6. Modelos baseados em dados
|
|
- Martim Caiado Veiga
- 5 Há anos
- Visualizações:
Transcrição
1 Modelação e Simulação 6.Modelos baseados em dados 6. Modelos baseados em dados Objectivo: Após completar este módulo, o aluno deverá ser capaz de formular e resolver problemas simples de estimação de parâmetros com base no método dos mínimos quadrados. Referência: Ljung e Glad.
2 Modelação e Simulação 6.Modelos baseados em dados Ajuste de uma recta a dados experimentais Uma situação experimental: Pretende-se relacionar a corrente I com a tensão V no circuito da figura. Para tal são aplicados diversos valores de tensão à resistência e registados os dados Tensão [volt] Corrente [ma] V= I=. V= I=3.9 V3=3 I3=6. V4=4 I4=7.9 I + V g=? -
3 Modelação e Simulação 6.Modelos baseados em dados 3 Sob certas condições, a relação teórica (o modelo) existente entre a tensão V aplicada à resistência e a corrente I é: I = gv em que g é um parâmetro que se pretende estimar a partir dos dados. Devido aos erros experimentais, os pontos experimentais não se encontram exactamente sobre a recta I = gv mas têm desvios. Como decidir qual a recta melhor ajustada? I [ma] V [volt]
4 Modelação e Simulação 6.Modelos baseados em dados 4 De acordo com o Princípio dos Mínimos Quadrados é escolhida a recta que minimiza a soma dos quadrados dos desvios. De acordo com este princípio, a estimativa de g é tal que minimiza ( ) ( 39 ) ( 6 3) ( 79 4) J( g) =. g +. g +. g +. g O que efectivamente observamos O que esperamos que seja a corrente quando a tensão é (Depende da estimativa de g)
5 Modelação e Simulação 6.Modelos baseados em dados 5 "custo" J ( g) associado ao critério de mínimos quadrados J(g) g^ g
6 Modelação e Simulação 6.Modelos baseados em dados 6 Como J ( g) é uma função quadrática de g, a estimativa de mínimos quadrados verifica a equação dj = 0 dg g= g $ ou seja (. g$ ) (. g$ ) (. g$ ) (. g$ ) = 0 Esta equação simplifica-se para 60g$ 0. = 0 sendo a estimativa de mínimos quadrados dada por g $ = 00.
7 Modelação e Simulação 6.Modelos baseados em dados 7 Ajuste de uma recta a dados experimentais (Caso geral) Suponhamos que a relação teórica entre duas grandezas X e Y é do tipo Y = α X em que α é um parâmetro desconhecido que se pretende estimar. Repare-se que, conhecendo uma estimativa de α podemos responder a perguntas do tipo "Se X valer quanto se espera que valha Y? "
8 Modelação e Simulação 6.Modelos baseados em dados 8 Suponhamos que são observados n pares ( i i) outros tantos ensaios experimentais. Dispõe-se da tabela X X, Y, i =, K, ncorrespondentes a Y X Y X Y X 3 Y 3 X 4 Y 4 X 5 Y 5
9 Modelação e Simulação 6.Modelos baseados em dados 9 Pretende-se estimar a recta melhor ajustada aos dados experimentais, de acordo com o critério de mínimos quadrados. De acordo com esta critério, a estimativa é tal que minimiza a soma dos quadrados dos desvios: Desvio i Yi n i= ( α ) J( α) = Y X i i I [m A] O que efectivamente observamos O que estamos à espera que seja Y i V [volt] Xi
10 Modelação e Simulação 6.Modelos baseados em dados 0 A estimativa de mínimos quadrados verifica a equação (eq. "normal"): ou seja dj = 0 dα α= $ α n Xi( Yi $ αxi) = i= 0 esta equação tem por solução n i= $α = n i= XY i X i i
11 Modelação e Simulação 6.Modelos baseados em dados Mínimo ou não? A condição dj = 0 dα α= $ α não garante necessariamente que J( α ) seja mínimo para α = $ α. É necessário impor uma condição na segunda derivada: n d J X i dα = > i= 0 este exemplo, esta condição é verificada se for feita pelo menos uma medida com X 0 (o que tem uma interpretação geométrica imediata). Veremos a seguir que se estimarmos mais do que um parâmetro a segunda derivada deixa de ser um escalar. A condição de mínimo é então a de que os dados sejam tais que a matriz de segundas derivadas seja definida positiva.
