Receptores ópticos - sem pré-amplificação óptica -
|
|
|
- Patrícia Klettenberg Gil
- 6 Há anos
- Visualizações:
Transcrição
1 Reetores ótos - sem ré-amlfação óta - Parâmetros-have dos dos reetores :: Sesbldade: otêa óta méda à etrada do reetor requerda ara uma determada robabldade de erro Parâmetro de sobrearga: otêa máxma que o reetor ode aetar à sua etrada Fotodetetores :: PIN PIN (Postve-Itrs-Negatve) APD APD (Avalahe Photo-Dodes) Díodos om olarzação versa O rojeto do ré-amlfador elétro basea-se um omromsso etre ruído e largura de bada Sstemas de Teleomuações Guados - ISCTE - Aetatos 11 1
2 Fotodetetores PIN são baseados uma jução om materal tríseo oloado etre os dos tos de semodutor. A jução é olarzada versamete. Regão de deleção Num fotodetetor deal or ada fotão dete a regão de absorção sera orgado um ar eletrão-laua a regão de deleção Fotodetetor real: real: Potêa óta dete, Resostvdade R R [A/W] λ ηq λ [ µ m] λ η hν 1.4 PIN η, R λ Fotoorrete, η η - efêa da oversão η (desgada or efêa quâta) é feror a 1 rtmo de geração de ares eletrão-laua rtmo dos fotões detes / q / hν q arga do eletrão C h ostate de Plak J s Sstemas de Teleomuações Guados - ISCTE - Aetatos 11
3 Ruído de fotodeteção A um fexe de luz om otêa P ót orresode a um fluxo médo de P ót /hv fotões or segudo. Porém o úmero de fotões detes um fotodetetor um determado tervalo de temo é uma gradeza aleatóra. fotões PIN η, R λ fotoorrete (t) temo temo O º de fotões detes um determado tervalo de temo T segue uma estatísta de Posso. A fotoorrete gerada aos termas do fotodetetor areseta uma omoete méda à qual aaree sobreosta uma omoete aleatóra q (t), desgada or ruído quâto (shot ose): Fotoorrete: Varâa do ( t) + ( t) R ( t) q λ + ruído quâto: σ HT ( f q qr λ Be, ) Be, H ( ) q 0 0 T df Ruído róro dos sstemas de omuação óta B e, Largura de bada equvalete de ruído da arte elétra do reetor óto Sstemas de Teleomuações Guados - ISCTE - Aetatos 11 3
4 Fotodetetores de avalahe ou APD fotoorrete: ( ) t Resostvdade: M R λ RAPD M Rλ M h Varâa do ruído quâto: Gaho de orrete determísto - deal σ qr M B q λ e, ηq ν Utlza um roesso de multlação or avalahe ara se obter um gaho M (omaratvamete ao PIN) a orrete à saída do fotodetetor PIN M 1 Gaho de orrete aleatóro - real ( ) σ qr F M M B q λ e, x ( ) M F M Fator de ruído do APD x (S) x (IGaAs) x 1 (Ge) Sstemas de Teleomuações Guados - ISCTE - Aetatos 11 4
5 PIN versus APD Vatages do APD vs PIN: Exstêa de uma gaho elevado a oversão óto-elétra. Desvatages do APD vs PIN: A lmtação do desemeho ode dar-se elo ruído quâto (o PIN, este ruído é desrezável sedo a lmtação geralmete mosta elo ruído de ruto). Estrutura mas omlexa (eessta da estrutura ode oorre a multlação em avalahe). Mas aro Sesbldade elevada das suas roredades (omo o gaho) à temeratura Meor fabldade Requer tesões de olarzação muto suerores (ara garatr a multlação em avalahe) Largura de bada mas lmtada Sstemas de Teleomuações Guados - ISCTE - Aetatos 11 5
6 Ruído de ruto Esquema smlfado do frot-ed: Tesão de olarzação Fotodetetor Correte de ruído quâto ( t) ( t) ( t) q + Correte de ruído de ruto Resstêa de olarzação, R b Pré-amlfador Valor quadráto médo do ruído de ruto : Desdade esetral de otêa de ruído de ruto: ( ) + ( ) + ( ) t t R t λ 4k B T f, e B e, Rb σ S 4k T,e Rb Fator de ruído do réamlfador elétro B ( f ) f [A / Hz] S Potêa equvalete de ruído (NEP): ( f ) NEP W / Hz R λ T: temeratura em ºK k B : ostate de Boltzma (1.38x10-3 J/K) Sstemas de Teleomuações Guados - ISCTE - Aetatos 11 6
7 Estatísta do sal detetado PIN : > σ σ σ σ + σ q APD : σ < q σ q Ruído de ruto domate Ruído quâto domate Estatísta do sal detetado (PIN) Potêa dete o PIN ara o bt 1 σ σ + σ q σ + σ q,1 σ + qrλ,1 Be, bt 1 σ + σ q,0 σ + qrλ,0 Be, bt 0 Potêa dete o PIN ara o bt 0 Assume-se uma estatísta gaussaa ara o sal detetado tato ara o bt 1 omo ara o bt 0 Bt 1 Méda I R 1 λ,1 σ Varâa σ + qr B 1 λ,1 e, Bt 0 I R 0 λ,0 σ σ + qr B 0 λ,0 e, Sstemas de Teleomuações Guados - ISCTE - Aetatos 11 7
8 Ilustração das estatístas ara os bts 1 e 0 Sal + ruído: dstrbução gaussaa da méda I 1 e desvo adrão σ 1 Sal + ruído: dstrbução gaussaa da méda I 0 e desvo adrão σ 0 Nota: tato a otêa do ruído quâto omo a do ruído de ruto são rooroas a B e, redução de B e, dstorção de sal (feho de dagrama de olho) Valores tíos: 0.5D b a 0.7D b Sstemas de Teleomuações Guados - ISCTE - Aetatos 11 8
