A grande vantagem da Codificação de Canal é portanto melhorar o desempenho do sistema em relação a uma transmissão não codificada.

Tamanho: px
Começar a partir da página:

Download "A grande vantagem da Codificação de Canal é portanto melhorar o desempenho do sistema em relação a uma transmissão não codificada."

Transcrição

1 Codfcação de caal O caal de comucação é o etato repoável pela trodução de ruído, terferêca e ebatmeto, corrompedo a formação tramtda. Am, podem aparecer erro o bt recebdo face ao bt tramtdo. O úmero de erro verfcado a recepção depede da quatdade de ruído e terferêca o caal. De modo a proteger do ruído e da terferêca a formação dgtal a tramtr o caal, utlzam-e geralmete técca de Codfcação de Caal. O prcpal obectvo deta técca é, coderado um dado valor de taxa de erro requerdo, reduzr o SNR eceáro, aumetado portato a efcêca a utlzação de potêca. Ou, dzedo de outra forma, coderado um dado valor de SNR reduzr a probabldade de erro a recepção, procededo portato à melhora de qualdade. A grade vatagem da Codfcação de Caal é portato melhorar o deempeho do tema em relação a uma tramão ão codfcada. A técca de codfcação de caal cotem geercamete a trodução de bt redudate a formação a tramtr. O bt adcoa permtem, de um modo geral, a detecção e a correcção de erro o bt recebdo. A mplcação do uo de técca de codfcação de caal é a redução do débto ou a expaão da largura de bada. Na Fgura pode-e obervar um modelo mplfcado do tema de tramão utlzado codfcação de caal. Iformação Orgal Codfcaçã o de Caal Modulador Caal Iformaçã o Recebda Decodfcação de Caal Demodulador Fgura Modelo do Stema de Comucação Dgtal

2 O proceo de codfcação de caal cote fudametalmete em traformar um bloco de formação com tamaho bt um bloco codfcado com bt. A ova equêca codfcada dega-e por Palavra de Códgo. Tal como referdo aterormete, a codfcação de caal mplca a trodução de redudâca. Coderado uma equêca de dado báro com o rtmo R (bt/), a equêca codfcada tramtda terá rtmo Rc (bt/), em que Rc é uperor a R. Am cada bloco de bt de formação é traformado um bloco de bt codfcado, em que é maor que. A taxa ou razão de codfcação (rate) é dada portato por, Taxa de Codfcação (R) Na recepção, o demodulador traforma a forma de oda aalógca corrompda pelo caal uma equêca de bt() em formato dgtal. A varável de decão do demodulador pode er do tpo Rígda (Hard Output Deco) ou Brada (Soft Output Deco). A aída Rígda caracterza-e fudametalmete por er formação bára ( bt de quatzação) colocada à aída do demodulador. Ete tpo demodulação etá ormalmete aocada a técca de decodfcação Rígda (Hard Decodg), tedo o decodfcador como prcpal mão detectar e corrgr erro atravé da redudâca troduzda com a codfcação. A aída Brada caracterza-e fudametalmete por er uma formação ão bára (quatzação multbt). Ete tpo de demodulação etá ormalmete aocada a técca de decodfcação Brada (Soft Decodg). De um modo geral, a decodfcação Brada é ormalmete ma complexa do poto de vta de mplemetação ma apreeta melhor deempeho (dealmete pode er pratcamete óptmo). A prcpa técca de codfcação ão a Codfcação por Bloco e a Codfcação Covolucoal. Na Codfcação por Bloco a formação orgal é codfcada um bloco de cada vez, ão poudo memóra. Em cotrate, o Códgo Covolucoa pouem memóra e a aída do codfcador depede ão ó da formação à etrada como também da últma L- etrada aterore. Ete códgo, devdo ao eu bom deempeho, ão

3 muto utlzado em comucaçõe dgta, aparecedo ormalmete aocado a demoduladore com aída brada e decodfcação utlzado o Algortmo de Vterb. Uma clae de códgo, muto utlzada actualmete, dervada de códgo covolucoa recurvo e temátvo (RS) ão o chamado Turbo Códgo. Ete códgo cotem fudametalmete a cocateação paralela de códgo covolucoa da clae aterormete referda. A decodfcação dete tpo de códgo é realzada de modo teratvo utlzado etrada Brada. Codfcação por Bloco Ete códgo, que podem er utlzado a detecção e correcção de erro, caracterzam-e geralmete a forma (,). Nete tpo de técca de codfcação, a formação orgal é fragmetada em egmeto com bt. O codfcador traforma bt de formação um bloco codfcado ma logo com bt, em que o bt codfcado ão apea fução do bt de formação colocado à etrada do codfcador. Adcoam-e portato - bt redudate a cada bloco de bt de formação com o propóto de detectar e corrgr erro. A capacdade correctora do códgo depede da utlzação de apea uma fracção da 2 palavra de códgo dpoíve. [ b b ] b... 2 b Codfcador (,) [ a a ] a... 2 a Fgura 2 Codfcador por Bloco Na Fgura 3, pode-e obervar equematcamete o proceo de Codfcação por Bloco.

4 Iformação orgal bt bt bt bt bt bt Iformação codfcada Fgura 3 Codfcação por Bloco Exemplo: Códgo de Bloco Leare b [ b b2 L b ] Codfcador a [ a a2 L a] (, ) a bg em que G repreeta a matrz geradora com lha e colua. Sedo g a lha de G, ter-e-à a b g Matrz H de um códgo de bloco lear: é uma matrz, com - lha e colua, que verfca a relação a H T Correpodedo h à colua de H, a h

5 Códgo temátco: [ ] [ ] T I P H P I G M M Códgo de Bloco Leare Sedo [ ], 2... g g g g [ ] [ ] g g g b a a a g b a,2,...,, Num códgo temátco, para qualquer { },...,,2, temo,,, g ou ea, a b para {,2,...,} Sdroma de r [r r 2... r ]: [ ] T h r rh 2... Sedo h [h h 2...h -, ], [ ] [ ] h h h r, h r,2,...,, Dtâca de Hammg míma o âmbto de um códgo:

6 a d m m a, edo a códgo ( a é o peo de a,.e., o úmero de u em a) Se a W com a cód., ah T gfca que obtemo zero omado um certo couto de W colua de H (correpodete ao u de a). Etão d m é o úmero mímo de colua de H que omada dão zero. d m verfca empre a relação d m <-+ (gualdade apea para códgo de repetção ou de pardade mple) Sedo t max o valor máxmo de t que verfca 2t+<d m, tem-e ( ) tmax 2 (gualdade apea para códgo perfeto ). Códgo perfeto: códgo de repetção (,) com ímpar; códgo de Hammg (códgo com d m 3 e 2 - -); códgo de Golay (códgo (23, 2) com d m 7). a [ a a2 L a ] - p p r r r r ] a + e [ 2 L p a - p r CANAL BINÁRIO SIMÉTRICO