12 Modelação e Simulação 6.Modelos baseados em dados Bom, ou apenas óptimo? A estimativa de mínimos quadrados é "óptima" no sentido em que minimiza um funcional de custo. o entanto, o funcional de custo pode não ser o mais adequado. Como caricatura, pode dizer-se que os bons relógios são os que estão parados pois dão horas absolutamente certas duas vezes por dia. Um outro exemplo é o de um caçador que vê dois pombos. Se disparar para o ponto que minimiza a distância média quadrática aos dois pombos Isto sugere que por vezes são necessários outros critérios.
13 Modelação e Simulação 6.Modelos baseados em dados 3 Outros critérios de Estimação Ops exemplos anterios sugerem a utilidade de utilizar critérios que ultrapassem as limitações dos Mínimos Quadrados. Um dos mais utilizados em Estimação é o critério de Máxima Verosimilhança. o entanto, quando a motivação é o Controlo Adaptativo, os Mínimos Quadrados gozam (quando integrados num sistema de controlo em cadeia fechada) de propriedades que os tornam suficientes para muitas aplicações. São além disso simples e de convergência robusta.
14 Modelação e Simulação 6.Modelos baseados em dados 4 Carl Frederich Gauss ( ) utilizou pela primeira vez o critério de mínimos quadrados para a estimação de parâmetros em equações. Em 80, o astronomo italiano Piazzi observou pela primeira vez um pequeno planeta denominado Ceres. Infelizmente, a duração das observações era muito curta devido a Ceres se ser escondido atrás do Sol, pelo que estas eram insuficientes para estimar os parâmetros da sua órbita pelos métodos tradicionais. Recorrendo ao critértio dos mínimos quadrados, Gauss efectuou uma estimativa (bastante diferente das obtidas pelos métodos clássicos) que foi brilhantemente confirmada pelas observações experimentais.
15 Modelação e Simulação 6.Modelos baseados em dados 5 Qual a estimativa de mínimos quadrados da aceleração da gravidade g? 0 Modelo: h g t = + e t [s] h [m] h(t)
16 Modelação e Simulação 6.Modelos baseados em dados 6 Estimação de parâmetros em equações de diferenças Modelo: yt ( ) + ayt ( ) + K+ ayt ( n) = but ( ) + K + but ( m ) n 0 Problema: A partir das amostras de u e y, estimar os parâmetros ai, b m j u Sistema a Identificar y ESTIMADOR
17 Modelação e Simulação 6.Modelos baseados em dados 7 Exemplo Considere-se o sistema Dados recolhidos y ( k + ) = ay( k) + bu( k) + e( k + ) 000 k = y ( k) = k = u ( k) = yk ( + ) yk ( ) = k = 000 yk ( + ) uk ( ) = 36 k = ykuk ( ) ( ) = 0 Determinar as estimativas de mínimos quadrados dos parâmetros a e b Escrever a funcional de mínimos quadrados Calcular as derivadas parciais em ordem aos parâmetros e igualar a zero 000 k =
18 Modelação e Simulação 6.Modelos baseados em dados 8 J = y k + ay k bu k k = [ ( ) ( ) ( )] J a [ ] = yk ( ) yk ( + ) ayk ( ) buk ( ) = 0 k = J b [ ] = uk ( ) yk ( + ) ayk ( ) buk ( ) = 0 k = + = + 30 a$ + 0 b$ = a$ y( k) b$ ykuk ( ) ( ) yk ( ) yk ( ) k = k = k = $ ( ) ( ) $ a u k y k + b u ( k) = u( k) y( k + ) k = k = k = a$ = 0. 6 b$ = a$ + 50b$ = 36
19 Modelação e Simulação 6.Modelos baseados em dados 9 otação matricial Se quisermos resolver o problema de estimação para um número arbitrário de parâmetros temos de usar a notação matricial. yt ( ) + ayt ( ) + K+ ayt ( n) = but ( ) + K + but ( m) + et ( ) n 0 Define-se o regressor,ϕ,como [ K ] ϕ ( t ) = y( t ) y( t n) u( t ) u( t m) e o vector de parâmetros a estimar, θ,como θ a a b b = [ K n K m] m O modelo escreve-se: y( t) = ϕ ( t ) θ + e( t)
20 Modelação e Simulação 6.Modelos baseados em dados 0 Critério de Mínimos Quadrados Dadas observações, estimar o vector de parâmetros θ o por um vector $ θ por forma a que o funcional seguinte seja mínimo: J ( θ) = ( ) ( ) t = [ yt θ ϕ t ]
21 Modelação e Simulação 6.Modelos baseados em dados ( ) () ( ) y y y e e e () ( ) ( ) () ( ) ( ) 0 M M M = + ϕ θ ϕ θ ϕ θ ( ) () ( ) y y y e e e () ( ) ( ) () ( ) ( ) 0 M M M = + ϕ ϕ ϕ θ
