Desenvolvimento de um Modelo de Desempenho para Infraestruturas Ferroviárias aplicado à Linha Férrea
|
|
- Fernando Filipe Carreiro
- 6 Há anos
- Visualizações:
Transcrição
1 Desenvolvimento de um Modelo de Desempenho para Infraestruturas Ferroviárias aplicado à Linha Férrea Tiago. Regado Universidade do Minho, Departamento de Engenharia Civil, Guimarães José C. Matos ISISE, Universidade do Minho, Departamento de Engenharia Civil, Guimarães Bruno Gonçalves Universidade do Minho, Departamento de Engenharia Civil, Guimarães RESUMO: Os caminhos-de-ferro desde de cedo se revelaram um meio de transporte de grande utilidade para toda a humanidade. Tendo um custo inicial elevado é fundamental investir na previsão da deterioração da linha, garantindo aos utilizadores uma maior segurança e possibilitando a correta gestão das ações de manutenção. O presente artigo visa apresentar um modelo de previsão de deterioração para a linha férrea, recorrendo a processos de Markov. Estes recorrem aos dados das inspeções realizadas aos parâmetros geométricos da linha criando diferentes taxas de deterioração. Este modelo possibilita avaliar qualitativamente o estado da linha férrea ao longo do tempo, proporcionando o desenvolvimento de uma estratégia de ações de manutenção ou reparação incorporadas num plano de manutenção da linha férrea. INTRODUÇÃO A linha férrea corresponde a um género de transporte que é muito caro na sua construção, mas que tem uma vida útil longa e com baixos custos operacionais. Portanto, o valor de construção é elevado e que leva à possibilidade de que a manutenção possa ser dispendiosa. Como várias infraestruturas de elevados custos de investimento na fase da construção, a manutenção desempenha um papel crucial na relação custo-eficácia a longo prazo. O planeamento de manutenções devido a deterioração da infraestrutura aparenta ser difícil por causa dos seus aspetos aleatórios. O processo de deterioração da linha férrea é afetado aleatoriamente pelo tempo e as cargas transportadas. Embora existam tais incertezas, os gestores de transporte ferroviário questionam-se quando a linha férrea deve ser corrigida e que tipos de ações será a melhor (Shafahi & Hakhamaneshi 9). A gestão individual de grupos de estruturas requer uma abordagem sistemática, de tal forma que, a fiabilidade e o estado da estrutura possa manter-se dentro do orçamento e das limitações de recursos. Isto significa que a manutenção e as atividades de inspeção devem ser rigorosamente planeadas, permitindo a segurança e operacionalidade com custos reduzidos da estrutura. Um conceito importante na modelação da manutenção corresponde ao custo do ciclo de vida, onde, os efeitos e custos de uma política de manutenção específica são considerados durante a vida útil das estruturas (Frangopol, Kallen & van Noortwijk 4). Estas problemáticas sugerem a necessidade de implementar um sistema de gestão sobre a linha férrea, capaz de sugerir a melhor estratégia de manutenção e reparação
2 no sentido de otimizar o investimento. Em geral, estes sistemas são compostos por quatro módulos, base de dados, inspeções, previsão, otimização. A monitorização das infraestruturas ferroviária representa uma das partes mais importantes de um sistema de gestão. As capacidades de gestão global desse sistema vai depender muito da qualidade dos sistemas de monitorização disponíveis. A razão para a monitorização é geralmente dupla. A primeira, é obviamente, detetar irregularidades que possam pôr em perigo a segurança e confiabilidade do tráfego ferroviário. No entanto, se a monitorização é contínua e rápida o suficiente para permitir acompanhamento consecutivos sendo realizada em intervalos regulares de tempo, um aspeto temporal extremamente importante é obtido que é de importância fundamental para um sucesso numa gestão baseada na condição (Esveld ). A monitorização e a avaliação da qualidade geométrica da linha em estudo é realizada pela REFER, de modo sistemático, com o veículo de inspeção EM. Este veículo permite adquirir dados sobre os parâmetros geométricos para a caracterização da qualidade da geométrica da via, nivelamento longitudinal e transversal, o alinhamento, a bitola e o empeno (Vale ). A condição da geometria da via está relacionada com os parâmetros geométricos da via, cujos valores limite obedecem a especificações técnicas fixadas em normas. A capacidade de desempenho da via (velocidade máxima permitida, nível de conforto e segurança dos passageiros) é avaliada em função dos valores medidos por estes parâmetros, que por vezes são reveladores de defeitos de construção, falta de conservação, desgaste ou deterioração da linha (Ferreira ). Um dos índices de condição da linha mais utilizada nas redes ferroviárias europeias é o desvio padrão. Este representa a dispersão de um sinal ao longo de um determinado troço da linha, em relação ao valor médio deste sinal ao longo da secção considerada. Considerando a sua ampla utilização em toda a rede ferroviária europeia e na necessidade de ter um índice de condição único, de fácil compreensão, o desvio padrão do nivelamento longitudinal e alinhamento são os parâmetros de referência para descrever a qualidade geométrica da via (pren 848-6:.9). Os índices de condição são parâmetros importantes na gestão da manutenção da linha férrea. Na obtenção de um bom sistema de gestão da manutenção da linha, é necessário prever os índices de condição da linha ao longo do tempo. No entanto, observa-se que, a taxa de deterioração da linha pode ser inesperadamente diferente. Devido a esse comportamento aleatório, usando um modelo probabilístico aparenta ser um bom procedimento para prever os índices de condição da linha. As características dos processos de Markov tem capacidade de esclarecer o comportamento aleatório de uma via durante a sua deterioração (Shafahi & Hakhamaneshi 9). As cadeias de Markov são utilizadas para prever a deterioração de varias infraestruturas, tais como pavimentos, pontes e redes de canalização. Nestes modelos, uma classificação representa o índice de condição de um componente, e o cálculo das probabilidades de transição são usadas para caracterizar a deterioração entre dois índices consecutivos (Kobayashi, Do & Han 9). O presente artigo apresenta um exemplo de um modelo de degradação da linha férrea baseado sobre dois parâmetros geométricos, o nivelamento longitudinal e o alinhamento. A evolução dos índices de condição é feita através de uma cadeia de Markov em tempo contínuo e também por modelos de Markov ocultos. SISTEMA DE CLASSIFICAÇÃO O modelo de deterioração é elaborado através de dados obtidos por inspeções realizadas desde 9. Este caso real é composto por km de linha férrea com velocidade entre os 8 km/h e os km/h, sendo que a velocidade é uma informação necessária para identificação do índice de condição correspondente ao desvio padrão
