Modelos Locais de Iluminação. Problemas com o Ray-tracing. Modelos Globais de Iluminação. Introdução à Computação Gráfica Radiosidade

Tamanho: px
Começar a partir da página:

Download "Modelos Locais de Iluminação. Problemas com o Ray-tracing. Modelos Globais de Iluminação. Introdução à Computação Gráfica Radiosidade"

Transcrição

1 Itrodução à Computação Gráfca Radosdade Cláudo Esperaça Paulo Roma Cavalcat Modelos Locas de Ilumação Somete a luz dreta ou a prmera reflexão uma superfíce são cosderadas (modelos de prmera ordem). Modelo de Phog. Completamete empírco. Modelo de Cook e Torrace. Esquema híbrdo que usa um modelo físco baseado a rugosdade das superfíces para calcular a tesdade da reflexão e um modelo de odas para certos efetos de cor. Modelo de Cabral. Baseado completamete uma smulação físca da rugosdade de superfíces. Modelo de Kaya. Completamete baseado a teora de odas (the rederg equato). Modelos Globas de Ilumação Traçado de raos. Usa um aspecto partcular da teração luzobeto: reflexão especular. Radosdade. Favorece a teração de superfíces dfusas em detrmeto da reflexão especular. Baseado a teora de trasmssão de calor (Egehara Mecâca). A) Problemas com o Ray-tracg B) / /6 /8 /64 /3 /4

2 Defções e Propredades Cosdere-se um rao ou um fexe de eerga cdete um corpo: α fração de eerga cdete absorvda: absorção. ρ fração de eerga cdete refletda: reflectâca. τ fração de eerga cdete trasmtda: trasmssão. Balaço de Eerga G αg + ρg + τg α + ρ + τ. G (eerga cdete) ρg (eerga refletda) αg (eerga absorvda) τg (eerga trasmtda) Materas Para maora dos sóldos em egehara τ 0. Para líqudos a mesma suposção pode ser feta (mas depede da espessura). Para gases a reflexão é muto pequea e cosdera-se ρ 0. Modelos de Reflexão A reflexão da eerga radate por uma superfíce é descrta em termos de dos modelos deas: refletores dfusos e especulares. Rugosdade da superfíce tem uma grade fluêca sobre as propredades térmcas dos materas.

3 Comportameto em fução da rugosdade. Se os elemetos de rugosdade da superfíce são muto pequeos comparados ao comprmeto de oda da radação a superfíce é especular. Se os elemetos de rugosdade da superfíce são muto grades comparados ao comprmeto de oda da radação a superfíce é dfusa. Corpos Negros A superfíce deal para o estudo da radação térmca é o corpo egro. absorve toda a eerga cdete em todos os comprmetos de oda (reflectâca 0). Corpo egro é uma dealzação que pode ser magado como uma cavdade uma superfíce com 0 < α < (buraco de fechadura). G (- α) G 0. G 0 Emssvdade A eerga total emtda por um corpo por udade de área por udade de tempo é chamada de rradâca (potêca emssva). Toda superfíce ão egra terá uma rradâca E meor do que a de um corpo egro à mesma temperatura. ε E/E b (emssvdade). Emssvdade x Temperatura Para codutores, emssvdades altas correspodem a altas temperaturas. O mesmo ão é váldo para ão codutores. Pela le de Krchhoff, α ε. 3

4 Área Aparete (Vsta de uma dada dreção d) d Âgulo Sóldo É a área determada pela terseção de um coe com a esfera utára. A α A A A cos(α) Âgulos Sóldos Elemetares Gradezas Radométrcas Irradâca: dφ da 4

5 Eerga Total Irradada A eerga total rradada por um elemeto de superfíce da é terceptada por um hemsféro magáro cetrado o elemeto emssor. Sea q - a eerga que sa do emssor e atge o sesor e I a radâca do emssor Etão: dq - I cos(φ) da dω O âgulo sóldo utáro ω é defdo por: dω da /r. Irradâca Itegrado sobre todo o hemsféro: da r dφ (r s(φ) dθ). Logo, rdφ( r s( φ) dθ ) d ω r s( φ) dφ dθ q da π π 0 0 Irradâca que para um emssor dfuso perfeto (corpo egro) Ic te resulta em: q E I da π I cos( φ)s( φ) dφ dθ Iteração etre Dos Elemetos de Superfíce Potêca emssva (rradâca) de um corpo egro é gual a π vezes a tesdade da radação (radâca). 5

6 Fator de Forma Fator de Forma é a parcela de eerga que dexa um elemeto de superfíce e atge um outro elemeto. F A A eerga radateatgdo A vdo de A eerga radatetotal dexado A em todas as dreções Troca de Eerga A eerga rradada por da que cde em da é: dq - I cos(φ )da dω - ode dω - é a área de da vsta por da. dω - cos(φ )da /r A eerga total rradada por da é: dq Iπ da Assm, a troca de eerga etre dos elemetos ftesmas é depedete somete da geometra: φ da F da π dq cos( φ )cos( ) da dq r Fator de Forma Supodo que um emssor ftesmal trasmte eerga para uma superfíce fta: F I cos( φ) da cos( φ) da / r A da A π I da Como I e da são depedetes de da F cos( φ )cos( φ ) da A da π r A Fator de Forma No caso da troca de eerga etre duas superfíces Lambertaas ftas: F A A F A A I cos( φ) da cos( φ) da / A π I da A A da da π A A A r cos( φ )cos( φ ) r 6

