NAVEGAÇÃO USANDO UNIDADE INERCIAL DE BAIXO CUSTO (IMU MEMS) E RECEPTOR GPS COM APLICAÇÃO DO FILTRO DE KALMAN SIGMA PONTO

Tamanho: px
Começar a partir da página:

Download "NAVEGAÇÃO USANDO UNIDADE INERCIAL DE BAIXO CUSTO (IMU MEMS) E RECEPTOR GPS COM APLICAÇÃO DO FILTRO DE KALMAN SIGMA PONTO"

Transcrição

1 AVGAÇÃO USAO UIA ICIAL BAIXO CUSTO (IMU MMS) CPTO GPS COM APLICAÇÃO O FILTO KALMA SIGMA POTO Walter woegerer*, Hélo Kot Kuga*, Paulo Gácomo Mla* eumo - te trabalho apreeta um método de tegração da formaçõe de aceleração e taxa agular de uma Udade de Medda Iercal (IMU) de baxo cuto, com tecologa Mcro lectro-mechacal Sytem (MMS) à medda de poção e velocdade obtda de um receptor GPS. A euaçõe dfereca utlzada para tegrar o movmeto e a attude de um tema móvel a cofguração oldára à plataforma (trapdow) ão apreetada. a eüêca, decrevem-e o procedmeto e reultado obtdo da tegração de medda da IMU a um receptor GPS em um expermeto em codçõe dâmca. Um algortmo baeado o Fltro de Kalma Sgma-Poto (FKSP) fo deevolvdo para aplcação à avegação a fm de realzar a fuão da formaçõe de poção e velocdade va GPS e a coordeada calculada atravé da IMU. O reultado da trajetóra obtda deta tegração é comparado à trajetóra eperada. O objetvo dete trabalho é o de obter o domío da técca de Mecazação de Cetra de avegação Iercal, permtdo a determação do erro evolvdo a mplemetação do algortmo de avegação uado a técca do Fltro de Kalma Sgma-Poto. Palavra-Chave: IMU, MMS, Fltro de Kalma, Fltro de Kalma Sgma Poto. Abtract - The propoal of th wor to preet a proce of fuo of the accelerato ad agular rate meauremet of a low cot Iertal Meauremet Ut (IMU) MMS (Mcro lectro-mechacal Sytem) baed techology, corporatg meaured poto ad peed data from a GPS recever. The, t detal the euato that have bee ued to tegrate the movemet ad the atttude of a ytem trapdow cofgurato, through approprate algorthm ug the method of the Sgma-Pot Kalma flter, verfyg t performace ad comparg reult. It alo detal the meauremet tae dyamc codto ug the IMU ad GPS multaeouly ad decrbe the ue of th data o a Sgma-Pot Kalma Flter developed to fue the GPS poto ad peed formato wth the coordate calculated from the IMU. Keyword: IMU, MMS, Kalma flter, Sgma Pot Kalma Flter. I. ITOUÇÃO Uma Udade de Medda Iercal (IMU) baeada em tecologa MMS (Mcro lectro-mechacal Sytem), devdo à ua grade dpobldade e baxo cuto, erá au utlzada para a aplcação a determação de um algortmo de avegação. O dado obtdo de uma IMU-MMS (Mcro lectro- Mechacal Sytem) permtem cematcamete a tegração da euaçõe dfereca do movmeto a taxa de amotragem elevada (até 133Hz a udade utlzada). tretato, em vrtude de eu baxo cuto, cotém derva ue com o paar do tempo acumulam erro crecete em relação à poção e velocdade medda ao logo do tempo. O receptor GPS, por ua vez, opera a taxa de amotragem meore (1 Hz) forecedo formaçõe ma preca de poção e velocdade, porém é ujeto a perda de a em fução de obtáculo fíco. Para compear ee tpo de lmtação pretede-e a tegrar a IMU ao receptor GPS, o ue permte uma olução de avegação ue ala a depedêca da IMU, de baxa precão, com a etabldade do receptor GPS, ujeto a perda de al e tpo de tegração e tora cada vez ma comum devdo ao crecete deevolvmeto dete tpo de IMU pobltado ão apea a ua tegração a receptore GPS, ma também a outro eore e dpotvo de apoo à avegação. A caracterítca da IMU-MMS utlzada, bem como o procedmeto para a obteção de eu parâmetro ão detalhadamete decrto a refereca [1] e [2]. O detalhameto do reultado correpodete a ete expermeto etão reportado e aalado a referêca [3]. II. MCAIZAÇÃO A AVGAÇÃO ICIAL ete trabalho, para o euacoameto abaxo ão coderada: a IMU a cofguração oldára a plataforma ("trapdow"), o tema de coordeada grate com a Terra e a varáve de etado repreetada pela coordeada de poção, velocdade, e attude. eta forma, a euaçõe dfereca ue mecazam a cemátca de avegação para determar a trajetóra e a attude da IMU-MMS, ão dada por 4 :. V. V. V f = f f & ϕ 1 & λ = h& + g 1 ecoϕ V V 1 V 2 V V V ta ϕ 2 Ω ev e ϕ + e V ( V ta ϕ + V ) + 2Ω e ( V e ϕ + V co ϕ ) + e 2 2 V V 2 Ω ev co ϕ e (1) (2)

