como uma pqua prturbação da mdda do rro d as s ε. Por outro lado, vmos a aáls d dsmpho ta atrormt qu a hpóts d ruído raco, o rro toma com lvada Malha d sgumto d as: PLL (Phas Lockd Loop) 7-

22 probabldad valors ε, logo s ε ε, o rro d stmação dv vrcar a codção apromada ε +. (7.66) (t) s( π ˆ ct + θ ) ()dt ε VCO c Fgura 7.4: Malha d sgumto d as A Fgura 7.4 mostra o dagrama d blocos para uma mplmtação altratva do stmador d as. S a saída do tgrador o rro ε, tão a saída do VCO matém-s stablzada com θˆ θ. S o to da prturbação s zr str, por mplo, aumtado lgramt o rro, tão o VCO rlct sta varação um lgro aumto d ˆθ o qu va, aturalmt cotrbur para um dcréscmo do ovo valor d rro. Portato, stado a ucoar prto do rgm prmat od o rro é muto pquo, o PLL é capaz d ragr a pquas prturbaçõs o stdo d voltar ao poto d qulíbro. A partr da obsrvação rudosa d uma portadora susodal é assm possívl grar localmt uma réplca com scrosmo d as (a mos d um dsvo costat d π/, cuja compsação é muto smpls d ralzar). 7-

sendo classificado como modelo de primeira ordem com (p) variáveis independentes.

sendo classificado como modelo de primeira ordem com (p) variáveis independentes. RGRSSAO MULTIPLA - comlmtação Itrodução O modlo lar d rgrssão múltla é da forma: sdo classfcado como modlo d rmra ordm com () varávs ddts. od: é a varávl d studo (ddt, xlcada, rsosta ou dóga); é o cofct

Leia mais

Capítulo 8. (d) 1) 0,5 2) 1,0 3) 0,5 4) 0 5) 2/3 6) 1/2. Problema 02. (a) (b)

Capítulo 8. (d) 1) 0,5 2) 1,0 3) 0,5 4) 0 5) 2/3 6) 1/2. Problema 02. (a) (b) Capítulo Problma. Ω{C C C C C5 C R R R R R5 R} Od: Ccara Rcoroa 5 P 5 5 P 7 7 7 7 7 7 c Sm pos P j P P j j d 5 5 5 / / Problma. P 5 P 5 9 5 7 9 c Não pos P P P 9 d P / P / 5 P 5 P 5 Problma. Prchdo os

Leia mais

TÓPICOS. Teoria dos residuos. Classificação de singularidades. Teorema dos resíduos.

TÓPICOS. Teoria dos residuos. Classificação de singularidades. Teorema dos resíduos. Not bm a ltura dsts apotamtos ão dspsa d modo algum a ltura atta da bblograa prcpal da cadra hama-s à atção para a mportâca do trabalho pssoal a ralar plo aluo rsolvdo os problmas aprstados a bblograa

Leia mais

( )( ) ( ) 2 2 ( ) ( ) 2. Questões tipo exame. Pág θ =. θ =, logo. Portanto, 1.1. ( ) 2. = θ 4.º Q, ou. = θ, tem-se.

( )( ) ( ) 2 2 ( ) ( ) 2. Questões tipo exame. Pág θ =. θ =, logo. Portanto, 1.1. ( ) 2. = θ 4.º Q, ou. = θ, tem-se. + 8...... Sdo Arg( ) θ, tm-s sja, taθ θ.º quadrat, tão Portato,. Pág. 8 taθ θ.º Q, ou θ. + + b ( + ) + b( + ) + c b c + + + + c + + + b b c b+ b+ c ( b ) b+ c+ b+ c b c + b b c b Portato, b c.. + S Arg(

Leia mais

NOTA: ESCREVA AS RESPOSTAS COMO FRAÇÕES OU COM 4 CASAS DECIMAIS NOTA 2: O FORMULÁRIO ESTÁ NO FINAL DA PROVA

NOTA: ESCREVA AS RESPOSTAS COMO FRAÇÕES OU COM 4 CASAS DECIMAIS NOTA 2: O FORMULÁRIO ESTÁ NO FINAL DA PROVA IND 5 Ifrêca statístca Smstr 7. Tst 3//7 Nom: NOTA: SCRVA AS RSPOSTAS COMO FRAÇÕS OU COM 4 CASAS DCIMAIS NOTA : O FORMULÁRIO STÁ NO FINAL DA PROVA Problma (5 potos A quatdad d rfrgrat uma garrafa PT d

Leia mais

Indice de Gini. Como existem N (N 1 ) / 2 pares distintos, o Gini corresponde a :

Indice de Gini. Como existem N (N 1 ) / 2 pares distintos, o Gini corresponde a : Idc d G Itrprtação Gométrca. Corrspod à razão tr a ára tr a curva a rta d prfta gualdad a ára total sob a rta d prfta gualdad (vara d 0 a. Emplo d Fução Bm Estar Socal Basada o G: A fução Bm Estar Socal

Leia mais

Raciocínio-Lógico (Receita Federal 2009 Prova 1 - Gabarito 1):

Raciocínio-Lógico (Receita Federal 2009 Prova 1 - Gabarito 1): Racocío-Lógco (Rcta Fdral 009 Prova 1 - Gabarto 1): 1 Cosdr a sgut proposção: S chov ou va, tão o chão fca molhado. Sdo assm, pod-s afrmar qu: a) S o chão stá molhado, tão chovu ou vou b) S o chão stá

Leia mais

NÚMEROS COMPLEXOS. Podemos definir o conjunto dos números complexos como sendo o conjunto dos números escritos na forma:

NÚMEROS COMPLEXOS. Podemos definir o conjunto dos números complexos como sendo o conjunto dos números escritos na forma: NÚMEROS COMPLEXOS DEFINIÇÃO No cojuto dos úmros ras R, tmos qu a a a é smpr um úmro ão gatvo para todo a Ou sja, ão é possívl xtrar a ra quadrada d um úmro gatvo m R Portato, podmos dfr um cojuto d úmros

Leia mais

[Poole 003 a 028 ; 090 a 101 ; 189 a 209]

