ESTUDO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO

Tamanho: px
Começar a partir da página:

Download "ESTUDO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO"

Transcrição

1 ESTUDO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO Alne de Paula Sanches (Bolssta UEMS), Adrana Betâna de Paula Molgora Unversdade Estadual de Mato Grosso do Sul Cdade Unverstára de Dourados, Caxa postal 351, CEP: Resumo. Um dos métodos mas poderosos utlzados na fatoração de nteros é O Crvo Quadrátco. Este método explora os concetos da Teora dos Números para encontrar um fator prmo de um número ntero. O prncpal objetvo deste trabalho é apresentar uma descrção do método Crvo Quadrátco. Palavras-chave: Crptografa. RSA. Fator. Abstract. One of the most powerfull methods for nteger factorzaton s the Quadratc Seve. Ths method explores the concepts of the Theory of Numbers to fnd a prme factor of an nteger number. The man goal of ths work s to present a descrpton of method Quadratc Seve. Key-words: Crptography. RSA. Factor. 1. Introdução A fatoração de números nteros tem sdo de grande destaque e mportânca na área de Teora dos Números. Essa mportânca deve-se ao fato de que sstemas crptográfcos, como o RSA, têm sua segurança comprometda caso seja desenvolvdo um método de fatoração que fatore qualquer ntero dado. O método de fatoração denomnado Crvo Quadrátco, crado por Pomerance (1985, p.169), é um dos métodos mas mportantes já desenvolvdos, pos tem como objetvo a fatoração de números nteros grandes. O entendmento do funconamento do método Crvo Quadrátco requer um estudo aprofundado de seus aspectos matemátcos. Nesse sentdo, esse trabalho tem como objetvo prncpal apresentar um estudo teórco do método Crvo Quadrátco de forma a dsponblzar conhecmentos, sobre este método de fatoração, vsando publcação na área de trabalho e

2 possbltando estudos mas avançados em pesqusas posterores. Esse estudo é descrto como segue. Na Seção é apresentada a metodologa utlzada durante o desenvolvmento do trabalho. Na Seção 3 são apresentados os resultados obtdos durante a pesqusa. Por fm, na Seção 4, encontra-se uma dscussão desse trabalho.. Metodologa Para alcançar o objetvo proposto o trabalho fo dstrbuído em quatro etapas compreendendo: Estudo das pesqusas mas recentes relaconadas com o método Crvo Quadrátco. Esse estudo fo realzado através de pesqusa bblográfca. Estudo dos fundamentos matemátcos para o entendmento do método Crvo Quadrátco, também realzado através de pesqusa bblográfca. Estudo do processo de fatoração de números nteros realzado pelo método Crvo Quadrátco. Documentação do processo de fatoração pelo método Crvo Quadrátco, de forma a facltar o entendmento do mesmo. 3. Resultados 3.1 Fatoração de nteros e Crptografa RSA A crptografa de chave públca, como é o caso do RSA, é um sstema de fundamental mportânca para a segurança das nformações. No entanto, esse crptossstema pode ter sua efcáca comprometda caso seja desenvolvdo um método de fatoração que fatore qualquer número ntero dado. Ou seja, estudos sobre métodos de fatoração são mprescendíves no sentdo de analsar a vulnerabldade do RSA. A mplementação do RSA utlza dos parâmetros báscos: dos números prmos p e q que consttuem o segredo do sstema. A partr do cálculo de φ ( n) = ( p 1)( q 1), onde n = p q, obtêm-se o par ( n, e), onde e satsfaz a segunte condção mdc( e, φ ( n)) = 1. O par ( n, e) corresponde a chave públca do sstema que é utlzado para a codfcação das mensagens. Para decodfcar a mensagem é necessáro o uso da chave prvada dada pelo par ( n, d) onde d é o nverso de e módulo φ (n). O receptor da mensagem é o propretáro da chave prvada e d consttu o segredo do sstema. É possível o cálculo de d sendo conhecdos os fatores p e q de n. A escolha dos prmos p e q que compõem n é um dos pontos prncpas da

3 segurança do RSA. A possbldade de fatorar n mplca na obtenção dos fatores p e q e consequentemente na decodfcação da mensagem. Essa relação dreta entre a segurança do RSA e o problema de fatoração consttu uma boa razão para o estudo dos métodos de fatoração de nteros. Isso tem servdo como um estímulo para o estudo do método Crvo Quadrátco, que fgura como um dos prncpas métodos de fatoração já desenvolvdos. 3.. Crvo Quadrátco O método Crvo Quadrátco, ou QS, fo crado em 1981, por Pomerance (1985, p.169). Esse método de fatoração de nteros é conhecdo como um dos algortmos mas rápdos de fatoração exstentes, já tendo possbltado a fatoração de números contendo mas de 100 dígtos decmas (ver Tabela 1). Tabela 1 Métodos Número de dígtos decmas dos números fatorados NFS acma de 100 dígtos decmas Crvo Quadrátco aproxmadamente 100 dígtos decmas ECM até aproxmadamente 70 dígtos Comparatvo entre os métodos de fatoração mas mportantes da atualdade. Para um melhor entendmento do funconamento do método Crvo Quadrátco, antes de descrevê-lo, serão ntroduzdos os concetos de Resíduo Quadrátco, Símbolo de Legendre e Crvo de Eratóstenes que são utlzados no processo de fatoração. Informações adconas sobre os concetos matemátcos envolvdos nesse processo podem ser encontradas em Crandall e Pomerance (00, p.01), Barros (008, p.01) e em Antunes (00, p.5) Resíduo Quadrátco Seja o conjunto Ζ p *, onde p é um número prmo maor que e a Zp *. Dzemos que a é um resíduo quadrátco módulo p se: Exemplo 1: b a (mod p) para algum b Zp * Tomamos como exemplo o conjunto Z 11 * e os quadrados dos cnco prmeros elementos do conjunto, a segur: 1 1 (mod 11) 4 (mod 11)