2 ode & φ 1 & = θ ψ& f f f p b b r b eφ taθ eφ coθ p r coφ 2 p coφ taθ eφ coφ coθ Ω ecoϕ + V e V Ω eeϕ Vtaϕ (3) fu b u = p2 fv bv (4) fw bw e [ ϕ,λ, h ] ão a lattude geodétca, a logtude, e a alttude; [V,V,V ] ão o compoete de velocdade da plataforma a dreçõe orte, Lete, e adr local; [ φ, θ, ψ ] ão o âgulo de rolameto, arfagem e guada ("roll, ptch, yaw"); e é o rao terretre lete acrecdo da alttude h; é o rao terretre orte acrecdo da alttude h; p2 é a matrz de rotação do tema do corpo (plataforma) para o tema de avegação (orte, Lete, e adr); Ω e é a rotação da Terra; g é a gravdade local computada levado em cota a atração gravtacoal e a aceleração cetrípeta; [p,, r] ão a taxa agulare medda pelo gro e [b p, b, b r ] ão ua derva repectvamete; [f u, f v, f w ] ão a medda acelerométrca e [b u, b v, b w ] ão eu ba repectvamete; e [f, f, f ] ão a medda acelerométrca traformada para o tema. Coderamo ada ue o "ba" e derva do acelerometro e gro, a ua forma ma mple, podem er modelado cotate por trecho repectvamete fazedo: III. b& b& a g =, =, FILTO ÃO LIA KALMA SIGMA-POTO Para problema ão-leare, o fltro ão leare covecoa, como o fltro eteddo de Kalma, podem apreetar uma performace pobre em razão de problema erete ao tema ão leare, prcpalmete devdo à egute upoçõe,6,7,8 Learzação é uma boa aproxmação do proceo (Jacobao da dâmca e medda); Proceo ão Gauao memo para problema altamete ão leare; ormalmete omete a méda (prmero mometo) é predto como ão-lear, vto ue a covarâca é learzada. e (5) O método do FKSP cote em obter um cojuto mímo de amotra, o gma-poto, em toro da méda 9,1,11 de teree e ue eja ada repreetatvo do tema ão lear. te método procura obter formaçõe obre o prmero mometo (méda, covarâca, tercero mometo cetral ou ametra e curtoe) da amotra ecolhda crteroamete. Poterormete, o gma- poto ão predto ão learmete e também calculada ua covarâca predta 1. Com eta aproxmação ão é eceára a learzação do tema, como para o fltro de Kalma teddo (KF), evtado Jacobaa aalítca complexa ue ecetam er calculada a cada etapa da tegração. Para tal, defdo como a dmeão do vetor a er etmado, é gerado um cojuto de 2+1 gma-poto por: o χˆ = xˆ ˆ ˆ + (6) χ = x ( + κ) Pˆ, = 1, K, + χˆ ˆ ) ˆ 1 = x ( + κ P, = 1, K, Ode ( + κ ) Pˆ é a -éma lha ou colua da matrz raz uadrada de ( + κ) Pˆ, e o fator κ é ecolhdo de maera a ecaloar o mometo uperore a 3. Se ( + κ) = 3, também é poível ecaloar algu do uartomometo (curtoe) uado x é gauao 1,11. O peo para poderar a méda e covarâca predta ão dado por: W W o = 1 + = κ ( + κ ) ( 2 + 2κ ), = 1, K, ( 2 + 2κ ), = 1, K,. (7) W = 1 A fae de predção do FKSP é mplemetada atravé da tegração da euacõe (1)-(3), e (5), para cada gma-poto:, +1 ( χ ) & χ = f. (8), A méda e a covarâca predta ão etão calculada por: x = W χ, + 1 (9) = [ χ x ] [ χ ] T 2 P + 1 = W, , + 1 x + 1 (1) = uado o peo de acordo com a euação (7). A abordagem va FKSP ete problema é aplcada omete à fae da predção. A fae de correção do fltro ("meauremet update") ua a euaçõe covecoa do Fltro de Kalma 8, po a medda ão leare em relação ao vetor de etado a er etmado: t K = P H t Pˆ = P H xˆ = x + K t ( H P H + ) ( I - K H ) P [ y H x ] 1. (11) Am edo, um Fltro de Kalma (FK) ão lear de tempo real deomado fltro de Kalma Sgma-Poto (ou Uceted ) (FKSP ou FKU) é a opção a er deevolvda.

