RESTAURAÇÃO DE IMAGENS ATRAVÉS DE FILTRAGEM DE KALMAN USANDO PROGRAMAÇÃO EVOLUCIONÁRIA
|
|
- Marcelo Minho Bugalho
- 6 Há anos
- Visualizações:
Transcrição
1 RESTAURAÇÃO DE IMAGENS ATRAVÉS DE FILTRAGEM DE KALMAN USANDO PROGRAMAÇÃO EVOLUCIONÁRIA RONALDO F. ZAMPOLO, RUI SEARA E ORLANDO J. TOBIAS LINSE: Crcutos e Processamento de Snas Departamento de Engenhara Elétrca Unversdade Federal de Santa Catarna Campus Unverstáro, Floranópols SC Brasl Tel: (0xx48) , Fax: (0xx48) , zampolo@lnse.ufsc.br RESUMO A restauração de magens através do Fltro de Kalman de Modelo de Ordem Reduzda (FKMOR) é obtda em conjunto com uma técnca baseada no crtéro de máxma verossmlhança. O referdo crtéro é adotado para estmação dos parâmetros da magem e da degradação. Tradconalmente, são usados algortmos de otmzação sensíves às condções ncas na etapa de otmzação. Este trabalho trata do uso de Programação Evoluconára (PE) na fase de estmação em restauração adaptável de magens va FKMOR. Comparações expermentas entre as duas estratégas menconadas são apresentadas. Os resultados de smulações sugerem que restaurações va FKMOR mas confáves são obtdas quando algortmos menos sensíves às condções ncas são adotados.. INTRODUÇÃO O objetvo da restauração de magens é recuperar a magem orgnal a partr de sua versão degradada. A maora das abordagens clásscas consdera o sstema de degradação conhecdo [,]. No entanto, essa não é a stuação prátca mas comum [3] e, além dsso, magens reas apresentam degradações varantes no espaço, as quas exgem uma abordagem de restauração adequada. Esses fatos têm encorajado ntensas pesqusas em técncas de restauração adaptável e autoddata (ou quase-autoddata). Devdo ao desempenho da teora do fltro de Kalman em aplcações undmensonas (-D), a mesma tem sdo estendda ao caso bdmensonal (-D). Contudo, a mplementação dreta do fltro de Kalman em -D apresenta alto custo computaconal [4]. Nesse sentdo, váras aproxmações do fltro de Kalman em -D têm sdo propostas, a fm de reduzr a carga computaconal [4]. Uma dessas aproxmações é o Fltro de Kalman de Modelo de Ordem Reduzda (FKMOR) [5]. De manera smlar às outras aproxmações do fltro de Kalman, o FKMOR possu adaptabldade espacal. A vantagem do FKMOR em relação às outras aproxmações está no uso de um vetor de estado reduzdo, o qual leva a um decrescmento consderável na carga computaconal. Por sso, o FKMOR é mas adequado à estmação dos parâmetros da magem/degradação, tendo-se em conta o volume de operações envolvdo. Em [5], uma técnca baseada em máxma verossmlhança, em conjunto com o FKMOR, é usada para estmação dos parâmetros da magem/degradação. Em [3], são usadas técncas de otmzação sensíves às condções ncas e, devdo à presença de ótmos locas na função de máxma verossmlhança, são realzadas múltplas rodadas do algortmo de otmzação. Nesse caso, a melhor solução para a restauração fnal é escolhda a partr de um conjunto de resultados. Neste trabalho, mostra-se que restaurações va FKMOR mas confáves são obtdas pelo uso, na etapa de estmação de parâmetros, de estratégas de otmzação menos sensíves às condções ncas. Essa maor confabldade nos resultados é alcançada quando Programação Evoluconára (PE) é usada na otmzação, devdo à sua, já bastante conhecda, baxa sensbldade às condções ncas [6,7]. Alguns exemplos do método proposto são apresentados para avalação de desempenho. Os resultados das smulações são baseados em magens degradadas sntetcamente. No processo de restauração, o modelo da degradação é assumdamente conhecdo, mas não seus parâmetros.. RESTAURAÇÃO DE IMAGENS VIA FKMOR. Modelos Matemátcos Os modelos das magens orgnal e degradada são representados, respectvamente, pelas seguntes expressões: f( x, y) = å a( k, l) f( x -k, y - l) + v ( x, y) () Î ( kl, ) D = å () ( mn, ) ÎD gxy (, ) hmnf (, ) ( x my, n) v( xy, ) onde (, ) f x y e (, ) gxy são as funções de ntensdade, representando a magem orgnal e a magem observada
2 (versão degradada), respectvamente. axy (, ) é uma medda de correlação entre pxels vznhos. A função de degradação é dada por hxy (, ). v ( x, y ) e v ( x, y ) são, respectvamente, os ruídos de entrada e adtvo de observação (gaussanos e de méda zero). D e D são a regão em torno do pxel presente de correlação não desprezível e a regão de suporte da função de degradação, respectvamente. Consderando a formulação do fltro de Kalman, () e () podem ser rescrtas como segue: f( xy, ) = A( xy, ) f( xy, - ) + D( xy, ) v( xy, ) + E( xy, ) u( xy, ) (3) gxy (, ) = H( xy, ) f ( xy, ) + v( xy, ) (4) onde f ( x, y), v ( xy, ) e ( xy, ) u são, respectvamente, o vetor de estado, que porta nformação sobre a magem orgnal; o vetor de entrada (ruído gaussano); e um vetor determnístco. A ( xy, ) e H ( xy, ) são chamadas, respectvamente, de matrz de transção de estado (que contém os coefcentes de correlação entre pxels vznhos) e matrz de observação (que é dependente dos parâmetros da função de degradação). D ( xy, ) e E ( xy, ) são matrzes de ponderação. Deve-se notar que (3) e (4) são ntrnsecamente varantes, uma característca bastante útl para processamento adaptável.. Defnção do Vetor de Estado Reduzdo e da Dreção de Recursão Na aproxmação do FKMOR, o vetor de estado da formulação orgnal do fltro de Kalman é substtuído por um vetor de estado reduzdo, a fm de dmnur a carga computaconal. Os tamanhos das regões D e D determnam a dmensão do referdo vetor de estado