[Poole 003 a 028 ; 090 a 101 ; 189 a 209] Módlo 5 Not bm a ltra dsts apotamtos ão dspsa d modo algm a ltra atta da bblografa prcpal da cadra Chama-s à atção para a mportâca do trabalho pssoal a ralar plo alo rsoldo os problmas aprstados a bblografa

Leia mais

IND 1115 Inferência Estatística Semestre turma B Teste 2 10/06/2005 GABARITO

IND 1115 Inferência Estatística Semestre turma B Teste 2 10/06/2005 GABARITO IND 5 Ifrêca statístca Smstr 5. turma B Tst /6/5 GABARITO PROBLMA ( potos m caa qustão abao, qu s a afrmatva é vrara ou falsa (marqu um a altratva corrta. Não é cssáro justfcar a sua rsposta. Vraro Falso

Leia mais

3. VARIÁVEIS ALEATÓRIAS

3. VARIÁVEIS ALEATÓRIAS 3. VARIÁVEIS ALEATÓRIAS 0 Varávl alatóra Ω é o spaço amostral d um prmnto alatóro. Uma varávl alatóra,, é uma função qu atrbu um númro ral a cada rsultado m Ω. Emplo. Rtra-s, ao acaso, um tm produzdo d

Leia mais

Estimação dos Estados da Cadeia de Markov de um MMPP(2)

Estimação dos Estados da Cadeia de Markov de um MMPP(2) Estmação dos Estados da Cada d Markov d um MMPP() Cláuda Nus Atóo Pachco Dpartamto d Matmátca Ctro d Matmátca Aplcada Isttuto Supror écco Rsumo: Um MMPP (Markov Modulatd Posso Procss) é um procsso d Posso

Leia mais

GABARITO DA SEGUNDA PROVA DE PTC-2433 TEORIA DAS COMUNICAÇÕES II - 19/10/2015

GABARITO DA SEGUNDA PROVA DE PTC-2433 TEORIA DAS COMUNICAÇÕES II - 19/10/2015 GABARITO DA EGUDA PROVA DE PTC-4 TEORIA DA COMUICAÇÕE II - 9// a. Qustão (, oto Dtrm a míma rlação (/ d um caal tlfôco (bada d Hz ara rmtr a trasmssão cofávl d. bts/s. Comt su rsultado. D C Blog ( + vm

Leia mais

Leonardo da Vinci ( ), artista, engenheiro e cientista italiano

Leonardo da Vinci ( ), artista, engenheiro e cientista italiano ormas dos rabalhos Vrtuas Itrodução Loardo da Vc (45-59), artsta, ghro ctsta talao Aplcou oçõs do prcípo dos dslocamtos vrtuas para aalsar o qulíbro d sstmas d polas alavacas PEF-40 Prof. João Cyro Adré

Leia mais

3. Termodinâmica dos Gases. Modelos:

3. Termodinâmica dos Gases. Modelos: 3. rmodâmca dos Gass Modlos: Srm como rrêcas ara as quas os sstmas ras s aroxmam m codçõs lmts. Os modlos qu os trssam são os sguts: - gás rto - mstura d gass rta - solução dal Os modlos odm sr ddos d

Leia mais

TÓPICOS. Sinais contínuos e sinais discretos. Função impulso unitário discreto.

TÓPICOS. Sinais contínuos e sinais discretos. Função impulso unitário discreto. Not bm: a litura dsts apotamtos ão dispsa d modo algum a litura atta da bibliografia pricipal da cadira hama-s a atção para a importâcia do trabalho pssoal a ralizar plo aluo rsolvdo os problmas aprstados

Leia mais

Apontamentos de Análise de Sinais

Apontamentos de Análise de Sinais LICECIATURA E EGEHARIA DE SISTEAS DE TELECOUICAÇÕES E ELECTRÓICA Apotamtos d Aáls d Sas ódulo 9 Prof. José Amaral Vrsão 3. 6-5-3 Scção d Comucaçõs Procssamto d Sal ISEL-CEDET, Gabt C jda@sl.pt Ídc OBJECTIVOS....

Leia mais

C5 C O termo geral do desenvolvimento de A( x ) é. Assim, vem: Número de casos possíveis: 6 C

C5 C O termo geral do desenvolvimento de A( x ) é. Assim, vem: Número de casos possíveis: 6 C Tst d avalação Pág Estm duas stuaçõs, a sabr: A Crsta ão va, ortato, o Atóo também ão va Os quatro blhts srão dstrbuídos los rstats quatro jovs, assm, o úmro d gruos é gual a um A Crsta va; os rstats três

Leia mais

Anexo III Temperatura equivalente de ruído, Figura de ruído e Fator de mérito para estações de recepção (G/T)

Anexo III Temperatura equivalente de ruído, Figura de ruído e Fator de mérito para estações de recepção (G/T) Axo III mpratura quivalt d ruído, igura d ruído ator d mérito para staçõs d rcpção (/) III.. mpratura Equivalt d Ruído A tmpratura quivalt d ruído d um compot pod sr dfiida como sdo o valor d tmpratura

Leia mais

1 1 2π. Área de uma Superfície de Revolução. Área de uma Superfície de Revolução

1 1 2π. Área de uma Superfície de Revolução. Área de uma Superfície de Revolução UNIVERSIDADE DO ESTADO DE MATO GROSSO CAMPUS UNIVERSITÁRIO DE SINOP FACULDADE DE CIÊNCIAS EXATAS E TECNOLÓGICAS CURSO DE ENGENHARIA CIVIL DISCIPLINA: CÁLCULO DIFERENCIAL E INTEGRAL I Ára d uma Suprfíc

Leia mais

sen( x h) sen( x) sen xcos h sen hcos x sen x

sen( x h) sen( x) sen xcos h sen hcos x sen x MAT00 Cálculo Difrcial Itgral I RESUMO DA AULA TEÓRICA Livro do Stwart: Sçõs 3., 3.4 3.8. DEMONSTRAÇÕES Nssa aula srão aprstadas dmostraçõs, ou sboços d dmostraçõs, d algus rsultados importats do cálculo

Leia mais

ANOVA Modelos de Efeitos Aleatórios

ANOVA Modelos de Efeitos Aleatórios O Modlos d Eftos latóros Modlos d Eftos latóros Ex. Tmpratura Corporal (ºC d mas Rpl 3 4 5 6 3 5 8 3 8 8 7 3 3 5 4 4 9 8 4 9 7 3 3 Obtvo do Exprmto: Estmar a tmpratura corporal dos amas d crta spéc m codçõs