3 obtido aquando da ocorrência da inspeção. O desvio padrão corresponde apenas a troços de m, desta forma a linha e dividida em 5 secções. A linha em estudo esteve sujeita a 994 inspeções desde 9 tendo um intervalo de tempo entre inspeções regulares de 9 dias. Neste estudo, é proposto uma classificação da condição da linha férrea por 6 índices de condição, que pode variar de a 5, onde corresponde ao melhor índice de condição da linha. A descrição dos índices é feita no quadro e os 5 intervalos definidos do desvio padrão apresentados no quadro. Quadro.Descrição da condição da linha para os 6 níveis. Índice de Condição 4 5 Descrição da condição Poucos defeitos observados, e a funcionalidade da linha não se encontra comprometida. Nenhuma ação imediata de intervenção é requerida. Pouca deterioração observada, e a funcionalidade da linha não se encontra comprometida. A manutenção de rotina ou preventiva já deve ser agendadas para análise. Moderada deterioração, e a funcionalidade da linha pode estar comprometida. Alguma manutenção de rotina e pequenas ações de reparação podem ser necessárias. Significante deterioração, e a funcionalidade da linha comprometida, porém não seriamente. Manutenção de rotina e pequenas ações de reparação são necessárias. Severa deterioração em pequenos troços da linha. Deterioração com menos severidade pode estar presente em outros troços da linha. Funcionalidade seriamente comprometida. Ações de reparação são necessárias. Deterioração extrema em toda ou quase toda a linha. A linha não é mais funcional. Grandes ações de reparação, restauração completa ou reconstrução são necessárias. Quadro. Proposta dos intervalos do desvio padrão para os índices de condição. Índice de Condição Nivelamento Longitudinal Alinhamento SD <,7 SD <,7,7 SD <,4,7 SD <,,4 SD <,7, SD <,5,7 SD <,,5 SD <,95 4, SD <,75,95 SD <,7 5 SD,75 SD,7 MODELO DE DEGRADAÇÃO Definindo o comportamento de um fenómeno físico em diferentes estados como,,,, 4, 5 e existir dados dos estados no tempo é possível através de um processo de Markov, por exemplo, prever atempadamente o momento das transições entre estados. A utilização deste processo permitem criar uma curva representativa do fenómeno físico em questão num determinado tempo Uma cadeia de Markov é um processo que se move entre índices de um espaço amostral (Brémaud ). Assuma-se que este espaço é constituído por estados finitos ou contáveis. Isto significa que uma estrutura ou um componente pode se encontrar
4 num estado N dos estados discretos (Frangopol, Kallen & van Noortwijk 4). Então o índice seguinte é escolhido de acordo com uma distribuição de probabilidade P(x), definida de acordo com a Equação () (Brémaud ). P(i, j) = Pr{X t+ = j X t = i} () Esta Equação () é geralmente designada como propriedade de Markov, e significa que a probabilidade condicional de passar do estado i para o estado j é a mesma, sendo irrelevante a sequência i, i,, i t de estados precedentes ao atual estado i (Frangopol, Kallen & van Noortwijk 4) (Brémaud ). A principal diferença do processo de Markov contínuo e discreto no tempo é que as probabilidades de transição podem ocorrer em intervalos de tempo não periódicos, ou seja, ao contrário do processo de Markov em tempo discreto, o processo em tempo contínuo permite a ocorrência de transições numa escala de tempo contínua (Sobreiro ). Nos processos de Markov em tempo contínuo é estabelecida uma matriz intensidade, Q, que corresponde a taxas de transições q ij, independentes do tempo, que se relaciona diretamente com qualquer matriz de Markov, P, de acordo com a Equação (), sendo a sua solução dada por uma distribuição de Poisson na Equação () (Sobreiro ). dp( t) dt = P(t) Q () P( t) = e Q t () A matriz Markoviana P é então determinada a partir de uma matriz intensidade Q com a mesma dimensão. Assumindo que o processo de deterioração é contínuo e que devido à deterioração não pode ocorrer melhoria do estado de condição, se o modelo de desempenho de linhas férreas prever 6 índices diferentes de condição, então a matriz Q é de dimensão 6 de acordo com a Equação (4) (Sobreiro ). Q = θ θ θ θ θ θ θ θ [ θ 4 θ 4 ] (4) Os elementos θ i representam as taxas de transição entre estados consecutivos pela Equação (5) (Gambóias ). θ θ θ θ [ θ 4 ] = q q q q 4 [ q 45 ] (5) As taxas de transição, q ij representam a probabilidade de ocorrer alteração do índice de condição i para um índice de condição j, em que j i, sendo obtidas pelo método de Jackson de acordo pela Equação (6) (Jackson 7). q ij = n ij ti (6)
5 Na Equação (6) n ij é o número de elementos que transitaram do índice de condição i para o índice j e ti o somatório de intervalos de tempo onde o índice de condição i se manteve (Jackson 7). Os valores de θ i que constituam a matriz intensidade, Q, são fundamentais para definir a eficiência do modelo utilizado. Essa eficiência é medida recorrendo ao cálculo da verosimilhança, que indica a distância entre a realidade e o previsto pelo modelo, sendo o modelo tanto melhor quanto menor for essa distância. Isto é, a matriz Q ótima é determinada através do método da maximização de verosimilhança definido pela Equação (7) (Sobreiro ). N M s= t= (7) V = p i,j Em que N representa o número total de estruturas presentes na amostra, M o número total de transições observadas em cada estrutura e p i,j a probabilidade de transição. A Equação (7) pode ser simplificada para um somatório, através de propriedades logarítmicas tornando-se na Equação (8). N M s= t= (8) log V = log(p i,j ) O objetivo do método da maximização de verosimilhança consiste em obter o maior valor de V otimizando a matriz P, ajustando as taxas de transição θ i. Sabendo o vetor probabilidades p(t i ), relativo aos vários índices de condição num instante inicial t i e estando na posse de uma matriz P t que reproduza convenientemente a deterioração da estrutura em causa ao longo do respetivo intervalo de tempo, é possível prever o desempenho futuro para um instante final t f, obtendo o vetor probabilidade de índices de condição p(t f ) de acordo com a Equação (9) (Sobreiro ) p(t f ) = p(t i ) P t (9) Para obter o índice de condição médio, basta multiplicar o vetor probabilidades pelo vetor coluna dos índices de condição com índice a Equação () (Sobreiro ). C med (t) = p(t) 4 [ 5] () Nas cadeias de Markov é considerado que cada estado corresponde a uma observação. A literatura mostra que este modelo é muito restrito para ser aplicado em muitos problemas. O modelo oculto de Markov (HMM) vem como uma extensão da cadeia de Markov, pois agora o modelo inclui o caso no qual a observação é uma função de probabilidade do estado, isto é, o modelo resultante é um processo estocástico de dupla camada, na qual um processo estocástico é subjacente e não observável (oculto) que pode ser apenas observado pelo outro processo estocástico que produz as sequências de observações. Por conveniência será utilizada a notação compacta da Equação () para indicar o conjunto completo de parâmetros do modelo (Rabiner 989). λ = (A, B, π) ()