reduzdo. Neste trabalho, fo adotada a dreção de recursão conhecda como esquerda-para-dreta/de cma-parabaxo (left-to-rght/top-to-bottom) [4]. A Fg. lustra o modelo de suporte conhecdo como M M M3 non-symmetrc half-plane (NSHP), usado na defnção do vetor de estado reduzdo. M M M 3 Fgura. Modelo de suporte M M M3 NSHP..3 Etapa de Estmação de Parâmetros O algortmo de Kalman consdera que as matrzes A ( xy, ), H ( xy, ), D ( xy, ) e E ( xy, ) são conhecdas, assm como as estatístcas de segunda ordem de v ( x, y ) e v (, ) x y. Na prátca, contudo, aqueles parâmetros são parcalmente conhecdos ou mesmo desconhecdos. Logo, precsam ser estmados. Para que esta necessdade possa ser atendda, é usada a função custo de máxma verossmlhança, apresentada em [3,5] e dada por: J = Nln Ree + å a ( x, y) (5) R ee ( xy, ) Îg onde N é o número de pxels da magem g, R ee denota a matrz de correlação do processo novação (onde o índce ee sgnfca estado estaconáro), e a ( xy, ) caracterza o processo novação, descrto como: a ( xy, ) = gxy (, )-H( xy, ) f ˆ ( xy, ) (6) onde f ˆ ( xy, ) é a predção do vetor de estado. b.4 Dscussão A função custo defnda em (5) apresenta ótmos locas. Então, para superar os problemas de convergênca local, renícos sucessvos são sugerdos por Angwn e Kaufman [3]. Este procedmento resulta em um conjunto de soluções, a partr do qual a melhor solução é seleconada para que se proceda à restauração fnal. O prncpal argumento em defesa dos renícos é a certeza, ou pelo menos a crença, de que uma condção ncal aleatóra específca rá ocorrer após algumas tentatvas resultando em uma restauração ótma. A questão que surge é quantos renícos serão necessáros para que ocorra uma boa condção ncal? Por boa condção ncal, deve-se entender aquela que leva à solução ótma, ou pelo menos a uma solução perto da ótma. As smulações da Seção 4 mostram que o procedmento de renícos pode ser bem nefcente. Um camnho alternatvo para ldar com esse problema é o uso de técncas de busca baseadas em computação evoluconára, como a Programação Evoluconára (PE), que são menos sensíves às condções ncas. A próxma seção aborda a PE e suas prncpas característcas. 3. PROGRAMAÇÃO EVOLUCIONÁRIA A PE pertence a uma classe mas ampla de algortmos conhecda como Computação Evoluconára (CE) e é caracterzada por ter sdo nsprada nos sstemas de evolução ou adaptação natural [8]. O prncpal apelo para o uso da CE é sua habldade em atngr a solução ótma global, ndependentemente da conformação da superfíce b
3 de desempenho. O algortmo da PE usado neste artgo é descrto como segue [7]: ) É gerada a população ncal de m ndvíduos e atrbuído l =. Cada ndvíduo é representado pelo par ( p, h ), no qual p é o vetor de parâmetros a serem estmados e h é o desvo padrão usado nas mutações gaussanas. Esta é a população de pas; ) A aptdão de cada um dos pas ( p, h ) é " Î,..., m ; avalada, { } 3) Cada pa ( p, h) gera um flho ( p ', h' ), de acordo com os passos seguntes: para j =, K, P, p'( j) = p ( j) + N(0, h ) [ ] ' exp (0,) h = h tn onde P representa o número total de parâmetros; N ( 0,) é o número aleatóro de dstrbução gaussana de méda zero e desvo padrão gual a ; t é uma constante; 4) A aptdão de cada flho ( p ', h' ) é calculada; 5) Para cada ndvíduo, consderando-se todos os pas e flhos, q oponentes são sorteados. Cada ndvíduo é, então, comparado com seus q oponentes e sempre que a aptdão do ndvíduo for maor ou gual a aptdão do seu oponente, o ndvíduo ganha uma vtóra; 6) Dentre pas e flhos, m ndvíduos são seleconados, justamente aqueles que possuem maor número de vtóras, para formar a próxma geração de pas; 7) Se o crtéro de parada adotado for satsfeto, o processamento se encerra, senão l = l + e o algortmo retorna ao passo (3). 4. RESULTADOS EXPERIMENTAIS Dos casos são apresentados. O prmero compara o já bastante conhecdo algortmo Downhll Smplex Method (DHSM) [9] com a PE descrta na seção anteror, aplcados em restauração não-adaptável va FKMOR. No segundo caso, são apresentadas duas restaurações adaptáves va FKMOR usando PE, a título de exemplo do alcance da técnca. Nesse últmo caso, a magem degradada consste em duas regões não sobrepostas, em que uma das regões está degradada, enquanto a outra é mantda em sua forma orgnal. Nas smulações, a PE tem 0 ndvíduos por população e o número de oponentes q é gual a 0. Para a fase de estmação, é assumdo que o modelo de degradação é conhecdo, mas não seu parâmetro r que precsa ser dentfcado. O modelo de degradação é descrto por: = g ér r r r r r r ù ë û h (7) onde g é um termo de normalzação usado na manutenção da energa entre as magens observada e restaurada. As magens degradadas sntetcamente (Fgs. e 5) são obtdas para r=. Para ambos os expermentos, fo adotado um suporte de 6 NSHP e o blurred sgnal-to-nose rato ( BSNR ) [] das magens degradadas é gual a 40 db. O BSNR é defndo como: BSNR és ù g 0log = 0 ê ú ê s ë úû onde s g e s são, respectvamente, as varâncas da magem g ( x, y ) e v ( x, y ); e g ( x, y ) representa a magem degradada, desconsderando o efeto de v ( x, y ). Para calcular a qualdade das magens restauradas, o mprovement n sgnal-to-nose rato ( ISNR ) [] é usado. O ISNR é defndo como: ISNR å [ f( x, y) g( x, y)] ì - ü ï( xy, ) ï = 0log0 í ˆ ý ïå [ f( x, y) - f( x, y)] ï î( xy, ) þ onde f ˆ( x, y ) é a magem restaurada. 4. Prmero Expermento: Restauração Não-Adaptável Neste caso, fo usada uma degradação unforme e os parâmetros do FKMOR são consderados constantes em toda a magem processada. A magem degradada é apresentada na Fgura. A Tabela e a Tabela mostram os resultados obtdos em rodadas de restaurações obtdas por DHSM e PE, respectvamente. As Fgs. 3 e 4 apresentam as magens restauradas, as quas foram arranjadas por ordem de rodadas (lnha por lnha, da esquerda para a dreta). Fgura. Imagem degradada (caso não-adaptável). (8) (9)
