AVALIAÇÃO DO CAMPEONATO MUNDIAL DE FÓRMULA 1 COM ANÁLISE ENVOLTÓRIA DE DADOS
|
|
- Rodrigo Peixoto Salvado
- 8 Há anos
- Visualizações:
Transcrição
1 AVALIAÇÃO DO CAMPEONATO MUNDIAL DE FÓRMULA COM ANÁLISE ENVOLTÓRIA DE DADOS Slvo Fgeredo Goes Júor Mestrado e Egehara de Prodção Uversdade Federal do Ro de Jaero Ra Passo da Pátra 56, , Nteró, RJ slvofg@ol.co.br João Carlos Correa Baptsta Soares de Mello Departaeto de Egehara de Prodção Uversdade Federal Flese Ra Passo da Pátra 56, , Nteró, RJ csello@ahoo.co.br Reso Este trabalho aalsa os resltados obtdos pelos plotos o ao de 2005 o Capeoato Mdal de Fórla segdo a etodologa ltcrtéro Data Evelopet Aalss DEA, qe é a técca de prograação ateátca para avalação de efcêca prodtva etre dversas dades, deoadas dades toadoras de decsão (DMU), segdo os recrsos tlzados a obteção de ses prodtos, dfereteete dos étodos ltcrtéro adotados atalete para estabelecer a classfcação da copetção, qe perte aplações e dstorções os resltados. Palavras-chave: DEA, Restrções aos Pesos, Fórla
2 . INTRODUÇÃO E geral, o obetvo da etodologa DEA é edr a efcêca coparada etre dades de prodção qe desevolva a esa atvdade qato à tlzação de ses recrsos e classfcá-las e efcetes o ão-efcetes e dar a edda relatva da efcêca para as ão-efcetes. Alé dsso, otros obetvos da etodologa DEA cosste e estabelecer o as becharks e poscoar as otras dades e relação a eles o ordeá-las segdo as efcêcas calcladas. O odelo é baseado problea de prograação fracoára ode a edda de efcêca é obtda através da razão da soa poderada dos prodtos pela soa poderada dos sos. Esta técca perte aalsar a efcêca de dades prodtvas (DMUs) co últplos sos (pts) e últplos prodtos (otpts) através da costrção de a frotera de efcêca, de tal fora qe as dades qe possíre a elhor relação "prodto/so" serão cosderadas as efcetes e estarão stadas sobre esta frotera e, as eos efcetes estarão stadas a regão feror à frotera, cohecda coo evelope (evoltóra). Os odelos DEA faze a agregação de pts e otpts trasforado-os e, respectvaete, pts e otpts vrtas, resltates de a cobação lear dos pts e otpts orgas. Os pesos sados esta cobação lear são calclados através de problea de prograação lear, de fora qe cada DMU se beefce co a elhor cobação de pesos, axzado sa efcêca (Soares de Mello et al, 2002). 2. O CAMPEONATO MUNDIAL DE FÓRMULA U capeoato de Fórla é coto de váras provas atooblístcas, cos resltados são agregados para estabelecer o resltado fal da copetção. Se íco ocorre o da 3 de ao de 950, e Slverstoe, Iglaterra, arcado pelo cla de roatso herdado dos poeros do atooblso. O pole-posto e vecedor da prera prova fo o talao Gseppe Fara, qe tabé se cosagrara coo o prero capeão da categora. A partr da década de 60, a Fórla- dá íco ao desevolveto de sa tecologa e coeça a vrar grade laboratóro para a cração de eqpaetos, qe depos passara a ser corporados aos carros de passeo, coo acotece até os das de hoe. Ao logo de as de cco décadas, o capeoato se cosoldo e se toro cohecdo e adrado e todo o do, atrado lhões de espectadores e grade vole de vestetos por parte de eqpes e patrocadores. Desta fora, qalqer varação o resltado de a corrda pode gerar grades varações a classfcação de capeoato e represetado a perda o gaho de grade vole de dhero. Se terpretáros cada corrda coo crtéro, o decsor, o resltado fal do capeoato é problea de ltcrtéro, oralete ordal. Coo ostrado por Soares de Mello (2002), o reglaeto do capeoato dal de Fórla sege a varate do étodo de Borda, cogada co o étodo Lexcográfco. No étodo de Borda cada decsor deve ordear as alteratvas de acordo co as sas preferêcas. À alteratva as preferda é atrbído poto, à segda dos potos e ass scessvaete. Ao fal, os potos atrbídos pelos decsores a cada alteratva são soados e a alteratva qe tver obtdo a eor potação será a escolhda. No caso específco dos esportes, tlza-se a versão do étodo, atrbdo aor úero de potos à alteratva as preferda (cocorrete vecedor da copetção). Coo reglaeto prevê tabé a possbldade de epates a potação fal, são precozados scessvos crtéros de desepate. Ass o reglaeto sa, a verdade, o
3 étodo Lexcográfco, sedo o crtéro as portate (e portato, o prero a ser sado) a potação obtda co o étodo de Borda odfcado. Havedo das alteratvas o as co o eso úero de potos soados ao fal do capeoato, é cosderado o aor úero de vtóras de cada ploto para qe haa o desepate. Peraecedo as alteratvas epatadas, o segdo crtéro é o aor úero de corrdas e qe cada ploto tero a corrda e segdo lgar e ass scessvaete. A tlzação de étodos ordas ltcrtéros para estabelecer a classfcação do capeoato pode gerar grades dstorções a potação de plotos e eqpes, devdo a artfícos tlzados pelas eqpes drate as provas o eso por stações dversas passíves de acotecer drate a corrda. Por sso, ao logo de todos estes aos, a potação sofre dversas alterações co tto de dr estas dstorções e, a partr do ao de 2003, o reglaeto do capeoato dal Fórla detera qe o capeão da teporada é o ploto qe soar aor úero de potos ao fal de todas as corrdas da teporada. Os otros plotos tê a classfcação o capeoato deterada pelo total de potos alcaçados. E cada corrda, apeas os oto preros colocados soa potos, sedo a potação de cada colocado apresetada a Tabela. Colocação Potação º Colocado 0 pts 2ºColocado 08 pts 3º Colocado 06 pts 4 o Colocado 05 pts 5 o Colocado 04 pts 6 o Colocado 03 pts 7 o Colocado 02 pts 8 o Colocado 0 pts Tabela Potação da Fórla a partr de Eqato o étodo orgal a dfereça etre das colocações é a esa, á qe se trata de étodo ordal, a Fórla a dfereça etre o prero e segdo colocados e o segdo e o terceo colocados é aor qe etre as posções sbseqüetes, até o oo colocado (respectvaete 2 e potos). Para as colocações pores qe a oa ão há dfereça eha, á qe eh cocorrete arca potos. A teção é valorzar a vtóra e ão dar ateção às dsptas pelos últos lgares. Esta dfereça, e qe pese as sas boas teções, acarreta severas dstorções. A prera, de orde teórca, é qe teta tratar de fora cardal étodo ordal. Co efeto, se os dos preros colocados chegare co a peqea dfereça, eso ass terão a dfereça de potação aor qe a exstete etre dos otros qasqer plotos qe, eso chegado co a dfereça grade, ocpe posções secdáras. U exeplo deste fato ocorre o Grade Prêo da Espaha, o crcto de Jerez de La Frotera, o ao de 986, e qe o vecedor da prova, o braslero Arto Sea, chego a a dfereça de apeas 0,04 segdos do segdo colocado, o glês Ngell Masell e qe, a época, devdo ao sstea de potação tlzado, rede a Sea 3 potos a as qe Masell. Fgra Sea e Masell o GP da Espaha de 986