7 Nº de erro o bloco de códgo: e a+r d(r, a) (dtâca de Hammg etre r e a) O droma de r é gual ao droma de e, po rh T (a+e)h T ah T +eh T eh T (vto que ah T por er a cód.) A detecção de erro é garatda e e <d m A correcção aproprada do erro é garatda e 2 e <d m (edo e t, to equvale a 2t+<d m ). Cotrolo de Erro com o Sdroma Detecção de Erro (o âmbto de um procedmeto ARQ : Automatc repeat requet) rh T Se Se aˆ r Repetção olctada bˆ aˆ para,2,..., (admtdo que o códgo é temátco) Correcção de Erro (FEC: Forward error correcto) rh T eˆ (de acordo com uma tabela de decodfcação em que e aoca um padrão de erro com o meor peo poível a cada um do 2 - droma)

8 aˆ r + eˆ bˆ aˆ, para,2,..., (admtdo que o códgo é temátco) Codfcação Covolucoal Ete tpo de códgo poue memóra. Am, o bt codfcado depedem ão ó do bt de formação como também da formação armazeada pela memóra do códgo. O comprmeto da memóra do códgo dega-e geralmete por L (cotra legth) e repreeta a depedêca da aída face ao bt de etrada, permtdo caracterzar a robutez e complexdade do códgo. O proceo de codfcação covolucoal é realzado paado a formação a tramtr por K regto delzate em que cada um cotém bt e em que equaçõe algébrca geradora, baeada o polómo gerador, decrevem a aída do codfcador. Coderado a equêca a codfcar, eta apreeta ao codfcador bt de cada vez. O úmero de bt à aída por cada couto de bt à etrada é. Utlzado a dvera poçõe do K regto delzate, ão coderado determado ramo que adcoado em modulo-2 permtem obter a aída do codfcador. Na Fgura 4, pode-e obervar equematcamete um Codfcador Covolucoal.

9 K Regto Delzate bt Iformação adare adare adare omadore Modulo-2 aída Fgura.4 Codfcação Covolucoal O Cotra Leght (L) do códgo é dado por, L K. Devdo à utlzação de regto delzate e à permaete almetação de bt a etrada do codfcador, exte um atrao aocado ao proceo de codfcação. Um códgo covolucoal pode er decrto por uma varedade de método, podedo-e detacar o Dagrama em Trelça e Dagrama de Etado. Códgo Covolucoa Não Recurvo Codere-e como exemplo o egute códgo covolucoal (7,5) de razão 2, caracterzado pelo polómo geradore g (x) x 2 + g 2 (x) x 2 + x +

10 e pela etrutura de decodfcação apreetada a Fgura 5. Fgura.5 Codfcador Covolucoal (7,5) A repectva aída dete codfcador ão, a 2 b b -2 a 2+ b b - b -2 com a repreetar uma oma em módulo 2. Coderado um decodfcador com v regto delzate, ete pode aumr 2 v etado, depededo a tração etre etado do valor da etrada. O Codfcador pode er repreetado um dagrama que lutra a traçõe poíve etre etado (atravé de arco) bem como a trama de etrada e aída aocada. Ete dagrama dega-e por Dagrama de Etado (ver Fgura 6).

11 / Etado Etrada/Saída / / / / / Etado Legeda / 2 / / / 3 / / / / / / (a) Dagrama de tração de etado (b) Trelça Fgura.6 Dagrama de Tração de Etado e Trelça do codfcador (7,5) Como e pode obervar, o etado do codfcador ão repreetado por círculo, equato que a traçõe de etado, provocada por cada ovo bt de formação, ão repreeta pela eta. Am em cada uma da traçõe o parâmetro x/c repreeta atravé de x o bt de formação equato c repreeta a equêca codfcada. Tedo em cota o dagrama de traçõe e coderado o etado do codfcador como edo o coteúdo do regto que o compõe pode-e cotrur uma tabela de tração de etado. A Tabela de tração de etado permte relacoar o etado fal e cal do codfcador com a formação de etrada e a formação colocada à aída. De eguda apreeta-e a Tabela de tração de etado para o codfcador da Fgura 5, ode EI e EF repreetam repectvamete o etado cal e etado fal do codfcador. b 2b (EI) b (Etrada) b b (EF) a 2 a2+ (Saída) () () () () () (2) () (3) (2) () (2) () (3) (2) (3) (3) Tabela. - Tabela Tração de Etado

12 Alteratvamete, o codfcador pode er repreetado por uma trelça. Ete tpo de dagrama permte obervar em cada tate toda a traçõe de etado poíve. A omeclatura utlzada é emelhate à á apreetada o dagrama de etado. A trelça do códgo covolucoal referdo aterormete pode er obervada a fgura 6. A título de exemplo codere-e o códgo covolucoal da Fgura 5, para uma etrada [ x x ] x e do bt de termação com valor zero, a trelça completa é a egute, 2 x3 / / / / / / / / / / / / / / / / / / / Fgura Error! No text of pecfed tyle documet.. Trelça completa para a etrada x e do zero como termação Como e pode obervar, o códgo apreetado tem uma dtâca de Hammg míma (dtaca lvre) d 5. l Decodfcação de Códgo Covolucoa, Algortmo de Vterb Do poto de vta puramete teórco, a melhor forma de decodfcar uma equêca recebda com erro é compará-la com cada uma da equêca de codfcação poíve procededo-e portato a um proceo de Decodfcação de Veromlhaça Máxma (Maxmum Lelhood Decodg). O problema com a utlzação dete método prede-e com o facto de, para L trama codfcada correpodem 2 L camho a trelça, em

13 que repreeta o umero de bt a trama de etrada, o que tora portato mpratcável comparar a formação recebda como cada um do camho poíve. No etato, tal como propoto por Vterb, em todo o camho ão mportate pelo que em cada tate, aumdo que o erro etre trama ão têm correlação (caal em memora), apea ão de coderar códgo. v 2 camho, em que v repreeta o cotra legth do Segudamete apreeta-e o algortmo propoto por Vterb, largamete utlzado a decodfcação de códgo covolucoa. Algortmo de Vterb A decodfcação óptma de códgo covolucoa evolve a procura a trelça da equêca ma provável (MLSE). Coderado um determado ó uma trelça, pode-e proceder ao cálculo da métrca de dtâca etre a trama recebda e cada um do camho que alcaçam o referdo ó. Faclmete e coclu, atravé do reultado do calculo da métrca, que um do camho é melhor que o todo o outro. Tal como cocluído por Vterb, coderado que o erro troduzdo pelo caal ão aleatóro, um dado camho coderado ão óptmo o proceo de cálculo de métrca uca e poderá torar óptmo o futuro pelo que ão eceta de er armazeado. Deta forma, o algortmo propoto por Vterb, apea armazea 2 v camho a trelça, decddo em cada trama qua o camho a guardar e qua o que devem er decartado. De modo reumdo, para cada trama recebda, e aumdo que a equêca poíve ão equprováve e a equêca de dado ão depedete, o procedmeto do algortmo de Vterb é o egute: Calcular a métrca de dtâca etre a trama recebda e cada um do que e etedem do Cotrur, para cada um do v 2 camho armazeado. 2 ramo v 2 ó que repreetam o etado fa da trama a trelça, o 2 ramo que termam ee ó. Para cada um do 2 ramo, proceder ao omatóro da métrca dede o íco da equêca de modo

