XLVII SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL

Tamanho: px
Começar a partir da página:

Download "XLVII SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL"

Transcrição

1 Porto de Galhas, Perambuco-PE ALOCAÇÃO DE MEDIDORES DE QUALIDADE DE ENERGIA UTILIZANDO A P-MEDIANA Lucmáro Gos de Olera Sla UFPE - DEP AV. Prof. Moraes Rego, 1235, Cdade Uerstára, Recfe-PE luco_gos@hotmal.com Albérco Atôo Pres da Sla Júor Celpe AV. João de Barros, 111, Boa Vsta, Recfe-PE albercopres@celpe.com. Adel Texera de Almeda Flho UFPE - DEP AV. Prof. Moraes Rego, 1235, Cdade Uerstára, Recfe-PE adeltaf@googlemal.com RESUMO A proposta desse trabalho cosste a alocação de meddores tedo como poto de partda a mportâca da carga e a obserabldade de todas as corretes as lhas e tesões os barrametos. Como prmera etapa, atraés de um modelo já exstete melhorado, obtém-se o meor úmero de meddores que garatem a obserabldade do sstema. Em seguda, é aplcado o modelo da P- medaa modfcado com corporação de restrções de obserabldade para alocação de meddores segudo a mportâca da carga. Para aldação do procedmeto, o mesmo fo testado em um sstema de dstrbução real, edecado que o procedmeto de localzação em prmero plao localza os meddores, garatdo a obserabldade e, em seguda, localza os meddores de acordo com o íel de mportâca da carga. PALAVARAS CHAVE. Programação Lear Itera, P-medaa, obserabldade, Sstemas de dstrbução, Alocação de meddores. ABSTRACT The purpose of ths work s the allocato meters takg as ts startg pot the mportace of the load ad the obserablty of all curret the les ad tesos the buses of crcut. As a frst step, the smaller umber of meters, whch guaratee the obserablty of the system, wll be geerated through mproed model. The, t s appled the P-meda model wth addto of restrcto for allocato of meters secod the mportace of load. For aldato of the procedure, the same has bee tested a real dstrbuto system, edecg that the localzato procedure the foregroud s located meters, guarateeg the obserablty ad the locates the meters accordg to the leel of mportace of the load KEYWORDS. Lear Iteger Programmg, P-Meda, Obserablty, System of dstrbuto, Meters Allocato. 895

2 Porto de Galhas, Perambuco-PE 1. Itrodução Em sstemas de trasmssão e dstrbução de eerga elétrca, o motorameto da qualdade da eerga etregue é mportate tato do poto de sta dos cosumdores quato das empresas de dstrbução de eerga elétrca. Do poto de sta das empresas de dstrbução, a qualdade de eerga dee obedecer certos parâmetros que obedecem uma gêca legal, e ao mesmo tempo, o motorameto permte que o sstema obsere eetos adersos, permtdo uma ação mas rápda a correção do eeto e etado a aplcação de multas pelas agêcas reguladoras. Em relação aos cosumdores dustras, sabe-se que eetos adersos como afudameto de tesão, soe tesão e dstorção harmôca causam eleado trastoro dedo ao eleado úmero compoetes eletrôcos que são susceptíes a esses eetos (Almeda e Kaga, 2013). Esses aspectos jutos aldam o uso de meddores de qualdade eerga (MQE) para o motorameto da rede. Nesse setdo, como prmera abordagem, pode se pesar a localzação de meddores em todos os potos da rede o que garatra o total motorameto do sstema, permtdo assm a percepção de qualquer eeto desejado. No etato, localzar os meddores em todos os barrametos é mpratcáel quado se lea em cosderação o custo de tal motorameto. Assm, dee-se proceder um meo de localzação que lee em cosderação um úmero lmtado de meddores e ao mesmo tempo garata a total obserabldade do sstema. A obserabldade se basea o motorameto de todas as aráes chaes para medção do sstema. Logo, o motorameto do sstema está atrelado a obserabldade das tesões a barra e correte as lhas (Eldery et al, 2006). Apesar dos modelos exstetes cotemplarem uma gama arada de problemátcas, ehum dos modelos aalsados lea em cosderação a mportâca das cargas aalsadas. Nesse setdo, mutos estudos téccos de dmesoameto de crcutos elétrcos e combate às perdas ão téccas (deso de eerga ates da medção de faturameto) são realzados com softwares que smulam o comportameto da rede de dstrbução baseado apeas em medções exstetes em um úco poto do almetador, geralmete a coexão com a subestação, e com poucas formações cofáes para estudos mas elaborados. Embora teham resultados satsfatóros, tas sstemas computacoas poderam ser melhorados com a mplatação de medções setoras espalhadas os crcutos de méda tesão, garatdo maor fdeldade à realdade da carga suprda por tas crcutos. Logo, o presete artgo propõe a utlzação do modelo da p-medaa para alocação de um cojuto de medção que serrá para determar ode tas equpametos deem ser stalados de forma a cosderar a mportâca das demadas de eerga ao logo do crcuto motorado. No etato, o modelo da P-medaa sozho ão garate a obserabldade do sstema. Nesse setdo, é costruído um modelo sequecal de programação lear Itera (PLI) que lea em cosderação a obserabldade do sstema. Assm, o presete artgo é dddo em 6 seções além dessa trodução. Na seguda seção, é feta uma resão da lteratura acerca dos prcpas métodos empregados a localzação de meddores. Na seção 3, é defdo o problema do recometo que garate a obserabldade do sstema. Na seção 4, é apresetado o modelo da P-medaa combado com o problema do recometo. Na seção 5, é apresetado um estudo de caso atraés de um crcuto real de 16 barras. Por fm, tem-se a coclusão desse trabalho. 2. Resão da Lteratura O úmero de artgos que trata da localzação de meddores em sstemas de dstrbução e trasmssão de eergza elétrca em sofredo um cosderáel aumeto os últmos aos. Atraés da obseração da lteratura, os métodos empregados podem ser classfcados: Quato ao tpo de meddores; quato ao crtéro de otmzação; úmero de crtéros a serem otmzados; tpo de algortmo utlzado e codção de operação. 896