4 Ua segda coseqüêca é as grave. Coo a dfereça de potação etre dos plotos co classfcações edatas é dferete cofore a posção, a falta de depedêca e relação às alteratvas rrelevates é agravada, alé dsso, o so do úero de vtóras coo segdo crtéro o étodo lexcográfco agrava ada as este fato. E relação aos preros lgares, á hove váras stações otcadas. Se dos plotos da esa eqpe ocpare as das preras posções, pode trocar de posção, de fora a qe deles se beefce da aor portâca dada à vtóra e caso de epate, alé de qe, ates do ao de 2003, a dfereça de potação do prero para o segdo colocado era aor qe e relação às otras posções. Essa stação fo aplaete otcada e 2002 qado, o grade prêo da Ástra, Rbes Barrchello cede o prero lgar a Mchael Schacher perto da lha de chegada (Fgra 2). Fgra 2 Chegada do grade prêo da Ástra de Neste trabalho, é feta a aálse da classfcação do capeoato de Fórla qe tlza étodo DEA co restrções aos pesos. Esta aálse ão pretede ser a ova classfcação do capeoato, apeas estdo sobre desepeho. Ua potecal aplcação do estdo é verfcar servr de base para aálses dos plotas co vstas a cotratações o a prêos paralelos. 3. DATA ENVELOPMENT ANALISYS (DEA) 3.. Cosderações Geras A Aálse de Evoltóra de Dados é étodo ão-paraétrco, srgdo foralete e 978 co o trabalho de Chares et al. (978), co o obetvo de edr a efcêca de dades toadoras de decsão, desgadas por DMUs (Decso Makg Uts), a preseça de últplos fatores de prodção (pts) e últplos prodtos (otpts). As dades toadoras de decsão caracterza-se por desepehar tarefas sealhates, o sea, tlza os esos sos e desepeha as esas tarefas para prodzr eso prodto. O qe as dfere são as qatdades de recrsos (pts) tlzados e de prodtos gerados (otpts). A técca de costrção de froteras de prodção e dcadores de efcêca prodtva relatva teve orge o trabalho de Farrel (957) e fo geeralzada por Chares et al. (978), o setdo de trabalhar co últplos sos e últplos prodtos Modelos DEA Clásscos Há dos odelos DEA clásscos: CCR (de Chares, Cooper e Rhodes) e BCC (de Baker, Chares e Cooper). O odelo CCR (tabé cohecdo por CRS o Costat Retrs to Scale), trabalha co retoros costates de escala (Chares et al., 978). E sa forlação ateátca cosdera-se qe cada DMU k, k =,..., s, é a dade de prodção qe tlza pts x k, =,,, para prodzr otpts k, =,,. Esse odelo axza o qocete etre a cobação lear dos otpts e a cobação lear
5 dos pts, co a restrção de qe para qalqer DMU esse qocete ão pode ser aor qe. Medate algs artfícos ateátcos, este odelo pode ser learzado, trasforado-se e Problea de Prograação Lear (PPL) apresetado e (), ode h o é a efcêca da DMU o e aálse; x o e o são os pts e otpts da DMU o ; v e são os pesos calclados pelos odelo para pts e otpts. ax =, v h o o seto a = = k = = 0 = x, k o 0, k =,..., s O odelo BCC, tabé chaado de VRS (Varable Retrs to Scale) cosdera stações de efcêca de prodção co varação de escala e ão asse proporcoaldade etre pts e otpts. Apreseta-se e (2) a forlação do problea de prograação fracoára, prevaete learzado, para esse odelo (Baker et al., 984). E (2) h o é a efcêca da DMU o e aálse; x k represeta o pt da DMU k, k represeta o otpt da DMU k ; v é o peso atrbído ao pt, é o peso atrbído ao otpt ; * é fator de escala. ax seto a = * R = 0 = = k = =, v h o o x, k o + * 0, k =,..., s A Fgra 3 ostra as froteras DEA BCC e CCR para odelo DEA bdesoal ( pt e otpt). As DMUs A, B e C são BCC efcetes; a DMU B é CCR efcete. As DMUs D e E são efcetes os dos odelos. A efcêca CCR e BCC da ' E''' E''E E' 'E' E'' E. DMU E é dada, respectvaete, por ( E' ) e ( ) () (2)
6 O CCR B C BCC E E E E A D Fgra 3 Froteras DEA BCC e CCR para o caso bdesoal. Alé de detfcar as DMUs efcetes, os odelos DEA perte edr e localzar a efcêca e estar a fção de prodção lear por partes, qe forece o bechark para as DMUs efcetes. Esse bechark é deterado pela proeção das DMUs efcetes a frotera de efcêca. A fora coo é feta esta proeção detera oretação do odelo: oretação a pts (qado se desea zar os pts, atedo os valores dos otpts costates) e oretação a otpts (qado se desea axzar os resltados se dr os recrsos). E abos os odelos aca, ão é cosderada eha restrção aos pesos estplados para os pts e otpts, exceto sere estrtaete postvos. Desta fora, o étodo tede a ser beevolete co as DMUs, estplado pesos qe as favoreça. E relação a sto, Âglo-Meza (2000) faz algas cosderações: - A flexbldade os pesos perte qe as DMUs possa ter obetvos dvdas e crcstâcas partclares, o qe ão codz co o fato delas sere hoogêeas; - E algas stações, dspõe-se de forações sgfcatvas co respeto à portâca dos sos e dos prodtos e sobre a relação etre as varáves; - Os especalstas, co freqüêca, te percepção a pror sobre DMUs efcetes e efcetes Restrções aos Pesos A corporação de lgaeto de valor através de restrções aos pesos pode ser dvdda e três grpos de étodos, segdo Ls e Âglo-Meza (2000): restrções dretas os pesos, regões de segraça e restrções os pts e otps vrtas. O efoqe de restrções dretas os pesos, desevolvdo por Dso e Thaassols (988) e geeralzado por Roll, Cook e Gola (99), propõe o estabeleceto de ltes ércos aos ltplcadores, co o obetvo de ão sperestar o gorar pts o otpts a aálse. Este tpo de restrção pode levar à vabldade do PPL, a vez qe, estabelecer lte speror ao peso de pt, plca e lte feror o pt vrtal total do resto das varáves, e por sa vez sso te plcações para os valores qe pode toar os pts restates. O étodo de Regões de Segraça (Assrace Rego AR), desevolvdo por Thopso et al. (990), lta a varação dos pesos a a deterada regão. As restrções da abordage por AR são de dos tpos: Tpo I (o étodo Coe Ratto) e Tpo II. Para o tpo I, é corporada à aálse a ordeação relatva o valores relatvos de pts e otpts, as eqações qe represeta as restrções estão apresetadas e (3) e (4). I k v k v v (3)
7 α v v + β (4) A regão do segraça Tpo II, apresetada por Thopo et al. (990) copreede restrções qe relacoa os pesos dos pts e dos otpts, cofore (5). γ v (5) Otra fora de restrgr a lberdade dos pesos, cofore descrto por Braco da Slva e Soares de Mello (2005) é baseada o fato de qe a cotrbção de pt à DMU é. Ass, crtéro de seleção pode ser o de clr apeas os pts e otpts qe cotrbe de aera sgfcatva aos cstos totas e beefícos relevates a a DMU. Ao vés de restrgr os valores dos pesos, são defdas restrções à proporção do otpt vrtal total da DMU, tlzado pelo otpt r, o sea, a portâca relacoada ao otpt r pela DMU, ao tervalo [ φ r, ϕ r ], co φ r e ϕ r sedo deterados pelo especalsta (Wog e Beasle, 990). A restrção o otpt r é apresetada e (6). ode r r s r= φr r r s r = represeta o otpt vrtal total da DMU. r r ϕr (6) 4. ESTUDO DE CASO: EFICIÊNCIA DOS PILOTOS NO CAMPEONATO DE FÓRMULA MODELO PROPOSTO O capeoato de Fórla do ao de 2005 e coposto por 9 corrdas, co a partcpação de 20 plotos e cada prova e total de 0 eqpes cocorretes. A odelage e DEA exge a defção das DMUs, das varáves de avalação (pts e otpts) e do odelo DEA qe será tlzado. As DMUs tlzadas são os plotos qe partcpara dos treos classfcatóros de, pelo eos, a prova a teporada de 2005, cosegdo classfcação o grd de largada. Coo ocorrera sbsttções de plotos drate o capeoato, te-se total de 27 plotos o odelo estdado. Na escolha das varáves tlzadas o odelo, opto-se por pt úco, qe é o úero de partcpações do ploto (DMU) a foração do grd de largada, pos terão ass a oportdade de partcpar da prova e cosegr alg resltado o fal da corrda. Coo otpt, o úero de vezes qe o ploto copleto a prova e a deterada posção. Coo cada prova poss 20 plotos partcpado, te-se etão total de 20 varáves de otpt, á qe o Grade Prêo de Moza Itála, todos os plotos copletara a prova, o qe ão ocorra há váras décadas. Apesar das grades dfereças ecoôcas e de tecologa exstete de a eqpe para otra, a tlzação destas varáves bsca torar hoogêeas as DMUs pos aga-se qe todos os plotos posse as esas oportdades de cosegr a boa colocação a prova. Coo exste leardade etre o pt e os otpts tlzados e as posções de chegada de ploto e a prova ão posse o eso ível de portâca coo prevê a potação e os crtéro de desepate tlzados o reglaeto do capeoato e descrto o te 2, o odelo proposto este trabalho é o CCR co restrções aos pesos, tlzado o étodo de Regões de Segraça Tpo I, fazedo-se +, o sea, o peso da posção de chegada do ploto é aor o gal ao peso de chegada a posção segte. Coo são vte posções de chegada, te-se total de 9 restrções.