6 Onde A = {a ij }representa a probabilidade de transição dos estados, B = {b j (k)} a distribuição de probabilidade do estado observado em j e π = {π i } a probabilidade do índice inicial. Existem três problemas básicos que devem ser resolvidos para que o modelo possa ser utilizado em aplicações do mundo real. O problema é o problema de avaliação sendo resolvido utilizando-se os procedimentos forward-backward. O problema procura descobrir a parte escondida do modelo, ou seja, encontrar a sequência de estados correta resolvido através do algoritmo de Viterbi. O terceiro e mais difícil é determinar um método para ajustar os parâmetros da Equação () de modo a satisfazer um determinado critério de otimização. O último problema pode ser resolvido usando um procedimento iterativo tal como o método de Baum-Welch (também conhecido como o método EM (expectationmaximization)) (Rabiner 989). Uma das possibilidades para avaliar a qualidade do modelo, é o teste de ajustamento do Qui-Quadrado Como na generalidade dos testes de ajustamento, o processo iniciase com a formulação das hipóteses (hipótese nula, H, e hipótese alternativa,h ) nos seguintes termos: H : A amostra possui uma determinada distribuição teórica; H : A amostra não possui a distribuição teórica. A qualidade do modelo é verificada através do cálculo da semelhança da diferença entre as transições observadas e previstas. Num modelo de deterioração, apenas a transição de um estado i para um estado j, com i j pode ocorrer (Ferreira et al. 4). As transições observáveis entre índices de condição são agrupadas em C classes calculadas pela Equação (). C = n+(n+) () No teste de ajustamento do Qui-Quadrado a avaliação do ajuste entre o conjunto de observações e o modelo teórico baseia-se na determinação da estatística do teste, Equação (). A estatística do teste trata-se de uma medida global da discrepância entre as frequências observadas na amostra, O c e as frequência esperadas,e C (Ferreira et al. 4). C T = (O i E i ) i= () E i Nas situações em que a hipótese nula, H, é verdadeira, devem-se registar pequenas diferenças entre as frequências observadas e esperadas e, consequentemente, a estatística do teste, T, deve apresentar valores baixos. Por outro lado, um valor da estatística do teste, T, elevado constitui uma indicação de que existe um desajuste entre a amostra e a distribuição teórica (Guimarães & Cabral 997). Pode se demonstrar que, quando a hipótese nula, H, é verdadeira e a dimensão da amostra grande, a estatística do teste, T, segue uma distribuição χ gl com gl = (C ) p graus de liberdade, onde p representa o número de parâmetros estimados a partir da amostra (Ferreira et al. 4). Uma vez fixo o nível de significância em 5%, a rejeição ou não rejeição da hipótese nula, é realizada com base na comparação entre o valor da estatística do teste T e χ gl:α. Rejeita-se a hipótese nula se a Equação (4) for verificada. T > χ gl:α (4)
7 4 DETERMINAÇÂO DA MATRIZ TRANSIÇÃO PARA PROCESSO MARKOV EM TEMPO CONTÍNUO Para determinar as taxas de transições, é necessária modificar os desvios padrões que resultam das inspeções para os índices de condição proposto. Posteriormente calculase as taxas de transição pelo método de Jackson e são otimizados com o método de maximização de verossimilhança realizado em MatLab através da função fmincon. O Quadro indica os resultados destes métodos e respetivo V. Quadro. Resultados das taxas de transição. Nivelamento Longitudinal Método de Jackson Método da maximização da Verosimilhança Método de Jackson Alinhamento Método da maximização da Verosimilhança θ,97,,49,6 θ,6,8,, θ,,,45,67 θ,,5, θ 4,,, log V - 786,6-784,84-4,4-6 Observa-se no Quadro relativamente ao parâmetro do nivelamento a inexistência de taxas de transição θ e θ 4, pois nos dados reais não existe desvio padrão para além do índice de condição. Tal se deve ao rigoroso plano de manutenção realizado pela REFER de modo a impedir a degradação para além deste índice para este parâmetro. Para confirmar a qualidade do modelo, o teste ajustamento do Qui-quadrado é aplicado com as taxas de transição obtidas pelo método da maximização da verosimilhança. A partir dos resultados observados e esperados referentes aos dois parâmetros geométricos analisados é possível determinar o valor da estatística do teste associada a cada um através da Equação (). Obteve-se o valor de T alinhamento = 6, e de T nivelamento =,. Sendo assim de acordo com a Equação (4), a hipótese nula é rejeitada com um nível de significância de 5 % se os valores obtidos forem superiores a χ 4,5 =.685. Como para os dois parâmetros analisados os valores obtidos são inferiores ao valor limite, significa que o ajuste efetuado tem qualidade, ou seja, que o modelo teórico considerado descreve de um modo adequado os dados observados. 5. RESULTADOS OBTIDOS As taxas de transição, permitem realizar a previsão da curva média do desempenho da linha ao longo dos próximos meses. A intenção passa por recorrer ao último registo de inspeções realizadas, que correspondem a um determinado índice de condição e fazendo a sua média obtém-se o índice de condição inicial. Através do modelo de Markov prevê-se o índice de condição para o horizonte de meses Uma vez que o índice de condição é variável, o vetor do índice de condição inicial também o será. Determina-se pelas Equações (), (9) e () o índice de condição para todos os troços da linha e no seu seguimento retira-se a média e o desvio padrão do caso real resultando nas Figuras e.
8 Indice de Condição Indice de Condição Curva de deterioração média Desvio Padrão Tempo (meses) Figura. Previsão do desempenho para o parâmetro do nivelamento longitudinal. 5 4 Curva de deterioração média Desvio Padrão Tempo (meses) Figura. Previsão do desempenho para o parâmetro do alinhamento. Na Figura a curva de deterioração têm um índice inicial médio para o alinhamento de,47 que, por coincidência, é o mesmo para o parâmetro o nivelamento longitudinal (Figura ). Constata-se nas duas Figuras e que a curva de deterioração média vai gradualmente e continuamente crescendo ao longo do período em análise. Nota-se, na Figura, que por volta do mês 7, a curva começa a ficar tangente à linha, correspondendo ao facto de se aproximar do pior índice de condição, 5. Como é sabido, o desvio padrão mede a dispersão dos dados relativamente à média. As Figuras e revelam uma tendência a decrescer continuamente, aproximando-se de zero no final do tempo de análise. Significa que a grande maioria da linha apresenta no mês, um índice de condição próximo do pior índice, 5. A curva de deterioração média da Figura revela um menor aumento do índice de condição quando comparada com a da Figura devendo-se ao tal, facto das taxas de transição θ 4 e θ 5 terem um valor muito baixo, comparados com os utilizados no alinhamento. A curva tenderia a acabar da mesma forma que a Figura, após um tempo de, aproximadamente, 4 meses. Como as taxas de transição θ e θ 4 no nivelamento longitudinal são aproximadamente, o modelo HMM apenas é aplicado sobre os índice de condição do alinhamento. Para aplicar o modelo HMM, recorreu-se a uma toolbox já existente no MatLab e calcula-se as taxas de transição através do algoritmo de Baum-Welch. Tendo as matrizes A e B e utilizando o mesmo vetor probabilidade de índice inicial a Equação () não tem incógnitas sendo possível obter a curva média de deterioração apresentada na Figura.