3 IV. FILTO ÃO LIA KALMA SIGMA-POTO A TMIAÇÃO OS PAAMTOS A IMU-MMS Foram deevolvdo à pror, coforme referêca [1] e [2], o procedmeto para a determação do ba e derva da IMU-MMS atravé da técca do FKSP. a eüêca foram aalado o deempeho e o erro evolvdo fazedo comparaçõe etre: * Itegração mple, CI exata, coderado b a = e b g =, * Itegração mple, CI exata com valore de b a e b g précalculado atravé do FKSP, * Utlzado FKSP com = 9 elemeto, ão coderado b a e b g, * Utlzado FKSP com = 15 elemeto, coderado b a e b g. A cocluõe deta mulaçõe determaram ue é eceáro levar em cota o erro temátco, eja etmado-o prevamete, ou etmado-o cojutamete o FKSP. Tato meor o erro como ma rápda a covergêca do valore de ba ou derva e ete erro b a e b g fzerem parte do etado a er etmado em ualuer fltro projetado para avegação. ta abordagem tora o fltro robuto também para varaçõe loca da IMU ode em regme de trabalho dferete ete erro teham a cotrbução de derva o tempo, fator de ecala e dealhameto, amplfcado. O receptor GPS 13 utlzado para ete trabalho, Ahtech Z- 12, faz uo completo do tema de pocoameto e provê precão de avegação com ualfcação aeroáutca. O cojuto é um tema compoto de receptor, batera, atea e cabo coaxal. O dado podem er armazeado teramete ao receptor e depo recuperado va comucação eral S- 232, para pó-proceameto, ou etão podem er utlzado em tempo real valedo-e deta mema porta de comucação. ete trabalho foram utlzada a oluçõe de avegação (poção, velocdade, pdop e o tempo correpodete) forecda pelo receptor. ete expermeto, para efeto de comparação, é de teree o erro cometdo a medção da dtâca ao atélte a determação da poção dete. É caracterzada pelo fatore OP (luto of Preco), e ete trabalho é uado epecfcamete o pdop, ue é uma medda de erro de poção trdmeoal etre receptor e atélte. V. FILTO ÃO LIA KALMA SIGMA-POTO O ALGOITMO A ITGAÇÃO IMUGPS O Fltro de Kalma Sgma-poto para a tegração IMUGPS codera o repectvo ba do acelerometro e derva do gro como elemeto do vetor de etado. Ao algortmo ão forecda a codçõe ca e a letura eüêca e crozada etre o valore obtdo pela IMU e pelo receptor GPS. É feta a mplemetação do fltro FKSP com a geração do gma-poto e a poteror tegração umérca da euaçõe de mecazação da cetral ercal. São obtda a méda e covarâca predta para cada vetor de etado com a poteror correção (atualzação) atravé do Fltro de Kalma covecoal para a attude e a avegação. A faldade do algortmo de avegação é propagar a formaçõe de poção, velocdade e attude em fução de cada letura recebdo do acelerômetro e gro, etre o tempo de letura do receptor GPS e também uado ete últmo tem eu a bloueado por obtáculo fíco. Fg. 1 - eceptor GPS, cojuto IMU e computador O eupameto da fgura 1 fo motado em um automóvel e o ambete ecolhdo e a trajetóra percorrda para o tete é exbdo a vta aérea motrada a fg. 2. VI. MOTAGM O XPIMTO O expermeto uou uma IMU-MMS de baxo cuto, um cojuto receptor GPSbatera e um computador para recepção e armazeameto do dado coforme motrado a fgura 1. A IMU-MMS (Modelo Crobow IMU-C4-2) 5 é um tema de medda de 6-exo, para medda de aceleração lear em toro de 3 exo tr-ortogoa; e taxa de rotação em toro de 3 exo tr-ortogoa, ue pobltam medda completa da dâmca do tema. A medda da IMU ão obtda de uma porta de comucação eral S-232 para armazeameto da medda o computador. Fg. 2 Vta aérea do trajeto percorrdo