8 O odelo é oretado a pt, apesar de parecer as adeqado a oretação a otpt pos o obetvo de ploto é a elhor posção de chegada possível e a corrda. Etretato, coo o odelo é o CCR, as das oretações apreseta os esos resltados e o odelo dos ltplcadores oretado a pt te a terpretação as ttva. Os dados tlzados fora obtdos do ste sedo cosderados os resltados obtdos pelo ploto até o Grade Prêo do Brasl, 7ª prova da teporada, pos as das provas restates ada ão hava sdo realzadas drate a cofecção deste estdo. E (7) te-se a odelage DEA CCR oretada a pt co as restrções aos pesos tlzadas este trabalho. ax = h k = =, v 0 o o seto a + = = = 0 x, k o 0,, =, - k =,..., s Os dados tlzados este trabalho apreseta-se abaxo a tabela 2. Ipt Otpt (Nº de chegadas a posção ) Ploto Nº Partc. ª 2ª 3ª 4ª 5ª 6ª 7ª 8ª 9ª 0ª ª 2ª 3ª 4ª 5ª 6ª 7ª 8ª 9ª 20ª Alexader Wrz Atho Davdso Atoo Pzzoa 3 Chrsta Kle Chrsta Albers Davd Colthard Felpe Massa Ferado Aloso Gacarlo Fschella Jacqes Vlleeve Jaro Trll Jeso Btto Ja Pablo Motoa K Räkköe Mark Webber Mchael Schacher Nara Karthkea Nck Hedfeld Patrck Fresacher Pedro de La Rosa Ralf Schacher Rcardo Zota Robert Doorbos Rbes Barrchello Taka Sato Tago Motero Vtatoo Lzz 4 Tabela 2 Dados do odelo (7)
9 5. RESULTADOS E CONCLUSÕES Utlzado-se o odelo proposto, fora calclados os pesos de todas as varáves e calcladas as efcêcas de cada ploto, os resltados das efcêcas e dos pesos até a 0ª posção estão apresetados a tabela 3. A tabela 4 apreseta classfcação dos plotos segdo a efcêca DEA calclada pelo odelo e a classfcação ofcal do capeoato até o GP do Brasl. Ploto Efc. Pesos v Alexader Wrz,0000,000,273,273,000,000,000,000,000,000,000,000 Atho Davdso 0,0000,000,273,273,000,000,000,000,000,000,000,000 Atoo Pzzoa 0,6667 0,333 0,394 0,394 0,333 0,333 0,333 0,333 0,333 0,333 0,333 0,333 Chrsta Kle 0,6923 0,077 0,09 0,09 0,077 0,077 0,077 0,077 0,077 0,077 0,077 0,077 Chrsta Albers 0,647 0,059 0,070 0,070 0,059 0,059 0,059 0,059 0,059 0,059 0,059 0,059 Davd Colthard 0,7059 0,059 0,070 0,070 0,059 0,059 0,059 0,059 0,059 0,059 0,059 0,059 Felpe Massa 0,8235 0,059 0,070 0,070 0,059 0,059 0,059 0,059 0,059 0,059 0,059 0,059 Ferado Aloso,0000 0,059 0,070 0,070 0,059 0,059 0,059 0,059 0,059 0,059 0,059 0,059 Gacarlo Fschella 0,6667 0,059 0,078 0,059 0,059 0,059 0,059 0,059 0,059 0,059 0,059 0,059 Jacqes Vlleeve 0,647 0,059 0,078 0,059 0,059 0,059 0,059 0,059 0,059 0,059 0,059 0,059 Jaro Trll 0,8449 0,059 0,070 0,070 0,059 0,059 0,059 0,059 0,059 0,059 0,059 0,059 Jeso Btto 0,6667 0,067 0,079 0,079 0,067 0,067 0,067 0,067 0,067 0,067 0,067 0,067 Ja Pablo Motoa 0,8000 0,067 0,089 0,067 0,067 0,067 0,067 0,067 0,067 0,067 0,067 0,067 K Räkköe,0000 0,059 0,67 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 Mark Webber 0,647 0,059 0,078 0,059 0,059 0,059 0,059 0,059 0,059 0,059 0,059 0,059 Mchael Schacher 0,770 0,059 0,075 0,075 0,059 0,059 0,059 0,059 0,059 0,059 0,059 0,059 Nara Karthkea 0,7647 0,059 0,070 0,070 0,059 0,059 0,059 0,059 0,059 0,059 0,059 0,059 Nck Hedfeld 0,6688 0,07 0,084 0,084 0,07 0,07 0,07 0,07 0,07 0,07 0,07 0,07 Patrck Fresacher 0,4545 0,09 0,07 0,07 0,09 0,09 0,09 0,09 0,09 0,09 0,09 0,09 Pedro de La Rosa,0000,000,82,82,000,000,000,000,000,000,000,000 Ralf Schacher 0,9375 0,063 0,074 0,074 0,063 0,063 0,063 0,063 0,063 0,063 0,063 0,063 Rcardo Zota 0,0000,000,82,82,000,000,000,000,000,000,000,000 Robert Doorbos 0,6667 0,67 0,97 0,97 0,67 0,67 0,67 0,67 0,67 0,67 0,67 0,67 Rbes Barrchello 0,9037 0,059 0,070 0,070 0,059 0,059 0,059 0,059 0,059 0,059 0,059 0,059 Taka Sato 0,6429 0,07 0,084 0,084 0,07 0,07 0,07 0,07 0,07 0,07 0,07 0,07 Tago Motero 0,942 0,059 0,070 0,070 0,059 0,059 0,059 0,059 0,059 0,059 0,059 0,059 Vtatoo Lzz 0,5000 0,250 0,295 0,295 0,250 0,250 0,250 0,250 0,250 0,250 0,250 0,250 Tabela 3 Efcêca e pesos(até a 0ª posção) calclados pelo odelo DEA
10 PILOTO EFICIÊNCIA DEA CLASSIFICAÇÃO OFICIAL CLASSIFICAÇÃO DEA (Caso I) DIFERENÇA FERNANDO ALONSO, KIMI RAIKKONEN, ALEXANDER WURZ, PEDRO DE LA ROSA, TIAGO MONTEIRO 0, RALF SCHUMACHER 0, RUBENS BARRICHELO 0, JARNO TRULLI 0, FELIPE MASSA 0, JUAN PABLO MONTOYA 0, MICHAEL SCHUMACHER 0, NARAIN KARTHIKEYAN 0, DAVID COULTHARD 0, CHRISTIAN KLIEN 0, NICK HEIDFELD 0, JENSON BUTTON 0, GIANCARLO FISICHELLA 0, ANTONIO PIZZONIA 0, ROBERT DOORNBOS 0, MARK WEBBER 0, JACQUES VILLENEUVE 0, CHRISTIJAN ALBERS 0, TAKUMA SATO 0, VITANTONIO LIUZZI 0, PATRICK FRIESACHER 0, RICARDO ZONTA 0, ANTHONY DAVIDSON 0, Tabela 4 Coparação etre as classfcações DEA e a Ofcal Aalsado a tabela 4, ota-se a grade varação etre as classfcações DEA e a ofcal. Este fato pode ser stfcado devdo a algas aoraldades ocorrdas drate a teporada de 2005, coo, por exeplo, o GP dos Estados Udos, realzado e Idaápols e vecdo por Mchael Schacher, ode sete, das dez eqpes partcpates bocotara a prova alegado falta de segraça aos plotos, pos sa forecedora de pes, a Mchel, os alerto sobre defetos a borracha, qe ão agetara as de dez voltas. A largada fo realzada co apeas ses carros o grd, as das Ferrars, Mards e Jordas - todas sado pes Brdgestoe, cofore fgra 4. Esta vtóra acresce sa potação o capeoato, aparecedo e terceto lgar a classfcação ofcal, eqato qe, segdo o odelo DEA, apreseta-se apeas a ª posção. Fgra 4 - Ferrar alha o grd eqato deas volta aos boxes
11 Otro fator é qe plotos qe partcpara de pocas corrdas e cosegra boa colocação, posse efcêca elevada, coo acotece co os plotos Alexader Wrz e Pedro de La Rosa qe partcpara de apeas a corrda o capeoato e cosegra a tercera e qta posções, respectvaete. Alé dsso, plotos qe copletara tas corrdas, eso se arcar potos, apreseta alta efcêca, coo é o caso deo ploto Tago Motero, qe copleto dezesses das dezessete provas realzas até o GP do Brasl. Aalsado os valores forecdos para os pesos das varáves, pode-se otar tos pesos gas, o sea, coo as restrções são do tpo aor o gal, o odelos atrb a esa portâca para dversas colocações, o qe cotrara a proposta cal do trabalho. Vsado adeqar etão o odelo, fez-se a varação o étodo de Regões de Segraça de restrções aos pesos, trodzdo a restrção dreta aos pesos, estplado lte feror de 0,00, forçado ada a varação ía deste valor etre o peso atrbído a a colocação e o peso atrbído à colocação segte. Este ovo odelo fo deoado Caso II. O PPL deste odelo é apresetado e (8). ax = h k = =, v 0 o o seto a + = = = 0,00 x, k o 0,, =, - k =,..., s Os resltados obtdos co a tlzação do Caso II são apresetados a tabela 5. A tabela 6 apreseta a classfcação dos plotos segdo a efcêca DEAcalclada o Caso II e a classfcação ofcal do capeoato até o GP do Brasl. (8)