7 Teorema da Recprocdade Soma dos fatores de forma um ambete fechado é. F A A Teorema da recprocdade (A F - A F - ). A F A A.0 cos( φ)cos( φ) da da π r Propredades de Subdvsão Natureza adtva (quado o receptor é dvddo): FdA ( ) A F da da da Subdvsão do emssor. A F ) da A A ( F da A A A Reflectâca B-drecoal BRDF ρ(λ,θ r,φ r,θ,φ ) I λ, I Radâca que sa em uma dreção Irradâca que chega de outra dreção λ, r ( λ, θ φ θ, φ ) r, r, ( λ, θ, φ )cos( θ ) dω Superfíces Lambertaas Reflexão é dêtca em todas as dreções BRDF: ρ(d,d ) costate /π d Ω Smetra: ρ(d,d ) ρ(d,d) L (/π). E (/π). C. cosθ da E dp / da K. d Ω / da K. (da cosθ / R ) / da (K / R ) cosθ C. cosθ 7

8 Radosdade Clássca Todas as superfíces são opacas. Todas as superfíces são refletores dfusos perfetos (ρ c te ). Superfíces são dscretzadas em retalhos pequeos (patches). Radosdade costate os retalhos. Irradâca costate os retalhos. Coceto Método de relaxação. Trata a lumação global como um sstema lear. Requer BRDF costate (superfíces dfusas). Resolve equação de lumação como um problema matrcal. Processo Subdvde em retalhos. Calcula fatores de forma. Resolve radosdade. Exbe retalhos. Corell Program of Computer Graphcs Hemcubo para Computar Fatores de Forma a) 45 retalhos b) 0 retalhos c) refameto de b) por subdvsão adaptatva com 036 sub-retalhos ρf ρf ρf Sstema Lear B A E A + ρ ρ F B E + ρ A F A F F B A F B ρ F B E B E B E 8

9 Um Exemplo Fatores de Forma: g b/a ( + g g ) + g g + + g g F A, B + F A, C F B, C Pratelera Ifta Só A emte e ão reflete. A emte e reflete. K ρbf ρcf B, A C, A A C A, B C, B A B A, C B, C Só B emte e ão reflete. A e B emtem e refletem. Cálculo dos Fatores de Forma Necessdade de avalar uma tegral de superfíce dupla. Ivável computacoalmete para ambetes complexos. Iefcete computacoalmete. Método Numérco Coverte tegral de superfíce dupla uma tegral de lha dupla (teorema de Stokes). Aproprado para ambetes smples. Método empregado o paper de 984 de Goral. 9

10 Método do Hemcubo Aaloga de Nusselt Itroduzdo em 985 pelo grupo de Corell. Dstâca etre dos retalhos é grade comparada a área do retalho. Itegral tera ão vara muto em relação a tegral extera. Itegral área-área é aproxmada pela tegral dferecalárea. cos( φ )cos( φ) FA A F da da A π r A Fator de forma é equvalete a fração do círculo utáro correspodete a proeção do retalho sobre o hemsféro, seguda pela proeção sobre a base do círculo. N da φ N r φ A Dscretzação do Hemcubo Hemcubo Qualquer retalho que teha a mesma proeção sobe o hemsféro tem o mesmo fator de forma. Pode-se proetar sobre um hemcubo ao vés de um hemsféro. Faces do hemcubo são dvddas em pxels. Cada pxel é cosderado um retalho. Fatores dferecal-área são pré-calculados (fatores delta) e armazeados em uma tabela de busca. 0

11 Oclusão Soma dos Fatores Delta Todo retalho de superfíce é proetado o hemcubo. Se o mesmo pxel cotver a proeção de dos retalhos, usa-se aquela correspodedo ao retalho mas próxmo (aálogo ao z-buffer). Itegração dos Fatores Delta Por fm teremos coutos coexos de pxels que são proeções dos retalhos mas próxmos. Executa-se etão a soma para cada F (q é o couto de pxels sobre o qual A se proeta. F ΔF q q Pré-cálculo dos Fatores Delta Na superfíce o topo do hemcubo: cos( φ )cos( φ ) Fq ΔA π r π ( x + y + ) Δ q q Na superfíce lateral perpedcular a x: zq ΔFq ΔA π y q + z + ( ) q ΔA

