o objetivo deste trabalho é mostrar como utilizar o
|
|
- João Vítor Brezinski da Silva
- 8 Há anos
- Visualizações:
Transcrição
1 SMULAÇÃO DE MAGENS DE BAXA RESOLUÇÃO Gerald Jea Fracis Ba * Resum - Neste artig um prcedimet de filtragem é prpst para simular uma imagem de baixa resluçã a partir de uma de alta resluçã. Basead a hipótese de que s sistemas imageadres da atual geraçã a brd de satélites de bservaçã da terra pdem ser represetads pr filtrs lieares cm Fuções de Espalhamet Ptual separáveis e gaussiaas, prcedimet prpst csiste em ecadear filtrs elemetares que têm Fuções de Espalhamet Ptual cm suprte fiit peque. As relações etre s parâmetrs d prcedimet prpst e s parâmetrs ds sistemas imageadres que prduzem as images de baixa e alta resluçã sã derivadas através de um desevlvimet aálg a utilizad para estabelecer algus resultads clássics da Teria das Prbabilidades. Seis exempls umérics sã dads que ilustram cm bter uma imagem MSS (Multisp~ctral Scaer) u SSR (Satélite de Sesriamet Remt) a partir de uma imagem TM (Thematic Mapper). O prcedimet prpst pssui características que permitem sua fácil implemetaçã STM (Sstema de Tratamet de Mages). Abstract - l this paper a filterig prcedure is prpsed t Simulate a lw resluti image frm a high resluti e. Based the assumptis that the preset geerati f imagery systems bard the earth bservati satellites ca be represeted as liear filters havig separable ad gaussia Pit Spread Fuctis, the prpsed prcedure csists i echaiig elemetary filters which have a small, fiite Pit Spread Fucti supprt. The relatiships betwee the parameters f the prpsed prcedure ad the parameters f the imagery systems that prduce the lw ad high resluti images are derived thrugh a similar develpmet t the e used t establish sme classical results i Prbability Thery. Six umerical examples are * stitut de Pesquisas Espaciais (NPE), Departamet de Prce~ saret de images, Av. ds Astrautas, 1758, c.p. 515, 101 Sã Jsé ds Camps, SP. give which illustrated hw t btai a MS~ (Multispectral Scaer) r a SSR ("Satélite de Sesriamet Remt") image frm a TM (Thematic Mapper) image. The prpsed prcedure has features that allws its easy implemetati the STM (Sstema de Tratamet de Mages). 1. NTRODUÇÁO bjetiv deste trabalh é mstrar cm utilizar ecadeamet de filtrs digitais lieares de duas dimesões (D) cm fuçã de espalhamet ptual (FEP) fmita (i.é. cm suprte fiit) para simular uma imagem de baixa resluçã a partir de uma imagem de alta resluçã. O imageadr que prduz a imagem de alta resluçã é chamad aqui de imageadr de alta resluçã e imageadr que prduz a imagem de baixa resluçã é chamad de baixa resluçã. Neste trabalh a imagem simulada de baixa resluçã é supsta ter as mesmas características espectrais que a imagem de alta resluçã. O prblema de simulaçã de images é imprtate em tdas as aplicações de se precisa trabalhar cm images cm resluções diferetes a fim de cmparar impact da mudaça de resluçã em terms visuais u em terms d desempeh ds prcedimets de aálise autmática de images (e.g. a classificaçã autmática). Um exempl bem atual é a simulaçã das images que serã prduzidas pel imageadr a brd d Satélite de Sesriamet Remt (SSR) d futur satélite da missã espacial cmpleta brasileira (MECB). Os especialistas em iterpretaçã de images de sesriamet remt têm um grade iteresse em estudar, 180 SBA: Ctrle & Autmaçã
2 desde já, quat as futuras images d SSR pderã trazer Je ifrmações para seu camp. Para dispr de images SSR, a sluçã prpsta aqui é filtrar images de resluçã mais fia cm as prduzidas pel imageadr "Thematic Mapper" (TM) ds satélites da série LANOSAT u aida d imageadr "Haute Resluti Visible" (HRV) d satélite SpaT, e reamstrar, pel métd d vizih mais próxim, as images filtradas para chegar.à escala rigial d imageadr de baixa resluçã. Para este mesm prblema, utras sluções baseadas em cversã de taxa de amstragem (cf.(crchiere & Rabier, 1983) u (Fseca, 1988» já fram implemetadas (Fseca & Ba, 1989). N etat este trabalh, a precupaçã fi de prpr uma sluçã a prblema da simulaçã que seja de fácil implemetaçã a partir ds recurss atualmete dispíveis a área de prcessamet de images, e em particular pesad us d "Sstema de Tratamet de Mages" (STM) desevlvid pel NPE e já dispível em td Brasil. a prcedimet de filtragem prpst leva em cta as restrições existetes STM que csistem em executar perações de filtragem liear digital 0 cm FEP pssuid um suprte de dimesã míima 3 pr 3 e máxima 7 pr 7. a prblema da reamstragem pel métd d vizih mais próxim ã traz ehuma dificuldade particular; desta frma smete aspect da filtragem é abrdad aqui, e fialmete prblema da simulaçã é vist simplesmete cm um prblema de filtragem. Csiderad que um mdel aprpriad para represetar a geraçã atual de imageadres a brd de satélites de bservaçã da terra é de um filtr liear cm FEP separável e em particular gaussiaa (Fseca, 1988), a idéia que ispiru este trabalh é que ecadeamet de filtrs lieares, aqui chamads elemetares, cm FEPs cm suprte fiit, de dimesã M pr N, pde ser usad a simulaçã das images prduzidas pr estes imageadres. a que susteta esta idéia é uma prpriedade assitótica d prdut de cvluçã que é bem checid ds prbabilistas, sb me de "Terema d Limite Cetral", assim cm a prpriedade d prdut de cvluçã ser fechad em relaçã às fuções gaussiaas. Pr utr lad, a hipótese de separabilidade permite csiderar apeas filtrs elemetares cm FEPs cm suprte de dimesã 1 pr N u M pr 1. Na simulaçã prpsta, s filtrs elemetares ecadeads têm FEPs cm suprte de dimesã 1 pr 3 u 3 pr 1. Assim as FEPs ds filtrs elemetares, u de uma maeira equivalete, as relações ds pess das máscaras ds filtrs elemetares, depedem de um só parâmetr (chamad aqui de ai ) que, pr sua vez, é relaciad - a pass (chamad aqui de Õ ) da grade da imagem rigial de alta resluçã, u pass de digitalizaçã, - a um parâmetr de espalhamet (chamad aqui de.a~ i ) que d'epede das características de resluçã ds imageadres de alta e baixa resluçã as lihas u cluas e - a úmer de vezes (chamad aqui de ) que s filtrs elemetares devem ser aplicads. N capítul, a fórmula descreyed este relaciamet é btida aplicad resultads elemetares da Teria das Prbabilidades. N capítul 3, a relaçã etre FaV ("stateeus Field f View") e s EFaVs ("Effective stateeus Field af View") é examiada cas de um imageadr represetável pr um filtr separável e gaussia. N capítul 4, seis exempls de aplicaçã sã csiderads, que ilustram prcedimet de filtragem para a simulaçã de images d Multispectral Scaer (MSS) ds satélites da série LANDSAT e d SSR da MECB a partir de images d TM.. FUNDAMENTOS TEÓRCOS E ALGORTMO DE FLTRAGEM.1. Ctribuiçã da Teria das Prbabilidades à Teria da Filtragem Sejam Z cjut ds úmers aturais relativs, Z = (., -, - 1, 0,1,, l e R O cjut ds úmers reais. Seja Õ um úmer real psitiv, Õ > O Deta-se pr õz cjut ds úmers re~is d tip Õk, de k pertece a Z, i. é. ÕZ=(XE R:x =Õk,k E Zl Deta-se pr (ÕZl prdut cartesia de õz pr ele mesm. (5Z) pde ser vist cm cjut ds ós de uma grade quadrada ifiita cm pass g(x)=(f*h)(xl= ~ f(ulh(x - ul (x E Al. uea A fim de garatir que g=f quad f é a aplicaçã c state ( f (x) = a, a E R,, para td x E A ), h tem que verificar a cdiçã h (u) = 1 A Õ. Seja A cjut 5Z u (ÕZl e seja f uma aplicaçã de A em R. f represeta um sial discret u uma imagem umérica (cas A=(ÔZ) ). Da peraçã de filtragem liear de f pr um filtr de respsta impulsiva, u de maeira equivalete de Fuçã de Espalhamet Ptual (FEP), h de A em R, resulta um v sial g de A em R dad pela cvluçã de f pr h e detada pr f * h, i. é. u ~ E (1) N cas A=( ÔZl, a FEP h de um filtr verificad a prpriedade (1) pde ser vista cm a distribuiçã de prbabilidade H X de um paraleatóri(p.a.) X real discret, i é X é um par de variáveis aleatórias (v.a.) reais discretas ("simple radm variables" (Lêve, 1955, p.9») relativ~jtete SBA: Ctrle & Autmaçi 181
