2. Métricas espaciais

Tamanho: px
Começar a partir da página:

Download "2. Métricas espaciais"

Transcrição

1 . Métrcas espacas.. Defnções Um dos aspectos mas relevantes no planejamento de um sstema logístco é a defnção da localzação dos pontos que formam uma cadea de suprmentos. Esses pontos são, normalmente, assocados a fornecedores, produtores, armazéns, depóstos e clentes, ou quasquer outros elementos de uma rede logístca para os quas é possível demarcar sua posção geográfca. A defnção da posção geográfca desses pontos contrbu, sobremanera, para reduzr custos de transportes, mnmzar tempo de atendmento, mamzar a satsfação do clente ou otmzar alguma medda de utldade que reflta as estratégas adotadas por uma cadea de suprmento. Tem-se, portanto de buscar métodos de análse que resolvam problemas de localzação geográfca dos pontos de uma cadea de suprmento, medndo de forma acurada as dstâncas entre esses pontos e procurando stuá-los de forma otmzada sob restrções de capacdade de produção, transporte, tempos e custos. De níco, uma característca mportante na análse de problemas de localzação é a restrção de percurso. Quando há condconantes de camnho entre dos pontos de uma cadea de suprmentos, fca-se dante de uma rede, onde os nós são os pontos já menconados e os camnhos são os arcos da rede. A análse de rede representa, de forma geral, os problemas de localzação sob um sstema de transporte em uma malha já defnda, onde se tem determnadas as possbldades de percursos. A otmzação de percursos em uma rede é tratada através de grafos e não será menconada nesta dssertação. PIZZOLATO [003] comenta que, quando não há restrção de percurso, pode-se dzer que há um conjunto nfnto de tneráros entre dos pontos, que, para os casos tratados nessa dssertação, este conjunto estara no mesmo plano. Este tpo de análse sem restrção de percurso se presta, por eemplo, para localzação de nstalações petrolíferas no mar ou para a defnção de pontos de dstrbução de servços elétrcos, telefôncos e de água. Também, pode-se utlzar esta abordagem para projetos de rede com restrções no percurso, onde há um número epressvo de confgurações, sem a necessdade de resultados detalhados. Um eemplo para esses casos ocorre, geralmente, em áreas geográfcas amplas,

2 8 onde os pontos, a serem determnados, podem ser cdades. estes casos agregamse os dados, smplfcando a análse e encontrando respostas menos precsas porém mas rápdas. Dante dessas ocorrêncas, ttula-se esse tpo de análse como análse agregada. a análse agregada sem restrções de percurso, o prmero passo para o problema de localzação de pontos é a defnção da métrca que se utlzará para a mensurar as dstâncas entre esses pontos. As métrcas mas utlzadas são a Métrca Eucldana e a Métrca Retangular. Conforme PIZZOLATO [003], a Métrca Eucldana utlza-se do prncípo de que o camnho mas curto entre dos pontos é uma reta e a mensuração dessa reta provém da geometra básca desenvolvda por Eucldes. A Métrca Retangular é mas utlzada em rede de artéras urbanas por ser mas coerente com os traçados perpendculares das rotas consttuídas de ruas e avendas, normalmente, ebdos nas cdades modernas ou planejadas. A Métrca Retangular é referencada, mutas vezes pelos autores norte-amercanos, como Métrca de Manhattan ou Métrca Metropoltana, devdo ao delneamento da rede urbana de transportes da Ilha de Manhattan na cdade de ew Yor. As dstâncas entre dos pontos nas métrcas eucldana e retangular podem ser defndas da segunte forma: Y B (XB,YB) A (XA,YA) Dstânca Eucldana Dstânca Retangular X Fgura Dstânca Eucldana e Retangular Dstânca Eucldana: DE AB [( X ) ( ) ] / A XB + YA YB

3 9 Dstânca Retangular: DR AB [ XA XB + YA YB ] a prátca, numa cadea de suprmento, raramente tem-se um trajeto entre dos pontos em forma de uma lnha reta ou de forma retangular tão clássca quanto da Ilha de Manhattan. ormalmente as dstâncas efetvas entre pontos são maores que a dstânca eucldana, já que essa é a dstânca mínma. Então para se usar a Métrca Eucldana ou a Métrca Retangular, procura-se ajustá-las às dstâncas reas, empregando um fator de correção. Esse fator, segundo OVAES [989], pode ser obtdo por regressão smples, tendo-se portanto: D AB a + bdeab ou D AB a + bdrab OVAES[970], tomando como amostra 0 lgações sobre a rede de estradas pavmentadas do Estado de São Paulo, ajustou, por regressão smples ( R 0, 989 ), a segunte relação entre as dstânca real e eucldana: D 3,9 +, DE (para DE 60Km ) D, 48DE (para D 60Km) O mesmo fo feto para a malha ferrovára do Estado de São Paulo, resultando na segunte relação ( R 0, 990 ) : D 9,8 +, 5DE Para a malha urbana da cdade de São Paulo, determnaram-se as seguntes relações entre a dstânca efetva e dstâncas eucldanas ou retangulares, meddas em qulômetros:

4 0 D 0,8+, 366DE (amostra de 57 pares de pontos, R 0, 950 ) D,3 +, 048DR (amostra de 30 pares de pontos, R 0, 766 ) Segundo OVAES [989], observa-se nas fórmulas de ajustes apresentadas anterormente que os fatores de correção para as malhas urbanas são geralmente maores que os estmados para as malhas rodováras. Isto ocorre devdo não só a razões hstórcas e geomorfológcas de crescmento das cdades mas pelas restrções de tráfego como sentdos obrgatóros e cruzamentos. OVAES [989] mencona que, ndependente do tpo de malha rodovára que se leva em conta, os fatores de correção para a Métrca Eucldana apresentam valores maores que os fatores para a Métrca Retangular,. De fato, se a dstânca retangular é sempre gual ou maor que a dstânca eucldana, sto deve normalmente ocorrer, ou seja: DEAB DRAB D b D b b R < b E R E DE DR AB AB Segundo OVAES [989], adota-se, para estudos prelmnares em malhas urbanas, b E gual a,30. Este mesmo valor é ctado por LOVE et al [988], como o sendo utlzado na provínca de Ontáro, no Canadá. Entretanto para a rede rodovára nos EUA, as dstâncas entre as prncpas cdades são 8% maores que as dstâncas eucldanas. Alguns autores apresentam outros tpos de métrcas para a mensuração de dstânca entre pontos. Embora essas métrcas não sejam tão utlzadas quanto às métrcas retangulares e eucldanas, elas podem medr com maor efcáca as dstâncas entre pontos, conforme as característcas de algumas malhas de transporte. LOVE et al [988] comentam ser naproprado assumr somente as métrcas eucldana e retangular como soluções de ajustes das dstâncas entre pontos. Os autores concluem que as métrcas eucldana e retangular são apenas dos casos