9 Avalação do desemeho A robabldade méda de erro é dada or: ( ) ( ) P Pr Pr 1 0 e 1 0 Equrobabldade 1 P e Pr Pr 1 0 ( ) ( ) Pr(0 1) rob. dedr elo 0 tedo sdo evado 1 1 I1 I Pr ( 0 1) PrI + ( t ) < I erf σ1 D 1 D D Pr(1 0) rob. dedr elo 1 tedo sdo evado 0 1 I I Pr 1 0 Pr erf σ 0 D 0 ( ) I + ( t ) > I 0 D D P e 1 I D I 0 1 I1 I D erf + erf 4 σ 4 0 σ1 erf(x) e π x λ Q( x) dλ t D state de amostragem Sstemas de Teleomuações Guados - ISCTE - Aetatos 11 9
10 Parâmetro Q Lmar de desão ótmo: I D I0 I1 I σ σ 0 1 D I D σ I + σ I σ + σ Se σ 1 σ 0 : 1 0 I D I + I Reetores om PIN (sem ré-amlfação óta) σ >> σ q Defção do arâmetro Q : I I 1 0 Q σ 0 + σ 1 QdB 0 log 10 ( Q) Probabldade de erro : P e 1 Q erf P e ( Q ) ex / ara Q > 3 Q π Sstemas de Teleomuações Guados - ISCTE - Aetatos 11 10
11 Sesbldade - reetores om PIN - A sesbldade do reetor,, é defda omo a otêa óta míma eessára ara obter um valor de BER esefado basta determar Q Para um reetor baseado um fotodetetor PIN, o ruído de ruto é domate (σ 1 σ 0 σ ) + 1+ r 1+ r,1,0 ext ext,0,1 rext Q I I 1 0,1,0 R λ σ 1 + σ 0 σ ( ) rext + 1 Q σ rext + 1 Q S f B r 1 R r 1 R ext λ ext λ e, Q 7; R λ 1 A/W; r ext D b.5 Gbt/s; B e,.5 GHz B D A sesbldade do reetor dmu om a raz e, b quadrada do débto báro Sesbldade 8 dbm D b 10 Gbt/s; B e, 10 GHz Sesbldade 5 dbm Sstemas de Teleomuações Guados - ISCTE - Aetatos 11 11
12 Sesbldade - reetores om APD - Para um reetor baseado um fotodetetor APD, o ruído quâto é domate sobre o ruído de ruto ( σ q >> σ ) I1 I0 Q,1 +,0 1+ rext 1+ rext σ 1 + σ 0,0,1 rext I R M I R M 0 λ,0 1 λ,1 σ ( ) 0 λ,0 e, σ qr F M M B ( ) qr F M M B 1 λ,1 e, ( + 1) ( ) Q rext qf M Be, R λ ( r 1) ext B D A sesbldade do reetor dmu e, b om o débto báro Para reetores om ruído quâto domate Sstemas de Teleomuações Guados - ISCTE - Aetatos 11 1
13 Pealdade de otêa Sesbldade em odções deas de fuoameto - zero ISI (dagrama de olho omletamete aberto) - razão de extção fta Sesbldade em odções reas de fuoameto - dagrama de olho aralmete fehado - razão de extção fta (devdo a lmtações do emssor óto) deal real > deal Pealdade de otêa Arésmo de otêa or ão se estar as odções deas de fuoameto P [db] 10 log 10 real deal da quato mas otêa se tem de ter à etrada do reetor ara garatr a mesma robabldade de erro Sstemas de Teleomuações Guados - ISCTE - Aetatos 11 13
14 Pealdade de otêa devdo à razão de extção Sesbldade em odções deas de fuoameto Razão de extção fta Sesbldade em odções reas de fuoameto (emssor óto real) Razão de extção fta Q σ R λ rext + 1 Q σ r 1 R λ ext Pealdade de otêa devdo à razão de extção (fotodetetor PIN) r r 1 ext ext + P [db] 10 log log10 r ext rext 1 r ext a razão de extção míma reomedada elo ITU-T, r ext 6.6, oduz a uma ealdade de otêa devdo à razão de extção de 1.3dB Sstemas de Teleomuações Guados - ISCTE - Aetatos 11 14
15 Pealdade de otêa devdo à trasmssão - ath ealty - Cotablza todos os efetos dstorvos ausados ela trasmssão devdo à dsersão, efetos ão-leares da fbra, et Cotrbuções ara a ealdade devdo à dsersão assoada à largura esetral da fote assoada à largura de bada do sal modulado, λ M a ausêa de modulação, λ F [ db] [ db] P λ F P λ M Pealdade total devdo à dsersão P [db] P [db] + P [db] Dλ L λ λ F M o rojeto de lgações or fbra óta fxa-se um valor máxmo de dstorção que o sstema ode tolerar db [orresode à ealdade máxma devdo à dsersão] Sstemas de Teleomuações Guados - ISCTE - Aetatos 11 15
16 Pealdade de otêa devdo à dsersão assoada à largura esetral da fote ( λ M << λ F ) ( ) λ σ λ P [db] 5 log 1 4D D L F 10 b, F λ σ λ,f largura esetral r.m.s. da fote ara 4D D L σ < 1 b λ λ, F Fgura de mérto desta ealdade: F f D D L σ f ara db F m b λ λ, F m P λ F Imõe a dstâa máxma de trasmssão e largura máxma esetral da fote assoada à largura de bada do sal modulado ( λ F << λ M ) ( α β ) ( β ) P [db] 5 log 1 8 LD + 8 LD M 10 b λ b α fator de erquemeto da largura esetral hr ulo Parâmetro de dsersão da velodade do gruo: β Dλ λo π Fgura de mérto desta ealdade: f M α D D L λ fm π M α 6 f M b λ o m m P λ ara M db Sstemas de Teleomuações Guados - ISCTE - Aetatos 11 16