3 a um' cert experimet aleatóri (, A, p). Assim, resultads da teria das prbabilidades, e em particular s dis resultads dads em seguida, pdem ser aprveitads a área de filtragem liear. Seja h a FEP de A em R de um filtr verificad (1), etã, chamam-se de media d filtr elemet m de R (se' A=5Z ) u R (se A=(5Z) dad pr RESULTADO 1. Sejam Xl', X k'., X p.a. reais discrets relativamete a um mesm experimet (,A, P) e H X suas respectivas distribuições de k prbabilidade. Se s X k (k = 1,, ) sã estcasticamete idepedetes (Parze, 196, p. 5) relativamete a Petã a distribuiçã de prbabilidade da sma ds X k tada pr H X i:' X é dada pr m ~ uh(u) u E A e de variâcia d filtr (se R dada pr 0 = ~ (u - m) h ( u ) ue 5Z A= 5Z ) elemet () (a) H Xl = H *...* H X + +X Xl u de matriz de cvariâcia d filtr (se A =(5Z) ) a Em apêdice, a prva deste resultad é apresetada prque é simples cas, de p.a. real discret e difícil de se ectrar a literatura. N cas de v.a. pssuid desidades, ver pr exempl (Papulis, 1965, p. 189 e p. 44 u Parze, 196, p. 16). Seja ~ a matriz de cvariâcia de um p.a. X = (Xl' X ). Pr defiiçã ~ é dada pr matriz real ~. x dad pr cm a ij a. = J dad pr ~ (u 1 ;u) E (5Z) (b) para i, j =" 1,. Os dis resultads acima pdem ser aplicads a cas d ecadeamet de fltrs lieares. é aversã cetralizada de xj = X j - E X j (r= 1, ) X j ; i. é PROPOSÇÁO 1. Sejam ~ 1 '..., ~ as matrizes de cvariâcias de filtrs lieares cm FEPs h 1,, h de (li Z) em R verificad (1 ), etã a matriz de cvariâcia ~ d filtr resultate d ecadeamet destes filtrs é dada pr cm E desigad a esperaça matemática (lemrad, ~ = ~ ~, E X = f X ( W)P(dW)) RESULTADO. Sejam xl'.. ~.., X k'..., X p.a. reais (ã ecessariamete discrets) relativamete a um mesm experimet (, A,P) e ~ suas respectivas matrizes de cvariâcia. Se s x (k k ~ 1.,... ) sã estcasticamete idepedetes relativamete 'a P, etã a.m.~1riz de cvariâcia da sma ds X k tada pr ~. Xl X é dada pr ~X 1 + +X = ~X 1 + +~X resultad é uma extesã da igualdade de Bieaymé (Lêve, 1955, p. 1). Cm a prva desta extesã é difícil de se ectrar a literatura, ela é dada em apêdice..prova. Pela prpriedade de assciatividade da cvluçã, filtr resultate d ecadeamet de fltrs lieares cm FEPs h 1 ', h ' tem cm FEP a fuçãp h 1 *... * h (prdut de 1 cvluções). Aplicad Resultad 1, esta fuçã pde ser vista cm a distribuiçã de prbabilida-. de da sma de p.a. idepedetes cm matrizes de cvariâcias ~ 1..., ~. Assim, aplicad Resultad, ~ = ~ ~. Características de um filtr digital para a simulaçã Seja B cjut' R u R e seja h a FEP de B em R de um filtr tal que fb h(x.) dx =1. (3) 18 SBA: Ctrle & Autmaçã
4 Cm a seçã.1, chamam-se de media d filtr elemet m de B dad pr utrs terms simular h V * f a partir de h ~"* f.. Para. ist, supha-se que existe um filtr liear cm FEP h F de R em R tal que e de variâcia d filtr (se B = R ) elemet a de R. dad pr Observa-se que h F verifica também para qualquer cea f. (4) a =[ ~(x -m) h(x) dx u de matriz de cvariâcia d filtr (se B =R ) a matriz real ~ x dada pr i.é, pela assciatividade d prdut de cvluçã ~= [a 1 J cm, a ij dad pr para i, j = 1,. Sejam g uma fuçã de R (respectivamete R ) em R e g/fjz (respectivamete g/(fjz)) sua restriçã a cjut fjz (respectivamete (fjz) ). Deta-se pr 'g' a fuçã de fjz (respectivamete em (fjz)' ) defiid pr ir= fjg/fjz Este resultad ã é útil a prática prque h U * f. ã é acessível. Tem-se apeas h~'*"f e a recstruçã de h U * f é dispedisa e em sempre pssível cm se sabe pel terema da amstragem (Rsefeld & Kak, 198, p. 78). Pr utr lad a cvluçã de h F pr h U * f, ã pde ser calculada cm precisã em cmputadr digital. Pr estas razões se faz a seguite hipótese. Seja ~ a relaçã biária "quase igual" defiida pr a~ b ~(~a- bl)/mi(~a,~b)< 8t, de 8t é um cert úmer peque. (respectivamete {;""= fj 9 / ( fj Z)). A fuçã 'g',édita versã digitalizada de g~ ~a h a-pep 'de ----R - em R, d filtr liear represetad ~m imageadr e seja f a fuçã de R em. R represetad a cea bservada pr este imageadr. A cvluçã g de f pr h, detada pr f * h (usa-se aqui mesm símbl * que casá" discret da seçã.1), é dada pr 9 ( x ) = (f *. h ) ( x) =f R'1(u ) h (x - u) d u (x E R ). e represeta a versã brrada da cea vista pel imageadr. Seja 1) pass de digitalizaçã a aquisiçã da cea, etã h"~:f' represeta a imagem prduzida pel imageadr. Sejam h'~'*"f e h~"*"i as duas images prduzidas pr dóis imageadres represetáveis pr filtrs cm FEPs h U e h' v verificad (3) e trabalhad cm mesm pass de digitalizaçã '1). O bjetiv deste trabalh é tetar bter uma ba aprximaçã de' 'h'~"*'f', a partir de 'h'~"*"i, u em HPÓTESE 1. Para,h U,h v' 1) e 8t a sluçã de (4) verifica e dads, h F'. Na expressã dà Hipótese 1 ã se pde ter a igualdade, u seja, &. ã pde ser tã peque quat se queria prque a versã digitalizada da cvluçã de duas fuções ã é igual à cvluçã de suas versões digitalizadas. Seja h uma fuçã de. 1)Z (respectivamete R) em R, ' detam-se pr L (h) e C (h ) as fuções de (fj Z) ~ (respectivamete R ) em R defiidas pr de l::. i é a fuçã delta de Krecker (respectivamete de Dirac) (lai, 1989, p;1). SBA:Ctrle 8& Autmaçã 183
5 As fuções L (h) e C (h) pdem ser vistas cm as FEPs 4e dis fltts que atuam seletivamete a lg de duas direções rtgais. É prátic chamar estes filtrs de respecti, vamete futrs liha e clua defiids pr h. Seja h a FEP de ()Z) (respectivamete R ) em R de um filtr separávei, i.é h é $eparável ' setid de que existem duas fuções h 1 e h de )Z (respectivamete,r,) em. R tais que prpriedade de fechamet da trasfrmada de FeuJier em relaçã às fuções gaussiaas. A expressã (5) idica que uma cdiçã ecessária para h F existir é que qj; ~ C1~j para i = 1,. Seja '(O'~,~) par de variâcias de um fltr separável cm FEF h, deta-se pr... (~, ~) par de.variâcias d ftltr digital cm FEP h Seja ~ a relaçã biária "quase igual" defiida pr para td ' (x l' x) em. ()Z) (respectivamete, R ) u, de uma maeira equivalete, 'pr uma prpriedaqe da cvluçã, de &: é um cert úmer peque. HPÓTESE. Para dads, (0'~1 ' ee, e Bt' escreve-se etã h = (h' 1, h ) 'Observa-se que a matriz de cvariâcia de um ftltr separável é diagal e que's elemets desta diagal sã as variâcias ds filtrs cm FEPs h 1; e h 'Este par, tad (O'~, 0';),é chamad de par de variâcias d fltr separável. A geraçã atual de imageadres para bservaçã da terra pdem ser represetads pr ftltrs separáveis (Fseca, ]988). Pr ist, a9ui h U e h V sã cside~~das separáveis. Em cseqüêcia, h F sluçã de (4) e h F devem ser separáveis. Além da separabilidade, mdel geralmete aceit para represetar cmprtamet espacial da geraçã atual de irriágeadres a brd de sa:télites de bservaçã da terra é de um fltr liear cm FEP h de R em R, gaussiaa (Fseca, 1988) N cas gaussia verifica-se que a Hipótese é satisfeita se, pr exempl, O'F1 e O'F fre",~aires que 1)/ e se Bt fr mair d que 15 /.. ' Fialmete, csidera-se prblema da shulaçã reslvid desde que a Hipótese 1 fr satisfeita. Pela aálise acima, h F 'é etã a versã digitalizada de uma FEP separável e gaussiaa cm par de variâcias dad pr (5). Se a Hipótese fr satisfeita, par de variâcias d filtr cm FEP h F é etã "quase igual" ( setid ~ ) a par de variâcias d fltr cm FEP h F Pr ist, h U e h V sã aqui ~sideradas separáveis e gaussiaas. Em c~qüêcia, h F,a sluçã de (4), deve ser também separável e gaussiaa e cm par de variâcias ( 0'~1 ' 0'~ ) dad pr 1 exp -.3 Sítese d tr para a simulaçã Sejam' h Q1 e h Q duas fuções de 1)Z, em R defiidas da seguite maeira, a partir de dis parâmetrs reais Q1 e. ~ psitivs, se x O se x = ± ) (6a) (0' 0') = (0' - O'U 1, O'v, - O'U ) F1' F V1 (5) se ã ' cm A expressã (5) pde ser btid~ usad resultads relativs à. trasfrmada de Furier e em particular s teremas de. similaridade e de cvluçã (Gdma, 1968, pp. 9 e 10) e a = 1/(1 + a j ) a j /(1 + a j ). (6b) (6c) 184 SBA: Ctrle & Autmaçi