4 Tabela. DSHM dados numércos (caso não-adaptável) a (,) a (, 0) a(, - ) a(0,) r J #0 0,3035-0,6947 0,9050 0,76 0,99046, #0 0,3899 0, ,5059-0,5339 0,83044, #03 0,6789-0, , ,378 0,8604, #04-0, , ,570 0, ,8388, #05-0,708 0,4578 0, ,4694 0,7580, #06-0,036 0,590 0,6073 0, ,385, #07-0, ,3890 0, , ,83795, #08-0,3030-0, ,987 0,9737 0,39388, #09-0,9887 0,4075 0,8933 0,6908 0,38795, #0 0, ,067 0,4759-0,47 0,7749, #, , ,573 0,374 0,5588, #, , ,388-0, ,4455 3, Méd. 0, , ,563 0,865 0,65555, Var. 0,489 0,405 0,83 0,5695 0, , Fgura 3. Restaurações DHSM (caso não-adaptável). Tabela. PE dados numércos (caso não-adaptável) a (,) a (, 0) a(, - ) a(0,) r J #0-0, ,7-0,995 0,907,0059, #0-0,04 0,86-0,5303 0,90483,0034, #03-0,6967 0,468 0, ,8733,095, #04 0, , , ,9065,00346, #05 0,993-0, ,066 0, ,99939, #06-0,8696 0, ,3436 0,884,0098, #07-0,3665 0,4855 0, ,79356,00509, #08-0, ,0879 0,455 0,83889,0453, #09 0,433 -, , ,9839,00353, #0-0,0679 0,499-0,435 0,9068,00387, # -0, , ,7598 0,8845,0070, # -0,5549-0,4536 0, ,88594,00965, Méd. -0,973-0, ,9655 0,88394,00648, Var. 0,0955 0,863 0,309 0,006,4 0-5, Fgura 4. Restaurações PE (caso não-adaptável). As restaurações DHSM apresentam ISNR varando de - 7,44 db (restauração #06) a 5,05 db (restauração #0). Por outro lado, as magens restauradas pelo método proposto (Fg.4) possuem ISNR de 9, 5 db (restauração #03) a,49 db (restauração #). Comparando-se as Fgs. 3 e 4, observa-se que todas as restaurações PE apresentam qualdade vsual e numérca smlares. O mesmo não acontece com as restaurações DHSM. Além dsso, as varâncas dos parâmetros estmados pela PE são menores do que as varâncas daqueles estmados pelo DHSM. Uma vez que a qualdade das restaurações é controlada pela função custo, que é comum para ambas as stuações, tanto os sstemas baseados em DHSM quanto os que usam PE podem levar aos mesmos resultados. Contudo, uma únca rodada da PE parece ser sufcente para estmar parâmetros próxmos do ótmo, enquanto é mpossível prever quantos renícos devem ser fetos para produzr boas restaurações quando o DHSM é empregado. Essa confabldade advnda da PE é essencal para restauração autoddata, especalmente quando magens completamente desconhecdas são consderadas (por exemplo, magens de outros planetas, galáxas, etc. nunca antes observadas). 4. Segundo Expermento: Caso Adaptável Neste caso, uma degradação não unforme é usada. Metade da magem é degradada usando-se a mesma função de degradação do prmero expermento e a outra metade é mantda sem degradação (Fg. 5). A Fg. 6 e a Tabela 3 mostram, respectvamente, a magem restaurada e os dados numércos da magem degradada que fo dvdda em duas regões para fns de processamento, (regão 0: metade esquerda; regão 0: metade dreta). A Fg. 7 e a Tabela 4 apresentam a restauração e os dados numércos da magem degradada que fo dvdda em quatro regões (regão 0: quadrante superor esquerdo; regão 0: quadrante superor dreto; regão 03: quadrante nferor esquerdo; regão 04: quadrante nferor dreto).
5 Fgura 5. Imagem degradada (caso adaptável). Tabela 3. PE dados numércos (caso adaptável regões) Regão a (,) a (, 0) a(, - ) a(0,) r ISNR (db) 0-0,5686 0,8369 0, ,6935,008 7, ,797 0,78 0,3353 0, ,07565 Fgura 6. Restauração PE (caso adaptável regões). Tabela 4. PE dados numércos (caso adaptável 4 regões) Regão a (,) a (, 0) a(, - ) a(0,) r ISNR (db) 0-0, ,678-0, ,7985 0, ,0349 0,555 0,3730 0,408 0,037 8, ,7949-0,4307 0,73 0,90009, ,490 0, ,3539 0,3766 0,59 Fgura 7. Restauração PE (caso adaptável 4 regões). Observando-se os dados numércos (Tabelas 3 e 4), pode-se constatar que o sstema consegue dferencar adequadamente quando uma regão sob processamento encontra-se degradada ou não (parâmetro r ). As restaurações, apresentadas nas Fgs. 6 e 7, mostram qualdade vsual semelhante. No entanto, numercamente, a segunda restauração (Fg. 7) possu ISNR maor (Tabelas 3 e 4), o que pode ser explcado pelo maor número de regões em que a magem degradada fo dvdda, resultando em maor capacdade de adaptação do sstema às característcas locas da magem em relação ao caso referente à restauração da Fg CONCLUSÕES Este artgo compara o desempenho entre duas classes de algortmos de otmzação aplcados na fase de estmação de parâmetros da restauração de magens va FKMOR. Os resultados mostram que o sstema de restauração consderado torna-se mas confável quando estratégas menos sensíves às condções ncas são usadas. Consderando estas estratégas, apesar de sua maor carga computaconal (nas smulações apresentadas, em torno de m vezes maor com relação ao DHSM), as smulações sugerem que apenas uma únca restauração é sufcente para se obter um resultado de boa qualdade, o mesmo não acontecendo com algortmos sensíves às condções ncas, os quas requerem um número ndefndo de renícos na tentatva de superar os problemas de convergênca local. REFERÊNCIAS [] H. C. Andrews e B. R. Hunt, Dgtal Image Restoraton. Englewood Clffs, New Jersey: Prentce-Hall, Inc., 977.