17 Projeto de uma lgação óta oto-a-oto - sem amlfação óta - atrbu-se um valor à ealdade devdo à trasmssão de 1 a db e rojeta-se a lgação de aordo om essa ealdade P D λ L [db] db assegurar que o ível de otêa à etrada do reetor é sufete ara garatr a qualdade míma requerda, tedo em ota a ealdade devdo à trasmssão mosta o rmero rtéro P P A > r s t P P Potêa míma requerda o reetor obtda uma ofguração ostas-om-ostas Prmero rtéro: otablza o efeto devdo à dstorção Segudo rtéro: otablza as erdas e os íves de otêa o emssor e reetor requerdos ara uma dada qualdade Sstemas de Teleomuações Guados - ISCTE - Aetatos 11 17
18 Margem de fuoameto de uma lgação óta oto-a-oto Coetor N j jutas Coetor Emssor óto Troços de fbra Reetor óto [ ] P s Margem de fuoameto da lgação: M db P A P P f s t Dλ L Pr db L N t 1 L P r Lgação lmtada ela ateuação: Lgação lmtada ela dsersão: M f < 6 db P > db D λ L o rojeto deve assegurar que a lgação se matém om a qualdade retedda mesmo quado exstem flutuações desejáves das araterístas do sstema Margem míma de fuoameto 6 db Sstemas de Teleomuações Guados - ISCTE - Aetatos 11 18
Receptores ópticos - sem pré-amplificação óptica -
Reetores ótos - sem ré-amlfação óta - Parâmetros-have dos dos reetores :: Sesbldade: otêa óta méda à etrada do reetor requerda ara uma determada robabldade de erro Parâmetro de sobrearga: otêa máxma que
Fotodetectores - Características desejáveis -
Fotodetectores - Característcas desejáves - Elevada sensbldade ara os comrmentos de onda de nteresse,.e os utlzados elo laser; Largura de banda e temos de resosta adequados aos rtmos bnáros usados; Introdução
Revisão de Estatística X = X n
Revsão de Estatístca MÉDIA É medda de tedêca cetral mas comumete usada ara descrever resumdamete uma dstrbução de freqüêca. MÉDIA ARIMÉTICA SIMPLES São utlzados os valores do cojuto com esos guas. + +...
Hidrologia, Ambiente e Recursos Hídricos 2009 / Rodrigo Proença de Oliveira
Hdrologa, Ambete e Recursos Hídrcos 009 / 00 Rodrgo roeça de Olvera Aálse estatístca IST: Hdrologa, Ambete e Recursos Hídrcos Rodrgo roeça de Olvera, 009 Cocetos base Varável aleatóra oulação Fução de
REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA
REGRESSÃO LINEAR CUIABÁ, MT 6/ INTRODUÇÃO Relação dos valores da varável depedete (varável resposta) aos valores de regressoras ou exógeas). SIMPLES MÚLTIPLA (varáves depedetes,... =,,, K=,,, k em que:
Teoria das Comunicações
Teora das Comucações.6ª Revsão de robabldade rof. dré Noll arreto rcíos de Comucação robabldade Cocetos áscos Eermeto aleatóro com dversos resultados ossíves Eemlo: rolar um dado Evetos são cojutos de
Extracção de Parâmetros Intrínsecos de Laseres de Poço Quântico Múltiplo a Partir de Medições da Resposta IM
Extração de Parâmetros Itríseos de Laseres de Poço Quâtio Múltilo a Partir de Medições da Resosta IM Mário M. Freire Luís. Viete ad Herique J. A. da Silva Uiversidade da Beira Iterior Istituto de Teleomuiações
MEDIDAS DE TENDÊNCIA CENTRAL I
Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, edca Veterára, uscoterapa, Odotologa, Pscologa EDIDAS DE TENDÊNCIA CENTRAL I 7 7. EDIDAS DE
Capítulo 9 Problema 01 Problema 03 Problema 04
Bssab&Morett Caítlo Problema mod, orqe + mod, orqe + Problema a, m m, ( ) mod mod, ( ) mod mod, ( ) mod mod,...,,,,..., Portato, o eríodo esse caso é h. Problema a, m, m ( ) mod mod, ( ) mod mod, ( ) mod
Construção e Análise de Gráficos
Costrução e Aálse de Gráfcos Por que fazer gráfcos? Facldade de vsualzação de cojutos de dados Faclta a terpretação de dados Exemplos: Egehara Físca Ecooma Bologa Estatístca Y(udade y) 5 15 1 5 Tabela
Análise de Circuitos com Transístores Bipolares Parte I
Teora dos rcutos e Fudametos de lectróca 1 Matéra Parte I Trasístores de jução bolares 2 Aálse de rcutos com Trasístores olares Parte I estrutura tos de trasístores e símbolo e setdos/olardades coecoas
Avaliação da qualidade do ajuste
Avalação da qualdade do ajuste 1 Alguma termologa: Modelo ulo: é o modelo mas smples que pode ser defdo, cotedo um úco parâmetro ( µ) comum a todos os dados; Modelo saturado: é o modelo mas complexo a
Regressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança
Regressão Smples Parte III: Coefcete de determação, regressão a orgem e método de máxma verossmlhaça Coefcete de determação Proporção da varabldade explcada pelo regressor. R Varação explcada Varação total
CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS
CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS No caítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas or taelas de valores. Frequetemete, estas taelas são otdas com ase em
Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø.