4 3 9 (mod 11) (mod 11) (mod 11) Nesse exemplo 1, tem-se como resíduos quadrátcos os números 1, 3, 4, 5, 9. Observe que para calcular o resíduo quadrátco módulo 11, tomamos os quadrados, apenas dos cnco prmeros elementos de Z 11 *. Calculando o quadrado dos demas elementos do conjunto, podemos verfcar que serão obtdos resultados guas aos anterores: (mod 11) (mod 11) (mod 11) (mod 11) (mod 11) Nesse sentdo, os demas elementos do conjunto podem ser gnorados devdo ao fato de fornecerem os mesmos resultados. Ou seja, vmos que em Z 11 * temos dez elementos dos quas apenas cnco são Resíduos Quadrátcos. Logo conclu que: Lema 1.1: Dado um número prmo p >, exatamente metade dos elementos de Zp * são Resíduos Quadrátcos. Demonstração: Vamos denotar por a 1, a,...,a p-1, os elementos de Zp * a =, a =,..., a p = p 1. É fácl observar que: 1 1 1, com a 1 + a p 1 = a + a p =... = p Portanto: Exemplo : 1+10 = +9 = 3+8 = 4+7 = 5+6 = 11 Ou seja a soma dos elementos eqüdstantes dos extremos é sempre gual a p. ( a k ) ( a p k ) ( a p k ) (mod p) Conforme enuncamos acma elevando ao quadrado dos elementos eqüdstantes dos extremos, o resultado módulo p será o mesmo. Devdo a Zp * ter exatamente p 1 elementos, temos ( p 1) Resíduos Quadrátcos. 3.. Símbolo de Legendre Legendre por: Dado um prmo p e um número n não dvsível por p, defnmos o Símbolo de

5 n p 1, se a é resíduo quadrátco mod p = 1, caso contráro Sabe-se que n p Legendre pode ser calculado. Exemplo 3: (p-1)/ n mod p e, através dessa congruênca, o valor do Símbolo de Seja n = 8051 e p = 7. Nesse caso, tem-se Resíduo Quadrátco mod mod 7 1. Logo, 8051 é 3..3 Crvo de Eratóstenes É um método que consste em dspor os números naturas de 1 a n, em ordem crescente em um quadro e elmnar, por etapas, os números que não são prmos. Exemplo 4: 1. Lstar os números naturas a partr do número (prmero número natural prmo) até um certo valor lmte:, 3, 4, 5, 6, 7, 8, 9, 10, 11, 1, 13, 14, 15, 16, 17, 18,. Retrar da lsta todos os múltplos do prmero número prmo (), maores que ele: 4, 6, 8, 10, 1, 14, 16, 3. Retrar da lsta todos os múltplos do próxmo número prmo (3), maores que ele: 6, 9, 1, 15, 18, 1, 4, 4. Retrar da lsta todos os múltplos do próxmo número prmo (5), maores que ele: 10, 15, 0, 5, 30, 35, 40, 5. Repetr o procedmento até o fnal da lsta. 6. Os números que não foram retrados da lsta formam a seqüênca de números naturas prmos:, 3, 5, 7, 11, 13, 17, 19, 3..4 Processo de fatoração de nteros através do método Crvo Quadrátco A fatoração de nteros através do Crvo Quadrátco tem como base o fato de que se

6 exstrem números x e y que satsfaçam a condção x y (mod n), então tem-se que ( x + y) ( x y) 0 (mod n). Logo, os números d = mdc( x + y, n) e f = mdc( x y, n) poderão ser fatores não trvas de n. Ou seja, a déa básca do método consste em encontrar congruêncas da forma x y (modn), onde y = y é um quadrado perfeto. Se x, então x y (modn). = x De acordo com Crandall e Pomerance (00, p.01), na prátca, para encontrar x e y, em prmero lugar deve-se encontrar uma base de fatores, que é um conjunto de números prmos como, por exemplo, o conjunto 1,, p,..., p }, tal que p B, para um certo lmte B e, { k para cada prmo p, o número n deve ser um resíduo quadrátco módulo p. Em seguda, são calculados números f ( x ) s dados por f ( x ) x n para x próxmo de n. = Usando o Crvo de Eratóstenes, apresentado no tem 3..3, devem-se determnar x s sufcentes para os quas f x ) pode ser completamente fatorado pela base de fatores. A quantdade desses f x ) s deve ser maor do que o número de prmos e menores do que B. Armazenando os f x ) s, em um vetor na base bnára, utlza-se a adção de vetores para descobrr uma combnação lnear que produz um vetor nulo que corresponderá a um quadrado perfeto. Então x será dado pelo produto dos x s correspondentes módulo n e y será dado pela raz do produto dos fatores dos f x ) s correspondentes. Em seguda é calculado d = mdc( x + y, n). Se d é fator não trval de n, então um fator fo encontrado e, para determnar o segundo fator basta calcular a dvsão de n por d. Em resumo, pode-se dzer que os passos para a fatoração de n pelo método Crvo Quadrátco, são: 1º Encontrar uma base de fatores. º Executar o Crvo de Erastóstenes para encontrar números que podem ser completamente fatorados sobre a base de fatores. 3º Usar a Elmnação Gaussana para encontrar um produto dos números determnados no º passo que seja um quadrado perfeto. Para um melhor entendmento desse processo apresentaremos, a segur, alguns exemplos de fatoração de números nteros desenvolvdos por meo do método Crvo Quadrátco. Exemplo 5: Seja n = 8051, o número a ser fatorado.