6 [] M. R. Banham e A. K. Katsaggelos, Dgtal Image Restoraton, IEEE Sgnal Processng Magazne, pp. 4-4, Mar [3] D. L. Angwn e H. Kaufman, Nonhomogeneous Image Identfcaton and Restoraton Procedures, In: A. K. Katsaggelos, Dgtal Image Restoraton, Sprnger Seres n Informaton Scences. New York: Sprnger-Verlag, 99, pp [4] L. W. Woods e C. H. Radewan, Kalman Flterng n Two Dmensons, IEEE Trans. on Informaton Theory, vol. IT-3, no.4, pp , July 977. [5] D. L. Angwn, Adaptve Image Restoraton Usng Reduced Order Model Based Kalman Flters, Ph.D. thess, Rensselaer Polytechnc Insttute, Troy, New York, 989. [6] Á. E. Eben, R. Hnterdng e Z. Mchalewcz, Parameter Control n Evolutonary Algorthms, IEEE Trans. on Evolutonary Computaton, vol. 3, no., pp. 4-4, July 999. [7] X. Yao, Y. Lu, G. Ln, Evolutonary Programmng Made Faster, IEEE Trans. on Evolutonary Computaton, vol. 3, no., pp. 8-0, July 999. [8] D. B. Fogel, What s Evolutonary Computaton?, IEEE Spectrum, pp. 6-3, Feb [9] W. H. Press, B. P. Flannery, S. A. Teukolsky e W. T. Vetterlng, Mnmzaton or Maxmzaton of Functons, In:. Numercal Recpes n Pascal The Art of Scentfc Computng. Cambrdge: Cambrdge Unversty Press, 996. pp
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 maisUMA 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 maisUma comparação entre algoritmos de projeção para restauração de imagens do satélite CBERS-1
Uma comparação entre algortmos de projeção para restauração de magens do satélte CBERS- João P. Papa Nelson D. A. Mascarenhas Lela M.G. Fonseca 2 Unversdade Federal de São Carlos - UFSCAR Caxa Postal 676-3565-905
Leia maisProf. 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 maisRepresentação 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 maisContabilometria. Aula 8 Regressão Linear Simples
Contalometra Aula 8 Regressão Lnear Smples Orgem hstórca do termo Regressão Le da Regressão Unversal de Galton 1885 Galton verfcou que, apesar da tendênca de que pas altos tvessem flhos altos e pas axos
Leia maisFiltros são dispositivos seletivos em freqüência usados para limitar o espectro de um sinal a um determinado intervalo de freqüências.
1 Fltros são dspostvos seletvos em freqüênca usados para lmtar o espectro de um snal a um determnado ntervalo de freqüêncas. A resposta em freqüênca de um fltro é caracterzada por uma faxa de passagem
Leia maisEstatística 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 mais7 - 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 maisNotas 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 maisProf. 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 maisESCOLA POLITÉCNICA DE PERNAMBUCO. Resumo
Resumo A Computação Evoluconára tem sdo bem aplcada na resolução de dversos problemas. Notadamente, a programação evoluconára apresenta bons resultados na mnmzação de funções multmodas. Tradconalmente,
Leia maisCurso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos
Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,
Leia maisCOEFICIENTE DE GINI: uma medida de distribuição de renda
UNIVERSIDADE DO ESTADO DE SANTA CATARINA ESCOLA SUPERIOR DE ADMINISTRAÇÃO E GERÊNCIA DEPARTAMENTO DE CIÊNCIAS ECONÔMICAS COEFICIENTE DE GINI: uma medda de dstrbução de renda Autor: Prof. Lsandro Fn Nsh
Leia maisCAPÍTULO 2 - Estatística Descritiva
INF 16 Prof. Luz Alexandre Peternell CAPÍTULO - Estatístca Descrtva Exercícos Propostos 1) Consderando os dados amostras abaxo, calcular: méda artmétca, varânca, desvo padrão, erro padrão da méda e coefcente
Leia maisCAPÍTULO 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 maisMinistério da Educação. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Cálculo do Conceito Preliminar de Cursos de Graduação
Mnstéro da Educação Insttuto Naconal de Estudos e Pesqusas Educaconas Aníso Texera Cálculo do Conceto Prelmnar de Cursos de Graduação Nota Técnca Nesta nota técnca são descrtos os procedmentos utlzados
Leia maisO problema da superdispersão na análise de dados de contagens
O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão
Leia maisAnálise Descritiva com Dados Agrupados
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 descrtvas
Leia maisProgramação Dinâmica. Fernando Nogueira Programação Dinâmica 1
Programação Dnâmca Fernando Noguera Programação Dnâmca A Programação Dnâmca procura resolver o problema de otmzação através da análse de uma seqüênca de problemas mas smples do que o problema orgnal. A
Leia mais4 Análise de confiabilidade de estruturas
4 Análse de confabldade de estruturas Nos prmórdos da engenhara cvl, o desconhecmento técnco-centífco conduza a proetos excessvamente seguros, mas em contrapartda de custo muto elevado. Hoe em da, o progresso
Leia maisVariabilidade Espacial do Teor de Água de um Argissolo sob Plantio Convencional de Feijão Irrigado
Varabldade Espacal do Teor de Água de um Argssolo sob Planto Convenconal de Fejão Irrgado Elder Sânzo Aguar Cerquera 1 Nerlson Terra Santos 2 Cásso Pnho dos Res 3 1 Introdução O uso da água na rrgação
Leia mais3 Subtração de Fundo Segmentação por Subtração de Fundo