6 Verifica-se que, para j =,,, b j =:aj aj, ha,satisfaz (l), e a variâcia d ftltr cm FEF h a. ' aplicad (a) e bservad que m=o, é dada pr J Assim, a partir de.<8.) e (9), para bter um filtr próxim de ;' F usad ecadeamet de flitrs lihas. e cluas elemetares cm FEPs.L (h a ) e C (h )., par 1 a (a, a )' dev.e ser dad pr 1 hs A figura 1 mstra gráfic de h a. J R b t-~ J t : --'--'-'-'-=&-6-ci- "--' - -""- 6 Figura - Gráfic de h a, (cjut ds pts-) Na seçã aterir, mstru-se que a versã digitalizada h ; de h FEP de um ftltr satisfaz~d (4) seria uma F F ba sluçã para prblema de simulaçã. A sluçã prpsta este trabalh para a sítese d ftltr cm FEP h~ csiste em aprximar este tr através d ecadeamet de ftltrs lihas e cluas elemetares defmids respectivamete pr h'a, é h a de maeira que a FEP d filtr resultate det~da pr h S seja próxima de. Em utras h f palavras h S = (* L (h a» * ( * C ( h a»,, (7) de * h = h *... * h ( -, cvluções). Observa-se que h S é separável. Os filtrs liha e clua elemetares cm FEPs L (h a ) e C (ha) têm cm par de variâcias respectivamete. [11 1) a, + a, ) Pela Prpsiçã par de variâcias filtr cm FEP hs é dad pr l) a, [ ('+a,), (8) Pela Hipótese s pares de variâcias ds filtr~cm FEPs h S e ;' F sã "quase iguais" ( setid E!!) se Além ~, prpriedade de separabilidade de hs pde-se fazer a seguite bservaçã a respeit da frma de hs Seja s a sma de v.a. reais de média ula. Em teria das prbabilidades terema d limite cetral diz que a lei de prbabilidade limite de S (J S quad tede para ifmit é uma lei rmal N(O, 1) (i. é a lei de prbabilidade de uma v.a. gaussiaa de média ula e variâcia uitária) se as v.a. sã idepedetes e ideticamete distribuídas (Leve 1955, p. 74). Em terms de filtragem, ist mstra que qualquer que seja grau de precisã requerid para bter uma FEP para filtr resultate próxima a de.uma gaussiaa, existe um úmer iteir N tàl que qualquer esclha de mair d que N garate grau de precisã. Assim as FEPs d tip * L ( h 1 ), * C (h ) e cseqüetemete hs pdem ser esclhidas tã próximas quat se quiser de uma FEP gaussiaa. Quered trabalhar uicamete cm FEP d tip h S ' dada pr (7) cm sed um iteir qualquer, apresetad um úic máxim lcal ((x,h (x ) ) é máxim lcal se h(x + (O, 1)) h(x - (O,))),h(x+(),O)) e h (x - (1),0» sã meres que h (x», s aj devem ser ecessariamete iferires a 1. Pela expressã (la) ist sigifica que deve verificar a seguite regra (11 ) N cas de um fltr digital D cm FEP h cm suprte fiit, deta-se pr (h) a matriz cujs elemets crrespdem as valres ã uls assumids pr h. (h) é chamada de máscara d filtr. Pr exempl, h a. sed a FEP defiida pr (6) têm-se e (1a), (1b) (9) SBA: Ctrle & Autmaçã 185
7 Sejam h 1 e h duas FEPs cm suprte fiit. O prdut de cvluçã etre máscaras é defiid pr. de as reticêcias sigificam que s elemets restates da matriz deduzem-.se daqueles já idicads pr simetria em relaçã à psiçã d elemet cetral da matriz, Lê à psiçã (,4). Assim, pela assciatividade da cvluçã e a defmiçã d prdut matricial, a partir de (7) e (1), têm-se 3. RELAÇÁO ENTRE FOV E EFOVs DE UM. MAGEADOR N cas a 1 = a (= a),sejam a b = b 1 = b etã (13) simplifica-se Os imageadres istalads a brd de satélites de bservaçã da terra csiderads aqui prduzem elemets de imagem que crrespdem a elemets de cea quadrads, de acrd cm a prjeçã gemétrica ds seus detetres quadrads a superfície da terra. Desiga-se pela variável FOV lad d elemet de cea, e pr (~1' ~) par de distâcias etre dis elemets de cea csecutivs crrespdetes respectivamete às lihas e cluas da imagem u aida par (13) de passs defiid a grade retagular de amstragem. Admitid que estes imageadres pdem ser represetads pr filtrs separáveis e gaussias, é pssível estabelecer uma a e relaçã de prprcialidade etre par de EFOVs e par (~1' ~), '* A (14a) de para s imageadrespssuid as mesmas características de ateuaçã da fuçã de trasferêcia de mdulaçã a metade d seu par de freqüêcias de amstragem (1 / ~l' 1 / ~ ). (14b) N cas de ser um múltipl de 4, Lé =4k, cuj iteresse prátic é ilustrad s exempls 5 e 6 d capítul 4, (14) pde ser decmpst da seguite maeira Sejam h = (h l' h ) a FEP d fltr separável e gaussia represetad. cmprtamet espacial d imageadr e (a~, U~) seu par de variâcias. Seja r a trasfrmada de Furier. Pr defiiçã EFOV relativ à direçã i verifica a expressã k k [h S ] = (* B) * (* B') (l5a) de B é a máscara 3 pr 7 dada pr B = ( * (b a b l) * A e B é a máscara 7 pr 3 traspsta de B. Verifica-se que B é dada pr [b 4 3 3ab 3a b + 3b 4 a 3 b + 6ab 3.. "] B = a.~.' 3a b 3~3b + 3ab 3 a 4 + 6a b... em utrs terms, EFOV é dad pr..,,1-1 EFOV. = (1 '"(h.)1 (1/» ~ ~ de. - 1 ~(h i ) (.) represeta a fuçã iversa de ~(h,) (.). A característica de ateuaçã da fuçã de trasferêcia de mdulaçã a metade da freqüêcia de amstragem, 1 /~.,.., relativa à direçã i, e detad pr 'ri é dada pr (l5b) "('1 = ~(h. )1 (1/~.) 186 SBA: C.trle Sr Autmaçã
8 Pr hipótese, este cas h i exp (1. (1l') 1" é uma fuçã gaussiaa, Lé (1~ Pr exe.mpl, cas d prjet d satélite de recurss aturais si-brasileir CBERS ("Chia- B~azil Earth Resurces Satellite"), as espec'ficações atuais da câmera CCD sã as seguites (CBERS, 1989, seçã03..3.l.1) e e [ 1 1] 1 / u.. Assim, para i = 1,, têm-se as seguites re.lações, a partir Supd válid mdel gaussia, pela expressã (18) etã (EFOV j, EFOV) =(3,99 m, 8,39 m) da defiiçã de E F O V j, Quad a distâcia 8 j é igual a FOV, cm, pr exempl, cas ds imageadres MSS (smete as cluas), TM e SPOT,, para j = 1,,a partir de (18), a seguite relaçã etre FOV e s EFOVs (1. = 1l' 1/ ( 109) 51FOV i a partir da defiiçã de 'Y j, (16) EFOVj =k, FOV (0) cm. k j depeded smete de "rj cm idicad em (19). Jutad (16) e (0) a expressã 'Y j = exp- (1) (17) que será usada s exempls d próxim capítulq, Fialmete, para 109 1/T EFOV j = [ 109 i.é, as cstates k j i = 1,,,a partir de (16) e (17) têm-se ] 1/ 8.. acima sã dadas pr (18) 4. EXEMPLOS DE APLCAÇOES Neste capítul sã apresetads seis exempls de simulaçã. Os úics dads umérics que serã usads sã s valres ds FOVs e ds EFOVs (depis da amstragem) ds imageadres MSS e TM (badas 1 a 4) dads a Tabela 1 (Fseca 1988, pp. 49 e 51). - [ /"r. k. =. 109 A relaçã (19) pde ser ivertida (19) MSS TM FOV 78,3 m 9,97 m EFOV. (liha) 86,1 m é 41,6 m EFOV (clua) 11,47m 45,4 m k... "rj = (1 / ) TABELA 1. Os FOVs e EFOVs (depis da amstragem) ds imageadres MSS e TM (badas 1 a 4). SBA: Ctrle & Autmaçã 187
9 _.0 ~_ Da aplicaçã da fórmula (16) cm s dads da Tabela 1 resultam s seguites valres para s pares de desvís padrões ds filtrs represetad s imageadres MSSe TM (badas 1 a 4) (3,3m,45,5m) Para este exemhl, algritm prpst baseia-se a expressã (13), i.é csiste em ecadear 3 futrs cm a mesma máscara 3 pr 3. Numericamete, algritm escreve-se [0,049 0,31 0,049 [h S ] i 0,051 0,38 0,051 0,049 0,31 0,049 e u a frma de aprximaçã fraciária (15,6 m, 17,0 m = * 000 [ A partir. da.tabela 1 verifica-se que k i, fatr de prprcialidade apareced em (0), vale 1,55 para MSS (k 1 ) 1,39 e 1,51 para TM «(k 1 ' e k respectivamete). Ns exempls a seguir f desiga uma certa cea bservada pels imageadres, Ô desiga pass da grade da imagem u de alta resluçã e Ô pass rigial da grade da imagem V de baixa resluçã (quad esta grade é quadrada), Ô u < Ô v 3.1. EXEMPLO 1.- Simulaçã de uma imagem. a resluçã d MSS a partir de uma imagem a resluçã d TM ( Ô u = 9,97 m ), badas 1 a 4. Aplicad a fórmula (5) cm ati= a~ Mi e a~i = a~ssi Esta última frma é iteressate prque ela s pess da más~ara sã frmat de iteir mer u igual a 999, Lé frmat da implemetaçã atual d STM. 3.. EXEMPLO - Simulaçã.de uma imagem uma resluçã próxim a d MSS ( Ô v = F O V = 90 m, k 1 = k = 1,48 ) a partir de uma imagem.a resluçã d TM (.8u = 3 O m ). Aqui Ô v que represeta a distâcia etre dis elemets de cea csecutivs é esclhida de maeira a ser 3 vezes mair d que Ô u para simplificar ulterirmete uma reduçã de escala pr 3. Aplicad a fórmula (1) (8,9 m, 4,0 m). (49,94 m, 49,94 m), Pela regra (11) (col~ ~ = 3 O m ) deve ser superir a,96. Esclhed =3, pela expressã (lo) (cm Ô = 9,97 m ) aplicad a fórmula (5) cm a Ui 17,0 m (0,11,0,9744) (46,96 m, 46,96 m Assim, a imagem simulada h MSS * f é btida aplicad a imagem TM ~~...~... f fltr cm FEP h dada pr S (7) cm ~ = 3, e (a" Q1 = (0,11, 0,9744). A partir de 6b e6c, Pela regra (11) deve ser superir a 3,675. Esclhed =4, pela expressã (lo) (0,7905, 0,79051 a 1 0,70, a = 0,34 e b 1 = 0,15, b = 0,33. Assim a ima.~~~.~~~~lada h V * f é btida aplicad a imagem TM h TM * f fltr cm FEP h S dada pr 188 SSA: Ctrle Bt Autmaçã