7 No 1º passo, para encontrar uma base de fatores escolhe-se prmeramente um lmte B. A base deverá conter números prmos menores do que B. Exstem dferentes abordagens para a obtenção do lmte B, no entanto, em geral, esse valor é obtdo de forma empírca, baseada em expermentação. Por exemplo, suponhamos que queremos uma base com < p < 105. Assume-se que já foram fetas dvsões por tentatvas em n até B, e sabe-se que p não dvde n. Serão consderados os prmos menores que B tas que: n p = +1 (símbolo de Legendre) testados: Sabemos que n n (p-1)/ mod p. Logo todos os prmos < p < 105 devem ser p p = mod p = mod , 3 não pertence para a base. 1=1, 5 pertence a base. 3 p = mod =1, 7 pertence a base. 5 p = mod , 11 não pertence a base E assm sucessvamente. Dessa forma encontra-se a base formada pelos prmos: No segundo passo deve-se determnar números a base de fatores. Ao nvés de escolher de r = k +1, k +,... Por exemplo para n = 8051 tem-se: r' s aleatoramente, escolhe-se s completamente fatorados sobre n k = e tomam-se para valores

8 k = 8051 = 89 Se forem tomados 00 valores de r tem-se: Logo, os números r' s seram: r = 89 +, p / = 1,,...,00 90, 91, 9, 93, 94,..., 89 Se f (r) for defndo como f ( r) = r n e se p (pertencente a base de fatores) não dvde n, mas dvde f (r) então. Por exemplo, para r = 9, tem-se: n r f ( r) = ou mod p 8051 = 413 = 7.59 mod7 mod59 Observação: Então se n é Resíduo Quadrátco mod p, ou seja, n = t mod p, e como, n r mod p, então t r mod p, o que sgnfca que r é congruente a t ou t mod p e, então p deve dvdr f (r). Contnuando o processo de fatoração, depos de obtdos os s completamente fatorados pela base de fatores. Exemplo: r = 90 tem-se f ( r) = r n f (90) = = 49 r' s, são determnados os = 7, pode ser utlzado como f (r). r = 91 tem-se f ( r) = r n f (91) = utlzará f ( 91) = 30. = 30 =.5.3, como não está na base de fatores, então não se r = 9 tem-se f ( r) = r n f (9) =

9 = 413 = 7.59, pode ser utlzado como f (r). E assm sucessvamente até r = 89 tem-se f ( 89) = = caso não será utlzado. =, que no Realzando-se esses cálculos obtém-se os seguntes f(r) s completamente fatorados: s : 413 = = = = = = = = = = : 9373 = = : 1685 = = : = = = = : = = : Depos de determnar os determnado pelo número de = = s, determna-se uma matrz onde o número de lnhas é s completamente fatorados e o número de colunas é o número de prmos da base de fatores. Através dessa matrz será realzada uma Elmnação Gaussana para encontrar uma combnação aproprada de s que é um quadrado perfeto. Para n = 8051, determnou-se uma base de 10 fatores e 11 s. Então para cada f (r) assoca-se uma (strng) de 10 dígtos bnáros, cada coluna correspondendo a um dos prmos da base de fatores. Se o prmo correspondente tem potênca par, então o dígto que o representa é 0; se a potênca é ímpar o dígto é 1. Nesse caso, temos a matrz B:

10 B = Lnha 1: 413 = Lnha : 765 = Lnha 3: 3185 = Lnha 8: = Uma matrz dentdade 11x11 é assocada à matrz B a fm de dzer qual combnação de s dará um quadrado perfeto. São realzados os passos da Elmnação Gaussana nas duas matrzes. A Elmnação Gaussana é realzada até que seja encontrada uma lnha com todos elementos nulos. A lnha correspondente de I ndcará quas multplcados para que se encontre um quadrado perfeto. s devem ser Se um fator não trval de n for encontrado, então deve-se tomar outra base e recomeçar o processo de fatoração. Por exemplo, ao realzar a elmnação gaussana em B a 1º lnha a ser zerada é a 8º lnha de B. A lnha correspondente em I será: [ ] As colunas com o dígto 1 ndcam quas s devem ser multplcados. Nesse caso o 3º e o 8º. Então tem-se: No 3º : 3185 = = Então x será o produto dos No 8º : produto dos fatores dos s. Ou seja: = = r' s correspondentes módulo n e y será dado pela raz do x = mod

