Decomposição Lagrangeana com Geração de Colunas para o Problema de Programação Quadrática Binária Irrestrita
|
|
- Gabriel Henrique Medina Correia
- 6 Há anos
- Visualizações:
Transcrição
1 Decoposção Lagrageaa co Geração de Coluas para o Problea de Prograação Quadrátca Bára Irrestrta Geraldo Regs Maur,2, Luz Atoo Noguera Lorea 2 Cetro de Cêcas Agráras, Departaeto de Egehara Rural Uversdade Federal do Espírto Sato - UFES 2 Laboratóro Assocado de Coputação e Mateátca Aplcada Isttuto Nacoal de Pesqusas Espacas - INPE aur@cca.ufes.br, {aur,lorea}@lac.pe.br Abstract. The Ucostraed Bary Quadratc Prograg Proble (PQ) cossts of optzg a quadratc obectve by sutable choce of bary decsos varables. Ths paper proposes a e alteratve of lagragea decoposto based o colu geerato techque to solve PQ. The results sho the effcecy of the proposed ethod over tradtoal lagragea relaatos ad other ethods foud the lterature. Resuo. O Problea de Prograação Quadrátca Bára Irrestrta (PQ) cosste e otzar ua fução quadrátca por eo da escolha de valores báros aproprados para as varáves de decsão. Este trabalho propõe ua ova alteratva de decoposção lagrageaa baseada a técca de geração de coluas para resolução do PQ. Os resultados ostra a efcêca do étodo proposto e relação a étodos tradcoas de relaação lagrageaa e outros étodos ecotrados a lteratura.. Itrodução O Problea de Prograação Quadrátca Bára Irrestrta (PQ) é u dos probleas clásscos e otzação ão-lear que cosste e azar (ou zar) ua fução obetvo quadrátca por eo da escolha de valores aproprados para as varáves de decsão báras [Beasley 998]. O PQ é u problea NP-Hard [Blloet e Ellou 2007] e apreseta ua grade quatdade de aplcações e dversas áreas, coo por eeplo: bologa olecular; plaeaeto de vestetos e aálse facera; e algus probleas do tpo CAD (Coputer Aded Desg). Alé dsso, o PQ ada aborda úeros probleas odelados por eo de grafos, coo clque áo, áo couto depedete, e outros. Este trabalho propõe ua ova alteratva de decoposção lagrageaa que utlza a técca de geração de coluas para ecotrar soluções e ltates para o PQ. Esse étodo trata u odelo lear tero sto do PQ que te restrções represetadas por eo de u grafo que é partcoado co o uso de ua bbloteca de heurístcas deoada METIS [Karyps e Kuar 998]. O problea orgal é decoposto forado u problea coordeador (problea estre restrto) e u subproblea para cada cluster, que são utlzados para geração de ovas coluas para o problea coordeador. O restate do artgo está orgazado coo segue. A Seção 2 apreseta o étodo proposto, e algus étodos alteratvos para obteção de ltates para o PQ são descrtos a Seção 3. Os resultados coputacoas são apresetados a Seção 4, e as coclusões são resudas a Seção 5.
2 2. Decoposção lagrageaa co geração de coluas A decoposção lagrageaa é u caso especal de relaação lagrageaa que cosste e dvdr o problea orgal e város subprobleas e crar ua cópa das varáves de decsão e cada u dos subprobleas gerados. Essas cópas são utlzadas as restrções dos subprobleas, e restrções que garate a gualdade etre as varáves orgas e suas cópas são relaadas o setdo lagrageao [Chardare e Sutter 995]. Cosderado ua atrz de úeros reas Q = [q ], o PQ pode ser forulado pela epressão (). a PQ: v(pq) = () báro = = O PQ pode ser learzado por eo da substtução dos teros quadrátcos pela varável cotíua e por restrções que garata que =. Logo, te-se ua versão lear tera sta de PQ (2-7). Por coveção, esse odelo será chaado PQL. q = q PQL: v(pql) = Ma + q (2) Sueto a 0, q > 0 (3) 0, q > 0 (4) +, q < 0 (5) 0, q < 0 (6) {0,} =,..., (7) A partr da atrz Q, pode-se crar u grafo G=(V,E) co V = {,,} e ua atrz de adacêcas E = [e ], e = se q 0 e e = 0 se q = 0. Partcoado o grafo G e ( ) clusters depedetes, te-se V = V V 2... V, ode V V =,, G = (V,A ), =,...,, e X = V V, =,...,. Logo, te-se: PQL : v(pql ) = Ma q + q + q ' = V V ; V ; V ; X ; (8) Sueto a V, V q > 0, =,..., (9) V, V q > 0, =,..., (0) + V, V q < 0, =,..., () 0 V, V q < 0, =,..., (2) ' V, X q > 0, =,..., (3) ' ' V, X q > 0, =,..., (4) + ' ' V, X q < 0, =,..., (5) ' 0 V, X q < 0, =,..., (6) = X, =,..., (7) ' ' = ' V, X, >, =,..., (8) {0,} V, =,..., (9)
