4 Planejamento de Rede

Tamanho: px
Começar a partir da página:

Download "4 Planejamento de Rede"

Transcrição

1 43 4 Planejamento de ede este capítulo é apresentado o planejamento da rede do sstema CDMA, nclundo dmensonamento, planejamento de capacdade e cobertura e otmzação da rede [4] O planejamento vsa à alocação de recursos de forma a atender à demanda de comuncação por parte dos usuáros Deve-se prmero pesqusar o rao das células, pos este tem relação dreta com os custos de mplantação e operação do sstema o sstema CDMA há dferentes requstos de qualdade de comuncação, tendo em vsta que aplcações dstntas são suportadas pelo sstema; sto pode ser traduzdo por dferentes valores de Eb/o para cada usuáro do sstema Isso também se traduz por dferentes taxas de transmssão coexstndo smultaneamente no sstema, acarretando com que a comuncação de dferentes usuáros apresente dferentes ganhos de processamento 4 Dmensonamento O dmensonamento é um processo onde possíves confgurações e alguns equpamentos de rede são estmados baseados nos requstos do operador detalhados abaxo [4]: Cobertura: egões de cobertura Informações do tpo de área Condções de propagação

2 44 Capacdade: Espectro dsponível Informações de densdade de tráfego Qualdade de Servço: Probabldade de localzação no espaço Probabldade de bloqueo Taxa de saída 4 Ln Budget esta seção é apresentado o ln budget Alguns parâmetros mportantes estão especfcados a segur [4]: Margem de Interferênca A margem de nterferênca é necessára no ln budget devdo ao tráfego na célula O fator de tráfego afeta a cobertura, pos, quanto maor o tráfego, maor é a margem de nterferênca necessára no upln e menor a área de cobertura Fast Fadng Margn ( power control headroom) Alguma margem é necessára na potênca de transmssão da estação móvel com o objetvo de manter um controle rápdo de potênca em loops fechados Essa margem é mportante prncpalmente para pedestres com velocdade baxa, pos, neste caso o controle rápdo de potênca é capaz de compensar o fast fadng Ganho de Soft handover Handover soft ou hard proporcona um ganho contra desvanecmento lento, pos reduz a margem de desvanecmento requerda Havendo desvanecmento lento descorrelatado entre as estações base e fazendo handover, a estação móvel pode escolher uma estação base melhor

3 45 Soft handover proporcona um ganho adconal de dversdade contra fast fadng, reduzndo a taxa de Eb/o requerda relatva a um únco ln rádo 4 Fator de Tráfego do Upln A degradação da margem de nterferênca é uma função do tráfego da célula Quanto mas tráfego é permtdo no sstema, uma maor margem de nterferênca se faz necessára no upln e a área de cobertura dmnu O tráfego do upln pode ser determnado como demonstrado a segur Para determnar a potênca do snal transmtdo e recebdo para uma estação móvel (MS), lgada a uma estação base (BS) n, a equação básca para o cálculo de Eb/o para CDMA (equação 4) é utlzada Assume-se que Ioth é a potênca recebda pelas estações móves conectadas a outras células e Iown é a potênca recebda por estações móves conectadas à mesma estação base n, assm como a estação base desejada A potênca Ioth é dretamente proporconal a potênca Iown por um fator Consdera-se que MS utlza taxa de bt, sua taxa de Eb/o requerda é e sua taxa de chp é de Assm, a potênca recebda da th estação móvel na estação base na qual ela está lgada deve ser de : p,,, n Iown p Ioth Iown p Iown (4) onde n é o número de estações móves conectadas a estação base n, p f T (4) 0 0 é a potênca de ruído para uma célula vaza, f é a fgura de ruído de receptor, é a constante de Boltzmann e T0 é a temperatura absoluta Para T0 93 (0 ºC) e f, sto resulta em dbm/hz e -08 dbm A nequação em 4 é otmsta, pos assume que não exste nterferênca do própro snal, o que não é realmente verdade nas condções normas de propagação por multpercurso esolver a nequação como uma equação sgnfca determnar o mínmo de potênca requerda, p :

4 46 I p I p own own,,, ) ( ) ( (43) Se as equações (43) são verdaderas para as estações móves conectadas a BS n, então: own P I P P P desde que ) ( ) ( ) ( ) ( (44) Se defnrmos o fator de tráfego de upln como sendo: UL ) ( η (45) podemos modfcar a equação (45) de modo a nclur o efeto da setorzação (ganho de setorzação ζ e número de setores s) e da taxa de atvdade do servço ν s UL ) ( ς ν η (46)

5 47 4 Fator de tráfego do Downln O dmensonamento do downln segue o mesmo racocíno que o do upln Para um determnado rao de célula, a potênca total transmtda pela estação base precsa ser estmada Para realzar este cálculo, é necessáro nclur as conexões de soft handover o caso de a potênca ser ultrapassada, o tamanho da célula deve ser lmtado ou o número de usuáros por célula deve ser dmnuído O fator de tráfego do downln é estmado por: ν Lp m Lpn I η DL ( α ) (47) n, n m onde Lpm é a perda no ln entre a estação base m e a estação móvel, Lpnn é a perda no ln entre a estação base n e a estação móvel e, é a taxa de Eb/o requerda para a estação móvel, nclundo o ganho de soft handover e a potênca méda causada pelo controle rápdo de potênca é o número total de estações base, I é o número de conexões por setor e α é o fator de ortogonaldade que vara de 0 até, dependendo nas condções de multpercurso Quando α, totalmente ortogonal Então o termo: DL n, n m Lp Lp m n (48) defne a nterferênca de outras células a célula em questão no downln A saída dreta de um ln budget de downln é a potênca requerda por um usuáro na célula de um únco ln A estmatva da potênca total a ser transmtda pela estação base deve consderar múltplos lns de comuncação com dstânca méda de ( Lp m ) das estações base servdoras O ambente multcelular com ortogonaldades α deve ser ncluído no modelamento o ln budget do upln, o fator lmtante é a potênca de transmssão da estação móvel; no ln budget do downln, o fator lmtante é o total de potênca transmtda pela estação base Ambos os ln budgets devem ser consderados no LB