11 y = mod 8051 = 414 x y = 330 mdc (330, 8051) = 83 que é fator de n = 8051 ou x + y = 8148 = mdc (8148, 8051) = 97 que também é fator de n. Dessa forma o número 8051 fo fatorado. Exemplo 6: Seja n = 9487 e B = 30. Verfca-se para cada prmo p menor do que 30, se n é resíduo quadrátco modulo p. através do teste de Euler, calculando-se ( n p 1) / mod p. Se o resultado for 1, tem-se que n é resíduo quadrátco modulo p. Caso contráro, o número prmo deve ser descartado. Assm, a base de fatores será dada por {-1,, 3, 7, 11, 13, 17, 19, 9}. Depos de obtda a base de fatores, são calculados os f x ) s completamente fatorados pela base de fatores para x próxmo de Por exemplo, consderando x = 98, tem-se f (98) = = 117 = 3 13, sto é, 117 é completamente fatorado pela base de fatores. Em seguda, para cada f x ) encontrado é assocado um vetor de 9 dígtos bnáros, cada coluna correspondendo a um dos prmos da base. Se o número for negatvo o prmero dígto será 1, caso contráro será 0. Se o prmo correspondente tem potênca par, então o dígto será 0, caso contráro será 1. A segur são apresentados exemplos de x s, f x ) s e seus dígtos bnáros correspondentes. x f x )

12 Calculando v(81)+v(95)+v(100) obtém-se o vetor <0,0,0,0,0,0,0,0,0>, que corresponde ao quadrado perfeto ( ) = ( ) mod9487. Então x = (mod9487) 1053 e y = (mod9487) = Calculando d = mdc( ,9487) = 179, obtém-se um fator não trval de n. O segundo fator é dado por = Dscussão Esse trabalho apresentou uma descrção do funconamento do método de fatoração Crvo Quadrátco. Durante o desenvolvmento do projeto observou-se que fatorar um número através do Crvo Quadrátco não é uma tarefa trval. Ou seja, o processo de fatoração é complexo, necesstando de estudos mas aprofundados sobre esse método de fatoração. No entanto, esse estudo, mostrou-se muto mportante, servndo como base para facltar estudos mas avançados sobre o Crvo Quadrátco. 5. Agradecmentos Os autores agradecem pelo apoo fnancero (bolsa) conceddo pela Unversdade Estadual de Mato Grosso do Sul e também por todos os acadêmcos, coordenadores, professores e técncos que, dretamente ou ndretamente, contrbuíram para a realzação desse trabalho. 6. Referêncas Teses e Dssertações Antunes, S, C. M. 00. Métodos de Fatoração de Números Interos. Dssertação de Mestrado, Unversdade Federal do Ro Grande do Sul, 75p. Lvros Crandall, R., Pomerance, C. 00. Prme Numbers- A Computatonal Perspectve. New York: Sprnger-Verlag, 1º Edção, 7p. Pomerance, C The Quadratc Seve Factorng Algorthm. New York: Sprnger- Verlag, Ed. T. Beth, N. Cot, and I. Ingemarsson, 13p.

13 Stes de Internet Unversdade Federal do Ro de Janero- UFRJ Resíduos Quadrátcos e Fatoração: uma aplcação à crptoanálse do RSA. Dsponível em: (últmo acesso em 09/0/009). Wttens, Steven; Nagtegaal, Stefan Crvo de Eratóstenes Matemátca Mana. Dsponível em: (últmo acesso em 17/0/010).

IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO

IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO Alne de Paula Sanches 1 ; Adrana Betâna de Paula Molgora 1 Estudante do Curso de Cênca da Computação da UEMS, Undade Unverstára de Dourados;

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

3 Algoritmos propostos

3 Algoritmos propostos Algortmos propostos 3 Algortmos propostos Nesse trabalho foram desenvolvdos dos algortmos que permtem classfcar documentos em categoras de forma automátca, com trenamento feto por usuáros Tas algortmos

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

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

MAP Cálculo Numérico e Aplicações

MAP Cálculo Numérico e Aplicações MAP0151 - Cálculo Numérco e Aplcações Lsta 5 (Correção Neste ponto, todos já sabemos que todas as questões têm o mesmo valor, totalzando 10.0 pontos. (Questão 1 Fque com vontade de fazer mas do que fo

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

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

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

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

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

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

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

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

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

ESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL

ESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL Revsta Matz Onlne ESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL Valera Ap. Martns Ferrera Vvane Carla Fortulan Valéra Aparecda Martns. Mestre em Cêncas pela Unversdade de São Paulo- USP.

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

Caderno de Fórmulas em Implementação. SWAP Alterações na curva Libor

Caderno de Fórmulas em Implementação. SWAP Alterações na curva Libor Caderno de Fórmulas em Implementação SWAP Alterações na curva Lbor Atualzado em: 15/12/217 Comuncado: 12/217 DN Homologação: - Versão: Mar/218 Índce 1 Atualzações... 2 2 Caderno de Fórmulas - SWAP... 3

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

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

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

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

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

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

Jorge Figueiredo, DSC/UFCG. Análise e Técnicas de Algoritmos Jorge Figueiredo, DSC/UFCG. Análise e Técnicas de Algoritmos 2005.