12 Ploto Efc. Pesos v Alexader Wrz,0000,000,662,00,000 0,06 0,05 0,04 0,03 0,02 0,0 0,00 Atho Davdso 0,0000,000,662,00,000 0,06 0,05 0,04 0,03 0,02 0,0 0,00 Atoo Pzzoa 0,6507 0,333 0,395 0,394 0,333 0,332 0,33 0,330 0,329 0,328 0,327 0,326 Chrsta Kle 0,6333 0,077 0,092 0,09 0,077 0,076 0,075 0,074 0,073 0,072 0,07 0,070 Chrsta Albers 0,53 0,059 0,07 0,070 0,059 0,058 0,057 0,056 0,055 0,054 0,053 0,052 Davd Colthard 0,649 0,059 0,07 0,070 0,059 0,058 0,057 0,056 0,055 0,054 0,053 0,052 Felpe Massa 0,7285 0,059 0,07 0,070 0,059 0,058 0,057 0,056 0,055 0,054 0,053 0,052 Ferado Aloso,0000 0,059 0,42 0,08 0,07 0,06 0,05 0,04 0,03 0,02 0,0 0,00 Gacarlo Fschella 0,6393 0,059 0,079 0,060 0,059 0,058 0,057 0,056 0,055 0,054 0,053 0,052 Jacqes Vlleeve 0,559 0,059 0,07 0,070 0,059 0,058 0,057 0,056 0,055 0,054 0,053 0,052 Jaro Trll 0,7905 0,059 0,07 0,070 0,059 0,058 0,057 0,056 0,055 0,054 0,053 0,052 Jeso Btto 0,6357 0,067 0,080 0,079 0,067 0,066 0,065 0,064 0,063 0,062 0,06 0,060 Ja Pablo Motoa 0,7780 0,067 0,090 0,068 0,067 0,066 0,065 0,064 0,063 0,062 0,06 0,060 K Räkköe 0,9600 0,059 0,42 0,08 0,07 0,06 0,05 0,04 0,03 0,02 0,0 0,00 Mark Webber 0,600 0,059 0,079 0,060 0,059 0,058 0,057 0,056 0,055 0,054 0,053 0,052 Mchael Schacher 0,7430 0,059 0,075 0,074 0,059 0,058 0,057 0,056 0,055 0,054 0,053 0,052 Nara Karthkea 0,6297 0,059 0,079 0,060 0,059 0,058 0,057 0,056 0,055 0,054 0,053 0,052 Nck Hedfeld 0,6284 0,07 0,086 0,085 0,07 0,070 0,069 0,068 0,067 0,066 0,065 0,064 Patrck Fresacher 0,3975 0,09 0,09 0,08 0,09 0,090 0,089 0,088 0,087 0,086 0,085 0,084 Pedro de La Rosa 0,9980,000,83,82,000 0,999 0,998 0,997 0,996 0,995 0,994 0,993 Ralf Schacher 0,8795 0,063 0,075 0,074 0,063 0,062 0,06 0,060 0,059 0,058 0,057 0,056 Rcardo Zota 0,0000,000,83,82,000 0,999 0,998 0,997 0,996 0,995 0,994 0,993 Robert Doorbos 0,667 0,67 0,98 0,97 0,67 0,66 0,65 0,64 0,63 0,62 0,6 0,60 Rbes Barrchello 0,8423 0,059 0,07 0,070 0,059 0,058 0,057 0,056 0,055 0,054 0,053 0,052 Taka Sato 0,569 0,07 0,086 0,085 0,07 0,070 0,069 0,068 0,067 0,066 0,065 0,064 Tago Motero 0,7852 0,059 0,07 0,070 0,059 0,058 0,057 0,056 0,055 0,054 0,053 0,052 Vtatoo Lzz 0,4890 0,250 0,297 0,296 0,250 0,249 0,248 0,247 0,246 0,245 0,244 0,243 PILOTO Tabela 5 Efcêca e pesos calclados pelo odelo DEA Caso II EFICIÊNCIA DEA (Caso II) CLASSIFICAÇÃO OFICIAL CLASSIFICAÇÃO DEA (Caso II) DIFERENÇA FERNANDO ALONSO, KIMI RAIKKONEN 0, ALEXANDER WURZ, PEDRO DE LA ROSA 0, TIAGO MONTEIRO 0, RALF SCHUMACHER 0, RUBENS BARRICHELO 0, JARNO TRULLI 0, FELIPE MASSA 0, JUAN PABLO MONTOYA 0, MICHAEL SCHUMACHER 0, NARAIN KARTHIKEYAN 0, DAVID COULTHARD 0, CHRISTIAN KLIEN 0, NICK HEIDFELD 0, JENSON BUTTON 0, GIANCARLO FISICHELLA 0, ANTONIO PIZZONIA 0, ROBERT DOORNBOS 0, MARK WEBBER 0, JACQUES VILLENEUVE 0, CHRISTIJAN ALBERS 0, TAKUMA SATO 0, VITANTONIO LIUZZI 0, PATRICK FRIESACHER 0, RICARDO ZONTA 0, ANTHONY DAVIDSON 0, Tabela 6 Coparação etre as classfcações DEA(Caso II) e Ofcal
13 Co esta varação o odelo, trodzdo-se aor restrção aos pesos, ota-se a eor varação etre a classfcação ofcal e a classfcação ecotrada pelo odelo. Alé dsso, percebe-se desepate as efcêcas calcladas, estabelecedo a classfcação se ecessdade de desepates. Etretato, percebe-se ada algas dstorções a classfcação, o qe sgere estdos as aprofdados e relação à etodologa de trodção de restrções aos pesos os odelos DEA clásscos. Tabé, co vstas à aplcação deste caso, estdos posterores deverão cosdera o desepeho do ploto e relação ao desepeho do se carro. 6. REFERÊNCIAS () Barba-Roero, S. & Poerol, J.C. Decsoes Mltcrtero: Fdaetos Teórcos e Utlzacó Práctca. Coleccó de Ecooa, Uversdad de Alcalá, Espaha, 997. (2) Braco da Slva, B.P. & Soares de Mello, J.C.C.B. (2005). Modelo DEA Aplcado aos Resltados das Olpíadas de Ateas (3) Chares, A., Cooper, W.W. & Rhodes, E. (978). Measrg the effcec of decsoakg ts. Eropea Joral of Operatoal Research, 2, (4) Chares, A. et. al. (996) Data Evelopet Aalss: theor, ethodolog ad applcatos. Norvell: Klwer Acadec Press, 2 ed. (5) Dso, R. G. & Thaassols E. (988) Redcg weght flexblt DEA. Joral of the Operatoal Research Socet, 39. (6) Goes, E.G., Soares de Mello, J.C.C.B. & Ls, M.P.E. (200). Uso de Aálse de Evoltóra de Dados e Axílo Mltcrtéro à Decsão a aálse de dados das Olpíadas Aas do XXI ENEGEP, Salvador, Brasl. (7) Ls, M.P.E. & Aglo-Meza, L. (2000). Aálse Evoltóra de Dados e perspectvas de tegração o abete de Apoo à Decsão. Edtora da COPPE/UFRJ, Ro de Jaero. (8) Ls, M.P.E., Goes, E.G., Soares de Mello, J.C.C.B. & Soares de Mello, A.J.R. (2003). Olpc rakg based o a Zero S Gas DEA odel. Eropea Joral of Operatoal Research, 48 (2), (9) Rocha, R.B. & Cavalcat Netto, M.A. (2002). A data evelopet aalss odel for rak orderg spplers the ol dstr. Pesqsa Operacoal, 22 (2), (0) Roll, Y. & Gola, B.(99) Cotrollg factor weghts DEA. IIE Trasactos, 23 (), pp.2-9. () Soares de Mello, J.C.C.B., Goes, E.G., Ls, M.P.E. & Soares de Mello, A.J.R. (200). Uso da Pesqsa Operacoal e esportes: o caso das Olpíadas. Bolet da SOBRAPO, 9, 5-6. (2) Soares de Mello, J.C.C.B., Goes, E.G., Ls & Soares de Mello, M.H.C. (2002). Eprego de Métodos Ordas Mltcrtéro a Aálse do Capeoato Mdal de Fórla. Relatóros de Pesqsa e Egehara de Prodção- Uversdade Federal Flese, 2. (3) Soares de Mello, M.H.C. Avalação de Desepeho as Egeharas: Estdo de Caso UFF. Tese de Mestrado, Egehara de Prodção, Uversdade Federal Flese, Nteró, (4) Thopso, R.G., Lageeer, L.N., Lee, C.H., Lee, E. & Thrall, R.M. (990) The role of ltpler bods effcec aalss wth applcato to. Kasas Farg. Joral of Ecooetrcs, 46, pp (5) Wog. Y. & Beasle, J. (990) Restrctg Weght Flexblt DEA. Joral of Operatoal Research Socet, 4,
PROCEDIMENTOS DE CÁLCULO DE INCERTEZA DE MEDIÇÃO EM MEDIÇÕES DIRETAS E INDIRETAS
PROCEDIMENTOS DE CÁLCULO DE INCERTEZA DE MEDIÇÃO EM MEDIÇÕES DIRETAS E INDIRETAS Prof José Leoardo Noroha M Eg Departameto de Egehara de Prodção Escola Federal de Egehara de Itabá EFEI RESUMO: Neste trabalho
Leia mais16 - PROBLEMA DO TRANSPORTE
Prof. Volr Wlhel UFPR TP05 Pesqusa Operacoal 6 - PROBLEMA DO TRANSPORTE Vsa zar o custo total do trasporte ecessáro para abastecer cetros cosudores (destos) a partr de cetros forecedores (orges) a, a,...,
Leia maisUtilização de modelo DEA com restrições cone rattio não arquimedianas para avaliação dos pilotos no campeonato mundial de fórmula 1 do ano de 2006