3 Subtração de Fundo Este capítulo apresenta um estudo sobre algortmos para a detecção de objetos em movmento em uma cena com fundo estátco. Normalmente, estas cenas estão sob a nfluênca de mudanças na
Leia mais2 ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS
ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS 22 2 ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS Como vsto no capítulo 1, a energa frme de uma usna hdrelétrca corresponde à máxma demanda que pode ser suprda contnuamente
Leia maisPROJEÇÕES POPULACIONAIS PARA OS MUNICÍPIOS E DISTRITOS DO CEARÁ
GOVERNO DO ESTADO DO CEARÁ SECRETARIA DO PLANEJAMENTO E GESTÃO - SEPLAG INSTITUTO DE PESQUISA E ESTRATÉGIA ECONÔMICA DO CEARÁ - IPECE NOTA TÉCNICA Nº 29 PROJEÇÕES POPULACIONAIS PARA OS MUNICÍPIOS E DISTRITOS
Leia maisINTRODUÇÃO 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 maisClassificação de Padrões
Classfcação de Padrões Introdução Classfcadores Paramétrcos Classfcadores Sem-paramétrcos Redução da Dmensonaldade Teste de Sgnfcânca 6.345 Sstema de Reconhecmento de Voz Teora Acústca da Produção de Voz
Leia maisDESENVOLVIMENTO DE UM PRÉ-PROCESSADOR PARA ANÁLISE ISOGEOMÉTRICA
DESENVOLVIMENTO DE UM PRÉ-PROCESSADOR PARA ANÁLISE ISOGEOMÉTRICA Pedro Luz Rocha Evandro Parente Junor pedroluzrr04@gmal.com evandroparentejr@gmal.com Laboratóro de Mecânca Computaconal e Vsualzação, Unversdade
Leia maisX = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)
Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado
Leia maisFaculdade 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 maisEstudo e Previsão da Demanda de Energia Elétrica. Parte II
Unversdade Federal de Paraná Setor de Tecnologa Departamento de Engenhara Elétrca Estudo e Prevsão da Demanda de Energa Elétrca Parte II Prof: Clodomro Unshuay-Vla Etapas de um Modelo de Prevsão Objetvo
Leia maisMOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES
MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES 1. Obtenha os estmadores dos coefcentes lnear e angular de um modelo de regressão lnear smples utlzando o método
Leia maisQ 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 maisPrograma de Certificação de Medidas de um laboratório
Programa de Certfcação de Meddas de um laboratóro Tratamento de dados Elmnação de dervas Programa de calbração entre laboratóros Programa nterno de calbração justes de meddas a curvas Tratamento dos resultados
Leia maisCapítulo 24: Potencial Elétrico
Capítulo 24: Potencal Energa Potencal Elétrca Potencal Superfíces Equpotencas Cálculo do Potencal a Partr do Campo Potencal Produzdo por uma Carga Pontual Potencal Produzdo por um Grupo de Cargas Pontuas
Leia mais5 Métodos de cálculo do limite de retenção em função da ruína e do capital inicial
5 Métodos de cálculo do lmte de retenção em função da ruína e do captal ncal Nesta dssertação serão utlzados dos métodos comparatvos de cálculo de lmte de retenção, onde ambos consderam a necessdade de
Leia maisPalavras-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 maisEstudo 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 maisCAPÍTULO VI Introdução ao Método de Elementos Finitos (MEF)
PMR 40 - Mecânca Computaconal CAPÍTULO VI Introdução ao Método de Elementos Fntos (MEF). Formulação Teórca - MEF em uma dmensão Consderemos a equação abao que representa a dstrbução de temperatura na barra
Leia maisEstudo comparativo entre redes neurais artificiais e análise de regressão múltipla na avaliação de bens, para pequenas amostragens
Estudo comparatvo entre redes neuras artfcas e análse de regressão múltpla na avalação de bens, para pequenas amostragens Elane Hasselmann Camardella Schavo (CEFET/RJ) elane@consultora-cca.com.br Márco
Leia maisAULA EXTRA Análise de Regressão Logística
1 AULA EXTRA Análse de Regressão Logístca Ernesto F. L. Amaral 13 de dezembro de 2012 Metodologa de Pesqusa (DCP 854B) VARIÁVEL DEPENDENTE BINÁRIA 2 O modelo de regressão logístco é utlzado quando a varável
Leia maisPROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2010/2011
Instruções: PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 00/0 Cada uestão respondda corretamente vale (um) ponto. Cada uestão respondda ncorretamente vale - (menos um) ponto. Cada uestão
Leia mais( ) F 1 pode ser deslocado de. M = r F. Mecânica Geral II Notas de AULA 2 - Teoria Prof. Dr. Cláudio S. Sartori. MOMENTO DE UM BINÁRIO.
ecânca Geral II otas de UL - Teora Prof. Dr. láudo S. Sartor ET DE U IÁI. Duas forças, que tenham o mesmo módulo e lnha de ação paralelas e sentdos opostos formam um bnáro. Decomposção de uma força dada
Leia maisProf. Cláudio Serra, Esp. 1. Produção de Leite x índice Pluviométrico y = 0.8x R 2 =
Análse de Regressão Cap.. Introdução Análse de regressão é uma técnca de modelagem utlzada para analsar a relação entre uma varável dependente () e uma ou mas varáves ndependentes,, 3,..., n. O ojetvo
Leia maisDependência Espacial de espécies nativas em fragmentos. florestais
Dependênca Espacal de espéces natvas em fragmentos 1 Introdução florestas 1 Mestranda em Engenhara Florestal LEMAF/DCF UFLA. e-mal: cunhadase@yahoo.com.br 2 Mestrando em Engenhara Florestal LEMAF/DCF UFLA.