Leia mais

Faculdade de Economia Universidade Nova de Lisboa EXAME DE CÁLCULO I. Ano Lectivo º Semestre

Faculdade de Economia Universidade Nova de Lisboa EXAME DE CÁLCULO I. Ano Lectivo º Semestre Faculdad d Ecoomia Uivrsidad Nova d Lisboa EXAME DE CÁLCULO I Ao Lctivo 8-9 - º Smstr Eam Fial d ª Época m d Jairo 9 Tópicos d Corrcção Duração: horas miutos É proibido usar máquias d calcular ou tlmóvis

Leia mais

Faculdade de Economia Universidade Nova de Lisboa EXAME DE CÁLCULO I. Ano Lectivo º Semestre

Faculdade de Economia Universidade Nova de Lisboa EXAME DE CÁLCULO I. Ano Lectivo º Semestre Faculdad d Ecoomia Uivrsidad Nova d Lisboa EXAME DE CÁLCULO I Ao Lctivo 8-9 - º Smstr Eam Fial d ª Época m d Jairo 9 Tópicos d Corrcção Duração: horas miutos É proibido usar máquias d calcular ou tlmóvis

Leia mais

O He Líquido. e α N V. Caso de 1 mol de He em CNTP:

O He Líquido. e α N V. Caso de 1 mol de He em CNTP: Caso d mol d H m CNTP: α O H Líquido h c N (,4 kv.m) ( ) / mc V ( 4 GV,5 V) 5 (,4 V.m) 6,5 6 / ( 4 V 5 V) /,4 m ( 68) FNC76 - Física Modra / 6,4,5 4,5 cm 6

Leia mais

Capítulo 5 Transformadas de Fourier

Capítulo 5 Transformadas de Fourier Capítulo 5 Trasformadas d Fourir 5. Aális da composição d sistmas através da rsposta m frquêcia 5.2 Trasformadas d Fourir propridads Capítulo 5 Trasformadas d Fourir 5. Aális da composição d sistmas através

Leia mais

O Modelo Logístico Aplicado a Estudos Epidemiológicos

O Modelo Logístico Aplicado a Estudos Epidemiológicos O Modlo Logístco Aplcado a studos pdmológcos Aluíso J D Barros uclyds Custódo d Lma Flho 99 / 994. Dfçõs báscas.. O studo prospctvo O studo prospctvo também chamado d studo d coorts ou follow-up é um dsho

Leia mais

Nota 1: Esta questão poderia ser resolvida de outra maneira, usando a seguinte propriedade: RESOLUÇÃO DA PROVA MODELO N.º 14

Nota 1: Esta questão poderia ser resolvida de outra maneira, usando a seguinte propriedade: RESOLUÇÃO DA PROVA MODELO N.º 14 RESLUÇÃ DA PRVA MDEL N.º GRUP I ITENS DE ESCLHA MÚLTIPLA. Cosidrmos o sguit squma: S as duas ltras A ficassm as duas primiras posiçõs a ltra D a trcira posição tmos: As duas ltras A podm ocupar as oito

Leia mais

y z CC2: na saída do reator: z = 1: 0. Pe dz Os valores característicos do problema são as raízes de: Da Pe 0 Pe Pe

y z CC2: na saída do reator: z = 1: 0. Pe dz Os valores característicos do problema são as raízes de: Da Pe 0 Pe Pe COQ-86 Méodos Nuércos para Ssas Dsrbuídos Explos Ilusravos d EDO co Problas d Valors o Cooro -) Modlo sacoáro do raor co dsprsão soérco Coo o obvo ds sudo d caso é lusrar o ovo procdo avalar o su dspo

Leia mais

XXXI Olimpíada Brasileira de Matemática GABARITO Primeira Fase

XXXI Olimpíada Brasileira de Matemática GABARITO Primeira Fase XXXI Olimpíada Brasilira d Matmática GABARITO Primira Fas Soluçõs Nívl Uivrsitário Primira Fas PROBLEMA ( x) a) A drivada da fução f é f ( x) =, qu s aula apas para x =, sdo gativa para x < positiva para

Leia mais

Exercícios de Cálculo Numérico - Erros

Exercícios de Cálculo Numérico - Erros Ercícios d Cálculo Numérico - Erros. Cosidr um computador d bits com pot máimo ( a rprstação m aritmética lutuat a bas. (a Dtrmi o mor úmro positivo rprstávl sta máquia a bas. (b Dtrmi o maior úmro positivo

Leia mais

2. Método estático que considera a contribuição do solo

2. Método estático que considera a contribuição do solo Grupo d staas étodos d dmsoamto: 1. étodo státo qu gora prsça d solo A rpartção d forças é dtrmada a partr do qulíbro státo O momto aplado é absorvdo por forças axas quvalts. étodo státo qu osdra a otrbução

Leia mais

Questão (a) 3.(b) 3.(c) 3.(d) 4.(a) 4.(b) 5.(a) 5.(b) 6 Cotação

Questão (a) 3.(b) 3.(c) 3.(d) 4.(a) 4.(b) 5.(a) 5.(b) 6 Cotação Faculdad d Ciêcias Exatas da Egharia PROVA DE AVALIAÇÃO DE CONHECIMENTOS E COMPETÊNCIAS PARA ADMISSÃO AO ENSINO SUPERIOR PARA MAIORES DE ANOS - 07 Matmática - 4/06/07 Atção: Justifiqu os raciocíios utilizados

Leia mais

Tópicos de Álgebra Linear Aplicados a Equações Diferenciais

Tópicos de Álgebra Linear Aplicados a Equações Diferenciais UNIVERSIDDE FEDERL DE SNT CTRIN Ctro d Cêas Físas Matmátas Curso d Latura m Matmáta Tópos d Álgbra Lar plados a Equaçõs Dras utora: Dala Fraso Ortador: Pro Dr Gustavo dolo Torrs Frads da Costa Floraópols

Leia mais

Em termos da fração da renda total da população recebida por cada pessoa, na distribuição dual temos. pessoas

Em termos da fração da renda total da população recebida por cada pessoa, na distribuição dual temos. pessoas 6. Dual do Ídic d hil Dfiição Gral do Dual: Sja x uma variávl alatória com média µ distribuição tal qu o valor d crta mdida d dsigualdad é M. Chama-s dual a distribuição com as sguits caractrísticas: a.