5 especas, onde ρ é gual a e ρ é gual a, respectvamente, para a segunte função: D ρ ρ / [ X ] ρ A XB + YA Y, ρ. ρ ( AB) B Modelar as dstâncas reas usando Dρ ( AB) como função resultara em meddas mas acuradas do que se restrngr o uso para a métrca retangular ( ρ ) ou métrca eucldana( ρ ). LOVE et al [988] apresentam, portanto, cnco fórmulas que foram utlzadas para mensuração de dstâncas em áreas urbanas e ruras amercanas na década de 70. São elas: A prmera fórmula é uma métrca retangular com os eos nclnados de um ângulo θ, com um fator de correção constante K e dos pontos q com coordenadas (q,q) e r com coordenadas (r,r): d ( q, r; ) q( θ ) r( θ ), θ, > 0 onde q ( θ ) qcosθ + qsenθ, r ( θ ) rcosθ + r senθ, ( θ ) qsenθ cosθ e r ( θ ) rsenθ + r cosθ q + q A segunda fórmula é a métrca eucldana( ρ ) com um fator de correção constante K, para dos pontos q e r com coordenadas (q,q) e (r,r), respectvamente: / d ( q, r; ) ( q r), > 0 A tercera fórmula é uma generalzação da segunda fórmula. Para outros valores de ρ, e usando nclnações de eos, pode-se obter dstâncas mas precsas. Ela utlza um fator de correção constante K,

6 para dos pontos q e r com coordenadas (q,q) e (r,r), respectvamente: / ρ ρ 3,, q r ( q r; ρ) d, > 0, ρ LOVE et al [988] utlzaram essa fórmula com e ρ guas a, para o cálculo de dstâncas de armazéns com baías retangulares e observaram que para plantas de armazéns com retornos obrgatóros para cruzamentos, o valor de K se alterava, dferentemente do valor de ρ. Ou seja, quanto maor era o número de bloqueos, K aumentava epressvamente e ρ tenda a permanecer com valores prómos a. Os autores acrescentam que o mesmo racocíno se aplca a malhas urbanas com ruas de mão únca e retornos obrgatóros para cruzamentos. A quarta fórmula é um desdobramento da tercera fórmula e também pode obter valores de dstâncas mas precsos com a nclnação dos eos. Ela utlza um fator de correção constante K, para dos pontos q e r com coordenadas (q,q) e (r,r), respectvamente. Os parâmetros ρ e s podem ter valores dferentes. d / s ρ 4,, q r ( q r;, s) ρ, > 0, ρ, ρ / s A qunta fórmula utlza, para dos pontos q e r com coordenadas (q,q) e (r,r) respectvamente, os fatores m,m e m3 como correção ao nvés do K utlzado em outras fórmulas: d / [ ], 0 ( q r; m, m, m ) m( q r) + m( q r)( q r ) + m3( q r ) 5, 3 m > e m < 4mm3

7 3 LOVE et al [988] aplcaram estas cnco fórmulas em 7 regões dos Estados Undos. As dstâncas foram obtdas ou através das secretaras de transportes das regões ou dretamente de mapas de estradas publcados. Os autores escolheram regões que representassem a rede de estradas amercanas com seus dversos graus de obstruções físcas. Para seleconarem as melhores fórmulas foram utlzados dos crtéros de ajuste: O prmero crtéro de decsão era a mnmzação da soma dos desvos absolutos, sto é: AD f v v j t j+ d f ( a j, a ) A t jt, onde AD f - soma dos desvos absolutos entre a dstânca ajustada por uma fórmula e a dstânca real; d f ( a j t, a ) - A dstânca ajustada por uma fórmula; A jt - A dstânca real; O segundo crtéro de decsão mnmza a soma dos quadrados dos desvos absolutos, dvddos pelas dstâncas reas. SD f v [ ] v d f ( a j, at ) Ajt j t j+ A jt Este crtéro normalza os desvos quadrados e tem maor sensbldade para grandes desvos.

8 4 Os resultados da pesqusa de LOVE et al [988] ndcaram a quarta fórmula como a de melhor ajuste para as regões escolhdas. Contudo, nem sempre a defnção de seus parâmetros satsfzeram as condções necessáras de convedade, prejudcando o seu uso em modelos de locação com funções objetvas. A tercera e a qunta fórmula cumprram as condções de convedade para todos os casos e tveram bons ajustes. A tercera fórmula apresentou melhores resultados para eos com alguma nclnação aos eos orgnas. Fnalmente, BALLOU [00] apresenta duas fórmulas nteressantes para ajustamento de dstâncas a dstâncas reas. A prmera fórmula tem característcas híbrdas das métrcas retangulares e eucldanas e fo desenvolvda por BRIMLEY & LOVE [99]: D ab b + b [ ] / [ X X + Y Y ] + b ( X X ) + ( Y Y ) 0 a b a b a b a b Os coefcentes b0, b e b são encontrados pelo ajustamento da equação à dstânca real. A segunda fórmula evta as dstorções causadas na projeção de um globo num plano, utlzando as coordenadas de lattude-longtude e a fórmula de dstânca de grande círculo (trgonometra esférca). A fórmula do grande círculo (trgonometra esférca) é: D ab [ sen( LAT ) sen( LAT ) + cos( LAT ) cos( LAT ) LOG LOG ] { arccos } 3959 cos a b a b b a onde: Dab Epressa a dstânca entre os pontos a e b em mlhas; LAT a, LAT b Lattudes dos pontos a e b em radanos; LOG a, LOG b Longtudes dos pontos a e b em radanos; BALLOU [00] apresenta algumas vantagens para o uso desta fórmula: É possível utlzar as coordenadas de lattude e longtude em qualquer parte do mundo;

9 5 Há váras fontes dsponíves apresentando as lattudes e longtudes de dversos pontos do planeta; Os resultados são precsos; O sstema de coordenadas é bastante conhecdo. O autor mencona que o método do grande círculo é, geralmente, o método escolhdo em programas de computador para o planejamento logístco e utlza-se, na sua aplcação, os fatores de correção,7 e,0 para rodovas e ferrovas respectvamente... Ponto central... Métrca Eucldana Os problemas de localzação de pontos de uma cadea logístca têm como eemplo mas básco a defnção de somente um ponto que atenda a város outros pontos conhecdos desta cadea. A determnação deste ponto partu de soluções para obtenção do ponto central eucldano. Os prmeros resultados para se consegur o ponto central datam do começo do século XVII com Torrcell e Fermat e passam por város matemátcos como Henen, Smpson, Slvester e Perce. São soluções puramente geométrcas sem relação com produção ou custos. Somente com WEBER [909] teve-se o prmero caso de ncorporação da teora de locação ndustral na determnação do ponto central. Este ponto vsava otmzar meddas de utldade como tempo ou custo. Sua posção estara mnmzando a soma das dstâncas ponderadas dos pontos dados e as suas coordenadas, estaram determnadas satsfazendo à segunte função objetvo: [ ] / Mn f (, ) P ( ) + ( ) O ponto mínmo (,) é a solução da função objetvo. Este ponto é obtdo gualando a zero as dervadas de f(,) em relação à e. Tem-se, então:

10 6 f (, ) / P( ).[ ( ) + ( ) ] 0 f (, ) / P( ).[ ( ) + ( ) ] 0 Das equações acma, tem-se: P P [( ) + ( ) ] [( ) + ( ) ] / / e P P [( ) + ( ) ] [( ) + ( ) ] / / que são as coordenadas do ponto central. Observando as fórmulas das coordenadas, do ponto central, fca claro que a sua determnação requer algum método teratvo de convergênca, pos, para determnarmos e, precsa-se conhecer as dstâncas dos outros pontos ao ponto (,), o que envolve as varáves e que se deseja determnar. As soluções encontradas até a metade do século passado não travam proveto do cálculo numérco e de sua matemátca teratva, utlzada somente a partr do advento da nformátca. Entretanto E. Wesfeld, no ensao Sur le pont lequel la somme des dstances de n ponts donnés est mnmum publcado em 937 pela revsta japonesa Tôhou Mathematcs Journal, apresentou um método teratvo como solução que, curosamente, fcou totalmente desconhecdo até o fnal dos anos 60. Devdo a este fato, o método de Wesfeld é conhecdo como de autora de H.W. Kuhn e E. Kuenne pelo ensao An effcent algorthm for the

11 7 numercal soluton of the generalzed Weber problem n spatal problem, publcado em 96 pelo Journal of Regonal Scence. Segundo BALLOU[00], LEAL[003] e OVAES [989], o método de Wesfeld consste de:. Consdere ncalmente / + gual para qualquer valor de, ou seja a dstânca de qualquer ponto dado ao ponto central é a mesma;. Calcule os prmeros valores para e, com as seguntes fórmulas: P P 0 e P P 0 3. Calcule os valores de / +, usando os valores determnados anterormente para 0 e 0 ; 4. Use os valores determnados para / +, para calcular e através das fórmulas: + + P P / 0 0 / 0 0 e

12 8 P P / / 5. Repta as etapas 3 e 4 até que as terações sucessvas obedeçam a um crtéro de convergênca. Usam-se dos crtéros de convergênca. Um sera consderar a dferença relatva entre dos pontos sucessvos da teração menor que a precsão almejada. ( + ) ( ) ( ) / ε e ( + ) ( ) ( ) / ε O segundo crtéro tratara de termnar a teração da determnação do ponto central, epondo as dervadas parcas zero, a um valor bem prómo do nulo. f (, ) / e f (, ) / que tendem a f (, ) / ε e f (, ) / ε Há a possbldade do ponto central concdr com um dos pontos dados e, neste caso, haver a anulação da dstânca eucldana, provocando nstabldade numérca no cálculo. Para esses casos, OVAES[989] propõe o acréscmo de uma constante à segunte fórmula e eemplfca o valor do acréscmo em torno de 50 metros para dstâncas na ordem de qulômetros, sto é, 5 centésmos da undade medda da dstânca: De + / + D D, a constante referda, é postva e de valor desprezível. O método de Wesfeld é utlzado no tem SISLOG/Métrcas Espacas/Métrca Eucldana. este eemplo, ε está representado pelo campo

13 9 Precsão(%) e seu valor deve ser fornecdo em porcentagem. O campo Dt sgnfca a constante D. Fgura Entrada de dados do SISLOG/Métrcas Espacas/Métrca Eucldana FRACIS et al [99] abordam, de outra forma, a questão do ponto ótmo concdr com um dos pontos dados. Consderam o segunte vetor: m γ ( P)( P P), onde p γ ( X ), P é uma possível melhor locação de + / coordenadas (,), P é um dos pontos fornecdos juntamente com P e p é o peso relatvo no ponto. Defnem apresentado e concluem que relação: ρ como a dstânca entre a orgem e o vetor P será a melhor locação se satsfzer a segunte ρ p

14 30 Portanto, se for testada esta relação antes de se terar pelo método de Wesfeld, poder-se-á conclur se algum dos pontos dados é uma melhor locação ou não, evtando-se o uso de D, ou dspensando o método teratvo caso seja comprovada a concdênca com algum ponto dado. Conforme um eemplo de FRACIS et al [99], tem-se os seguntes valores: 3 4 p /6 /3 /3 /6 P (4,) (8,5) (,8) (3,) Tabela Pontos do eemplo de métrca eucldana de FRACIS et al [99] O valor de ρ, o ρ K termo para o ponto (4,) é 0, Este valor é maor que /6, não satsfazendo a relação ρ p. O valor de ρ é 0, que é menor que /3, o valor de p. Para o ponto (8,5) a relação ρ p é satsfeta, portanto P é uma melhor locação. FRACIS et al [99] apresentam também um outro crtéro de convergênca das terações pelo método de Wesfeld. Os autores apresentam a segunte relação: f ( X * ) { f ( X ) P : m} f ( X ) f ( X ) X + mn,...,, onde [ ] / * f ( X ) é o mínmo valor para f ( X ) P ( ) + ( ) f ( X ) é um provável mínmo valor de f ( X ) P ( ) + ( ) K-ésma teração; f ( X ) é o vetor lnha γ ( X)( X X) m P :,..., m são os pontos dados. [ ] / ; na O lado dreto da relação é o lmte nferor da função f (X ). Os autores chamam de gap a dferença entre o valor de f (X ) e o menor valor que ele

15 3 podera ter na -ésma teração. Quando gap for zero ou bem prómo de zero, sgnfca que X é o ponto central ótmo e que se podem encerrar as terações do Método de Wesfeld. FRACIS et al [99] propõem o uso do gap dvddo pelo menor valor que f (X ) podera ter na -ésma teração como um erro relatvo, er, a ser usado nas terações computaconas de locação ótma. Assm, tem-se: er mn f ( X ) T T { f ( X ) P :,..., m} f ( X ) X T T f ( X ) X + mn{ f ( X ) P :,..., m} A tabela a segur apresenta os pontos e os seus respectvos pesos usados no tem SISLOG/Métrcas Espacas/Métrca Eucldana. Este eemplo também é usado por FRACIS et al [99]. Ponto p P 0 0 P 0 0 P3 5 0 P4 6 Tabela Pontos do eemplo do SISLOG/Métrcas Espacas/Métrca Eucldana Como se tem o conhecmento antecpado de que nenhum ponto fornecdo é o ponto central, assumu-se Dt ou D gual a zero e para se obter um número consderável de apromações, adotou-se uma precsão(%) de 0,05. A coluna lmte_nferor epressa a relação: T { f ( X ) P : m} T Lmte _ Inferor f ( X ) f ( X ) X + mn,...,