6 48 A margem de nterferênca de degradação a ser consderada no ln budget devdo a um fator de tráfego η tanto no upln como no downln é de : L 0log0 ( η) (49) A margem de desvanecmento rápdo é outro tem mportante no LB Algumas margens são necessáras, na potênca transmtda na estação móvel, para manter um controle adequado de cloosed-loop fast power control em condções desvantajosas de propagação, como perto da borda da célula 43 Margem de sombreamento e estmatva do Ganho de Soft Handover O próxmo passo é estmar o rao máxmo da célula e a cobertura da célula em dferentes regões e ambentes o LB a máxma perda sotrópca por percurso é calculada e, deste valor, uma margem de desvanecmento lenta, relaconada com a probabldade de cobertura, deve ser subtraída Quando determnada a probabldade de cobertura, deve-se calcular o expoente do modelo de propagação e o desvo padrão do desvanecmento log-normal o caso de se estar consderando um ambente ndoor, valores típcos para perda podem varar de 5 db até 0 db e o desvo padrão da margem de desvanecmento log-normal vara de 0 db até db A equação 4 estma a probabldade de cobertura para o caso de uma únca célula : a b a b Fu erf ( a) exp erf b b onde (4) a x 0 P r σ e 0 nlog b σ onde Pr é o nível recebdo na borda da célula, n é a constante de propagação, x0 é a força méda do snal, e σ é o desvo padrão da força do campo e erf é a função erro as redes de celular CDMA, as áreas de cobertura das células se sobrepõem e a estação móvel é capaz de se conectar a mas de uma célula servdora Se mas de uma célula é detectada, a probabldade de localzação aumenta e é maor do que quando determnada por uma únca célula solada 0 e

7 49 Em [7], a teora de casos por multservços com snas correlatados é ntroduzda: x SHO a xx γ σ Pout e Q dx b (4) π σ onde Pout é a potênca na borda da célula, γ SHO é a margem de desvanecmento com soft handover, σ é o desvo padrão da força do campo para um desvanecmento log-normal de 50% de correlação entre as estações móves e duas estações base, a b o ln budget do sstema CDMA, o ganho de soft handover é necessáro O ganho consste em duas partes, combnando o ganho contra desvanecmento rápdo e o ganho contra desvanecmento lento gle SHO G γ sn γ (43) Se assumrmos uma probabldade de cobertura de 95%, um expoente de perda por percurso n 35 e um desvo padrão do desvanecmento lento de 7 db, o ganho va ser de 73 db 40 db 33 db Se o desvo padrão for maor e a probabldade requerda for maor, o ganho também será maor a fgura 4 tem-se um exemplo de ln budget tanto para upln como para downln

8 50 Upln Downln Potênca de Transmssão 500 a 3797 m 097 b 0log(a) 338 dbm Tx Ganho de Antena 000 c 800 db Perda de cabo/body Loss 00 d 00 db Transmtter EIP 897 e bc-d 4738 dbm Densdade de uído Témco f dbm/hz Fgura de uído do eceptor 500 g 800 db Densdade de uído no eceptor h fg dbm/hz Potênca de uído no eceptor -033 I 0log()h -003 dbm Margem de Interferênca -30 j -009 db Ec/Io equerda -7 0log[Eb/0(/)]-j -77 db Potênca de Snal equerda [S] -05 l j dbm x Ganho de Antena 800 m 000 db Perda de cabo/body Loss 00 n 00 db Probabldade de Cobertura Outdoor % (requerda) Probabldade de Cobertura Indoor % (requerda) Probabldade de Localzação Outdoor % (calculada) Probabldade de Localzação Indoor % (calculada) Ambente Lmtante Outdoor Outdoor Constante de desvanecmento lento, outdoor db Constante de desvanecmento lento, ndoor db Expoente do Modelo de Propagação Margem de Desvanecmento Lento -77 o -77 db Ganho de HO 000 p 00 db Margem de Desvanecmento Lento Ganho de HO -77 q op -57 db Perda de Indoor 000 r 000 db Margem de desvanecmento ápdo 000 s 000 db Perda de Propagaçãp Permtda 4796 t e-lm-nqr-s 4796 db Fgura 4 - Exemplo de LB 44 ao da Célula e Estmatva da Área de cobertura da Célula Assm que a perda máxma por propagação é determnada, é fácl aplcar qualquer um dos modelos de propagação para estmatva do rao da célula Alguns desses modelos foram apresentados no capítulo 3 Depos de determnado o rao da célula, a área de cobertura de uma célula hexagonal pode ser estmada por: S r (44) onde S é a área de cobertura, r é o rao máxmo da célula e é uma constante Até ses setores são razoáves para o sstema CDMA, mas, com ses setores, a estmatva do rao da célula se torna problemátca, pos um ste com ses setores

9 5 não necessaramente é um hexágono Quanto mas setores são utlzados, mas cudado se deve tomar com o soft handover overhead para se obter uma estmatva segura a tabela 4 alguns valores de são apresentados Confguração do ste Omn setores 3 setores 6 setores Valores de Tabela 4 - Valores de para determnação da área do ste 45 Efcênca Espectral A efcênca espectral no sstema CDMA pode ser defnda pelo número de chamadas smultâneas com mesma taxa de bt ou pela taxa de saída da camada físca, suportada em cada célula por 5 Mhz de freqüênca, meddo em bps/célula/freqüênca A efcênca espectral é função de dversos fatores: ambente rádo, mobldade do usuáro, localzação do usuáro, servços e qualdade de servço, condções de propagação A varação pode ser muto grande, de 50-00%, mas a maora das smulações dos sstemas que oferecem ndcações da efcênca espectral méda reflete apenas os resultados para algumas condções predefndas da célula e para certos comportamentos do usuáro 46 Cálculo de Capacdade A densdade de tráfego pode ser medda em Erlang e é defnda por [4]: taxa de chegada de chamadas (chamadas/s) densdade de tráfego (erlang) (45) taxa de saída de chamadas (chamadas/s) Se a capacdade é bloqueada por razão de hardware, a capacdade por Erlang pode ser obtda pelo modelo de Erlang B Para um sstema com capacdade levemente lmtado, a capacdade por Erlang não pode ser calculada pela fórmula de Erlang, uma vez que ela apresentará resultados pessmstas A soft capacty pode ser explcada do segunte modo: quanto menos nterferênca está chegando das células vznhas, mas canas estão dsponíves no