9 Índice de Condição Índice de Condição Tempo (meses) Figura. Previsão do desempenho da linha para o parâmetro do alinhamento através de HMM 6 CONCLUSÕES Este trabalho contribuiu para o desenvolvimento de um modelo de previsão do desempenho de linha férrea, recorrendo a processos de Markov. Foi desenvolvido e disponibilizado numa tese de mestrado todo o algoritmo criado em MatLab para recorrer aos processo de Markov em tempo contínuo sendo ainda possível observar os efeitos de um estratégia de ações de manutenção e reparação sobre a curva de desempenho. A utilização dos mesmos em tempo contínuo vem do fato que sua aplicação é amplamente reconhecida na avaliação do comportamento de outras infraestruturas, como pontes. Numa alternativa ao modelo de previsão, estudou-se o Modelo de Markov oculto (HMM). Com os resultados obtidos nestes dois processos é possível observar as curvas de desempenho obtidos para os índices de condição do alinhamento na Figura Tempo (meses) Modelos Markov Ocultos Markov Contínuos Figura 4. Previsão do desempenho do caso em estudo para o alinhamento com dois modelos de Markov. Para determinar o melhor modelo que se ajusta a amostra recorre-se ao teste de ajustamento do Qui-quadrado. Apresenta-se no Quadro 4 os valores observados e estimados para o alinhamento com o resultado do teste T pela Equação () A partir do Quadro 4 e a Equação () verifica-se que o modelo de Markov em tempo contínuo é o mais apropriado para representar a amostra. Pela Equação (4) comprovase que o modelo HMM obtido não possui distribuição teórica.
10 Quadro 4. Proposed classification second standard deviation. Indices de condição O c E c obtidos com Markov em tempo continuo E c obtidos com HMM 4 49,68 46,8,86 9, ,77 8, , 476, , 49,7 5 8,5 7,97 T - 6,,87 Em desenvolvimentos futuros, melhorar os HMM para tempos contínuos ou alterar o parâmetro λ para obter um melhor modelo que modelos de Markov contínuos. AGRADECIMENTOS Os autores agradecem ao ISISE Institute for Sustainability and Innovation in Structural Engineering (PEst-C/ECI/UI49/ FCOM--4-FEDER-68). Agradece-se à REFER a informação gentilmente fornecida relativamente a linha férrea em estudo. REFERÊNCIAS Brémaud, P. (), Markov Chains: Gibbs Fields, Monte Carlo Simulation, and Queues. France: Sringer. Esveld, C. (), Modern Railway Track. Second edition, Delfth-Holanda: MRT Productions. Ferreira, C. & Neves, L. & Matos, J & Soares, J.S. (4). A degradation and maintenance model: Application to Portugues context. Frangopol, Dan M. & Kallen M. J. & van Noortwijk, J. M. (4), Probabilistic models for life-cycle performance of deteriorating structures: review and future directions Gambóias, J. P. A. (), Modelação da Degradação de Pontes Considerando a Incerteza Associada às Inspecções. Faculdade de Ciências e Tecnologia da Universidade Nova de Lisboa, Lisboa. Jackson, C. (7), Multi-state modelling with R: The msm package. Cambridge, UK: Medical Research Council Biostatistics Unit. Kobayashi, K. & Do, M. & Han, D. (9), Estimation of Markovian Transition Probabilities for Pavement Deterioration Forecasting. KSCE Journal of Civil Engineering (), Vol. 4, No., pp pren 848-6:.9, Railway applications Track Track geometry quality Part 6: Characterisation of Geometric Quality. Rabiner, L. R. (989), A Tutorial on Hidden Markov Models and Selected Applications in Speech Recognition. Proc. IEE. 77, pp Shafahi, Y. & Hakhamaneshi, R. (9), Application of a Maintenance Management Model for Iranian Railways Based on the Markov Chain and Probabilistic Dynamic Programing. Transaction A: Civil Engineering, Vol. 6, No., pp Sobreiro, F. J. N. (), Modelos de Previsão de Deterioração de Pontes Existinges: Processos de Markov. Faculdade de Ciências e Tecnologia da Universidade Nova de Lisboa, Lisboa. Vale, C., ( ), Influência da qualidade dos sistemas ferroviários no comportamento dinâmico e no planeamento da manutenção preventiva de vias de alta velocidade. Faculdade de Engenharia da Universidade do Porto, Porto.
Desenvolvimento de Ferramenta Computacional para Sistemas de Gestão de Pontes, Viadutos e Passarelas
Desenvolvimento de Ferramenta Computacional para Sistemas de Gestão de Pontes, Viadutos e Passarelas Pedro Henrique Gama Neiva 1, Gabriella Darold Vieira 2, Leandro Pantoja Paranhos 3, André Luís da Silva
Leia mais3 Filtro de Kalman Discreto
3 Filtro de Kalman Discreto As medidas realizadas por sensores estão sujeitas a erros, como pode ser visto no Capítulo 2. Os filtros são aplicados aos sinais medidos pelos sensores para reduzir os erros,
Leia maisPlano. Aspectos Relevantes de HMMs. Teoria de HMMs. Introdução aos Modelos Escondidos de Markov
Plano Esta apresentação é para pessoas sem conhecimento prévio de HMMs Introdução aos Modelos Escondidos de Markov 2004 Objetivos: Ensinar alguma coisa, não tudo (Visão geral, sem muitos detalhes). Tentar
Leia maisPROCESSOS ESTOCÁSTICOS
PROCESSOS ESTOCÁSTICOS Definições, Principais Tipos, Aplicações em Confiabilidade de Sistemas CLARKE, A. B., DISNEY, R. L. Probabilidade e Processos Estocásticos, Rio de Janeiro: Livros Técnicos e Científicos
Leia maisTópicos Especiais em Qualidade
Tópicos Especiais em Qualidade Processos estocásticos, Distribuições de probabilidade e Ajustamento de dados Qualquer sistema real opera sempre em ambientes onde a incerteza impera, principalmente quando
Leia maisProcessos Hidrológicos CST 318 / SER 456. Tema 9 -Métodos estatísticos aplicados à hidrologia ANO 2016
Processos Hidrológicos CST 318 / SER 456 Tema 9 -Métodos estatísticos aplicados à hidrologia ANO 2016 Camilo Daleles Rennó Laura De Simone Borma http://www.dpi.inpe.br/~camilo/prochidr/ Caracterização
Leia maisAluno: Tiago Andrade Togores Orientador: Professor Flávio Soares Côrrea da Silva
Aluno: Tiago Andrade Togores Orientador: Professor Flávio Soares Côrrea da Silva Interação humano-computador Interação humano-computador Interfaces naturais Interação humano-computador Interfaces naturais
Leia maisTeste χ 2 de aderência
Teste χ 2 de aderência Chuck Norris Arnold Schwarzenegger 15 de julho de 2013 Resumo O teste χ 2 de aderência é considerado para testar a hipótese de que uma distribuição de probabilidades as frequências
Leia maisMetodologia de inversão
6 Metodologia de inversão Nesta tese, a transformação de velocidades em pressão de poros é encarada como um problema de inversão. Pela natureza do problema, essa transformação apresenta caráter não único