Leia maisGestão e Teoria da Decisão
Gestão e Teora da Decsão Logístca e Gestão de Stocks Estratégas de Localzação Lcencatura em Engenhara Cvl Lcencatura em Engenhara do Terrtóro 1 Estratéga de Localzação Agenda 1. Classfcação dos problemas
Leia maisNOVA METODOLOGIA PARA RECONCILIAÇÃO DE DADOS: CONSTRUÇÃO DE BALANÇÃO HÍDRICOS EM INDÚSTRIA UTILIZANDO O EMSO
I Congresso Baano de Engenhara Santára e Ambental - I COBESA NOVA METODOLOGIA PARA RECONCILIAÇÃO DE DADOS: CONSTRUÇÃO DE BALANÇÃO HÍDRICOS EM INDÚSTRIA UTILIZANDO O EMSO Marcos Vnícus Almeda Narcso (1)
Leia maisPREFEITURA MUNICIPAL DE CURITIBA
Especfcação de Servço Págna 1 de 9 1. DEFINIÇÃO Reforço do subleto é a camada que será executada com espessura varável, conforme defnção de projeto, nos trechos em que for necessáro a remoção de materal
Leia maisMODELO RECEPTOR MODELO RECEPTOR MODELO RECEPTOR. Princípio do modelo:
MODELO RECEPTOR Não modela a dspersão do contamnante. MODELO RECEPTOR Prncípo do modelo: Atacar o problema de dentfcação da contrbução da fonte em ordem nversa, partndo da concentração do contamnante no
Leia maisAnálise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA
Análse de Regressão Profa Alcone Mranda dos Santos Departamento de Saúde Públca UFMA Introdução Uma das preocupações estatístcas ao analsar dados, é a de crar modelos que explctem estruturas do fenômeno
Leia mais2 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 maisALTERNATIVA PARA DETERMINAR ACURÁCIA DA PREVISÃO DO MBAR UTILIZANDO ÍNDICE DE BRIER. Reinaldo Bomfim da Silveira 1 Juliana Maria Duarte Mol 1 RESUMO
ALTERNATIVA PARA DETERMINAR ACURÁCIA DA PREVISÃO DO MBAR UTILIZANDO ÍNDICE DE BRIER Renaldo Bomfm da Slvera 1 Julana Mara Duarte Mol 1 RESUMO Este trabalho propõe um método para avalar a qualdade das prevsões
Leia maisMETODOLOGIA DO ÍNDICE CARBONO EFICIENTE (ICO2)
METODOLOGIA DO ÍNDICE CARBONO Abrl/2015 [data] METODOLOGIA DO ÍNDICE CARBONO O ICO2 é o resultado de uma cartera teórca de atvos, elaborada de acordo com os crtéros estabelecdos nesta metodologa. Os índces
Leia maisPrincípios do Cálculo de Incertezas O Método GUM
Prncípos do Cálculo de Incertezas O Método GUM João Alves e Sousa Laboratóro Regonal de Engenhara Cvl - LREC Rua Agostnho Perera de Olvera, 9000-64 Funchal, Portugal. E-mal: jasousa@lrec.pt Resumo Em anos
Leia mais5.1 Seleção dos melhores regressores univariados (modelo de Índice de Difusão univariado)
5 Aplcação Neste capítulo será apresentada a parte empírca do estudo no qual serão avalados os prncpas regressores, um Modelo de Índce de Dfusão com o resultado dos melhores regressores (aqu chamado de
Leia maisMODELAGEM DE CURVAS DE MAGNETIZAÇÃO PARA SOLUÇÃO ITERATIVA DE CIRCUITOS MAGNÉTICOS NÃO LINEARES
MODELAGEM DE CURVAS DE MAGNETIZAÇÃO PARA SOLUÇÃO ITERATIVA DE CIRCUITOS MAGNÉTICOS NÃO LINEARES MEZA, Rafael Argüello, estudante de graduação, CEFET-PR, 2005 Centro Federal de Educação Tecnológca do Paraná
Leia maisAEP FISCAL ESTATÍSTICA
AEP FISCAL ESTATÍSTICA Módulo 11: Varáves Aleatóras (webercampos@gmal.com) VARIÁVEIS ALEATÓRIAS 1. Conceto de Varáves Aleatóras Exemplo: O expermento consste no lançamento de duas moedas: X: nº de caras
Leia maisUNIVERSIDADE FEDERAL DE SANTA CATARINA PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA. Francisco das Chagas de Souza
UNIVERSIDADE FEDERAL DE SANTA CATARINA PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA Francsco das Chagas de Souza ALGORITMOS ADAPTATIVOS LMS NORMALIZADOS PROPORCIONAIS: PROPOSTA DE UM NOVO ALGORITMO
Leia maisde Engenharia de São Carlos - USP Av. Trabalhador São-carlense, 400 - Centro - CEP 13566-590, São Carlos SP # UTFPR, Cornélio Procópio PR
APLICAÇÃO DE SISTEMAS FUZZY EM MOTORES DE INDUÇÃO PARA IDENTIFICAÇÃO DE TORQUE DE CARGA SÉRGIO F. DA SILVA *, IVAN N. SILVA *, ALESSANDRO GOEDTEL #, CRISTIANO MINOTTI * * Laboratóro de Automação Intelgente
Leia maisReconhecimento de Padrões
Capítulo 2 Reconhecmento de Padrões 2.1 O que é reconhecmento de padrões? Há duas maneras de se reconhecer e/ou classfcar um padrão [CONNEL, S. D. & JAIN, A. K. (2001)]: () classfcação supervsonada: o
Leia mais1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de
Leia maisElementos de Estatística e Probabilidades II
Elementos de Estatístca e Probabldades II Varáves e Vetores Aleatóros dscretos Inês Das 203 O prncpal objetvo da deste documento é fornecer conhecmentos báscos de varáves aleatóras dscretas e pares aleatóros
Leia maisDIMENSIONAMENTO ÓTIMIZADO DE TRELIÇAS DE ALUMÍNIO: ANÁLISE NUMÉRICA E EXPERIMENTAL
DIMENSIONAMENTO ÓTIMIZADO DE TRELIÇAS DE ALUMÍNIO: ANÁLISE NUMÉRICA E EXPERIMENTAL Moacr Krpka, Prof. Dr. Zacaras M. Chamberlan Prava, Prof. Dr. Maga Marques Das, Acadêmca, Bolssta UPF Gulherme Fleth de
Leia mais2 Agregação Dinâmica de Modelos de Turbinas e Reguladores de Velocidade: Teoria
Agregação Dnâmca de Modelos de urbnas e Reguladores de elocdade: eora. Introdução O objetvo da agregação dnâmca de turbnas e reguladores de velocdade é a obtenção dos parâmetros do modelo equvalente, dados
Leia maisCOMPARAÇÃO ENTRE METODOLOGIA DE OTIMIZAÇÃO GLOBAL E O MÉTODO DE GRADIENTES PARA AJUSTE DE HISTÓRICO ASSISTIDO
COMPARAÇÃO ENTRE METODOLOGIA DE OTIMIZAÇÃO GLOBAL E O MÉTODO DE GRADIENTES PARA AJUSTE DE HISTÓRICO ASSISTIDO Célo Mascho e Dens José Schozer, Unversdade Estadual de Campnas, Faculdade de Engenhara Mecânca
Leia maisEstatística stica Descritiva
AULA1-AULA5 AULA5 Estatístca stca Descrtva Prof. Vctor Hugo Lachos Davla oo que é a estatístca? Para mutos, a estatístca não passa de conjuntos de tabelas de dados numércos. Os estatístcos são pessoas
Leia maisMedida de Quatro Pontas Autor: Mauricio Massazumi Oka Versão 1.0 (janeiro 2000)
Medda de Quatro Pontas Autor: Maurco Massazum Oka Versão.0 (janero 000) Introdução A técnca de medda de quatro pontas é largamente usada para a medda de resstvdades e resstêncas de folha. O método em s
Leia maisExercícios de CPM e PERT Enunciados
Capítulo 7 Exercícos de CPM e PERT Enuncados Exercícos de CPM e PERT Enuncados 106 Problema 1 O banco TTM (Tostão a Tostão se faz um Mlhão) decdu transferr e amplar a sua sede e servços centras para a
Leia maisExercícios. Utilizando um novo critério, essa banca avaliadora resolveu descartar a maior e a menor notas atribuídas ao professor.