12 Geometra para Cálculo dos Fatores Delta x Proeção dos Retalhos Cetro de proeção é o cetro do hemcubo. Cada face do hemcubo defe um frustrum de vsão. Arestas do hemcubo defem plaos de recorte. Retalhos são proetados sobre cada face do hemcubo. Traçado de Raos Pode-se usar uma esfera dscretzada em elemetos de área com fatores delta précalculados. Raos são laçados através de cada elemeto de área da esfera. Cosdera-se a terseção com um retalho mas próxma do cetro da esfera. Troca-se a complexdade do códgo hemcubo pela do códgo de traçado de raos. Acumulação Resolve Ax b como um sstema lear MB E Solução de uma lha provê a solução de um úco retalho. Itesdade de cada retalho é atualzada de acordo com sua posção a matrz. Jacob B (k+) E Σ M B (k) Radosdade Emssão mas outras radosdades refletdas Gauss-Sedel B E Σ M B Cálculo o local. Sobre-relaxação B (k+) 0% B (k+) 0% B (k) Gauss-Sedel é muto coservatvo ρ F ρ F B ρf B E ρ F B E B E

13 Refameto Progressvo A magem tera é atualzada a cada teração, ao vés de um úco retalho. B devdo a B ρ B F, Ivertedo a relação: A B devdo a B ρ B F, A Requer um úco hemcubo cetrado em. Um úco retalho atra luz a cea e as radosdades de todos os retalhos são atualzadas smultaeamete. Fatores de forma são calculados o the fly. Algortmo Um retalho é escolhdo por vez para dsparar luz. O retalho dspara ΔB, a radosdade que recebeu desde a últma teração. Dsparam prmero os retalhos que fluecam mas a cea (ΔB A maor). Icalmete, B ΔB E, para todo retalho. Pseudo-Códgo Selecoe retalho ; Calcule F para cada retalho ; Para cada retalho faça { ΔRad ρ ΔB F A /A ; ΔB ΔB + ΔRad; } B B + ΔRad; ΔB 0; Dsparo Refameto Progressvo Dstrbu radosdade extra ΔB pelos outros retalhos B (k+) B (k) + ρ F ΔB Radosdade extra ão dsparada é o que recebemos da últma teração ΔB B (k) B (k-) Eerga parte dos emssores Dstrbu progressvamete pela cea Pode usar um termo ambete durate o processameto da cea, que é dmuído a medda que a radosdade progressva coverge ρ F ρ F B ρ F ρ F ρ F ρ F IBM B E B E B E 3

14 Calculado Radosdade os Vértces Uma vez obtdas as radosdades os retalhos, precsamos extrapolá-las para os vértces. Radosdades os vértces almetam etão um vsualzador tpo Gouraud. d a b c e 3 4 f B e B +B +B 3 +B 4 (B b +B e )/(B +B )/ (B a +B e )/ B Problemas da Solução por Iversão O sstema MB E pode ser resolvdo vertedo-se a matrz M. O tamaho de M é eorme e acarreta problemas de armazeameto e de versão. M é quadrada ( x, úmero de retalhos.) Dobrar quadruplca o úmero de elemetos de M. g h Métodos de Relaxação Város métodos teratvos foram desevolvdos que cam o vetor B com uma solução cal e etão a refam até que o erro estea detro de uma tolerâca pré-defda. Radosdade utlza métodos de relaxação. Um Pouco de Teora Sea um sstema lear Kx b, ode K é uma matrz x, x e b são vetores colua de dmesão. Será gerada uma sére de soluções aproxmadas x que devem covergr para a solução real. x (g) é a aproxmação o passo g. 4

15 Erro da Aproxmação Covergêca e (g) x x (g) é o erro. r (g) b K x (g) K e (g) é o resíduo. Métodos de relaxação usam o resíduo para refar a aproxmação e gerar o sucessor x (g+). A estratéga é olhar para um elemeto r (g) do vetor de resíduo e aplcar uma trasformação ao elemeto correspodete x (g) de forma a que r (g) 0. Outros elemetos de r podem crescer, mas espera-se que a tedêca geral sea a dreção de valores meores para todos os elemetos do resíduo. k K ( g ), ( K x K x, ( g + ), k ) x ( g ) k b r K ( g ) b, k k + x K ( g ), k x ( g ) k r ( g ) + K x ( g ), Parada Iteração de Jacob Austar um elemeto até que seu resíduo vá para zero é chamado de relaxameto do elemeto. Crtéros de parada são baseados uma tolerâca t: max( r ) < t x (g) x (g+) < t 5

16 Método de Gauss-Sedel Iteração de Gauss-Sedel Iteração de Gauss-Sedel é smlar a de Jacob. Jacob calcula o resíduo a partr do x (g) correte e os próxmos elemetos são computados a partr dele. Não se usam os ovos valores x (g+) até que todos os elemetos teham sdo computados. Gauss-Sedel atualza os valores o local e calcula o resíduo de ovo para cada elemeto. Método de Southwell Iteração de Southwell Gauss-Sedel atualza os elemetos em ordem. Se o resíduo é grade para um elemeto e pequeo para os outros, o elemeto grade será processado uma úca vez por teração. Southwell usa uma heurístca gulosa para relaxar os elemetos de maor magtude prmero. Um mesmo elemeto pode ser austado repetdamete em detrmeto dos outros de meor magtude. 6