22 Modelação e Simulação 6.Modelos baseados em dados [ ] ( 0) () y() ϕ e() y( ) e( ) = ϕ θ + M M M y ( ) ϕ ( ) e ( ) y Φ[ n ] p ε[ ] [ n ] p O conjunto das observações satisfaz: y = Φθ + ε
23 Modelação e Simulação 6.Modelos baseados em dados 3 Funcional de mínimos quadrados escrito matricialmente: Como: Vem: θ ε = = ε ε J( ) ε = y Φ $ θ y y J( θ ) = ( θ Φ )( Φ θ ) yy y J( θ ) = ( Φ θ + θ Φ Φ θ ) O funcional de mínimos quadrados é uma forma quadrática em θ
24 Modelação e Simulação 6.Modelos baseados em dados 4 A estimativa $ θ de mínimos quadrados satisfaz Gradiente da forma quadrática ( θ) J $ = 0 θ θ= θ ( ) xax = xa x Recordando: vem yy y J( θ ) = ( Φ θ + θ Φ Φ θ ) θ J = + ( y Φ θ Φ Φ)
25 Modelação e Simulação 6.Modelos baseados em dados 5 A estimativa de mínimos quadrados satisfaz pois a equação ou seja θ J = + ( y Φ θ Φ Φ) $ θ ΦΦ = y Φ ou, transpondo ΦΦ θ$ = Φ y
26 Modelação e Simulação 6.Modelos baseados em dados 6 Equação ormal Em conclusão, a estimativa de mínimos quadrados do vector de parâmetros θ do modelo de regressão linear y( t) = ϕ ( t ) θ + e( t) satisfaz a equação matricial (dita equação normal) ΦΦ $ θ = Φ y Se existir a inversa de Φ Φ a estimativa de mínimos quadrados existe e é única, sendo dada por $ θ = Φ ( ΦΦ) y
3 Identificação Recursiva.
1 3 Identificação Recursiva. Objectivo: Introdução às técnicas de identificação Recursiva com Aplicação no Controlo Adaptativo: O Método dos Mínimos Quadrados. Limitações. Referência: AW cap. 13 2 Ajuste
Leia maisDefine-se o regressor,ϕ,como. e o vector de parâmetros a estimar, θ,como. O modelo escreve-se:
22 Mínimos Quadrados - Notação matricial Se quisermos resolver o problema de estimação para um número arbitrário de parâmetros temos de usar a notação matricial. Define-se o regressor,,como [ ] e o vector
Leia maisAPROXIMAÇÃO DE FUNÇÕES MÉTODO DOS MÍNIMOS QUADRADOS
MÉTODO DOS MÍNIMOS QUADRADOS INTRODUÇÃO Frequentemente é possível estabelecer uma relação linear entre duas grandezas medidas experimentalmente. O método dos mínimos quadrados é uma maneira de se obter
Leia maisMétodo dos Mínimos Quadrados na Identificação de Sistemas LIT.
Método dos Mínimos Quadrados na Identificação de Sistemas LIT. ENGC65: Sistemas de Controle III Departamento de Engenharia Elétrica - DEE Universidade Federal da Bahia - UFBA 14 de abril de 2014 Sumário
Leia maisControlo Em Espaço de Estados. Trabalho de Laboratório nº 3
Mestrado em Engenharia Electrotécnica e de Computadores Controlo Em Espaço de Estados 2008/09 Trabalho de Laboratório nº 3 Controlo Adaptativo do Nível de um Tanque J. Miranda Lemos e Alexandre Bernardino
Leia maisp( y θ ) depende de um parâmetro desconhecido θ.
55Modelação, Identificação e Controlo Digital 55 Método de Máxima Verosimilhança (Maximum Likelihood) Seja y uma variável aleatória (v. a.) cuja densidade de probabilidade p( y θ ) depende de um parâmetro
Leia maisMétodo dos Mínimos Quadrados
Licenciatura em Engenharia Electrotécnica e de Computadores Análise Numérica 1998/99 Método dos Mínimos Quadrados Objectivos: Estimação de valores pelo método dos mínimos quadrados. PROBLEMAS 1 Determine
Leia maisA equação horária do movimento de um corpo lançado para cima em um plano inclinado por um ângulo em relação à horizontal, a partir da origem, é
O Método dos Mínimos Quadrados Frequentemente, as leis físicas permitem prever o valor de uma grandeza y a partir de uma variável independente x. Um caso particular, mas bastante comum, é aquele em que
Leia mais2 - Modelos em Controlo por Computador
Controlo Óptimo e Adaptativo 2-Modelos em Controlo por Computador 2 - Modelos em Controlo por Computador Objectivo: Introduir a classe de modelos digitais que são empregues nesta disciplina para o projecto
Leia maisPREVISÃO. Prever o que irá. acontecer. boas decisões com impacto no futuro. Informação disponível. -quantitativa: dados.