Estatístca Exercícos 1. (Enem 013) Fo realzado um levantamento nos 00 hotés de uma cdade, no qual foram anotados os valores, em reas, das dáras para um quarto padrão de casal e a quantdade de hotés para
Leia maisTeoria da Regressão Espacial Aplicada a. Sérgio Alberto Pires da Silva
Teora da Regressão Espacal Aplcada a Modelos Genércos Sérgo Alberto Pres da Slva ITENS DE RELACIONAMENTOS Tópcos Báscos da Regressão Espacal; Banco de Dados Geo-Referencados; Modelos Genércos Robustos;
Leia maisDesenvolvimento de software dedicado à gestão de estoques em indústrias de polpa de fruta
SCIENTIA PLENA VOL. 9, NUM. 5 2013 www.scentaplena.org.br Desenvolvmento de software dedcado à gestão de estoques em ndústras de polpa de fruta Software development dedcated to nventory management n frut
Leia maisEstimativa da Incerteza de Medição da Viscosidade Cinemática pelo Método Manual em Biodiesel
Estmatva da Incerteza de Medção da Vscosdade Cnemátca pelo Método Manual em Bodesel Roberta Quntno Frnhan Chmn 1, Gesamanda Pedrn Brandão 2, Eustáquo Vncus Rbero de Castro 3 1 LabPetro-DQUI-UFES, Vtóra-ES,
Leia maisPROCEDIMENTO PARA ESCOLHA DA LOCALIZAÇÃO DE UM CENTRO REGIONAL DE DISTRIBUIÇÃO E RECOLHA DE EQUIPAMENTOS. N. R. Candido, V.B. G.
PROCEDIMENTO PARA ESCOLHA DA LOCALIZAÇÃO DE UM CENTRO REGIONAL DE DISTRIBUIÇÃO E RECOLHA DE EQUIPAMENTOS N. R. Canddo, V.B. G. Campos RESUMO Apresenta-se neste trabalho um procedmento de auxílo à decsão
Leia maisRECONCILIAÇÃO DE DADOS EM COLUNAS DE DESTILAÇÃO UTILIZANDO O SIMULADOR EMSO
RECONCILIAÇÃO DE DADOS EM COLUNAS DE DESTILAÇÃO UTILIZANDO O SIMULADOR EMSO MENEZES, D. Q. F. 1, SARRUF, I. 1, PEIXOTO, F. C. 1 e PRATA, D. M. 1 1 Unversdade Federal Flumnense, Departamento de Engenhara
Leia maisFísica C Intensivo V. 2
Físca C Intensvo V Exercícos 01) C De acordo com as propredades de assocação de resstores em sére, temos: V AC = V AB = V BC e AC = AB = BC Então, calculando a corrente elétrca equvalente, temos: VAC 6
Leia maisINFLUÊNCIA DAS VARIÁVEIS OPERACIONAIS NA REMOÇÃO DE ETANOL DE VINHO DELEVEDURADO POR CO 2
INFLUÊNCIA DAS VARIÁVEIS OPERACIONAIS NA REMOÇÃO DE ANOL DE VINHO DELEVEDURADO POR CO 2 C. R. SILVA 1, M. N. ESPERANÇA 1, A. J. G. CRUZ 1 e A. C. BADINO 1 1 Unversdade Federal de São Carlos, Departamento
Leia maisPROBABILIDADE - CONCEITOS BÁSICOS
ROBBILIDD - CONCITOS BÁSICOS xpermento leatóro é um expermento no qual: todos os possíves resultados são conhecdos; resulta num valor desconhecdo, dentre todos os resultados possíves; pode ser repetdo
Leia maisCRIPTOANÁLISE DE SINAIS DE VOZ CIFRADOS POR TSP USANDO REDES NEURAIS E MEAN-FIELD ANNEALING
CRIPTOANÁLISE DE SINAIS DE VOZ CIFRADOS POR TSP USANDO REDES NEURAIS E MEAN-FIELD ANNEALING J. A. Apolnáro Jr. UFRJ/COPPE - Ro de Janero/RJ apoln@coe.ufrj.br P. R. S. Mendonça UFRJ/COPPE - Ro de Janero/RJ
Leia mais2 Máquinas de Vetor Suporte 2.1. Introdução
Máqunas de Vetor Suporte.. Introdução Os fundamentos das Máqunas de Vetor Suporte (SVM) foram desenvolvdos por Vapnk e colaboradores [], [3], [4]. A formulação por ele apresentada se basea no prncípo de
Leia maisMatemática. Veículo A. Veículo B. Os gráficos das funções interceptam-se quando 50t = 80t
Matemátca 0 Dos veículos, A e B, partem de um ponto de uma estrada, em sentdos opostos e com velocdades constantes de 50km/h e 70km/h, respectvamente Após uma hora, o veículo B retorna e, medatamente,
Leia maisTânia Lucia Hojo (UFMG) Sueli Aparecida Mingoti (UFMG)
Modelos de equações estruturas: uma avalação dos métodos de máxma verossmlhança, mínmos quadrados ordnáros e mínmos quadrados parcas usados na estmação de parâmetros do modelo. Tâna Luca Hojo (UFMG) hojo@est.mest.ufmg.br
Leia maisModelagem Matemática do Desenvolvimento da Soja
Modelagem Matemátca do Desenvolvmento da Soja Artur Gustavo Muller Embrapa Cerrados 73310-970, Planaltna, DF E-mal: agmuller@cpac.embrapa.br Jorge Luz Berto Unversdade Regonal do Noroeste do Estado do
Leia mais2 Principio do Trabalho Virtual (PTV)
Prncpo do Trabalho rtual (PT)..Contnuo com mcroestrutura Na teora que leva em consderação a mcroestrutura do materal, cada partícula anda é representada por um ponto P, conforme Fgura. Porém suas propredades
Leia maisSistemas Robóticos. Sumário. Introdução. Introdução. Navegação. Introdução Onde estou? Para onde vou? Como vou lá chegar?