4 O cojuto percorreu o trajeto armazeado o dado da IMU (aceleração, taxa agulare e tempo correpodete) o computador. Por e tratar de um expermeto pó-proceado, a correlação etre a dferete amotra do aruvo armazeado fo obtda atravé do cohecmeto do elemeto comum à mema, ou eja, o tempo. É obrgatóro o cohecmeto da repectva marcaçõe de tempo em ue e deu cada medda, em relação a um padrão (GMT), de forma ue eja poível uma crozação etre letura do dado ao tempo comum da IMU, do computador e do receptor GPS. A fgura 3 reume o fucoameto do algortmo e motra ue apó a fae de predção, uado da extêca de dado dpoíblzado pelo receptor GPS (P,V, pdop,t) pode er feta uma atualzação ou correção do valore de poção e velocdade obtdo pela tegração da medda forecda pela IMU (aceleraçõe e taxa agulare). A decão da atualzação ou ão da medda é tomada em fução do valore de pdop (ualdade) do GPS para a correpodete medção. eta forma, o valor de pdop erá uado como referêca para a ualdade do al GPS o fltro FKSP. Attude:,1 o para oll e Ptch e,5 o para Yaw Ba do acelerômetro:1,e-3 m 2 erva do Grocópo: 5,e-3 rad O valore ão típco para medda de poção e velocdade obtda para GPS 12. etre o âgulo de attude, o âgulo de yaw (guada) fo coderado o meo obervável (maor devo-padrão) a prátca. A matrz de dedade epectral de potêca fo coderada dagoal e cotate com o ruído: vv θθ baba bgbg =,125m =,5 =,125m =,25 correpodete ao ruído a euaçõe dfereca de velocdade (2), de taxa de attude (3), de bae e derva (5) do gro e acelerômetro. por fm a varâca do ruído da medda ( ) adotada: 3 3 VII. Fg. 3 agrama IMUGPS com tegração ao FKSP SIMULAÇÕS Para o algortmo do Fltro de Kalma Sgma-Poto (FKSP), a aplcação da euaçõe (6) a (9), foram utlzado o valore: a) para o vetor de etado x em P1: X(1) - Lattude Geodéca = 23, S X(2) - Logtude Geodéca = 314, X(3) - Alttude Geodéca = 613,866 m X(4) - Velocdade orte = m X(5) - Velocdade Lete = m X(6) - Velocdade adr = m X(7) - oll = X(8) - Ptch = -,49 X(9) - Yaw = 314,47 X(1) - b ax = -,12 m 2 X(11) - b ay =,57 m 2 X(12) - b az = -,13 m 2 X(13) b gx =,15 o eg X(14) b gy =,14 o eg X(15) b gz =,38 o eg b) para a covarâca Ical [ P ]: Poção: 1 metro em coordeada horzota (lattude e logtude) e 3 metro a coordeada vertcal, Velocdade:,1 m para a trê compoete, (1,1) = 2,45465e-12 rad 2 (lattude) (2,2) = 2,45465e-12 rad 2 (logtude) (3,3) = 9 m 2 (alttude) (4,4) =,1 (m) 2 (V ) (5,5) =,1 (m) 2 (V ) (6,6) =,1 (m) 2 (V ) (7,7) = e-7 rad 2 (roll) (8,8) = e-7 rad 2 (ptch) (9,9) = e-5 rad 2 (yaw) O expermeto fo amotrado a uma taxa de 2Hz para a letura da UMI e a 2 Hz para o receptor GPS. A trajetóra bem como a medda de dtâca ão apreetada em coordeada e ua udade em metro. O algortmo, além de procear a trajetóra em fução da letura do acelerômetro e grocópo, recebe de forma cotíua a formaçõe de poção e velocdade determada pelo receptor GPS. Para a aále do deempeho do algortmo em fução da ualdade do al GPS (fltragem uado o valore de pdop) ão etudado do cao ode é poível medr a atuação do fltro e eu deempeho. Cao 1 Coderado toda a letura obtda pelo receptor GPS como válda (em fltragem) Para ete cao, toda a letura obtda pelo receptor GPS ão realmetada para o algortmo de avegação, depedetemete de ua ualdade (em lmtação de pdop). A fgura 4 faz a comparação, em coordeada, etre a trajetóra forecda pelo receptor GPS e a obtda atravé do proceameto do algortmo IMUGPS.