3 Porto de Galhas, Perambuco-PE Quato ao tpo de meddores, bascamete os modelos cotemplam o meddor MQE e o PMU (Phasor Measuremet Uts). Em relação aos crtéros, dos gaham destaque especal, o custo assocado a localzação do meddor e o ídce assocado a redudâca do sstema de medção. Equato o custo é assocado ao úmero de meddores que garatem a obserabldade do sstema, um ídce de redudâca geralmete é assocado ao úmero de ezes que determada parcela do crcuto, barra ou lha, é motorado pelo cojuto de medção. Quato ao algortmo utlzado, são ecotrados desde a métodos tradcoas, como PLI, quato métodos heurístcos de uso mas recete como o BPSO (bary partcle swarm optmzato). Em relação aos modelos de PLI, o modelo deseoldo por Gómez e Ríos (2013) cosdera um modelo multestágo dâmco de otmzação utlzado PLI para localzação de meddores PMU. O modelo procura pelo meor úmero de meddores e sua localzação ode, a cada estágo, dferetes crtéros e ceáros são cosderados. No trabalho de Mahae e Hagh (2012), é proposto uma oa metodologa de localzação de meddores PMU. Prmeramete, é determado o meor úmero de meddores que cosdera a total obserabldade do sstema. Em seguda, os meddores são localzados com o objeto de maxmzar um ídce redudâca. Em relação aos meddores MQE, os modelos deseoldos por Eldery et al (2006) e Res et al (2008) cosderam a utlzação de um modelo PLI baseado o modelo do recometo. O objeto é a mmzação do custo garatdo a obserabldade das aráes de estado que são represetadas pelas corretes as lhas e tesões os barrametos. Os métodos exatos, como PLI, embora apresetem a solução ótma, apresetam problema para geração da solução quado o úmero de barras do crcuto é eleado. Assm, o uso de heurístcas para solução do problema de localzação de meddores é comum. Nesse setdo, o trabalho deseoldo por Mahar e Seyed (2013) utlza o algortmo cohecdo como BICA (Bary Imperalstc Competto Algorthm) deseoldo em um ceáro de otmzação multestágo para garatr a obserabldade do sstema e a redudâca. Assm, o prmero estágo é garatdo o meor úmero de meddores PMU que garatem a obserabldade equato o segudo é defdo a localzação que maxmza a redudâca. O método deseoldo por Abur e Mogago (1999) foca a motagem de um Sstema de medção que além de garatr a obserabldade do sstema também lea em cosderação uma proáel falha do sstema (ach outages). Nesse setdo, o método cosdera um úmero mímo de meddores adcoas que garatem a total obserabldade do sstema cotra falhas. Em relação aos meddores MQE, o método deseoldo por Kazem et al (2013) apreseta um método para determação do úmero mímo e localzação de meddores para o motorameto de soe tesão. O método é baseado em um algortmo geétco amparado pelo método estatístco Mallow s Cp. Os algortmos heurístcos também têm sua utlzação o ceáro de otmzação multobjectos. Nesse setdo, o trabalho deseoldo em Jamua e Swarup (2012) cosdera um algortmo de otmzação multobjecto MO-BBO (mult-objecte bogeography based optmzato) para localzação ótma de meddores PMU. A otmzação smultâea lea em cosderação dos objetos: O meor úmero de meddores que garate a obserabldade do sstema e a maxmzação de uma medda de redudâca. A solução ótma de Pareto é obtda utlzado classfcação ão domada e crowdg dstace. Para atgr uma solução compromsso, é utlzada uma abordagem baseada em lógca fuzzy. Ahmad et al. (2011) apreseta uma metodologa baseada o algortmo BPSO (bary partcle swarm optmzato) para localzação de meddores PMU. Nesse setdo, a solução cosdera smultaeamete o meor úmero de meddores e maxmza uma medda de redudâca. Em relação aos meddores MQE, o trabalho deseoldo por Iahm et al (2014) apreseta o algortmo quatum-spred bary gratatoal search algorthm (QBGSA) para alocação de meddores. O algortmo eole otmzação multobjeto que lea em cosderação obserabldade de qualquer falta que possa ocasoar uma queda de tesão o sstema. Como crtéros de otmzação, são deseoldos dos ídces referetes às meddas de eetos desejados. Ada em relação aos meddores MQE, o artgo proposto por Braco et al (2015) propõe um método para solução de alocação de meddores em sstemas de trasmssão. O método deseole um algortmo multobjecto tedo como objeto a mmzação do custo e a maxmzação da redudâca do sstema, cosderado como restrção a obserabldade das 897

4 Porto de Galhas, Perambuco-PE corretes e tesões do sstema de trasmssão. Para solução do problema, é utlzado um algortmo eoluto multobjeto. Dferetemete dos modelos otmzação cosagrados acma, outras metodologas são deseoldas cosderado modelos heurístcos teratos. Por exemplo, Wo e Moo (2008) apresetam um algortmo para determar o úmero ótmo de motores de qualdade de potêca para decdr a localzação para um dado sstema de dstrbução. Atraés da teora dos grafos, a topologa do sstema é formulada em uma matrz de cobertura ode o grau de mportâca o sstema é defdo por meo de pesos e o úmero ótmo de motores e a localzação são defdos por meo de uma rota de otmzação que lea em cosderação os pesos e ídces de ambgudade. Já o trabalho deseoldo por Roy et al (2012), a localzação dos meddores é feta de forma terata, ode é estabelecdo um método de localzação de meddores PMU dddo em três fases. O método cosdera calmete sesores em todos os barrametos. Na fase 1 e 2 é aplcado de forma terata as segutes rotas: Localzação meos mportate de ode os sesores são elmados e determação estratégca ode os meddores são matdos. No estágo três, o úmero de meddores é mmzado. 3. O Problema do Recometo Nessa seção, é exposto o modelo recometo deseoldo em Eldery et al (2006) que garate o total motorameto das aráes do sstema represetadas pelas corretes as lhas tesões os barrametos. O motorameto é garatdo por um cojuto de restrções que são obtdos a partr da topologa da rede. Assm, em sua forma básca o problema do recometo pode ser escrto a partr da segute formulação clássca do problema de otmzação combatóra: (1) (2) Ode: C - represeta o etor lha dos -custos do problema; X- represeta o etor báro dos elemetos; D - é uma matrz x y chamada de Desdade cujos os coefcetes represetam a codção de obserabldade do sstema. Quado o problema de otmzação, represetado pelas equações 1 e 2, trata da localzação de meddores, a matrz C represetará o custo de cada meddor stalado equato o etor X represetará uma determada cofguração de meddores stalados em determados barrametos. Assm, se o etor X assumr o segute alor [ ], sgfca que em um sstema com 7 barrametos os meddores são localzados os barrametos 1, 3, 5 e 7. A matrz D, chamada desdade, rá garatr a total obserabldade do sstema atraés das corretes e tesões presetes os barrametos. Nesse setdo, o trabalho deseoldo por Eldery et al (2006) estabelece a matrz D que garate que todas as aráes de estado, correte e tesão, serão obseráes. Os resultados obtdos por Eldery et al. (2006) se baseam dos lemas que suportam o deseolmeto da matrz D. O prmero Lema tem-se que () se a tesão em uma barra e a correte atraés da lha que sa dela são obseráes, etão a tesão a outra barra (barra remota) também é obseráel; o segudo Lema é garatdo que () se a tesão os extremos da lha é obseráel, etão a correte atraés da lha é obseráel. A partr destes resultados obtdos por Eldery et al. (2006) pode-se defr uma matrz de coectdade, A. Esta matrz é usada como uma matrz auxlar a costrução da matrz de desdade, D, e é ecessára para represetar a obserabldade das aráes de estado que correspodem as tesões as barras. A dmesão da matrz A é defda pelo úmero total de aráes de estado, m, e pelos possíes locas de stalação (úmero de barras),, portato A é uma matrz (mx). A colua k represeta o cojuto de medção stalado a barra k e a lha r represeta a aráel de estado, podedo ser tesão a barra ou correte a lha. Cada elemeto da matrz A mx é defdo como: 898

5 Porto de Galhas, Perambuco-PE a rk 1, se a aráel r é obserada pelo cojuto de medção k 0, caso cotráro (3) A partr das matrzes A e D, cosdera-se o etor de obserabldade, U (Eldery et al., 2006). Este etor dca quatas ezes cada tesão é obserada, ou seja, quatas ezes ela é medda ou calculada por um cojuto de medção. Desta forma, pode-se represetar cada elemeto deste etor como: u a x (4) r rk k k 1 Ode u r é o resultado da multplcação da matrz de coectdade A pelo etor de localzação X. Se o alor de u r é T, sto dca que a tesão a barra r é obserada por T meddores (Eldery et al., 2006). A partr do lema (), Eldery et al (2006) defe a matrz de co-coectdade B. Esta matrz B é usada como uma outra matrz auxlar a costrução da matrz de desdade D sedo ecessára para represetar a obserabldade das aráes que correspodem às corretes as lhas. Na erdade, ela é ddda em duas outras matrzes, Bjr e Bk r, que represetam a ecessdade de obserar as tesões as barras j e k geércas, cosderado-as tercoectadas. Com sso, é possíel garatr que o sstema será obseráel. A dmesão das matrzes é (m x ), a mesma da matrz A. Sua colua p represeta o cojuto de medção stalado a barra p e sua lha r represeta a aráel r referete à correte a lha, jk. Cada elemeto dessas matrzes é formado a partr dos etores a j e ak que são etores correspodetes às lhas j e k da matrz de coectdade A como pode ser obserado a equação 5 e 6. a j, se r represeta jk e as barras k e j são coectadas (5) Bjr 0, caso cotráro ak, se r represeta jk e as barras k e j são coectadas, (6) Bkr 0, caso cotráro Defem-se dos etores de obserabldade, wj e wk, relatos às restrções decorretes do lema 2. Eles são etores auxlares o cálculo do etor w, que dca quatas ezes cada correte é obserada, ou seja, quatas ezes ela é medda ou calculada por um cojuto de medção. Ambos são defdos pela multplcação das matrzes de co-coectdade (B) pelo etor de localzação (X). O etor w é etão dado por: t wwj wk (7) t Ode wj é o trasposto do etor wj. Na motagem das matrzes auxlares, Bjr e Bk r,as prmeras lhas referetes as tesões as barras serão ulas uma ez que essas matrzes são referetes as corretes a lhas. Já para a motagem da matrz A, as aráes de estado do sstema deem ser escrtas a segute ordem: tesão as barras em ordem crescete de umeração das mesmas e corretes com os ídces em ordem crescete. A matrz de desdade, D, terá uma dmesão gual ao úmero de barras ou aráes de tesão,, mas duas ezes o úmero de lhas, 2L, para represetar as aráes de correte que depedem da tesão em dos barrametos, j e k, geercamete. Portato, a dmesão da matrz de desdade será ((+2L) x ) sedo represetada pela equação 8: 899