3 Nesse odelo, as varáves ' represeta as cópas do vértce (') o cluster, e as varáves ' represeta as arestas etre os vértces e ' (cópa de ). As restrções (9)-(2) trata apeas as arestas (,) cuos vértces são teros ao cluster (sub-grafo). Já as restrções (3)-(6) trata as arestas (,) cuos vértces estão e clusters dsttos. As restrções (7) e (8) são as restrções de cópa, que garate a gualdade etre as varáves orgas e suas cópas. Co tuto de facltar a copreesão do étodo proposto, esse odelo (9-9) pode ser represetado atrcalete da segute fora: ( ) ' PQL : v(pql ) = Ma q + 0' + q + q ' (20) q = A L A Sueto a T B O 0 [ ' ' ] L[ ' ' ] ] ~ b (2) 0 0 B é u vetor co os coefcetes das varáves presetes o cluster ; é u vetor co os coefcetes das varáves presetes o cluster ; é u vetor co os coefcetes das varáves ' presetes o cluster ; B é ua atrz co os coefcetes das varáves presetes as restrções (9) a (6); A é ua atrz co os coefcetes das varáves presetes restrções de cópa (7-8); é u vetor co os valores das varáves de decsão ; ' é u vetor co os valores das varáves de decsão '; é u vetor co os valores das varáves de decsão ; ' é u vetor co os valores das varáves de decsão ' ; Por f, ~ represeta os operadores relacoas (, ou =) e b os valores do lado dreto das restrções (0 ou ). Relaado as restrções (7) e (8) o setdo lagrageao por eo do vetor de ultplcadores µ, (µ rrestrto), o problea PQL (dretaete o PQ) pode ser dvddo e subprobleas depedetes. Cosderado R coo sedo as restrções assocadas ao subproblea, =,...,, e d o úero de restrções relaadas, cada subproblea pode ser represetado coo descrto e (22), e a solução da decoposção do problea PQL e clusters é dada pela epressão (23). DL µ PQL : v(dl µ PQL ) = a, ',, ' R q ' {( q µa ) + ( µa ) ' + ( q µa ) + ( q µa ) ' } ' q (22) DL µ PQL : v(dl µ PQL ) = DL PQL µ (23) A pleetação clássca da técca de geração de coluas utlza u problea coordeador, ou Problea Mestre Restrto (PMR), e subprobleas geradores de coluas para forá-lo. O PMR, por eo de suas varáves duas, drecoa os subprobleas a busca de ovas coluas. Ass, aplcado a decoposção Datzg-Wolfe para a relaação lear (PL) do problea PQL te-se: = s s s s s s s PMR PL : v(pmr PL ) = Ma λ q + 0' + q + q ' (24) Sueto à = s µ d p= ( ) s T λ s ( A y ) ~ b, ode y = [ ' ' ] = s S λ {,...,} s = s S λ s 0,..., }, s S ' p (25) (26) { (27)
4 O couto de potos etreos de R assocados co as coluas geradas o PMR é dado por S. β é a varável dual assocada co a -ésa restrção de covedade de (26). s, ' s, s e ' s são vetores que defe os potos etreos s S, ou sea, as soluções váves do subproblea defdo pelo cluster. λ s é a varável de decsão correspodete ao poto etreo s S. Para cada subproblea (22), pode-se substtur o vetor de ultplcadores lagrageaos µ pelo vetor de varáves duas α assocado co as restrções (25), e de ua fora alteratva, cada subproblea pode ser descrto pela epressão (28), e a relaação do PQL, e clusters, por (29). Z = a {( q αa ) + ( αa ) ' + ( q αa ) + ( q αa ) ' }, ',, ' R Z = ' (28) DL α PQL : v(dl α PQL ) = + α (29) A partr de etão, ua ova colua gerada pelo subproblea é serda o PMR se o seu custo reduzdo θ for postvo, sto é, θ = Z β > 0. Ass, o PMR coordea as soluções dos probleas por eo de suas varáves duas, buscado ua solução para o problea orgal. O PMR cal é gerado por eo de ua heurístca baseada a apresetada e Beasley (998). E seguda, ovas coluas são geradas até que u crtéro de parada sea satsfeto, e o PMR fal, forado por todas as coluas geradas, é resolvdo de fora tera (λ s {0,}), e cosequeteete, sua solução será equvalete a ua solução vável para o PQL, e dretaete para o PQ. Por coveção, esse problea será tratado coo PMR PLI, e o valor de sua solução coo v(pmr PLI ). Logo, a solução do PMR de fora tera - v(pmr PLI ) - apreseta ua solução vável para o PQ, e a solução do PMR por eo de sua relaação lear - v(pmr PL ) - e a solução da decoposção lagrageaa - v(dl α PQL ) - apreseta ltates para o PQ. 3. Outros ltates para o PQ O valor da solução da relaação lear do PQL (substtur a restrção 7 por 0 ) é u ltate trval para o PQ, e é cohecdo coo roof dual [Blloet e Calels 996]. Por otação, esse odelo será tratado coo PQL. Outro ltate para o PQ pode ser obtdo por eo da serção de ua restrção de corte de Chvatal-Goory (30) e PQL. Essa restrção é baseada e ua das restrções de corte apresetadas e Blloet et al. (999) para o Problea Quadrátco da Mochla - PQM. Por coveção, o odelo PQL co essa restrção será tratado coo PQLC. + <, q 0, q 0, q 0 (30) + d p= < A relaação lagrageaa das restrções (3), (4) e/ou (5) tabé pode ser utlzada para obteção de outros ltates para o PQ. Essas restrções pode ser cobadas de fora a gerar dferetes odelos para o problea, sedo que a zação de cada dual correspodete apreseta u ltate para o PQ. 4. Resultados coputacoas Os resultados apresetados a segur fora obtdos por eo de u couto de 45 stâcas dspoíves a OR-Lbrary. Essas stâcas são separadas e 6 classes (A, B, C, D, E e F) co dferetes característcas. Essas stâcas estão etre as as dfíces ecotradas a lteratura [Glover et al. 998]. Para resolver a relaação lear do problea ( PQL ) e a relaação lear co a restrção de corte (PQLC), fo utlzado o CPLEX 0.0. [Ilog 2006]. O dual lagrageao das relaações lagrageaas tradcoas ctadas a seção ateror fo otzado por eo p