5 Fg. 4 Trajetóra percorrda GPS X algortmo em lmtação de pdop O trecho percorrdo é ujeto a trecho com perda de al GPS, ue é a regão de teree para a avalação do deempeho do algortmo em etudo. Para a codçõe deta aále, a perda de valore cofáve de poção e velocdade forecda pelo receptor GPS é a repoável pelo devo a trajetóra proceada pelo fltro devdo à falta de ualdade do al. A fgura 5 detalha o trecho de teree ode houve a perda de al GPS e a repota do fltro eta regão.. Fg. 6 Trajetóra percorrda GPS X algortmo com lmtação de pdop A tedêca do algortmo é egur a attude formada ao fltro matedo a trajetóra aproxmadamete correta o trecho ode há obtáculo ou lmtaçõe de atélte víve ue reultam em uma ualdade feror do al GPS. Fg. 5 egão ode há perda de al GPS e comportameto do algortmo em fltragem de al GPS de má ualdade Fg. 7 egão com perda de al GPS e atuação do algortmo elmado-e o a GPS com Pdop>5 Cao 2 - Coderado apea a letura obtda pelo receptor GPS com Pdop 5 (com fltragem) m codçõe dêtca à do cao 1, o algortmo recebe de forma cotíua a formaçõe de poção e velocdade do receptor GPS, cotudo, para ete cao ão atualzada e proceada dete, apea a com ualdade de Pdop 5. Para a medda com pdop >5, ão utlzada a medda de poção e velocdade obtda a partr da medda da IMU. eulta ete cao para o cojuto IMUGPS a ova trajetóra obtda pelo algortmo ue é o motrado a Fg. 6. a aále do reultado obtdo a regõe com perda de al GPS e com geometra rum (Pdop>5), a tegração UMIGPS garatu a terpolação da trajetóra com erro meore ue o cometdo pelo GPS, dede ue elmado dado GPS trecamete ru. O reultado obtdo motram ue a trajetóra obtda é depedete da correçõe mpota à olução de avegação forecda pelo receptor GPS. Como a ualdade obtda do receptor GPS é fução da geometra local, to afeta dretamete a ualdade de avegação. Por ete motvo é mprecdível a elmação de valore ru obtdo doreceptor GPS, permtdo ue a trajetóra eja calculada apea atravé da UMI para ete valore.

6 VIII. COCLUSÕS te trabalho decreveu o procedmeto e o reultado obtdo a determação da trajetóra a do dado de uma IMU e ua tegração a receptor GPS por meo de um algortmo utlzado a técca do Fltro de Kalma Sgma Poto. A técca Sgma-Poto é atratva em tema ode a expreõe da dâmca do tema ão etão dpoíve ou e apreetam a forma a ão permtr uma fácl learzação. Além do, é capaz de ecaloar mometo de ordem uperor aumetado lgeramete a carga computacoal. a avalação do deempeho da tegração de uma IMU- MMS com um receptor GPS, cocluu-e pelo reultado obtdo, ue a fuão da formaçõe de aceleração e velocdade agular de uma IMU com a de poção e velocdade de um receptor GPS atravé de FKSP aumeta a autooma dea mema IMU operado em cao de perda do al GPS. O reultado motraram uma repota rápda do fltro. O trabalho futuro evolverão campaha ma loga para a caracterzação do fltro, avalar ua robutez e a tolerâca à falha. Sympoum o Aeropaceefee Seg, Smulato ad Cotrol, SPI, [1] Juler, S.J. ad Uhlma, J.K., ad urrat-whyte, H.F., 2, A ew method for the olear traformato of mea ad covarace flter ad etmator. I Traacto o Automatc Cotrol, Vol. 45, Iue 3, p [11] Juler, S.J. ad Uhlma, J.K., 24, Uceted Flterg ad olear tmato. Proceedg of the I, Vol. 92, o. 3. [12] Mra, P. ad ge, P., 21, "Global Potog Sytem: Sgal, Meauremet ad Performace", Gaga- Jamua Pre, Lcol. [13] Ahtech Surveyg Product, - Ahtech, Z-12 GPS ecever Operato ad eferece Maual, evo A, 999. IX. AGACIMTOS O autore deejam agradecer o orgazadore do eveto SBI 21 pela ateção e dedcação para ue o trabalho pudee er apreetado. X. FÊCIAS [1] Kuga, H.K. ad Lope,.V.F. ad woegerer, W., "xpermetal tatc calbrato of a IMU (Iertal Meauremet Ut) baed o MMS." XIX Cogre of Mechacal geerg - COBM 27, Brala, F, Brazl, 5-9 ovember 27. [2] Kuga, H.K. e Mla, P.G. e woegerer,w.; "xpermeto de alhameto de udade de medda ercal baeada em MMS (Mcro lectro-mechacal Sytem)" V Smpóo Bralero de gehara Iercal V SBI, o de Jaero, J, Brazl, 27. [3] woegerer, W. Mecazação de cetral de avegação ercal com dado a partr da tegração de IMU MMS e receptor GPS p. (IP TI156). ertação (Metrado em Mecâca pacal e Cotrole) - Ittuto acoal de Peua paca, São Joé do Campo. 29. [4]Farrel, Jay A. ad Barth, Matthew 1998, The Global Potog Sytem & Iertal avgato, ew Yor, Y, McGraw-Hll. [5]Crobow, 27, IMU Uer Maual Model IMU3CC, IMU4CC, IMU4C. evo B, February 27, ocumet [6] Maybec, P. S., 1979, Stochatc Model, tmato ad Cotrol, Academc Pre, ew Yor. [7] Brow,. G. ad Hwag, P. Y. C., 1996, Itroducto to adom Sgal ad Appled Kalma Flterg, Joh Wley & So, ew Yor. [8] Berma, G. J., 1977, Factorzato Method for crete Seuetal tmato, Academc Pre, ew Yor. [9] Juler, S.J. ad Uhlma, J.K., 1997, A ew xteo of thee Kalma Flter for olear Sytem. Iteratoal