PREVISÃO O problema: usar a informação disponível para tomar boas decisões com impacto no futuro Informação disponível -qualitativa Prever o que irá acontecer -quantitativa: dados t DEI/FCTUC/PGP/00 1
Leia maisAnálise de Regressão Linear Simples e
Análise de Regressão Linear Simples e Múltipla Carla Henriques Departamento de Matemática Escola Superior de Tecnologia de Viseu Introdução A análise de regressão estuda o relacionamento entre uma variável
Leia maisRegressão linear simples
Regressão linear simples Universidade Estadual de Santa Cruz Ivan Bezerra Allaman Introdução Foi visto na aula anterior que o coeficiente de correlação de Pearson é utilizado para mensurar o grau de associação
Leia maisTratamento Estatístico de Dados em Física Experimental
Tratamento Estatístico de Dados em Física Experimental Prof. Zwinglio Guimarães o semestre de 06 Tópico 7 - Ajuste de parâmetros de funções (Máxima Verossimilhança e Mínimos Quadrados) Método da máxima
Leia mais6. Predição Linear e Controlo de Variância Mínima
1 6. Predição Linear e Controlo de Variância Mínima Objectivo: Projectar controladores discretos lineares para sistemas com perturbações estocásticas. Preparação para o Controlo Adaptativo. Referência:
Leia maisMétodos Numéricos e Estatísticos Parte II-Métodos Estatísticos
Métodos Numéricos e Estatísticos Parte II-Métodos Estatísticos Lic. Eng. Biomédica e Bioengenharia-2009/2010 Modelos de regressão É usual estarmos interessados em estabelecer uma relação entre uma variável
Leia maisCapítulo 3 - Mínimos Quadrados Lineares
Capítulo 3 - Mínimos Quadrados Lineares Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança 2 o Ano - Eng. Civil, Química e Gestão Industrial Carlos
Leia maisINSTITUTO SUPERIOR TÉCNICO Mestrado Integrado em Engenharia Física Tecnológica Ano Lectivo: 2007/2008 Semestre: 1 o
INSTITUTO SUPERIOR TÉCNICO Mestrado Integrado em Engenharia Física Tecnológica Ano Lectivo: 27/28 Semestre: o MATEMÁTICA COMPUTACIONAL Exercícios [4 Sendo A M n (C) mostre que: (a) n A 2 A n A 2 ; (b)
Leia maisAnálise Multivariada Aplicada à Contabilidade
Mestrado e Doutorado em Controladoria e Contabilidade Análise Multivariada Aplicada à Contabilidade Prof. Dr. Marcelo Botelho da Costa Moraes www.marcelobotelho.com mbotelho@usp.br Turma: 2º / 2016 1 Agenda
Leia maisControlo por Computador. Primeiro Teste
MEEC, MAero Controlo por Computador 2014/2015 Primeiro Teste 5 de Novembro de 2014, 20 horas salas QA, Q01 Quotação: P1 a) 2 b) 2 c) 2; P2 a) 3, b) 1, c) 1, P3 4, P4 a) 1 b) 3 c) 1. Duração: 2 horas. Não
Leia maisAULA 8 - MQO em regressão múltipla:
AULA 8 - MQO em regressão múltipla: Definição, Estimação e Propriedades Algébricas Susan Schommer Econometria I - IE/UFRJ Regressão Múltipla: Definição e Derivação A partir de agora vamos alterar o nosso
Leia maisUtilização de Métodos de Cálculo Numérico em Aerodinâmica
Cálculo Numérico em Erro vs Incerteza - Um erro define-se como a diferença entre uma determinada solução e a verdade ou solução exacta. Tem um sinal e requer o conhecimento da solução exacta ou verdade
Leia maisMódulo 2: Métodos Numéricos. Splines
Módulo 2: Métodos Numéricos Interpolação Splines 1. Interpolação Estimativa de uma grandeza com base em valores conhecidos em torno do ponto de estimativa. Procedimento: 1 Determinar uma função (normalmente
Leia maisAnálise de dados em Geociências
Análise de dados em Geociências Modelação estatística Susana Barbosa Mestrado em Ciências Geofísicas 2014-2015 Resumo Modelação estatística Conceitos básicos de modelação estatística Modelação - identificação
Leia maisRalph S. Silva
ANÁLISE ESTATÍSTICA MULTIVARIADA Ralph S Silva http://wwwimufrjbr/ralph/multivariadahtml Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Revisão:
Leia maisMétodos Não Paramétricos
Modelação, Identificação e Controlo Digital Métodos Não Paramétricos 1 Métodos Não Paramétricos Estimação da resposta impulsiva e da resposta em frequência Análise espectral e métodos de correlação J.