6 Porto de Galhas, Perambuco-PE A(1: ) x DA Bj A Bk ( Lm : ) x ( Lm : ) x ( Lm : ) x ( Lm : ) x (8) Ode A(1: ) x é a submatrz obtda a partr da matrz de coectdade das lhas 1 até e todas as coluas, A( Lm : ) x é a submatrz obtda a partr da matrz de coectdade das lhas L até m e todas as coluas, Bj( Lm : ) x e Bk( Lm : ) x são as submatrzes obtdas a partr das matrzes de cocoectdade das lhas L até m e todas as coluas. Para eteder melhor a relação etre as matrzes descrtas a equação (8), a matrz A pode ser decomposta em duas sub matrzes. Uma sub matrzes gerada a partr da obserabldade das tesões presetes em cada barrameto, A das corretes presete os barrametos, x,e uma sub matrz gerada a partr da obserabldade A lx.logo, A pode ser reescrta da segute forma: A A A x lx (9) É claro que por esse racocío tem-se que Alx A( L: m) x e A x A(1:) x. Assm, os elemetos pertecetes Ax são defdos a equação 10 abaxo. A x aj 1; Se o barrameto está lgado o barrameto j aj 0 ; Caso cotráro (10) Assm, pela defção em (5) e (6), as lhas pertecetes as matrzes Bj( Lm : ) x e Bk( Lm : ) x são repetções das lhas da matrz A x. Em relação à matrz A lx, cada lha dessa matrz será defda pelos etores lhas ar assocados a obserabldade de cada correte r jk. arx a jx; Para x j ar a ; k jk rxajx Para x arx 0; Caso cotráro (11) A partr da defção em (11), percebe-se claramete que os elemetos da matrz estão dretamete lgados aos elemetos da matrz pertecetes as matrzes A( L: m) x Bj( L: m) x e A( Lm : ) x Bk( : ) represeta a correte jk. Como Alx A( L: m) x, etão: A lx A x. Agora, podemos defr os elemetos Lm x pelos etores j e k ode r 900

7 Porto de Galhas, Perambuco-PE j x 2 a jx; Para x j j j b 2 ; k jk rx ajx Para x x ajx; Caso cotráro (12) k x 2 akx; Para x j k k b 2 ; k jk rx akx Para x (13) k x akx; Caso cotráro De acordo com as aálses acma e cosderado os etores lhas geércos, j k a [a 1,a 2,...a,...,a ], que represetam as lhas da matrz A x, os etores e podem ser reescrtos em fução dos compoetes de a atraés das segutes formulações: b [ k.a, k.a,... k.a,..., k.a ] (14) j j j j j r b [ k.a, k.a,... k.a,..., k.a ] (15) k k k k k r j k k k Ode e assumem os alores 1 ou 2 de acordo com as codções edecadas em 12 e 13. Dadas as relações mostradas em 14 e 15, o teorema 1 e coroláro abaxo rão demostrar que para a codção de obserabldade é ecessáro apeas a defção da matrz A. Teorema 1 Dado d 1 e c 1 e x báro, a restrção d.x 1 1 é redudate em relação à restrção c.x 1 1 quado os etores d [d 1,d 2,...d,...,d ] e c [c 1,c 2,...c,...,c ],possuem a segute relação: [d 1,d 2,...d,...,d ] [k1c 1,k2c 2,...kc,...,kc ] com k 1. x Proa: Dado que k 1, etão tem-se que kc c para todo. Logo, como c.x 1 tem-se kc..x 1 o que sgfca d.x kc..x c.x, mas 1 1 Coroláro 1 É codção ecessára e sufcete para obserabldade do sstema que a segute restrção seja obedecda: A.X 1 (16) Proa: A restrção D. X 1 pode ser reescrta com o auxílo dos etores as restrções e corretes presetes o barrameto da segute forma:.x 1 j.x 1 os etores Ode r represeta a correte jk j e k x a j e k para todas a (17) (18) b k r.x 1 (19). Dada as relações expressas em (14) e (15), tem-se que possuem a mesma relação dcada pelo teorema 1 com os etores a. Assm, 901

8 Porto de Galhas, Perambuco-PE as restrções represetadas em 18 e 19 são redudates a restrção 17. Assm, o coroláro estabelece que a represetação em (8) é redudate. Logo, o úmero de restrções do problema é substacalmete dmuído a medda que a dmesão dos sstemas de dstrbução e trasmssão aumeta. Dado que a formulação a equação 1 tede a gerar mas do que uma solução ótma, a escolha da melhor solução pode recar em um ídce que meça a redudâca do crcuto. Assm, Eldery et al. (2006) defe um fator de redudâca (FRD), equação 18, que dca quatas ezes em méda a aráel de estado será medda. FRD m u p p1 w l p (18) 4. O Modelo da P-Meda Modfcado Dferetemete do modelo do recometo, o modelo da P-medaa procura a localzação dos meddores de acordo com a mportâca das cargas (íel de potêca) e a dstâca etre os meddores. Assm, o problema pode ser escrto a partr da segute formulação eoledo PLI báro ( Reelle e Swa, 1970): Para, 1,..., j j (19) mc w d x 1 j1 Sujeto : xj 1, 1,..., (20) j1 x p (21) jj j1 x x,, j 1,..., (22) jj j j com j, seja xj uma aráel de lgação tal que xj 1, se o clete é lgado ao equpameto j equpameto, etão jj 1, e xj 0 x, caso cotráro x 0., caso cotráro. Se o értce j jj é localzado um A proposta do trabalho cosdera o uso de um modelo de otmzação sequecal dddo em dos estágos. No prmero estágo, o problema do recometo dscutdo em (1) e (16) é usado para determar o meor úmero de meddores. Para obteção do meor úmero de meddores p *, os custos represetados a equação 1, foram cosderados guas em todos os barrametos, uma ez que os custos referetes as dferetes localzações são desprezíes em relação aos custos dduas dos meddores. Após a garata do úmero de meddores mímos, o modelo da p- medaa é utlzado com o objeto de garatr a medção das cargas mas mportates. A fgura 1 mostra a sstemátca do modelo empregado. 902

9 Porto de Galhas, Perambuco-PE Fgura 1 Modelo de dmesoameto e alocação de meddores Logo, o modelo será reescrto atraés da segute otação: j j (23) m w d x 1 j1 Sujeto : xj 1, 1,..., (24) j1 * xjj P (25) j1 x. 1 A X (26) xjj xj,, j 1,..., (27) Ode a equação acma p* represeta o úmero mímo de meddores que garatem a cobertura de todas as aráes da rede. Além de p* adcoado ao problema da P-medaa, também fo adcoado a restrção Ax. X 1 que garate a obserabldade do sstema. A dea geral desse modelo de otmzação é garatr uma maor presbldade do sstema, garatdo a obserabldade do sstema e ao mesmo tempo localzado os meddores próxma aos cetros de carga mas mportate como, por exemplo, cargas dustras mas susceptíes a eetos adersos. 5. Estudo de Caso Para demostração do modelo, será utlzado um sstema real de 16 barras pertecetes a Celpe que é a empresa resposáel pela dstrbução de eerga elétrca o estado de Perambuco, Brasl. As dstâcas etre os postes (aqu chamada de ão) em crcutos deste tpo (urbao e de méda tesão) são padrozadas em 40 (quareta) metros. É fácl perceber que ão exstem trasformadores em todos os postes, mas a quatdade de ãos rá defr a dstâca etre os equpametos de trasformação. Para aálse dos resultados, três stuações serão cosderadas: O modelo da P-medaa sem garata da obserabldade, o modelo de recometo e a jução dos dos modelos. Para o estudo em questão, fo escolhdo a regão de prazeres que é um barro da regão metropoltaa do Recfe. 903