10 (7)cm =4: e (~1' ( ) = (0,7905,0,7905).A partir de 6b e 6c, a 1 a = 0,3875 b 1 = b = 0,306-0,4 ~ 0,3 a b Àssim, a imagem simulada h V * f é btida aplicad a imagem TM h~ ~ ~ f fltr cm FEP h S dada pr (7) cm =3, fj = 9 m partir de 6b e 6c, e (a 1, ( ) = (0,59, 0,59). A Para este exempl, algritm prpst baseia-se a expressã (l4), Lécsiste em ecadear 4 filtrs cm a mesma máscara 3 pr 3. Nl,.lmericamete, algritm escreve-se [hsl = : [::~: 0,09 u a frma de aprximaçã fraciária =:_1 [1: ,1 0,16 0, ,09 ] 0,1 0, EXEMPLO 3 - Simulaçã Jde uma imagem prduzida pr um imageadr cm fj v = F O V =...10 m e k1 = k = 1,47 a partir de uma imagem a resluçã d TM (fj u = 30 m ) - sluçã aprximada rápida -. Aqui s dads d imageadr de baixa resluçã fram esclhids próxims as d SSR da MECB e de maeira a que fj v seja 7 vezes mair d que «5 u para simplificar ulterirmete uma reduçã de escala pr 7. Aplicad a fórmula (1) a == a1 == a 0,46 Para este exempl, algritm prpst baseia-se a expressã (l4), Lé csiste em ecadear 3 fltrs cm a mesma máscara 3 pr 3. Numericamete, algritm escreve-se [ 0,079 0,14 0,116 0,14 u a frma de aprximaçã fraciária == * { 73 0,079 [hsl == j 0, ] ,079 ] 0,14 0, EXEMPLO 4 - Simulaçã de uma imagem a reslu~ã<? d SSR da MECB, Lé cm «5 v == 'fv == 00 m ek 1 k == 1,5, a partir de uma imagem a resluçã d TM ~ sluçã aprximada rápida -. Aplicad a fórmula (1) (1 1 5,91 m, 11 5,91 m), (OV1' 0V) == (11,5 m, 11,5 m, aplicad a fórmula (5) cm 0Ui 17,0 m aplicad a fórmula (5) cm 0Ui 0TM = 1 7,0 m (OF1' 0F) = (114,66 m, 114,66 m) (111 m, 111 m. Pela regra (11) (cm «5 = 90 m, Lé pulad de 3 em 3 s elemets da imagem TM) deve ser superir a,43. Esclhed = 3, pela expressã (10), cm. fj = 90 m,. Pela regra (11) (cm fj == 90 m,lé pulad de 3 em 3 s elemets da imagem TM) deve ser superir a,8. Esclhed = 3, pela expressã (lo), cm «5 == 9 m (0,51 43, 0,5 1 4:3 ) SBA: Ctrle & Autmaçã 189
11 ~ Assim a imagem simulada h S R R * f é btida aplicad a imagem TM 'h~'~";'f filtr cm FEP h S dada pr (7) cm " = 3, li == 9 O m e (a 1, a ) = (0,5143, 0,5143). A partir de 6b e 6c,. (a, 1 a ) = (0,7776, 0,7776) a 0,3913 b = b 1 = b = 0,3043. A partir de 6b e 6c, a b 0,4930 b == 0.,535 Para este exempl, algritm, prpst baseia-se a expres. sã (14), i.é csiste em ecadear 3 filtrs cm a mesma máscara 3 pr 3. Numericamete, algritm escreve-se Para este exempl,levad em cta as restções exist.etes STM em relaçã às dimesões d.suprte ds filtrs imple~etáveis (míima 3 pr 3 e máxima 7 pr 7), a sluçã mais eficiete em term de temp de execuçã baseia-se a expressã (15), i.é csiste em ecadear 6 filtrs cm a máscara B 3 pr 7 e mais 6 filtrs cm a máscara B'7 pr 3. O algritm escreve-se ; [::~::: 0,0643 0,149 0,430 0,149 0,0643 ] 0,149, 0,0643 [hsl = 6 6 (*8)*(*8') cm a seguite expressã umérica para B u a fria de aprximaçã fraciária = [O, , , , [l. 0, , , , L64 * ] u a frma de aprximaçã fraciária 8 = EXEMPLO 5 - Simulaçã de uma imagem prduzida pr um imageadr cm 5 v == F O V = 10m e k 1 = k = 1,47 a partir de uma imagem a resluçã d TM ( 5 u = 30 m ) - sluçã ã aprximada-. Aqui s dads d imageadr de baixa resluçã sã s mesms que Exempl 3, assim (114,66m,114,66m) P~la regra (11), cm 5, == 3 O m, deve ser superir a 1,91. Esclhed..." =4, pela expressã (10), cm li =30 m, [ EXEMPLO 6 - Simulaçã de uma imagem a resluçã d SSR da MECB, i.é cm 8 v = F O V = OO m e k 1 = k_= 1,5 a partir de uma imagem a resluçã d TM (5 u = 3 O m) - sluçã ã aprximada -. Aqui s dads d imageadr de baixa resluçã sã s mesms que Exempl 4, assim (U F l' U F ) = (1 11m, 1 11m). (al' a ) = (0,77 7 6, 0,7 '7 7 6 )... Assim, a imagem simulada h V * f é btida aplicad a imagem TM h~~''';''f filtr cm FEP h S dada pr (7) cm " =4, 5 = 3 O m e Pela regra (11), cm 5 = 30m,.deve ser superir.a 0,53. Esclhed "= 4, pela expressã (10), cm 5=3 O m, (O,6639, 0,663'9)' 190 SBA: Ctrle & Autmaçã
12 ... Assim, a imag:~.~!~~~~da h SRR * fi é btida aplicad pa imagem TM h TM * f filtr cm FEP,h S dada pr (7) cm = 4 lj = 3 O m e (Q1' Q) = (0,6639,0,6639). A partir de 6b e 6c, a a = 0,496 b b 1 = b = 0,85 Para este exempl, algritm prpst baseia-se a expressã (15), i.é csiste em ecadear 6 filtrs cm a máscara B 3 pr 7 e mais 6 filtrs cm a máscara B'7 pr 3. O algritm escreve-se.'? mérit.d prcedimet prpst. Para ist várias ~brdages sã pssíveis. Uma delas seria através d cálcul da distâcia Euclidiaa etre a imagem simulada e a imagem real. A sluçã prpsta aqui para prblema de simulaçã de imagem de'sesriamet remt é aida parcial setid de que ã fram csiderads em s aspects espectrais que pderiam surgir da simulçã de uma bada espectral a partir de um cjut de badas apresetad características espectrais distitas das da bada -a simular, em s aspects de distrções gemétricas devidas a um larg FOV ("Field f View"). Em relaçã a este últim aspect, a sluçã prpst~ reslye apeas prblema da simulaçã a adir. Para reslver prblema da simulaçã fra d adir seria ecessári csiderar uma filtragem adaptativa. cm a seguite expressã umérica para B AP~NDCE 0, , , ,08'406.. ] Prvas ds Resultads 1'e d capítul B F 0, , u a frma de aprximaçã fraciária 0, , r '" ] B = RESULTADO 1. Sejam X 1 ', -X k,..., X p.a.' reais discrets relativamete a um mesm9 experimet (, A, P) e HX suas respectivas distribuições de prbabilidade. Se s )(:(k = 1,..., ) sã estcasticamete idepedetes (Parze, 196, p. 5) relativamete a P etã a distribuiçã de prbabilidade da sma ds x k tada pr,h X X é dada pr H X *... *H 1 X 5. RESULTADO E CONCLUSÃO O prcedimet de simulaçã prpst fi avaliad em (Fseca & Ba, 1989). Nesta referêcia apresetam-se duas técicas de filtragem para simular a resluçã espacial a adir d Satélite de Sesriamet Remt brasileir (SSR). A primeira técica itegra em uma só etapa a filtragem e a reamstragem e usa explicitamete a hipótese gaussiaa; a seguda é precisamete a técica apresetada presete trabalh. Estas duas técicas sã avaliadas através da sua aplicaçã a simulaçã de images MSS e SSR. O resultad das simulações mstraram que prcedimet prpst, apesar de ser basead smete uma aprximaçã gaussiaa, prduz uma imagem de baixa resluçã visulamete muit cmparável tat crri, a imagem prduzida pela primeira técica citada a referêcia acima quat cm a própria imagem real cas d MSS. Para garatir uma razável aprximaçã gaussiaa, acselha-se esclher parâmetr mair u igual a três. Em trabalhs futurs pder-se-iaavaliar quatitativamete PROVA. Basta prvar, resultad para dis p.a.. Para qualquer x ema = (ljz), pela defiiiíçã de distribuiçã de prbabilidade, H X 1 + X (x) == p[ X 1 + X = x], pela defiiçã de p.a. e a decmpsiçã em evets icmpatíveis =P( ~ [x 1 = u)" [x = x-u]) U ea (aqui ~ idica uma uiã de evets icmpatíveis), pela prpriedade de aditividade das prbabilidades, ~ P([X 1 = u] [X = x-u]). uea SBA: Ctrle & Autómaçã 1!)1