Jorge Figueiredo, DSC/UFCG. Análise e Técnicas de Algoritmos Jorge Figueiredo, DSC/UFCG. Análise e Técnicas de Algoritmos 2005. Agenda Análse e Técncas de Algortmos Jorge Fgueredo Ordenação baseada em comparação Inserton Sort Mergesort Qucksort Ordenação em tempo lnear Análse de de Algortmos de de Ordenação Problema da Ordenação

Leia mais

INTRODUÇÃO À PROBABILIDADE. A probabilidade é uma medida da incerteza dos fenômenos. Traduz-se por um número real compreendido de 0 ( zero) e 1 ( um).

INTRODUÇÃO À PROBABILIDADE. A probabilidade é uma medida da incerteza dos fenômenos. Traduz-se por um número real compreendido de 0 ( zero) e 1 ( um). INTRODUÇÃO À PROILIDDE teora das probabldade nada mas é do que o bom senso transformado em cálculo probabldade é o suporte para os estudos de estatístca e expermentação. Exemplos: O problema da concdênca

Leia mais

Matemática Financeira Seções: 3.1 até 4.3 Prof. Me. Diego Fernandes Emiliano Silva

Matemática Financeira Seções: 3.1 até 4.3 Prof. Me. Diego Fernandes Emiliano Silva 3.1 até 3.3 Stuações de fnancamento VP = parc [ 1 (1+) n ] (3.1) AV E = parc [ 1 (1+) n ] (3.2) (AV E) (1 + ) k 1 = parc [ 1 (1+) n ] (3.3) As fórmulas apresentadas acma são apresentadas nas seções 3.1,

Leia mais

AULA Espaços Vectoriais Estruturas Algébricas.

AULA Espaços Vectoriais Estruturas Algébricas. Note bem: a letura destes apontamentos não dspensa de modo algum a letura atenta da bblografa prncpal da cadera Chama-se a atenção para a mportânca do trabalho pessoal a realzar pelo aluno resolvendo os

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

CRIVO QUADRÁTICO: UM ESTUDO DA OBTENÇÃO DE UM QUADRADO PERFEITO

CRIVO QUADRÁTICO: UM ESTUDO DA OBTENÇÃO DE UM QUADRADO PERFEITO CRIVO QUADRÁTICO: UM ESTUDO DA OBTENÇÃO DE UM QUADRADO PERFEITO Marcelo Figueiredo Terenciani 1 ; Adriana Betânia de Paula Molgora 2 1 Estudante do Curso de Ciência da Computação da UEMS, Unidade Universitária

Leia mais

1. CORRELAÇÃO E REGRESSÃO LINEAR

1. CORRELAÇÃO E REGRESSÃO LINEAR 1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação

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

4 Discretização e Linearização

4 Discretização e Linearização 4 Dscretzação e Lnearzação Uma vez defndas as equações dferencas do problema, o passo segunte consste no processo de dscretzação e lnearzação das mesmas para que seja montado um sstema de equações algébrcas

Leia mais

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

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

8 - Medidas Descritivas

8 - Medidas Descritivas 8 - Meddas Descrtvas 8. Introdução Ao descrevemos um conjunto de dados por meo de tabelas e gráfcos temos muto mas nformações sobre o comportamento de uma varável do que a própra sére orgnal de dados.

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

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

2 Aproximação por curvas impĺıcitas e partição da unidade

2 Aproximação por curvas impĺıcitas e partição da unidade Aproxmação por curvas mpĺıctas e partção da undade Este capítulo expõe alguns concetos báscos necessáros para o entendmento deste trabalho 1 Curvas Algébrcas Um subconjunto O R é chamado de uma curva mplícta

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

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

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

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

MÉTODOS DE ANÁLISE DE CIRCUITOS RESISTIVOS ANÁLISE NODAL

MÉTODOS DE ANÁLISE DE CIRCUITOS RESISTIVOS ANÁLISE NODAL CIRCUITOS ELÉTRICOS Método de Análse: Análse Nodal Dscplna: CIRCUITOS ELÉTRICOS Professor: Dr Marcos Antôno de Sousa Tópco MÉTODOS DE ANÁLISE DE CIRCUITOS RESISTIVOS ANÁLISE NODAL Referênca bbloráfca básca:

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

PUCPR- Pontifícia Universidade Católica Do Paraná PPGIA- Programa de Pós-Graduação Em Informática Aplicada PROF. DR. JACQUES FACON

PUCPR- Pontifícia Universidade Católica Do Paraná PPGIA- Programa de Pós-Graduação Em Informática Aplicada PROF. DR. JACQUES FACON 1 PUCPR- Pontfíca Unversdade Católca Do Paraná PPGIA- Programa de Pós-Graduação Em Informátca Aplcada PROF. DR. JACQUES FACON LIMIARIZAÇÃO ITERATIVA DE LAM E LEUNG Resumo: A proposta para essa sére de

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

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

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

Introdução. Uma lâmpada nova é ligada e observa-se o tempo gasto até queimar. Resultados possíveis

Introdução. Uma lâmpada nova é ligada e observa-se o tempo gasto até queimar. Resultados possíveis Introdução A teora das probabldades é um ramo da matemátca que lda modelos de fenômenos aleatóros. Intmamente relaconado com a teora de probabldade está a Estatístca, que se preocupa com a cração de prncípos,