14 calcular a métrca acumulada reultate de cada camho. Seleccoar e armazear o melhor camho maxmzado a probabldade de decão correcta. A métrca utlzada a trelça para ecotrar a equêca ma provável é a dtâca de Hammg o cao de um demodulador com decão Rígda (Hard Output), ou a dtâca Eucldeaa o cao de um demodulador com decão Brada (Soft Output). O Algortmo de Vterb, ormalmete utlzado para decodfcação de códgo covolucoa, permte portato mmzar a probabldade de erro da equêca etmada. Ete algortmo recurvo, que e baea a utlzação da trelça do códgo covolucoal, permte determar o percuro de máxma veromlhaça ao logo da trelça e a equêca de dado correpodete.

MIEEC Supervisão e Controlo de Sistemas Eléctricos. Despacho Óptimo (incluindo limites de produção e perdas) Introdução

MIEEC Supervisão e Controlo de Sistemas Eléctricos. Despacho Óptimo (incluindo limites de produção e perdas) Introdução MIEEC Supervão e Cotrolo de Stema Eléctrco Depacho Óptmo (cludo lmte de produção e perda Itrodução Relembrado o problema de depacho óptmo: M cuto de produção M Z ΣC(g Suj. Σg load (ão havedo retrçõe de

Leia mais

MODELOS DE REGRESSÃO NÃO LINEARES

MODELOS DE REGRESSÃO NÃO LINEARES M. Mede de Olvera Excerto da ota peoa obre: MODELOS DE REGRESSÃO NÃO LINEARES Obervação No modelo de regreão dto leare, a varável depedete é exprea como fução lear do coefcete de regreão. É rrelevate,

Leia mais

Exame 2ª ÉPoca h00 Parte Prática. GRUPO 1 (3,0 val.)

Exame 2ª ÉPoca h00 Parte Prática. GRUPO 1 (3,0 val.) Departameto de Egehara Cvl, Arqutetura e Georrecuro TRANSPORTES MEC - 3º Ao - 2º Semetre Prof. Repoável: Luí de Pcado Sato Ao Letvo 2013/2014 Duração máxma: 120 muto NOME: Exame 2ª ÉPoca 2014-07-01 08h00

Leia mais

= n. Observando a fórmula para a variância, vemos que ela pode ser escrita como, i 2

= n. Observando a fórmula para a variância, vemos que ela pode ser escrita como, i 2 Etatítca II Atoo Roque Aula 4 O Coefcete de Correlação de Pearo O coefcete de correlação de Pearo é baeado a déa de varâca, dada o curo de Etatítca I Como vto aquele curo, quado temo uma amotra compota

Leia mais

13 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL

13 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL 3 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL Como vto em amotragem o prmero bmetre, etem fatore que fazem com que a obervação de toda uma população em uma pequa eja mpratcável, muta veze em vrtude

Leia mais

(1) no domínio : 0 x < 1 Sujeita às condições de contorno: (2-a) CC1: (2-b) CC2: x dx

(1) no domínio : 0 x < 1 Sujeita às condições de contorno: (2-a) CC1: (2-b) CC2: x dx EXEMPLO MOTIVADOR I Método da Aproxmação Polomal Aplcado a Problema Udrecoa com Smetra. Eqaçõe Dfereca Ordára Problema de Valor o Cotoro Etrtra Geral do Problema: d dy( x) x f x, yx x dx dx o domío : x

Leia mais

Uma coleção de todos os possíveis elementos, objetos ou medidas de interesse.

Uma coleção de todos os possíveis elementos, objetos ou medidas de interesse. Prof. Lorí Val, Dr. val@mat.ufrg.br http://www.ufrg.br/~val/ Etatítca: uma defção Coleção de úmero etatítca O úmero de carro veddo o paí aumetou em %. A taa de deemprego atge, ete mê, 7,%. A açõe da Telebrá

Leia mais

Capítulo III Medidas Estatísticas

Capítulo III Medidas Estatísticas 8 Capítulo III Medda Etatítca III. Medda de Tedêca Cetral A apreetação de dado em tabela e gráco motra a orma da dtrbução. A medda de tedêca cetral dcam o valor do poto em toro do qual o dado e dtrbuem.

Leia mais

Grande Conjuntos de Dados. Organização; Resumo; Apresentação. Amostra ou População. Defeitos em uma linha de produção

Grande Conjuntos de Dados. Organização; Resumo; Apresentação. Amostra ou População. Defeitos em uma linha de produção Prof. Lorí Val, Dr. val@pucr.br http://www.pucr.br/~val/ Grade Cojuto de Dado Orgazação; Reumo; Apreetação. Amotra ou População Defeto em uma lha de produção Lacado Deeho Torto Deeho Torto Lacado Torto

Leia mais

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1.

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1. Iterpolação Iterpolação é um método que permte costrur um ovo cojuto de dados a partr de um cojuto dscreto de dados potuas cohecdos. Em egehara e cêcas, dspõese habtualmete de dados potuas, obtdos a partr

Leia mais

Confiabilidade Estrutural

Confiabilidade Estrutural Professor Uversdade de Brasíla Departameto de Egehara Mecâca Programa de Pós graduação em Itegrdade Estrutural Algortmo para a Estmatva do Idce de Cofabldade de Hasofer-Ld Cofabldade Estrutural Jorge Luz

Leia mais

8 Programação linear 78

8 Programação linear 78 8 Programação lear 78 8 Programação lear A programação lear cosderou duas fuções objetvo: (a) maxmzação da comercalzação do gás e (b) mmzação das perdas (recetas e multas cotratuas). Foram dealzados dos

Leia mais

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados Capítulo : Ajuste de curvas pelo método dos mímos quadrados. agrama de dspersão No capítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas por uma taela de valores. Frequetemete o etato

Leia mais

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

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro RESUMO UNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINISTRAÇÃO RAD507 Etatítca Aplcada à Admtração I Prof. Dr. Evadro Marco Sadel Rbero RESUMO

Leia mais

1- Qual a diferença entre amostragem probabilística e não-probabilística? Qual é a mais recomendada?