5 do algorto de subgradete apresetado e Narcso e Lorea (999). O CPLEX tabé fo utlzado para resolver os probleas de fora eata a cada teração do algorto de subgradete. No étodo proposto (DecLagGC), a dvsão do grafo G fo realzada co o uso da bbloteca de heurístcas METIS [Karyps e Kuar, 998], que partcoa o grafo do problea zado o úero de arestas co terações e clusters dsttos. O PMR e os subprobleas tabé fora resolvdos pelo CPLEX. Todos esses étodos fora eecutados co o tepo lte de hora de processaeto para cada stâca. Tabela. Gaps (%) obtdos pelos ltates apresetados. Ist Dsde DecLagGC PQL PQLC Lag. (%) DL α PQL PMR PL A , ,99 6,6 2,98 2,22 0,7 B ,34 404,22 657,66 323,72 3,44 C ,3 5, 9,7 3,4 0,03 D ,37 85,35,40 09,87 0, E ,56 95,43 36,72 73,29 0,05 F ,28 26,2 24,66 02,40 0,38 Tepo édo (seg.) 73,96 37, ,84 282,8 A Tabela apreseta os gaps obtdos pelos étodos apresetados e relação às elhores soluções cohecdas [Glover et al. 998]. A colua Dsde apreseta as desdades da atrz Q das stâcas de cada classe, e a colua Lag apreseta os elhores gaps obtdos pelas relaações lagrageaas tradcoas. Os ltates (DL α PQL e PMR PL ) obtdos pelo étodo proposto apreseta eceletes gaps para pratcaete todas as stâcas. O úero de clusters () utlzado varou de 2 a 20, de acordo co a stâca. Tabela 2. Resultados obtdos para as stâcas das classes B e F. Ist. Dsde Melhores Glover et al. (2002) Perc (%) DecLagGC (%) soluções DDT A2 A2t V3 V3t v(pmr PLI ) Perc b , ,9 0,5 0, b ,0 75,2 86,8 5,0 5, b ,5 86,4 80,5 0,0 0, b ,7 78,3 78,3 0,0 0, b , ,0 0,7 0, b ,2 77,4 72,6 2,7 2, ,7 7b , ,6 0, b ,4 80,7 80,7 0,0 0, b , 92,7 75,9 0,0 0, , 0b ,6 78,6 78,6 0,0 0, ,5 f ,2 77,9 76,9 92,9 92, ,6 A Tabela 2 apreseta as soluções teras obtdas para as stâcas das classes B e F. Nessa tabela, a colua Perc apreseta o percetual da solução obtda e relação a elhor solução cohecda ((v(pmr PLI )/v(opt))*00). Os resultados obtdos pela DecLagGC são coparados aos resultados apresetados pelas dferetes heurístcas apresetadas e Glover et al. (2002). Coo pode ser observado, o étodo proposto apresetou elhores resultados para todas as stâcas da classe B (co tepo édo de 96,42 seg.) e para a stâca da classe F co desdade de 0% (e 5585,00 seg.). Para as deas, a DecLagGC ão fo capaz de ecotrar ua solução e u tepo aproado de hora. O étodo descrto e Blloet e Ellou (2007) ão fo capaz de resolver as stâcas da classe F, e segudo os autores, todas as soluções ótas fora ecotradas para as stâcas da classe B co u lte de tepo de 2 horas.
6 A DecLagGC obteve u gap édo de 0,% para as stâcas das classes D co tepo édo de processaeto fo de 4522,32 segudos, equato que o apresetado por Blloet e Ellou (2007) fo de 7,57% co tepo édo de 0 utos por stâca. Para as stâcas das classes A e C, o étodo proposto por Blloet e Ellou (2007) obteve as soluções ótas e u tepo lte de 2 horas por stâca, poré ão fo capaz de resolver os probleas da classe E. Já a DecLagGC obteve as soluções ótas para todas as stâcas das classes A, C e E, co o tepo édo de 96,40 e 64,3 segudos para as stâcas das classes A e C, e da classe E, respectvaete. Glover et al. (2002) ão apreseta resultados para essas stâcas. 5. Coclusões Este trabalho apresetou ua ova estratéga de decoposção lagrageaa baseada a técca de geração de coluas para resolver o problea de prograação quadrátca bára rrestrta. O étodo proposto, alé de ecotrar soluções váves, tabé apreseta duas alteratvas para obteção de ltates para o PQ. Istâcas de dfícl solução e co dferetes característcas fora utlzadas para avalar o étodo proposto. Os resultados apreseta dícos de que a decoposção proposta é superor à proposta por Chardare e Sutter (995), pos soluções de boa qualdade fora obtdas para probleas aores (co desdades varadas). Alé dsso, o étodo proposto fo coparado dretaete co outros étodos propostos receteete, e apresetou eceletes resultados para pratcaete todas as stâcas. Refereces Beasley, J.E. (998). Heurstc algorths for the ucostraed bary quadratc prograg proble. Techcal Report - Maageet School, Iperal College, Lodo, UK. Blloet, A.; Calels, F. (996). Lear prograg for the 0- quadratc apsac proble. Europea Joural of Operatoal Research, 92(2): Blloet, A.; Ellou, S. (2007). Usg a ed teger quadratc prograg solver for the ucostraed quadratc 0- proble. Matheatcal Prograg, 09: Blloet, A.; Faye, A.; Soutf, E. (999). A e upper boud for the 0- quadratc apsac proble. Europea Joural of Operatoal Research, 2: Chardare, P.; Sutter, A. (995). A decoposto ethod for quadratc zero-oe prograg. Maageet Scece, 4(4): Glover, F.; Aldaee, B.; Rego, C.; Kocheberger, G. (2002). Oe-pass heurstcs for largescale ucostraed bary quadratc probles. Europea Joural of Operatoal Research, 37(2): Glover, F.; Kocheberger, G.A.; Aldaee, B. (998). Adaptatve eory tabu search for bary quadratc progras. Maageet Scece, 44(3): Glover, F.; Woolsey, E. (974). Covertg a 0- polyoal prograg proble to a 0- lear progra. Operatos Research, 22: Ilog (2006). ILOG CPLEX 0.0: user s aual. Frace, 478 p. Karyps, G.; Kuar, V. (998). Multlevel -ay parttog schee for rregular graphs. Joural of Parallel ad Dstrbuted Coputg, 48: Narcso, M.G.; Lorea, L.A.N. (999). Lagragea/surrogate relaato for geeralzed assget probles. Europea Joural of Operatoal Research, 4:
NOVOS LIMITANTES PARA O PROBLEMA DE PROGRAMAÇÃO QUADRÁTICA BINÁRIA IRRESTRITA
NOVOS LIMITANTES PARA O PROBLEMA DE PROGRAMAÇÃO QUADRÁTICA BINÁRIA IRRESTRITA Geraldo Regs Maur Cetro de Cêcas Agráras, Departaeto de Egehara Rural Uversdade Federal do Espírto Sato - UFES Alegre ES aur@cca.ufes.br
Leia maisDECOMPOSIÇÕES LAGRANGEANAS PARA O PROBLEMA DE PROGRAMAÇÃO QUADRÁTICA BINÁRIA IRRESTRITA
versão mpressa ISSN 0101-7438 / versão ole ISSN 1678-5142 DECOMPOSIÇÕES LAGRANGEANAS PARA O PROBLEMA DE PROGRAMAÇÃO QUADRÁTICA BINÁRIA IRRESTRITA Geraldo Regs Maur* Lab. Assocado de Computação e Matemátca
Leia mais16 - PROBLEMA DO TRANSPORTE
Prof. Volr Wlhel UFPR TP05 Pesqusa Operacoal 6 - PROBLEMA DO TRANSPORTE Vsa zar o custo total do trasporte ecessáro para abastecer cetros cosudores (destos) a partr de cetros forecedores (orges) a, a,...,
Leia maisIntrodução à Decomposição de Dantzig Wolfe
Itrodução à Deoposção de Datzg Wolfe PNV-5765 Probleas de Prograação Mateáta Aplados ao Plaeaeto de Ssteas de Trasportes Maríto Prof. Dr. Adré Bergste Medes Bblografa Utlzada WILLIAMS, H.P. The forulato
Leia maisRepresentação dos padrões. Tipos de atributos. Etapas do processo de agrupamento. 7.1 Agrupamento clássico. 7. Agrupamento fuzzy (fuzzy clustering)
7. Agrupaeto fuzzy (fuzzy clusterg) 7. Agrupaeto clássco Agrupaeto é a classfcação ão-supervsoada de padrões (observações, dados, objetos, eeplos) e grupos (clusters). Itutvaete, padrões seelhates deve
Leia maisCapítulo 2. Aproximações de Funções
EQE-358 MÉTODOS NUMÉRICOS EM ENGENHARIA QUÍMICA PROFS. EVARISTO E ARGIMIRO Capítulo Aproações de Fuções Há bascaete dos tpos de probleas de aproações: ) ecotrar ua fução as sples, coo u polôo, para aproar
Leia mais3- Autovalores e Autovetores.
MÉTODOS NUMÉRICOS PARA EQUAÇÕES DIFERENCIAIS PARCIAIS 3- Autovalores e Autovetores. 3.- Autovetores e Autovalores de ua Matrz. 3.- Métodos para ecotrar os Autovalores e Autovetores de ua Matrz. 3.- Autovetores
Leia mais3- Autovalores e Autovetores.
MÉTODOS NUMÉRICOS PARA EQUAÇÕES DIFERENCIAIS PARCIAIS - Autovalores e Autovetores..- Autovetores e Autovalores de ua Matrz..- Métodos para ecotrar os Autovalores e Autovetores de ua Matrz. Cotuação da
Leia maisBioestatística Curso de Saúde. Linha Reta 2 Parábola ou curva do segundo grau. terceiro grau curva do quarto. grau curva de grau n Hipérbole
Teora da Correlação: Probleas relatvos à correlação são aqueles que procura estabelecer quão be ua relação lear ou de outra espéce descreve ou eplca a relação etre duas varáves. Se todos os valores as
Leia maisCAPÍTULO III. Aproximação de funções pelo método dos Mínimos Quadrados
Métodos Nuércos CAPÍULO III C. Balsa & A. Satos Aproxação de fuções pelo étodo dos Míos Quadrados. Algus cocetos fudaetas de Álgebra Lear Relebraos esta secção algus cocetos portates da álgebra Lear que
Leia maisConsideremos a fórmula que nos dá a área de um triângulo: = 2
6. Cálculo Derecal e IR 6.. Fução Real de Varáves Reas Cosdereos a órula que os dá a área de u trâulo: b h A( b h) Coo podeos vercar a área de u trâulo depede de duas varáves: base (b) e altura (h) Podeos
Leia maisGeração de Colunas Aplicada a uma Decomposição do Problema de Programação Quadrática Binária Irrestrita
Geração de Colunas Aplicada a uma Decomposição do Problema de Programação Quadrática Binária Irrestrita Geraldo R. Mauri Universidade Federal do Espírito Santo - UFES mauri@cca.ufes.br Luiz A. N. Lorena
Leia maisForma padrão do modelo de Programação Linear
POGAMAÇÃO LINEA. Forma Padrão do Modelo de Programação Lear 2. elações de Equvalêca 3. Suposções da Programação Lear 4. Eemplos de Modelos de PPL 5. Suposções da Programação Lear 6. Solução Gráfca e Iterpretação
Leia maisUMA NOVA ABORDAGEM PARA O CÁLCULO DE LIMITANTES PARA O PROBLEMA DA DIVERSIDADE MÁXIMA
A tegração de cadeas produtvas com a abordagem da maufatura sustetável. Ro de Jaero, RJ, Brasl, 3 a 6 de outubro de 2008 UMA NOVA ABORDAGEM PARA O CÁLCULO DE LIMITANTES PARA O PROBLEMA DA DIVERSIDADE MÁXIMA
Leia maisComo primeiro exemplo de uma relação de recorrência, consideremos a seguinte situação:
Relações de Recorrêcas - Notas de aula de CAP Prof. José Carlos Becceer. Ao 6. Ua Relação de Recorrêca ou Equação de Recorrêca defe ua fução por eo de ua epressão que clu ua ou as stâcas (eores) dela esa.