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

ANÁLISE DE ESTRUTURAS I INTRODUÇÃO AO MÉTODO DE CROSS

ANÁLISE DE ESTRUTURAS I INTRODUÇÃO AO MÉTODO DE CROSS DECvl ANÁLISE DE ESTRUTURAS I INTRODUÇÃO AO ÉTODO DE CROSS Orlando J. B. A. Perera 20 de ao de 206 2 . Introdução O método teratvo ntroduzdo por Hardy Cross (Analyss of Contnuous Frames by Dstrbutng Fxed-End

Leia mais

O íon lantanídeo no acoplamento Russell-Saunders e a classificação de seus estados segundo os subgrupos do grupo GL(4

O íon lantanídeo no acoplamento Russell-Saunders e a classificação de seus estados segundo os subgrupos do grupo GL(4 O íon lantanídeo no acoplamento Russell-aunders e a classfcação de seus estados segundo os subgrupos do grupo G(4 ) O hamltonano, H, dos íons lantanídeos contém uma parte que corresponde ao campo central,

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

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 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

DEFINIÇÃO - MODELO LINEAR GENERALIZADO

DEFINIÇÃO - MODELO LINEAR GENERALIZADO DEFINIÇÃO - MODELO LINEAR GENERALIZADO 1 Um modelo lnear generalzado é defndo pelos seguntes três componentes: Componente aleatóro; Componente sstemátco; Função de lgação; Componente aleatóro: Um conjunto

Leia mais

Termo-Estatística Licenciatura: 4ª Aula (08/03/2013)

Termo-Estatística Licenciatura: 4ª Aula (08/03/2013) Termo-Estatístca Lcencatura: 4ª Aula (08/03/013) Prof. Alvaro Vannucc RELEMBRADO Dstrbução dscreta (hstogramas) x contínua (curvas de dstrbução): Dada uma Função de Dstrbução de Densdade de Probabldade,

Leia mais

Tópicos Especiais de Álgebra Linear Tema # 1: Aprendendo a trabalhar com o Derive. Introdução ao Derive

Tópicos Especiais de Álgebra Linear Tema # 1: Aprendendo a trabalhar com o Derive. Introdução ao Derive Tópcos Especas de Álgebra Lnear Tema # : Aprendendo a trabalhar com o Derve Assunto: Introdução ao Derve. Ambente Algébrco e Gráfco. Comandos da Álgebra de Matrzes. Determnantes, Inversa de uma Matrz.

Leia mais

Psicologia Conexionista Antonio Roque Aula 8 Modelos Conexionistas com tempo contínuo

Psicologia Conexionista Antonio Roque Aula 8 Modelos Conexionistas com tempo contínuo Modelos Conexonstas com tempo contínuo Mutos fenômenos de aprendzado assocatvo podem ser explcados por modelos em que o tempo é uma varável dscreta como nos casos vstos nas aulas anterores. Tas modelos

Leia mais

DIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS

DIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS 177 DIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS Antôno Carlos da Slva Flho Un-FACEF Introdução Trend Strps (TS) são uma nova técnca de análse da dnâmca de um sstema,

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

O QUEBRA-CABEÇA DE LANGFORD

O QUEBRA-CABEÇA DE LANGFORD O QUEBRA-CABEÇA DE LANGFORD Mateus Mendes Magela Unversdade Federal do Espírto Santo mateusmendes.m@uol.com.br Resumo: O Quebra-Cabeça de Langford é um passatempo muto atraente e sufcentemente engenhoso

Leia mais

Auto-Fusão da Auto-Face, do Auto-Esboço e da Auto-Pele pelo Misturograma em imagens em nível de cinza

Auto-Fusão da Auto-Face, do Auto-Esboço e da Auto-Pele pelo Misturograma em imagens em nível de cinza Auto-Fusão da Auto-Face, do Auto-Esboço e da Auto-Pele pelo Msturograma em magens em nível de cnza Severno Jr, Osvaldo IMES - FAFICA osvaldo@fafca.br Gonzaga, Adlson Escola de Engenhara de São Carlos -

Leia mais

Algoritmos de Codificação Simétricos

Algoritmos de Codificação Simétricos Algortmos de Codfcação Smétrcos Hugo Valente e Ivo Navega SSI TPC. A rede de estel consste numa cfra de bloco com uma estrutura específca, a qual permte trar vantagem do facto de puder ser usada quer para

Leia mais

XXVII Olimpíada Brasileira de Matemática GABARITO Primeira Fase

XXVII Olimpíada Brasileira de Matemática GABARITO Primeira Fase Soluções Nível Unverstáro XXVII Olmpíada Braslera de Matemátca GABARITO Prmera Fase SOLUÇÃO DO PROBLEMA : Pelo enuncado, temos f(x) = (x )(x + )(x c) = x 3 cx x + c, f'(x) = 3x cx, f '( ) = ( + c) e f

Leia mais

3 Elementos de modelagem para o problema de controle de potência

3 Elementos de modelagem para o problema de controle de potência 3 Elementos de modelagem para o problema de controle de potênca Neste trabalho assume-se que a rede de comuncações é composta por uma coleção de enlaces consttuídos por um par de undades-rádo ndvdualmente

Leia mais

As leis de Kirchhoff. Capítulo

As leis de Kirchhoff. Capítulo UNI apítulo 11 s les de Krchhoff s les de Krchhoff são utlzadas para determnar as ntensdades de corrente elétrca em crcutos que não podem ser convertdos em crcutos smples. S empre que um crcuto não pode