Ssteas & Gestão 2 (3) 217-231 Prograa de Pós-graduação e Ssteas de Gestão, TEP/TCE/CTC/PROPP/UFF Utlzação de odelo DEA co restrções cone ratto não arquedanas para avalação dos plotos no capeonato undal
Leia maisA REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: enchentes
Mostra Nacoal de Icação Cetífca e Tecológca Iterdscplar VI MICTI Isttuto Federal Catarese Câmpus Camború 30 a 3 de outubro de 03 A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: echetes Ester Hasse
Leia maisMODELAGEM MATEMÁTICA E ANÁLISE DO PROCESSO DE FLOCULAÇÃO EM CÂMARAS EM SÉRIE
MODELAGEM MATEMÁTICA E ANÁLISE DO POCESSO DE FLOCULAÇÃO EM CÂMAAS EM SÉIE odrgo B Moruzz, Sauel Coceção de Olvera Professor da Uesp, Capus de o Claro, o Claro-SP, Brasl, roruzz@rcuespbr Professor da Uesp,
Leia maisPerguntas Freqüentes - Bandeiras
Pergutas Freqüetes - Baderas Como devo proceder para prestar as formações de quatdade e valor das trasações com cartões de pagameto, os casos em que o portador opte por lqudar a obrgação de forma parcelada
Leia maisPESQUISA OPERACIONAL E ANÁLISE ENVOLTÓRIA DOS DADOS: APLICAÇÕES EM PROBLEMAS AMBIENTAIS
Anas do XX Encontro de Incação Centífca ISSN 98-78 Anas do V Encontro de Incação e Desenvolvento Tecnológco e Inovação ISSN 37- e 3 de setebro de 5 PESQUISA OPERACIONAL E ANÁLISE ENVOLTÓRIA DOS DADOS:
Leia maisAVALIAÇÃO DOS PILOTOS NO CAMPEONATO MUNDIAL DE FÓRMULA 1 DO ANO DE 2006 UTILIZANDO MODELO DEA COM RESTRIÇÕES CONE RATTIO NÃO ARQUIMEDIANAS
AVALIAÇÃO DOS PILOTOS NO CAMPEONATO MUNDIAL DE FÓRMULA DO ANO DE 2006 UTILIZANDO MODELO DEA COM RESTRIÇÕES CONE RATTIO NÃO ARQUIMEDIANAS Slvo Fgueredo Goes Júnor Doutorado e Engenhara de Produção Unversdade
Leia maisCapitulo 7 Resolução de Exercícios
FORMULÁRIO Audades Costates Postecpadas HP C [g][end] Cp LN 1 1 1 1 C p R Cp R R a, R C p, 1 1 1 a LN 1 Sp LN 1 1 1 S p R S p R R s, R S p, 1 1 s LN 1 Audades Costates Atecpadas HP C [g][beg] 1 (1 ) 1
Leia maisDepartamento de Informática. Modelagem Analítica. Modelagem Analítica do Desempenho de Sistemas de Computação. Disciplina: Medida de Probabilidade
Departaento de Inforátca Dscplna: do Desepenho de Ssteas de Coputação Medda de Probabldade Prof. Sérgo Colcher colcher@nf.puc-ro.br Teora da Probabldade Modelo ateátco que perte estudar, de fora abstrata,
Leia maisMatemática Financeira
Cocetos Báscos de Matemátca Facera Uversdade do Porto Faculdade de Egehara Mestrado Itegrado em Egehara Electrotécca e de Computadores Ecooma e Gestão Na prátca As decsões faceras evolvem frequetemete
Leia maisCapítulo 1: Erros em cálculo numérico
Capítulo : Erros em cálculo umérco. Itrodução Um método umérco é um método ão aalítco, que tem como objectvo determar um ou mas valores umércos, que são soluções de um certo problema. Ao cotráro das metodologas
Leia maisAN EVALUATION OF THE EFFICIENCY OF THE BRAZILIAN MUNICIPALITIES IN THE PROVISION OF PUBLIC SERVICES USING DATA ENVELOPMENT ANALYSIS.
AN EVALUATION OF THE EFFICIENCY OF THE BRAZILIAN MUNICIPALITIES IN THE PROVISION OF PUBLIC SERVICES USING DATA ENVELOPMENT ANALYSIS. Rogéro Bouer Brazla Isttute for Appled Ecooc Research Catholc Uverst
Leia maisAVALIAÇÃO DOS PROGRAMAS DE PÓS-GRADUAÇÃO EM ENGENHARIA DA UFRJ EMPREGANDO UMA VARIANTE DESENVOLVIDA DO MÉTODO UTA
versão mpressa ISSN 00-7438 / versão ole ISSN 678-542 AVALIAÇÃO DOS PROGRAMAS DE PÓS-GRADUAÇÃO EM ENGENHARIA DA UFRJ EMPREGANDO UMA VARIANTE DESENVOLVIDA DO MÉTODO UTA Luís Alberto Duca Ragel UFF-COPPE/PEP/UFRJ
Leia maisCAPÍTULO III. Aproximação de funções pelo método dos Mínimos Quadrados
Métodos Nuércos CAPÍULO III C. Balsa & A. Satos Aproxação de fuções pelo étodo dos Míos Quadrados. Algus cocetos fudaetas de Álgebra Lear Relebraos esta secção algus cocetos portates da álgebra Lear que
Leia mais2. INTRODUÇÃO AOS MÉTODOS FACTORIAIS
. NRODUÇÃO AOS MÉODOS FACORAS CONCEOS GEOMÉRCOS. NÉRCA. Os métodos factoras de Aálse de Dados permtem descreer matrzes (segdo o modelo do Qadro Q da Fg..) de dmesão (, p) qe represetam os alores tomados
Leia maisBase de Dados (grupo32) Trabalho 3
Base de Dados grupo32 Trabalho 3 CREATE TABLE Pilotos Criação das tabelas nome DN nacionalidade nomeequipa VARCHAR50, DATE, VARCHAR15, VARCHAR15, PRIMARY KEY nome,dn, FOREIGN KEY nomeequipa REFERENCES
Leia maisAnálise de Regressão
Aálse de Regressão Prof. Paulo Rcardo B. Gumarães. Itrodução Os modelos de regressão são largamete utlzados em dversas áreas do cohecmeto, tas como: computação, admstração, egeharas, bologa, agrooma, saúde,
Leia maisBalanço de Massa e Energia Aula 2
alaço de assa e Eerga ula Udades e Desão Desão: Quatdade que pode ser edda, são as gradezas báscas coo copreto, assa, tepo, teperatura etre outras, ou quatdades calculadas pela dvsão ou ultplcação de outras
Leia maisPalavras-chave: Problemas de corte e empacotamento, carregamento de contêineres com múltiplos destinos, otimização combinatória, modelagem matemática.
1 ABORDAGENS PARA PROBEMAS DE CARREGAMENTO DE CONTÊINERES COM CONSIDERAÇÕES DE MÚTIPOS DESTINOS eoardo Juquera Realdo Morabto Dese Sato Yaashta Departaeto de Egehara de Produção Uversdade Federal de São
Leia maisProjeto de rede na cadeia de suprimentos
Projeto de rede a cadea de suprmetos Prof. Ph.D. Cláudo F. Rosso Egehara Logístca II Esboço O papel do projeto de rede a cadea de suprmetos Fatores que fluecam decsões de projeto de rede Modelo para decsões
Leia maisO mercado de renda fixa e a estrutura da taxa de juro
O mercado de reda fxa e a estrtra da taxa de jro No Brasl, a egocação o mercado de reda fxa egloba títlos públcos e títlos prvados. O strmeto para a expressão da remeração e/o o valor de mercado de cada
Leia maisMatemática. Resolução das atividades complementares. M18 Noções de Estatística
Resolução das atvdades complemetares Matemátca M8 Noções de Estatístca p. 3 (UFRJ) Dos estados do país, um certo ao, produzem os mesmos tpos de grãos. Os grácos de setores lustram a relação etre a produção
Leia maisAlgoritmos de partição e geração de colunas para dimensionamento de lotes de produção
C. Petel, F. Alvelos, J. Carvalho / Ivestgação Operacoal, 26 (2006) 129-146 129 Algortos de partção e geração de coluas para desoaeto de lotes de produção Cara Mara Olvera Petel Flpe Perera e Alvelos José
Leia maisFaculdade de Economia, Administração e Contabilidade de Ribeirão Preto
Faculdade de Ecooma, Admstração e Cotabldade de Rberão Preto Ecooma Moetára Curso de Ecooma / º. Semestre de 014 Profa. Dra. Rosel da Slva Nota de aula CAPM Itrodução Há dos modelos bastate utlzados para
Leia mais3- Autovalores e Autovetores.