17 Sobre-relaxação Iteração com Sobre-relaxação. Pode ser usada com qualquer método. Ao vés de subtrar apeas a quatdade ecessára de cada elemeto para levar seu resíduo para zero, subtra-se a mas. Esta é uma estratéga agressva, que atecpa o futuro por um fator ω. x x r ( g+ ) ( g+ ) ( g+ ) x x ( g) ( g) + Δx ( ω ) r ( g) + ω Δx ( g), ( g) ao vés usa -se Iterpretação dos Dversos Métodos Jacob Emssão é a prmera estmatva para radosdade dos retalhos. Resíduo mede a dfereça etre a emssão e a radosdade refletda. Duas parcelas: radosdade emtda (dsparada) e ão dstrbuída (ada). Resíduo mede quata radosdade a mas devera estar sedo emtda mas ada ão fo. Jacob atualza todos os elemetos do vetor de uma vez. A radosdade de cada retalho é cremetada para represetar a eerga ão dstrbuída. Este método ão é muto usado. Um úmero pequeo de retalhos fluecam a cea o íco. É um desperdíco atualzar todos os retalhos a cada passo se eles ão cotrbuem muto a luz da cea. 7

18 Gauss-Sedel Atualza a solução tera a cada passo, mas usa os ovos valores computados para ser mas efcete. A equação de radosdade é a soma da potêca emtda e a refletda, acumulada de todos os outros retalhos da cea. Southwell Relaxa-se o elemeto com o maor resíduo. Sgfca que se usa o retalho com a maor radosdade ão dstrbuída para dsparar a sua eerga a cea. Começa com a maor fote de luz e dstrbu a sua eerga para as outras superfíces. Refameto progressvo usado por Cohe em 995 emprega uma varate deste método. Um Exemplo Real Refameto progressvo depos de,, 4 e 00 passos. 500 retalhos, 7000 sub-retalhos. Radosdade ambete estmada fo adcoada. 8

Introdução à Computação Gráfica Radiosidade. Claudio Esperança Paulo Roma Cavalcanti

Introdução à Computação Gráfica Radiosidade. Claudio Esperança Paulo Roma Cavalcanti Introdução à Computação Gráfca Radosdade Claudo Esperança Paulo Roma Cavalcant Modelos Locas de Ilumnação Somente a luz dreta ou a prmera reflexão numa superfíce são consderadas (modelos de prmera ordem).

Leia mais

Radiosidade. Claudio Esperança Paulo Roma Cavalcanti

Radiosidade. Claudio Esperança Paulo Roma Cavalcanti Radosdade Claudo Esperaça Paulo Roma Cavalcat Radosdade Resumo Modelo de lumação global Lumosdade aparete de um poto de uma superfíce depede de todos os potos de todas as superfíces Cada obeto da cea é

Leia mais

Color Bleeding Parcela Difusa em RT

Color Bleeding Parcela Difusa em RT Radosdade Radosdade Parcela de Ilumnação Indreta é grande em cenas reas (ndoor) Observe as sombras suaves, varação progressva das cores 2 Ilumnação Dreta e Indreta 3 Luz recebda dretamente e ndretamente

Leia mais

Radiação Térmica Processos, Propriedades e Troca de Radiação entre Superfícies (Parte 2)

Radiação Térmica Processos, Propriedades e Troca de Radiação entre Superfícies (Parte 2) Radação Térmca Processos, Propredades e Troca de Radação entre Superfíces (Parte ) Obetvo: calcular a troca por radação entre duas ou mas superfíces. Essa troca depende das geometras e orentações das superfíces,

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

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

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

Métodos iterativos. Capítulo O Método de Jacobi

Métodos iterativos. Capítulo O Método de Jacobi Capítulo 4 Métodos teratvos 41 O Método de Jacob O Método de Jacob é um procedmeto teratvo para a resolução de sstemas leares Tem a vatagem de ser mas smples de se mplemetar o computador do que o Método

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

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

RADIOSIDADE. por. João Manuel Brisson Lopes. Departamento de Engenharia Informática. texto elaborado para a disciplina de

RADIOSIDADE. por. João Manuel Brisson Lopes. Departamento de Engenharia Informática. texto elaborado para a disciplina de DIOSIDDE por João Mauel rsso Lopes Departameto de Egehara Iformátca texto elaborado para a dscpla de Computação Gráfca Lcecatura em Egehara Iformátca e de Computadores publcado em Julho de 000 reedtado

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

Aula 9. Aula de hoje. Aula passada. Self-normalized Importance Sampling Gerando amostras complicadas Variância amostral Simulação

Aula 9. Aula de hoje. Aula passada. Self-normalized Importance Sampling Gerando amostras complicadas Variância amostral Simulação Aula 9 Aula passada Método da rejeção (rejecto samplg) Exemplos Importace Samplg Exemplos Geeralzação Aula de hoje Self-ormalzed Importace Samplg Gerado amostras complcadas Varâca amostral Smulação Importace

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

( x) Método Implícito. No método implícito as diferenças são tomadas no tempo n+1 ao invés de tomá-las no tempo n, como no método explícito.