Leia mais

30/09/2015. Distribuições. Distribuições Discretas. p + q = 1. E[X] = np, Var[X] = npq DISTRIBUIÇÃO BINOMIAL. Contínuas. Discretas

30/09/2015. Distribuições. Distribuições Discretas. p + q = 1. E[X] = np, Var[X] = npq DISTRIBUIÇÃO BINOMIAL. Contínuas. Discretas Dstrbuçõs Dscrtas Dstrbuçõs 30/09/05 Contínuas DISTRIBUIÇÃO DE PROBABILIDADE Dscrtas DISTRIBUIÇÃO BIOMIAL Bnomal Posson Consdramos n tntatvas ndpndnts, d um msmo prmnto alatóro. Cada tntatva admt dos rsultados:

Leia mais

Faculdade de Economia Universidade Nova de Lisboa EXAME DE CÁLCULO I. Ano Lectivo º Semestre

Faculdade de Economia Universidade Nova de Lisboa EXAME DE CÁLCULO I. Ano Lectivo º Semestre aculdad d Ecoomia Uivrsidad Nova d Lisboa EXAME DE CÁLCULO I Ao Lctivo 009-0 - º Smstr Eam ial d ª Época m d Jairo d 00 Duração: horas 0 miutos É proibido usar máquias d calcular ou tlmóvis Não tha o su

Leia mais

Boltzmann como boa aproximação das distribuições quânticas = 1. ε 2 ε

Boltzmann como boa aproximação das distribuições quânticas = 1. ε 2 ε oltzma como boa aproximação das distribuiçõs quâticas Fator d oltzma: ( ε ) ( ε ) g g ( ε ) ( ε ) ε ε Podmos usá-lo para dtrmiar a razão d ocupação d stados m um sistma quâtico, quado ε >>. Exmplo: colisõs

Leia mais

TÓPICOS. Vectores livres. Vectores em R 2 e R 3. Vectores em R n. Vectores iguais. Soma de vectores. Notação matricial.

TÓPICOS. Vectores livres. Vectores em R 2 e R 3. Vectores em R n. Vectores iguais. Soma de vectores. Notação matricial. Not bm: a litra dsts apotamtos ão dispsa d modo algm a litra atta da bibliografia pricipal da cadira TÓPICOS Vctors lirs. AULA 09 Chama-s a atção para a importâcia do trabalho pssoal a ralizar plo alo

Leia mais

28 a Aula AMIV LEAN, LEC Apontamentos

28 a Aula AMIV LEAN, LEC Apontamentos 8 a Aula 49 AMIV LEAN, LEC Apontamntos (RcardoCoutnho@mathstutlpt) 8 Exponncal d matrzs smlhants Proposção 8 S A SJS ond A, S J são matrzs n n,(comdt S 6 ), ntão A S J S Dmonstração Tmos A SJS, dond por

Leia mais

Variáveis aleatórias Conceito de variável aleatória

Variáveis aleatórias Conceito de variável aleatória Variávis alatórias Muitos primtos alatórios produzm rsultados ão-uméricos. Ats d aalisá-los, é covit trasformar sus rsultados m úmros, o qu é fito através da variávl alatória, qu é uma rgra d associação

Leia mais

Análise de regressão

Análise de regressão Análs d rgrssão Slvana Lags Rbro Garca FDV Hlo Garca Lt UFV Um dos usos da análs d rgrssão é vrfcar s, como, uma ou mas varávs ndpndnts nfluncam o comportamnto d outra varávl dpndnt Y. As varávs ndpndnts

Leia mais

Novo Espaço Matemática A 12.º ano Proposta de Teste [janeiro ]

Novo Espaço Matemática A 12.º ano Proposta de Teste [janeiro ] Novo Espaço Matmática A.º ao Proposta d Tst [jairo - 08] Nom: Ao / Turma: N.º: Data: / / Não é prmitido o uso d corrtor. Dvs riscar aquilo qu prtds qu ão sja classificado. A prova iclui um formulário.

Leia mais

Resoluções dos exercícios propostos

Resoluções dos exercícios propostos da físca 3 Undad C Capítulo 15 Indução ltromagnétca soluçõs dos xrcícos propostos 1 P.368 D L v, vm: 0,5 0, 1 5 2 V P.369 D L v, vm: 15 6 1 20 3 4 V P.370 a) L v 1,5 0,40 2 1,2 V b) 1,2 2 0,6 Pla rgra

Leia mais

Novo Espaço Matemática A 12.º ano Proposta de Teste [maio 2018]

Novo Espaço Matemática A 12.º ano Proposta de Teste [maio 2018] Proposta d Tst [maio 018] Nom: Ao / Turma: Nº: Data: - - Não é prmitido o uso d corrtor Dvs riscar aquilo qu prtds qu ão sja classificado A prova iclui um formulário As cotaçõs dos its cotram-s o fial

Leia mais

Proposta de Exame Final de Matemática A

Proposta de Exame Final de Matemática A Proposta d Eam Fial d Matmática. N DE ESCLRIDDE Duração da prova: 50 miutos. Tolrâcia: 30 miutos Data: Grupo I Na rsposta aos its dst grupo, slcio a opção corrta. Escrva, a olha d rspostas, o úmro do itm

Leia mais

). Quer os eixos de S quer os de S

). Quer os eixos de S quer os de S CAPÍULO RANSFORMAÇÃO LINEAR DE COORDENADAS Nst capítulo é aprsntada a ddução da prssão qu prmt transformar as coordnadas d um ponto no spaço d um rfrncal ( S) para outro ( S ). Qur os os d S qur os d S

Leia mais

Não serão feitos esclarecimentos individuais sobre questões durante a prova. Não se esqueça que tudo é para justificar.