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

Introdução e Organização de Dados Estatísticos

Introdução e Organização de Dados Estatísticos II INTRODUÇÃO E ORGANIZAÇÃO DE DADOS ESTATÍSTICOS 2.1 Defnção de Estatístca Uma coleção de métodos para planejar expermentos, obter dados e organzá-los, resum-los, analsá-los, nterpretá-los e deles extrar

Leia mais

2 Lógica Fuzzy Introdução

2 Lógica Fuzzy Introdução 2 Lógca Fuzzy 2.. Introdução A lógca fuzzy é uma extensão da lógca booleana, ntroduzda pelo Dr. Loft Zadeh da Unversdade da Calfórna / Berkeley no ano 965. Fo desenvolvda para expressar o conceto de verdade

Leia mais

Resumo de Álgebra Linear - parte II

Resumo de Álgebra Linear - parte II Aula 7 Resumo de Álge Lnear - parte II 7.1 Resumo Nesta aula contnuamos desenvolvendo concetos báscos de álge lnear, aprmorando a famlardade com a notação de Drac. Bblograa: Moysés, 8.7 (em parte), e Cohen-Tannoudj,

Leia mais

Parte 1: Exercícios Teóricos

Parte 1: Exercícios Teóricos Cálculo Numérco SME0300 ICMC-USP Lsta 2: Sstemas Lneares Métodos Dretos Professora: Cyntha de O. Lage Ferrera Parte 1: Exercícos Teórcos 1. Consdere o sstema Ax = b, onde 1 α 3 α 1 4 ; x = 5 2 1 Para que

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

3 Desenvolvimento do Modelo

3 Desenvolvimento do Modelo 3 Desenvolvmento do Modelo Neste capítulo apresentaremos como está estruturado o modelo desenvolvdo nesta dssertação para otmzar o despacho de geradores dstrbuídos com o obetvo de reduzr os custos da rede

Leia mais

Modelo de Alocação de Vagas Docentes

Modelo de Alocação de Vagas Docentes Reunão Comssão de Estudos de Alocação de Vagas Docentes da UFV Portara 0400/2016 de 04/05/2016 20 de mao de 2016 Comssão de Estudos das Planlhas de Alocação de Vagas e Recursos Ato nº 009/2006/PPO 19/05/2006

Leia mais

O F Í C I O C I R C U L A R. Participantes dos Mercados da B3 Segmento BM&FBOVESPA. Ref.: Nova Metodologia do Índice Dividendos BM&FBOVESPA (IDIV).

O F Í C I O C I R C U L A R. Participantes dos Mercados da B3 Segmento BM&FBOVESPA. Ref.: Nova Metodologia do Índice Dividendos BM&FBOVESPA (IDIV). 01 de novembro de 2017 069/2017-DP O F Í C I O C I R C U L A R Partcpantes dos Mercados da B3 Segmento BM&FBOVESPA Ref.: Nova Metodologa do Índce Dvdendos BM&FBOVESPA (IDIV). Concluída a fase de dscussão

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

CRIVO QUADRÁTICO: UM ESTUDO DA OBTENÇÃO DE UM CONJUNTO DE NÚMEROS COMPLETAMENTE FATORADOS SOBRE UMA BASE DE FATORES

CRIVO QUADRÁTICO: UM ESTUDO DA OBTENÇÃO DE UM CONJUNTO DE NÚMEROS COMPLETAMENTE FATORADOS SOBRE UMA BASE DE FATORES CRIVO QUADRÁTICO: UM ESTUDO DA OBTENÇÃO DE UM CONJUNTO DE NÚMEROS COMPLETAMENTE FATORADOS SOBRE UMA BASE DE FATORES Alex Zanella Zaccaron 1 ; Adriana Betânia de Paula Molgora 2 1 Estudante do Curso de

Leia mais

CENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS - UnilesteMG

CENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS - UnilesteMG 1 CENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS - UnlesteMG Dscplna: Introdução à Intelgênca Artfcal Professor: Luz Carlos Fgueredo GUIA DE LABORATÓRIO LF. 01 Assunto: Lógca Fuzzy Objetvo: Apresentar o

Leia mais

METODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL. Iran Carlos Stalliviere Corrêa RESUMO

METODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL. Iran Carlos Stalliviere Corrêa RESUMO Semnáro Anual de Pesqusas Geodéscas na UFRGS, 2. 2007. UFRGS METODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL Iran Carlos Stallvere Corrêa Insttuto de Geocêncas UFRGS Departamento

Leia mais

Procedimento Recursivo do Método dos Elementos de Contorno Aplicado em Problemas de Poisson

Procedimento Recursivo do Método dos Elementos de Contorno Aplicado em Problemas de Poisson Trabalho apresentado no III CMAC - SE, Vtóra-ES, 015. Proceedng Seres of the Brazlan Socety of Computatonal and Appled Mathematcs Procedmento Recursvo do Método dos Elementos de Contorno Aplcado em Problemas

Leia mais

Estudo de Solubilidade por Método Monte Carlo Para a Molécula do Fulereno

Estudo de Solubilidade por Método Monte Carlo Para a Molécula do Fulereno Fundação Unversdade Federal do Amapá Pro - Retora de Ensno de Graduação Coordenação do Curso de Físca Estudo de Solubldade por Método Monte Carlo Para a Molécula do Fulereno Acadêmco: Robert Sarava Matos

Leia mais

SÉRIE DE PROBLEMAS: CIRCUITOS DE ARITMÉTICA BINÁRIA. CIRCUITOS ITERATIVOS.