10 Porto de Galhas, Perambuco-PE Fgura 2 Localzação físca com a Topologa do crcuto Na tabela 1 é mostrada as potêcas dos trasformadores que o presete estudo serão utlzadas como demada das cargas por smplfcação. Já a tabela 2 mostra as respectas dstâcas etre os trasformadores. Tabela 1 Trasformadores do crcuto PZR 01P5 Tabela 2 Matrz das dstâcas (16 barras) Ao utlzar o modelo do recometo para defr o meor úmero de meddores que garate a obserabldade do sstema, tee-se como resultado um total de 5 meddores. Cosderado apeas a aplcação do modelo do recometo, o resultado gerado, tedo como auxílo a fução btprog do MATLAB, cosderou a alocação de meddores os segutes barrametos: T1, T4, T9, T12 e T15. Para fs comparatos, fo feta a smulação do método da P-Medaa sem garata da obserabldade cosderado a exstêca de cco cojutos de medção. Três resultados são guas (barras 1, 12 e 15) e dos resultados dferetes (barras 2 e 8). Em termos téccos, a alocação de um cojuto de medção a barra 2 ão se mostra uma solução de boa prátca, sto que exste um cojuto stalado a barra medatamete ateror. A dcação de localzar medções as 904

11 Porto de Galhas, Perambuco-PE barras T2 e T8 reflete a preocupação com a carga, mas ão represeta uma boa solução do poto de sta da obserabldade. As barras T4 e T9 são barras localzadas em derações da parte cetral do almetador e possuem cargas meores que as barras T2 e T8, mas mesmo assm são dcadas pelo método do Recometo para stalação de cojutos de medção em rtude de ocuparem local de dfícl estmata de alores de tesão e correte justamete pela posção em relação ao troco do almetador. O fato da solução sugerda pelo método da P-Medaa ão coergr adém prcpalmete da alocação a barra 2. Obserado-se a topologa do crcuto e a dstrbução de cargas é possíel erfcar que a stalação de dos cojutos de medção em estruturas subsequetes (sem a exstêca de derações ou cargas) dfculta bastate o motorameto por completo deste crcuto, problema ada mas potecalzado pela stalação em estruturas muto próxmas da subestação (íco do fluxo de eerga). Tora-se mas teressate, portato, a utlzação do método do Recometo, que garatrá cobertura a todos os trechos do crcuto, cluse as ramfcações que possuem cargas meores e que ão seram cotempladas o método da P-Medaa. Quado os dos problemas são combados, dado que o problema da P-medaa ão coerge, a solução combada matém o meddor em T4, T12 e T15 da solução do recometo. A medção em T4 é matda, pos o mesmo é localzado em uma deração estado lgado com 7 outros barrametos. Ao aalsarmos os barrametos T12 e T15, obsera-se que a escolha do modelo combado é dedo ao maor íel de potêca em relação aos outros barrametos. No etato, a solução combada substtu os barrametos T1 e T9 do problema do recometo pelos barrametos T2 e T10. Do poto de sta técco, a substtução pode ser etedda a partr do mometo em que os íes de carga são leados em cosderação, pos os barrametos T2 e T10 possuem maor potêca em relação aos barrametos T1 e T9 respectamete. Em cotrapartda a atagem a obseração dreta de cargas com maor íel de potêca, o modelo combado tem a desatagem de dmur o fator de redudâca (FRD) como dcado a tabela 3. MÉTODO Tabela 3 Comparação etre os resultados dos métodos da P-Medaa e Recometo para o crcuto FEN-01C2 NÚMERO DE MEDIÇÕES P-Medaa 5 Recometo 5 Recometo + P-medaa 5 LOCAL DE INSTALAÇÃO T1, T2, T8, T12 e T15 T1, T4, T9, T12 e T15 T2, T4, T10, T12 e T15 FUNÇÃO OBJETIVO P-MEDIANA FUNÇÃO OBJETIVO - RECOBRIMENTO FATORA DE REDUNDÂNCIA Não coerge Não coerge , , Coclusão O prcpal foco desse artgo fo a geração de um modelo de alocação de meddores MQE que lee em cosderação a mportâca e a dstâca relata das cargas. Nesse setdo, utlzou-se a P-medaa que cosdera a mmzação da dstâca poderada pela demada que esse trabalho fo substtuída pela potêca dos trasformadores. No etato, o modelo da P- medaa dee ser modfcado em sua estrutura uma ez que o mesmo ão lea em cosderação a obserabldade. Costatou-se, atraés dos estudos de caso, que o modelo combado (P-medaa + recometo), apesar de dmur o fator redudâca do crcuto, aumeta a potêca das cargas obseradas dretamete. Logo, tem-se como coclusão que modelo combado escolhe como solução, detre as soluções áes, aquela que motora a maor peso poderado assocado a carga. 905

12 Porto de Galhas, Perambuco-PE Agradecmetos A realzação desse trabalho tee apoo parcal do CNPq (Coselho Nacoal de Deseolmeto Cetífco e Tecológco) e da Celpe. Referêcas Ahmad, A., Alejad-Berom,Y., Morad, M., "Optmal PMU placemet for power system obserablty usg bary partcle swarm optmzato ad cosderg measuremet redudacy," Expert Systems wth Applcatos, ol. 38, pp , Ju Abur, A., Magago, F.H., "Optmal meter placemet for matag obserablty durg sgle ach outages," Power Systems, IEEE Trasactos o, ol.14, o.4, pp.1273, 1278, No,1999. do: / Almeda, C. F. M., Kaga N., "Harmoc State Estmato through Optmal Motorg Systems," IEEE Trasactos o Smart Grd, Vol 14, o. 1, March Braco, H.M.G.C., Oleskocz, M., Delbem, A. C. B., Coury, D. V., Sla, R. P.M. "Optmzed allocato of power qualty motors trasmsso systems: A multobjecte approach," Iteratoal Joural of Electrcal Power & Eergy Systems, ol. 64, pp , Ja Wo D. J., Moo S. M., "Optmal Number ad Locatos of Power Qualty Motors Cosderg System Topology, Power Delery, IEEE Trasactos o, ol. 23, o.1 pp , Ja Eldery M, El-Saaday E, Salama M, Vaell A. A oel power qualty motorg allocato algorthm. IEEE Tras Power Delery; 21(2): Iahm, A. A.,Mohamed, A., Shareef, H., "Optmal power qualty motor placemet power systems usg a adapte quatum-spred bary gratatoal search algorthm," Iteratoal Joural of Electrcal Power & Eergy Systems, ol. 57, pp ,May Jamua, K., Swarup K. S., Mult-objecte bogeography based optmzato for optmal PMU placemet," Appled Soft Computg, ol. 12, pp , May Kazem, A., Mohamed, A., Shareef, H., Zayadehrood, H. "Optmal power qualty motor placemet usg geetc algorthm ad Mallow s Cp," Iteratoal Joural of Electrcal Power & Eergy Systems, ol. 53, pp , Dec Mahae, S.M., Hagh, M. T. Mmzg the umber of PMUs ad ther optmal placemet power systems," Electrc Power Systems Research, ol. 83(1), pp , Ja Mahar, A., Seyed, H. "Optmal PMU placemet for power system obserablty usg BICA, cosderg measuremet redudacy," Electrc Power Systems Research, ol. 103, pp , Oct Gómez, O., Ríos, M.A. "ILP-based multstage placemet of PMUs wth dyamc motorg costrats," Iteratoal Joural of Electrcal Power & Eergy Systems, ol. 53, pp , Dec Res D, Vllela P, Duque C, Rbero P. Trasmsso systems power qualty motors allocato. I: 2008 IEEE Power ad eergy socety geeral meetg coerso ad delery of electrcal eergy the 21st cetury; p. 1 7, Roy B. K. S., Sha, A.K., Pradha, A.K "A optmal PMU placemet techque for power system obserablty," Iteratoal Joural of Electrcal Power & Eergy Systems, ol. 42(1), pp , No Reelle, C.; Swa, R., Cetral facltes locato. Geograph Aal 2, pp ,