Não serão feitos esclarecimentos individuais sobre questões durante a prova. Não se esqueça que tudo é para justificar. Eam m 7 d Jairo d 007 Cálculo ATENÇÃO: FOLHAS DE EXAE NÃO IDENTIFICADAS NÃO SERÃO COTADAS Cálculo / Eam fial ª Época 7 Jairo d 007 Duração: horas 0 miutos Rsolva os grupos do am m folhas sparadas O uso

Leia mais

TÓPICOS. Vectores livres. Vectores em Rn. Produto interno. Norma. Resulta da definição de produto interno entre vectores que:

TÓPICOS. Vectores livres. Vectores em Rn. Produto interno. Norma. Resulta da definição de produto interno entre vectores que: Not bm: a litra dsts apotamtos ão dispsa d modo algm a litra atta da bibliografia pricipal da cadira TÓPICOS Vctors lirs AULA 8 Chama-s a atção para a importâcia do trabalho pssoal a ralizar plo alo rsoldo

Leia mais

1 Introdução. Figura 1.1: Crescimento do número de transistores para processadores Intel e Lei de Moore. Fonte: Wikipédia.

1 Introdução. Figura 1.1: Crescimento do número de transistores para processadores Intel e Lei de Moore. Fonte: Wikipédia. Itrodução Fgura : Crscmto do úmro d trasstors para procssadors Itl L d Moor Fot: Wkpéda O grad trss da comudad ctífca m Computação Quâtca, também m Iformação Quâtca, s dv à larga gama d possívs aplcaçõs

Leia mais

CÁLCULO I 2º Semestre 2011/2012. Duração: 2 horas e 15 minutos

CÁLCULO I 2º Semestre 2011/2012. Duração: 2 horas e 15 minutos NOVA SCHOOL OF BSINESS AND ECONOMICS CÁLCLO I º Smstr / CORRECÇÃO DO EXAME ª ÉPOCA Maio Duração: horas miutos Não é prmitido o uso d aluladoras. Não pod dsagraar as olhas do uiado. Rspoda d orma justiiada

Leia mais

( C) lim g( x) 2x 4 0 ( D) lim g( x) 2x

( C) lim g( x) 2x 4 0 ( D) lim g( x) 2x AGRUPAMENTO DE ESCOLAS DE MORTÁGUA Ficha d Trabalho º6 - Fuçõs - º ao Eams 0 a 04. Na figura stá rprstada um rfrcial o.. Oy, part do gráfico d uma fução g, d domíio 3,. A rta d quação y 4 é assítota do

Leia mais

Aula 10. Antes de iniciarmos o estudo das ondas iônicas em plasmas, faremos uma breve revisão de fenômenos acústicos num gás neutro e aquecido.

Aula 10. Antes de iniciarmos o estudo das ondas iônicas em plasmas, faremos uma breve revisão de fenômenos acústicos num gás neutro e aquecido. Aula Nsta aula, cotuamos o capítulo 4 do lvo txto, od agoa vstgamos a osclação atual dos íos também sua popagação ao logo do plasma. 4.4 Odas Iôcas Ats d camos o studo das odas ôcas m plasmas, famos uma

Leia mais

Novo Espaço Matemática A 12.º ano Proposta de Teste [maio 2018]

Novo Espaço Matemática A 12.º ano Proposta de Teste [maio 2018] Novo Espaço Matmática A 1.º ao Proposta d Tst [maio 018] Nom: Ao / Turma: N.º: Data: - - Não é prmitido o uso d corrtor. Dvs riscar aquilo qu prtds qu ão sja classificado. A prova iclui um formulário.

Leia mais

/ :;7 1 6 < =>6? < 7 A 7 B 5 = CED? = DE:F= 6 < 5 G? DIHJ? KLD M 7FD? :>? A 6? D P

/ :;7 1 6 < =>6? < 7 A 7 B 5 = CED? = DE:F= 6 < 5 G? DIHJ? KLD M 7FD? :>? A 6? D P 26 a Aula 20065 AMIV 26 Exponncial d matrizs smlhants Proposição 26 S A SJS ntão Dmonstração Tmos A SJS A % SJS SJS SJ % S ond A, S J são matrizs n n ", (com dt S 0), # S $ S, dond ; A & SJ % S SJS SJ

Leia mais

(1) Raízes n-ésimas. r cos. nϕ = θ + 2kπ; k = 0, 1, 2, 3, 4,... ρ n cos nϕ = r cos θ ρ n = r ρ= (r) 1/n. Portanto:

(1) Raízes n-ésimas. r cos. nϕ = θ + 2kπ; k = 0, 1, 2, 3, 4,... ρ n cos nϕ = r cos θ ρ n = r ρ= (r) 1/n. Portanto: Raís -ésmas A ra -ésma d um úmro complxo s é o complxo s Vamos vr qu os complxos possum raís dfrts!!! Em coordadas polars: s r cos θ s θ ρ cos ϕ s ϕ Aplcado Movr trmos: r cos θ s θ ρ cos ϕ s ϕ Portato:

Leia mais

Equações Diferenciais Lineares

Equações Diferenciais Lineares Equaçõs Diriais Liars Rordmos a orma gral d uma quação dirial liar d ordm a d d d d a a a, I d d m qu as uçõs a i são idpdts da variávl. S, a quação diz-s liar homogéa. Caso otrário, diz-s liar omplta.

Leia mais

Copyright LTG 2013 LTG/PTR/EPUSP

Copyright LTG 2013 LTG/PTR/EPUSP 1 Na Godésia a Topografia s ralizam mdiçõs d âgulos, distâcias, tc. Mdir uma gradza sigifica obtr um úmro associado a uma uidad qu rprst o valor dssa gradza. Tudo o qu s pod mdir (obsrvar) é domiado obsrvávl.