13 - pela idepedêcia de x 1 e x ' pela aditividade da esperaça matemática = 1; P [x 1 = u] P [X =x - u], uea E X 11 X 1 -pela defiiçã de distribuiçã de prbabilidade, ] + = 1; H X (uh X (x - ui, u E A 1 pela defiiçã de cvluçã, =(H * X 1 - pela defiiçã de matriz de cvariâcia RESULTADO. Sejam Xl '.~., X k ', X p.a. reais (ã ecessariamete discrets) relativamete a um 1; + Xl 1;X mesm experimet (O, A, P e ~ suas respectivas k matrizes de cvariâcia. Se s x k (k = 1,..., sã estcasticamete idepedetes relativamete a P, etã a. matriz de cvariâcia da sma ds x- k tada pr 1;x X é dada pr AGRADECMENTOS 1;X X 1;X + 1 PROVA. Basta prvar resultad para dis p.a.. Sejam Xl = (X1 l' Xl ) e X = (X l' X ) dis p.a.. Pela defiiçã de matriz de cvariâcia + ~X autr quer agradecer aqui a Leila Maria Garcia Fseca e a Nels Delfi d'avil? Mascarehas d Departamet de Prcessamet de mages d NPE pelas prveitsas trcas de idéias em relaçã a assut deste trabalh assim cm pela cuidadsa leitura que eles fizeram da versã fmal deste artig. ~X X = 1 + REFERÊNCAS [ E(Xll + X 1 1 E(X 11 + X 1 )(X 1 + X 1] E (X 1 + X )( X11 + X 1 E(X 1 + )() pis (X1... X j = Xl j + X j P a r a A idepedêcia etre. s p.a. X 1 idepedêcia etre as v.a. X 11 e X ' X 1 e X 1 e fialmete implica que E X11 X1::;: E X 11 X = E X 1 X 1 = E X1 X = O - Assim, pela -idepedêcia, a expressã acima escreve-se [ - E(X 11 + E (X 1 X 1 1 = 1,. e X implica a X1 ' Xl 1 e X 1 e X. st CBERS - Chia-Brazil Earth Resurces Satellite - (1989). Prelimiary Desig Review, març. CROCHERE, R. R. & RABNER, L. R. (1983). multirate digital sigal" prcessig, Pretice Hall, Eglewd Cliffs. FONSECA, L. M. G. (1988). "Restauraçã e iterplc\çã de images d satélite Ladsat pr mei de técicas de prjet de filtrs FR", Dissertaçã de Mestrad, TA, abril FONSECA, L. M. G. & BANON, G. J. F. (1989). "Duas técicas de filtragem espacial para simular a resluçã espacial a adir d satélite de sesriamet remt brasileir (SSR); Aais d, Simpósi Brasileir de cmputaçã gráfica e prcessamet de images ( SBGRAP), Águas de Lidóia, SP, 6-8 de abril, pp GOODMAN, J. W. (1968). trducti t Furier Qptics, MçGraw Hill, New Yrk. JAN, A.K. (1989). Fudametais f Digital mage Prcessig, Pretice Hall, Eglewd Cliffs. LOEVE,M. (1955). Prbability Thery - Fudatis, Radm Sequeces, D. Va Nstrad, New Yrk. PAPOULS, A. (1965). Prbability, Radm Variables, ad Stchastic Prcesses, McGraw-Hill, New Yrk. PARZEN, E. (196). Stchastic Prcesses, Hlde-Day, Sa Fracisc. ROSENFELD, A. & Kak, A. C. (198). Digital Picture Prcessig, Vlume 1, Academic Press,New Yrk. 19 SBA: Ctrle & Autmaçãd
Questão 1. Questão 2. Questão 3. Questão 4. alternativa B. alternativa E. alternativa E
Questã Se P é 0% de Q, Q é 0% de R, e S é 50% de R, etã P S é igual a a) 50. b) 5. c). d) 5. e) 4. D alterativa Tems P 0, Q, Q 0, R e S 0,5 R. Lg P 0, Q 0, 0, R. S 0,5 R 0,5 R 5 Questã Seja f:r R uma fuçã
Leia maisJ. A. M. Felippe de Souza 6 Transformadas z. 6 Transformadas z
J. A. M. Felippe de Sua 6 Trasfrmadas 6 Trasfrmadas 6. Itrduçã às Trasfrmadas 4 6. Trasfrmadas defiiçã 7 6. Trasfrmadas da expecial e d degrau discrets 8 Sial x[] a u [] (expecial discret) 8 Exempl 6.
Leia maisINTRODUÇÃO. Exemplos. Comparar três lojas quanto ao volume médio de vendas. ...
INTRODUÇÃO Exemplos Para curar uma certa doeça existem quatro tratametos possíveis: A, B, C e D. Pretede-se saber se existem difereças sigificativas os tratametos o que diz respeito ao tempo ecessário
Leia maisRESOLUÇÃO DA PROVA DE MATEMÁTICA DO VESTIBULAR 2015 DA FUVEST-FASE 1. POR PROFA. MARIA ANTÔNIA C. GOUVEIA
RESOLUÇÃO DA PROVA DE MATEMÁTICA DO VESTIBULAR DA FUVEST-FASE POR PROFA MARIA ANTÔNIA C GOUVEIA Q 4) A trajetória de u prjétil, laçad da beira de u pehasc sbre u terre pla e hriztal, é parte de ua parábla
Leia maisOs juros compostos são conhecidos, popularmente, como juros sobre juros.
Módulo 4 JUROS COMPOSTOS Os juros compostos são cohecidos, popularmete, como juros sobre juros. 1. Itrodução Etedemos por juros compostos quado o fial de cada período de capitalização, os redimetos são
Leia maisCapitulo 6 Resolução de Exercícios
FORMULÁRIO Cojutos Equivaletes o Regime de Juros Simples./Vecimeto Comum. Descoto Racioal ou Por Detro C1 C2 Cm C1 C2 C...... 1 i 1 i 1 i 1 i 1 i 1 i 1 2 m 1 2 m C Ck 1 i 1 i k1 Descoto Por Fora ou Comercial
Leia maisJackknife, Bootstrap e outros métodos de reamostragem
Jackkife, Bootstrap e outros métodos de reamostragem Camilo Daleles Reó camilo@dpi.ipe.br Referata Biodiversa (http://www.dpi.ipe.br/referata/idex.html) São José dos Campos, 8 de dezembro de 20 Iferêcia
Leia maissomente um valor da variável y para cada valor de variável x.
Notas de Aula: Revisão de fuções e geometria aalítica REVISÃO DE FUNÇÕES Fução como regra ou correspodêcia Defiição : Uma fução f é uma regra ou uma correspodêcia que faz associar um e somete um valor
Leia maisProbabilidades. José Viegas
Probabilidades José Viegas Lisboa 001 1 Teoria das probabilidades Coceito geral de probabilidade Supoha-se que o eveto A pode ocorrer x vezes em, igualmete possíveis. Etão a probabilidade de ocorrêcia
Leia maisCAP. I ERROS EM CÁLCULO NUMÉRICO
CAP I ERROS EM CÁLCULO NUMÉRICO 0 Itrodução Por método umérico etede-se um método para calcular a solução de um problema realizado apeas uma sequêcia fiita de operações aritméticas A obteção de uma solução
Leia maisBalanços entálpicos com reacção
- Etalpia de eacçã - Variaçã de eergia resultate d rearraj das ligações etre s átms das mléculas durate decrrer duma reacçã química Eergia Eptecial + Eciética + Eitera (U) U Uº + Ulq + Uci Sem reacçã Ulq
Leia maisSEJAFERA APOSTILA EXERCÍCIOS / QUESTÕES DE VESTIBULARES. Matrizes e Determinantes
SEJAFERA APOSTILA EXERCÍCIOS / QUESTÕES DE VESTIBULARES Matrizes e Determinantes Depis de estudad uma matéria em matemática é imprtante que vcê reslva um númer significativ de questões para fiaçã de cnteúd.
Leia maisOs textos foram adaptados das referências citadas, não havendo comprometimento com ineditismo.
Uiversidade Federal d Ri Grade d Sul Istitut de Física FIS01043 - Métds Cmputaciais para iceciatura Semestre 00/ - Turma B Prf. Eliae Âgela Veit Alu: Albert Ricard Präss FÍSICA QUÂNTICA: O POÇO POTENCIA
Leia maisQuestão 1. Questão 3. Questão 2. Resposta. Resposta
ATENÇÃO: Escreva a resluçã COMPLETA de cada questã n espaç a ela reservad. Nã basta escrever resultad final: é necessári mstrar s cálculs u racicíni utilizad. Questã Uma pessa pssui a quantia de R$7.560,00
Leia maisSegmentação de Imagem
em pr bjectiv dividir a imagem em regiões u bjects segund um critéri Frequentemente resultad nã é uma imagem mas um cnjunt de regiões/bjects A precisã da fase de segmentaçã determina sucess u falha ds
Leia maisActivALEA. ative e atualize a sua literacia
ActivALEA ative e atualize a sua literacia N.º 29 O QUE É UMA SONDAGEM? COMO É TRANSMIITIIDO O RESULTADO DE UMA SONDAGEM? O QUE É UM IINTERVALO DE CONFIIANÇA? Por: Maria Eugéia Graça Martis Departameto
Leia maisFaculdade de Engenharia Investigação Operacional. Prof. Doutor Engº Jorge Nhambiu
Programação Diâmica Aula 3: Programação Diâmica Programação Diâmica Determiística; e Programação Diâmica Probabilística. Programação Diâmica O que é a Programação Diâmica? A Programação Diâmica é uma técica
Leia maisMódulo 4 Matemática Financeira
Módulo 4 Matemática Fiaceira I Coceitos Iiciais 1 Juros Juro é a remueração ou aluguel por um capital aplicado ou emprestado, o valor é obtido pela difereça etre dois pagametos, um em cada tempo, de modo
Leia maisIntrodução ao Estudo de Sistemas Lineares
Itrodução ao Estudo de Sistemas Lieares 1. efiições. 1.1 Equação liear é toda seteça aberta, as icógitas x 1, x 2, x 3,..., x, do tipo a1 x1 a2 x2 a3 x3... a x b, em que a 1, a 2, a 3,..., a são os coeficietes
Leia maisDISCIPLINA: Matemática. MACEDO, Luiz Roberto de, CASTANHEIRA, Nelson Pereira, ROCHA, Alex. Tópicos de matemática aplicada. Curitiba: Ibpex, 2006.