Professor Maurco Lutz 1 EGESSÃO LINEA SIMPLES A correlação lear é uma correlação etre duas varáves, cujo gráfco aproma-se de uma lha. O gráfco cartesao que represeta essa lha é deomado dagrama de dspersão.
Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD
Dstrbuções Amostras Estatístca 8 - Dstrbuções Amostras 08- Dstrbuções Amostras Dstrbução Amostral de Objetvo: Estudar a dstrbução da população costtuída de todos os valores que se pode obter para, em fução
Apresenta-se em primeiro lugar um resumo da simbologia adoptada no estudo da quadratura de Gauss.
CAÍTULO QUADRATURA DE GAUSS Mutos dos tegras que é eessáro alular o âmbto da aplação do Método dos Elemetos Ftos (MEF) ão são trvas,.e., ou a prmtva da ução tegrada ão exste expltamete, ou é demasado omplada
MAE0229 Introdução à Probabilidade e Estatística II
Exercíco Cosdere a dstrbução expoecal com fução de desdade de probabldade dada por f (y; λ) = λe λy, em que y, λ > 0 e E(Y) = /λ Supor que o parâmetro λ pode ser expresso proporcoalmete aos valores de
CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS
CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS No caítulo IV, Iterolação Polomal, estudamos uma forma de ldar com fuções matemátcas defdas or taelas de valores. Frequetemete, estas taelas são
PTR Transporte Ferroviário e Transporte Aéreo. Aula 6. Lotação das composições. PTR Transporte Ferroviário e Transporte Aéreo
PT- 50 Trasporte Ferrováro e Trasporte Aéreo / 34 CSX Trasportato Compay, Phlso, Pesylvaa Prof. Dr. Telmo Golto Porto PT 50 Trasporte Ferrováro e Trasporte Aéreo ardo Marts da Slva Aula 6 Lotação das omposções
Probabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ
Duração: 90 mutos Grupo I Probabldades e Estatístca LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBol, MEBom, MEEC, MEFT, MEMec, MEQ Justfque coveetemete todas as respostas 1 o semestre 018/019 10/01/019 09:00 o
MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12
MEDIDAS DE POSIÇÃO: São meddas que possbltam represetar resumdamete um cojuto de dados relatvos à observação de um determado feômeo, pos oretam quato à posção da dstrbução o exo dos, permtdo a comparação
Probabilidades e Estatística LEGM, LEIC-A, LEIC-T, MA, MEMec
Duração: 90 mutos Grupo I Probabldades e Estatístca LEGM, LEIC-A, LEIC-T, MA, MEMec Justfque coveetemete todas as respostas 2 o semestre 2017/2018 14/06/2018 11:00 2 o Teste B 10 valores 1. Os dvíduos
Aula 9. Aula de hoje. Aula passada. Self-normalized Importance Sampling Gerando amostras complicadas Variância amostral Simulação
Aula 9 Aula passada Método da rejeção (rejecto samplg) Exemplos Importace Samplg Exemplos Geeralzação Aula de hoje Self-ormalzed Importace Samplg Gerado amostras complcadas Varâca amostral Smulação Importace
MEDIDAS DE DISPERSÃO:
MEDID DE DIPERÃO: fução dessas meddas é avalar o quato estão dspersos os valores observados uma dstrbução de freqüêca ou de probabldades, ou seja, o grau de afastameto ou de cocetração etre os valores.
Resoluções dos testes propostos
os fudametos da físa Udade E Capítulo efração lumosa T.7 esposta: À ote dmu a parela de luz refratada proeete do exteror, predomado a parela de luz refletda. T.7 esposta: d luz extera que de o dro sofre
Cap. 5. Testes de Hipóteses
Cap. 5. Testes de Hpóteses Neste capítulo será estudado o segudo problema da ferêca estatístca: o teste de hpóteses. Um teste de hpóteses cosste em verfcar, a partr das observações de uma amostra, se uma
? Isso é, d i= ( x i. . Percebeu que
Estatístca - Desvo Padrão e Varâca Preparado pelo Prof. Atoo Sales,00 Supoha que tehamos acompahado as otas de quatro aluos, com méda 6,0. Aluo A: 4,0; 6,0; 8,0; méda 6,0 Aluo B:,0; 8,0; 8,0; méda 6,0
8 Programação linear 78
8 Programação lear 78 8 Programação lear A programação lear cosderou duas fuções objetvo: (a) maxmzação da comercalzação do gás e (b) mmzação das perdas (recetas e multas cotratuas). Foram dealzados dos
Amplificadores Ópticos - Amplificadores de fibra dopada com érbio (EDFA) -
Amlificadres Ótics - Amlificadres de fibra dada cm érbi (EDFA) - Vatages :: Os amlificadres ótics (AO) eram smete dmíi ótic sem quaisquer cversões ara dmíi eléctric regeeradres imlicam cversões teléctrica
HIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia
Aálse estatístca aplcada à hdrologa. Séres hdrológcas oções complemetares HIDROLOGIA E RECURSOS HÍDRICOS Aálse estatístca aplcada à hdrologa O Egehero HIDRÁULICO Echerá? Que população pode abastecer e