MÉTODOS NUMÉRICOS PARA EQUAÇÕES DIFERENCIAIS PARCIAIS 3- Autovalores e Autovetores. 3.- Autovetores e Autovalores de ua Matrz. 3.- Métodos para ecotrar os Autovalores e Autovetores de ua Matrz. 3.- Autovetores
Leia maisA Utilização da Análise por Envoltória de Dados na Liberação de Crédito em uma Agência Bancária no Rio Grande do Sul
A Utlzação da Aálse po Eoltóa de Dados a Lbeação de Cédto e a Agêca Bacáa o Ro Gade do Sl Daae de Fáta Dos Satos Beo daaeojaopes@ahoo.co.b Ucz Elae Sel Eelg Pa epa@cz.ed.b Ucz Katsca Schee Vagas katschee@ahoo.co.b
Leia maisSíntese de Transformadores de Quarto de Onda
. Sítese de rasforadores de Quarto de Oda. Itrodução rasforadores de guia de oda são aplaete epregados o projeto de copoetes e oda guiada e são ecotrados e praticaete todas as cadeias alietadoras de ateas
Leia maisIND 1115 Inferência Estatística Aula 9
Coteúdo IND 5 Iferêca Estatístca Aula 9 Outubro 2004 Môca Barros Dfereça etre Probabldade e Estatístca Amostra Aleatóra Objetvos da Estatístca Dstrbução Amostral Estmação Potual Estmação Bayesaa Clássca
Leia mais4 REPRESENTAÇÃO E/S NO DOMÍNIO TRANSFORMADO (funções de transferência)
4 REPRESENTAÇÃO E/S NO DOMÍNIO TRANSFORMADO (fuções de trasferêa) 4. Trasforada de Laplae É u operador lear, que opera sobre fuções de varável otíua postva, defdo por: L f(t) = f(s) = f(t) e -st dt Nota:
Leia maisBioestatística Curso de Saúde. Linha Reta 2 Parábola ou curva do segundo grau. terceiro grau curva do quarto. grau curva de grau n Hipérbole
Teora da Correlação: Probleas relatvos à correlação são aqueles que procura estabelecer quão be ua relação lear ou de outra espéce descreve ou eplca a relação etre duas varáves. Se todos os valores as
Leia maisFINANCIAMENTOS UTILIZANDO O EXCEL
rofessores Ealdo Vergasta, Glóra Márca e Jodála Arlego ENCONTRO RM 0 FINANCIAMENTOS UTILIZANDO O EXCEL INTRODUÇÃO Numa operação de empréstmo, é comum o pagameto ser efetuado em parcelas peródcas, as quas
Leia maisINTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA
INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA 003 Iformações: relembra-se os aluos teressados que a realzação de acções presecas só é possível medate solctação vossa, por escrto, à assstete da cadera. A realzação
Leia maisRepresentação dos padrões. Tipos de atributos. Etapas do processo de agrupamento. 7.1 Agrupamento clássico. 7. Agrupamento fuzzy (fuzzy clustering)
7. Agrupaeto fuzzy (fuzzy clusterg) 7. Agrupaeto clássco Agrupaeto é a classfcação ão-supervsoada de padrões (observações, dados, objetos, eeplos) e grupos (clusters). Itutvaete, padrões seelhates deve
Leia maisCAPÍTULO 9 - Regressão linear e correlação
INF 6 Prof. Luz Alexadre Peterell CAPÍTULO 9 - Regressão lear e correlação Veremos esse capítulo os segutes assutos essa ordem: Correlação amostral Regressão Lear Smples Regressão Lear Múltpla Correlação
Leia maisSIMULAÇÃO DE SISTEMAS CAOTICOS NO MICROMEDIA FLASC
Aas do XXXIV COBENGE. Passo Fudo: Ed. Uversdade de Passo Fudo Setebro de 006. ISBN 85-755-7- SIMULAÇÃO DE SISTEMAS CAOTICOS NO MICROMEDIA FLASC José Slvéro Edudo Gerao - slvero@ta.br ITA Isttuto Tecológco
Leia maisPUCRS - FENG - DEE - Mestrado em Engenharia Elétrica Redes Neurais Artificiais Fernando César C. de Castro e Maria Cristina F. de Castro.
PUCRS - FENG - DEE - estrado e Egehara Elétrca Redes Neuras Artfcas Ferado César C. de Castro e ara Crsta F. de Castro Capítulo 6 Redes Neuras Artfcas para Decoposção de u Espaço Vetoral e Sub-Espaços
Leia maisAlgoritmos de Interseções de Curvas de Bézier com Uma Aplicação à Localização de Raízes de Equações
Algortmos de Iterseções de Curvas de Bézer com Uma Aplcação à Localzação de Raízes de Equações Rodrgo L.R. Madurera Programa de Pós-Graduação em Iformátca, PPGI, UFRJ 21941-59, Cdade Uverstára, Ilha do
Leia maisMÉTODO COMPUTACIONAL AUTOMÁTICO TICO PARA PRÉ-PROCESSAMENTO PROCESSAMENTO DE IMAGENS RADIOGRÁFICAS. M. Z. Nascimento, A. F. Frère e L. A.
MÉTODO COMPUTACIONAL AUTOMÁTICO TICO PARA PRÉ-PROCESSAMENTO PROCESSAMENTO DE IMAGENS RADIOGRÁFICAS M. Z. Nascmeto, A. F. Frère e L. A. Neves INTRODUÇÃO O cotraste as radografas vara ao logo do campo de
Leia maisCAP RATES, YIELDS E AVALIAÇÃO DE IMÓVEIS pelo método do rendimento
CAP RATES, YIELDS E AALIAÇÃO DE IMÓEIS pelo étodo do rendento Publcado no Confdencal Iobláro, Março de 2007 AMARO NAES LAIA Drector da Pós-Graduação de Gestão e Avalação Ioblára do ISEG. Docente das caderas
Leia maisOlá, amigos concursandos de todo o Brasil!
Matemátca Facera ICMS-RJ/008, com gabarto cometado Prof. Wager Carvalho Olá, amgos cocursados de todo o Brasl! Veremos, hoje, a prova do ICMS-RJ/008, com o gabarto cometado. - O artgo º da Le.948 de 8
Leia maisEFICIÊNCIA NO CONSUMO DE ENERGIA EM MUNICIPIOS FLUMINENSES CONSIDERANDO TEMPERATURAS
EFICIÊNCIA NO CONSUMO DE ENERGIA EM MUNICIPIOS FLUMINENSES CONSIDERANDO TEMPERATURAS João Carlos Correa Baptsta Soares de Mello Unversdade Federal Flmnense Lda Anglo Meza Unversdade Federal Flmnense Elane
Leia maisCapitulo 8 Resolução de Exercícios
FORMULÁRIO Audades Peródcas, Crescetes e Postecpadas, com Termos em P. A. G 1 1 1 1 G SPAC R R s s 1 1 1 1 1 G G C R a R a 1 1 PAC Audades Gradetes Postecpadas S GP G 1 1 ; C GP G 1 1 1 Audades Gradetes
Leia maisINTERVALOS DE CONFIANÇA BOOTSTRAP PARA MODELOS DE REGRESSÃO COM ERROS DE MEDIDA
INTERVALOS DE CONFIANÇA BOOTSTRAP PARA MODELOS DE REGRESSÃO COM ERROS DE MEDIDA Wellgto José da CUNHA Erco Atôo COLOSIMO RESUMO: As meddas realzadas o da-a-da estão sjetas a erros Esses erros podem acotecer
Leia mais1 SISTEMA FRANCÊS DE AMORTIZAÇÃO
scpla de Matemátca Facera 212/1 Curso de Admstração em Gestão Públca Professora Ms. Valéra Espídola Lessa EMPRÉSTIMOS Um empréstmo ou facameto pode ser feto a curto, médo ou logo prazo. zemos que um empréstmo
Leia maisAvaliação do Ensino nos Cursos de Pós-Graduação em Engenharia: Um Enfoque Quantitativo de Avaliação em Conjunto
Avalação do Ensno nos Crsos de Pós-Gradação em Engenhara: Um Enfoqe Qanttatvo de Avalação em Connto Lda Anglo Meza Insttto de Cênca e Tecnologa Unversdade Vega de Almeda Ra Ibtrna, 108, 4º andar, Maracanã,
Leia mais3- Autovalores e Autovetores.
MÉTODOS NUMÉRICOS PARA EQUAÇÕES DIFERENCIAIS PARCIAIS - Autovalores e Autovetores..- Autovetores e Autovalores de ua Matrz..- Métodos para ecotrar os Autovalores e Autovetores de ua Matrz. Cotuação da
Leia maisAnálise do Retorno da Educação na Região Norte em 2007: Um Estudo à Luz da Regressão Quantílica.
Análse do Retorno da Edcação na Regão Norte em 2007: Um Estdo à Lz da Regressão Qantílca. 1 Introdcão Almr Rogéro A. de Soza 1 Jâno Macel da Slva 2 Marnalva Cardoso Macel 3 O debate sobre o relaconamento
Leia maisE-mails: damasceno1204@yahoo.com.br damasceno@interjato.com.br damasceno12@hotmail.com http://www. damasceno.info www. damasceno.info damasceno.
Matemátca Facera 2007.1 Prof.: Luz Gozaga Damasceo 1 E-mals: damasceo1204@yahoo.com.br damasceo@terjato.com.br damasceo12@hotmal.com http://www. damasceo.fo www. damasceo.fo damasceo.fo Obs.: (1 Quado
Leia maisSUMÁRIO GOVERNO DO ESTADO DO CEARÁ. Cid Ferreira Gomes Governador. 1. Introdução... 2. Domingos Gomes de Aguiar Filho Vice Governador
INSTITUTO DE PESQUISA E ESTRATÉGIA ECONÔMICA DO CEARÁ - IPECE GOVERNO DO ESTADO DO CEARÁ Cd Ferrera Gomes Goverador Domgos Gomes de Aguar Flho Vce Goverador SECRETARIA DO PLANEJAMENTO E GES- TÃO (SEPLAG)
Leia maisA METHODOLOGY FOR DATA CLEANING OF WIND SPEED TIME SERIES
A METHODOLOGY FOR DATA CLEANING OF WIND SPEED TIME SERIES José F.M. Pessaha, Val L.O. Castella, Thataa J. Coceção, Debora D.J. Pea, Mara E. P. Macera CEPEL Cetro de Pesqsas de Eerga Elétrca fracsc@cepel.br
Leia maisRESOLUÇÃO DE MODELOS FÍSICOS COM O MÉTODO DOS ELEMENTOS FINITOS MÓVEIS
Cogreso de Métodos Nércos e Igeería 005 Graada, 4 a 7 de Jlo, 005 SEMNI, España 005 RESOLUÇÃO DE MODELOS FÍSICOS COM O MÉTODO DOS ELEMENTOS FINITOS MÓVEIS Mara do Caro Cobra 1 *, Carlos Sereo e Alíro E.