( x) Método Implícito. No método implícito as diferenças são tomadas no tempo n+1 ao invés de tomá-las no tempo n, como no método explícito. PMR 40 Mecâca Computacoal Método Implícto No método mplícto as dfereças são tomadas o tempo ao vés de tomá-las o tempo, como o método explícto. O método mplícto ão apreseta restrção em relação ao valor

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

II. Propriedades Termodinâmicas de Soluções

II. Propriedades Termodinâmicas de Soluções II. Propredades Termodâmcas de Soluções 1 I. Propredades Termodâmcas de Fludos OBJETIVOS Eteder a dfereça etre propredade molar parcal e propredade de uma espéce pura Saber utlzar a equação de Gbbs-Duhem

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

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

CADERNO 1 (É permitido o uso de calculadora gráfica.) Proposta de teste de avalação [mao 09] Nome: Ao / Turma: N.º: Data: - - Não é permtdo o uso de corretor. Deves rscar aqulo que pretedes que ão seja classfcado. A prova clu um formuláro. As cotações dos

Leia mais

Caracterização de Partículas. Prof. Gerônimo

Caracterização de Partículas. Prof. Gerônimo Caracterzação de Partículas Prof. Gerômo Aálse Graulométrca de partículas Tabela: Sére Padrão Tyler Mesh Abertura Lvre (cm) âmetro do fo () 2 ½ 0,7925 0,088 0,6680 0,070 ½ 0,56 0,065 4 0,4699 0,065

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

Forma padrão do modelo de Programação Linear

Forma padrão do modelo de Programação Linear POGAMAÇÃO LINEA. Forma Padrão do Modelo de Programação Lear 2. elações de Equvalêca 3. Suposções da Programação Lear 4. Eemplos de Modelos de PPL 5. Suposções da Programação Lear 6. Solução Gráfca e Iterpretação

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

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

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados 3.1. Meddas de Tedêca Cetral CAPÍTULO 3 MEDIDA DE TENDÊNCIA CENTRAL E VARIABILIDADE UFRG 1 Há váras meddas de tedêca cetral. Etre elas ctamos a méda artmétca, a medaa, a méda harmôca, etc. Cada uma dessas

Leia mais

Potenciais termodinâmicos, critérios de espontaneidade e condições de equilíbrio

Potenciais termodinâmicos, critérios de espontaneidade e condições de equilíbrio Potecas termodâmcos crtéros de espotaedade e codções de equlíbro O Prcípo da Etropa Máxma váldo para um sstema solado estabelece um crtéro para determarmos o setdo em que ocorrem os processos de forma

Leia mais

RESUMO E EXERCÍCIOS NÚMEROS COMPLEXOS ( )

RESUMO E EXERCÍCIOS NÚMEROS COMPLEXOS ( ) NÚMEROS COMPLEXOS Forma algébrca e geométrca Um úmero complexo é um úmero da forma a + b, com a e b reas e = 1 (ou, = -1), chamaremos: a parte real; b parte magára; e udade magára. Fxado um sstema de coordeadas

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

Estabilidade no Domínio da Freqüência

Estabilidade no Domínio da Freqüência Establdade o Domío da Freqüêca Itrodução; apeameto de Cotoros o Plao s; Crtéro de Nyqust; Establdade Relatva; Crtéro de Desempeho o Domío do Tempo Especfcado o Domío da Freqüêca; Bada Passate de Sstema;

Leia mais

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL Faculdade de Tecologa de Cataduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL 5. Meddas de Posção cetral ou Meddas de Tedêca Cetral Meddas de posção cetral preocupam-se com a caracterzação e a

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

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12 MEDIDAS DE POSIÇÃO: São meddas que possbltam represetar resumdamete um cojuto de dados relatvos à observação de um determado feômeo, pos oretam quato à posção da dstrbução o exo dos, permtdo a comparação

Leia mais

(1) no domínio : 0 x < 1, : constante não negativa. Sujeita às condições de contorno: (2-a) (2-b) CC2: 0

(1) no domínio : 0 x < 1, : constante não negativa. Sujeita às condições de contorno: (2-a) (2-b) CC2: 0 EXEMPLO MOTIVADO II EXEMPLO MOTIVADO II Método da Apromação Polomal Aplcado a Problemas Udrecoas sem Smetra. Equações Dferecas Ordáras Problemas de Valores o otoro Estrutura Geral do Problema: dy() d y()

Leia mais

Trocas radiativas entre superfícies: recintos fechados com meio não participativo

Trocas radiativas entre superfícies: recintos fechados com meio não participativo Trocas radatvas entre superfíces: recntos fechados com meo não partcpatvo Concetos báscos Recnto fechado consste de ou mas superfíces que englobam uma regão do espaço (tpcamente preenchda com gás) e que

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

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo.