1- Qual a diferença entre amostragem probabilística e não-probabilística? Qual é a mais recomendada? VIII-AMOSTRAGEM A Etatítca Iferecal ou Iferêca Etatítca tem como objetvo bucar cocluõe robablítca obre oulaçõe com bae o reultado obervado em amotra etraída dea oulaçõe Am, certo cudado báco devem er tomado

Leia mais

Cap. 5. Testes de Hipóteses

Cap. 5. Testes de Hipóteses Cap. 5. Testes de Hpóteses Neste capítulo será estudado o segudo problema da ferêca estatístca: o teste de hpóteses. Um teste de hpóteses cosste em verfcar, a partr das observações de uma amostra, se uma

Leia mais

sticas Estatística (divisão) População stica: uma definição Estatística:

sticas Estatística (divisão) População stica: uma definição Estatística: Coleção de úmero etatítca tca O úmero de carro veddo o paí aumetou em 30%. A taa de deemprego atge, ete mê, 7,5%. A açõe da Telebrá ubram R$,5, hoje. Reultado do Caraval o trâto: 45 morto, 430 ferdo. Etatítca:

Leia mais

i 2 i= = n Observando a fórmula para a variância, vemos que ela pode ser escrita como, i 2

i 2 i= = n Observando a fórmula para a variância, vemos que ela pode ser escrita como, i 2 O Coefcete de Correlação de Pearo O coefcete de correlação de Pearo é baeado a déa de varâca, dada a aula 6 Como vto aquela aula, quado temo uma amotra compota por dado, a varâca da amotra é dada por,

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. É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou Prof. Lorí Val, Dr. val@mat.ufrgs.r http://www.mat.ufrgs.r/~val/ expermetal. Numa relação expermetal os valores de uma das varáves

Leia mais

Bruno Hott Algoritmos e Estruturas de Dados I DECSI UFOP. Aula 10: Ordenação

Bruno Hott Algoritmos e Estruturas de Dados I DECSI UFOP. Aula 10: Ordenação Bruo Hott Algortmos e Estruturas de Dados I DECSI UFOP Aula 10: Ordeação O Crtéro de Ordeação Ordea-se de acordo com uma chave: typedef t TChave; typedef struct{ TChave chave; /* outros compoetes */ Item;

Leia mais

Escola Secundária de Jácome Ratton

Escola Secundária de Jácome Ratton Ecola Secudára de Jácome Ratto Ao Lectvo / Matemátca Aplcada à Cêca Soca Na Ecola Secudára do Suceo aualmete é premado o aluo que tver melhor méda a ua clafcaçõe a dferete dcpla. No ao lectvo 9/, o do

Leia mais

Projeto e Análise de Algoritmos Recorrências. Prof. Humberto Brandão

Projeto e Análise de Algoritmos Recorrências. Prof. Humberto Brandão Projeto e Aálse de Algortmos Recorrêcas Prof. Humberto Bradão humberto@dcc.ufmg.br Uversdade Federal de Alfeas Laboratóro de Pesqusa e Desevolvmeto LP&D Isttuto de Cêcas Exatas ICEx versão da aula: 0.

Leia mais

1) Planejamento da Produção - Modelos de dimensionamento de lotes (lot sizing)

1) Planejamento da Produção - Modelos de dimensionamento de lotes (lot sizing) Departameto de Egehara de Produção UFPR 28 1) Plaeameto da Produção - Modelos de dmesoameto de lotes (lot szg) É cohecdo horzote de plaeameto T, dvddo em períodos; demada (geralmete varável) de cada tem

Leia mais

1- RESPOSTA TEMPORAL EM FUNÇÃO DA POSIÇÃO DOS POLOS

1- RESPOSTA TEMPORAL EM FUNÇÃO DA POSIÇÃO DOS POLOS - RESPOSTA TEMPORAL EM FUNÇÃO DA POSIÇÃO DOS POLOS Seja R( F( E( a repota de u tea lear, cocetrado e varate. Se F ( e E () ão fuçõe rea racoa, etão R ( é real racoal e pode er exprea coo: N() R( a / b

Leia mais

Etapas para a construção de uma distribuição de frequências por ponto

Etapas para a construção de uma distribuição de frequências por ponto Dtrbuçõe de Frequêca Uma dtrbução de requêca é uma tabela que reúe o cojuto de dado, coorme a requêca ou a repetçõe de eu valore o capítulo ateror, vmo como ão eta ea tabela quado a varável é qualtatva

Leia mais

Regressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança

Regressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança Regressão Smples Parte III: Coefcete de determação, regressão a orgem e método de máxma verossmlhaça Coefcete de determação Proporção da varabldade explcada pelo regressor. R Varação explcada Varação total

Leia mais

ANÁLISE ESTATÍSTICA DO USO DE UM FILTRO DE KALMAN A UM SISTEMA DE MEDIÇÃO COM RUÍDOS

ANÁLISE ESTATÍSTICA DO USO DE UM FILTRO DE KALMAN A UM SISTEMA DE MEDIÇÃO COM RUÍDOS V CONGRESSO RASILEIRO DE METROLOGIA Metrologa para a compettvdade em área etratégca 9 a 3 de ovembro de 9. Salvador, aha ral. ANÁLISE ESTATÍSTICA DO USO DE UM ILTRO DE KALMAN A UM SISTEMA DE MEDIÇÃO COM

Leia mais

Verificação, Validação e Experimentação com Modelos de Simulação

Verificação, Validação e Experimentação com Modelos de Simulação Boletm Técco: MS: 03/06 em 9/06/006 Verfcação, Valdação e Expermetação com Modelo de ulação Prof. Luí Céar da Slva Emal: lvalc@cca.ufe.br - Webte: www.aga.com A etruturação de modelo para a mulação de

Leia mais

Ordenação: Introdução e métodos elementares. Algoritmos e Estruturas de Dados II

Ordenação: Introdução e métodos elementares. Algoritmos e Estruturas de Dados II Ordeação: Itrodução e métodos elemetares Algortmos e Estruturas de Dados II Ordeação Objetvo: Rearrajar os tes de um vetor ou lsta de modo que suas chaves estejam ordeadas de acordo com alguma regra Estrutura:

Leia mais

Econometria: 3 - Regressão Múltipla

Econometria: 3 - Regressão Múltipla Ecoometra: 3 - Regressão Múltpla Prof. Marcelo C. Mederos mcm@eco.puc-ro.br Prof. Marco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo de regressão

Leia mais

d s F = m dt Trabalho Trabalho

d s F = m dt Trabalho Trabalho 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 Trabalho 1. Itrodução

Leia mais

3 Procedimento Experimental

3 Procedimento Experimental 3 Procedmeto Expermetal 3. Sstema de medção de vazão com extesômetro A Fg. 9 mostra o sstema de medção de vazão com extesômetro, o qual fo motado o laboratóro da PUC-Ro. este sstema, duas tubulações com,5

Leia mais

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS ANÁLISE DE ERROS A oservação de um feómeo físco ão é completa se ão pudermos quatfcá-lo. Para é sso é ecessáro medr uma propredade físca. O processo de medda cosste em atrur um úmero a uma propredade físca;

Leia mais

Teste Intermédio I (45%)

Teste Intermédio I (45%) 0 Anále de Dado e Probabldade º Semetre 00-007 Fernando Brto Soare Cáta Fernande Pedro Chave Tete Intermédo Data: 7 de Outubro de 00, 7:00 Duração: hora ota: A utlzação de máquna centífca e gráfca ó erá