16 3 Fgura 3 SISLOG/Métrcas Espacas/Métrca Eucldana/Resultado Deste modo pode-se constatar que o valor de f (X ) e seu lmte nferor convergem para 4,597, ou a sua dferença, no programa chamada de Gap, tende a zero. Algumas observações devem ser fetas quanto ao método de Wesfeld. Uma delas é relatada por BALLOU [00] quando conclu que, para uma solução bem próma da ótma, as fórmulas para 0 e 0, apresentadas, anterormente no segundo tem do método de Wesfeld, são sufcentes. As pesqusas realmente demonstram que o erro de se usar essas fórmulas é sgnfcantemente pequeno para os casos de: O peso de um ou alguns pontos não for epressvamente maor do que os pontos restantes; Haver um grande número de pontos dados; Consderar o peso, quando representado por custos ou recetas de transportes, lnearmente proporconas à dstânca. BALLOU [00] estma um erro médo de,6% do valor ótmo, para 50 pontos e taas lneares de transporte. o eemplo apresentado anterormente para somente 4 pontos, caso fosse consderada a ª apromação X * (4,50;4,000),

17 33 F(X) tera o valor de 5,63. Este valor é,07% maor que o valor de F(X) no ponto ótmo (4,).... Métrca Retangular A determnação do ponto central, que vsa otmzar meddas de utldade como tempo, dstâncas ou custos em relação a dversos outros pontos, pode segur a métrca retangular, quando aplcada à rede de corredores no nteror de armazéns retangulares ou malhas urbanas com característcas retangulares em suas vas. Sua solução está na otmzação da segunte função: Mn f (, ) P[ + ] + é a dstânca retangular entre um ponto de localzação e um ponto dado. A relação pode ser dstrbutvamente representada por: f (, ) P + P Consderando: f ( ) P e f ( ) P Tem-se: f (, ) f ( ) + f ( ) O nteressante na métrca retangular é que o momento de transporte total é a soma do momento de transporte no eo e o momento de transporte no eo. Se, portanto, f (, ) é gual a f ) + f ( ) e os dos termos f ( ) e f ( ) se ( mostram ndependentes, pode-se conclur que a mnmzação de f (, ) se dá mnmzando f ( ) e f ( ), separadamente. E mas, deduz-se que, como f ( ) e

18 34 f ( ) apresentam característcas guas como função, o modo de mnmzar uma função certamente se aplca a outra função. OVAES[989] apresenta um método efcente para a determnação dos mínmos de f ( ) e f ( ) conhecdo como Método de Fbonacc. Como a funçãosoma dos módulos é uma polgonal convea unmodal, pode-se afrmar que ela só tem um únco ponto mínmo. Sua forma, para o eo, no eemplo a segur é: 3 P X(,) (0,0) (5,0) (8,9) Tabela 3 Pontos para o eemplo do método de Fbonacc f ( ) Fgura 4 Gráfco da função f ( ) A aplcação do Método de Fbonacc segue o segunte pseudocódgo: Iníco Lea K;

19 35 /* K é o número de terações que determnará a precsão fnal deste */ /*processo*/ Encontre o etremo nferor de ; X:etremo nferor; Encontre o etremo superor de ; Xs:etremo superor; S:X; S:Xs; F:/(+ 5 ); /* F é o nverso da razão da seção áurea */ /* o segmento s-s é dvddo em 3 partes pelos pontos R e R*/ :; /* contador das terações*/ Enquanto K faça R:(-F)*(S-S)+S; R:F*(S-S)+S; G: f ( ) ; R G: f ( ) ; R Se G G então S:R Senão S:R; Fm se; I:+; Fm enquanto; Xc:(S+S)/; /* Xc é a abscssa do ponto central procurado*/ Fm Usa-se o mesmo pseudocódgo para se determnar Yc, cuja função para o eemplo eposto é: f ( )

20 Fgura 5 - Gráfco da função f ( ) O método de Fbonacc é utlzado no tem SISLOG/Métrcas Espacas/ Métrca Retangular/Método Fbonacc. K está representado pelo Campo úmero de Iterações. Segundo OVAES [989], o número de terações determna a precsão fnal do método, em relação ao ntervalo (S-S) ncal, descrto no pseudocódgo e esta precsão pode ser defnda como: ε F, onde ε é a precsão fnal. + 5 o eemplo anteror consderando o ntervalo ncal Xs-X gual a (8-0) e Ys-Y gual a (0-9), ambos meddos em qulômetros, tem-se, para um número de terações gual a 0, as precsões em relação as coordenadas X e Y, ε e ε, respectvamente: ε ε.( Xs X).(8 0) 53cm e ε ε.( Ys Y).(0 9) 73cm + 5 0

21 37 É possível que para um determnado problema deseja-se estmar o número de terações sufcentes para se atngr um certo valor de precsão ε. este caso tem-se para o número de terações K: K log(ε ) log(0,68034) Supondo o mesmo eemplo e desejando uma precsão de 50cm para ambas as coordenadas, ter-se-a: K log( ε ).log(8 0) log(0,0005).log(8) 3 log(0,68034) log(0,68034) e K log( ε ).log(0 9) log(0,68034) log(0,0005).log() log(0,68034) 38 Consderar-se-a o maor valor entre K e K, ou seja, 38 terações. Como o método apresentado por OVAES [989] é uma smplfcação do processo de Fbonacc, o autor recomenda usar K gual a 0. Este valor é,portanto, usado para resolver o eemplo apresentado na tabela a segur pelo tem

22 38 SISLOG/Métrcas Espacas/ Métrca Retangular/Método Fbonacc. Cdade X Y P (população) Tabela 4 Entrada de dados para SISLOG/Métrcas Espacas/Métrca Retangular/Método Fbonacc Fgura 6 - Entrada de dados do SISLOG/Métrcas Espacas/ Métrca Retangular/Método Fbonacc

23 39 O resultado, após 0 terações é: Fgura 7- Resultado do SISLOG/Métrcas Espacas/ Métrca Retangular/Método Fbonacc O programa SISLOG /Métrcas Espacas/Métrca Retangular/ Método Fbonacc permte entrar ou com o número de terações (K) ou com a precsão (ε ) e fornece, além do ponto central, as precsões ao longo dos eos das abscssas (ε ) e ao longo dos eos das ordenadas (ε ). Observa-se pelos gráfcos de f ( ) e f ( ) das fgs.4 e 5, já apresentados do eemplo anteror, que o ponto mínmo de ambas as funções encontra-se em uma abscssa ou ordenada de um ponto dado. Para determnar qual a abscssa ou ordenada que representa o mínmo de cada função, utlza-se um processo chamado Método da Dervada. Antes do Método da Dervada ser apresentado, cabem aqu algumas observações de FRACIS et al [99]. Voltando para os pontos fornecdos e representados grafcamente, tem-se : f ( ) , onde para 0 0 f ( ) (0 ) + (5 ) + (8 ) 43 3 ;