Ruído em Sistemas de Telecomunicações
Ruído em Sstemas de Telecomuncações SEL 413 Telecomuncações Amílcar Carel César Departamento de Engenhara Elétrca da EESC-USP Atenção! Este materal ddátco é planejado para servr de apoo às aulas de SEL-413:
Ruído. SEL 371 Sistemas de comunicação. Amílcar Careli César Departamento de Engenharia Elétrica da EESC-USP
Ruído SEL 371 Sstemas de comuncação Amílcar Carel César Departamento de Engenhara Elétrca da EESC-USP Atenção! Este materal ddátco é planejado para servr de apoo às aulas de SEL-371 Sstemas de comuncação,
Análise de Correspondência
MA 0330 ANÁS MUTVARAA AOS Aálse de orresodêa úla M Pava Soler ava@me.us.br Sem/07 Obetvos: Aálse de orresodêa Varável olua u.a. / Varável ha Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y Y detfar a estrutura dos dados
Organização de dados -Dados não agrupados n. Mediana:
Orgazação de dado -Dado ão agruado Medaa: Poto de ocoameto: Méda: Moda: valor que ocorre com maor freqüêca Méda de Itervalo: + m max + Quartl: (ara j, ou ) j( +) Poto de ocoameto: 4 Méda da Juta: Q + Q
x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População
ESTATÍSTICA STICA DESCRITIVA Prof. Lorí Val, Dr. val@mat.ufrgs.br http://.ufrgs.br/~val/ Orgazação; Resumo; Apresetação. Cojuto de dados: Amostra ou População Um cojuto de dados é resumdo de acordo com
Organização de dados -Dados não agrupados n. Mediana:
Orgazação de dado -Dado ão agruado Medaa: Poto de ocoameto: Méda: Moda: valor que ocorre com maor freqüêca Méda de Itervalo: + m max + Quartl: (ara j, ou 3) j( +) Poto de ocoameto: 4 Méda da Juta: Q +
Estatística - exestatmeddisper.doc 25/02/09
Estatístca - exestatmeddsper.doc 5/0/09 Meddas de Dspersão Itrodução ão meddas estatístcas utlzadas para avalar o grau de varabldade, ou dspersão, dos valores em toro da méda. ervem para medr a represetatvdade
ESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano
ESTATÍSTICA Aula 7 Prof. Dr. Marco Atoo Leoel Caetao Dstrbuções de Probabldade DISCRETAS CONTÍNUAS (Números teros) Bomal Posso Geométrca Hper-Geométrca Pascal (Números reas) Normal t-studet F-Sedecor Gama
( k) Tema 02 Risco e Retorno 1. Conceitos Básicos
FEA -USP Graduação Cêcas Cotábes EAC05 04_0 Profa. Joaíla Ca. Rsco e Retoro. Cocetos Báscos Rotero BE-cap.6 Tema 0 Rsco e Retoro. Cocetos Báscos I. O que é Retoro? II. Qual é o Rsco de um Atvo Idvdual
4- Método de Diferenças Finitas Aplicado às Equações Diferenciais Parciais.
MÉTODOS NUMÉRICOS PARA EQUAÇÕES DIFERENCIAIS PARCIAIS 4- Método de Dereças Ftas Alcado às Equações Derecas Parcas. 4.- Aromação de Fuções. 4..- Aromação or Polômos: Iterolação. 4..- Ajuste de Dados: Mímos
Atividades Práticas Supervisionadas (APS)
Uversdade Tecológca Federal do Paraá Prof: Lauro Cesar Galvão Campus Curtba Departameto Acadêmco de Matemátca Cálculo Numérco Etrega: juto com a a parcal DATA DE ENTREGA: da da a PROVA (em sala de aula
(R B ) 0 =(R B ) 10 +(R B ) 20 +(R B ) 30 (R D ) 0 =(R D ) 30 +(R D ) 40. p (R D ) 30 (R B ) 30 E, I
MÉTOO OSS Seja agora uma estrutura de ós fxos duas vezes hergeométrca,.e. tal que os ós ão sofrem qualquer deslocameto de traslação e cotem ós com cógtas de rotação.. cos. cos etermemos os esforços mometos
tica ou tica como Rui Vilela Mendes CMAF, ICC, CFN dos TPC s
O oder da matemátca tca ou A matemátca tca como metáfora Ru Vlela Medes CMAF, ICC, CFN Soluções dos TPC s Curso o Mestrado de Comlexdade,, ISCTE, Ivero 007 07-03 03-007 TPC Dados ( I(I(,,, N ( I(/N, /N,,,
Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina:
Deartameto de Iformátca Dscla: do Desemeho de Sstemas de Comutação Processos de ascmeto e Morte Prof. Sérgo Colcher colcher@f.uc-ro.br Processos de ascmeto e Morte CMTC Homogêea a ual trasções acotecem
NOTAS DE AULA DA DISCIPLINA CE076 = 2. ], T 2 = conhecido como T 2 de Hotelling
![NOTAS DE AULA DA DISCIPLINA CE076 = 2. ], T 2 = conhecido como T 2 de Hotelling](/thumbs/81/84536274.jpg "NOTAS DE AULA DA DISCIPLINA CE076 = 2. ], T 2 = conhecido como T 2 de Hotelling")
NOTAS DE AULA DA DISCIPLINA CE76 4 INFERÊNCIA SOBRE O VETOR DE MÉDIAS 4. TESTE PARA UM VETOR DE MÉDIAS µ Lembrado o caso uvarado: H : µ µ H : µ µ Nível de sfcâca: α Estatístca do teste: t X µ s/ ~ t Decsão:
1 (0,8 ln0,8+0,2 ln0,2) 0,512 0,512 0, , , , , , , , , ,
GABARITO DA TERCEIRA LISTA DE EXERCÍCIOS DE PTC-3 TEORIA DA INFORMAÇÃO E CODIFICAÇÃO Questão Uma fote de formações dscreta e sem memóra emte símbolos A e B com robabldades P(A =,8 e P(B =,. a calcule a