= 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

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

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

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

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

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

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

Integração de sistema DGPS e unidade inercial para navegação precisa de aeronave em tempo-real

Integração de sistema DGPS e unidade inercial para navegação precisa de aeronave em tempo-real V Smpóso Braslero de Egehara Iercal Itegração de sstema DGPS e udade ercal para avegação precsa de aeroave em tempo-real *Helo Kot Kuga, *Ulsses Thadeu Vera Guedes, **Celso B. Medoça Jes P.T.G. Wetz, Lus

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

Experimentos de alinhamento de unidade de medida inercial baseada em MEMS (Micro Electro- Mechanical Systems)

Experimentos de alinhamento de unidade de medida inercial baseada em MEMS (Micro Electro- Mechanical Systems) xpermento de alnhamento de undade de medda nercal baeada em MMS (Mcro lectro- Mechancal Sytem) Hélo Kot Kua, Paulo Gácomo Mlan, Walter nwoeerer Reumo - te trabalho decreve expermento de alnhamento etátco

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

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

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

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) 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

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

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

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

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

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

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

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

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

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

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

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

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

DESENVOLVIMENTO E APLICAÇÃO DE FERRAMENTA COMPUTACIONAL PARA PROJETO DE ATERRAMENTOS ENCAPSULADOS

DESENVOLVIMENTO E APLICAÇÃO DE FERRAMENTA COMPUTACIONAL PARA PROJETO DE ATERRAMENTOS ENCAPSULADOS GE/ 7 à de outubro de 999 Foz do Iguaçu Paraá - Bral GUPO VIII UBETÇÕE E EQUIPMENTO ELÉTICO (GE) DEENVOLVIMENTO E PLICÇÃO DE FEMENT COMPUTCIONL P POJETO DE TEMENTO ENCPULDO Humberto de quo bero lvéro Vacro

Leia mais

7 Análise de covariância (ANCOVA)

7 Análise de covariância (ANCOVA) Plejameto de Expermetos II - Adlso dos Ajos 74 7 Aálse de covarâca (ANCOVA) 7.1 Itrodução Em algus expermetos, pode ser muto dfícl e até mpossível obter udades expermetas semelhtes. Por exemplo, pode-se

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

5 Critérios para Análise dos Resultados

5 Critérios para Análise dos Resultados 5 Crtéros para Aálse dos Resultados Este capítulo tem por objetvos forecer os crtéros utlzados para aálse dos dados ecotrados a pesqusa, bem como uma vsão geral dos custos ecotrados e a forma de sua evolução

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

Posicionamento RTK. Posicionamento Baseado em Redes de Estações de Referência GNSS. Prof. Dra. Daniele Barroca Marra Alves

Posicionamento RTK. Posicionamento Baseado em Redes de Estações de Referência GNSS. Prof. Dra. Daniele Barroca Marra Alves Poicioameto RTK Poicioameto Baeado em Rede de Etaçõe de Referêcia GNSS Prof. Dra. Daiele Barroca Marra Alve RTK O RTK teve um grade deevolvimeto o último ao Pode alcaçar acurácia cetimétrica em tempo real