24 40 0 < 5 f( ) ( 0) + (5 ) + (8 ) 3 ; 5 < 8 f( ) ( 0) + ( 5) + (8 ) 7; > 8 f( ) ( 0) + ( 5) + ( 8) FRACIS et al [99], prmeramente, ordenam os valores das ordenadas ou das abscssas de forma crescente e observam que o coefcente de ou em algum ntervalo defndo por pontos adjacentes é a soma dos pesos dos pontos à esquerda menos a soma dos pesos dos pontos à dreta do ntervalo. Para f ( ), os valores de ordenados são 0,5 e 8. O coefcente de no ntervalo (0,5) é gual a (-(+)), ou seja, - e que o coefcente de neste ntervalo epressa o valor da dervada neste ntervalo. Os autores também relatam que o últmo coefcente de é gual à soma de todos os pesos e que este coefcente é smétrco com relação ao prmero. Outra afrmação verdadera é que o coefcente de em algum ntervalo, com eceção do prmero, é gual à soma do coefcente do ntervalo anteror com o dobro do peso do ponto lmte entre ambos os ntervalos. Por eemplo, o coefcente + de -7 é gual a ( +(*)) e o coefcente +3 de 3-43, é o resultado da soma de + de -7 pelo dobro de de 8. Esta últma observação faclta a determnação dos coefcentes que compõem f ( ). O prmero coefcente é p, a partr do prmero determna-se o segundo, o tercero e assm por dante. Sabendo-se que o ponto mínmo de f ( ) se dá quando a dervada de f ( ) passa de não-postva para não-negatva e que as dervadas de f ( ) estão representadas pelos coefcentes de em cada ntervalo, conclu-se que este ponto é um ponto determnado pelas abscssas fornecdas pelos pontos dados. Portanto, para se determnar o mínmo, se estabelece o segunte pseudocódgo para f ( ), conforme LEAL[003]: Inco Ordene os pesos por ordem crescente das abscssas; Mn: :0; n p Enquanto Mn < 0 faça ;

25 4 Fm :+; Mn : Mn + ; fm enquanto X mn : p O mesmo se faz para determnar Ymn. FRACIS et al [99] utlzam um outro procedmento para determnar Xmn e Ymn. Agora se somam os pesos, um a um, e o resultado da soma com cada parcela acrescda é comparado com a metade do somatóro dos pesos. Se o resultado da soma for maor que a metade do somatóro, Xmn ou Ymn será o ponto da últma parcela de peso acrescda. Por eemplo, no eemplo anteror, para se determnar Xmn, a metade do somatóro é 3/ ou,5. a prmera parcela é, que é menor que,5. A segunda parcela é, que ultrapassa,5. Então, o ponto da segunda parcela defne o valor de Xmn, sendo gual a 5. a verdade este método conhecdo como método da medana é deduzdo do método da dervada. este método também as abscssas ou ordenadas são colocadas em ordem crescente para o cálculo de Xmn ou Ymn, respectvamente. Assm descreve-se o pseudocódgo para Xmn. Inco Ordene os pesos por ordem crescente das abscssas; n p : Compara ;/* termo de comparação para o somatóro dos pesos*/ soma:0; :0; enquanto (soma<compara) faça :+; soma:soma+ fm enquanto Xmn: p ;

26 4 Fm Este pseudocódgo serve para determnar Ymn. A resolução do ponto central pelo Método da Dervada está apresentada no tem SISLOG/Métrcas Espacas/Métrca Retangular/Método da Dervada, para os pontos apresentados na tabela a segur. Para este tem fo utlzado o segundo pseudocódgo, tanto para Xmn como para Ymn. 3 P X(,) (0,0) (5,0) (8,9) Tabela 5 - Entrada de dados para SISLOG/Métrcas / Métrca Retangular/Método da Dervada O resultado para o ponto central é formado pela abscssa do ponto e a ordenada do ponto. Fgura 8 Resultado do SISLOG/Métrcas Espacas/ Métrca Retangular/Método da Dervada

6 Revisão Bibliográfica

6 Revisão Bibliográfica 45 6 Revsão Bblográfca 6. Métrcas Espacas A defnção da localzação dos pontos que formam uma cadea de suprmentos é um dos aspectos mas mportantes no planejamento de um sstema logístco. ormalmente estes

Leia mais

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,

Leia mais

CORRELAÇÃO E REGRESSÃO

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

Leia mais

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

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

Leia mais

D- MÉTODO DAS APROXIMAÇÕES SUCESSIVAS

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

Leia mais

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

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

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

Estatística II Antonio Roque Aula 18. Regressão Linear

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

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

Algarismos Significativos Propagação de Erros ou Desvios

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

Leia mais

Capítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES

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

Leia mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média. Estatístca Dscplna de Estatístca 0/ Curso de Admnstração em Gestão Públca Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos uns dos

Leia mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média. Estatístca Dscplna de Estatístca 0/ Curso Superor de tecnólogo em Gestão Ambental Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos

Leia mais

2 Incerteza de medição

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

Leia mais

5 Relação entre Análise Limite e Programação Linear 5.1. Modelo Matemático para Análise Limite

5 Relação entre Análise Limite e Programação Linear 5.1. Modelo Matemático para Análise Limite 5 Relação entre Análse Lmte e Programação Lnear 5.. Modelo Matemátco para Análse Lmte Como fo explcado anterormente, a análse lmte oferece a facldade para o cálculo da carga de ruptura pelo fato de utlzar

Leia mais

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

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

Leia mais

2 Análise de Campos Modais em Guias de Onda Arbitrários

2 Análise de Campos Modais em Guias de Onda Arbitrários Análse de Campos Modas em Guas de Onda Arbtráros Neste capítulo serão analsados os campos modas em guas de onda de seção arbtrára. A seção transversal do gua é apromada por um polígono conveo descrto por

Leia mais

7 - Distribuição de Freqüências

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

Leia mais

NOTA II TABELAS E GRÁFICOS

NOTA II TABELAS E GRÁFICOS Depto de Físca/UFMG Laboratóro de Fundamentos de Físca NOTA II TABELAS E GRÁFICOS II.1 - TABELAS A manera mas adequada na apresentação de uma sére de meddas de um certo epermento é através de tabelas.

Leia mais

Experiência V (aulas 08 e 09) Curvas características

Experiência V (aulas 08 e 09) Curvas características Experênca (aulas 08 e 09) Curvas característcas 1. Objetvos 2. Introdução 3. Procedmento expermental 4. Análse de dados 5. Referêncas 1. Objetvos Como no expermento anteror, remos estudar a adequação de

Leia mais

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

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

Leia mais

CAPÍTULO IV PROPRIEDADES GEOMÉTRICAS DA SEÇÃO TRANSVERSAL

CAPÍTULO IV PROPRIEDADES GEOMÉTRICAS DA SEÇÃO TRANSVERSAL CPÍTULO IV PROPRIEDDES GEOMÉTRICS D SEÇÃO TRNSVERSL Propredades Geométrcas da Seção Transversal 4. Propredades Geométrcas da Seção Transversal 4.. Introdução O presente trabalho é desenvolvdo paralelamente

Leia mais

Associação entre duas variáveis quantitativas

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

Leia mais

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES

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

Leia mais

PROVA 2 Cálculo Numérico. Q1. (2.0) (20 min)

PROVA 2 Cálculo Numérico. Q1. (2.0) (20 min) PROVA Cálculo Numérco Q. (.0) (0 mn) Seja f a função dada pelo gráfco abaxo. Para claro entendmento da fgura, foram marcados todos os pontos que são: () raízes; () pontos crítcos; () pontos de nflexão.