10 5 centro da célula Com um número pequeno de canas por célula, ou seja, para usuáros de dados em tempo real com alta taxa de bt, o tráfego médo deve ser bem baxo para garantr baxa probabldade de bloqueo Como o tráfego médo é baxo, tpcamente se tem capacdade extra dsponível nas células vznhas Essa capacdade pode ser emprestada pelas células adjacentes Por essa razão a dvsão da nterferênca produz uma soft capacty Para o cálculo de soft capacty demonstrado abaxo, é assumdo que o número de usuáros nscrtos é o mesmo em todas as células, entretanto as conexões começam e termnam ndependentemente Além dsso, é assumda uma dstrbução de Posson para os ntervalos de chegada de chamada A CDMA soft capacty pode ser defnda como o aumento da capacdade em Erlang com soft blocng comparado com a própra capacdade em Erlang com hard blocng, com o mesmo número máxmo de canas por célula: Erlang capacty com soft blocng soft capacty (46) Erlang capacty com hard blocng 43 Detalhes do Dmensonamento este tópco, alguns aspectos de um planejamento de rede detalhado são apresentados com a ajuda de um smulador estatístco que acompanha o lvro [6] Ele utlza como entrada um mapa dgtal, um layout da rede e a dstrbução de tráfego na forma de um mapa Em um smulador estatístco cada usuáro pode ter dferentes velocdades, apesar de eles não estarem realmente andando A velocdade e o servço utlzado juntos defnem a taxa de Eb/o requerda, margens e ganhos mportados das smulações de ln O smulador consste bascamente em três partes, ncalzação, combnação da análse de upln e downln e a fase pós-processamento a ncalzação, tanto o upln e o downln para todas as estações móves são analsados repetdamente o passo fnal, após as terações terem preenchdo algum crtéro de convergênca, os resultados das analses de upln e de downln são apresentadas em formas gráfcas e numércas

11 53 43 Dados de entrada Mapa Dgtal: O dado mas mportante para qualquer planejamento de ede é um mapa geográfco da área onde será feto o planejamento O mapa é necessáro para predções de cobertura Para o planejamento de rede, um mapa dgtal deve conter ao menos os dados topográfcos, os dados morfológcos e a localzação dos prédos, assm como suas alturas Quando dsponíves, nformações sobre as estradas e ruas podem ser utlzadas em algumas operações como modelamento de tráfego e predções de cobertura A resolução do mapa depende do tpo de regão em questão Quanto mas urbana, menor deve ser a resolução do mapa Plano: Um plano é sempre crado e defndo antes de as atvdades atuas de uma rede serem ncadas Ele contém todas as confgurações necessáras e valores dos parâmetros para os elementos da rede a prátca, o plano apresenta todos os dados das estações base e das células a serem utlzadas na rede real Um software de planejamento de rede deve ser capaz de crar, defnr e salvar dversos planos Assm, váras versões podem ser comparadas em termos de qualdade, capacdade e cobertura, com o objetvo de escolher o plano que melhor atende ao objetvado Edtor de Antena: O conceto de antena nclu o dagrama de radação e alguns parâmetros como o ganho de antena e a banda de freqüênca Uma vez que a antena é defnda, ela pode ser utlzada em células seleconadas e em predções de cobertura Modernas ferramentas de planejamento de rede permtem a vsualzação do dagrama de radação da antena Tpcamente dos tpos de modelos de antenas são suportados, os globas e as de plano específco Modelos de antenas globas estão dsponíves em todos os planos, quantos modelos de antenas de plano específco pertencem a planos ndvduas, cujas varações não afetam os modelos globas

12 54 Estações Base e Modelos de Células e Stes: Ferramentas de planejamento devem possur a funconaldade de defnr e utlzar confgurações de hardware geras, confgurações e parâmetros de elementos como stes e células 44 Smulando a Performance do Ln A smulação de performance do ln forma o coração da ferramenta de planejamento de rede Ela deve prover suporte tanto para G quanto para 3G Para G só é necessára a prevsão de cobertura, a estmatva da nterferênca mútua entre células e a performance de alocação de freqüênca o sstema CDMA, a análse é mas complexa Devem ser fetas dversas terações de upln e downln com o objetvo de encontrar as potêncas de transmssão para a estação móvel e a estação base Ao estmar a nterferênca na rede CDMA, modernas ferramentas de planejamento também consderam a nterferênca de canal adjacente Esse é um requsto básco quando mas de uma faxa de freqüêncas é utlzada, como ocorre em mcrocélulas as técncas modernas de planejamento de rede, deve-se realzar a análse de um únco snapshhot de dos modos o prmero método, apenas poucas terações são realzadas para o upln e o downln para determnar mas rapdamente as áreas que estão nsufcentemente cobertas e as que possuem altos níves de nterferênca Assm, pode-se fazer as modfcações necessáras no planejamento de rede rapdamente, antes de se ncarem cálculos mas detalhados que utlzam mas tempo e esforço computaconal O segundo método de análse consdera um número muto maor de nformações durante as terações, o que leva a um tempo de processamento maor do que no prmero caso Quando os cálculos e as smulações estão fetos em uma ferramenta de planejamento de rede, o passo segunte é verfcar e analsar se os resultados obtdos são acetáves A ferramenta de planejamento de rede deve prover suporte para pós-processamento, análse e vsualzação dos resultados de dversos modos