Leia maisCapítulo 3 - Mínimos Quadrados Lineares
Capítulo 3 - Mínimos Quadrados Lineares Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança 2 o Ano - Eng. Civil e Electrotécnica Carlos Balsa Métodos
Leia maisFísica Geral (2012/2) Aula 9: Estimativas e erros em medidas indiretas: Ajuste de funções
Física Geral (2012/2) Aula 9: Estimativas e erros em medidas indiretas: Ajuste de funções 1 Medidas indiretas: Ajuste de funções Ajuste de funções y = f (x; a 1,a 2,...,a p ) Medidas de duas grandezas
Leia maisLaboratório de Física IV Profa Patricia Teles Sala 3006-A Aula1: Sobre o Curso e Método dos Mínimos Quadrados (regressão
Laboratório de Física IV Profa Patricia Teles Sala 3006-A Email: athenafma@gmail.com Aula1: Sobre o Curso e Método dos Mínimos Quadrados (regressão linear) Sobre o curso Link para informações e material
Leia maisFísica Geral - Laboratório. Estimativas e erros em medidas indiretas: Ajuste de funções
Física Geral - Laboratório Estimativas e erros em medidas indiretas: Ajuste de funções 1 Medidas indiretas: Ajuste de funções Ajuste de funções y = f (x; a 1,a 2,...,a p ) Medidas de duas grandezas x e
Leia maisMétodo dos Mínimos Quadrados
Universidade Federal da Paraíba Programa de Pós-Graduação em Engenharia Elétrica Método dos Mínimos Quadrados Prof. Juan Moises Mauricio Villanueva jmauricio@cear.ufpb.br www.cear.ufpb.br/juan 1 CASO 1:
Leia maisMétodos Não Paramétricos
Modelação, Identificação e Controlo Digital Métodos ão Paramétricos 1 Métodos ão Paramétricos Estimação da resposta impulsiva e da resposta em frequência Análise espectral e métodos de correlação J. Miranda
Leia maisUtilização de Métodos de Cálculo Numérico em Aerodinâmica
Erro Numérico: - Erro de arredondamento - Erro iterativo - Erro de discretização Três componentes do erro numérico têm comportamentos diferentes com o aumento do número de graus de liberdade (refinamento
Leia maisAulas práticas de Álgebra Linear
Ficha Matrizes e sistemas de equações lineares Aulas práticas de Álgebra Linear Mestrado Integrado em Engenharia Eletrotécnica e de Computadores o semestre 6/7 Jorge Almeida e Lina Oliveira Departamento
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.
Leia mais7. Controlo Adaptativo
1 7. Controlo Adaptativo Objectivo: Mostrar como é possível integrar os blocos anteriormente estudados de identificação de sistemas e projecto de controladores para obter controladores adaptativos. 2 Motivação
Leia mais-0LUDQGD/HPRV,67 3UREOHPDV0,&' 1. 0RGHODomR,GHQWLILFDomRH&RQWUROR'LJLWDO 3UREOHPDV -0LUDQGD/HPRV
-0LUDQGD/HPRV,67 3UREOHPDV0,&' 0RGHODomR,GHQWLILFDomRH&RQWUROR'LJLWDO 3UREOHPDV -0LUDQGD/HPRV Sugerem-se também os problemas dos capítulos correspondentes de Astrom e Wittenmark, &RPSXWHU&RQWUROOHG6\VWHPV.