MEDIDAS DE TENDÊNCIA CENTRAL I

MEDIDAS DE TENDÊNCIA CENTRAL I Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, edca Veterára, uscoterapa, Odotologa, Pscologa EDIDAS DE TENDÊNCIA CENTRAL I 7 7. EDIDAS DE

Leia mais

8 Programação linear 78

8 Programação linear 78 8 Programação lear 78 8 Programação lear A programação lear cosderou duas fuções objetvo: (a) maxmzação da comercalzação do gás e (b) mmzação das perdas (recetas e multas cotratuas). Foram dealzados dos

Leia mais

Ex: Cálculo da média dos pesos dos terneiros da fazenda Canoas-SC, à partir dos dados originais: x = 20

Ex: Cálculo da média dos pesos dos terneiros da fazenda Canoas-SC, à partir dos dados originais: x = 20 . MEDIDAS DE TENDÊNCIA CENTRAL (OU DE POSIÇÃO) Coceto: São aquelas que mostram o alor em toro do qual se agrupam as obserações.. MÉDIA ARITMÉTICA ( ) Sea (x, x,..., x ), uma amostra de dados: Se os dados

Leia mais

Difusão entre Dois Compartimentos

Difusão entre Dois Compartimentos 59087 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 4 Dfusão etre Dos Compartmetos A le de Fck para membraas (equação 4 da aula passada) mplca que a permeabldade de uma membraa a um soluto é dada pela razão

Leia mais

Cap. 5. Testes de Hipóteses

Cap. 5. Testes de Hipóteses Cap. 5. Testes de Hpóteses Neste capítulo será estudado o segudo problema da ferêca estatístca: o teste de hpóteses. Um teste de hpóteses cosste em verfcar, a partr das observações de uma amostra, se uma

Leia mais

Construção e Análise de Gráficos

Construção e Análise de Gráficos Costrução e Aálse de Gráfcos Por que fazer gráfcos? Facldade de vsualzação de cojutos de dados Faclta a terpretação de dados Exemplos: Egehara Físca Ecooma Bologa Estatístca Y(udade y) 5 15 1 5 Tabela

Leia mais

Computação das Medidas de Tendência Central e Dispersão Intervalares em Java

Computação das Medidas de Tendência Central e Dispersão Intervalares em Java V ERMAC-R o Ecotro Regoal de Matemátca Aplcada e Computacoal 9- de outubro de 00 Uersdade Potguar Natal/RN Computação das Meddas de Tedêca Cetral e Dspersão Iteralares em Jaa Laís M. Nees, Elaqum L. S.

Leia mais

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados 3.1. Meddas de Tedêca Cetral CAPÍTULO 3 MEDIDA DE TENDÊNCIA CENTRAL E VARIABILIDADE UFRG 1 Há váras meddas de tedêca cetral. Etre elas ctamos a méda artmétca, a medaa, a méda harmôca, etc. Cada uma dessas

Leia mais

Estatística - exestatmeddisper.doc 25/02/09

Estatística - exestatmeddisper.doc 25/02/09 Estatístca - exestatmeddsper.doc 5/0/09 Meddas de Dspersão Itrodução ão meddas estatístcas utlzadas para avalar o grau de varabldade, ou dspersão, dos valores em toro da méda. ervem para medr a represetatvdade

Leia mais

5 Critérios para Análise dos Resultados

5 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 mais

6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS

6.1 - 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

Momento Linear duma partícula

Momento Linear duma partícula umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - Mometo lear de uma partícula e de um sstema de partículas. - Le fudametal da dâmca para um sstema de partículas. - Impulso

Leia mais

AULA Produto interno em espaços vectoriais reais ou complexos Produto Interno. Norma. Distância.

AULA 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 mais

Confiabilidade Estrutural

Confiabilidade Estrutural Professor Uversdade de Brasíla Departameto de Egehara Mecâca Programa de Pós graduação em Itegrdade Estrutural Algortmo para a Estmatva do Idce de Cofabldade de Hasofer-Ld Cofabldade Estrutural Jorge Luz

Leia mais

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística BAC 0 - Estatístca Uversdade Federal de Itajubá - Campus Itabra BAC0 - ESTATÍSTICA ESTATÍSTICA DESCRITIVA MEDIDAS DE CENTRO Méda Medda de cetro ecotrada pela somatóra de todos os valores de um cojuto,

Leia mais

7 Análise de covariância (ANCOVA)

7 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 mais

ANÁLISE MATRICIAL DE ESTRUTURAS: APLICADA A MODELOS LINEARES

ANÁLISE MATRICIAL DE ESTRUTURAS: APLICADA A MODELOS LINEARES ANÁLISE MATRICIAL E ESTRUTURAS: APLICAA A MOELOS LINEARES Luz erado Martha Potfíca Uversdade Católca do Ro de Jaero PUC-Ro epartameto de Egehara Cvl Rua Marquês de São Vcete - Gávea CEP - Ro de Jaero RJ

Leia mais

Forma padrão do modelo de Programação Linear

Forma 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 mais

Sumário. Mecânica. Sistemas de partículas

Sumário. Mecânica. Sistemas de partículas umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - stemas de partículas e corpo rígdo. - Cetro de massa. - Como determar o cetro de massa dum sstema de partículas. - Vetor

Leia mais

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12 MEDIDAS DE POSIÇÃO: São meddas que possbltam represetar resumdamete um cojuto de dados relatvos à observação de um determado feômeo, pos oretam quato à posção da dstrbução o exo dos, permtdo a comparação

Leia mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental.

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental. 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 mais

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL Faculdade de Tecologa de Cataduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL 5. Meddas de Posção cetral ou Meddas de Tedêca Cetral Meddas de posção cetral preocupam-se com a caracterzação e a

Leia mais

Econometria: 3 - Regressão Múltipla

Econometria: 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 mais

Centro de massa, momento linear de sistemas de partículas e colisões

Centro de massa, momento linear de sistemas de partículas e colisões Cetro de massa, mometo lear de sstemas de partículas e colsões Prof. Luís C. Pera stemas de partículas No estudo que temos vdo a fazer tratámos os objectos, como, por exemplo, blocos de madera, automóves,

Leia mais

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1.

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1. Iterpolação Iterpolação é um método que permte costrur um ovo cojuto de dados a partr de um cojuto dscreto de dados potuas cohecdos. Em egehara e cêcas, dspõese habtualmete de dados potuas, obtdos a partr

Leia mais

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS ANÁLISE DE ERROS A oservação de um feómeo físco ão é completa se ão pudermos quatfcá-lo. Para é sso é ecessáro medr uma propredade físca. O processo de medda cosste em atrur um úmero a uma propredade físca;

Leia mais

MAE0229 Introdução à Probabilidade e Estatística II

MAE0229 Introdução à Probabilidade e Estatística II Exercíco Cosdere a dstrbução expoecal com fução de desdade de probabldade dada por f (y; λ) = λe λy, em que y, λ > 0 e E(Y) = /λ Supor que o parâmetro λ pode ser expresso proporcoalmete aos valores de

Leia mais

? Isso é, d i= ( x i. . Percebeu que

? Isso é, d i= ( x i. . Percebeu que Estatístca - Desvo Padrão e Varâca Preparado pelo Prof. Atoo Sales,00 Supoha que tehamos acompahado as otas de quatro aluos, com méda 6,0. Aluo A: 4,0; 6,0; 8,0; méda 6,0 Aluo B:,0; 8,0; 8,0; méda 6,0