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

USO DE OBSERVADORES DINÂMICOS NA INVESTIGAÇAO DE PROBLEMAS INVERSOS EM CONDUÇAO DE CALOR

USO DE OBSERVADORES DINÂMICOS NA INVESTIGAÇAO DE PROBLEMAS INVERSOS EM CONDUÇAO DE CALOR 5º POSMEC - Smpóo do Programa de Pó-raduação em Egeara Mecâca Uverdade Federal de Uberlâda Faculdade de Egeara Mecâca USO DE OBSERVADORES DIÂMICOS A IVESIAÇAO DE PROBLEMAS IVERSOS EM CODUÇAO DE CALOR Prcla

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

GERAÇÃO DE RUÍDO ROSA A PARTIR DE RUÍDO BRANCO

GERAÇÃO DE RUÍDO ROSA A PARTIR DE RUÍDO BRANCO SMA I Semáro Bralero de gehara de Áudo, 9 a de Juho,, Belo Horzote MG GRAÇÃO D RUÍDO ROSA A PARTIR D RUÍDO BRANCO Sde Nocet Flho e Adré L. Dalcatagê LINS: Crcuto e Proceameto de Sa Departameto de gehara

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

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

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

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

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

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

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

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

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

( 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

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População ESTATÍSTICA STICA DESCRITIVA Prof. Lorí Val, Dr. val@mat.ufrgs.br http://.ufrgs.br/~val/ Orgazação; Resumo; Apresetação. Cojuto de dados: Amostra ou População Um cojuto de dados é resumdo de acordo com

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

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

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

Conceitos básicos de metrologia. Prof. Dr. Evandro Leonardo Silva Teixeira Faculdade UnB Gama

Conceitos básicos de metrologia. Prof. Dr. Evandro Leonardo Silva Teixeira Faculdade UnB Gama Prof. Dr. Evadro Leoardo Slva Teera Faculdade UB Gama Metrologa: Cêca que abrage os aspectos teórcos e prátcos relatvos a medção; Descreve os procedmetos e métodos para determar as certezas de medções;

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

TESTES DE PROPORÇÕES TESTE DE UMA PROPORÇÃO POPULACIONAL

TESTES DE PROPORÇÕES TESTE DE UMA PROPORÇÃO POPULACIONAL TESTES DE PROPORÇÕES TESTE DE UMA PROPORÇÃO POPULACIONAL As hpóteses a serem testadas serão: H 0 : p p 0 H : p p 0 p > p 0 p < p 0 Estatístca do Teste: pˆ p0 z c p ( p ) 0 0 EXEMPLOS. Uma máqua está regulada

Leia mais

Tabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f

Tabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f Lsta de exercícos Gabarto e chave de respostas Estatístca Prof.: Nelse 1) Calcule 1, e para o segute cojuto de valores. A,1,8,0,11,,7,8,6,,9, 1 O úmero que correspode a 5% do rol é o valor. O úmero que

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

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

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

Regressao Simples. Parte II: Anova, Estimação Intervalar e Predição

Regressao Simples. Parte II: Anova, Estimação Intervalar e Predição egressao Smples Parte II: Aova, Estmação Itervalar e Predção Aálse de Varâca Nem todos os valores das amostras estão cotdos a reta de regressão, e quato mas afastados estverem por, a reta represetará a

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

Laboratório de Engenharia Química IV. Programação de Ensaios. M. Gabriela Bernardo Gil

Laboratório de Engenharia Química IV. Programação de Ensaios. M. Gabriela Bernardo Gil Laboratóro de Egehara Químca IV Programação de Eao M. Gabrela Berardo Gl 006/007 ÍNDICE. TEORIA DE ERROS...4.. MEDIÇÃO DE GRANDEZAS...5.. ERROS...6... ERRO ABSOLUTO...6... ERRO RELATIVO...6..3. TIPOS DE

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

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

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

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

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

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

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

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

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

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

Universidade Estadual de Londrina

Universidade Estadual de Londrina Uverdade Etadual de Lodra Programa de Metrado e Doutorado em Cêca Bológca Reumo da atvdade deevolvda em aula Profa. Dra. Aa Verga Lbo Meett LODRIA 06 SUMÁRIO. Aále exploratóra de dado...0. Itervalo de