Leia maisProf. MSc. David Roza José 1/26
1/26 Mínimos Quadrados Geral e Regressão Não Linear Objetivos: Implementar a regressão polinomial; Implementar regressão múltipla linear; Entender a formulação do modelo linear geral de mínimos quadrados;
Leia maisANÁLISE DE REGRESSÃO É O ESTUDO E OBTENÇÃO DE RELAÇÕES ENTRE VARIÁVEIS. PRETENDE-SE SABER QUAL A MELHOR ESTIMATIVA DOS PARÂMETROS DA REGRESSÃO
ANÁLISE DE REGRESSÃO É O ESTUDO E OBTENÇÃO DE RELAÇÕES ENTRE VARIÁVEIS. PRETENDE-SE SABER QUAL A MELHOR ESTIMATIVA DOS PARÂMETROS DA REGRESSÃO SIMPLES - QUANDO UMA VARIÁVEL Y (DEPENDENTE), É FUNÇÃO APENAS
Leia maisAnálise de regressão linear simples. Diagrama de dispersão
Introdução Análise de regressão linear simples Departamento de Matemática Escola Superior de Tecnologia de Viseu A análise de regressão estuda o relacionamento entre uma variável chamada a variável dependente
Leia maisd 2 e = d 1 dt =v * v 2
MODELAÇÃO E SIMULAÇÃO TESTE No. 2 TIPO V02 2016 MEEC IST QUESTÕES-TIPO PARA O TESTE N0. 2 PROBLEMA N0.1 Estabilidade de Sistemas Não Lineares (Teoria de Lyapunov) Pretende-se coordenar o movimento de dois
Leia maisProfessor João Soares 20 de Setembro de 2004
Teoria de Optimização (Mestrado em Matemática) Texto de Apoio 2A Universidade de Coimbra 57 páginas Professor João Soares 20 de Setembro de 2004 Optimização Linear Considere o problema (1) abaixo, que
Leia maisResumo. Filtragem Adaptativa. Filtros adaptativos. Tarefas desempenhadas pelos filtros
Resumo Filtragem Adaptativa Luís Caldas de Oliveira lco@istutlpt Instituto Superior Técnico Sistemas de filtragem adaptativa Conceitos de filtragem adaptativa Filtro de Wiener Algoritmo steepest descent
Leia maisProf. Dr. Marcone Augusto Leal de Oliveira UFJF CURSO INTRODUTÓRIO DE 12 HORAS OFERECIDO PARA A PÓS-GRADUAÇÃO DA UFABC EM NOVEMBRO DE 2017
Prof. Dr. Marcone Augusto Leal de Oliveira UFJF CURSO INTRODUTÓRIO DE 2 HORAS OFERECIDO PARA A PÓS-GRADUAÇÃO DA UFABC EM NOVEMBRO DE 207 SUMÁRIO - BREVE DESCRIÇÃO, FUNDAMENTOS, CONCEITOS, CARACTERÍSTICAS,
Leia maisθ depende de um parâmetro desconhecido θ.
73 Método de Máxima Verosimilhança (Maximum Likelihood) Seja uma variável aleatória (v. a.) cuja densidade de probabilidade depende de um parâmetro desconhecido. Admite-se conhecida a forma de Exemplo
Leia maisAula 2 Uma breve revisão sobre modelos lineares
Aula Uma breve revisão sobre modelos lineares Processo de ajuste de um modelo de regressão O ajuste de modelos de regressão tem como principais objetivos descrever relações entre variáveis, estimar e testar
Leia maisficha 1 matrizes e sistemas de equações lineares
Exercícios de Álgebra Linear ficha matrizes e sistemas de equações lineares Exercícios coligidos por Jorge Almeida e Lina Oliveira Departamento de Matemática, Instituto Superior Técnico 2 o semestre 2/2
Leia maisFaculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu
Programação Não Linear Aula 7: Programação Não-Linear - Funções de Várias variáveis Vector Gradiente; Matriz Hessiana; Conveidade de Funções e de Conjuntos; Condições óptimas de funções irrestritas; Método
Leia maisResolução de Sistemas Lineares. Ana Paula
Resolução de Sistemas Lineares Sumário 1 Introdução 2 Alguns Conceitos de Álgebra Linear 3 Sistemas Lineares 4 Métodos Computacionais 5 Sistemas Triangulares 6 Revisão Introdução Introdução Introdução
Leia maisIntrodução ao modelo de Regressão Linear
Introdução ao modelo de Regressão Linear Prof. Gilberto Rodrigues Liska 8 de Novembro de 2017 Material de Apoio e-mail: gilbertoliska@unipampa.edu.br Local: Sala dos professores (junto ao administrativo)
Leia maisFísica Geral - Laboratório. Aula 8: Estimativas e erros em medidas indiretas: Ajuste de funções
Física Geral - Laboratório Aula 8: Estimativas e erros em medidas indiretas: Ajuste de funções 1 Medidas indiretas: Ajuste de funções Ajuste de funções y = f (x; a 1,a 2,...,a p ) Medidas de duas grandezas
Leia maisDepartamento de Física da Faculdade de Ciências da Universidade de Lisboa T2 FÍSICA EXPERIMENTAL I /08 FORÇA GRAVÍTICA
Departamento de Física da Faculdade de Ciências da Universidade de Lisboa T2 FÍSICA EXPERIMENTAL I - 2007/08 1. Objectivo FORÇA GRAVÍTICA Comparar a precisão de diferentes processos de medida; Linearizar
Leia maisEstimativas e Erros. Propagação de erros e Ajuste de funções
Estimativas e Erros Propagação de erros e Ajuste de funções 1 Algumas referências Estimativas e Erros em Experimentos de Física - Vitor Oguri et al (EdUERJ) Fundamentos da Teoria de Erros - José Henrique
Leia maisAula 15. Derivadas Direcionais e Vetor Gradiente. Quando u = (1, 0) ou u = (0, 1), obtemos as derivadas parciais em relação a x ou y, respectivamente.