Sumáro Sstemas Robótcos Navegação Introdução Onde estou? Para onde vou? Como vou lá chegar? Carlos Carreto Curso de Engenhara Informátca Ano lectvo 2003/2004 Escola Superor de Tecnologa e Gestão da Guarda
Leia maisRobótica. Prof. Reinaldo Bianchi Centro Universitário FEI 2016
Robótca Prof. Renaldo Banch Centro Unverstáro FEI 2016 6 a Aula IECAT Objetvos desta aula Momentos Lneares, angulares e de Inérca. Estátca de manpuladores: Propagação de forças e torques. Dnâmca de manpuladores:
Leia maisCálculo do Conceito ENADE
Insttuto aconal de Estudos e Pesqusas Educaconas Aníso Texera IEP Mnstéro da Educação ME álculo do onceto EADE Para descrever o cálculo do onceto Enade, prmeramente é mportante defnr a undade de observação
Leia mais3 Cálculo Básico de Enlace Via Satélite
35 3 Cálculo Básco de Enlace Va Satélte Neste capítulo é tratado o cálculo básco de um enlace va-satélte, subentenddo em condções normas de propagação (espaço lvre) nos percursos de subda e descda e consderados
Leia mais3 Método Proposto para Estimação de Parâmetros Sísmicos em três Dimensões
3 Método Proposto para Estmação de Parâmetros Sísmcos em três Dmensões Neste capítulo é descrto com detalhe como fo consderado o modelo sísmco de camadas e como foram desenvolvdas as equações, para múltplas
Leia maisCAPÍTULO 3 CALIBRAÇÃO DE FASE INTERFEROMÉTRICA
CAPÍTULO 3 CALIBRAÇÃO DE FASE INTERFEROMÉTRICA 3. Método Utlzando Ponto de Controle O uso de pontos de controle é o meo mas exato para a determnação do offset da fase nterferométrca. Normalmente utlza-se
Leia maisFUNDAMENTOS DE ROBÓTICA. Modelo Cinemático de Robôs Manipuladores
FUNDMENTOS DE ROBÓTIC Modelo Cnemátco de Robôs Manpuladores Modelo Cnemátco de Robôs Manpuladores Introdução Modelo Cnemátco Dreto Modelo Cnemátco de um Robô de GDL Representação de Denavt-Hartenberg Exemplos
Leia maisIntrodução 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 maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-14 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Prncípos de cração de modelos empírcos: Modelos (matemátcos, lógcos, ) são comumente utlzados na
Leia mais4. MODELAMENTOS EM POLUIÇÃO DO AR: PREDITIVOS E RECEPTORES
4. MODELAMENTOS EM POLUIÇÃO DO AR: PREDITIVOS E RECEPTORES Para o Curso de Físca da Polução do Ar FAP346, º Semestre/006 Prof. Amérco Sansgolo Kerr Montora: Mara Emíla Rehder aver 4. INTRODUÇÃO No modelamento
Leia maisAGÊNCIA NACIONAL DE ENERGIA ELÉTRICA ANEEL RESOLUÇÃO NORMATIVA Nº 62, DE 5 DE MAIO DE 2004
AGÊNCIA NACIONAL DE ENERGIA ELÉTRICA ANEEL RESOLUÇÃO NORMATIVA Nº 62, DE 5 DE MAIO DE 2004 Estabelece os procedmentos para o cálculo do montante correspondente à energa de referênca de empreendmento de
Leia maisCapítulo 16: Equilíbrio Geral e Eficiência Econômica
Capítulo 6: Equlíbro Geral e Efcênca Econômca Pndck & Rubnfeld, Capítulo 6, Equlíbro Geral::EXERCÍCIOS. Em uma análse de trocas entre duas pessoas, suponha que ambas possuam dêntcas preferêncas. A curva
Leia maisTEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma.
UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO DE CIÊNCIAS EXATAS DEPARTAMENTO DE FÍSICA AV. FERNANDO FERRARI, 514 - GOIABEIRAS 29075-910 VITÓRIA - ES PROF. ANDERSON COSER GAUDIO FONE: 4009.7820 FAX: 4009.2823
Leia maisMedidas e resultados em um experimento.
Meddas e resultados em um expermento. I- Introdução O estudo de um fenômeno natural do ponto de vsta expermental envolve algumas etapas que, mutas vezes, necesstam de uma elaboração préva de uma seqüênca
Leia maisAnálise do Emprego de Ferramentas de Computação Natural no Problema de Separação de Misturas com Não-Linearidade Posterior
XXVII SIMPÓSIO BRASILEIRO DE TELECOMUNICAÇÕES SBrT 2009, DE 29 DE SETEMBRO A 02 DE OUTUBRO DE 2009, BLUMENAU, SC 1 Análse do Emprego de Ferramentas de Computação Natural no Problema de Separação de Msturas
Leia maisSumário do Seminário. Otimização Multi-Objetivo na resolução de Problemas de Engenharia Complexos
Sumáro do Semnáro Otmzação Mult-Objetvo na resolução de Problemas de Engenhara Complexos ANTÓNIO GASPAR LOPES DA CUNHA Lção elaborado nos termos da alínea c) do artgo 5º do Decreto-Le nº239/2007 para a
Leia mais