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual Estatístca: Aplcação ao Sesorameto Remoto SER 04 - ANO 08 Estmação Potual Camlo Daleles Reó camlo@dp.pe.br http://www.dp.pe.br/~camlo/estatstca/ Iferêca Estatístca Cosdere o expermeto: retram-se 3 bolas

Leia mais

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População ESTATÍSTICA STICA DESCRITIVA Prof. Lorí Val, Dr. val@mat.ufrgs.br http://.ufrgs.br/~val/ Orgazação; Resumo; Apresetação. Cojuto de dados: Amostra ou População Um cojuto de dados é resumdo de acordo com

Leia mais

MA12 - Unidade 4 Somatórios e Binômio de Newton Semana de 11/04 a 17/04

MA12 - Unidade 4 Somatórios e Binômio de Newton Semana de 11/04 a 17/04 MA1 - Udade 4 Somatóros e Bômo de Newto Semaa de 11/04 a 17/04 Nesta udade troduzremos a otação de somatóro, mostrado como a sua mapulação pode sstematzar e facltar o cálculo de somas Dada a mportâca de

Leia mais

Métodos iterativos. Capítulo O Método de Jacobi

Métodos 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 mais

Algoritmo Evolução Diferencial Adaptado para o Problema das P-Medianas

Algoritmo Evolução Diferencial Adaptado para o Problema das P-Medianas Proceedg Seres of the Brazla Socety of Appled ad Computatoal Mathematcs, Vol. 2, N., 204. Trabalho apresetado o CMAC-Sul, Curtba-PR, 204. Algortmo Evolução Dferecal Adaptado para o Problema das P-Medaas

Leia mais

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA

REGRESSÃO LINEAR 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 mais

MÉTODO DOS MÍNIMOS QUADRADOS

MÉTODO DOS MÍNIMOS QUADRADOS MÉTODO DOS MÍNIMOS QUADRADOS I - INTRODUÇÃO O processo de medda costtu uma parte essecal a metodologa cetífca e também é fudametal para o desevolvmeto e aplcação da própra cêca. No decorrer do seu curso

Leia mais

Revisão de Estatística X = X n

Revisão de Estatística X = X n Revsão de Estatístca MÉDIA É medda de tedêca cetral mas comumete usada ara descrever resumdamete uma dstrbução de freqüêca. MÉDIA ARIMÉTICA SIMPLES São utlzados os valores do cojuto com esos guas. + +...

Leia mais

Distribuições de Probabilidades

Distribuições de Probabilidades Estatístca - aulasestdstrnormal.doc 0/05/06 Dstrbuções de Probabldades Estudamos aterormete as dstrbuções de freqüêcas de amostras. Estudaremos, agora, as dstrbuções de probabldades de populações. A dstrbução

Leia mais

Introdução à Teoria dos Números Notas 1 Os Princípios da Boa Ordem e de Indução Finita Prof Carlos Alberto S Soares

Introdução à Teoria dos Números Notas 1 Os Princípios da Boa Ordem e de Indução Finita Prof Carlos Alberto S Soares Itrodução à Teora dos Números 018 - Notas 1 Os Prcípos da Boa Ordem e de Idução Fta Prof Carlos Alberto S Soares 1 Prelmares Neste curso, prortaramete, estaremos trabalhado com úmeros teros mas, quado

Leia mais

Tabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f

Tabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f Lsta de exercícos Gabarto e chave de respostas Estatístca Prof.: Nelse 1) Calcule 1, e para o segute cojuto de valores. A,1,8,0,11,,7,8,6,,9, 1 O úmero que correspode a 5% do rol é o valor. O úmero que

Leia mais

Projeto de rede na cadeia de suprimentos

Projeto de rede na cadeia de suprimentos Projeto de rede a cadea de suprmetos Prof. Ph.D. Cláudo F. Rosso Egehara Logístca II Esboço O papel do projeto de rede a cadea de suprmetos Fatores que fluecam decsões de projeto de rede Modelo para decsões

Leia mais

Apostila de Introdução Aos Métodos Numéricos

Apostila de Introdução Aos Métodos Numéricos Apostla de Itrodução Aos Métodos Numércos PARTE III o Semestre - Pro a. Salete Souza de Olvera Buo Ídce INTERPOAÇÃO POINOMIA...3 INTRODUÇÃO...3 FORMA DE AGRANGE... 4 Iterpolação para potos (+) - ajuste

Leia mais

Ivan G. Peyré Tartaruga. 1 Metodologia espacial

Ivan G. Peyré Tartaruga. 1 Metodologia espacial RELATÓRIO DE PESQUISA 5 Procedmetos o software ArcGIS 9. para elaborar os mapas da Regão Metropoltaa de Porto Alegre RMPA com as elpses de dstrbução drecoal etre 99 e 000 Iva G. Peré Tartaruga Metodologa

Leia mais

Avaliação da qualidade do ajuste

Avaliação da qualidade do ajuste Avalação da qualdade do ajuste 1 Alguma termologa: Modelo ulo: é o modelo mas smples que pode ser defdo, cotedo um úco parâmetro ( µ) comum a todos os dados; Modelo saturado: é o modelo mas complexo a

Leia mais

Complexidade Computacional da Determinação da Correspondência entre Imagens

Complexidade Computacional da Determinação da Correspondência entre Imagens Complexdade Computacoal da Determação da Correspodêca etre Images Adraa Karlstroem Laboratóro de Sstemas Embarcados Departameto de Egehara Mecatrôca Escola Poltécca da Uversdade de São Paulo adraa.karlstroem@pol.usp.br

Leia mais

Atividades Práticas Supervisionadas (APS)

Atividades Práticas Supervisionadas (APS) Uversdade Tecológca Federal do Paraá Prof: Lauro Cesar Galvão Campus Curtba Departameto Acadêmco de Matemátca Cálculo Numérco Etrega: juto com a a parcal DATA DE ENTREGA: da da a PROVA (em sala de aula

Leia mais

Capítulo V - Interpolação Polinomial

Capítulo V - Interpolação Polinomial Métodos Numércos C Balsa & A Satos Capítulo V - Iterpolação Polomal Iterpolação Cosdere o segute couto de dados: x : x0 x x y : y y y 0 m m Estes podem resultar de uma sequêca de meddas expermetas, ode

Leia mais

3 Procedimento Experimental

3 Procedimento Experimental 3 Procedmeto Expermetal 3. Sstema de medção de vazão com extesômetro A Fg. 9 mostra o sstema de medção de vazão com extesômetro, o qual fo motado o laboratóro da PUC-Ro. este sstema, duas tubulações com,5

Leia mais

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo.

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo. Equlíbro e o Potecal de Nerst 5910187 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 11 Nesta aula, vamos utlzar a equação para o modelo de eletrodfusão o equlíbro obtda a aula passada para estudar o trasporte

Leia mais

Centro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola

Centro 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 mais

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento. Prof. Lorí Val, Dr. val@pucrs.r http://www.pucrs.r/famat/val/ Em mutas stuações duas ou mas varáves estão relacoadas e surge etão a ecessdade de determar a atureza deste relacoameto. A aálse de regressão

Leia mais

CAPÍTULO III - POLINÔMIOS DE JACOBI E QUADRATURA NUMÉRICA

CAPÍTULO III - POLINÔMIOS DE JACOBI E QUADRATURA NUMÉRICA Polômos de Jacob e CAPÍTULO III - POLINÔMIOS DE JACOBI E QUADRATURA NUMÉRICA III--)INTRODUÇÃO Para um melhor etedmeto do método da colocação ortogoal e sua relação com o método dos resíduos poderados (MRP),

Leia mais

Projeto e Análise de Algoritmos Recorrências. Prof. Humberto Brandão

Projeto e Análise de Algoritmos Recorrências. Prof. Humberto Brandão Projeto e Aálse de Algortmos Recorrêcas Prof. Humberto Bradão humberto@dcc.ufmg.br Uversdade Federal de Alfeas Laboratóro de Pesqusa e Desevolvmeto LP&D Isttuto de Cêcas Exatas ICEx versão da aula: 0.