DISCIPLINA: Matemática 1- BIBLIOGRAFIA INDICADA Bibliteca Virtual Pearsn MACEDO, Luiz Rbert de, CASTANHEIRA, Nelsn Pereira, ROCHA, Alex. Tópics de matemática aplicada. Curitiba: Ibpex, 2006. PARKIN, Michael.
Leia maisALTERAÇÕES NO SISTEMA ORION
ALTERAÇÕES NO SISTEMA ORION Orin Versã 7.74 TABELAS Clientes Na tela de Cadastr de Clientes, fi inserid btã e um camp que apresenta códig que cliente recebeu após cálcul da Curva ABC. Esse btã executa
Leia maisMAC122 Princípios de Desenvolvimento de Algoritmos EP no. 1
MAC122 Pricípios de Desevolvimeto de Algoritmos EP o. 1 Prof. Dr. Paulo Mirada 1 Istituto de Matemática e Estatística (IME) Uiversidade de São Paulo (USP) 1. Estrutura dos arquivos de images o formato
Leia maisXI-005 - MELHORIA DO DESEMPENHO AMBIENTAL DE UMA STRIPPER DE AMÔNIA
XI-005 - MELHORIA DO DESEMPENHO AMBIENTAL DE UMA STRIPPER DE AMÔNIA Aa Cecília Crreia ds Sats (1) Egeheira Química pela Escla Plitécica da UFBA. Mestre em Egeharia Química pel Prgrama de Pós-Graduaçã em
Leia mais5- CÁLCULO APROXIMADO DE INTEGRAIS 5.1- INTEGRAÇÃO NUMÉRICA
5- CÁLCULO APROXIMADO DE INTEGRAIS 5.- INTEGRAÇÃO NUMÉRICA Itegrar umericamete uma fução y f() um dado itervalo [a, b] é itegrar um poliômio P () que aproime f() o dado itervalo. Em particular, se y f()
Leia maisSéries de Potências AULA LIVRO
LIVRO Séries de Potêcias META Apresetar os coceitos e as pricipais propriedades de Séries de Potêcias. Além disso, itroduziremos as primeiras maeiras de escrever uma fução dada como uma série de potêcias.
Leia maisVII Equações Diferenciais Ordinárias de Primeira Ordem
VII Equações Difereciais Ordiárias de Primeira Ordem Itrodução As equações difereciais ordiárias são istrumetos esseciais para a modelação de muitos feómeos proveietes de várias áreas como a física, química,
Leia maisDemonstrações especiais
Os fudametos da Física Volume 3 Meu Demostrações especiais a ) RLAÇÃO NTR próx. e sup. osidere um codutor eletrizado e em equilíbrio eletrostático. Seja P sup. um poto da superfície e P próx. um poto extero
Leia maisESTATÍSTICA E PROBABILIDADES
ESTATÍSTICA E PROBABILIDADES Nta: Alu(a: Turma: Prfessres: Data: Edu Vicete e Ulíci. Nções de Estatística Pdems eteder a Estatística cm sed métd de estud de cmrtamet cletiv, cujas cclusões sã traduzidas
Leia maisO QUE SÃO E QUAIS SÃO AS PRINCIPAIS MEDIDAS DE TENDÊNCIA CENTRAL EM ESTATÍSTICA PARTE li
O QUE SÃO E QUAIS SÃO AS PRINCIPAIS MEDIDAS DE TENDÊNCIA CENTRAL EM ESTATÍSTICA PARTE li Média Aritmética Simples e Poderada Média Geométrica Média Harmôica Mediaa e Moda Fracisco Cavalcate(f_c_a@uol.com.br)
Leia maisO erro da pesquisa é de 3% - o que significa isto? A Matemática das pesquisas eleitorais
José Paulo Careiro & Moacyr Alvim O erro da pesquisa é de 3% - o que sigifica isto? A Matemática das pesquisas eleitorais José Paulo Careiro & Moacyr Alvim Itrodução Sempre que se aproxima uma eleição,
Leia maisVisão por Computador. http://gec.di.uminho.pt/lesi/vpc, http://gec.di.uminho.pt/mcc/vpc. LESI / LMCC 5º Ano. Introdução
Visã pr Cmputadr http://gec.di.uminh.pt/lesi/vpc, http://gec.di.uminh.pt/mcc/vpc LESI / LMCC 5º An Intrduçã Jã Luís Ferreira Sbral Departament d Infrmática Universidade d Minh Setembr 2003 Prgrama Intrduçã
Leia maisCOLÉGIO ANCHIETA-BA. ELABORAÇÃO: PROF. ADRIANO CARIBÉ e WALTER PORTO. RESOLUÇÃO: PROFA, MARIA ANTÔNIA C. GOUVEIA
Questão 0. (UDESC) A AVALIAÇÃO DE MATEMÁTICA DA UNIDADE I-0 COLÉGIO ANCHIETA-BA ELABORAÇÃO: PROF. ADRIANO CARIBÉ e WALTER PORTO. PROFA, MARIA ANTÔNIA C. GOUVEIA Um professor de matemática, após corrigir
Leia maisQuestão 1. Questão 3. Questão 2. alternativa B. alternativa E. alternativa B
Questã 1 Uma pesquisa de mercad sbre determinad eletrdméstic mstru que 7% ds entrevistads preferem a marca X, 40% preferem a marca Y, 0% preferem a marca Z, 5% preferem X e Y, 8% preferem Y e Z, % preferem
Leia maisAmplificadores Ópticos - Amplificadores de fibra dopada com érbio (EDFA) -
Amplificadres Óptics - Amplificadres de fibra dpada cm érbi (EDFA) - Vatages :: Amplificadres óptics (AO) peram smete dmíi óptic sem quaisquer cversões para dmíi eléctric regeeradres implicam cversões
Leia maisIII.3. SISTEMAS HÍBRIDOS FIBRA/COAXIAL (HFC)
1 III.3. SISTEMAS HÍBRIDOS FIBRA/COAXIAL (HFC) III.3.1. DEFINIÇÃO A tecnlgia HFC refere-se a qualquer cnfiguraçã de fibra ótica e cab caxial que é usada para distribuiçã lcal de serviçs de cmunicaçã faixa
Leia maisQuestão 1. Questão 3. Questão 2. Questão 4. Resposta. Resposta. Resposta. ATENÇÃO: Escreva a resolução COM- PLETA de cada questão no espaço reservado
ATENÇÃO: Escreva a resluçã COM- PLETA de cada questã n espaç reservad para a mesma. Nã basta escrever apenas resultad final: é necessári mstrar s cálculs racicíni utilizad. Questã Caminhand sempre cm a
Leia maisTransformadores. Transformadores 1.1- INTRODUÇÃO 1.2- PRINCÍPIO DE FUNCIONAMENTO
Transfrmadres 1.1- INTRODUÇÃO N estud da crrente alternada bservams algumas vantagens da CA em relaçã a CC. A mair vantagem da CA está relacinada cm a facilidade de se elevar u abaixar a tensã em um circuit,
Leia maisGUIA RÁPIDO DE CONFIGURAÇÃO PARA WINDOWS
GUIA RÁPIDO DE CONFIGURAÇÃO PARA WINDOWS CONTEÚDO 1. Intrduçã... 3 2. Requisits de Sftware e Hardware:... 3 3. Usuári e Grups:... 3 3.1. Cnfigurand cm Micrsft AD:... 3 3.2. Cnfigurand s Grups e Usuáris:...
Leia maisMetodologia baseada no Algoritmo de Branch-and-Bound para localização de sedes de vestibulares da UFOP
Metdlgia baseada Algritm de Brach-ad-Bud para lcalizaçã de sedes de vestibulares da UFO Rafael Quitã de Adrade Uiversidade Federal de Our ret Rua Dig de Vasccels, 122 Cetr Our ret Mias Gerais, 35400-000
Leia maisAgenda. A interface de Agendamento é encontrada no Modulo Salão de Vendas Agendamento Controle de Agendamento, e será apresentada conforme figura 01.
Agenda Intrduçã Diariamente cada um ds trabalhadres de uma empresa executam diversas atividades, muitas vezes estas atividades tem praz para serem executadas e devem ser planejadas juntamente cm utras
Leia maisVensis PCP. Rua Américo Vespúcio, 71 Porto Alegre / RS (51) 3012-4444 comercial@vensis.com.br www.vensis.com.br
Vensis PCP Vensis PCP O PCP é módul de planejament e cntrle de prduçã da Vensis. Utilizad n segment industrial, módul PCP funcina de frma ttalmente integrada a Vensis ERP e permite às indústrias elabrar
Leia maisAPONTAMENTOS DE ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA
UNIVERSIDADE DO ALGARVE ESCOLA SUPERIOR DE TECNOLOGIA APONTAMENTOS DE ÁLGEBRA LINEAR E GEOMETRIA ANALÍTICA (III ) ÁREA DEPARTAMENTAL DE ENGENHARIA CIVIL Ídice Itrodução Aplicação do cálculo matricial aos
Leia maisDISCIPLINA: Matemática e Matemática Aplicada
DISCIPLINA: Matemática e Matemática Aplicada 1- BIBLIOGRAFIA INDICADA Bibliteca Virtual Pearsn MACEDO, Luiz Rbert de, CASTANHEIRA, Nelsn Pereira, ROCHA, Alex. Tópics de matemática aplicada. Curitiba: Ibpex,
Leia maisdefi departamento de física www.defi.isep.ipp.pt
defi departameto de física Laboratórios de Física www.defi.isep.ipp.pt stituto Superior de Egeharia do Porto- Departameto de Física Rua Dr. Atóio Berardio de Almeida, 431 4200-072 Porto. T 228 340 500.