SÉRIE DE PROBLEMAS: CIRCUITOS DE ARITMÉTICA BINÁRIA. CIRCUITOS ITERATIVOS. I 1. Demonstre que o crcuto da Fg. 1 é um half-adder (semsomador), em que A e B são os bts que se pretendem somar, S é o bt soma e C out é o bt de transporte (carry out). Fg. 1 2. (Taub_5.4-1) O full-adder

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

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

Representação e Descrição de Regiões

Representação e Descrição de Regiões Depos de uma magem ter sdo segmentada em regões é necessáro representar e descrever cada regão para posteror processamento A escolha da representação de uma regão envolve a escolha dos elementos que são

Leia mais

Q 1-1,5(Q3-Q1) < X i < Q 3 + 1,5(Q 3 -Q 1 ) Q 3 +1,5(Q 3 -Q 1 ) < X i < Q 3 +3(Q 3 -Q 1 ) Q 1 3(Q 3 -Q 1 ) < X i < Q 1 1,5(Q 3 -Q 1 )

Q 1-1,5(Q3-Q1) < X i < Q 3 + 1,5(Q 3 -Q 1 ) Q 3 +1,5(Q 3 -Q 1 ) < X i < Q 3 +3(Q 3 -Q 1 ) Q 1 3(Q 3 -Q 1 ) < X i < Q 1 1,5(Q 3 -Q 1 ) DIGRM OX-PLOT E CRCTERIZÇÃO DE OUTLIERS E VLORES EXTREMOS Outlers e valores extremos são aqueles que estão muto afastados do centro da dstrbução. Uma forma de caracterzá-los é através do desenho esquemátco

Leia mais

MODELOS DE REGRESSÃO PARAMÉTRICOS

MODELOS DE REGRESSÃO PARAMÉTRICOS MODELOS DE REGRESSÃO PARAMÉTRICOS Às vezes é de nteresse nclur na análse, característcas dos ndvíduos que podem estar relaconadas com o tempo de vda. Estudo de nsufcênca renal: verfcar qual o efeto da

Leia mais

Análise Exploratória de Dados

Análise Exploratória de Dados Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: traçar dagramas de dspersão, para avalar possíves relações entre as duas varáves; calcular o coefcente de correlação entre as duas

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

ALGORITMOS PARA DADOS AUMENTADOS

ALGORITMOS PARA DADOS AUMENTADOS ALGORITMOS PARA DADOS AUMNTADOS. INTRODUÇÃO Dos algortmos baseados na consderação de dados latentes. Temos os dados efetvamente observados e de uma manera convenente aumentamos esses dados ntroduzndo os

Leia mais

7 Tratamento dos Dados

7 Tratamento dos Dados 7 Tratamento dos Dados 7.. Coefcentes de Troca de Calor O úmero de usselt local é dado por h( r )d u ( r ) (7-) k onde h(r), o coefcente local de troca de calor é h( r ) q''- perdas T q''- perdas (T( r

Leia mais

Modelagem do crescimento de clones de Eucalyptus via modelos não lineares

Modelagem do crescimento de clones de Eucalyptus via modelos não lineares Modelagem do crescmento de clones de Eucalyptus va modelos não lneares Joselme Fernandes Gouvea 2 Davd Venanco da Cruz 3 Máco Augusto de Albuquerque 3 José Antôno Alexo da Slva Introdução Os fenômenos

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

Revisão de Férias MATEMÁTICA III SETOR SISTEMA DE ENSINO VETOR 1

Revisão de Férias MATEMÁTICA III SETOR SISTEMA DE ENSINO VETOR   1 Revsão de Féras MATEMÁTICA III SETOR 171 1. (Fuvest) Dentre os canddatos que fzeram provas de matemátca, português e nglês num concurso, 0 obtveram nota mínma para aprovação nas três dscplnas. Além dsso,

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

Estudo quantitativo do processo de tomada de decisão de um projeto de melhoria da qualidade de ensino de graduação.

Estudo quantitativo do processo de tomada de decisão de um projeto de melhoria da qualidade de ensino de graduação. Estudo quanttatvo do processo de tomada de decsão de um projeto de melhora da qualdade de ensno de graduação. Rogéro de Melo Costa Pnto 1, Rafael Aparecdo Pres Espíndula 2, Arlndo José de Souza Júnor 1,

Leia mais

Primeiras Redes Neurais. Aluizio Fausto Ribeiro Araújo Universidade Federal de Pernambuco Centro de Informática

Primeiras Redes Neurais. Aluizio Fausto Ribeiro Araújo Universidade Federal de Pernambuco Centro de Informática Prmeras Redes Neuras Aluzo Fausto Rbero Araújo Unversdade Federal de Pernambuco Centro de Informátca Conteúdo. Modelo de McCullough and Ptts 2. Teora de Hebb 3. O Perceptron 4. Exemplos 2 Modelo de McCullough

Leia mais