Leia mais)XQGDPHQWRVGHSUREDELOLGDGHHHVWDWtVWLFD
)XQGDPHQWRVGHUREDELOLGDGHHHVWDWtVWLFD,QWURGXomR A história da estatística pode ser dividida em três fases. De acordo com PEANHA (00), a estatística inicialmente não mantinha nenhuma relação com a probabilidade,
Leia maisCadeias de Markov em Tempo Continuo
Cadeias de Markov em Tempo Continuo Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Capitulos 6 Taylor & Karlin 1 / 44 Análogo ao processo
Leia mais3. CADEIA DE MARKOV EM TEMPO DISCRETO
3. CADEIA DE MARKOV EM TEMPO DISCRETO 3. Definição Uma Cadeia de Markov em Tempo Discreto é um processo estocástico em que a variável t representa intervalos de tempo, { }e que segue a propriedade de Markov,
Leia maisMODELOS PROBABILÍSTICOS
Disciplina de BIOLOGIA COMPUTACIONAL Mestrado em ENGENHARIA BIOMÉDICA 4º Ano, 1º Semestre 2007/08 MODELOS PROBABILÍSTICOS Relatório 4 Ana Calhau Ângela Pisco Nuno Santos 54605 55748 55746 Palavras-Chave:
Leia maisTestes de Hipóteses. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Testes de Hipóteses Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução e notação Em geral, intervalos de confiança são a forma mais
Leia maisO Processo de Weibull Poisson para Modelagem da Confiabilidade em Sistemas Reparáveis
O Processo de Weibull Poisson para Modelagem da Confiabilidade em Sistemas Reparáveis Luiz Gustavo Fraga 1 Edmilson Rodrigues Pinto 2 Resumo: Sistemas reparáveis são aqueles sistemas que, após a ocorrência
Leia maisModelagem e Avaliação de Desempenho
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2018 Exemplos usados na apresentação foram obtidos de Introduction to Probability, C.M.Grinstead
Leia mais3 Teoria da Concatenação e Técnicas Estatísticas
Capacidade 30 3 Teoria da Concatenação e Técnicas Estatísticas A teoria apresentada neste capítulo resume-se na descrição da norma TIA/EIA TSB107 [1]. A necessidade de se prever os valores de PMD de um
Leia maisESTUDO DE CASO PARA VERIFICAR A SEGURANÇA EM DUTOS COM DEFEITOS DE CORROSÃO
ESTUDO DE CASO PARA VERIFICAR A SEGURANÇA EM DUTOS COM DEFEITOS DE CORROSÃO Maylon Dieferson Silva de Sobral 1 ; Juliana Von Schmalz Torres 2 1 Estudante do Curso de Engenharia Civil CAA UFPE. E-mail:
Leia maisCurso Profissional de Nível Secundário
Curso Profissional de Nível Secundário Técnico Auxiliar de Saúde 2 TAS Ano Letivo: 2014/2015 Matemática (200 horas) 11º Ano PLANIFICAÇÃO A LONGO PRAZO A7 Probabilidades Fenómenos aleatórios. 2 aulas Argumento
Leia mais7 Conclusões e desenvolvimentos futuros
7 Conclusões e desenvolvimentos futuros 7.1 Conclusões Este trabalho apresentou novas soluções para a determinação da posição de terminais de comunicações móveis com base em medidas de ToA. Nos métodos
Leia maisPROCEDIMENTOS PARA A MONITORIZAÇÃO DE SECAS. Palavras-chave: Secas, Planeamento de Recursos Hídricos, Gestão de Recursos Hídricos, Precipitação.
RESUMO PROCEDIMENTOS PARA A MONITORIZAÇÃO DE SECAS Maria João Janota dos SANTOS (1) e António GONÇALVES HENRIQUES (2) Apresentam-se os procedimentos a desenvolver para a monitorização de secas meteorológicas,
Leia maisTESTE DO QUI-QUADRADO DE INDEPENDÊNCIA
TESTE DO QUI-QUADRADO DE INDEPENDÊNCIA Suponha que numa amostra aleatória de tamanho n de uma dada população são observados dois atributos ou características A e B (qualitativas ou quantitativas), uma
Leia maisReabilitação e Reforço de Estruturas
Mestrado em Engenharia Civil 2011 / 2012 Reabilitação e Reforço de Estruturas Aula 8: Risco estrutural. Luís Canhoto Neves 0/184 Sumário 1. Introduzir conceitos de análise de risco 2. Avaliar a sua importância
Leia maisAULA 8 Experimentos multinomiais e tabelas de contingência
1 AULA 8 Experimentos multinomiais e tabelas de contingência Ernesto F. L. Amaral 05 de outubro de 2013 Centro de Pesquisas Quantitativas em Ciências Sociais (CPEQS) Faculdade de Filosofia e Ciências Humanas
Leia mais2 Cinemática 2.1 CINEMÁTICA DA PARTÍCULA Descrição do movimento
2 Cinemática A cinemática tem como objeto de estudo o movimento de sistemas mecânicos procurando descrever e analisar movimento do ponto de vista geométrico, sendo, para tal, irrelevantes os fenómenos
Leia mais$QiOLVHGHVHQVLELOLGDGHHVWDWtVWLFD
$QiOLVHGHVHQVLELOLGDGHHVWDWtVWLFD,QWRGXomR Alguns métodos para a análise de sensibilidade e a importância destes foram apresentados no capítulo 3 O capítulo atual trata da análise de sensibilidade estatística
Leia maisUSO DE CADEIAS DE MARKOV NA PREVISÃO DA DEGRADAÇÃO DE TALUDES USE OF MARKOV CHAIN IN SLOPE DEGRADATION PREDICTION
USO DE CADEIAS DE MARKOV NA PREVISÃO DA DEGRADAÇÃO DE TALUDES USE OF MARKOV CHAIN IN SLOPE DEGRADATION PREDICTION Tinoco, Joaquim; Universidade do Minho, Guimarães, Portugal, jabtinoco@civil.uminho.pt
Leia maisAlgoritmo Array Rápido para Filtragem de Sistemas Lineares Sujeitos a Saltos Markovianos com Variação Estruturada dos Parâmetros no Tempo
Trabalho apresentado no XXXVII CNMAC, SJ dos Campos - SP, 2017 Proceeding Series of the Brazilian Society of Computational and Applied Mathematics Algoritmo Array Rápido para Filtragem de Sistemas Lineares
Leia maisCE001 - BIOESTATÍSTICA TESTE DO QUI-QUADRADO
CE001 - BIOESTATÍSTICA TESTE DO QUI-QUADRADO Ana Paula Araujo Correa Eder Queiroz Newton Trevisan DEFINIÇÃO É um teste de hipóteses que se destina a encontrar um valor da dispersão para duas variáveis
Leia maislnteligência Artificial Introdução ao Processo Decisório de Markov
lnteligência Artificial Introdução ao Processo Decisório de Markov Aprendizado - paradigmas Aprendizado supervisionado O crítico comunica a EA o erro relativo entre a ação que deve ser tomada idealmente
Leia maisAULA 09 Regressão. Ernesto F. L. Amaral. 17 de setembro de 2012
1 AULA 09 Regressão Ernesto F. L. Amaral 17 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario F. 2008. Introdução à
Leia maisDepartamento de Física da Faculdade de Ciências da Universidade de Lisboa T2 FÍSICA EXPERIMENTAL I /08 FORÇA GRAVÍTICA
Departamento de Física da Faculdade de Ciências da Universidade de Lisboa T2 FÍSICA EXPERIMENTAL I - 2007/08 1. Objectivo FORÇA GRAVÍTICA Comparar a precisão de diferentes processos de medida; Linearizar
Leia mais4 Modelagem em Árvore
MODELAGEM EM ÁRVORE 39 4 Modelagem em Árvore 4.1 Introdução A modelagem por árvore de cenários é uma forma usual de representação de incertezas em problemas estocásticos multi-período [9, 14, 28, 42, 43].