Leia mais

Capítulo V - Interpolação Polinomial

Capítulo V - Interpolação Polinomial Métodos Numércos C Balsa & A Satos Capítulo V - Iterpolação Polomal Iterpolação Cosdere o segute couto de dados: x : x0 x x y : y y y 0 m m Estes podem resultar de uma sequêca de meddas expermetas, ode

Leia mais

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento. Prof. Lorí Val, Dr. val@pucrs.r http://www.pucrs.r/famat/val/ Em mutas stuações duas ou mas varáves estão relacoadas e surge etão a ecessdade de determar a atureza deste relacoameto. A aálse de regressão

Leia mais

Extensão da Termodinâmica a sistemas abertos

Extensão da Termodinâmica a sistemas abertos Exteão da ermodâmca a tema aberto I tema homogéeo ex: mtura de gae dea oluçõe dea reacçõe químca homogéea Cottudo por uma ó ae ma pode er mult-compoete otulado de Gbb ou otulado da aráve de Etado de um

Leia mais

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA REGRESSÃO LINEAR CUIABÁ, MT 6/ INTRODUÇÃO Relação dos valores da varável depedete (varável resposta) aos valores de regressoras ou exógeas). SIMPLES MÚLTIPLA (varáves depedetes,... =,,, K=,,, k em que:

Leia mais

DEPARTAMENTO DE ENGENHARIA NAVAL E OCEÂNICA ESCOLA POLITÉCNICA DA UNIVERSIDADE DE SÃO PAULO PNV3324 FUNDAMENTOS DE CONTROLE EM ENGENHARIA

DEPARTAMENTO DE ENGENHARIA NAVAL E OCEÂNICA ESCOLA POLITÉCNICA DA UNIVERSIDADE DE SÃO PAULO PNV3324 FUNDAMENTOS DE CONTROLE EM ENGENHARIA DEPARTAENTO DE ENGENHARIA NAVAL E OCEÂNICA ESCOLA POLITÉCNICA DA UNIVERSIDADE DE SÃO PAULO PNV334 FUNDAENTOS DE CONTROLE E ENGENHARIA NOTAS DE AULA* Prof. Helio itio orihita * Ete texto é um mero roteiro

Leia mais

Construção e Análise de Gráficos

Construção e Análise de Gráficos Costrução e Aálse de Gráfcos Por que fazer gráfcos? Facldade de vsualzação de cojutos de dados Faclta a terpretação de dados Exemplos: Egehara Físca Ecooma Bologa Estatístca Y(udade y) 5 15 1 5 Tabela

Leia mais

Física IV Poli Engenharia Elétrica: 8ª Aula (28/08/2014)

Física IV Poli Engenharia Elétrica: 8ª Aula (28/08/2014) Físca IV Pol Egehara Elétrca: 8ª Aula (8/08/014) Prof. Alvaro Vaucc Na últma aula vmos: Resolução de Images: segudo o crtéro estabelecdo por Raylegh que quado o máxmo cetral devdo à dfração das odas do

Leia mais

Gonçalo X. Silva Alda Carvalho

Gonçalo X. Silva Alda Carvalho Goçalo X. Slva Alda Carvalho ÍNDICE. ESTATÍSTICA DESCRITIVA..... INTRODUÇÃO..... DEFINIÇÕES..... CLASSIFICAÇÃO DOS DADOS.... CARACTERIZAÇÃO DOS DADOS....5 ESTATÍSTICAS AMOSTRAIS... 0.5.. Medda de localzação...

Leia mais

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD Dstrbuções Amostras Estatístca 8 - Dstrbuções Amostras 08- Dstrbuções Amostras Dstrbução Amostral de Objetvo: Estudar a dstrbução da população costtuída de todos os valores que se pode obter para, em fução

Leia mais

Modelo de Regressão Simples

Modelo de Regressão Simples Modelo de Regressão Smples Hstora Hstóra Termo regressão fo troduzdo por Fracs Galto (8-9). Estudo sobre altura de pas e flhos. Karl Pearso coletou mas de ml regstros e verfcou a le de regressão uversal

Leia mais

Atividades Práticas Supervisionadas (APS)

Atividades Práticas Supervisionadas (APS) Uversdade Tecológca Federal do Paraá Prof: Lauro Cesar Galvão Campus Curtba Departameto Acadêmco de Matemátca Cálculo Numérco Etrega: juto com a a parcal DATA DE ENTREGA: da da a PROVA (em sala de aula

Leia mais

MÉTODO DOS MÍNIMOS QUADRADOS

MÉTODO DOS MÍNIMOS QUADRADOS MÉTODO DOS MÍNIMOS QUADRADOS I - INTRODUÇÃO O processo de medda costtu uma parte essecal a metodologa cetífca e também é fudametal para o desevolvmeto e aplcação da própra cêca. No decorrer do seu curso

Leia mais

Instituto Politécnico de Bragança Escola Superior de Tecnologia e de Gestão

Instituto Politécnico de Bragança Escola Superior de Tecnologia e de Gestão Isttuto oltécco de Bragaça Escola Superor de ecologa e de Gestão 2º Ao de Egehara Electrotécca Istrumetação Electróca e Meddas Exame (ª Chamada) 2 de Juho de 200 SUGESÃO DE RESOLUÇÃO ) retede-se vsualzar,

Leia mais

2. MODELO DETALHADO: Relações de Recorrência. Exemplo: Algoritmo Recursivo para Cálculo do Fatorial Substituição Repetida

2. MODELO DETALHADO: Relações de Recorrência. Exemplo: Algoritmo Recursivo para Cálculo do Fatorial Substituição Repetida . MODELO DETALHADO: Relações de Recorrêca Exemplo: Algortmo Recursvo para Cálculo do Fatoral Substtução Repetda T T ( ) ( ) t 1, T ( + t, > T ( ) T ( + t T ( ) ( T( ) + t + t ) + t T ( ) T ( ) T ( ) +

Leia mais

MEDIDAS DE DISPERSÃO:

MEDIDAS DE DISPERSÃO: MEDID DE DIPERÃO: fução dessas meddas é avalar o quato estão dspersos os valores observados uma dstrbução de freqüêca ou de probabldades, ou seja, o grau de afastameto ou de cocetração etre os valores.