Leia mais

Identifique todas as folhas Folhas não identificadas NÃO SERÃO COTADAS. Faculdade de Economia Universidade Nova de Lisboa EXAME DE CÁLCULO I

Identifique todas as folhas Folhas não identificadas NÃO SERÃO COTADAS. Faculdade de Economia Universidade Nova de Lisboa EXAME DE CÁLCULO I Idtifiqu todas as folhas Folhas ão idtificadas NÃO SERÃO COTADAS Faculdad d Ecoomia Uivrsidad Nova d Lisboa EXAME DE CÁLCULO I Ao Lctivo 8-9 - º Smstr Exam Fial d ª Época m 5 d Maio 9 Duração: horas miutos

Leia mais

Análise Matemática IV

Análise Matemática IV Anális Matmática IV Problmas para as Aulas Práticas Smana 7 1. Dtrmin a solução da quação difrncial d y d t = t2 + 3y 2 2ty, t > 0 qu vrifica a condição inicial y(1) = 1 indiqu o intrvalo máximo d dfinição

Leia mais

TÓPICOS DE RESOLUÇÃO DO EXAME DE CÁLCULO I

TÓPICOS DE RESOLUÇÃO DO EXAME DE CÁLCULO I Faculdad d Ecoomia Uivrsidad Nova d Lisboa TÓPICOS DE RESOLUÇÃO DO EXAME DE CÁLCULO I Ao Lctivo 7-8 - º Smstr Eam Fial d 1ª Época m d Juho d 8 Duração: horas 3 miutos É proibido usar máquias d calcular

Leia mais

estados. Os estados são influenciados por seus próprios valores passados x

estados. Os estados são influenciados por seus próprios valores passados x 3 Filtro d Kalman Criado por Rudolph E. Kalman [BROWN97] m 1960, o filtro d Kalman (FK) foi dsnvolvido inicialmnt como uma solução rcursiva para filtragm linar d dados discrtos. Para isto, utiliza quaçõs

Leia mais

1 Eliminação gaussiana com pivotamento parcial

1 Eliminação gaussiana com pivotamento parcial 1 Elimiação gaussiaa com pivotamto parcial Exmplo sm pivotamto parcial Costruimos a matriz complta: 0 2 2 1 1 1 6 0 2 2 1 2 1 1 1 1 0 2 2 1 1 1 6 1 2 0 0 2 0 6 x y z = 9 6 0 2 2 0 1 0 3 1 0 0 2 0 2 0 6

Leia mais

Estatística Clássica

Estatística Clássica Estatística Clássica As rgias das difrts partículas do sistma (um istat particular s distribum d acordo com uma fução distribuição d probabilidad distribuição d Boltzma qu dpd da tmpratura T. Um xmplo

Leia mais

3 Metodologia de solução

3 Metodologia de solução 3 Mtodologa d solução No prst capítulo é dmostrada a mtodologa utlzada a solução umérca das quaçõs d fluxo d umdad calor m mos porosos ãosaturados. Icalmt é fta uma brv trodução ao método d solução umérca

Leia mais

MODELOS DE REGRESSÃO PARA DADOS DE CONTAGEM. O modelo log-linear de Poisson

MODELOS DE REGRESSÃO PARA DADOS DE CONTAGEM. O modelo log-linear de Poisson MODELOS DE REGRESSÃO PARA DADOS DE CONTAGEM O modlo log-lnar d Posson Intrss m modlar a dstrbução d uma varávl rfrnt a algum tpo d contagm m função d covarávs. A stratéga mas comum para modlagm nssas stuaçõs

Leia mais

3 Solução Analítica Exata para Viga Infinita no Caso Linear

3 Solução Analítica Exata para Viga Infinita no Caso Linear 37 3 Solução Alítc Ext pr Vg It o Cso Lr st cpítulo são borddos os procdmtos pr rsolução d qução (.4, pr o cso spcíco d um vg prsmátc d comprmto to. st sstm os dslocmtos rotçõs tdm pr o zro à mdd qu s

Leia mais

TÓPICOS. ordem; grau; curvas integrais; condições iniciais e fronteira. 1. Equações Diferenciais. Conceitos Gerais.

TÓPICOS. ordem; grau; curvas integrais; condições iniciais e fronteira. 1. Equações Diferenciais. Conceitos Gerais. Not bm, a litura dsts apontamntos não dispnsa d modo algum a litura atnta da bibliografia principal da cadira hama-s à atnção para a importância do trabalho pssoal a ralizar plo aluno rsolvndo os problmas

Leia mais

CAPÍTULO 9 CORRELAÇÃO E REGRESSÃO

CAPÍTULO 9 CORRELAÇÃO E REGRESSÃO CAPÍTULO 9 CORRELAÇÃO E REGRESSÃO Exst um cojuto d métodos statístcos qu vsam studar a assocação tr duas ou mas varávs alatóras. Dtr tas métodos, a tora da rgrssão corrlação ocupa um lugar d dstaqu por

Leia mais

Problemas. Regressão Linear Múltipla. Ajuda a encontrar relações Ceteris Paribus entre variáveis; Melhora o ajuste ao dados; Maior flexibilidade.

Problemas. Regressão Linear Múltipla. Ajuda a encontrar relações Ceteris Paribus entre variáveis; Melhora o ajuste ao dados; Maior flexibilidade. Prof. Lorí Val, Dr. val@at.ufrgs.br http://www.at.ufrgs.br/~val/ Rgrssão Lar Múltpla O odlo d rgrssão lar últpla Itrodução Dfção trologa Itrprtação Estação Itrprtação rvstada Qualdad do aust Proprdads

Leia mais

Resolver problemas com amostragem aleatória significa gerar vários números aleatórios (amostras) e repetir operações matemáticas para cada amostra.

Resolver problemas com amostragem aleatória significa gerar vários números aleatórios (amostras) e repetir operações matemáticas para cada amostra. Dscplna: SComLMol Numann, Ulam Mtropols (945-947) Numann Ulam [945] prcbram qu problmas dtrmnístcos podm sr transormados num análogo probablístco qu pod sr rsolvdo com amostragm alatóra. Els studavam dusão

Leia mais

λ, para x 0. Outras Distribuições de Probabilidade Contínuas

λ, para x 0. Outras Distribuições de Probabilidade Contínuas abilidad Estatística I Antonio Roqu Aula 3 Outras Distribuiçõs d abilidad Contínuas Vamos agora studar mais algumas distribuiçõs d probabilidads para variávis contínuas. Distribuição Eponncial Uma variávl

Leia mais

MATEMÁTICA. QUESTÃO 1 De quantas maneiras n bolas idênticas podem ser distribuídas em três cestos de cores verde, amarelo e azul?

MATEMÁTICA. QUESTÃO 1 De quantas maneiras n bolas idênticas podem ser distribuídas em três cestos de cores verde, amarelo e azul? (9) - www.litcampias.com.br O ELITE RESOLVE IME 8 TESTES MATEMÁTICA MATEMÁTICA QUESTÃO D quatas mairas bolas idêticas podm sr distribuídas m três cstos d cors vrd, amarlo azul? a) b) d) ( )! ) Rsolução

Leia mais

AULA Produto interno em espaços vectoriais reais ou complexos Produto Interno. Norma. Distância.