13 55 aturalmente, se a cobertura, a qualdade e os objetvos de QoS não são alcançados, as atvdades do planejamento de rede devem contnuar até todas as característcas chegarem a níves acetáves Uma ferramenta moderna de planejamento pode apresentar os resultados em dversas formas: mapas, tabelas e hstogramas cabendo ao planejador realzar as modfcações necessáras 44 Cobertura A cobertura é mportante quando a rede não é lmtada pela capacdade, tpcamente em áreas ruras Mesmo em áreas urbanas, a rede pode ser lmtada pela cobertura, se a cobertura ndoor é oferecda para servços com altas taxas de bt, usando estações base outdoor Os requstos para boa cobertura ndoor geram um tamanho de célula pequena, o que pode acarretar mas capacdade por m quadrado do que necessára [4] A potênca de saída de uma estação móvel é tpcamente de dbm (5 m) e as estações base de células macro de dbm (0-40 ) por setor O efeto dos melhoramentos no ln budget, L, nos raos relatvos, podem ser calculados assumndo um modelo de propagação, como o modelo de Oumura-Hata este exemplo a perda de propagação pode ser de: A área relatva pode ser calculada por: L 35, log0 ( ) (47) L 35, A ( ) 0 (48) Os fatores que afetam a máxma perda por propagação podem ser vstos pela tabela do ln budget Os efetos das soluções das estações base e da taxa de bt va ser descrta nas próxmas seções 44 Cobertura no Upln esta seção são analsados os efetos dos parâmetros da camada físca e das soluções das estações base na cobertura upln do sstema CDMA

14 56 [4]: A cobertura de dferentes taxas de bt é afetada pelos seguntes parâmetros Para altas taxas de bt, o ganho de processamento é baxo e a cobertura é menor (ver o ln budget, lnha l) Para altas taxas de bt, a taxa de Eb/o requerda tende a ser menor, compensando a redução de cobertura devdos às altas taxas de bt Quanto mas baxa a taxa de erro requerda, menos potênca é necessára para a mesma performance e maor va ser o rao da célula obtdo 44 Cobertura no Downln o downln mas potênca pode ser alocada para uma conexão quando comparado com o upln, porque a potênca de saída da estação base pode ser maor do que a potênca de saída de uma estação móvel Assm, uma melhor cobertura pode ser proporconada para servços com altas taxas de bts no downln do que no upln [4] Será apresentada uma comparação de cobertura para uma taxa de bt de, bps para voz e Mbps para dados Assume-se nesta comparação que: O tamanho da célula é defndo pela cobertura de upln para voz A recepção do upln na estação base possu 6 db de sensbldade do que a recepção no downln, prncpalmente devdo à fgura de ruído mas baxa e a dversdade de antena Mbps de dados possu uma taxa de erro Eb/o 3 db menor do que nos casos de voz O termnal de voz possu uma body loss 3 db maor do o termnal de dados de Mbps A potênca de transmssão do termnal de voz é de dbm A quantdade de nterferênca causada por outras células é a mesma para voz e para Mbps

15 57 Se o tamanho da célula é planejado de acordo com a voz no upln, a potênca méda necessára para transmssão de voz no downln é calculada para ser de 7 dbm e, para conexão de Mbps, deve ser de aproxmadamente de 40 dbm (0 ), a fm de obter a cobertura completa no downln O calculo é apresentado na tabela 4 Transmssão de Potênca da estação móvel no upln Potênca de transmssão Estmada para voz no downln Dferença no ganho de processamento entre, bps e Mbps Eb/o mas baxa para termnal de dados body loss Potênca de transmssão necessára para cobertura completa em Mbps dbm dbm 6 dbm 7 dbm 0*log (000/,)9, db 3dB termnal de voz : 3 db termnal de dados : 0 db 7 dbm 9, db -3dB - 3dB 40 dbm Tabela 4 Potênca de Transmssão requerda para Mbps com cobertura Completa a prátca, a cobertura para taxa de bts altas no downln depende de: Dmensonamento do upln, sendo a taxa de bt calculada para cada alcance de célula no upln Taxa de amplfcação da potênca no upln Tráfego nas células adjacentes Se o planejamento é feto de forma modo a prover altas taxas de bt, tanto no upln como no downln, a célula va ser menor e a cobertura de downln va ser melhor O tráfego das células adjacentes afeta a possbldade de conexões com alta taxa de bt na borda da célula 44 Capacdade A capacdade de nterface aérea no downln é menor do que a capacdade de nterface aérea do upln A razão prncpal é que, na estação base, podem ser utlzadas melhores técncas de recebmento do que na estação móvel Essas

16 58 técncas ncluem dversdade de receptores nas antenas e detecção de multusuáros

3 Cálculo Básico de Enlace Via Satélite

3 Cálculo Básico de Enlace Via Satélite 35 3 Cálculo Básco de Enlace Va Satélte Neste capítulo é tratado o cálculo básco de um enlace va-satélte, subentenddo em condções normas de propagação (espaço lvre) nos percursos de subda e descda e consderados

Leia mais

3 Elementos de modelagem para o problema de controle de potência

3 Elementos de modelagem para o problema de controle de potência 3 Elementos de modelagem para o problema de controle de potênca Neste trabalho assume-se que a rede de comuncações é composta por uma coleção de enlaces consttuídos por um par de undades-rádo ndvdualmente

Leia mais

EXERCÍCIO: VIA EXPRESSA CONTROLADA

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

Leia mais

2 Incerteza de medição

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

Leia mais

7 Tratamento dos Dados

7 Tratamento dos Dados 7 Tratamento dos Dados 7.. Coefcentes de Troca de Calor O úmero de usselt local é dado por h( r )d u ( r ) (7-) k onde h(r), o coefcente local de troca de calor é h( r ) q''- perdas T q''- perdas (T( r

Leia mais

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo 3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas

Leia mais

Gráficos de Controle para Processos Autocorrelacionados

Gráficos de Controle para Processos Autocorrelacionados Gráfcos de Controle para Processos Autocorrelaconados Gráfco de controle de Shewhart: observações ndependentes e normalmente dstrbuídas. Shewhart ao crar os gráfcos de controle não exgu que os dados fossem

Leia mais

3. Coexistência entre Tecnologias 3.1. Fontes de Interferência Interferências co-canal A interferência co-canal ocorre quando duas ou mais

3. Coexistência entre Tecnologias 3.1. Fontes de Interferência Interferências co-canal A interferência co-canal ocorre quando duas ou mais 41 3. Coexstênca entre Tecnologas 3.1. Fontes de Interferênca 3.1.1 Interferêncas co-canal A nterferênca co-canal ocorre quando duas ou mas entdades na mesma área geográfca transmtem na mesma frequênca.