Leia mais

Departamento de Informática. Modelagem Analítica. Modelagem Analítica do Desempenho de Sistemas de Computação. Disciplina:

Departamento de Informática. Modelagem Analítica. Modelagem Analítica do Desempenho de Sistemas de Computação. Disciplina: Deartameto de Iormáta Dla: Modelagem Aalíta do Deemeho de Stema de Comutação Rede de Fla: roblema da C e Do Do Método de Solução: Covolução ro. Sérgo Colher olher@.u-ro.br roblema Modelagem Aalíta Codere

Leia mais

ESTATÍSTICA Exame Final 1ª Época 3 de Junho de 2002 às 14 horas Duração : 3 horas

ESTATÍSTICA Exame Final 1ª Época 3 de Junho de 2002 às 14 horas Duração : 3 horas Faculdade de cooma Uversdade Nova de Lsboa STTÍSTIC xame Fal ª Época de Juho de 00 às horas Duração : horas teção:. Respoda a cada grupo em folhas separadas. Idetfque todas as folhas.. Todas as respostas

Leia mais

Arquitetura da ART Controle 1 Controle 2

Arquitetura da ART Controle 1 Controle 2 Teora de Ressoâca Adaptatva - ART Arqutetura da ART Cotrole Cotrole 2 Desevolvda por Carpeter e Grossberg como uma alteratva para resolver o dlema establdade-plastcdade (rede ão aprede ovos padrões). Realme

Leia mais

Sumário. Mecânica. Sistemas de partículas

Sumário. Mecânica. Sistemas de partículas umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - stemas de partículas e corpo rígdo. - Cetro de massa. - Como determar o cetro de massa dum sstema de partículas. - Vetor

Leia mais

Problema geral de interpolação

Problema geral de interpolação Problema geral de terpolação Ecotrar p() que verfque as codções: f j ( ) y,,,,,, j,,, m ( j) ( ) dervada de ordem j ós valores odas Eemplo: ecotrar p() que verfque:, f () 4 3, f( 3) 3, f'(3) 4 3 p() 3

Leia mais

Estatística 15 - Comparação entre Duas Populações

Estatística 15 - Comparação entre Duas Populações Etatítca 5 - Comaração etre Da Polaçõe 5- Comaração de Méda de Da Polaçõe µ Méda da olação µ Méda da olação Tete µ - µ µ - µ > µ - µ µ - µ < µ - µ µ - µ. Dado Emarelhado EemloVte cobaa bmetda drate ma

Leia mais

1 (0,8 ln0,8+0,2 ln0,2) 0,512 0,512 0, , , , , , , , , ,

1 (0,8 ln0,8+0,2 ln0,2) 0,512 0,512 0, , , , , , , , , , GABARITO DA TERCEIRA LISTA DE EXERCÍCIOS DE PTC-3 TEORIA DA INFORMAÇÃO E CODIFICAÇÃO Questão Uma fote de formações dscreta e sem memóra emte símbolos A e B com robabldades P(A =,8 e P(B =,. a calcule a

Leia mais

EAD Métodos Estatísticos de Projeção

EAD Métodos Estatísticos de Projeção EAD 655 - Método Etatítco de Projeção Prof. Cear Aleadre de Souza 2º. Semetre - 207 Modelagem Quattatva em Admtração Na admtração, a matemátca e a etatítca cotrbuem para a cração de modelo para auílo a

Leia mais

Estatística - exestatmeddisper.doc 25/02/09

Estatística - exestatmeddisper.doc 25/02/09 Estatístca - exestatmeddsper.doc 5/0/09 Meddas de Dspersão Itrodução ão meddas estatístcas utlzadas para avalar o grau de varabldade, ou dspersão, dos valores em toro da méda. ervem para medr a represetatvdade

Leia mais

MEDIDAS DE TENDÊNCIA CENTRAL I

MEDIDAS DE TENDÊNCIA CENTRAL I Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, edca Veterára, uscoterapa, Odotologa, Pscologa EDIDAS DE TENDÊNCIA CENTRAL I 7 7. EDIDAS DE

Leia mais

Determinação do factor correctivo da potência de ruído em sistemas de transmissão por cabo coaxial com igualação

Determinação do factor correctivo da potência de ruído em sistemas de transmissão por cabo coaxial com igualação Determiação do actor correctivo da potêcia de ruído em itema de tramião por cabo coaxial com igualação A ução de traerêcia do igualador é dada por I ( V e y( ( H ( em que y ( é a traormada de Fourier da

Leia mais

Cálculo Numérico. Ajuste de Curvas Método dos Mínimos Quadrados. Profa. Vanessa Rolnik 1º semestre 2015

Cálculo Numérico. Ajuste de Curvas Método dos Mínimos Quadrados. Profa. Vanessa Rolnik 1º semestre 2015 Cálculo Numérco Ajuste de Curvas Método dos Mímos Quadrados Profa. Vaessa Rolk º semestre 05 Ajuste de curvas Para apromar uma fução f por um outra fução de uma famíla prevamete escolhda (caso cotíuo)

Leia mais

n Obtido através desvio padrão da população (σ)

n Obtido através desvio padrão da população (σ) 3/5/ Etatítica Geral Tete t de STUDENT Cap. 7, 8 e 9 Callegari-Jacque, S. M. Bioetatítica: Pricípio e Aplicaçõe, 3. Apotila: Regazzi, A. J., Curo de iiciação à etatítica. Curo: Saúde/CUA/UFMT Profº: Glauco

Leia mais

Apostila de Introdução Aos Métodos Numéricos

Apostila de Introdução Aos Métodos Numéricos Apostla de Itrodução Aos Métodos Numércos PARTE III o Semestre - Pro a. Salete Souza de Olvera Buo Ídce INTERPOAÇÃO POINOMIA...3 INTRODUÇÃO...3 FORMA DE AGRANGE... 4 Iterpolação para potos (+) - ajuste

Leia mais

Mineração de Dados. Modelos Preditivos. Técnicas de Classificação Árvores de Decisão. Prof. Paulo Martins Engel. Tarefas preditivas:

Mineração de Dados. Modelos Preditivos. Técnicas de Classificação Árvores de Decisão. Prof. Paulo Martins Engel. Tarefas preditivas: UFRGS 2 Modelo Preditivo Mieração de Dado Técica de Claificação Árvore de Decião Prof. Paulo Marti Egel A tarefa de geração de um modelo preditivo coite em apreder um mapeameto de etrada para a aída, viado

Leia mais

VI - Integração Numérica

VI - Integração Numérica V - tegração Numérca C. Balsa & A. Satos. trodução São, este mometo, coecdos dos aluos métodos aalítcos para o cálculo do tegral dedo b ( d a sedo ( cotíua e tegrável o tervalo [ ab] ;. Cotudo, algumas

Leia mais

1. Revisão Matemática

1. Revisão Matemática 1. Revsão Matemátca Dervadas Seja a fução f : R R, fxe x R, e cosdere a expressão : f ( x+ αe ) lmα 0 α f, ode e é o vector utáro. Se o lmte acma exstr, chama-se a dervada parcal de f o poto x e é represetado

Leia mais

ESTATÍSTICA II FORMULÁRIO

ESTATÍSTICA II FORMULÁRIO Uverdade do Mho Ecola de Egehara ESTATÍSTICA II Ídce Metrado Itegrado em Egehara e Getão Idutral FORMULÁRIO Ao Lectvo 007-008 Itervalo de Cofaça (uma amotra / dua amotra depedete)... Tete de Hpótee (uma