Leia maisProf. Eugênio Carlos Stieler
http://wwwuematbr/eugeio SISTEMAS DE AMORTIZAÇÃO A ecessidade de recursos obriga aqueles que querem fazer ivestimetos a tomar empréstimos e assumir dívidas que são pagas com juros que variam de acordo
Leia maisANÁLISE DO COMPORTAMENTO DE UM SHUNT DE CORRENTE QUANDO SUBMETIDO A SINAIS NÃO-SENOIDAIS
AÁLSE DO COMPORTAMETO DE UM SHUT DE CORRETE QUADO SUBMETDO A SAS ÃO-SEODAS Rsae Mreira Debati 1, Aa Maria Ribeir Frac 1 Labratóri de Trasfrmadres-metr, Ri de Jaeir, Brasil, latra@imetr.gv.br Labratóri
Leia maisWavelets. Jorge Salvador Marques, Motivação
Wavelets Jorge Salvador Marques, 9 Motivação Jorge Salvador Marques, 9 Qual é a melhor escala? Os obectos aparecem a imagem com dimesões muito diferetes Não uma escala úica que sea apropriada Há uma escala
Leia maisANÁLISE COMPARATIVA DA VIABILIDADE ECONÔMICA DE PLANTIOS DE Pinus taeda E Eucalyptus dunnii NA REGIÃO CENTRO- SUL DO PARANÁ
ANÁLISE COMPARATIVA DA VIABILIDADE ECONÔMICA DE PLANTIOS DE Pius taeda E Eucalyptus duii NA REGIÃO CENTRO- SUL DO PARANÁ Viicius Vitale 1, Gabriel de Magalhães Mirada 2 1 Eg. Flrestal, Mestrad em Eg. Flrestal,
Leia maisCapítulo V. Técnicas de Análise de Circuitos
Capítul V Técnicas de Análise de Circuits 5.1 Intrduçã Analisar um circuit é bter um cnjunt de equações u valres que demnstram as características de funcinament d circuit. A análise é fundamental para
Leia maisMATEMÁTICA e RACIOCÍNIO LÓGICO
(Edital N.º 01 - /001 (Edital N.º 01 - /001 PROVA: 18 DE ABRIL DE - manhã - MATEMÁTICA e RACIOCÍNIO LÓGICO MATEMÁTICA: Prf Vanderlan Marcel RACIOCÍNIO LÓGICO: Prf Vanderlan Marcel (Edital N.º 01 - /001
Leia maisINTRODUÇÃO A TEORIA DE CONJUNTOS
INTRODUÇÃO TEORI DE CONJUNTOS Professora Laura guiar Cojuto dmitiremos que um cojuto seja uma coleção de ojetos chamados elemetos e que cada elemeto é um dos compoetes do cojuto. Geralmete, para dar ome
Leia maisISCTE. SOCIOLOGIA E SOCIOLOGIA E PLANEAMENTO Ano Lectivo 2003/2004 (2º Semestre) ESTATÍSTICA II. (Interpretação de Outputs de SPSS)
ISCTE SOCIOLOGIA E SOCIOLOGIA E PLANEAMENTO An Lectiv 2003/2004 (2º Semestre) ESTATÍSTICA II (Interpretaçã de Outputs de SPSS) Interval de Cnfiança para a Média Ppulacinal Ensai de Hipóteses para a Média
Leia maisCAPÍTULO 5 CIRCUITOS SEQUENCIAIS III: CONTADORES SÍNCRONOS
60 Sumário CAPÍTULO 5 CIRCUITOS SEQUENCIAIS III: CONTADORES SÍNCRONOS 5.1. Itrodução... 62 5.2. Tabelas de trasição dos flip-flops... 63 5.2.1. Tabela de trasição do flip-flop JK... 63 5.2.2. Tabela de
Leia maisNovo Sistema Almoxarifado
Nv Sistema Almxarifad Instruções Iniciais 1. Ícnes padrões Existem ícnes espalhads pr td sistema, cada um ferece uma açã. Dentre eles sã dis s mais imprtantes: Realiza uma pesquisa para preencher s camps
Leia maisOtimização e complexidade de algoritmos: problematizando o cálculo do mínimo múltiplo comum
Otimização e complexidade de algoritmos: problematizado o cálculo do míimo múltiplo comum Custódio Gastão da Silva Júior 1 1 Faculdade de Iformática PUCRS 90619-900 Porto Alegre RS Brasil gastaojuior@gmail.com
Leia maisAnexo VI Técnicas Básicas de Simulação do livro Apoio à Decisão em Manutenção na Gestão de Activos Físicos
Aexo VI Técicas Básicas de Simulação do livro Apoio à Decisão em Mauteção a Gestão de Activos Físicos LIDEL, 1 Rui Assis rassis@rassis.com http://www.rassis.com ANEXO VI Técicas Básicas de Simulação Simular
Leia maisQuestão 1. Questão 3. Questão 2. Resposta. Resposta. Resposta. a) calcule a área do triângulo OAB. b) determine OC e CD.
Questã Se Amélia der R$,00 a Lúcia, entã ambas ficarã cm a mesma quantia. Se Maria der um terç d que tem a Lúcia, entã esta ficará cm R$ 6,00 a mais d que Amélia. Se Amélia perder a metade d que tem, ficará
Leia maisAVALIAÇÃO DE PERDAS NA COLHEITA DO TRIGO PELO MÉTODO DA ARMACAO DE PANO E COPO MEDIDOR
(c;) EMPRESA BRASILEIRA DE PESQUISA AGROPECUÃRIA -EMBRAPA Viculada a Miistéri da Agricultura, CENTRO NACIONAL DE PESQUISA DE SOJA Rdvia Cels Gareia Cid - Km 375 Fes (0432) 26-1917 e 26-1159 (PABX) Tele:
Leia maisA seguir, uma demonstração do livro. Para adquirir a versão completa em papel, acesse: www.pagina10.com.br
A seguir, uma demostração do livro. Para adquirir a versão completa em papel, acesse: www.pagia10.com.br Matemática comercial & fiaceira - 2 4 Juros Compostos Iiciamos o capítulo discorredo sobre como
Leia maisVisão por Computador. WWW: gec.di.uminho.pt/lesi/vpc, gec.di.uminho.pt/mcc/vpc. LESI/LMCC - 5º Ano. Introdução
Visã pr Cmputadr WWW: gec.di.uminh.pt/lesi/vpc, gec.di.uminh.pt/mcc/vpc LESI/LMCC - 5º An Intrduçã Jã Luís Ferreira Sbral Departament d Infrmática Universidade d Minh Outubr 2002 Prgrama Intrduçã e bjectivs
Leia maisABORDAGEM CRÍTICA SOBRE O ENSINO DE LIMITE
ABORDAGEM CRÍTICA SOBRE O ENSINO DE LIMITE Liite Este trabalh, stra ua defiiç ã de ite ais cpreesiva d que s livrs de Cálcul Para tat, a esa, será dividida e partes: prieir, ua defiiçã ituitiva, depis,
Leia maisa taxa de juros i está expressa na forma unitária; o período de tempo n e a taxa de juros i devem estar na mesma unidade de tempo.
UFSC CFM DEPARTAMENTO DE MATEMÁTICA MTM 5151 MATEMÁTICA FINACEIRA I PROF. FERNANDO GUERRA. UNIDADE 3 JUROS COMPOSTOS Capitalização composta. É aquela em que a taxa de juros icide sempre sobre o capital
Leia maisDESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL. todas as repetições). Então, para todo o número positivo ξ, teremos:
48 DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL LEI DOS GRANDES NÚMEROS Pretede-se estudar o seguite problema: À medida que o úmero de repetições de uma experiêcia cresce, a frequêcia relativa
Leia maisProjetos de Controle
Projetos de Cotrole EA7 - Prof. Vo Zube Cotrole do Pêdulo Ivertido com Carro.... Modelo matemático (pg. 7 das Notas de Aula).... Cotrole por realimetação de estados supodo acesso a todos os estados (CASO
Leia maisLista 9 - Introdução à Probabilidade e Estatística
UNIVERSIDADE FEDERAL DO ABC Lista 9 - Itrodução à Probabilidade e Estatística Desigualdades e Teoremas Limites 1 Um ariro apota a um alvo de 20 cm de raio. Seus disparos atigem o alvo, em média, a 5 cm
Leia maisOperação Metalose orientações básicas à população
Operaçã Metalse rientações básicas à ppulaçã 1. Quem é respnsável pel reclhiment de prduts adulterads? As empresas fabricantes e distribuidras. O Sistema Nacinal de Vigilância Sanitária (Anvisa e Vigilâncias
Leia maisCapitulo 9 Resolução de Exercícios
FORMULÁRIO Empréstimos a Curto Prazo (Juros Simples) Taxa efetiva liear i l i ; Taxa efetiva expoecial i Empréstimos a Logo Prazo Relações Básicas C k R k i k ; Sk i Sk i e i ; Sk Sk Rk ; Sk i Sk R k ;
Leia maisEquações Diferenciais (ED) Resumo
Equações Difereciais (ED) Resumo Equações Difereciais é uma equação que evolve derivadas(diferecial) Por eemplo: dy ) 5 ( y: variável depedete, : variável idepedete) d y dy ) 3 0 y ( y: variável depedete,
Leia mais2. Formação de Imagens
. Frmaçã de Images Dams me de frmaçã de imagem à capacidade de algus sistemas de fcalizar (ccetrar), em uma dada regiã d espaç a luz prveietes de uma fte putual. Esta regiã de a luz cverge é chamada de
Leia mais1.4- Técnicas de Amostragem
1.4- Técicas de Amostragem É a parte da Teoria Estatística que defie os procedimetos para os plaejametos amostrais e as técicas de estimação utilizadas. As técicas de amostragem, tal como o plaejameto
Leia maisMÉTODOS DE CONTAGEM. Joaquim H. Vianna Neto. Relatório Técnico RTE-02/2013. Relatório Técnico Série Ensino
UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE IÊNIAS EXATAS DEPARTAMENTO DE ESTATÍSTIA MÉTODOS DE ONTAGEM Jaquim H Viaa N Relatóri Técic RTE-02/2013 Relatóri Técic Série Esi Métds de ctagem br/jaquim
Leia maisAULA Subespaço, Base e Dimensão Subespaço.