Leia mais

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

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

Leia mais

4.1 Modelagem dos Resultados Considerando Sazonalização

4.1 Modelagem dos Resultados Considerando Sazonalização 30 4 METODOLOGIA 4.1 Modelagem dos Resultados Consderando Sazonalzação A sazonalzação da quantdade de energa assegurada versus a quantdade contratada unforme, em contratos de fornecmento de energa elétrca,

Leia mais

7 - Distribuição de Freqüências

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

Leia mais

Estatística II Antonio Roque Aula 18. Regressão Linear

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

Leia mais

1. CORRELAÇÃO E REGRESSÃO LINEAR

1. CORRELAÇÃO E REGRESSÃO LINEAR 1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação

Leia mais

Prof. Lorí Viali, Dr.

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

Leia mais

Aula Características dos sistemas de medição

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

Leia mais

Prof. Lorí Viali, Dr.

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

Leia mais

Programa de Certificação de Medidas de um laboratório

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

Leia mais

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)

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

Leia mais

2 Lógica Fuzzy Introdução

2 Lógica Fuzzy Introdução 2 Lógca Fuzzy 2.. Introdução A lógca fuzzy é uma extensão da lógca booleana, ntroduzda pelo Dr. Loft Zadeh da Unversdade da Calfórna / Berkeley no ano 965. Fo desenvolvda para expressar o conceto de verdade

Leia mais

MODELOS DE REGRESSÃO PARAMÉTRICOS

MODELOS DE REGRESSÃO PARAMÉTRICOS MODELOS DE REGRESSÃO PARAMÉTRICOS Às vezes é de nteresse nclur na análse, característcas dos ndvíduos que podem estar relaconadas com o tempo de vda. Estudo de nsufcênca renal: verfcar qual o efeto da

Leia mais

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16% Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $

Leia mais

Algarismos Significativos Propagação de Erros ou Desvios

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

Leia mais

2 Teoria da Informação no Sistema MIMO

2 Teoria da Informação no Sistema MIMO Teora da Informação no Sstema MIMO esta sessão são apresentados os fundamentos teórcos relaconados à capacdade de um sstema com múltplas antenas no transmssor e receptor, procurando-se nterpretar os resultados

Leia mais

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

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

Leia mais

Representação e Descrição de Regiões

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

Leia mais

4 Discretização e Linearização

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

Leia mais

REGRESSÃO NÃO LINEAR 27/06/2017

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

Leia mais

Ângulo de Inclinação (rad) [α min α max ] 1 a Camada [360,0 520,0] 2000 X:[-0,2065 0,2065] Velocidade da Onda P (m/s)

Ângulo de Inclinação (rad) [α min α max ] 1 a Camada [360,0 520,0] 2000 X:[-0,2065 0,2065] Velocidade da Onda P (m/s) 4 Estudo de Caso O estudo de caso, para avalar o método de estmação de parâmetros trdmensonal fo realzado em um modelo de referênca de três camadas, e foram realzados os seguntes passos: Descrção do modelo

Leia mais

4 Critérios para Avaliação dos Cenários

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

Leia mais

Filtros são dispositivos seletivos em freqüência usados para limitar o espectro de um sinal a um determinado intervalo de freqüências.

Filtros são dispositivos seletivos em freqüência usados para limitar o espectro de um sinal a um determinado intervalo de freqüências. 1 Fltros são dspostvos seletvos em freqüênca usados para lmtar o espectro de um snal a um determnado ntervalo de freqüêncas. A resposta em freqüênca de um fltro é caracterzada por uma faxa de passagem

Leia mais

5 Modulação Adaptativa do Sistema HSDPA em Presença de Multipercursos

5 Modulação Adaptativa do Sistema HSDPA em Presença de Multipercursos 5 Modulação Adaptatva do Sstema HSDA em resença de Multpercursos 65 5 Modulação Adaptatva do Sstema HSDA em resença de Multpercursos esse capítulo, a modulação adaptatva no sstema HSDA é analsada em presença

Leia mais

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

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

Leia mais

Mecanismos de Escalonamento

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

Leia mais

Jogos. Jogos. Jogo. Jogo. Óptimo alvo investigação

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

Leia mais

Cap. IV Análise estatística de incertezas aleatórias

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

Leia mais

ROTEIRO PARA PROJETO / AVALIAÇÃO ACÚSTICA

ROTEIRO PARA PROJETO / AVALIAÇÃO ACÚSTICA UNIVERSIDADE DE SÃO PAULO FACULDADE DE ARQUITETURA E URBANISMO DEPARTAMENTO DE TECNOLOGIA DA ARQUITETURA AUT 0278 - Desempenho Acústco, Arqutetura e Urbansmo ROTEIRO PARA PROJETO / AVALIAÇÃO ACÚSTICA 1)

Leia mais

Modelo Logístico. Modelagem multivariável com variáveis quantitativas e qualitativas, com resposta binária.

Modelo Logístico. Modelagem multivariável com variáveis quantitativas e qualitativas, com resposta binária. Modelagem multvarável com varáves quanttatvas e qualtatvas, com resposta bnára. O modelo de regressão não lnear logístco ou modelo logístco é utlzado quando a varável resposta é qualtatva com dos resultados

Leia mais

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

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

Leia mais

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES 1 O nosso objetvo é estudar a relação entre duas varáves quanttatvas. Eemplos:. Idade e altura das cranças.. v. Tempo de prátca de esportes e rtmo cardíaco

Leia mais

Guia 11 Escalonamento de Mensagens

Guia 11 Escalonamento de Mensagens Até esta altura, temos abordado prncpalmente questões relaconadas com escalonamento de tarefas a serem executadas num únco processador. No entanto, é necessáro consderar o caso de sstemas tempo-real dstrbuídos,

Leia mais

Análise de áreas de risco considerando os afundamento de tensão em estudos de planejamento