Aula 15 Derivadas Direcionais e Vetor Gradiente Seja f(x, y) uma função de variáveis. Iremos usar a notação D u f(x 0, y 0 ) para: Derivada direcional de f no ponto (x 0, y 0 ), na direção do vetor unitário
Leia maisModelação, Identificação e Controlo Digital 2003/04 Segundo Exame
Lic. Em Engª Electrotécnica e de Computadores Modelação, Identificação e Controlo Digital 003/04 Segundo Exame 4 de Fevereiro de 004, 9 horas - sala E5 Quotação: P-4, P-4, P3-4, P4-3, P5-3, P6-. P Considere
Leia maisSeja (X,Y) uma v.a. bidimensional contínua ou discreta. Define-se valor esperado condicionado de X para um dado Y igual a y da seguinte forma:
46 VALOR ESPERADO CONDICIONADO Seja (X,Y) uma v.a. bidimensional contínua ou discreta. Define-se valor esperado condicionado de X para um dado Y igual a y da seguinte forma: Variável contínua E + ( X Y
Leia maisDisciplina de Modelos Lineares Professora Ariane Ferreira
Disciplina de Modelos Lineares 2012-2 Regressão Logística Professora Ariane Ferreira O modelo de regressão logístico é semelhante ao modelo de regressão linear. No entanto, no modelo logístico a variável
Leia maisUFPB PRG X ENCONTRO DE INICIAÇÃO À DOCÊNCIA
4CCENDMMT0 MÉTODO DOS MÍNIMOS QUADRADOS Vivyane Coelho Caires (), Hélio Pires de Almeida (3) Centro de Ciências Exatas e da Natureza/Departamento de Matemática/MONITORIA Resumo: Geralmente aplicações de
Leia maisControlo por Computador
Controlo por Computador Controlo por Computador J. Miranda Lemos Professor Catedrático do IST 204 Controlo por Computador 2 Programa da disciplina:. Estrutura de um sistema de Controlo por Computador 2.
Leia maisUNIVERSIDADE FEDERAL DO ABC. 1 Existência e unicidade de zeros; Métodos da bissecção e falsa posição
UNIVERSIDADE FEDERAL DO ABC BC1419 Cálculo Numérico - LISTA 1 - Zeros de Funções (Profs. André Camargo, Feodor Pisnitchenko, Marijana Brtka, Rodrigo Fresneda) 1 Existência e unicidade de zeros; Métodos
Leia mais6 Ajuste de mínimos quadrados
6 Ajuste de mínimos quadrados polinomial No capítulo anterior estudamos como encontrar um polinômio de grau m que interpola um conjunto de n pontos {{x i, f i }} n Tipicamente quando m < n esse polinômio
Leia maisLista 1: sistemas de equações lineares; matrizes.
Lista : sistemas de equações lineares; matrizes. Obs. As observações que surgem no fim desta lista de exercícios devem ser lidas antes de resolvê-los. ) Identifique as equações que são lineares nas respectivas
Leia maisMODELAÇÃO E SIMULAÇÃO MEEC IST, TESTE N0.1 TIPO V02. Consider o sistema dinâmico descrito pela equação diferencial
MODELAÇÃO E SIMULAÇÃO - 2018 MEEC IST, TESTE N0.1 TIPO V02 Problema No.1 [5v] Análise de Sistemas Não Lineares Consider o sistema dinâmico descrito pela equação diferencial dx = x (x 1) +u (1) onde u é
Leia mais2 - f: R R: y = x 2 Classicação: Nem injetora, nem sobrejetora.