Note bem: a leitura destes apotametos ão dispesa de modo algum a leitura ateta da bibliografia pricipal da cadeira TÓPICOS Subespaço. ALA Chama-se a ateção para a importâcia do trabalho pessoal a realizar
Leia maisExercícios de Matemática Polinômios
Exercícios de Matemática Poliômios ) (ITA-977) Se P(x) é um poliômio do 5º grau que satisfaz as codições = P() = P() = P(3) = P(4) = P(5) e P(6) = 0, etão temos: a) P(0) = 4 b) P(0) = 3 c) P(0) = 9 d)
Leia maisJUROS COMPOSTOS. Questão 01 A aplicação de R$ 5.000, 00 à taxa de juros compostos de 20% a.m irá gerar após 4 meses, um montante de: letra b
JUROS COMPOSTOS Chamamos de regime de juros compostos àquele ode os juros de cada período são calculados sobre o motate do período aterior, ou seja, os juros produzidos ao fim de cada período passam a
Leia maisCAPÍTULO 8 - Noções de técnicas de amostragem
INF 6 Estatística I JIRibeiro Júior CAPÍTULO 8 - Noções de técicas de amostragem Itrodução A Estatística costitui-se uma excelete ferrameta quado existem problemas de variabilidade a produção É uma ciêcia
Leia maisCAPÍTULO 5 - INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA
CAPÍTULO 5 - INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA 5. INTRODUÇÃO É freqüete ecotrarmos problemas estatísticos do seguite tipo : temos um grade úmero de objetos (população) tais que se fossem tomadas as medidas
Leia mais6. Método do Lugar das Raízes
6. Métd d Lugar das Raízes 6 6. Métd d Lugar das Raízes 6. Itrduçã O Métd d Lugar das Raízes (M.L.R.) é uma técica gráfica que permite visualizar de que frma s pls de um sistema em malha fechada variam
Leia maisCurso MIX. Matemática Financeira. Juros compostos com testes resolvidos. 1.1 Conceito. 1.2 Período de Capitalização
Curso MI Matemática Fiaceira Professor: Pacífico Referêcia: 07//00 Juros compostos com testes resolvidos. Coceito Como vimos, o regime de capitalização composta o juro de cada período é calculado tomado
Leia maisLista 2 - Introdução à Probabilidade e Estatística
UNIVERSIDADE FEDERAL DO ABC Lista - Itrodução à Probabilidade e Estatística Modelo Probabilístico experimeto. Que eveto represeta ( =1 E )? 1 Uma ura cotém 3 bolas, uma vermelha, uma verde e uma azul.
Leia maisAula 11 Bibliotecas de função
Universidade Federal d Espírit Sant Centr Tecnlógic Departament de Infrmática Prgramaçã Básica de Cmputadres Prf. Vítr E. Silva Suza Aula 11 Biblitecas de funçã 1. Intrduçã À medida que um prgrama cresce
Leia maisPROF. DR. JACQUES FACON
PUCPR- Potifícia Uiversidade Católica Do Paraá PPGIA- Programa de Pós-Graduação Em Iformática Aplicada PROF. DR. JACQUES FACON LIMIARIZAÇÃO ATRAVÉS DA PROJEÇÃO DO DISCRIMINANTE LINEAR DE FISHER SOBRE O
Leia maisSumário. 2 Índice Remissivo 11
i Sumário 1 Esperaça de uma Variável Aleatória 1 1.1 Variáveis aleatórias idepedetes........................... 1 1.2 Esperaça matemática................................. 1 1.3 Esperaça de uma Fução de
Leia maisMatemática em Toda Parte II
Matemática em Tda arte II Episódi: Matemática a Agricultura Resum O episódi Matemática a Agricultura é primeir da série Matemática em Tda arte II, e abrda as relações etre gradezas e medidas utilizadas
Leia maisRegulamento da Feira de Ciência
Regulament da Feira de Ciência A Feira A Feira de Ciência é um é um prject rganizad pel Núcle de Física d Institut Superir Técnic (NFIST). Esta actividade cnsiste em desenvlver um prject científic pr um
Leia mais+... + a k. Observação: Os sistemas de coordenadas considerados são cartesianos retangulares.
MATEMÁTICA NOTAÇÕES : cojuto dos úmeros aturais; = {,,, } : cojuto dos úmeros iteiros : cojuto dos úmeros racioais : cojuto dos úmeros reais : cojuto dos úmeros complexos i: uidade imagiária, i = z: módulo
Leia maisSGCT - Sistema de Gerenciamento de Conferências Tecnológicas
SGCT - Sistema de Gerenciament de Cnferências Tecnlógicas Versã 1.0 09 de Setembr de 2009 Institut de Cmputaçã - UNICAMP Grup 02 Andre Petris Esteve - 070168 Henrique Baggi - 071139 Rafael Ghussn Can -
Leia maisPROBABILIDADES E ESTATÍSTICA
ESCOLA SUPERIOR DE TECNOLOGIA DE SETÚBAL DEPARTAMENTO DE MATEMÁTICA PROBABILIDADES E ESTATÍSTICA o Teste 7 o SEMESTRE 5/6 Data: Sábado, 7 de Jaeiro de 6 Duração: 9:3 às :3 Tópicos de Resolução. O úmero
Leia maisApostila de limites e derivadas
ÁREA - Faculdade de Ciêcia e Teclgia Curss de Egeharia Cálcul Dierecial e Itegral I Pressr: Álvar Ferades Seraim a a l 5 Qual valr de a? Apstila de ites e derivadas Uma grade descberta evlve a sluçã de
Leia maisPRESTAÇÃO = JUROS + AMORTIZAÇÃO
AMORTIZAÇÃO Amortizar sigifica pagar em parcelas. Como o pagameto do saldo devedor pricipal é feito de forma parcelada durate um prazo estabelecido, cada parcela, chamada PRESTAÇÃO, será formada por duas
Leia maisCarteiras de Mínimo VAR ( Value at Risk ) no Brasil
Carteiras de Míimo VAR ( Value at Risk ) o Brasil Março de 2006 Itrodução Este texto tem dois objetivos pricipais. Por um lado, ele visa apresetar os fudametos do cálculo do Value at Risk, a versão paramétrica
Leia maisInformática II INFORMÁTICA II
Jrge Alexandre jureir@di.estv.ipv.pt - gab. 30 Artur Susa ajas@di.estv.ipv.pt - gab. 27 1 INFORMÁTICA II Plan Parte I - Cmplementar cnheciment d Excel cm ferramenta de análise bases de dads tabelas dinâmicas
Leia maisModelagem, qualificação e distribuição em um padrão para geoinformações
Mdelagem, qualificaçã e distribuiçã em um padrã para geinfrmações Julia Peixt 14h, 14 de junh de 2010. Mtivaçã Acerv de dads desde 1994 em diferentes áreas de pesquisa; Muitas pessas fazend muits trabalhs
Leia maisFaculdade Campo Limpo Paulista Mestrado em Ciência da Computação Complexidade de Algoritmos Avaliação 2
Faculdade Campo Limpo Paulista Mestrado em Ciêcia da Computação Complexidade de Algoritmos Avaliação 2. (2,0): Resolva a seguite relação de recorrêcia. T() = T( ) + 3 T() = 3 Pelo método iterativo progressivo.
Leia maisI Documento nº. 4 I 4. TEORIA DAS FILAS DE ESPERA. 4.1 FILA DE ESPERA COM VilRIAS ESTAÇÕES. 4.2 FILA DE ESPERA COM VilRIAS ESTAÇÕES E NUMERO LIMITADO
N O R 11 A, S,A. R,L, Sciedade de Estuds para Desevlvimet de Empresas A HVESTGAÇÃO OPERACONAL NA EMPRESA Dcumet º. 4 1 N D C E Capítul ESTUDO ELEMENTAR DE ALGUNS MODELOS E TJ;1CliiCAS UTLZADAS NA NVESTGAÇÃO
Leia maisTESTE DE SOFTWARE (Versão 2.0)
Universidade Luterana d Brasil Faculdade de Infrmática Disciplina de Engenharia de Sftware Prfessr Luís Fernand Garcia www.garcia.pr.br TESTE DE SOFTWARE (Versã 2.0) 9 Teste de Sftware Imprtância Dependência
Leia maisCIRCUITOS SEQUÊNCIAIS
Coelh ho, J.P. @ Sistem mas Digita ais : Y20 07/08 CIRCUITOS SEQUÊNCIAIS O que é um circuito it sequêcial? Difereça etre circuito combiatório e sequecial... O elemeto básico e fudametal da lógica sequecial
Leia maisINSTITUTO SUPERIOR DE ECONOMIA E GESTÃO
INSTITUTO SUPERIOR DE ECONOMIA E GESTÃO CURSO DE MATEMÁTICA APLICADA À ECONOMIA E GESTÃO ANÁLISE MATEMÁTICA I ELEMENTOS DE ANÁLISE REAL Volume Por : Gregório Luís I PREFÁCIO O presete teto destia-se a
Leia mais3. Seja C o conjunto dos números complexos. Defina a soma em C por
Eercícios Espaços vetoriais. Cosidere os vetores = (8 ) e = ( -) em. (a) Ecotre o comprimeto de cada vetor. (b) Seja = +. Determie o comprimeto de. Qual a relação etre seu comprimeto e a soma dos comprimetos
Leia maisCONTROLO. 1º semestre 2007/2008. Transparências de apoio às aulas teóricas. Capítulo 10 Diagrama de Bode e Relação Tempo-Frequência
Mestrado Itegrado em Egeharia Electrotécica e de Computadores (LEEC Departameto de Egeharia Electrotécica e de Computadores (DEEC CONTROLO º semestre 007/008 Trasparêcias de apoio às aulas teóricas Capítulo
Leia mais