Leia mais

x Ex: A tabela abaixo refere-se às notas finais de três turmas de estudantes. Calcular a média de cada turma:

x Ex: A tabela abaixo refere-se às notas finais de três turmas de estudantes. Calcular a média de cada turma: Professora Jaete Perera Amador 1 9 Meddas Descrtvas Vmos aterormete que um cojuto de dados pode ser resumdo através de uma dstrbução de freqüêcas, e que esta pode ser represetada através de uma tabela

Leia mais

Heurísticas e Heurísticas Construtivas

Heurísticas e Heurísticas Construtivas CORDENONSI, A.Z. Ambetes, Obetos e Dalogcdade: Uma Estratéga de Eso Superor em Heurístcas e Metaheurístcas. Tese de Doutorado: Programa de Pós-Graduação em Iformátca a Educação UFRGS, 2008. Heurístcas

Leia mais

( x) Método Implícito. No método implícito as diferenças são tomadas no tempo n+1 ao invés de tomá-las no tempo n, como no método explícito.

( x) Método Implícito. No método implícito as diferenças são tomadas no tempo n+1 ao invés de tomá-las no tempo n, como no método explícito. PMR 40 Mecâca Computacoal Método Implícto No método mplícto as dfereças são tomadas o tempo ao vés de tomá-las o tempo, como o método explícto. O método mplícto ão apreseta restrção em relação ao valor

Leia mais

Conceitos básicos de metrologia. Prof. Dr. Evandro Leonardo Silva Teixeira Faculdade UnB Gama

Conceitos básicos de metrologia. Prof. Dr. Evandro Leonardo Silva Teixeira Faculdade UnB Gama Prof. Dr. Evadro Leoardo Slva Teera Faculdade UB Gama Metrologa: Cêca que abrage os aspectos teórcos e prátcos relatvos a medção; Descreve os procedmetos e métodos para determar as certezas de medções;

Leia mais

Estudo dos efeitos da consideração de cargas dependentes da frequência no Modelo de Sensibilidade de Potência

Estudo dos efeitos da consideração de cargas dependentes da frequência no Modelo de Sensibilidade de Potência roceedg Seres of the Brazla Socety of ppled ad Computatoal Mathematcs Vol. 4 N. 6. Trabalho apresetado o INCON Natal - N 5. roceedg Seres of the Brazla Socety of Computatoal ad ppled Mathematcs studo dos

Leia mais

Sumário. Mecânica. Sistemas de partículas

Sumário. Mecânica. Sistemas de partículas Sumáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - Sstemas de partículas e corpo rígdo. - Cetro de massa. - Como determar o cetro de massa dum sstema de partículas. -

Leia mais

Momento Linear duma partícula

Momento Linear duma partícula umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - Mometo lear de uma partícula e de um sstema de partículas. - Le fudametal da dâmca para um sstema de partículas. - Impulso

Leia mais

Relatório 2ª Atividade Formativa UC ECS

Relatório 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 mais

MATEMÁTICA APLICADA AO PLANEJAMENTO DA PRODUÇÃO E LOGÍSTICA. Silvio A. de Araujo Socorro Rangel

MATEMÁTICA 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 mais

REGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi

REGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi REGESD Prolc Matemátca e Realdade- Profª Suz Samá Pto e Profº Alessadro da Slva Saad Meddas de Posção ou Tedêca Cetral As meddas de posção ou meddas de tedêca cetral dcam um valor que melhor represeta

Leia mais

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø.

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø. Professor Maurco Lutz 1 EGESSÃO LINEA SIMPLES A correlação lear é uma correlação etre duas varáves, cujo gráfco aproma-se de uma lha. O gráfco cartesao que represeta essa lha é deomado dagrama de dspersão.

Leia mais

Teoria Elementar da Probabilidade. a) Cada experiência poderá ser repetida indefinidamente sob condições essencialmente inalteradas.

Teoria Elementar da Probabilidade. a) Cada experiência poderá ser repetida indefinidamente sob condições essencialmente inalteradas. Estatístca 47 Estatístca 48 Teora Elemetar da Probabldade SPECTOS PERTINENTES À CRCTERIZÇÃO DE UM EXPERIÊNCI LETÓRI MODELOS MTEMÁTICOS DETERMINÍSTICOS PROBBILÍSTICOS PROCESSO (FENÓMENO) LETÓRIO - Quado

Leia mais

1. Revisão Matemática

1. Revisão Matemática 1. Revsão Matemátca Dervadas Seja a fução f : R R, fxe x R, e cosdere a expressão : f ( x+ αe ) lmα 0 α f, ode e é o vector utáro. Se o lmte acma exstr, chama-se a dervada parcal de f o poto x e é represetado

Leia mais

2. MODELO DETALHADO: Relações de Recorrência. Exemplo: Algoritmo Recursivo para Cálculo do Fatorial Substituição Repetida

2. 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 mais

XLVI Pesquisa Operacional na Gestão da Segurança Pública

XLVI Pesquisa Operacional na Gestão da Segurança Pública XLVI Pesqusa Operacoal a Gestão da Seguraça Públca DISPOSIÇÃO DE FACILIDADES EM FILA DUPLA VIA PROGRAMAÇÃO INTEIRA MISTA Leoardo D. Secch Departameto de Matemátca Aplcada, UFES, 29932-540, São Mateus,

Leia mais

Estudo dos Harmônicos e Inter-harmônicos Relacionados ao Gerador de Indução Duplamente Excitado

Estudo dos Harmônicos e Inter-harmônicos Relacionados ao Gerador de Indução Duplamente Excitado Estudo dos Harmôcos e ter-harmôcos Relacoados ao Gerador de dução Duplamete Exctado Slas Yughwa Lu (PPGEE/Uersdade Federal de Mas Geras), Leoardo Tamerão Ferrera Soares (Uersdade Federal de Mas Geras)

Leia mais

50 Logo, Número de erros de impressão

50 Logo, Número de erros de impressão Capítulo 3 Problema. (a) Sedo o úmero médo de erros por pága, tem-se: 5 + + 3 + 3 + 4 33,66 5 5 Represetado o úmero medao de erros por md, tem-se, pela ordeação dos valores observados, que os valores de

Leia mais

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo.

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo. 5910187 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 6 Equlíbro e o Potecal de Nerst Nesta aula, vamos utlzar a equação para o modelo de eletrodfusão o equlíbro obtda a aula passada para estudar o trasporte

Leia mais

2 Avaliação da segurança dinâmica de sistemas de energia elétrica: Teoria

2 Avaliação da segurança dinâmica de sistemas de energia elétrica: Teoria Avalação da seguraça dâmca de sstemas de eerga elétrca: Teora. Itrodução A avalação da seguraça dâmca é realzada através de estudos de establdade trastóra. Nesses estudos, aalsa-se o comportameto dos geradores

Leia mais

A PROGRAMAÇÃO LINEAR FUZZY EM PROBLEMAS DE MISTURA

A 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 mais

9 Medidas Descritivas

9 Medidas Descritivas 1 9 Meddas Descrtvas Vmos aterormete que um cojuto de dados pode ser resumdo através de uma dstrbução de freqüêcas, e que esta pode ser represetada através de uma tabela ou de um gráfco. Se o cojuto refere-se

Leia mais

A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: enchentes

A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: enchentes Mostra Nacoal de Icação Cetífca e Tecológca Iterdscplar VI MICTI Isttuto Federal Catarese Câmpus Camború 30 a 3 de outubro de 03 A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: echetes Ester Hasse

Leia mais

RESUMO E EXERCÍCIOS NÚMEROS COMPLEXOS ( )

RESUMO E EXERCÍCIOS NÚMEROS COMPLEXOS ( ) NÚMEROS COMPLEXOS Forma algébrca e geométrca Um úmero complexo é um úmero da forma a + b, com a e b reas e = 1 (ou, = -1), chamaremos: a parte real; b parte magára; e udade magára. Fxado um sstema de coordeadas

Leia mais

(1) no domínio : 0 x < 1, : constante não negativa. Sujeita às condições de contorno: (2-a) (2-b) CC2: 0

(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 mais

4 Métodos Sem Malha Princípio Básico dos Métodos Sem Malha

4 Métodos Sem Malha Princípio Básico dos Métodos Sem Malha 4 Métodos Sem Malha Segudo Lu (9), os métodos sem malha trabalham com um cojuto de ós dstrbuídos detro de um domío, assm como com cojutos de ós dstrbuídos sobre suas froteras para represetar, sem dscretzar,

Leia mais

Capítulo 5 CINEMÁTICA DIRETA DE ROBÔS MANIPULADORES

Capítulo 5 CINEMÁTICA DIRETA DE ROBÔS MANIPULADORES Cemátca da Posção de Robôs Mapuladores Capítulo 5 CINEMÁTICA DIRETA DE ROBÔS MANIPULADORES A cemátca de um robô mapulador é o estudo da posção e da velocdade do seu efetuador e dos seus lgametos. Quado

Leia mais

AULA Os 4 espaços fundamentais Complemento ortogonal.