Leia mais

CAPÍTULO III - POLINÔMIOS DE JACOBI E QUADRATURA NUMÉRICA

CAPÍTULO III - POLINÔMIOS DE JACOBI E QUADRATURA NUMÉRICA Polômos de Jacob e CAPÍTULO III - POLINÔMIOS DE JACOBI E QUADRATURA NUMÉRICA III--)INTRODUÇÃO Para um melhor etedmeto do método da colocação ortogoal e sua relação com o método dos resíduos poderados (MRP),

Leia mais

Ivan G. Peyré Tartaruga. 1 Metodologia espacial

Ivan G. Peyré Tartaruga. 1 Metodologia espacial RELATÓRIO DE PESQUISA 5 Procedmetos o software ArcGIS 9. para elaborar os mapas da Regão Metropoltaa de Porto Alegre RMPA com as elpses de dstrbução drecoal etre 99 e 000 Iva G. Peré Tartaruga Metodologa

Leia mais

16/03/2014. IV. Juros: taxa efetiva, equivalente e proporcional. IV.1 Taxa efetiva. IV.2 Taxas proporcionais. Definição:

16/03/2014. IV. Juros: taxa efetiva, equivalente e proporcional. IV.1 Taxa efetiva. IV.2 Taxas proporcionais. Definição: 6// IV. Juros: taxa efetva, equvalete e proporcoal Matemátca Facera Aplcada ao Mercado Facero e de Captas Professor Roaldo Távora IV. Taxa efetva Defção: É a taxa de juros em que a udade referecal de seu

Leia mais

Capítulo III Códigos para Compressão sem Perda

Capítulo III Códigos para Compressão sem Perda PUCR Faculdade de Engenhara Departamento de Engenhara Elétrca Codfcação de na por F.C.C De Catro e M.C.F. De Catro Capítulo III Códgo para Compreão em Perda A aída do Quantzador do Codfcador de Fonte de

Leia mais

PLANO PROBABILIDADES Professora Rosana Relva DOS. Números Inteiros e Racionais COMPLEXOS NÚMEROS COMPLEXOS NÚMEROS COMPLEXOS NÚMEROS COMPLEXOS

PLANO PROBABILIDADES Professora Rosana Relva DOS. Números Inteiros e Racionais COMPLEXOS NÚMEROS COMPLEXOS NÚMEROS COMPLEXOS NÚMEROS COMPLEXOS Professor Luz Atoo de Carvalho PLANO PROBABILIDADES Professora Rosaa Relva DOS Números Iteros e Racoas COMPLEXOS rrelva@globo.com Número s 6 O Número Por volta de 00 d.c a mpressão que se tha é que, com

Leia mais

Reconhecimento de Padrões. Reconhecimento de Padrões

Reconhecimento de Padrões. Reconhecimento de Padrões Recohecmeto de Padrões 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 Escola Superor de Tecologa Egehara Iformátca Recohecmeto de Padrões Prof. João Asceso e Prof. Aa Fred Sumáro:

Leia mais

Disciplina: Análise Multivariada I Prof. Dr. Admir Antonio Betarelli Junior AULA 6.1

Disciplina: Análise Multivariada I Prof. Dr. Admir Antonio Betarelli Junior AULA 6.1 Dscpla: álse Multvaraa I Prof. Dr. mr too Betarell Juor UL 6. MÉTODO DE ESCLONMENTO MULTIDIMENSIONL (MDS) Proposto por Youg (987) esse métoo poe ser utlzao para agrupameto. É uma técca para represetar

Leia mais

3 Seleção de Variáveis Baseada em Informação Mútua sob Distribuição de Informação Uniforme (MIFS-U)

3 Seleção de Variáveis Baseada em Informação Mútua sob Distribuição de Informação Uniforme (MIFS-U) 3 Seleção de Varáve Baeada em nformação Mútua ob trbução de nformação Unforme MFS-U 3.1 Seleção de Varáve de Entrada para Problema de Clafcação A eleção de varáve de entrada deempenha um mportante papel

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual Estatístca: Aplcação ao Sesorameto Remoto SER 04 - ANO 08 Estmação Potual Camlo Daleles Reó camlo@dp.pe.br http://www.dp.pe.br/~camlo/estatstca/ Iferêca Estatístca Cosdere o expermeto: retram-se 3 bolas

Leia mais

Requisitos metrológicos de instrumentos de pesagem de funcionamento não automático

Requisitos metrológicos de instrumentos de pesagem de funcionamento não automático Requstos metrológcos de strumetos de pesagem de fucoameto ão automátco 1. Geeraldades As balaças estão assocadas de uma forma drecta à produção do betão e ao cotrolo da qualdade do mesmo. Se são as balaças

Leia mais

Análise de Regressão

Análise de Regressão Aálse de Regressão Prof. Paulo Rcardo B. Gumarães. Itrodução Os modelos de regressão são largamete utlzados em dversas áreas do cohecmeto, tas como: computação, admstração, egeharas, bologa, agrooma, saúde,

Leia mais

16 - PROBLEMA DO TRANSPORTE

16 - PROBLEMA DO TRANSPORTE Prof. Volr Wlhel UFPR TP05 Pesqusa Operacoal 6 - PROBLEMA DO TRANSPORTE Vsa zar o custo total do trasporte ecessáro para abastecer cetros cosudores (destos) a partr de cetros forecedores (orges) a, a,...,

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 etre duas ou mas varáves. Pode ser: correlacoal ou expermetal. Numa relação expermetal os valores de uma das varáves

Leia mais

Como CD = DC CD + DC = 0

Como CD = DC CD + DC = 0 (9-0 www.eltecampas.com.br O ELITE RESOLVE IME 008 MATEMÁTICA - DISCURSIVAS MATEMÁTICA QUESTÃO Determe o cojuto-solução da equação se +cos = -se.cos se + cos = se cos ( se cos ( se se.cos cos + + = = (

Leia mais

Econometria: 4 - Regressão Múltipla em Notação Matricial

Econometria: 4 - Regressão Múltipla em Notação Matricial Ecoometra: 4 - Regressão últpla em Notação atrcal Prof. arcelo C. ederos mcm@eco.puc-ro.br Prof. arco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo

Leia mais

DISTRIBUIÇÃO HIPERGEOMÉTRICA

DISTRIBUIÇÃO HIPERGEOMÉTRICA 7 DISTRIBUIÇÃO HIPERGEOMÉTRICA Cosdere-se uma população fta costtuída por N elemetos dstrbuídos por duas categoras eclusvas e eaustvas de dmesões M e N M, respectvamete. Os elemetos da prmera categora

Leia mais

Fundamentos de Matemática I FUNÇÕES POLINOMIAIS4. Licenciatura em Ciências USP/ Univesp. Gil da Costa Marques

Fundamentos de Matemática I FUNÇÕES POLINOMIAIS4. Licenciatura em Ciências USP/ Univesp. Gil da Costa Marques FUNÇÕES POLINOMIAIS4 Gl da Costa Marques Fudametos de Matemátca I 4.1 Potecação de epoete atural 4. Fuções polomas de grau 4. Fução polomal do segudo grau ou fução quadrátca 4.4 Aálse do gráfco de uma