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo. 5910187 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 6 Equlíbro e o Potecal de Nerst Nesta aula, vamos utlzar a equação para o modelo de eletrodfusão o equlíbro obtda a aula passada para estudar o trasporte

Leia mais

MÉTODO COMPUTACIONAL AUTOMÁTICO TICO PARA PRÉ-PROCESSAMENTO PROCESSAMENTO DE IMAGENS RADIOGRÁFICAS. M. Z. Nascimento, A. F. Frère e L. A.

MÉTODO COMPUTACIONAL AUTOMÁTICO TICO PARA PRÉ-PROCESSAMENTO PROCESSAMENTO DE IMAGENS RADIOGRÁFICAS. M. Z. Nascimento, A. F. Frère e L. A. MÉTODO COMPUTACIONAL AUTOMÁTICO TICO PARA PRÉ-PROCESSAMENTO PROCESSAMENTO DE IMAGENS RADIOGRÁFICAS M. Z. Nascmeto, A. F. Frère e L. A. Neves INTRODUÇÃO O cotraste as radografas vara ao logo do campo de

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

CIRCUITOS ELÉTRICOS CONCEITOS BÁSICOS

CIRCUITOS ELÉTRICOS CONCEITOS BÁSICOS CCUTOS ELÉTCOS CONCETOS BÁSCOS Prof. Marcos Fergütz jul/07 - Carga Elétrca (Q, q) [ Udade: Coulomb C ] e - Quado se forece ou retra eerga do elétro (e - ), pode-se movmetá-lo por etre as camadas (K, L,

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

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

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

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

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

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

Capitulo 1 Resolução de Exercícios

Capitulo 1 Resolução de Exercícios S C J S C J J C FORMULÁRIO Regme de Juros Smples 1 1 S C 1 C S 1 1.8 Exercícos Propostos 1 1) Qual o motate de uma aplcação de R$ 0.000,00 aplcados por um prazo de meses, à uma taxa de 2% a.m, os regmes

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

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

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

Momento Linear duma partícula

Momento Linear duma partícula umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - Mometo lear de uma partícula e de um sstema de partículas. - Le fudametal da dâmca para um sstema de partículas. - Impulso

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

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

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

Leia mais

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

Números Complexos. 2. (IME) Seja z um número complexo de módulo unitário que satisfaz a condição z 2n 1, onde n é um número inteiro positivo.

Números Complexos. 2. (IME) Seja z um número complexo de módulo unitário que satisfaz a condição z 2n 1, onde n é um número inteiro positivo. Números Complexos. (IME) Cosdere os úmeros complexos Z se α cos α e Z cos α se α ode α é um úmero real. Mostre que se Z Z Z etão R e (Z) e I m (Z) ode R e (Z) e I m (Z) dcam respectvamete as partes real

Leia mais

Iluminação e FotoRealismo: Radiosidade

Iluminação e FotoRealismo: Radiosidade Ilumnação e oorealsmo: Radosdade Luís Paulo Pexoo dos Sanos hp://gec.d.umnho.p/mcgav/fr Premssas Todas as neracções dos obecos com a luz são dfusas L( x Θ) = L( x), Θ Ω Podemos enão quanfcar a radosdade

Leia mais

Momento Linear duma partícula

Momento Linear duma partícula umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - Mometo lear de uma partícula e de um sstema de partículas. - Le fudametal da dâmca para um sstema de partículas. - Impulso

Leia mais

ESTATÍSTICA APLICADA À ZOOTECNIA

ESTATÍSTICA APLICADA À ZOOTECNIA ESTATÍSTICA APLICADA À ZOOTECNIA Eucldes Braga MALHEIROS *. INTRODUÇÃO.a) Somatóras e Produtóros Sejam,, 3,...,, valores umércos. A soma desses valores (somatóra) pode ser represetada por: = = = =. e o

Leia mais

Centro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola

Centro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola Cetro de Cêcas Agráras e Ambetas da UFBA Departameto de Egehara Agrícola Dscpla: AGR Boestatístca Professor: Celso Luz Borges de Olvera Assuto: Estatístca TEMA: Somatóro RESUMO E NOTAS DA AULA Nº 0 Seja

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

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

4 Métodos Sem Malha Princípio Básico dos Métodos Sem Malha

4 Métodos Sem Malha Princípio Básico dos Métodos Sem Malha 4 Métodos Sem Malha Segudo Lu (9), os métodos sem malha trabalham com um cojuto de ós dstrbuídos detro de um domío, assm como com cojutos de ós dstrbuídos sobre suas froteras para represetar, sem dscretzar,

Leia mais

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) [ ] ( ) ( k) ( k ) ( ) ( ) Questões tipo exame