Leia mais

Prof. Lorí Viali, Dr.

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

Leia mais

4 Critérios para Avaliação dos Cenários

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

Leia mais

Flambagem. Cálculo da carga crítica via MDF

Flambagem. Cálculo da carga crítica via MDF Flambagem Cálculo da carga crítca va MDF ROF. ALEXANDRE A. CURY DEARTAMENTO DE MECÂNICA ALICADA E COMUTACIONAL Flambagem - Cálculo da carga crítca va MDF Nas aulas anterores, vmos como avalar a carga crítca

Leia mais

Análise Exploratória de Dados

Análise Exploratória de Dados Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: obter uma reta que se ajuste aos dados segundo o crtéro de mínmos quadrados; apresentar outros crtéros para a determnação de uma

Leia mais

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

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

Leia mais

REGRESSÃO LINEAR ANÁLISE DE REGRESSÃO LINEAR MÚLTIPLA REGRESSÃO CURVILÍNEA FUNÇÃO QUADRÁTICA

REGRESSÃO LINEAR ANÁLISE DE REGRESSÃO LINEAR MÚLTIPLA REGRESSÃO CURVILÍNEA FUNÇÃO QUADRÁTICA ANÁLISE DE REGRESSÃO LINEAR MÚLTIPLA REGRESSÃO LINEAR Verfcado, pelo valor de r, que ocorre uma sgnfcante correlação lnear entre duas varáves há necessdade de quantfcar tal relação, o que é feto pela análse

Leia mais

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu 1 Programação Não Lnear com Restrções Aula 9: Programação Não-Lnear - Funções de Váras Varáves com Restrções Ponto Regular; Introdução aos Multplcadores de Lagrange; Multplcadores de Lagrange e Condções

Leia mais

REGRESSÃO NÃO LINEAR 27/06/2017

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

Leia mais

Universidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Classificadores Lineares. Luiz Eduardo S. Oliveira, Ph.D.

Universidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Classificadores Lineares. Luiz Eduardo S. Oliveira, Ph.D. Unversdade Federal do Paraná Departamento de Informátca Reconhecmento de Padrões Classfcadores Lneares Luz Eduardo S. Olvera, Ph.D. http://lesolvera.net Objetvos Introduzr os o conceto de classfcação lnear.

Leia mais

3 Método Numérico. 3.1 Discretização da Equação Diferencial

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

Leia mais

CAPÍTULO VI Introdução ao Método de Elementos Finitos (MEF)

CAPÍTULO VI Introdução ao Método de Elementos Finitos (MEF) PMR 40 - Mecânca Computaconal CAPÍTULO VI Introdução ao Método de Elementos Fntos (MEF). Formulação Teórca - MEF em uma dmensão Consderemos a equação abao que representa a dstrbução de temperatura na barra

Leia mais

Responda às questões utilizando técnicas adequadas à solução de problemas de grande dimensão.

Responda às questões utilizando técnicas adequadas à solução de problemas de grande dimensão. Departamento de Produção e Sstemas Complementos de Investgação Operaconal Exame Época Normal, 1ª Chamada 11 de Janero de 2006 Responda às questões utlzando técncas adequadas à solução de problemas de grande

Leia mais

EXERCÍCIO: VIA EXPRESSA CONTROLADA

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

Leia mais

Gestão e Teoria da Decisão

Gestão e Teoria da Decisão Gestão e Teora da Decsão Logístca e Gestão de Stocks Estratégas de Localzação Lcencatura em Engenhara Cvl Lcencatura em Engenhara do Terrtóro 1 Estratéga de Localzação Agenda 1. Classfcação dos problemas

Leia mais

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

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

Leia mais

4.1 Modelagem dos Resultados Considerando Sazonalização

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

Leia mais

6 Análises de probabilidade de ruptura de um talude

6 Análises de probabilidade de ruptura de um talude 6 Análses de probabldade de ruptura de um talude 6.. Introdução No presente capítulo, apresentam-se prevsões de probabldades de ruptura para o talude de jusante da Barragem de Benguê mostrada na fgura

Leia mais

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

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

Leia mais

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)

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

Leia mais

Interpolação Segmentada

Interpolação Segmentada Interpolação Segmentada Uma splne é uma função segmentada e consste na junção de váras funções defndas num ntervalo, de tal forma que as partes que estão lgadas umas às outras de uma manera contínua e

Leia mais

Contabilometria. Aula 8 Regressão Linear Simples

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

Leia mais

Eletrotécnica AULA Nº 1 Introdução

Eletrotécnica AULA Nº 1 Introdução Eletrotécnca UL Nº Introdução INTRODUÇÃO PRODUÇÃO DE ENERGI ELÉTRIC GERDOR ESTÇÃO ELEVDOR Lnha de Transmssão ESTÇÃO IXDOR Equpamentos Elétrcos Crcuto Elétrco: camnho percorrdo por uma corrente elétrca

Leia mais

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

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

Leia mais

Dados ajustáveis a uma linha recta

Dados ajustáveis a uma linha recta Capítulo VI juste dos Mínmos Quadrados Dados ajustáves a uma lnha recta Determnação das constantes e B Incerteza nas meddas de Incerteza na determnação de e B juste dos mínmos quadrados a outras curvas:

Leia mais

Notas Processos estocásticos. Nestor Caticha 23 de abril de 2012

Notas Processos estocásticos. Nestor Caticha 23 de abril de 2012 Notas Processos estocástcos Nestor Catcha 23 de abrl de 2012 notas processos estocástcos 2 O Teorema de Perron Frobenus para matrzes de Markov Consdere um processo estocástco representado por um conunto

Leia mais

Regressão Múltipla. Parte I: Modelo Geral e Estimação

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

Leia mais

Variável discreta: X = número de divórcios por indivíduo

Variável discreta: X = número de divórcios por indivíduo 5. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas

Leia mais

Palavras-Chave: Métodos Interativos da Potência e Inverso, Sistemas Lineares, Autovetores e Autovalores.