Leia maisUma abordagem de geração de colunas para o Problema Generalizado de Atribuição
XXIV Ecotro ac. de Eg. de Produção - Floraópols, SC, Brasl, 03 a 05 de ov de 2004 Uma abordagem de geração de coluas para o Problema Geeralzado de Atrbução Edso Luz Fraça See (UESP/FEG) elfsee@feg.uesp.br
Leia maisSeja o problema primal o qual será solucionado utilizando o método simplex Dual: (P)
PROGRAMA DE MESTRADO PROGRAMAÇÃO LIEAR PROFESSOR BALEEIRO Método Splex Dual no Tableau Garfnkel-ehauser E-al: abaleero@gal.co Ste: www.eeec.ufg.br/~baleero Sea o problea pral o qual será soluconado utlzando
Leia maisCálculo Numérico Interpolação Polinomial Ajuste de Curvas (Parte II)
Cálulo Nuéro Iterpolação Poloal Ajuste de Curvas (Parte II) Pro Jore Cavalat joreavalat@uvasedubr MATERIAL ADAPTADO DOS SLIDES DA DISCIPLINA CÁLCULO NUMÉRICO DA UFCG - wwwdsuedubr/~u/ Ajuste de Curvas
Leia maisAtividades 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
Leia maisSOLUÇÃO DE EQUAÇÕES DIFERENCIAIS POR DIFERENÇAS FINITAS-JM Balthazar- Maio Resolvendo um Problema de Condução de Calor
SOLUÇÃO DE EQUAÇÕES DIFERENCIAIS POR DIFERENÇAS FINIAS-JM Balthazar- Mao 3 Resolvedo u Problea de Codução de Calor Para troduzr o étodo das dfereças ftas de ua fora prátca vaos cosderar u problea de codução
Leia maisCentro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola
Cetro de Cêcas Agráras e Ambetas da UFBA Departameto de Egehara Agrícola Dscpla: AGR Boestatístca Professor: Celso Luz Borges de Olvera Assuto: Estatístca TEMA: Somatóro RESUMO E NOTAS DA AULA Nº 0 Seja
Leia maisGeração de colunas com divisão em clusters para o problema de programação quadrática binária irrestrita
Geração de coluas com divisão em clusters para o problema de programação quadrática biária irrestrita Resumo Geraldo Regis Mauri Luiz Atoio Nogueira Lorea Este trabalho propõe uma ova alterativa de geração
Leia maisAlgoritmos de partição e geração de colunas para dimensionamento de lotes de produção
C. Petel, F. Alvelos, J. Carvalho / Ivestgação Operacoal, 26 (2006) 129-146 129 Algortos de partção e geração de coluas para desoaeto de lotes de produção Cara Mara Olvera Petel Flpe Perera e Alvelos José
Leia maisConstrução 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
Leia maisINFERÊNCIA ESTATÍSTICA PARA DUAS POPULAÇÕES
INFERÊNCIA ESTATÍSTICA PARA DUAS POPULAÇÕES . Populações depedetes co dstrbução oral População População,, Y,,Y ~ N, Y ~ N, Y ~ N, Obs. Se a dstrbução de e/ou Y ão for oral, os resultados são váldos aproxadaete.
Leia maisCAPÍTULO III MÉTODOS DE RUNGE-KUTTA
PMR 40 Mecâca Coputacoal CAPÍTULO III MÉTODOS DE RUNGE-KUTTA São étodos de passo sples requere apeas dervadas de prera orde e pode forecer aproxações precsas co erros de trucaeto da orde de, 3, 4, etc.
Leia maisInstituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira INEP Ministério da Educação MEC. Índice Geral de Cursos (IGC)
Isttuto Nacoal de Estudos e Pesqusas Educacoas Aíso exera INEP stéro da Educação EC Ídce Geral de Cursos (IGC) O Ídce Geral de Cursos (IGC) é ua éda poderada dos cocetos dos cursos de graduação e pós-graduação
Leia mais8. INFERÊNCIA PARA DUAS POPULAÇÕES
8 INFERÊNCIA PARA UA POPULAÇÕE 8 Populações depedetes co dstrbução oral População População, L, Y, L,Y ~ N, σ Y ~ N, σ σ σ Y ~ N, Obs e a dstrbução de e/ou Y ão for oral, os resultados são váldos aproxadaete
Leia maisInterpolação. 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
Leia maisEstatística: uma definição
Prof. Lorí Val, Dr. val@at.ufrgs.br http://.at.ufrgs.br/~val/ Estatístca: ua defção Coleção de úeros estatístcas O úero de carros veddos o país auetou e 30%. A taa de deseprego atge, este ês, 7,%. As ações
Leia maisCAPÍTULO 5. Ajuste de curvas pelo Método dos Mínimos Quadrados
CAPÍTULO Ajuste de curvas pelo Método dos Mímos Quadrados Ajuste Lear Smples (ou Regressão Lear); Ajuste Lear Múltplo (ou Regressão Lear Múltpla); Ajuste Polomal; Regressão Não Lear Iterpolação polomal
Leia maisProgramação Paralela
rograação aralela FEU 4. Avalação de steas aralelos Defções Razão etre a velocdade de processaeto coseguda o sstea paralelo e a velocdade coseguda co u processador (pouca foração...) Efcêca Quocete do
Leia maisSUBSTITUIÇÕES ENVOLVENDO NÚMEROS COMPLEXOS Diego Veloso Uchôa
Nível Avaçado SUBSTITUIÇÕES ENVOLVENDO NÚMEROS COMPLEXOS Dego Veloso Uchôa É bastate útl e probleas de olpíada ode teos gualdades ou quereos ecotrar u valor de u soatóro fazeros substtuções por úeros coplexos
Leia maisEstatística: uma definição
Prof. Lorí Val, Dr. val@pucrs.br http://.pucrs.br/faat/val/ Estatístca: ua defção Coleção de úeros estatístcas O úero de carros veddos auetou e 30%. o país A taa de deseprego atge, este ês, 7,%. As ações
Leia maisSIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a 11 de novembro de 2002, Rio de Janeiro/RJ A PESQUISA OPERACIONAL E AS CIDADES
SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a de ovebro de 00 Ro de Jaero/RJ PROGRAMAÇÃO NÃO LINEAR COM PARÂMETROS FUZZY Luza Aala Pto Catão Akebo Yaaka DT FEEC UNICAMP CP: 60 3083-970 Capas SP Brasl
Leia maisMÉTODOS DE GERAÇÃO DE COLUNAS PARA PROBLEMAS DE ATRIBUIÇÃO
MÉTODOS DE GERAÇÃO DE COLUNAS PARA PROBLEMAS DE ATRIBUIÇÃO Edso Luz Fraça See UNESP Campus de Guaratguetá Faculdade de Egehara E-mal: elfsee@feg.uesp.br Luz Atoo Noguera Lorea INPE Isttuto Nacoal de Pesqusas
Leia maisEm 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
Leia mais(1) no domínio : 0 x < 1, : constante não negativa. Sujeita às condições de contorno: (2-a) (2-b) CC2: 0
EXEMPLO MOTIVADO II EXEMPLO MOTIVADO II Método da Apromação Polomal Aplcado a Problemas Udrecoas sem Smetra. Equações Dferecas Ordáras Problemas de Valores o otoro Estrutura Geral do Problema: dy() d y()
Leia maisA ciência de coletar, organizar, apresentar, analisar e interpretar dados numéricos com o objetivo de tomar melhores decisões.