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

A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: enchentes

A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: enchentes Mostra Nacoal de Icação Cetífca e Tecológca Iterdscplar VI MICTI Isttuto Federal Catarese Câmpus Camború 30 a 3 de outubro de 03 A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: echetes Ester Hasse

Leia mais

Ajuste de dados experimentais

Ajuste de dados experimentais Capítulo 8 8. Itrodução Uma forma de trabalhar com uma fução defda por uma tabela de valores é a terpolação polomal. Etretato esta ão é acoselhável quado:. é precso obter um valor aproxmado da fução em

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

LCE2112 Estatística Aplicada às Ciências Sociais e Ambientais 2010/02. Exemplos de revisão

LCE2112 Estatística Aplicada às Ciências Sociais e Ambientais 2010/02. Exemplos de revisão LCE Etatítca Aplcada à Cêca Soca e Ambeta 00/0 Eemplo de revão Varável Aleatóra Cotíua Eemplo: Para e etudar o comportameto de uma plata típca de dua, a Hydrocotlle p., quato ao eu deevolvmeto, medu-e

Leia mais

Coordenação directa de pontos novos, a partir de um ponto conhecido, medindo-se um ângulo e uma distância.

Coordenação directa de pontos novos, a partir de um ponto conhecido, medindo-se um ângulo e uma distância. Irradada Smples Coordeação drecta de potos ovos, a partr de um poto cohecdo, meddo-se um âgulo e uma dstâca. P N M M M V E P P P V E P E R EN α c M V M M ser C P cos R C EV EV R EV R EN α c dstâca cartográfca

Leia mais

6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS

6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS 7 6 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS A medção dreta é aquela cuja dcação resulta aturalmete da aplcação do sstema de medção sobre o mesurado Há apeas uma gradeza de etrada evolvda

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

VERIFICAÇÃO E VALIDAÇÃO DE MÉTODOS ANALÍTICOS

VERIFICAÇÃO E VALIDAÇÃO DE MÉTODOS ANALÍTICOS 0 /9. CAMPO DE APLICAÇÃO.. Ete procedmeto e aplca ao Laboratóro Químco de Cotrole da Qualdade.. OBJETIVO.. Verfcar o método aalítco ormalzado, cuja aplcação permaeça detro do ecopo para o qual fo deevolvdo;..

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

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

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

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 UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD57 Etatítca Aplcaa à Amtração I Prof Dr Evaro Marco ael Rero REUMO REVIÃO DE

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

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

Organização de dados -Dados não agrupados n. Mediana:

Organização de dados -Dados não agrupados n. Mediana: Orgazação de dado -Dado ão agruado Medaa: Poto de ocoameto: Méda: Moda: valor que ocorre com maor freqüêca Méda de Itervalo: + m max + Quartl: (ara j, ou ) j( +) Poto de ocoameto: 4 Méda da Juta: Q + Q

Leia mais

Apêndice 1-Tratamento de dados

Apêndice 1-Tratamento de dados Apêdce 1-Tratameto de dados A faldade deste apêdce é formar algus procedmetos que serão adotados ao logo do curso o que dz respeto ao tratameto de dados epermetas. erão abordados suctamete a propagação

Leia mais

ser modeladas como redes lineares de dois acessos (figura 4.1);

ser modeladas como redes lineares de dois acessos (figura 4.1); 4 Repota em emfrequênca Funçõe de de Tranferênca n A rede de nteree, para o etudo deenvolvdo na dcplna, podem er modelada como rede lneare de do aceo fgura 4.; V V o T Fgura 4. Rede lnear de do aceo. na

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

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

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

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

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

FILTRAGEM ROBUSTA DE TRAJETÓRIAS DE VEÍCULOS ESPACIAIS

FILTRAGEM ROBUSTA DE TRAJETÓRIAS DE VEÍCULOS ESPACIAIS UNIVESIDADE FEDEA DO MAANÃO CENO DE CIÊNCIAS EXAAS E ECNOOGIA OGAMA DE ÓS-GADUAÇÃO EM ENGENAIA DE EEICIDADE ÁEA: AUOMAÇÃO E CONOE FIAGEM OBUSA DE AJEÓIAS DE VEÍCUOS ESACIAIS JOSÉ AANO ÉES DE ABEU São uís

Leia mais

CONHECIMENTOS ESPECÍFICOS

CONHECIMENTOS ESPECÍFICOS CONHECIMENTOS ESPECÍFICOS Uma uversdade oferece um curso para capactação profssoal de joves caretes. Ao fal do curso, cada jovem partcpate será avalado por meo de uma prova teórca e de uma prova prátca,

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