IST ELECTRÓNICA II. Circuitos de Amostragem e Retenção Conversores Digital Analógico º semestre. Cap. 5- Conversores A/D D/A
Cap. 5- Coersores A/D D/A ST ELECTÓNCA Crcutos de Amostragem e eteção Coersores Dgtal Aalógco 00-00 º semestre ST Electróca, http://sps.esc.pt/~ele Mosés Pedade Cap. 5- Coersores A/D D/A Sstema de Processameto
CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados
3.1. Meddas de Tedêca Cetral CAPÍTULO 3 MEDIDA DE TENDÊNCIA CENTRAL E VARIABILIDADE UFRG 1 Há váras meddas de tedêca cetral. Etre elas ctamos a méda artmétca, a medaa, a méda harmôca, etc. Cada uma dessas
3 Procedimento Experimental
3 Procedmeto Expermetal 3. Sstema de medção de vazão com extesômetro A Fg. 9 mostra o sstema de medção de vazão com extesômetro, o qual fo motado o laboratóro da PUC-Ro. este sstema, duas tubulações com,5
GABARITO DA SEGUNDA PROVA DE PTC-2433 TEORIA DAS COMUNICAÇÕES II - 19/10/2015
GABARITO DA EGUDA PROVA DE PTC-4 TEORIA DA COMUICAÇÕE II - 9// a. Qustão (, oto Dtrm a míma rlação (/ d um caal tlfôco (bada d Hz ara rmtr a trasmssão cofávl d. bts/s. Comt su rsultado. D C Blog ( + vm
Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística
BAC 0 - Estatístca Uversdade Federal de Itajubá - Campus Itabra BAC0 - ESTATÍSTICA ESTATÍSTICA DESCRITIVA MEDIDAS DE CENTRO Méda Medda de cetro ecotrada pela somatóra de todos os valores de um cojuto,
Detecção Remota Aplicada Mestrado em Engenharia Geográfica Lab 4: Qualidade posicional das imagens de alta resolução do Google Earth
Data lmte de etrega: --0 Deteção Remota Aplada Mestrado em Egehara Geográfa Lab 4: Qualdade posoal das mages de alta resolução do Google Earth Ao Letvo 0/ (Ver.0/Nov-). Objetvos: Avalar a qualdade posoal
Noções Básicas de Medidas e Algarismos Significativos
Noções Báscas de Meddas e Algarsmos Sgfcatvos Prof. Theo Z. Pava Departameto de Físca - Faculdade de Flosofa, Cêcas e Letras de Rberão Preto-USP Físca Acústca Motvações Quas são os padrões de meddas? Podemos
CAPÍTULO 1 SEMICONDUTORES HOMOGÉNEOS
CAPÍTULO 1 SEMICONDUTORES HOMOGÉNEOS Ca. 1 1 Problea SH1 Cosderar ua resstêca de gerâo de to co 1 de secção e 1 c de coreto que a 300 K areseta ua resstêca de 0 Ω. a) Calcular o valor da desdade de urezas,
Gráficos de Controle para Processos Autocorrelacionados
Gráfcos de Controle para Processos Autocorrelaconados Gráfco de controle de Shewhart: observações ndependentes e normalmente dstrbuídas. Shewhart ao crar os gráfcos de controle não exgu que os dados fossem
DISPOSITIVOS ELECTRÓNICOS. Problemas Resolvidos
DISPOSITIVOS ELECTRÓNICOS Probleas Resolvdos CAPÍTULO 1 SEMICONDUTORES HOMOGÉNEOS Ca. 1 1 Problea SH1 Cosderar ua resstêca de gerâo de to co 1 de secção e 1 c de coreto que a 300 K areseta ua resstêca
Instituto Politécnico de Bragança Escola Superior de Tecnologia e de Gestão
Isttuto oltécco de Bragaça Escola Superor de ecologa e de Gestão 2º Ao de Egehara Electrotécca Istrumetação Electróca e Meddas Exame (ª Chamada) 2 de Juho de 200 SUGESÃO DE RESOLUÇÃO ) retede-se vsualzar,
Probabilidades e Estatística
Departameto de Matemátca robabldades e Estatístca LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmb, MEBol, MEEC, MEMec 2 o semestre 20/202 2 o Teste B 08/06/202 :00 Duração: hora e 30 mutos Justfque coveetemete
Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.
Prof. Lorí Val, Dr. val@pucrs.r http://www.pucrs.r/famat/val/ Em mutas stuações duas ou mas varáves estão relacoadas e surge etão a ecessdade de determar a atureza deste relacoameto. A aálse de regressão
Amplificadores Operacionais Aula 2
mplfcadores peracoas ula PS/EPUSP 3 ula Matéra Cap./pága ª 6/ ª 9/ 3ª 3/ 4ª 6/ 5ª /3 6ª 4/3 7ª 8/3 8ª /3 9ª 5/3 ª 8/3 PS/EPUSP Eletrôca PS33 Programação para a Prmera Proa trodução, esão de crcutos com
CADERNO 1 (É permitido o uso de calculadora gráfica.)
Proposta de teste de avalação [mao 09] Nome: Ao / Turma: N.º: Data: - - Não é permtdo o uso de corretor. Deves rscar aqulo que pretedes que ão seja classfcado. A prova clu um formuláro. As cotações dos
Sumário. Mecânica. Sistemas de partículas
umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - stemas de partículas e corpo rígdo. - Cetro de massa. - Como determar o cetro de massa dum sstema de partículas. - Vetor
A análise de variância de uma classificação (One-Way ANOVA) verifica se as médias de k amostras independentes (tratamentos) diferem entre si.