AULA Produto interno em espaços vectoriais reais ou complexos Produto Interno. Norma. Distância. Note bem: a letura destes apotametos ão dspesa de modo algum a letura ateta da bblografa prcpal da cadera Chama-se a ateção para a mportâca do trabalho pessoal a realzar pelo aluo resoledo os problemas

Leia mais

Capítulo 2. Problema 01. intervalar. Problema 02. (a) Freqüência Proporção Porcentagem. 100 f i

Capítulo 2. Problema 01. intervalar. Problema 02. (a) Freqüência Proporção Porcentagem. 100 f i Capítulo roblma a b c d f g razão ordal razão trvalar razão omal trvalar roblma a b c stado Frqüêca roporção orctagm Cvl f f Casado,556 55,56 Soltro 6,, Total 6,, Rgão d rocdêca Frqüêca roporção orctagm

Leia mais

MODELOS DE REGRESSÃO PARA DADOS BINÁRIOS

MODELOS DE REGRESSÃO PARA DADOS BINÁRIOS MODELOS DE REGRESSÃO PARA DADOS BINÁRIOS Introdução Intrss m modlar algum fnômno alatóro com dos dsfchos possívs ( sucsso ou fracasso ) m função d uma ou mas covarávs. Assoca-s ao rsultado do fnômno uma

Leia mais

Pág Circunferência: ( ) ( ) 5.4. Circunferência: ( ) ( ) A reta r passa nos pontos de coordenadas (0, 1) e (2, 2).

Pág Circunferência: ( ) ( ) 5.4. Circunferência: ( ) ( ) A reta r passa nos pontos de coordenadas (0, 1) e (2, 2). Númros complxos Atvdad d dagnóstco AB + + + AB ( ) ( ) ( ) + + + 9+ A, ; B, ; P x, y Pág AP BP x+ y x + y + x + x + + y x + x x + + y + x + yx y x A bsstr dos quadrants ímpars é a mdatr d [AB] B(, ) ;

Leia mais

A trajetória sob a ação de uma força central inversamente proporcional ao quadrado da distância

A trajetória sob a ação de uma força central inversamente proporcional ao quadrado da distância A trajtória sob a ação d uma força cntral invrsamnt proporcional ao quadrado da distância A força gravitacional a força ltrostática são cntrais proporcionais ao invrso do quadrado da distância ao cntro

Leia mais

1. Introdução Bifurcação de Equilíbrio

1. Introdução Bifurcação de Equilíbrio Itrodução à Estabdad d Estruturas. Itrodução Nst capítuo vamos studar os fómos d bfurcação sob o poto d vsta do comportamto ástco. Esta póts ão é vrdadra, porqu ats d s vrfcar st fómo ocorr fdação ou msmo

Leia mais

ANÁLISE MATEMÁTICA IV A =

ANÁLISE MATEMÁTICA IV A = Instituto uprior Técnico Dpartamnto d Matmática cção d Álgbra Anális ANÁLIE MATEMÁTICA IV FICHA 5 ITEMA DE EQUAÇÕE LINEARE E EQUAÇÕE DE ORDEM UPERIOR À PRIMEIRA () Considr a matriz A 3 3 (a) Quais são

Leia mais

CADERNO 1 (É permitido o uso de calculadora gráfica.)

CADERNO 1 (É permitido o uso de calculadora gráfica.) Nom: Ao / Trma: Nº: Data: - - Não é prmitido o so d corrtor Dvs riscar aqilo q prtds q ão sja classificado A prova icli m formlário As cotaçõs dos its cotram-s o fial do ciado da prova CADERNO 1 (É prmitido

Leia mais

ANÁLISE MATEMÁTICA IV FICHA SUPLEMENTAR A =

ANÁLISE MATEMÁTICA IV FICHA SUPLEMENTAR A = Instituto Suprior Técnico Dpartamnto d Matmática Scção d Álgbra Anális ANÁLISE MATEMÁTICA IV FICHA SUPLEMENTAR 4 EQUAÇÕES DIFERENCIAIS LINEARES Formas canónicas d Jordan () Para cada uma das matrizs A

Leia mais

Modelos com Variáveis Dependentes Qualitativas. Prob(Y = 1) = F(β X) probabilidade de um indivíduo com determinadas características X trabalhar

Modelos com Variáveis Dependentes Qualitativas. Prob(Y = 1) = F(β X) probabilidade de um indivíduo com determinadas características X trabalhar Modlos co Varávs Dpdts Qualtatvas Cosdr, por xplo, odlar a partcpação a força d trabalho. Atrbura-s valor zro a ão partcpação p u a partcpação p o rcado d trabalho. Fators tas coo: dad, ducação, stado

Leia mais

Modelo de Carreador Simples e Simétrico com Quatro Estados

Modelo de Carreador Simples e Simétrico com Quatro Estados 5910187 Bofísa II FFCLRP UP Prof. Atôo Roqu Aula 9 Modlo d Carrador mpls métro om Quatro stados Nsta aula, vamos aplar a tora dsvolvda a aula 8 para dsrvr um modlo smpls d arrador para mplmtar o trasport

Leia mais

Dinâmica Estocástica Aula 7 Ifusp, setembro de Tânia - Din Estoc

Dinâmica Estocástica Aula 7 Ifusp, setembro de Tânia - Din Estoc Diâmica Estocástica Aula 7 Iusp, stmbro d 016 Tâia - Di Estoc - 016 1 . Discrtização da quação d Lagvi. Obtção da quação d Fokkr-Plack Tâia - Di Estoc - 016 Discrtização da quação d Lagvi A orma discrtizada

Leia mais

Análise e Processamento de BioSinais. Mestrado Integrado Engenharia Biomédica. Faculdade de Ciências e Tecnologia. Universidade de Coimbra

Análise e Processamento de BioSinais. Mestrado Integrado Engenharia Biomédica. Faculdade de Ciências e Tecnologia. Universidade de Coimbra Aális Procssamto d BioSiais Mstrado Itgrado Egharia Biomédica Faculdad d Ciêcias cologia Slid Aális Procssamto d BioSiais MIEB Adaptado dos slids S&S d Jorg Dias ópicos: o Aális d Fourir para Siais Sistmas