Palavras-Chave: Métodos Interativos da Potência e Inverso, Sistemas Lineares, Autovetores e Autovalores. MSc leandre Estáco Féo ssocação Educaconal Dom Bosco - Faculdade de Engenhara de Resende Caa Postal 8.698/87 - CEP 75-97 - Resende - RJ Brasl Professor e Doutorando de Engenhara aefeo@yahoo.com.br Resumo

Leia mais

UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR

UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EATAS DEPARTAMENTO DE ESTATÍSTICA UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR

Leia mais

Covariância na Propagação de Erros

Covariância na Propagação de Erros Técncas Laboratoras de Físca Lc. Físca e Eng. omédca 007/08 Capítulo VII Covarânca e Correlação Covarânca na propagação de erros Coefcente de Correlação Lnear 35 Covarânca na Propagação de Erros Suponhamos

Leia mais

Prof. Lorí Viali, Dr.

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

Leia mais

Aula Características dos sistemas de medição

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

Leia mais

Curvas Horizontais e Verticais

Curvas Horizontais e Verticais Insttução: Faculdade de Tecnologa e Cêncas Professor: Dego Queroz de Sousa Dscplna: Topografa Curvas Horzontas e ertcas 1. Introdução Exstem dversas ocasões na engenhara em que os projetos são desenvolvs

Leia mais

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

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

Leia mais

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

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

Leia mais

Modelos para Localização de Instalações

Modelos para Localização de Instalações Modelos para Localzação de Instalações Prof. Dr. Ncolau D. Fares Gualda Escola Poltécnca da Unversdade de São Paulo Departamento de Engenhara de Transportes CLASSIFICAÇÃO DE WEBER (WEBER, Alfred. Uber

Leia mais

3 A técnica de computação intensiva Bootstrap

3 A técnica de computação intensiva Bootstrap A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.

Leia mais

CURSO A DISTÂNCIA DE GEOESTATÍSTICA

CURSO A DISTÂNCIA DE GEOESTATÍSTICA CURSO A DISTÂNCIA DE GEOESTATÍSTICA Aula 6: Estaconardade e Semvarânca: Estaconardade de a. ordem, Hpótese ntríseca, Hpótese de krgagem unversal, Crtéros para escolha, Verfcação, Representatvdade espacal,

Leia mais

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas 3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas

Leia mais

Medidas e resultados em um experimento.

Medidas e resultados em um experimento. Meddas e resultados em um expermento. I- Introdução O estudo de um fenômeno natural do ponto de vsta expermental envolve algumas etapas que, mutas vezes, necesstam de uma elaboração préva de uma seqüênca

Leia mais

Introdução a Combinatória- Aplicações, parte II

Introdução a Combinatória- Aplicações, parte II Introdução a Combnatóra- Aplcações, AULA 7 7.1 Introdução Nesta aula vamos estudar aplcações um pouco dferentes das da aula passada. No caso estudaremos arranjos com repetção, permutações crculares e o

Leia mais

Cap. IV Análise estatística de incertezas aleatórias

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

Leia mais

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

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

Leia mais

Laboratório de Mecânica Aplicada I Estática: Roldanas e Equilíbrio de Momentos

Laboratório de Mecânica Aplicada I Estática: Roldanas e Equilíbrio de Momentos Laboratóro de Mecânca Aplcada I Estátca: Roldanas e Equlíbro de Momentos 1 Introdução O conhecmento das condções de equlíbro de um corpo é mprescndível em númeras stuações. Por exemplo, o estudo do equlíbro

Leia mais

5 Formulação para Problemas de Potencial

5 Formulação para Problemas de Potencial 48 Formulação para Problemas de Potencal O prncpal objetvo do presente capítulo é valdar a função de tensão do tpo Westergaard obtda para uma trnca com abertura polnomal (como mostrado na Fgura 9a) quando

Leia mais

Regressão Linear Simples by Estevam Martins

Regressão Linear Simples by Estevam Martins Regressão Lnear Smples by Estevam Martns stvm@uol.com.br "O únco lugar onde o sucesso vem antes do trabalho, é no dconáro" Albert Ensten Introdução Mutos estudos estatístcos têm como objetvo estabelecer

Leia mais

4 Sistemas de partículas

4 Sistemas de partículas 4 Sstemas de partículas Nota: será feta a segunte convenção: uma letra em bold representa um vector,.e. b b Nesta secção estudaremos a generalzação das les de Newton a um sstema de váras partículas e as

Leia mais

Página 293. w1 w2 a b i 3 bi a b i 3 bi. 2w é o simétrico do dobro de w. Observemos o exemplo seguinte, em que o afixo de 2w não

Página 293. w1 w2 a b i 3 bi a b i 3 bi. 2w é o simétrico do dobro de w. Observemos o exemplo seguinte, em que o afixo de 2w não Preparar o Exame 0 0 Matemátca A Págna 9. Se 5 5 é o argumento de z, é argumento de z e 5 5. Este ângulo é gual ao ângulo de ampltude 5 é argumento de z.. Resposta: D w w a b b a b b. a b a a b b b bem

Leia mais

Introdução aos Problemas de Roteirização e Programação de Veículos

Introdução aos Problemas de Roteirização e Programação de Veículos Introdução aos Problemas de Roterzação e Programação de Veículos PNV-2450 André Bergsten Mendes Problema de Programação de Veículos Problema de Programação de Veículos Premssas Os roteros ncam e termnam

Leia mais

Capítulo 16: Equilíbrio Geral e Eficiência Econômica

Capítulo 16: Equilíbrio Geral e Eficiência Econômica Capítulo 6: Equlíbro Geral e Efcênca Econômca Pndck & Rubnfeld, Capítulo 6, Equlíbro Geral::EXERCÍCIOS. Em uma análse de trocas entre duas pessoas, suponha que ambas possuam dêntcas preferêncas. A curva

Leia mais

CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues

CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogéro Rodrgues I) TABELA PRIMITIVA E DISTRIBUIÇÃO DE FREQÜÊNCIA : No processo de amostragem, a forma de regstro mas

Leia mais

REGRESSÃO LINEAR ANÁLISE DE REGRESSÃO LINEAR MÚLTIPLA REGRESSÃO CURVILÍNEA FUNÇÃO QUADRÁTICA VERIFICAÇÃO DO AJUSTE A UMA RETA PELO COEFICIENTE 3 X 3

REGRESSÃO LINEAR ANÁLISE DE REGRESSÃO LINEAR MÚLTIPLA REGRESSÃO CURVILÍNEA FUNÇÃO QUADRÁTICA VERIFICAÇÃO DO AJUSTE A UMA RETA PELO COEFICIENTE 3 X 3 ANÁLISE DE REGRESSÃO LINEAR MÚLTIPLA REGRESSÃO LINEAR Verfcado, pelo valor de r, que ocorre uma sgnfcante correlação lnear entre duas varáves há necessdade de quantfcar tal relação, o que é feto pela análse

Leia mais

Prof. Lorí Viali, Dr.

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

Leia mais

AULA 4. Segundo Quartil ( Q observações são menores que ele e 50% são maiores.