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS 2003 2004 2005 2006 2007 2008 2009 2010 X 39,0 39,5 39,5 39,0 39,5 41,5 42,0 42,0 Y 46,5 65,5 86,0 100,0 121,0 150,5 174,0 203,0 A tabela acima mostra as quantidades, em milhões
Leia maisMOQ 13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ 13 PROBABILIDADE E ESTATÍSTICA Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semanas 1 3 4 5 6 7 8 9 10 11 1 13 14 15 e 16 Introdução à probabilidade (eventos,
Leia maisESTATÍSTICA. x(s) W Domínio. Contradomínio
Variáveis Aleatórias Variáveis Aleatórias são funções matemáticas que associam números reais aos resultados de um Espaço Amostral. Uma variável quantitativa geralmente agrega mais informação que uma qualitativa.
Leia mais2. Integridade Estrutural e Inspeção Baseada em Risco
. Integridade Estrutural e Inspeção Baseada em Risco No presente capítulo serão apresentadas algumas definições relacionadas ao processo de avaliação de Integridade Estrutural de máquinas. Também serão
Leia maisESCOLA SECUNDÁRIA DE LOUSADA
ESCOLA SECUNDÁRIA DE LOUSADA 2012 2013 PLANIFICAÇÃO DA DISCIPLINA DE MATEMÁTICA Curso Profissional de Técnico de Multimédia ELENCO MODULAR A7 Probabilidades 28 A6 Taxa de variação 36 A9 Funções de crescimento
Leia maisREGRESSÃO E CORRELAÇÃO
REGRESSÃO E CORRELAÇÃO A interpretação moderna da regressão A análise de regressão diz respeito ao estudo da dependência de uma variável, a variável dependente, em relação a uma ou mais variáveis explanatórias,
Leia maisMODELO DE DECISÃO PARA ESCOLHA DE PORTFOLIO DE INVESTIMENTOS
MODELO DE DECISÃO PARA ESCOLHA DE PORTFOLIO DE INVESTIMENTOS Rodrigo José Pires Ferreira UFPE Cx. Postal 7462, Recife PE, 50.630-970 rodrigo@ufpe.br Adiel Teixeira de Almeida Filho UFPE Cx. Postal 7462,
Leia maisDisciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 06 / Classes Especiais de Processos Aleatórios
Disciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 06 / Classes Especiais de Processos Aleatórios Prof. Eduardo Simas (eduardo.simas@ufba.br) Programa de Pós-Graduação em Engenharia Elétrica/PPGEE
Leia maisTratamento Estatístico de Dados em Física Experimental
Tratamento Estatístico de Dados em Física Experimental Prof. Zwinglio Guimarães o semestre de 06 Tópico 7 - Ajuste de parâmetros de funções (Máxima Verossimilhança e Mínimos Quadrados) Método da máxima
Leia maisModelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2014
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2014 Análise de desempenho São disponíveis duas abordagens para realizar a análise de desempenho:
Leia maisMais Informações sobre Itens do Relatório
Mais Informações sobre Itens do Relatório Amostra Tabela contendo os valores amostrados a serem utilizados pelo método comparativo (estatística descritiva ou inferencial) Modelos Pesquisados Tabela contendo
Leia maisCLASSIFICAÇÃO DE PROBLEMAS SEQÜENCIAIS DE MÚLTIPLOS ESTÁGIOS
Encontro Internacional de Produção Científica Cesumar 23 a 26 de outubro de 2007 CLASSIFICAÇÃO DE PROBLEMAS SEQÜENCIAIS DE MÚLTIPLOS ESTÁGIOS João Candido Bracarense 1, Juliano Rodrigo Lamb 2 RESUMO: A
Leia maisDISCRETIZADAS NA ANÁLISE DE DADOS DE SOBREVIVÊNCIA RESUMO
APLICAÇÕES DE DISTRIBUIÇÕES DISCRETIZADAS NA ANÁLISE DE DADOS DE SOBREVIVÊNCIA Danielle Peralta 1, Josmar Mazucheli 1, Isabelle Picada Emanuelli 2 e Robson Marcelo Rossi 1 1 Departamento de Estatística,
Leia mais5 Filtro de Kalman Aplicado ao Modelo de Schwartz e Smith (2000)
5 Filtro de Kalman Aplicado ao Modelo de Schwartz e Smith (2000) A primeira parte deste capítulo, referente à passagem dos modelos estocásticos para as equações do Filtro de Kalman, já foi previamente
Leia maisInstituto Superior de Engenharia de Lisboa Engenharia Informática e de Computadores
Instituto Superior de Engenharia de Lisboa Engenharia Informática e de Computadores Teoria dos Sinais e dos Sistemas O procedimento de Gram-Schmidt: definição, exemplos e aplicações Artur Ferreira {arturj@isel.pt}
Leia maisAula 14. Aula de hoje. Aula passada
Aula 14 Aula passada Autovalores, autovetores, decomposição Convergência para estacionaridade Tempo de mistura Spectral gap Tempo de mistura de passeios aleatórios Aula de hoje Caminho amostral Teorema
Leia maisProcessos Estocásticos e Cadeias de Markov Discretas
Processos Estocásticos e Cadeias de Markov Discretas Processo Estocástico(I) Definição: Um processo estocástico é uma família de variáveis aleatórias {X(t) t T}, definidas em um espaço de probabilidades,
Leia maisNoções de Exatidão, Precisão e Resolução
Noções de Exatidão, Precisão e Resolução Exatidão: está relacionada com o desvio do valor medido em relação ao valor padrão ou valor exato. Ex : padrão = 1,000 Ω ; medida (a) = 1,010 Ω ; medida (b)= 1,100
Leia maisPROVAS Ciência da Computação. 2 a Prova: 13/02/2014 (Quinta) Reavaliação: 20/02/2014 (Quinta)
PROVAS Ciência da Computação 2 a Prova: 13/02/2014 (Quinta) Reavaliação: 20/02/2014 (Quinta) Ajuste de Curvas Objetivo Ajustar curvas pelo método dos mínimos quadrados 1 - INTRODUÇÃO Em geral, experimentos
Leia maisAvaliação de Desempenho
Avaliação de Desempenho Aula passada Métricas, Técnicas, Erros Aula de hoje Conceitos importantes de probabilidade Como fazer a análise de desempenho? Modelos Matemáticos Modelos de Simulação Como fazer
Leia mais1 Introdução 1.1. Motivação
1 Introdução 1.1. Motivação As decisões econômicas de investimento, como adquirir novos equipamentos, aumentar a força de trabalho ou desenvolver novos produtos, bem como a avaliação econômica de projetos,
Leia maisTeoria de Filas Aula 10
Aula Passada Comentários sobre a prova Teoria de Filas Aula 10 Introdução a processos estocásticos Introdução a Cadeias de Markov Aula de Hoje Cadeias de Markov de tempo discreto (DTMC) 1 Recordando...