Análise de áreas de risco considerando os afundamento de tensão em estudos de planejamento Análse de áreas de rsco consderando os afundamento de tensão em estudos de planejamento J. C. Cebran, L. Camlo, N. Kagan, N. M. Matsuo*, H. Arango Enerq-USP 1 Resumo-- Este trabalho permte avalar os índces

Leia mais

ELE0317 Eletrônica Digital II

ELE0317 Eletrônica Digital II 2. ELEMENTOS DE MEMÓRIA 2.1. A Lnha de Retardo A lnha de retardo é o elemento mas smples de memóra. Sua capacdade de armazenamento é devda ao fato de que o snal leva um certo tempo fnto e não nulo para

Leia mais

3 Algoritmos propostos

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

Leia mais

Regressão Múltipla. Parte I: Modelo Geral e Estimação

Regressão Múltipla. Parte I: Modelo Geral e Estimação Regressão Múltpla Parte I: Modelo Geral e Estmação Regressão lnear múltpla Exemplos: Num estudo sobre a produtvdade de trabalhadores ( em aeronave, navos) o pesqusador deseja controlar o número desses

Leia mais

METODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL. Iran Carlos Stalliviere Corrêa RESUMO

METODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL. Iran Carlos Stalliviere Corrêa RESUMO Semnáro Anual de Pesqusas Geodéscas na UFRGS, 2. 2007. UFRGS METODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL Iran Carlos Stallvere Corrêa Insttuto de Geocêncas UFRGS Departamento

Leia mais

Capítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES

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

Leia mais

Realimentação negativa em ampliadores

Realimentação negativa em ampliadores Realmentação negatva em ampladores 1 Introdução necessdade de amplfcadores com ganho estável em undades repetdoras em lnhas telefôncas levou o Eng. Harold Black à cração da técnca denomnada realmentação

Leia mais

Roteiro-Relatório da Experiência N o 4 CARACTERÍSTICAS DO TRANSISTOR BIPOLAR

Roteiro-Relatório da Experiência N o 4 CARACTERÍSTICAS DO TRANSISTOR BIPOLAR PROF.: Joaqum Rangel Codeço Rotero-Relatóro da Experênca N o 4 CARACTERÍSTICAS DO TRANSISTOR BIPOLAR 1. COMPONENTES DA EQUIPE: ALUNOS 1 2 NOTA Prof.: Joaqum Rangel Codeço Data: / / : hs 2. OBJETIVOS: 2.1.

Leia mais

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

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

Leia mais

5 Implementação Procedimento de segmentação

5 Implementação Procedimento de segmentação 5 Implementação O capítulo segunte apresenta uma batera de expermentos prátcos realzados com o objetvo de valdar o método proposto neste trabalho. O método envolve, contudo, alguns passos que podem ser

Leia mais

Teoria da Regressão Espacial Aplicada a. Sérgio Alberto Pires da Silva

Teoria da Regressão Espacial Aplicada a. Sérgio Alberto Pires da Silva Teora da Regressão Espacal Aplcada a Modelos Genércos Sérgo Alberto Pres da Slva ITENS DE RELACIONAMENTOS Tópcos Báscos da Regressão Espacal; Banco de Dados Geo-Referencados; Modelos Genércos Robustos;

Leia mais

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de

Leia mais

3 Método Numérico. 3.1 Discretização da Equação Diferencial

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

Leia mais

Modelagem do Transistor Bipolar

Modelagem do Transistor Bipolar AULA 10 Modelagem do Transstor Bpolar Prof. Rodrgo Rena Muñoz Rodrgo.munoz@ufabc.edu.br T1 2018 Conteúdo Modelagem do transstor Modelo r e Modelo híbrdo Confgurações emssor comum, base comum e coletor

Leia mais

Prof. Lorí Viali, Dr.

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

Leia mais

Eletroquímica 2017/3. Professores: Renato Camargo Matos Hélio Ferreira dos Santos.

Eletroquímica 2017/3. Professores: Renato Camargo Matos Hélio Ferreira dos Santos. Eletroquímca 2017/3 Professores: Renato Camargo Matos Hélo Ferrera dos Santos http://www.ufjf.br/nups/ Data Conteúdo 07/08 Estatístca aplcada à Químca Analítca Parte 2 14/08 Introdução à eletroquímca 21/08

Leia mais

2 Agregação Dinâmica de Modelos de Turbinas e Reguladores de Velocidade: Teoria

2 Agregação Dinâmica de Modelos de Turbinas e Reguladores de Velocidade: Teoria Agregação Dnâmca de Modelos de urbnas e Reguladores de elocdade: eora. Introdução O objetvo da agregação dnâmca de turbnas e reguladores de velocdade é a obtenção dos parâmetros do modelo equvalente, dados

Leia mais

Reconhecimento Estatístico de Padrões

Reconhecimento Estatístico de Padrões Reconhecmento Estatístco de Padrões X 3 O paradgma pode ser sumarzado da segunte forma: Cada padrão é representado por um vector de característcas x = x1 x2 x N (,,, ) x x1 x... x d 2 = X 1 X 2 Espaço

Leia mais

Análise de Variância. Comparação de duas ou mais médias

Análise de Variância. Comparação de duas ou mais médias Análse de Varânca Comparação de duas ou mas médas Análse de varânca com um fator Exemplo Um expermento fo realzado para se estudar dabetes gestaconal. Desejava-se avalar o comportamento da hemoglobna (HbA)

Leia mais

CORRELAÇÃO E REGRESSÃO

CORRELAÇÃO E REGRESSÃO CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr

Leia mais

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

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

Leia mais

Neste capítulo abordam-se os principais conceitos relacionados com os cálculos de estatísticas, histogramas e correlação entre imagens digitais.