Leia mais4- Método de Diferenças Finitas Aplicado às Equações Diferenciais Parciais.
MÉTODOS NM ÉRICOS PARA E QAÇÕES DIFEREN CIAIS PARCIAIS 4- Método de Dfereças Ftas Aplcado às Eqações Dferecas Parcas. 4.- Apromação de Fções. 4..- Apromação por Polômos. 4..- Aste de Dados: M ímos Qadrados.
Leia maisVitamina A Vitamina B Vitamina C Alimento 1 50 30 20 Alimento 2 100 40 10 Alimento 3 40 20 30
Motvção: O prole d det Itrodução os Sstes Leres U pesso e det ecesst dgerr drete s segutes qutddes de vts: g de vt A 6 g de vt B 4 g de vt C El deve suprr sus ecessddes prtr do cosuo de três letos dferetes
Leia maisCapítulo 2. Aproximações de Funções
EQE-358 MÉTODOS NUMÉRICOS EM ENGENHARIA QUÍMICA PROFS. EVARISTO E ARGIMIRO Capítulo Aproações de Fuções Há bascaete dos tpos de probleas de aproações: ) ecotrar ua fução as sples, coo u polôo, para aproar
Leia maisEconometria: 3 - Regressão Múltipla
Ecoometra: 3 - Regressão Múltpla Prof. Marcelo C. Mederos mcm@eco.puc-ro.br Prof. Marco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo de regressão
Leia maisRequisitos metrológicos de instrumentos de pesagem de funcionamento não automático
Requstos metrológcos de strumetos de pesagem de fucoameto ão automátco 1. Geeraldades As balaças estão assocadas de uma forma drecta à produção do betão e ao cotrolo da qualdade do mesmo. Se são as balaças
Leia maisEFICIÊNCIAS AEROPORTUÁRIAS: UMA ABORDAGEM COMPARATIVA COM ANÁLISE DE ENVOLTÓRIA DE DADOS
EFICIÊNCIAS AEROPORTUÁRIAS: UMA ABORDAGEM COMPARATIVA COM ANÁLISE DE ENVOLTÓRIA DE DADOS AIRPORT EFFICIENCIES: A COMPARATIVE APPROACH BASED ON DATA ENVELOPMENT ANALYSIS João Carlos C. B. Soares de Mello
Leia maisAvaliação da Eficiência Técnica Relativa de Unidades Básicas de Saúde Empregando a Análise por Envoltória de Dados - DEA
Avalação da Efcêca Técca Relatva de Udades Báscas de Saúde Epegado a Aálse po Evoltóa de Dados - DEA Bábaa de Cássa Xave Casss Agua Depataeto de Mateátca, UFPR 853-99, Cutba, P E-al: babateatca@ahoo.co.b
Leia mais2 Estrutura a Termo de Taxa de Juros
Estrutura a Termo de Taxa de Juros 20 2 Estrutura a Termo de Taxa de Juros A Estrutura a termo de taxa de juros (também cohecda como Yeld Curve ou Curva de Retabldade) é a relação, em dado mometo, etre
Leia maisMonitoramento ou Inventário Florestal Contínuo
C:\Documets ad Settgs\DISCO_F\MEUS-DOCS\LIVRO_EF_44\ef44_PDF\CAP XIV_IFCOTIUO.doc 6 Motorameto ou Ivetáro Florestal Cotíuo Agosto Lopes de Souza. ITRODUÇÃO Parcelas permaetes de vetáro florestal cotíuo
Leia maisEstudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples.
Estudo das relações etre peso e altura de estudates de estatístca através da aálse de regressão smples. Waessa Luaa de Brto COSTA 1, Adraa de Souza COSTA 1. Tago Almeda de OLIVEIRA 1 1 Departameto de Estatístca,
Leia maisHipóteses do Modelo de Regressão Linear Clássico
Uversdade Federal da Baha Facldade de Cêcas coômcas Departameto de cooma CO 66 Itrodção à coometra Hpóteses do Modelo de Regressão Lear Clássco Gerváso F. Satos Propredades dos estmadores de MQO As estmatvas
Leia maisEconometria: 4 - Regressão Múltipla em Notação Matricial
Ecoometra: 4 - Regressão últpla em Notação atrcal Prof. arcelo C. ederos mcm@eco.puc-ro.br Prof. arco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo
Leia maisTecnologia de Grupo. 1. Justificativa e Importância da Tecnologia de Grupo. 2. Algoritmo de Ordenação Binária. = 1 se a máquina i
Tecnologa de Grpo 1. Jstfcatva e Iportânca da Tecnologa de Grpo Tecnologa de grpos é conceto portante aplcado na foração de céllas de anfatra. A organzação do sstea de prodção e céllas de anfatra poss
Leia maisANÁLISE DO DESEMPENHO DAS ESCOLAS DE ENSINO MÉDIO ATRAVÉS DA METODOLOGIA DEA (DATA ENVELOPMENT ANALYSIS)
AÁLISE DO DESEPEHO DAS ESCOLAS DE ESIO ÉDIO ATRAVÉS DA ETODOLOGIA DEA (DATA EVELOPET AALYSIS) PERFORACE AALYSIS OF IDDLE SCHOOLS TEACHIG THROUGH THE ETHODOLOGY DEA (Data Evelopet Aalss) Sebastão Geraldo
Leia maisEm atendimento à solicitação de V.Sa., apresentamos, na seqüência, os resultados do estudo referenciado.
1 Belo Horzote, 14 de abrl de 2007. À UNAFISCO SAÚDE AT.: Glso Bezerra REF: AVALIAÇÃO ATUARIAL Prezado Sehor, Em atedmeto à solctação de V.Sa., apresetamos, a seqüêca, os resultados do estudo referecado.
Leia maisAtividades relacionadas à ManjarBrancoG
Atdades relacoadas à MajarBracoG Neste cojto de atdades está oblzado o estdo da ção ajar braco, sto é, a ção qe o doío é o teralo echado [0,] e asse alores o cojto dos úeros reas. Essa ção é deda coo o
Leia maisSeja o problema primal o qual será solucionado utilizando o método simplex Dual: (P)
PROGRAMA DE MESTRADO PROGRAMAÇÃO LIEAR PROFESSOR BALEEIRO Método Splex Dual no Tableau Garfnkel-ehauser E-al: abaleero@gal.co Ste: www.eeec.ufg.br/~baleero Sea o problea pral o qual será soluconado utlzando
Leia maisProgramação Paralela
rograação aralela FEU 4. Avalação de steas aralelos Defções Razão etre a velocdade de processaeto coseguda o sstea paralelo e a velocdade coseguda co u processador (pouca foração...) Efcêca Quocete do
Leia maisMAE116 Noções de Estatística
Grupo C - º semestre de 004 Exercíco 0 (3,5 potos) Uma pesqusa com usuáros de trasporte coletvo a cdade de São Paulo dagou sobre os dferetes tpos usados as suas locomoções dáras. Detre ôbus, metrô e trem,
Leia maisLEASING UMA OBSERVAÇÃO Economista Antonio Pereira da Silva
LEASING UMA OBSERVAÇÃO Ecoomsta Atoo Perera da Slva AMOR POR DINHEIRO TITÃS Composção: Sérgo Brtto e To Bellotto Acma dos homes, a le E acma da le dos homes A le de Deus Acma dos homes, o céu E acma do
Leia maisM = C( 1 + i.n ) J = C.i.n. J = C((1+i) n -1) MATEMÁTICA FINANCEIRA. M = C(1 + i) n BANCO DO BRASIL. Prof Pacher
MATEMÁTICA 1 JUROS SIMPLES J = C.. M C J J = M - C M = C( 1 +. ) Teste exemplo. ados com valores para facltar a memorzação. Aplcado-se R$ 100,00 a juros smples, à taxa omal de 10% ao ao, o motate em reas
Leia mais( ) Editora Ferreira - Toque de Mestre. Olá Amigos!
Olá Amgos! Hoje coloco à dsposção de vocês aqu a seção Toque de Mestre da Edtora Ferrera (www.edtoraferrera.com.br) as questões de Matemátca Facera cobradas o últmo cocurso da axa Ecoômca Federal (EF),
Leia maisELECTROTECNIA TEÓRICA MEEC IST
ELECTROTECNIA TEÓRICA MEEC IST º Semestre 05/6 3º TRABALHO LABORATORIAL CIRCUITO RLC SÉRIE em Regme Forçado Alterado Susodal Prof. V. Maló Machado Prof. M. Guerrero das Neves Prof.ª Mª Eduarda Pedro Eg.