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) [ ] ( ) ( k) ( k ) ( ) ( ) Questões tipo exame Questões tpo eame Pá O poto U tem coordeadas (6, 6, 6) e o poto S pertece ao eo Oz, pelo que as suas coordeadas são (,, 6) Um vetor dretor da reta US é, por eemplo, US Determemos as suas coordeadas: US

Leia mais

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão Estatístca Descrtva Meddas estatístcas: Localzação, Dspersão Meddas estatístcas Localzação Dspersão Meddas estatístcas - localzação Méda artmétca Dados ão agrupados x x Dados dscretos agrupados x f r x

Leia mais

Avaliação da qualidade do ajuste

Avaliação da qualidade do ajuste Avalação da qualdade do ajuste 1 Alguma termologa: Modelo ulo: é o modelo mas smples que pode ser defdo, cotedo um úco parâmetro ( µ) comum a todos os dados; Modelo saturado: é o modelo mas complexo a

Leia mais

Aula Condições para Produção de Íons num Gás em Equilíbrio Térmico

Aula Condições para Produção de Íons num Gás em Equilíbrio Térmico Aula 2 Nesta aula, remos formalzar o coceto de plasma, rever osso etedmeto sobre temperatura de um gás e falmete, cohecer algus processos de ozação. 1.3 Codções para Produção de Íos um Gás em Equlíbro

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

CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES

CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES Itrodução Em dversos camos da Egehara é comum a ecessdade da determação de raízes de equações ão leares. Em algus casos artculares, como o caso de olômo, que

Leia mais

(c) Para essa nova condição de operação, esboce o gráfico da variação da corrente no tempo.

(c) Para essa nova condição de operação, esboce o gráfico da variação da corrente no tempo. CONVERSÃO ELETROMECÂNICA DE ENERGIA Lsta de exercícos sobre crcutos magétcos Questão A fgura 1(a mostra um acoador projetado para produzr força magétca. O mesmo possu um úcleo em forma de um C e uma armadura

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

Capítulo 8. Método de Rayleigh-Ritz

Capítulo 8. Método de Rayleigh-Ritz Grupo : Gustavo de Souza Routma; Luís Ferado Hachch de Souza; Ale Pascoal Palombo Capítulo 8. Método de Raylegh-Rtz 8.. Itrodução Nos problemas de apromação por dfereças ftas, para apromar a solução para

Leia mais

3- Autovalores e Autovetores.

3- Autovalores e Autovetores. MÉTODOS NUMÉRICOS PARA EQUAÇÕES DIFERENCIAIS PARCIAIS 3- Autovalores e Autovetores. 3.- Autovetores e Autovalores de ua Matrz. 3.- Métodos para ecotrar os Autovalores e Autovetores de ua Matrz. 3.- Autovetores

Leia mais

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo.

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo. Equlíbro e o Potecal de Nerst 5910187 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 11 Nesta aula, vamos utlzar a equação para o modelo de eletrodfusão o equlíbro obtda a aula passada para estudar o trasporte

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

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

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

Nas Instituições de Ensino Superior(IES), há uma relação direta entre a qualidade do ensino e a taxa de inadimplência. A taxa de inadimplência das

Nas Instituições de Ensino Superior(IES), há uma relação direta entre a qualidade do ensino e a taxa de inadimplência. A taxa de inadimplência das CORRELAÇÃO Nas Isttuções de Eso Superor(IES), há uma relação dreta etre a qualdade do eso e a taxa de admplêca. A taxa de admplêca das IES que obtveram cocetos A e B o Provão é,%, as que obtveram C é 6%

Leia mais

MAE0229 Introdução à Probabilidade e Estatística II

MAE0229 Introdução à Probabilidade e Estatística II Exercíco Cosdere a dstrbução expoecal com fução de desdade de probabldade dada por f (y; λ) = λe λy, em que y, λ > 0 e E(Y) = /λ Supor que o parâmetro λ pode ser expresso proporcoalmete aos valores de

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

6. MÉTODOS APROXIMADOS DE ANÁLISE DE SISTEMAS CONTÍNUOS

6. MÉTODOS APROXIMADOS DE ANÁLISE DE SISTEMAS CONTÍNUOS 6. ÉOOS APROXAOS ANÁS SSAS CONÍNUOS Nos dos capítulos aterores, estudaram-se métodos exactos de aálse de sstemas dscretos e de sstemas cotíuos. Agora, serão aalsados algus métodos aproxmados da solução

Leia mais

15/03/2012. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações

15/03/2012. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações Itrodução.1 Juros Smples Juro: recompesa pelo sacrfíco de poupar o presete, postergado o cosumo para o futuro Maora das taxas de uros aplcadas o mercado facero são referecadas pelo crtéro smples Determa

Leia mais

Previsão de demanda quantitativa Regressão linear Regressão múltiplas Exemplos Exercícios

Previsão de demanda quantitativa Regressão linear Regressão múltiplas Exemplos Exercícios Objetvos desta apresetação Plaejameto de produção: de Demada Aula parte Mauro Osak TES/ESALQ-USP Pesqusador do Cetro de Estudos Avaçados em Ecooma Aplcada Cepea/ESALQ/USP de demada quattatva Regressão