Neste capítulo abordam-se os principais conceitos relacionados com os cálculos de estatísticas, histogramas e correlação entre imagens digitais. 1 1Imagem Dgtal: Estatístcas INTRODUÇÃO Neste capítulo abordam-se os prncpas concetos relaconados com os cálculos de estatístcas, hstogramas e correlação entre magens dgtas. 4.1. VALOR MÉDIO, VARIÂNCIA,

Leia mais

CONTROLADORES FUZZY. Um sistema de controle típico é representado pelo diagrama de blocos abaixo:

CONTROLADORES FUZZY. Um sistema de controle típico é representado pelo diagrama de blocos abaixo: CONTROLADORES FUZZY Um sstema de controle típco é representado pelo dagrama de blocos abaxo: entrada ou referênca - erro CONTROLADOR snal de controle PLANTA saída A entrada ou referênca expressa a saída

Leia mais

Algoritmos Genéticos com Parâmetros Contínuos

Algoritmos Genéticos com Parâmetros Contínuos com Parâmetros Contínuos Estéfane G. M. de Lacerda DCA/UFRN Mao/2008 Exemplo FUNÇÃO OBJETIVO : 1,0 f ( x, y) 0, 5 sen x y 0, 5 1, 0 0, 001 x 2 2 2 y 2 2 2 0,8 0,6 0,4 0,2 0,0-100 -75-50 -25 0 25 50 75

Leia mais

CIRCUITO LINEAR Um circuito linear é aquele que obedece ao princípio da sobreposição:

CIRCUITO LINEAR Um circuito linear é aquele que obedece ao princípio da sobreposição: . Crcutos não lneares.. Introdução... Defnção de crcuto lnear CIRCUITO LINEAR Um crcuto lnear é aquele que obedece ao prncípo da sobreposção: y f (x) Se x for a entrada do crcuto e y a saída Consderando

Leia mais

3 Desenvolvimento do Modelo

3 Desenvolvimento do Modelo 3 Desenvolvmento do Modelo Neste capítulo apresentaremos como está estruturado o modelo desenvolvdo nesta dssertação para otmzar o despacho de geradores dstrbuídos com o obetvo de reduzr os custos da rede

Leia mais

3 Subtração de Fundo Segmentação por Subtração de Fundo

3 Subtração de Fundo Segmentação por Subtração de Fundo 3 Subtração de Fundo Este capítulo apresenta um estudo sobre algortmos para a detecção de objetos em movmento em uma cena com fundo estátco. Normalmente, estas cenas estão sob a nfluênca de mudanças na

Leia mais

CURSO de ESTATÍSTICA Gabarito

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

Leia mais

D- MÉTODO DAS APROXIMAÇÕES SUCESSIVAS

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

Leia mais

AVALIAÇÃO NA PRECISÃO DE RECEPTORES GPS PARA O POSICIONAMENTO ABSOLUTO RESUMO ABSTRACT

AVALIAÇÃO NA PRECISÃO DE RECEPTORES GPS PARA O POSICIONAMENTO ABSOLUTO RESUMO ABSTRACT AVALIAÇÃO NA PRECISÃO DE RECEPTORES GPS PARA O POSICIONAMENTO ABSOLUTO Rodrgo Mkosz Gonçalves John Alejandro Ferro Sanhueza Elmo Leonardo Xaver Tanajura Dulana Leandro Unversdade Federal do Paraná - UFPR

Leia mais

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

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

Leia mais

Contabilometria. Aula 8 Regressão Linear Simples

Contabilometria. Aula 8 Regressão Linear Simples Contalometra Aula 8 Regressão Lnear Smples Orgem hstórca do termo Regressão Le da Regressão Unversal de Galton 1885 Galton verfcou que, apesar da tendênca de que pas altos tvessem flhos altos e pas axos

Leia mais

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha) Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado

Leia mais

TRANSPORTES. Sessão Prática 11 Dimensionamento de Interseções Semaforizadas

TRANSPORTES. Sessão Prática 11 Dimensionamento de Interseções Semaforizadas Mestrado Integrado em Engenhara Cvl TRANSPORTES Prof. Responsável: Lus Pcado Santos Sessão Prátca 11 Dmensonamento de Interseções Semaforzadas Insttuto Superor Técnco / Mestrado Integrado Engenhara Cvl

Leia mais

Estatística. 8 Teste de Aderência. UNESP FEG DPD Prof. Edgard

Estatística. 8 Teste de Aderência. UNESP FEG DPD Prof. Edgard Estatístca 8 Teste de Aderênca UNESP FEG DPD Prof. Edgard 011 8-1 Teste de Aderênca IDÉIA: descobrr qual é a Dstrbução de uma Varável Aleatóra X, a partr de uma amostra: {X 1, X,..., X n } Problema: Seja

Leia mais

BC0406 Introdução à Probabilidade e à Estatística Lista de Exercícios Suplementares 3 3 quadrimestre 2011

BC0406 Introdução à Probabilidade e à Estatística Lista de Exercícios Suplementares 3 3 quadrimestre 2011 BC0406 Introdução à Probabldade e à Estatístca Lsta de Eercícos Suplementares novembro 0 BC0406 Introdução à Probabldade e à Estatístca Lsta de Eercícos Suplementares quadrmestre 0 Além destes eercícos,

Leia mais

γ = C P C V = C V + R = q = 2 γ 1 = 2 S gas = dw = W isotermico

γ = C P C V = C V + R = q = 2 γ 1 = 2 S gas = dw = W isotermico Q1 Um clndro feto de materal com alta condutvdade térmca e de capacdade térmca desprezível possu um êmbolo móvel de massa desprezível ncalmente fxo por um pno. O rao nterno do clndro é r = 10 cm, a altura

Leia mais

Análise Exploratória de Dados

Análise Exploratória de Dados Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: traçar dagramas de dspersão, para avalar possíves relações entre as duas varáves; calcular o coefcente de correlação entre as duas

Leia mais

Desenvolvimento de software de simulação Monte Carlo para auxiliar no estudo da propagação de doenças infecciosas

Desenvolvimento de software de simulação Monte Carlo para auxiliar no estudo da propagação de doenças infecciosas Desenvolvmento de software de smulação Monte Carlo para auxlar no estudo da propagação de doenças nfeccosas João Batsta dos Santos-Flho 1, Tatana Santos de Araujo Batsta 2, José Carlos Rodrgues Olvera

Leia mais

Cap. 5 Classificação Temática

Cap. 5 Classificação Temática Prncípos e Aplcações da Deteção Remota Cap. 5 Classfcação Temátca 5.1 O Processo de Classfcação 5. Classfcação de Máxma Verosmlhança (supervsonada paramétrca) 5..1 Classes multvaradas normas 5.. Lmtes