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.
É o grau de assocação etre duas ou mas varáves. Pode ser: Prof. Lorí Val, Dr. val@pucrs.br http://www.pucrs.br/famat/val www.pucrs.br/famat/val/ correlacoal ou expermetal. Numa relação expermetal os valores
Leia maisMODELOS DE OTIMIZAÇÃO PARA PROBLEMAS DE CARREGAMENTO DE CONTÊINERES COM CONSIDERAÇÕES DE ESTABILIDADE E DE EMPILHAMENTO
MODELOS DE OTIMIZAÇÃO PARA PROBLEMAS DE CARREGAMENTO DE CONTÊINERES COM CONSIDERAÇÕES DE ESTABILIDADE E DE EMPILHAMENTO Leonardo Junquera Renaldo Morabto Dense Sato Yaashta Departaento de Engenhara de
Leia maisEstatística: uma definição
Prof. Lorí Val, Dr. val@at.ufrgs.br http://.at.ufrgs.br/~val/ Estatístca: ua defção Coleção de úeros estatístcas O úero de carros veddos o país auetou e 30%. A taa de deseprego atge, este ês, 7,%. As ações
Leia maisSUBSTITUIÇÕES ENVOLVENDO NÚMEROS COMPLEXOS Diego Veloso Uchôa
Nível Avaçado SUBSTITUIÇÕES ENVOLVENDO NÚMEROS COMPLEXOS Dego Veloso Uchôa É bastate útl e probleas de olpíada ode teos gualdades ou quereos ecotrar u valor de u soatóro fazeros substtuções por úeros coplexos
Leia maisElaboração: Fevereiro/2008
Elaboração: Feverero/2008 Últma atualzação: 19/02/2008 E ste Caderno de Fórmulas tem por objetvo esclarecer aos usuáros a metodologa de cálculo e os crtéros de precsão utlzados na atualzação das Letras
Leia maisJUROS SIMPLES. i 100 i 100. TAXA PROPORCIONAL: É aquela que aplicada ao mesmo capital, no mesmo prazo, produze o mesmo juros.
JUROS MONTANTE JUROS SIMPLES J = C 0 * * t 00 M = C * + * t 00 TAXA PROPORCIONAL: É aquela que aplcada ao mesmo captal, o mesmo prazo, produze o mesmo juros. * = * JUROS COMPOSTOS MONTANTE M = C * + 00
Leia maisMA12 - Unidade 4 Somatórios e Binômio de Newton Semana de 11/04 a 17/04
MA1 - Udade 4 Somatóros e Bômo de Newto Semaa de 11/04 a 17/04 Nesta udade troduzremos a otação de somatóro, mostrado como a sua mapulação pode sstematzar e facltar o cálculo de somas Dada a mportâca de
Leia maisPerguntas freqüentes Credenciadores
Pergutas freqüetes Credecadores Como devo proceder para prestar as formações de quatdade e valor das trasações com cartões de pagameto, os casos em que o portador opte pelo facameto da compra pelo emssor?
Leia maisInstituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira INEP Ministério da Educação MEC. Índice Geral de Cursos (IGC)
Isttuto Nacoal de Estudos e Pesqusas Educacoas Aíso exera INEP stéro da Educação EC Ídce Geral de Cursos (IGC) O Ídce Geral de Cursos (IGC) é ua éda poderada dos cocetos dos cursos de graduação e pós-graduação
Leia maisRESUMO DE MATEMÁTICA FINANCEIRA. Juro Bom Investimento C valor aplicado M saldo ao fim da aplicação J rendimento (= M C)
RESUMO DE MATEMÁTICA FINANCEIRA I. JUROS SIMPLES ) Elemetos de uma operação de Juros Smples: Captal (C); Motate (M); Juros (J); Taxa (); Tempo (). ) Relação etre Juros, Motate e Captal: J = M C ) Defção
Leia maisAvaliação da Localização de Base de Atendimento para Equipamentos de Movimentação de uma Empresa Siderúrgica
Avalação da Localzação de Base de Atedmeto para Equpametos de Movmetação de uma Empresa Sderúrgca Leadro Ferades da Slva Leadro.Ferades@cs.com.br UFF Ilto Curty Leal Juor ltocurty@gmal.com UFRJ Paul Adrao
Leia maisExercícios Propostos
Exercícios Propostos Ateção: Na resolução dos exercícios cosiderar, salvo eção e cotrário, ao coercial de 360 dias. 1. Calcular o otate de ua aplicação de $3.500 pelas seguite taxas de juros e prazos:
Leia maisEscola Básica e Secundária Dr. Ângelo Augusto da Silva
Escola Básica e Secdária Dr. Âgelo Agsto da Silva Teste de MATEMÁTIA A º Ao Dração: 9 mitos Dezembro/ lassificação Nome Nº T: O Prof. (Lís Abre) ª PARTE Para cada ma das segites qestões de escolha múltipla,
Leia maisAPLICAÇÕES DE MÉTODOS DE ENERGIA A PROBLEMAS DE INSTABILIDADE DE ESTRUTURAS
PONTIFÍCI UNIVERSIDDE CTÓLIC DO RIO DE JNEIRO DEPRTMENTO DE ENGENHRI CIVIL PLICÇÕES DE MÉTODOS DE ENERGI PROBLEMS DE INSTBILIDDE DE ESTRUTURS Julaa Bragh Ramalho Raul Rosas e Slva lua de graduação do curso
Leia maisEstatística: uma definição
Prof. Lorí Val, Dr. val@pucrs.br http://.pucrs.br/faat/val/ Estatístca: ua defção Coleção de úeros estatístcas O úero de carros veddos auetou e 30%. o país A taa de deseprego atge, este ês, 7,%. As ações
Leia maisExemplos. representado a seguir, temos que: são positivas. são negativas. i
6 Prodto Vetoral Para defnrmos o prodto etoral entre dos etores é ndspensáel dstngrmos o qe são bases postas e bases negatas Para sso consderemos ma base do espaço { } e m obserador Este obserador dee
Leia maisEndereço. Dados. Mem Read Mem select
Parte IV Sistea de Meória Os sisteas de coputação utiliza vários tipos de dispositivos para arazeaeto de dados e de istruções. Os dispositivos de arazeaeto cosiste e eória pricipal e eória secudária. A
Leia maisQuiz temático Fórmula 1 (setembro)
Quiz temático Fórmula 1 (setembro) Primeira semana - Quiz Temático Fórmula 1 Durante o mês de setembro, o Programa de Relacionamento Prysmian Club Eletricista Profissional vai testar seus conhecimentos
Leia maisINFERÊNCIA ESTATÍSTICA PARA DUAS POPULAÇÕES
INFERÊNCIA ESTATÍSTICA PARA DUAS POPULAÇÕES . Populações depedetes co dstrbução oral População População,, Y,,Y ~ N, Y ~ N, Y ~ N, Obs. Se a dstrbução de e/ou Y ão for oral, os resultados são váldos aproxadaete.
Leia maisA ciência de coletar, organizar, apresentar, analisar e interpretar dados numéricos com o objetivo de tomar melhores decisões.
.pucrs.br/faat/val/.at.ufrgs.br/~val/ Prof. Lorí Val, Dr. val@at.ufrgs.br val@pucrs.br Coleção de úeros estatístcas O úe ro de carros ve ddos o país auetou e 30%. A taa de deseprego atge, este ês, 7,%.
Leia maisNota Técnica n o 037/2013-SRG/ANEEL. Em 17 de maio de 2013. Processo: 48500.002907/2010-89
Nota Técca o 037/2013-SRG/ANEEL Em 17 de mao de 2013. Processo: 48500.002907/2010-89 Assuto: Cosoldação de todas as regulametações referetes à apuração de dspobldades de empreedmetos de geração de eerga
Leia maise represente as no plano Argand-Gauss.
PROFESSOR: Cládo Das BANCO DE QUESTÕES MATEMÁTICA ª SÉRIE ENSINO MÉDIO ============================================================================================== - Determe o módlo dos segtes úmeros
Leia maisA ciência de coletar, organizar, apresentar, analisar e interpretar dados numéricos com o objetivo de tomar melhores decisões.
Prof. Lorí Val, Dr. val@at.ufrgs.br http://.at.ufrgs.br/~val/ Coleção de úeros estatístcas stcas O úero de carros veddos o país auetou e 30%. A taa de deseprego atge, este ês, 7,%. As ações a da Telebrás
Leia maisCogeração com microturbina para produção de energia elétrica e água quente
Cogeração co crotrbna para prodção de energa elétrca e ága qente J..Arajo, P.M.Senra, LIGHT A.. Orlando, M.M. Haan, E..Raos, L.G. Do al, LAME, PC-RIO. Reso- sstea de cogeração co a crotrbna fornecendo
Leia maisDiferenciais Ordinárias. Reginaldo J. Santos Departamento de Matemática-ICEx Universidade Federal de Minas Gerais
Exstêca e Ucdade de Soluções de Equações Dferecas Ordáras Regaldo J Satos Departameto de Matemátca-ICEx Uversdade Federal de Mas Geras http://wwwmatufmgbr/ reg 10 de ulho de 2010 2 1 INTRODUÇÃO Sumáro
Leia mais