Prof. Lorí Val, Dr. val@at.ufrgs.br http://.at.ufrgs.br/~val/ Coleção de úeros estatístcas stcas O úero de carros veddos o país auetou e 30%. A taa de deseprego atge, este ês, 7,%. As ações a da Telebrás
Leia maisRelatório 2ª Atividade Formativa UC ECS
Relatóro 2ª Atvdade Formatva Eercíco I. Quado a dstrbução de dados é smétrca ou apromadamete smétrca, as meddas de localzação méda e medaa, cocdem ou são muto semelhates. O mesmo ão acotece quado a dstrbução
Leia maisA ciência de coletar, organizar, apresentar, analisar e interpretar dados numéricos com o objetivo de tomar melhores decisões.
.pucrs.br/faat/val/.at.ufrgs.br/~val/ Prof. Lorí Val, Dr. val@at.ufrgs.br val@pucrs.br Coleção de úeros estatístcas O úe ro de carros ve ddos o país auetou e 30%. A taa de deseprego atge, este ês, 7,%.
Leia maisCapitulo 1 Resolução de Exercícios
S C J S C J J C FORMULÁRIO Regme de Juros Smples 1 1 S C 1 C S 1 1.8 Exercícos Propostos 1 1) Qual o motate de uma aplcação de R$ 0.000,00 aplcados por um prazo de meses, à uma taxa de 2% a.m, os regmes
Leia maisProfessor 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.
Leia maisA PROGRAMAÇÃO LINEAR FUZZY EM PROBLEMAS DE MISTURA
Pesqusa Operacoal a Socedade: Educação, Meo Ambete e Desevolvmeto a 5/09/06 Goâa, GO A PROGRAMAÇÃO LINEAR FUZZY EM PROBLEMAS DE MISTURA Adre Gadolpho Uversdade Católca de Petrópols alvesga@gbl.com.br Rcardo
Leia mais2. NOÇÕES MATEMÁTICAS
. NOÇÕES MATEMÁTICAS Este capítulo retoma algumas oções matemátcas ecessáras para uma boa compreesão de algus aspectos que serão mecoados e detalhados o presete trabalho. Algus destes aspectos podem abstrar
Leia maisCAPÍTULO VIII DIFERENCIAIS DE ORDEM SUPERIOR FÓRMULA DE TAYLOR E APLICAÇÕES
CAPÍTULO VIII DIFERENCIAIS DE ORDEM SUPERIOR FÓRMULA DE TAYLOR E APLICAÇÕES. Dferecas de orde superor Tratareos apeas o caso das fuções de A R e R sedo que o caso geral das fuções de A R e R se obté a
Leia maisHybrid Algorithms for Routing and Assignment Wavelengths in Optical Networks
214 IEEE LATIN AMERICA TRANSACTIONS, VOL. 8, NO. 3, JUNE 2010 Hybrd Algorths for Routg ad Assget Wavelegths Optcal Networks K. D. R. Asss, A. F. Satos ad W. F. Gozza Abstract Ths paper presets a strategy
Leia maisCentro de massa Dinâmica do corpo rígido
Cetro de assa Dâca do corpo rígdo Nota: As fotografas assaladas co () fora retradas do lvro () A. Bello, C. Portela e H. Caldera Rtos e Mudaça, Porto edtora. As restates são retradas de Sears e Zeasky
Leia maisCap. 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
Leia maisDifusão 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
Leia maisMétodos iterativos. Capítulo O Método de Jacobi
Capítulo 4 Métodos teratvos 41 O Método de Jacob O Método de Jacob é um procedmeto teratvo para a resolução de sstemas leares Tem a vatagem de ser mas smples de se mplemetar o computador do que o Método
Leia maisConfiabilidade 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
Leia maisAnais do IX Congresso Brasileiro de Redes Neurais / Inteligência Computacional (IX CBRN)
Aas do IX Cogresso Braslero de Redes Neuras / Itelgêca Coputacoal (IX CBRN) Socedade Braslera de Redes Neuras ABORDAGEM DE ALGORITMO COMPETITIVO IMPERIALISTA APLICADA À PROBLEMA DE OTIMIZAÇÃO EM ENGENHARIA
Leia mais5 Critérios para Análise dos Resultados
5 Crtéros para Aálse dos Resultados Este capítulo tem por objetvos forecer os crtéros utlzados para aálse dos dados ecotrados a pesqusa, bem como uma vsão geral dos custos ecotrados e a forma de sua evolução
Leia maisProblema de transporte
Departaeto de Egeharia de Produção UFPR 38 Problea de trasporte Visa iiizar o custo total do trasporte ecessário para abastecer cetros cosuidores (destios) a partir de cetros forecedores (origes) a1, a2,...,
Leia maisRESOLVENDO MOCHILAS COMPARTIMENTADAS RESTRITAS
RESOLVENDO MOCHILAS COMPARTIMENTADAS RESTRITAS Robso Hoto Uversdade Estadual de Lodra, CCE, Departameto de Matemátca CEP 8605-970, CP 600, foe (43) 337 450, hoto@uel.br Campus Uverstáro, Lodra, PR, Brasl
Leia maisMEDIDAS 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
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental.