Prof. Lorí Va, Dr. http://www. ufrgs.br/~va/ va@mat.ufrgs.br aáse de varâca de uma cassfcação (Oe-Way NOV) verfca se as médas de amostras depedetes (tratametos) dferem etre s. Um segudo tpo de aáse de
Grupo I (10 valores)
ISCTE Leatura em Eehara de Telemuaçõe e Irmáta Stema de Telemuaçõe Guad Exame de ª épa, letv 8/9, 3//9 Duraçã: 3h. Jutue a ua repta. Grup I ( valre) Uma rede teleóa dtal terada (RDI) utlza ab axa m me
Métodos tipo quadratura de Gauss
COQ-86 Métodos Numércos ara Sstemas Algébrcos e Dferecas Métodos to quadratura de Gauss Cosderado a tegração: Método de quadratura de Gauss com otos teros I f d a ser comutada com a maor recsão ossível
(c) Para essa nova condição de operação, esboce o gráfico da variação da corrente no tempo.
CONVERSÃO ELETROMECÂNICA DE ENERGIA Lsta de exercícos sobre crcutos magétcos Questão A fgura 1(a mostra um acoador projetado para produzr força magétca. O mesmo possu um úcleo em forma de um C e uma armadura
1- Qual a diferença entre amostragem probabilística e não-probabilística? Qual é a mais recomendada?
VIII-AMOSTRAGEM A Etatítca Iferecal ou Iferêca Etatítca tem como objetvo bucar cocluõe robablítca obre oulaçõe com bae o reultado obervado em amotra etraída dea oulaçõe Am, certo cudado báco devem er tomado
Conceitos básicos de metrologia. Prof. Dr. Evandro Leonardo Silva Teixeira Faculdade UnB Gama
Prof. Dr. Evadro Leoardo Slva Teera Faculdade UB Gama Metrologa: Cêca que abrage os aspectos teórcos e prátcos relatvos a medção; Descreve os procedmetos e métodos para determar as certezas de medções;
Eventos coletivamente exaustivos: A união dos eventos é o espaço amostral.
DEFINIÇÕES ADICIONAIS: PROBABILIDADE Espaço amostral (Ω) é o conjunto de todos os possíves resultados de um expermento. Evento é qualquer subconjunto do espaço amostral. Evento combnado: Possu duas ou
Medidas Numéricas Descritivas:
Meddas Numércas Descrtvas: Meddas de dspersão Meddas de Varação Varação Ampltude Ampltude Iterquartl Varâca Desvo absoluto Coefcete de Varação Desvo Padrão Ampltude Medda de varação mas smples Dfereça
Parte 3 - Regressão linear simples
Parte 3 - Regressão lear smples Defção do modelo Modelo de regressão empregado para eplcar a relação lear etre duas varáves (ajuste de uma reta). O modelo de regressão lear smples pode ser epresso a forma:
ESTATÍSTICA MÓDULO 3 MEDIDAS DE TENDÊNCIA CENTRAL
ESTATÍSTICA MÓDULO 3 MEDIDAS DE TEDÊCIA CETRAL Ídce. Meddas de Tedêca Cetral...3 2. A Méda Artmétca Smles ( μ, )...3 3. A Méda Artmétca Poderada...6 Estatístca Módulo 3: Meddas de Tedêca Cetral 2 . MEDIDAS
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 etre duas ou mas varáves. Pode ser: correlacoal ou expermetal. Numa relação expermetal os valores de uma das varáves
Grupo II (5 valores)
ISCTE Lcecatura em Eehara de Telecmucaçõe e Irmátca Stema de Telecmucaçõe Guad Exame de ª épca, A lectv 6/7, 4//7 Duraçã: 3h. Jutque a ua repta. Grup I (5 valre) Uma rede teleóca utlza me de tramã cm uma
3 Fundamentação Teórica
3 Fudametação Teórca A segur são apresetados os fudametos teórcos os quas é embasado o desevolvmeto do trabalho. 3.. Espectros de Resposta De acordo com Sampao [3], é descrta a resposta máxma de um osclador
Distribuições de Probabilidades
Estatístca - aulasestdstrnormal.doc 0/05/06 Dstrbuções de Probabldades Estudamos aterormete as dstrbuções de freqüêcas de amostras. Estudaremos, agora, as dstrbuções de probabldades de populações. A dstrbução
2 Revisão Bibliográfica
Revsão Bblográfa Este apítulo apreseta estudos aalítos deste tpo de sstema estrutural alzado em 970 pelo russo Voevod [3]. Outros omo: Beleya [4]; Hafez et al.[5], Wog et al.[6], Cha [7], Sterteghem et
NOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling
![NOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling](/thumbs/97/134766993.jpg "NOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling")
4 INFERÊNCIA SOBRE O VETOR DE MÉDIAS 4. TESTE PARA UM VETOR DE MÉDIAS µ Lembrado o caso uvarado: H : µ = µ H : µ µ Nível de sgfcâca: α Estatístca do teste: X µ t = s/ ~ t Decsão: se t > t - (α/) rejeta-se
Confiabilidade Estrutural
Professor Uversdade de Brasíla Departameto de Egehara Mecâca Programa de Pós graduação em Itegrdade Estrutural Algortmo para a Estmatva do Idce de Cofabldade de Hasofer-Ld Cofabldade Estrutural Jorge Luz
Estabilidade no Domínio da Freqüência
Establdade o Domío da Freqüêca Itrodução; apeameto de Cotoros o Plao s; Crtéro de Nyqust; Establdade Relatva; Crtéro de Desempeho o Domío do Tempo Especfcado o Domío da Freqüêca; Bada Passate de Sstema;
ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS
ANÁLISE DE ERROS A oservação de um feómeo físco ão é completa se ão pudermos quatfcá-lo. Para é sso é ecessáro medr uma propredade físca. O processo de medda cosste em atrur um úmero a uma propredade físca;