Leia mais

2 x. ydydx. dydx 1)INTEGRAIS DUPLAS: RESUMO. , sendo R a região que. Exemplo 5. Calcule integral dupla. xda, no retângulo

2 x. ydydx. dydx 1)INTEGRAIS DUPLAS: RESUMO. , sendo R a região que. Exemplo 5. Calcule integral dupla. xda, no retângulo Intgração Múltipla Prof. M.Sc. Armando Paulo da Silva UTFP Campus Cornélio Procópio )INTEGAIS DUPLAS: ESUMO Emplo Emplo Calcul 6 Calcul 6 dd dd O fato das intgrais rsolvidas nos mplos srm iguais Não é

Leia mais

Física Computacional 5

Física Computacional 5 Física Computacioal 5. Drivaas com irças iitas a. O cocito rivaa mos simpls qu o itgral b. Cálculo umérico a rivaa com irças iitas c. Um outro cocito Equação Dircial Oriária. Solução aalítica as EDO liars.

Leia mais

n = η = / 2 = 0, c

n = η = / 2 = 0, c PTC4 - TEORIA DA COMUNICAÇÕE II - //5 - PJEJ REOLUÇÃO DA EGUNDA LITA DE EXERCÍCIO QUETÃO Consdr sstmas bnáros om transmssão d ormaçõs quprovávs λ >>. Compar os dsmpnhos om sm odfação dos sstmas a sgur,

Leia mais

AGRUPAMENTO DE ESCOLAS DE MORTÁGUA Ficha de Trabalho nº 7 - Funções - 12º ano Exames 2015 a 2017 k 3 log 3? 9

AGRUPAMENTO DE ESCOLAS DE MORTÁGUA Ficha de Trabalho nº 7 - Funções - 12º ano Exames 2015 a 2017 k 3 log 3? 9 AGRUPAMENTO DE ESCOLAS DE MORTÁGUA Ficha d Trabalho º 7 - Fuçõs - º ao Eams 05 a 07 k 3 log 3? 9. Qual das sguits prssõs é, para qualqur úmro ral k, igual a k k ( A) ( B) k ( C) ( D) k 9 (05-ª) 9. Cosidr

Leia mais

PTC-2433 TEORIA DAS COMUNICAÇÕES II ADENDO SOBRE CÓDIGOS CORRETORES / DETECTORES DE ERRO

PTC-2433 TEORIA DAS COMUNICAÇÕES II ADENDO SOBRE CÓDIGOS CORRETORES / DETECTORES DE ERRO TC-433 TEORIA DAS COMUNICAÇÕES II ADENDO SOBRE CÓDIGOS CORRETORES / DETECTORES DE ERRO Rcordado a visualização gométrica pod-s aida scrvr qu: ara dtctar até l rros por palavra d mi l Corrigir até t rros

Leia mais

ONDAS ELETROMAGNÉTICAS EM MEIOS CONDUTORES

ONDAS ELETROMAGNÉTICAS EM MEIOS CONDUTORES LTROMAGNTISMO II 3 ONDAS LTROMAGNÉTICAS M MIOS CONDUTORS A quação d onda dduida no capítulo antrior é para mios sm prdas ( = ). Vamos agora ncontrar a quação da onda m um mio qu aprsnta condutividad não

Leia mais

CADERNO 1. (É permitido o uso de calculadora gráfica) N.º de possibilidades de representar os 4 algarismos ímpares e a sequência de pares: 5!

CADERNO 1. (É permitido o uso de calculadora gráfica) N.º de possibilidades de representar os 4 algarismos ímpares e a sequência de pares: 5! Novo Espaço Matmática A º ao Proposta d Rsolução [jairo - 08] Algarismos ímpars:,,, 7, 9 Algarismos pars:, 4, 6, 8 CADERNO (É prmitido o uso d calculadora gráfica) Nº d possibilidads para o algarismo das

Leia mais

Estatística Multivariada Normal Multivariada Função densidade conjunta e contorno de probabilidade

Estatística Multivariada Normal Multivariada Função densidade conjunta e contorno de probabilidade Estatístca ultvarada Normal ultvarada Função dnsdad conjunta contorno d robabldad Prof. José Francsco orra Pssanha rofssorjfm@hotmal.com Dstrbução normal unvarada Sja uma varávl alatóra normalmnt dstrbuída

Leia mais

TÓPICOS. EDO de variáveis separadas. EDO de variáveis separáveis. EDO homogénea. 2. Equações Diferenciais de 1ª Ordem.

TÓPICOS. EDO de variáveis separadas. EDO de variáveis separáveis. EDO homogénea. 2. Equações Diferenciais de 1ª Ordem. ot bm a litura dsts apontamntos não dispnsa d modo algum a litura atnta da bibliograia principal da cadira Cama-s à atnção para a importância do trabalo pssoal a ralizar plo aluno rsolvndo os problmas

Leia mais

MÓDULO 8 REVISÃO REVISÃO MÓDULO 1

MÓDULO 8 REVISÃO REVISÃO MÓDULO 1 MÓDULO 8 REVISÃO REVISÃO MÓDULO A Estatístca é uma técca que egloba os métodos cetícos para a coleta, orgazação, apresetação, tratameto e aálse de dados. O objetvo da Estatístca é azer com que dados dspersos

Leia mais

A Origem do Potencial de Membrana e a Equação de Nernst

A Origem do Potencial de Membrana e a Equação de Nernst 5915756 Itrodução à Nuroêa Computaoal Atoo Roqu Complmto à aula Equaçõs d Nrst d GHK A Orgm do Potal d Mmbraa a Equação d Nrst A razão pla qual xst uma dfrça d potal létro através da mmbraa uroal é porqu

Leia mais

Estudo de diversidade populacional: efeito da taxa de mutação

Estudo de diversidade populacional: efeito da taxa de mutação IA369 - Guwn & Von Zubn (s/98) Estuo vrsa populaconal: fto a taxa mutação. Ausênca prssão sltva ausênca mutação é assumo qu caa nvíuo a população é ao por um cromossomo hapló qu o crossovr é unform. um

Leia mais