É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou Prof. Lorí Val, Dr. val@mat.ufrgs.r http://www.mat.ufrgs.r/~val/ expermetal. Numa relação expermetal os valores de uma das varáves
Leia maisCentro de massa Dinâmica do corpo rígido
Cetro de assa Dâca do corpo rígdo Nota: As fotografas assaladas co () fora retradas do lvro () A. Bello, C. Portela e H. Caldera Rtos e Mudaça, Porto edtora. As restates são retradas de Sears e Zeasky
Leia maisDepartamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. P x t i x t i x t i x t i
Departaeto de Iforátca Dscpla: do Desepeho de Ssteas de Coputação Cadeas de Marov I Processos de Marov (ou PE Marovao) Sea u processo estocástco caracterzado pela seüêca de v.a s X(t ),,,, Sea X(t ) a
Leia maisMédia. 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,
Leia maisCAP. 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
Leia maisABORDAGENS DE PROGRAMAÇÃO INTEIRA E PROGRAMAÇÃO POR RESTRIÇÕES PARA PROBLEMAS DE EMPACOTAMENTO BIDIMENSIONAL
ABORDAGENS DE PROGRAMAÇÃO INTEIRA E PROGRAMAÇÃO POR RESTRIÇÕES PARA PROBLEMAS DE EMPACOTAMENTO BIDIMENSIONAL Olvana Xaver do Nascento e Thago Alves de Queroz Undade de Mateátca e Tecnologa UFG/Regonal
Leia mais6 Formulação probabilística para problemas de acoplamento fluido mecânico
6 Forulação probablístca para probleas de acoplaeto ludo ecâco 6.. Itrodução Nesse capítulo do trabalho apreseta-se a orulação probablístca para probleas de acoplaeto ludo ecâco. Nu prero oeto são descrtos
Leia maisDISTRIBUIÇÃO HIPERGEOMÉTRICA
7 DISTRIBUIÇÃO HIPERGEOMÉTRICA Cosdere-se uma população fta costtuída por N elemetos dstrbuídos por duas categoras eclusvas e eaustvas de dmesões M e N M, respectvamete. Os elemetos da prmera categora
Leia maisFísica 1 - Experiência 4 Lei de Hooke Prof.: Dr. Cláudio S. Sartori INTRODUÇÃO: Forma Geral dos Relatórios. Referências:
Físca 1 - Experêca 4 Le de Hooe Prof.: Dr. Cláudo S. Sartor ITRODUÇÃO: Fora Geral dos Relatóros É uto desejável que seja u cadero grade (forato A4) pautada co folhas eueradas ou co folhas eueradas e quadrculadas,
Leia maisCapítulo 5: Ajuste de curvas pelo método dos mínimos quadrados
Capítulo : Ajuste de curvas pelo método dos mímos quadrados. agrama de dspersão No capítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas por uma taela de valores. Frequetemete o etato
Leia maisCAP. 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
Leia maisA noção de função homogénea surge logo no primeiro ano dos cursos de licenciatura onde uma disciplina de Análise Matemática esteja presente.
HÉLIO BERNARDO LOPES Resuo. O coceto de fução hoogéea está presete desde o íco dos cursos de lcecatura que cotepla os seus plaos de estudos dscplas de Aálse Mateátca. Trata-se de u coceto sples, faclete
Leia maisMEDIDAS 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.
Leia maisA 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
Leia maisFundamentos de Matemática I FUNÇÕES POLINOMIAIS4. Licenciatura em Ciências USP/ Univesp. Gil da Costa Marques
FUNÇÕES POLINOMIAIS4 Gl da Costa Marques Fudametos de Matemátca I 4.1 Potecação de epoete atural 4. Fuções polomas de grau 4. Fução polomal do segudo grau ou fução quadrátca 4.4 Aálse do gráfco de uma
Leia maisPROBLEMA DE INCERTEZA EM SISTEMAS DINÂMICOS UTILIZANDO DEFUZZIFICAÇÃO PELO CENTROIDE
POSMEC 205 Smpóso do Programa de Pós-Graduação em Egehara Mecâca Faculdade de Egehara Mecâca Uversdade Federal de Uberlâda 8 e 9 de Novembro de 205, Uberlâda - MG PROBLEM DE INCERTEZ EM SISTEMS DINÂMICOS
Leia maisCAPÍTULO 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
Leia maisREGRESSÃO 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:
Leia maisATRIBUIÇÃO DE ANTENAS A COMUTADORES EM REDES DE TELEFONIA CELULAR
ATRIBUIÇÃO DE ATEAS A COMUTADORES EM REDES DE TELEFOIA CELULAR Edso Luz Fraça See Uversdade Estadual Paulsta UESP Faculdade de Egehara de Guaratguetá FEG 256-40 Guaratguetá, SP elfsee@feg.uesp.br Luz Atoo
Leia mais( ) ( IV ) n ( ) Escolha a alternativa correta: A. III, II, I, IV. B. II, III, I, IV. C. IV, III, I, II. D. IV, II, I, III. E. Nenhuma das anteriores.
Prova de Estatístca Epermetal Istruções geras. Esta prova é composta de 0 questões de múltpla escolha a respeto dos cocetos báscos de estatístca epermetal, baseada os lvros BANZATTO, A.D. e KRONKA, S.N.
Leia maisArquitetura da ART Controle 1 Controle 2
Teora de Ressoâca Adaptatva - ART Arqutetura da ART Cotrole Cotrole 2 Desevolvda por Carpeter e Grossberg como uma alteratva para resolver o dlema establdade-plastcdade (rede ão aprede ovos padrões). Realme
Leia mais2. MODELO DETALHADO: Relações de Recorrência. Exemplo: Algoritmo Recursivo para Cálculo do Fatorial Substituição Repetida
. MODELO DETALHADO: Relações de Recorrêca Exemplo: Algortmo Recursvo para Cálculo do Fatoral Substtução Repetda T T ( ) ( ) t 1, T ( + t, > T ( ) T ( + t T ( ) ( T( ) + t + t ) + t T ( ) T ( ) T ( ) +
Leia maisOSVALDO INAREJOS FILHO SOBRE A NÃO-LINEARIDADE DO PROBLEMA DA MOCHILA COMPARTIMENTADA
OSVALDO INAREJOS FILHO SOBRE A NÃO-LINEARIDADE DO PROBLEMA DA MOCHILA COMPARTIMENTADA Lodra 205 OSVALDO INAREJOS FILHO SOBRE A NÃO-LINEARIDADE DO PROBLEMA DA MOCHILA COMPARTIMENTADA Dssertação de mestrado
Leia maisProbabilidades como ferramentas de controle da quantidade de poluentes emitidos pelo tráfego de veículos motorizados
XXV Ecotro Nac. de Eg. de Produção Porto Alegre, RS, Brasl, 29 out a 0 de ov de 2005 Probabldades coo ferraetas de cotrole da quatdade de poluetes etdos pelo tráfego de veículos otorzados Luz Delca Castllo
Leia maisRevisão 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. + +...