Leia mais

Variáveis Aleatórias

Variáveis Aleatórias Unversdade Federal do Pará Insttuto de Tecnologa Estatístca Aplcada I Prof. Dr. Jorge Teóflo de Barros Lopes Campus de Belém Curso de Engenhara Mecânca /08/06 7:39 ESTATÍSTICA APLICADA I - Teora das Probabldades

Leia mais

6 Modelo Proposto Introdução

6 Modelo Proposto Introdução 6 Modelo Proposto 6.1. Introdução Neste capítulo serão apresentados detalhes do modelo proposto nesta dssertação de mestrado, onde será utlzado um modelo híbrdo para se obter prevsão de carga curto prazo

Leia mais

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

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

Leia mais

Transistor Bipolar de Junção TBJ Cap. 4 Sedra/Smith

Transistor Bipolar de Junção TBJ Cap. 4 Sedra/Smith Transstor Bpolar de Junção TBJ Cap. 4 Sedra/Smth Modelos de Grandes Snas e de 2a. Ordem Notas de Aula SEL 313 Crcutos Eletrôncos 1 Parte 9 1 o Sem/2017 Prof. Manoel Modelo TBJ para grandes snas Ebers-Moll

Leia mais

AEP FISCAL ESTATÍSTICA

AEP FISCAL ESTATÍSTICA AEP FISCAL ESTATÍSTICA Módulo 11: Varáves Aleatóras (webercampos@gmal.com) VARIÁVEIS ALEATÓRIAS 1. Conceto de Varáves Aleatóras Exemplo: O expermento consste no lançamento de duas moedas: X: nº de caras

Leia mais

PROGRAMA INTERLABORATORIAL PARA ENSAIOS EM CHAPAS DE PAPELÃO ONDULADO CICLO 2013 PROTOCOLO

PROGRAMA INTERLABORATORIAL PARA ENSAIOS EM CHAPAS DE PAPELÃO ONDULADO CICLO 2013 PROTOCOLO PROGRAMA INTERLABORATORIAL PARA ENSAIOS EM CHAPAS DE PAPELÃO ONDULADO CICLO 013 PROTOCOLO CT-Floresta - LPC - FOI/004 7/11/01 Aprovado: Mara Luza Otero D'Almeda / SUMÁRIO 1 INTRODUÇÃO... 1 PÚBLICO ALVO...

Leia mais

Prioridades com Teste de Escalonabilidade

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

Leia mais

Netuno 4. Manual do Usuário. Universidade Federal de Santa Catarina UFSC. Departamento de Engenharia Civil

Netuno 4. Manual do Usuário. Universidade Federal de Santa Catarina UFSC. Departamento de Engenharia Civil Unversdade Federal de Santa Catarna UFSC Departamento de Engenhara Cvl Laboratóro de Efcênca Energétca em Edfcações - LabEEE Netuno 4 Manual do Usuáro Enedr Ghs Marcelo Marcel Cordova Floranópols, Junho

Leia mais

CÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano

CÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 7 e 8 06/204 Ajuste de Curvas AJUSTE DE CURVAS Cálculo Nuérco 3/64 INTRODUÇÃO E geral, experentos gera ua gaa de dados que

Leia mais

PROGRAMA INTERLABORATORIAL PARA ENSAIOS EM CHAPAS DE PAPELÃO ONDULADO CICLO 2013 PROTOCOLO

PROGRAMA INTERLABORATORIAL PARA ENSAIOS EM CHAPAS DE PAPELÃO ONDULADO CICLO 2013 PROTOCOLO PROGRAMA INTERLABORATORIAL PARA ENSAIOS EM CHAPAS DE PAPELÃO ONDULADO CICLO 013 PROTOCOLO CT-Floresta - LPC - FOI/004 05/0/013 Aprovado: Mara Luza Otero D'Almeda / SUMÁRIO 1 INTRODUÇÃO... 1 PÚBLICO ALVO...

Leia mais

5 Estudo Sistemático da Estimativa do DGD através das Técnicas Estatísticas em Comparação com Medidas em Campo

5 Estudo Sistemático da Estimativa do DGD através das Técnicas Estatísticas em Comparação com Medidas em Campo Análse Sstemátca da Metodologa de Prevsão do DGD em Sstemas Óptcos de Alta Capacdade 5 Estudo Sstemátco da Estmatva do DGD através das Técncas Estatístcas em Comparação com Meddas em Campo Esta avalação

Leia mais

Atividade em Soluções Eletrolíticas

Atividade em Soluções Eletrolíticas Modelo de solução eletrolítca segundo Debye-Hückel. - A le lmte de Debye-Hückel (LLDH) tem o lmte que está em: I 0,01. log z.z A I 1/ valêncas do íons + e do eletrólto I 1 [ z b / b ] constante que depende

Leia mais

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

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

Leia mais

Associação entre duas variáveis quantitativas

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

Leia mais

Notas de aulas de Sistemas de Transportes (parte 4)

Notas de aulas de Sistemas de Transportes (parte 4) 1 Notas de aulas de Sstemas de Transportes (parte 4) Helo Marcos Fernandes Vana Tema: Demanda por transportes (2. o Parte) Conteúdo da parte 4 1 Acuráca (ou precsão) nas prevsões da demanda 2 Modelos sequencas

Leia mais

2 ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS

2 ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS 22 2 ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS Como vsto no capítulo 1, a energa frme de uma usna hdrelétrca corresponde à máxma demanda que pode ser suprda contnuamente

Leia mais

Ruído. SEL 371 Sistemas de comunicação. Amílcar Careli César Departamento de Engenharia Elétrica da EESC-USP

Ruído. SEL 371 Sistemas de comunicação. Amílcar Careli César Departamento de Engenharia Elétrica da EESC-USP Ruído SEL 371 Sstemas de comuncação Amílcar Carel César Departamento de Engenhara Elétrca da EESC-USP Atenção! Este materal ddátco é planejado para servr de apoo às aulas de SEL-371 Sstemas de comuncação,

Leia mais