Leia mais3 Aprendizado por reforço
3 Aprendizado por reforço Aprendizado por reforço é um ramo estudado em estatística, psicologia, neurociência e ciência da computação. Atraiu o interesse de pesquisadores ligados a aprendizado de máquina
Leia maisAnálise e Processamento de Bio-Sinais. Mestrado Integrado em Engenharia Biomédica. Sinais e Sistemas. Licenciatura em Engenharia Física
Análise e Processamento de Bio-Sinais Mestrado Integrado em Engenharia Biomédica Licenciatura em Engenharia Física Faculdade de Ciências e Tecnologia Slide 1 Slide 1 Sobre Modelos para SLIT s Introdução
Leia maisEma Isabel Modesto Marques. Modelos de localização com filas de espera em rede. Orientador Prof. Doutor Francisco José Ferreira Silva.
Ema Isabel Modesto Marques Modelos de localização com filas de espera em rede Dissertação para a obtenção do grau de Mestre em Gestão (MBA) Orientador Prof. Doutor Francisco José Ferreira Silva Coorientador
Leia maisCAPÍTULOS 7 E 8 AMOSTRAGEM POR ATRIBUTOS OU VARIÁVEIS
CAPÍTULOS 7 E 8 AMOSTRAGEM POR ATRIBUTOS OU VARIÁVEIS 1. PLANOS DE AMOSTRAGEM tamanho do lote; nível de inspeção; tamanho da amostra; tipos de inspeção; regime de inspeção; nível de qualidade aceitável
Leia maisTE802 Processos Estocásticos em Engenharia
TE802 Processos Estocásticos em Engenharia Cadeias de Markov 20/11/2017 Andrei Markov Em 1907, Andrei Markov iniciou um estudo sobre processos onde o resultado de um experimento depende do resultado de
Leia maisModelos Probabilísticos
Modelos Probabilísticos Somente para lembrar... Modelos são extremamente importantes para o estudo do desempenho de um sistema antes de implementá-lo na prática! Foguete proposto tem confiabilidade? Devemos
Leia maisClassificadores. André Tavares da Silva.
Classificadores André Tavares da Silva andre.silva@udesc.br Reconhecimento de padrões (etapas) Obtenção dos dados (imagens, vídeos, sinais) Pré-processamento Segmentação Extração de características Obs.:
Leia maisModelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2018
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2018 Análise de desempenho São disponíveis duas abordagens para realizar a análise de desempenho:
Leia maisDepartamento de Matemática - IST(TP)
Departamento de Matemática - IST(TP) Secção de Estatística e Aplicações Probabilidades e Estatística LEIC+LERC+LEE 2 o Exame/2 o Teste 2 o Semestre/2 a Época 2007/08 Duração: 3 horas/1 hora e 30 minutos
Leia mais3. Otimização sob Incerteza
3. Otimização sob Incerteza Os problemas de otimização tentam resolver, de forma eficiente, situações do mundo real por meio de modelos matemáticos que utilizam parâmetros incertos. Pode-se encontrar na
Leia mais4 ABORDAGENS METROLÓGICAS
4 4 ABORDAGENS METROLÓGICAS Neste capitulo são apresentados os termos metrológicos utilizados neste documento. Estes conceitos foram selecionados do Vocabulário Internacional de termos fundamentais e gerais
Leia maisProcedimentos para o cálculo do ICP
UNIVERSIDADE DO ESTADO DE MATO GROSSO CAMPUS UNIVERSITÁRIO DE SINOP FACULDADE DE CIENCIAS EXATAS E TECNOLOGICAS CURSO DE ENGENHARIA CIVIL DISCIPLINA: MANUTENÇÃO DE PAVIMENTOS Procedimentos para o cálculo
Leia maisTestes de Hipóteses. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Testes de Hipóteses Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução e notação Em geral, intervalos de confiança são a forma mais
Leia maisCapítulo 2. Distribuições de Probabilidade Estimativas de parâmetros e tempos-atéfalha. Flávio Fogliatto
Capítulo 2 Distribuições de Probabilidade Estimativas de parâmetros e tempos-atéfalha Flávio Fogliatto 1 Ajustes de distribuições Em estudos de confiabilidade, dados são amostrados a partir de uma população
Leia maisEstatística para Cursos de Engenharia e Informática
Estatística para Cursos de Engenharia e Informática BARBETTA, Pedro Alberto REIS, Marcelo Menezes BORNIA, Antonio Cezar MUDANÇAS E CORREÇOES DA ª EDIÇÃO p. 03, após expressão 4.9: P( A B) = P( B A) p.