Análise de Correspondência
MA 0330 ANÁS MUTVARAA AOS Aálse de orresodêca úla M Pava Soler ava@me.us.br Sem/016 Obetvos: Aálse de orresodêca Varável olua u.a. / Varável ha 1 1 Y 11 Y 1 Y 1 Y 1 Y 1 Y Y Y Y 1 Y Y Y Y 1 Y Y Y detfcar
Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual
Estatístca: Aplcação ao Sesorameto Remoto SER 04 - ANO 08 Estmação Potual Camlo Daleles Reó camlo@dp.pe.br http://www.dp.pe.br/~camlo/estatstca/ Iferêca Estatístca Cosdere o expermeto: retram-se 3 bolas
Regressao Simples. Parte II: Anova, Estimação Intervalar e Predição
egressao Smples Parte II: Aova, Estmação Itervalar e Predção Aálse de Varâca Nem todos os valores das amostras estão cotdos a reta de regressão, e quato mas afastados estverem por, a reta represetará a
TESTES DE PROPORÇÕES TESTE DE UMA PROPORÇÃO POPULACIONAL
TESTES DE PROPORÇÕES TESTE DE UMA PROPORÇÃO POPULACIONAL As hpóteses a serem testadas serão: H 0 : p p 0 H : p p 0 p > p 0 p < p 0 Estatístca do Teste: pˆ p0 z c p ( p ) 0 0 EXEMPLOS. Uma máqua está regulada
Momento Linear duma partícula
umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - Mometo lear de uma partícula e de um sstema de partículas. - Le fudametal da dâmca para um sstema de partículas. - Impulso
6. Inferência para Duas Populações USP-ICMC-SME 2013
6. Iferêca ara Duas Poulações UP-ICMC-ME 3 8.. Poulações deedetes co dstrbução oral Poulação Poulação,,,, ~ N, ~ N, ~ N, Obs. e a dstrbução de e/ou ão for oral, os resultados são váldos aroxadaete. Testes
MAE 5776 ANÁLISE MULTIVARIADA. Júlia M Pavan Soler
MAE 5776 ANÁLISE MULTIVARIADA Júla M Pava Soler ava@me.us.br º Semestre IME/09 Baco de Dados: Dados Multvarados Varáves Udades Amostras j j j j j j : Matrz de Dados resosta do -ésmo dvíduo a j-ésma varável
Aula Condições para Produção de Íons num Gás em Equilíbrio Térmico
Aula 2 Nesta aula, remos formalzar o coceto de plasma, rever osso etedmeto sobre temperatura de um gás e falmete, cohecer algus processos de ozação. 1.3 Codções para Produção de Íos um Gás em Equlíbro
( x) Método Implícito. No método implícito as diferenças são tomadas no tempo n+1 ao invés de tomá-las no tempo n, como no método explícito.
PMR 40 Mecâca Computacoal Método Implícto No método mplícto as dfereças são tomadas o tempo ao vés de tomá-las o tempo, como o método explícto. O método mplícto ão apreseta restrção em relação ao valor
Fundamentos de Telecomunicações 2004/05
Pretende contabilizar as notas dos testes? sim não Assinatura A resolução do exame é feita no enunciado que acaba de lhe ser distribuído. Não se esqueça de reencher todos os cabeçalhos com a sua identificação.
15/03/2012. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações
Itrodução.1 Juros Smples Juro: recompesa pelo sacrfíco de poupar o presete, postergado o cosumo para o futuro Maora das taxas de uros aplcadas o mercado facero são referecadas pelo crtéro smples Determa
Centro de massa, momento linear de sistemas de partículas e colisões
Cetro de massa, mometo lear de sstemas de partículas e colsões Prof. Luís C. Pera stemas de partículas No estudo que temos vdo a fazer tratámos os objectos, como, por exemplo, blocos de madera, automóves,
Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1.
Iterpolação Iterpolação é um método que permte costrur um ovo cojuto de dados a partr de um cojuto dscreto de dados potuas cohecdos. Em egehara e cêcas, dspõese habtualmete de dados potuas, obtdos a partr
Física IV Poli Engenharia Elétrica: 8ª Aula (28/08/2014)
Físca IV Pol Egehara Elétrca: 8ª Aula (8/08/014) Prof. Alvaro Vaucc Na últma aula vmos: Resolução de Images: segudo o crtéro estabelecdo por Raylegh que quado o máxmo cetral devdo à dfração das odas do
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) [ ] ( ) ( k) ( k ) ( ) ( ) Questões tipo exame
![( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) [ ] ( ) ( k) ( k ) ( ) ( ) Questões tipo exame](/thumbs/54/33108071.jpg "( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) [ ] ( ) ( k) ( k ) ( ) ( ) Questões tipo exame")
Questões tpo eame Pá O poto U tem coordeadas (6, 6, 6) e o poto S pertece ao eo Oz, pelo que as suas coordeadas são (,, 6) Um vetor dretor da reta US é, por eemplo, US Determemos as suas coordeadas: US
Modelo de Regressão Simples
Modelo de Regressão Smples Hstora Hstóra Termo regressão fo troduzdo por Fracs Galto (8-9). Estudo sobre altura de pas e flhos. Karl Pearso coletou mas de ml regstros e verfcou a le de regressão uversal
Difusão entre Dois Compartimentos
59087 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 4 Dfusão etre Dos Compartmetos A le de Fck para membraas (equação 4 da aula passada) mplca que a permeabldade de uma membraa a um soluto é dada pela razão