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

2 Avaliação da segurança dinâmica de sistemas de energia elétrica: Teoria

2 Avaliação da segurança dinâmica de sistemas de energia elétrica: Teoria Avalação da seguraça dâmca de sstemas de eerga elétrca: Teora. Itrodução A avalação da seguraça dâmca é realzada através de estudos de establdade trastóra. Nesses estudos, aalsa-se o comportameto dos geradores

Leia mais

Centro de massa, momento linear de sistemas de partículas e colisões

Centro de massa, momento linear de sistemas de partículas e colisões Cetro de massa, mometo lear de sstemas de partículas e colsões Prof. Luís C. Pera stemas de partículas No estudo que temos vdo a fazer tratámos os objectos, como, por exemplo, blocos de madera, automóves,

Leia mais

Métodos numéricos para solução de equações

Métodos numéricos para solução de equações Escola Poltécca da Uversdade de São Paulo Departameto de Egehara Químca LSCP Laboratóro de Smulação e Cotrole de Processos Dscpla Optatva Modelagem e Métodos Matemátcos Aplcados à Egehara Químca AULA Revsão

Leia mais

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø.

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø. Professor Maurco Lutz 1 EGESSÃO LINEA SIMPLES A correlação lear é uma correlação etre duas varáves, cujo gráfco aproma-se de uma lha. O gráfco cartesao que represeta essa lha é deomado dagrama de dspersão.

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

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

Introdução à Teoria dos Números Notas 1 Os Princípios da Boa Ordem e de Indução Finita Prof Carlos Alberto S Soares

Introdução à Teoria dos Números Notas 1 Os Princípios da Boa Ordem e de Indução Finita Prof Carlos Alberto S Soares Itrodução à Teora dos Números 018 - Notas 1 Os Prcípos da Boa Ordem e de Idução Fta Prof Carlos Alberto S Soares 1 Prelmares Neste curso, prortaramete, estaremos trabalhado com úmeros teros mas, quado

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

Complexidade Computacional da Determinação da Correspondência entre Imagens

Complexidade Computacional da Determinação da Correspondência entre Imagens Complexdade Computacoal da Determação da Correspodêca etre Images Adraa Karlstroem Laboratóro de Sstemas Embarcados Departameto de Egehara Mecatrôca Escola Poltécca da Uversdade de São Paulo adraa.karlstroem@pol.usp.br

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 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

APLICAÇÃO DO MÉTODO DE ELEMENTOS DE CONTORNO AO PROBLEMA DA RADIAÇÃO ACÚSTICA

APLICAÇÃO DO MÉTODO DE ELEMENTOS DE CONTORNO AO PROBLEMA DA RADIAÇÃO ACÚSTICA APLICAÇÃO DO MÉTODO DE ELEMENTO DE CONTORNO AO PROBLEMA DA RADIAÇÃO ACÚTICA Marco Eustáquo Mara Resumo: A preocupação com o ruído as comudades urbaas cresceu as últmas décadas com o aumeto do úmero de

Leia mais

NOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling

NOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling 4 INFERÊNCIA SOBRE O VETOR DE MÉDIAS 4. TESTE PARA UM VETOR DE MÉDIAS µ Lembrado o caso uvarado: H : µ = µ H : µ µ Nível de sgfcâca: α Estatístca do teste: X µ t = s/ ~ t Decsão: se t > t - (α/) rejeta-se

Leia mais

Capítulo 5 CINEMÁTICA DIRETA DE ROBÔS MANIPULADORES

Capítulo 5 CINEMÁTICA DIRETA DE ROBÔS MANIPULADORES Cemátca da Posção de Robôs Mapuladores Capítulo 5 CINEMÁTICA DIRETA DE ROBÔS MANIPULADORES A cemátca de um robô mapulador é o estudo da posção e da velocdade do seu efetuador e dos seus lgametos. Quado

Leia mais

A análise de variância de uma classificação (One-Way ANOVA) verifica se as médias de k amostras independentes (tratamentos) diferem entre si.

A análise de variância de uma classificação (One-Way ANOVA) verifica se as médias de k amostras independentes (tratamentos) diferem entre si. Prof. Lorí Va, Dr. http://www. ufrgs.br/~va/ va@mat.ufrgs.br aáse de varâca de uma cassfcação (Oe-Way NOV) verfca se as médas de amostras depedetes (tratametos) dferem etre s. Um segudo tpo de aáse de

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

2 Procedimentos para Ajuste e Tratamento Estatístico de Dados Experimentais

2 Procedimentos para Ajuste e Tratamento Estatístico de Dados Experimentais 48 Procedmetos para Ajuste e Tratameto Estatístco de Dados Expermetas. Itrodução Modelos matemátcos desevolvdos para descrever eômeos íscos a partr de observações expermetas devem ser baseados em dados

Leia mais