AULA 4. Segundo Quartil ( Q observações são menores que ele e 50% são maiores. Estatístca Aplcada à Engenhara AULA 4 UNAMA - Unversdade da Amazôna.8 MEDIDA EPARATRIZE ão valores que separam o rol (os dados ordenados) em quatro (quarts), dez (decs) ou em cem (percents) partes guas.

Leia mais

Eletromagnetismo Aplicado

Eletromagnetismo Aplicado letromagnetsmo Aplcado Undade 5 Propagação de Ondas letromagnétcas em Meos Ilmtados e Polaração Prof. Marcos V. T. Heckler Propagação de Ondas letromagnétcas e Polaração 1 Conteúdo Defnções e parâmetros

Leia mais

Cálculo Numérico BCC760 Interpolação Polinomial

Cálculo Numérico BCC760 Interpolação Polinomial Cálculo Numérco BCC76 Interpolação Polnomal Departamento de Computação Págna da dscplna http://www.decom.ufop.br/bcc76/ 1 Interpolação Polnomal Conteúdo 1. Introdução 2. Objetvo 3. Estênca e uncdade 4.

Leia mais

Problemas de engenharia

Problemas de engenharia Análse de Sstemas de otênca Análse de Sstemas de otênca ( AS ) Aula 3 Operação Econômca de Sstemas de otênca 03//008 roblemas de engenhara Análse de Sstemas de otênca ( AS ) ANÁLISE Defndo o sstema, determnar

Leia mais

MECÂNICA CLÁSSICA. AULA N o 7. Teorema de Liouville Fluxo no Espaço de Fases Sistemas Caóticos Lagrangeano com Potencial Vetor

MECÂNICA CLÁSSICA. AULA N o 7. Teorema de Liouville Fluxo no Espaço de Fases Sistemas Caóticos Lagrangeano com Potencial Vetor 1 MECÂNICA CLÁSSICA AULA N o 7 Teorema de Louvlle Fluo no Espaço de Fases Sstemas Caótcos Lagrangeano com Potencal Vetor Voltando mas uma ve ao assunto das les admssíves na Físca, acrescentamos que, nos

Leia mais

2010 The McGraw-Hill Companies, Inc. All rights reserved. Prof.: Anastácio Pinto Gonçalves Filho

2010 The McGraw-Hill Companies, Inc. All rights reserved. Prof.: Anastácio Pinto Gonçalves Filho rof.: nastáco nto Gonçalves lho Introdução Nem sempre é possível tratar um corpo como uma únca partícula. Em geral, o tamanho do corpo e os pontos de aplcação específcos de cada uma das forças que nele

Leia mais

ANÁLISE MATRICIAL DE ESTRUTURAS DE BARRAS PELO MÉTODO DE RIGIDEZ

ANÁLISE MATRICIAL DE ESTRUTURAS DE BARRAS PELO MÉTODO DE RIGIDEZ ANÁISE MATRICIA DE ESTRUTURAS DE BARRAS PEO MÉTODO DE RIGIDEZ A análse matrcal de estruturas pelo método de rgdez compreende o estudo de cnco modelos estruturas báscos: trelça plana, trelça espacal, pórtco

Leia mais

2 Metodologia de Medição de Riscos para Projetos

2 Metodologia de Medição de Riscos para Projetos 2 Metodologa de Medção de Rscos para Projetos Neste capítulo remos aplcar os concetos apresentados na seção 1.1 ao ambente de projetos. Um projeto, por defnção, é um empreendmento com metas de prazo, margem

Leia mais

Algoritmos Genéticos com Parâmetros Contínuos

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

Leia mais

CURSO de ESTATÍSTICA Gabarito

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

Leia mais

PROCEDIMENTO PARA ESCOLHA DA LOCALIZAÇÃO DE UM CENTRO REGIONAL DE DISTRIBUIÇÃO E RECOLHA DE EQUIPAMENTOS. N. R. Candido, V.B. G.

PROCEDIMENTO PARA ESCOLHA DA LOCALIZAÇÃO DE UM CENTRO REGIONAL DE DISTRIBUIÇÃO E RECOLHA DE EQUIPAMENTOS. N. R. Candido, V.B. G. PROCEDIMENTO PARA ESCOLHA DA LOCALIZAÇÃO DE UM CENTRO REGIONAL DE DISTRIBUIÇÃO E RECOLHA DE EQUIPAMENTOS N. R. Canddo, V.B. G. Campos RESUMO Apresenta-se neste trabalho um procedmento de auxílo à decsão

Leia mais

UNIVERSIDADE DE PERNAMBUCO. Física Experimental. Prof o José Wilson Vieira

UNIVERSIDADE DE PERNAMBUCO. Física Experimental. Prof o José Wilson Vieira UNIVERSIDADE DE PERNAMBUCO ESCOLA POLITÉCNICA DE PERNAMBUCO Físca Expermental Prof o José Wlson Vera wlson.vera@upe.br AULA 01: PROCESSOS DE ANÁLISE GRÁFICA E NUMÉRICA MODELO LINEAR Recfe, agosto de 2015

Leia mais

5 Implementação Procedimento de segmentação

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

Leia mais

Adriana da Costa F. Chaves

Adriana da Costa F. Chaves Máquna de Vetor Suporte (SVM) para Regressão Adrana da Costa F. Chaves Conteúdo da apresentação Introdução Regressão Regressão Lnear Regressão não Lnear Conclusão 2 1 Introdução Sejam {(x,y )}, =1,...,,

Leia mais

Sempre que surgir uma dúvida quanto à utilização de um instrumento ou componente, o aluno deverá consultar o professor para esclarecimentos.

Sempre que surgir uma dúvida quanto à utilização de um instrumento ou componente, o aluno deverá consultar o professor para esclarecimentos. Nesse prátca, estudaremos a potênca dsspada numa resstênca de carga, em função da resstênca nterna da fonte que a almenta. Veremos o Teorema da Máxma Transferênca de Potênca, que dz que a potênca transferda

Leia mais

Medidas de Tendência Central. Prof.: Ademilson Teixeira

Medidas de Tendência Central. Prof.: Ademilson Teixeira Meddas de Tendênca Central Prof.: Ademlson Texera ademlson.texera@fsc.edu.br 1 Servem para descrever característcas báscas de um estudo com dados quanttatvos e comparar resultados. Meddas de Tendênca Central

Leia mais

37 [C] Verdadeira. Veja justificativa do item [B]. Moda = 8

37 [C] Verdadeira. Veja justificativa do item [B]. Moda = 8 Resposta da questão 1: [C] Calculando:,5 + 10 + 8 + 9,4 + 8 +,4 + x + 7,4 = 8, 8,5 + 10 + 8 + 9,4 + 8 +,4 + x + 7,4 = 5, x = 9,9 Moda = 8 8+ 8 Medana = = 8,5 + 10 + 8 + 9,4 + 8 +,4 + 7,4 Méda das outras

Leia mais