Leia maisCÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano
CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 4 Ajuste de Curvas AJUSTE DE CURVAS Cálculo Numérico 3/55 Introdução Em geral, experimentos geram uma gama de dados que devem
Leia mais4 Método Proposto CR AD PA NDVI Descrição geral do modelo
34 4 Método Proposto 4.1. Descrição geral do modelo Neste trabalho, cada classe (cobertura vegetal) possui um HMM específico. Os estágios fenológicos correspondem a estados e os símbolos observáveis a
Leia maisConceitos centrais em análise de dados
Conceitos centrais em análise de dados Conceitos básicos em Estatística Estatística Ciência que tem por objetivo orientar a coleta, o resumo, a apresentação, a análise e a interpretação dos dados. Divide-se
Leia maisCapítulo 6 Fluxo de água em canais abertos
Capítulo 6 Fluxo de água em canais abertos slide 1 Fluxo de água em canais abertos O fluxo em canais abertos possui uma superfície livre que se ajusta dependendo das condições de fluxo. Essa superfície
Leia maisEstatística (MAD231) Turma: IGA. Período: 2017/2
Estatística (MAD231) Turma: IGA Período: 2017/2 Aula #03 de Probabilidade: 04/10/2017 1 Variáveis Aleatórias Considere um experimento cujo espaço amostral é Ω. Ω contém todos os resultados possíveis: e
Leia mais4 APLICAÇÃO DO MODELO E RESULTADOS
4 APLICAÇÃO DO MODELO E RESULTADOS Neste capítulo, será aplicado o modelo proposto (Holt-Winters com múltiplos ciclos mais a correção devido à ocorrência de feriado e temperatura) e apresentados os resultados
Leia maisUtilização de Métodos de Cálculo Numérico em Aerodinâmica
Cálculo Numérico em Erro vs Incerteza - Um erro define-se como a diferença entre uma determinada solução e a verdade ou solução exacta. Tem um sinal e requer o conhecimento da solução exacta ou verdade
Leia maisInferência Bayesiana Exata para Processos de Cox Level-Set
Inferência Bayesiana Exata para Processos de Cox Level-Set Bárbara da Costa Campos Dias 1 Flávio Bambirra Gonçalves 2 Resumo Este trabalho propõe uma metodologia de inferência exata para processos de Cox
Leia maisModelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2011
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2011 Cadeias de Markov Em 1907, Andrew Markov iniciou um estudo sobre um modelo onde o resultado
Leia maisMétodos Não Paramétricos
Modelação, Identificação e Controlo Digital Métodos Não Paramétricos 1 Métodos Não Paramétricos Estimação da resposta impulsiva e da resposta em frequência Análise espectral e métodos de correlação J.
Leia maisCORRELAÇÃO E REGRESSÃO
CORRELAÇÃO E REGRESSÃO Permite avaliar se existe relação entre o comportamento de duas ou mais variáveis e em que medida se dá tal interação. Gráfico de Dispersão A relação entre duas variáveis pode ser
Leia maisFundação Oswaldo Cruz Escola Nacional de Saúde Pública Departamento de Epidemiologia. Estatística espacial. Padrão Pontual
Fundação Oswaldo Cruz Escola Nacional de Saúde Pública Departamento de Epidemiologia Estatística espacial Padrão Pontual Padrão de Pontos A análise de padrão de pontos, é o tipo mais simples de análise
Leia maisA Metodologia de Box & Jenkins
A Metodologia de Box & Jenins Aula 03 Bueno, 0, Capítulo 3 Enders, 009, Capítulo Morettin e Toloi, 006, Capítulos 6 a 8 A Metodologia Box & Jenins Uma abordagem bastante utilizada para a construção de
Leia maisAULA 07 Distribuições Discretas de Probabilidade
1 AULA 07 Distribuições Discretas de Probabilidade Ernesto F. L. Amaral 31 de agosto de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro:
Leia maisEstudo de um Detetor de Geiger Mestrado Integrado em Engenharia Física
Faculdade de Ciências e Tecnologias da Universidade de Coimbra Departamento de Física Estudo de um Detetor de Geiger Mestrado Integrado em Engenharia Física Laboratórios de Física TP1 Emanuel Duarte 21314629
Leia maisMétodos Numéricos e Estatísticos Parte II-Métodos Estatísticos
Métodos Numéricos e Estatísticos Parte II-Métodos Estatísticos Lic. Eng. Biomédica e Bioengenharia-2009/2010 Modelos de regressão É usual estarmos interessados em estabelecer uma relação entre uma variável
Leia maisFunções Geradoras de Variáveis Aleatórias. Simulação Discreta de Sistemas - Prof. Paulo Freitas - UFSC/CTC/INE
Funções Geradoras de Variáveis Aleatórias 1 Funções Geradoras de Variáveis Aleatórias Nos programas de simulação existe um GNA e inúmeras outras funções matemáticas descritas como Funções Geradoras de
Leia maisL 320/8 Jornal Oficial da União Europeia
L 320/8 Jornal Oficial da União Europeia 17.11.2012 REGULAMENTO (UE) N. o 1078/2012 DA COMISSÃO de 16 de novembro de 2012 relativo a um método comum de segurança para a atividade de monitorização a aplicar
Leia maisMATRIZ DA PROVA DE EXAME
MATRIZ DA PROVA DE EXAME (AVALIAÇÃO DO REGIME NÃO PRESENCIAL E AVALIAÇÃO DE RECURSO) MATEMÁTICA APLICADA ÀS CIÊNCIAS SOCIAIS - 11º ANO Módulos 4, 5 e 6 Duração da Prova 135 minutos Modalidade: Prova escrita
Leia maisAula 2 Uma breve revisão sobre modelos lineares
Aula Uma breve revisão sobre modelos lineares Processo de ajuste de um modelo de regressão O ajuste de modelos de regressão tem como principais objetivos descrever relações entre variáveis, estimar e testar
Leia maisMOQ-12 Cadeias de Markov
Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica MOQ-12 Cadeias de Markov Professora: Denise Beatriz T. P. do Areal Ferrari denise@ita.br Roteiro Introdução Processos Estocásticos
Leia maisp TPP = (6.1) e a rajada de perda de pacote é medida pela Comprimento Médio da Rajada (CMR ) que é dada por
6 Perdas de Pacotes O problema de perda de pacotes em rajadas nas redes IP e redes móveis é um dos fatores mais importantes a serem considerados na análise de sistemas de reconhecimento de voz distribuídos.
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS Em uma grande escola, 10% dos alunos são comprovadamente fracos. Um teste educacional conseguiu identificar corretamente 80% entre aqueles que são fracos e 85% entre aqueles que
Leia maisInfluencia de Distribuições a priori na Analise Bayesiana em dados de contagem
Influencia de Distribuições a priori na Analise Bayesiana em dados de contagem Olinda Fátima dos Santos 1 Carla Regina Guimarães Brighenti 1 1-Introdução A utilização de informação a priori em inferência
Leia maisAnálise de Aderência e de Associação
Análise de Aderência e de Associação Capítulo 14, Estatística Básica (Bussab & Morettin, 8a Edição) Capítulo 8, Introdução Computacional à Probabilidade e Estatística (Pedrosa & Gama, Porto Editora) 8a
Leia maisTESTE DE COMPARAÇÃO MÚLTIPLA
SUMÁRIO 1 TESTE DE COMPARAÇÃO MÚLTIPLA Quando a aplicação da análise de variância conduz à rejeição da hipótese nula, temos evidência de que existem diferenças entre as médias populacionais. Mas, entre
Leia maisPlanejamento e Otimização de Experimentos
Planejamento e Otimização de Experimentos Um Pouco de Estatística Descritiva Prof. Dr. Anselmo E de Oliveira anselmo.quimica.ufg.br elcana@quimica.ufg.br Populações, Amostras e Distribuições População
Leia mais