AULA Os 4 espaços fundamentais Complemento ortogonal. 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 mais

Macroeconometria Aula 3 Revisão de estatística e teste de hipótese

Macroeconometria Aula 3 Revisão de estatística e teste de hipótese Macroecoometra 008. Aula 3 Revsão de estatístca e teste de hpótese 3.5. Estmação No estudo das probabldades, o objetvo é calcular a probabldade de evetos préespecfcados. De agora em date o objetvo muda.

Leia mais

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples.

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples. Estudo das relações etre peso e altura de estudates de estatístca através da aálse de regressão smples. Waessa Luaa de Brto COSTA 1, Adraa de Souza COSTA 1. Tago Almeda de OLIVEIRA 1 1 Departameto de Estatístca,

Leia mais

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão Estatístca Descrtva Meddas estatístcas: Localzação, Dspersão Meddas estatístcas Localzação Dspersão Meddas estatístcas - localzação Méda artmétca Dados ão agrupados x x Dados dscretos agrupados x f r x

Leia mais

16/03/2014. IV. Juros: taxa efetiva, equivalente e proporcional. IV.1 Taxa efetiva. IV.2 Taxas proporcionais. Definição:

16/03/2014. IV. Juros: taxa efetiva, equivalente e proporcional. IV.1 Taxa efetiva. IV.2 Taxas proporcionais. Definição: 6// IV. Juros: taxa efetva, equvalete e proporcoal Matemátca Facera Aplcada ao Mercado Facero e de Captas Professor Roaldo Távora IV. Taxa efetva Defção: É a taxa de juros em que a udade referecal de seu

Leia mais

3 Fundamentação Teórica

3 Fundamentação Teórica 3 Fudametação Teórca A segur são apresetados os fudametos teórcos os quas é embasado o desevolvmeto do trabalho. 3.. Espectros de Resposta De acordo com Sampao [3], é descrta a resposta máxma de um osclador

Leia mais

ANÁLISE DE REGRESSÃO E CORRELAÇÃO

ANÁLISE DE REGRESSÃO E CORRELAÇÃO ANÁLISE DE REGRESSÃO E CORRELAÇÃO Quado se cosderam oservações de ou mas varáves surge um poto ovo: O estudo das relações porvetura estetes etre as varáves. A aálse de regressão e correlação compreedem

Leia mais

ESTATÍSTICA APLICADA À ZOOTECNIA

ESTATÍSTICA APLICADA À ZOOTECNIA ESTATÍSTICA APLICADA À ZOOTECNIA Eucldes Braga MALHEIROS *. INTRODUÇÃO.a) Somatóras e Produtóros Sejam,, 3,...,, valores umércos. A soma desses valores (somatóra) pode ser represetada por: = = = =. e o

Leia mais

Prof. Eugênio Carlos Stieler

Prof. Eugênio Carlos Stieler UNEMAT Uversdade do Estado de Mato Grosso Matemátca Facera http://www2.uemat.br/eugeo SÉRIE DE PAGAMENTOS 1. NOÇÕES SOBRE FLUXO DE CAIXA Prof. Eugêo Carlos Steler Estudar sem racocar é trabalho perddo

Leia mais

Aula 9. Aula de hoje. Aula passada. Self-normalized Importance Sampling Gerando amostras complicadas Variância amostral Simulação

Aula 9. Aula de hoje. Aula passada. Self-normalized Importance Sampling Gerando amostras complicadas Variância amostral Simulação Aula 9 Aula passada Método da rejeção (rejecto samplg) Exemplos Importace Samplg Exemplos Geeralzação Aula de hoje Self-ormalzed Importace Samplg Gerado amostras complcadas Varâca amostral Smulação Importace

Leia mais

MEDIDAS DE DISPERSÃO 9. MEDIDAS DE DISPERSÃO

MEDIDAS DE DISPERSÃO 9. MEDIDAS DE DISPERSÃO Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, Medca Veterára, Muscoterapa, Odotologa, Pscologa MEDIDAS DE DISPERSÃO 9 9. MEDIDAS DE DISPERSÃO

Leia mais

CADERNO 1 (É permitido o uso de calculadora gráfica.)

CADERNO 1 (É permitido o uso de calculadora gráfica.) Proposta de teste de avalação [mao 09] Nome: Ao / Turma: N.º: Data: - - Não é permtdo o uso de corretor. Deves rscar aqulo que pretedes que ão seja classfcado. A prova clu um formuláro. As cotações dos

Leia mais

Avaliação de Empresas Profa. Patricia Maria Bortolon

Avaliação de Empresas Profa. Patricia Maria Bortolon Avalação de Empresas MODELO DE DIVIDENDOS Dvdedos em um estáo DDM Dscouted Dvded Model Muto utlzados a precfcação de uma ação em que o poto de vsta do vestdor é extero à empresa e eralmete esse vestdor

Leia mais

d s F = m dt Trabalho Trabalho

d s F = m dt Trabalho Trabalho UNIVERSIDADE DO ESTADO DE MATO GROSSO CAMPUS UNIVERSITÁRIO DE SINOP FACULDADE DE CIÊNCIAS EXATAS E TECNOLÓGICAS CURSO DE ENGENHARIA CIVIL DISCIPLINA: CÁLCULO DIFERENCIAL E INTEGRAL I Trabalho 1. Itrodução

Leia mais

Problema geral de interpolação

Problema geral de interpolação Problema geral de terpolação Ecotrar p() que verfque as codções: f j ( ) y,,,,,, j,,, m ( j) ( ) dervada de ordem j ós valores odas Eemplo: ecotrar p() que verfque:, f () 4 3, f( 3) 3, f'(3) 4 3 p() 3

Leia mais

(c) Para essa nova condição de operação, esboce o gráfico da variação da corrente no tempo.

(c) Para essa nova condição de operação, esboce o gráfico da variação da corrente no tempo. CONVERSÃO ELETROMECÂNICA DE ENERGIA Lsta de exercícos sobre crcutos magétcos Questão A fgura 1(a mostra um acoador projetado para produzr força magétca. O mesmo possu um úcleo em forma de um C e uma armadura

Leia mais

Reconhecimento de Padrões. Reconhecimento de Padrões

Reconhecimento de Padrões. Reconhecimento de Padrões Recohecmeto de Padrões 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 Escola Superor de Tecologa Egehara Iformátca Recohecmeto de Padrões Prof. João Asceso e Prof. Aa Fred Sumáro:

Leia mais

4 Técnicas de Seleção de Características Independentes do Modelo para os Sistemas Neuro-Fuzzy Hierárquicos

4 Técnicas de Seleção de Características Independentes do Modelo para os Sistemas Neuro-Fuzzy Hierárquicos 4 éccas de Seleção de Característcas Idepedetes do Modelo para os Sstemas Neuro-Fuzzy Herárqucos 4. Itrodução Na maora das aplcações reas de classfcação, prevsão e otmzação, as bases de dados cotém um

Leia mais

DISTRIBUIÇÃO HIPERGEOMÉTRICA

DISTRIBUIÇÃO 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 mais

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados

Capítulo 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 mais