Leia maisProf. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística
Prof. Lorí Val, Dr. http://www.pucrs.br/famat/val/ val@pucrs.br Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Obetvos A Aálse de
Leia maisPalavras-chave: Problemas de corte e empacotamento, carregamento de contêineres com múltiplos destinos, otimização combinatória, modelagem matemática.
1 ABORDAGENS PARA PROBEMAS DE CARREGAMENTO DE CONTÊINERES COM CONSIDERAÇÕES DE MÚTIPOS DESTINOS eoardo Juquera Realdo Morabto Dese Sato Yaashta Departaeto de Egehara de Produção Uversdade Federal de São
Leia maisMAE0229 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
Leia maisCONSTRUÇÃO DE UM ESTIMADOR PESSIMISTA PARA O PROBLEMA DA SEQUÊNCIA MAIS PRÓXIMA
CONSTRUÇÃO DE UM ESTIMADOR PESSIMISTA PARA O PROBLEMA DA SEQUÊNCIA MAIS PRÓXIMA Kety Yaaoto, Carlos A. Martho, Helea C. G. Letão Isttuto de Coputação, Uversdade Federal Fluese Rua Passo da Pátra 56, Bloco
Leia mais6. 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
Leia maisRECONFIGURAÇÃO DE SISTEMAS DE DISTRIBUIÇÃO VIA TÉCNICA DE DECOMPOSIÇÃO
XLIX Spóso Braslero de Pesqusa Operaconal RECONFIGURAÇÃO DE SISTEMAS DE DISTRIBUIÇÃO VIA TÉCNICA DE DECOMPOSIÇÃO Saulo Custodo de Aquno Ferrera Unversdade Federal de Juz de Fora Rua José Lourenço Keler,
Leia mais7 Análise de covariância (ANCOVA)
Plejameto de Expermetos II - Adlso dos Ajos 74 7 Aálse de covarâca (ANCOVA) 7.1 Itrodução Em algus expermetos, pode ser muto dfícl e até mpossível obter udades expermetas semelhtes. Por exemplo, pode-se
Leia mais5. Métricas para Definição de Níveis de Homogeneidade e Heterogeneidade em Sistemas Computacionais Distribuídos
étrcas para Defção de Níves de Hoogeedade e Heterogeedade e steas Coputacoas Dstrbuídos 5. étrcas para Defção de Níves de Hoogeedade e Heterogeedade e steas Coputacoas Dstrbuídos A heterogeedade dos recursos
Leia mais6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS
7 6 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS A medção dreta é aquela cuja dcação resulta aturalmete da aplcação do sstema de medção sobre o mesurado Há apeas uma gradeza de etrada evolvda
Leia mais( ) Editora Ferreira - Toque de Mestre. Olá Amigos!
Olá Amgos! Hoje coloco à dsposção de vocês aqu a seção Toque de Mestre da Edtora Ferrera (www.edtoraferrera.com.br) as questões de Matemátca Facera cobradas o últmo cocurso da axa Ecoômca Federal (EF),
Leia maisMATEMÁTICA APLICADA AO PLANEJAMENTO DA PRODUÇÃO E LOGÍSTICA. Silvio A. de Araujo Socorro Rangel
MATEMÁTICA APLICADA AO PLANEJAMENTO DA PRODUÇÃO E LOGÍSTICA Slvo A. de Arauo Socorro Ragel sarauo@blce.uesp.br, socorro@blce.uesp.br Apoo Facero: PROGRAMA Itrodução. Modelagem matemátca: cocetos báscos
Leia maisEconometria: 3 - Regressão Múltipla
Ecoometra: 3 - Regressão Múltpla Prof. Marcelo C. Mederos mcm@eco.puc-ro.br Prof. Marco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo de regressão
Leia maisAULA Produto interno em espaços vectoriais reais ou complexos Produto Interno. Norma. Distância.
Note bem: a letura destes apotametos ão dspesa de modo algum a letura ateta da bblografa prcpal da cadera Chama-se a ateção para a mportâca do trabalho pessoal a realzar pelo aluo resoledo os problemas
Leia maisAula de Hoje. Introdução a Sistemas Inteligentes. Motivação (PCA) Redes Neurais para PCA. Motivação para PCA Redes Neurais para PCA
Introdução a Ssteas Intelgentes Tópcos e Redes Neuras I: Aprendzado Hebbano de Rede Auto-Organzada para Análse de Coponentes Prncpas (PCA) Aula de Hoje otvação para PCA Algorto Hebbano Eeplos Eeplo pedagógco
Leia maisESTATÍSTICA Exame Final 1ª Época 3 de Junho de 2002 às 14 horas Duração : 3 horas
Faculdade de cooma Uversdade Nova de Lsboa STTÍSTIC xame Fal ª Época de Juho de 00 às horas Duração : horas teção:. Respoda a cada grupo em folhas separadas. Idetfque todas as folhas.. Todas as respostas
Leia maisI Seminário da Pós-graduação em Engenharia Elétrica
MÉTODO PRIMAL-DUAL DE PONTOS INTERIORES EM PROBLEMAS DE DESPACHO ECONÔMICO COM RESTRIÇÃO AMBIENTAL Améla de Lorea Staza Alua do Programa de Pós-Graduação em Egehara Elétrca Uesp Bauru Prof. Dr. Atôo Roberto
Leia maisANÁLISE 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;
Leia mais