Leia mais

Sumário. Mecânica. Sistemas de partículas

Sumário. Mecânica. Sistemas de partículas Sumáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - Sstemas de partículas e corpo rígdo. - Cetro de massa. - Como determar o cetro de massa dum sstema de partículas. -

Leia mais

4 Técnicas de Seleção de Características Independentes do Modelo para os Sistemas Neuro-Fuzzy Hierárquicos

4 Técnicas de Seleção de Características Independentes do Modelo para os Sistemas Neuro-Fuzzy Hierárquicos 4 éccas de Seleção de Característcas Idepedetes do Modelo para os Sstemas Neuro-Fuzzy Herárqucos 4. Itrodução Na maora das aplcações reas de classfcação, prevsão e otmzação, as bases de dados cotém um

Leia mais

Almeida, C. (1987) Novo método para resolução da equação dos rebaixamentos em ensaios a caudal variável

Almeida, C. (1987) Novo método para resolução da equação dos rebaixamentos em ensaios a caudal variável Almeda, C. (1987) Novo método para resolução da equação dos rebaxametos em esaos a caudal varável Geols, revsta da Secção de Geologa Ec. e Aplcada, vol. I, p. 100-10. GEOLIS - Vol. I(1987) 100-10 100 NOVO

Leia mais

ESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano

ESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano ESTATÍSTICA Aula 7 Prof. Dr. Marco Atoo Leoel Caetao Dstrbuções de Probabldade DISCRETAS CONTÍNUAS (Números teros) Bomal Posso Geométrca Hper-Geométrca Pascal (Números reas) Normal t-studet F-Sedecor Gama

Leia mais

( k) Tema 02 Risco e Retorno 1. Conceitos Básicos

( k) Tema 02 Risco e Retorno 1. Conceitos Básicos FEA -USP Graduação Cêcas Cotábes EAC05 04_0 Profa. Joaíla Ca. Rsco e Retoro. Cocetos Báscos Rotero BE-cap.6 Tema 0 Rsco e Retoro. Cocetos Báscos I. O que é Retoro? II. Qual é o Rsco de um Atvo Idvdual

Leia mais

Revisão de Estatística X = X n

Revisão de Estatística X = X n Revsão de Estatístca MÉDIA É medda de tedêca cetral mas comumete usada ara descrever resumdamete uma dstrbução de freqüêca. MÉDIA ARIMÉTICA SIMPLES São utlzados os valores do cojuto com esos guas. + +...

Leia mais

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística BAC 0 - Estatístca Uversdade Federal de Itajubá - Campus Itabra BAC0 - ESTATÍSTICA ESTATÍSTICA DESCRITIVA MEDIDAS DE CENTRO Méda Medda de cetro ecotrada pela somatóra de todos os valores de um cojuto,

Leia mais

Difusão entre Dois Compartimentos

Difusão entre Dois Compartimentos 59087 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 4 Dfusão etre Dos Compartmetos A le de Fck para membraas (equação 4 da aula passada) mplca que a permeabldade de uma membraa a um soluto é dada pela razão

Leia mais

ÍNDICE DE THEIL Referência Obrigatória: Hoffman cap 4 pags 99 a 116 e cap 3 pgs (seção 3.4).

ÍNDICE DE THEIL Referência Obrigatória: Hoffman cap 4 pags 99 a 116 e cap 3 pgs (seção 3.4). Cetro de Polítcas Socas - Marcelo Ner ÍNDICE DE HEIL Referêca Obrgatóra: Hoffma cap 4 pags 99 a 6 e cap 3 pgs 42-44 (seção 3.4).. Coteúdo Iformatvo de uma mesagem Baseado a teora da formação, que aalsa

Leia mais

Investigação Operacional. Problema

Investigação Operacional. Problema Ivetigação Operacioal Fila de Epera Liceciatura em Egeharia Civil Liceciatura em Egeharia do Território Liceciatura em Egeharia e Aruitectura Naval roblema No erviço de urgêcia do hopital da cidade o paciete

Leia mais

Denomina F a variável aleatória definida pelo quociente: F = n

Denomina F a variável aleatória definida pelo quociente: F = n 9/0/0 Etatítica Eperimetal Tete F Tete t de STUDENT Cap. 7, 8 e 9 Callegari-Jacque, S. M. Bioetatítica: Pricípio e Aplicaçõe, 003. Apotila: Regazzi, A. J., Curo de iiciação à etatítica. Profº: Glauco Vieira

Leia mais

Alcindo do Prado Junior. Controle de Processos Industriais

Alcindo do Prado Junior. Controle de Processos Industriais Alcdo do Prado Juor Cotrole de Proceo Idutra 00 Cotrole de Proceo Idutra Ídce. INTRODUÇÃO AO CONTROLE DE SISTEMAS DINÂMICOS..... Clafcação do Cotrole Quato à Etrutura..... Clafcação do Cotrole Quato à

Leia mais

Probabilidade II Aula 10

Probabilidade II Aula 10 Probabldade II Aula 0 Mao de 009 Môca Barros, D.Sc. Coteúdo Esperaça Matemá (Valores esperados) Mometos e Mometos Cetras Valores esperados de uma fução de Covarâca e Correlação Matrz de covarâca, matrz

Leia mais

( ) ( IV ) n ( ) Escolha a alternativa correta: A. III, II, I, IV. B. II, III, I, IV. C. IV, III, I, II. D. IV, II, I, III. E. Nenhuma das anteriores.

( ) ( IV ) n ( ) Escolha a alternativa correta: A. III, II, I, IV. B. II, III, I, IV. C. IV, III, I, II. D. IV, II, I, III. E. Nenhuma das anteriores. Prova de Estatístca Epermetal Istruções geras. Esta prova é composta de 0 questões de múltpla escolha a respeto dos cocetos báscos de estatístca epermetal, baseada os lvros BANZATTO, A.D. e KRONKA, S.N.

Leia mais

! "#! "#$% %! &'(! &!! ) * %+,-. ) '(! *///0 1! 0!2! ///,-!3///4.

! #! #$% %! &'(! &!! ) * %+,-. ) '(! *///0 1! 0!2! ///,-!3///4. Itrodução ao R 960 988 996 Atualmete Lguagem S (Joh Chambers et al; Lucet Techologes) S-Plus. Software propretáro de aálse de dados que cotém a lguagem S Lguagem oretada a objetos R (Ross Ihaka e Robert

Leia mais

Sobre a Geração de Mapas de Ambiente de Rádio com Kriging Ordinário

Sobre a Geração de Mapas de Ambiente de Rádio com Kriging Ordinário XXXIV SIMPÓSIO BRASILEIRO DE TELECOMUICAÇÕES SBrT016, 30 DE AGOSTO A 0 DE SETEMBRO, SATARÉM, PA Sobre a Geração de Mapa de Ambete de Rádo com Krgg Ordáro Reumo Ete artgo apreeta e dcute mportate ferrameta

Leia mais