Apostila de Métodos Quantitativos - UERJ Professor: Pedro Hemsley Funções: f: X Y : Associa a cada elemento do conjunto X um único elemento do conjunto Y. Existem tres tipos especícos de funções: Sobrejetora,
Leia maisIdentificação por Métodos Não Paramétricos
Modelação, Identificação e Controlo Digital Métodos Não Paramétricos 1 Identificação por Métodos Não Paramétricos Estimação da resposta impulsiva e da resposta em frequência Análise espectral e métodos
Leia maisDerivadas direcionais Definição (Derivadas segundo um vector): f : Dom(f) R n R e P 0 int(dom(f)) então
Derivadas direcionais Definição (Derivadas segundo um vector): f : Dom(f) R n R e P 0 int(dom(f)) então Seja D v f(p 0 ) = lim λ 0 f(p 0 + λ v) f(p 0 ) λ v representa a derivada direcional de f segundo
Leia maisétodos uméricos AJUSTE DE FUNÇÕES Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
étodos uméricos AJUSTE DE FUNÇÕES Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA
Leia maisMétodo dos Mínimos Quadrados
Licenciatura em Engenharia Electrotécnica e de Computadores Análise Numérica 2004/2005 Método dos Mínimos Quadrados PROBLEMAS 1 Determine a aproximação dos mínimos quadrados aos pontos por: x 1 3 4 6 8
Leia maisProf. Dr. Lucas Barboza Sarno da Silva
Prof. Dr. Lucas Barboza Sarno da Silva Medidas de grandezas físicas Valor numérico e sua incerteza, unidades apropriadas Exemplos: - Velocidade (10,02 0,04) m/s - Tempo (2,003 0,001) µs - Temperatura (273,3
Leia maisExercícios de Matemática Computacional -Cap. 6 Interpolação e aproximação polinomial
Exercícios de Matemática Computacional -Cap. 6 Interpolação e aproximação polinomial.. Departamento de Matemática Universidade da Beira Interior Matemática Computacional - Capítulo 6 Questão 6.1 Questão
Leia maisUniversidade Federal do Paraná (UFPR) Bacharelado em Informática Biomédica. Regressão. David Menotti.
Universidade Federal do Paraná (UFPR) Bacharelado em Informática Biomédica Regressão David Menotti www.inf.ufpr.br/menotti/ci171-182 Hoje Regressão Linear ( e Múltipla ) Não-Linear ( Exponencial / Logística
Leia maisÁlgebra Linear. Curso: Engenharia Electrotécnica e de Computadores 1 ō ano/1 ō S 2006/07
Álgebra Linear Curso: Engenharia Electrotécnica e de Computadores ō ano/ ō S 6/7 a Lista: SISTEMAS DE EQUAÇÕES LINEARES E ÁLGEBRA DE MATRIZES Sistemas de equações lineares. Quais das seguintes equações
Leia maisficha 5 transformações lineares
Exercícios de Álgebra Linear ficha 5 transformações lineares Exercícios coligidos por Jorge Almeida e Lina Oliveira Departamento de Matemática, Instituto Superior Técnico 2 o semestre 2011/12 5 Notação
Leia maisDinâmica de um metrónomo básico
Modelação e Simulação 013/14 Trabalho de Laboratório nº 3 Dinâmica de um metrónomo básico Objectivos Após realizar este trabalho, o aluno deverá ser capaz de: 1. Representar as equações do modelo de estado
Leia maisAjuste de mínimos quadrados
Capítulo 5 Ajuste de mínimos quadrados 5 Ajuste de mínimos quadrados polinomial No capítulo anterior estudamos como encontrar um polinômio de grau m que interpola um conjunto de n pontos {{x i, f i }}
Leia maisAulas práticas de Álgebra Linear
Ficha 3 Aulas práticas de Álgebra Linear Licenciatura em Engenharia Naval e Oceânica Mestrado Integrado em Engenharia Mecânica 1 o semestre 2018/19 Jorge Almeida e Lina Oliveira Departamento de Matemática,
Leia maisMOMENTO DE INÉRCIA DE UM CORPO RÍGIDO
Departamento de Física da Faculdade de Ciências da Universidade de Lisboa T4 FÍSICA EXPERIMENTAL I - 007/08 MOMENTO DE INÉRCIA DE UM CORPO RÍGIDO 1. Objectivo Estudo do movimento de rotação de um corpo
Leia maisControlo por Computador 25. Computer Control. Parts 1, 2. J. Miranda Lemos. Professor Catedrático do IST
Controlo por Computador 25 Computer Control Parts, 2 J. Miranda Lemos Professor Catedrático do IST 205 Controlo por Computador 26 Programa da disciplina:. Estrutura de um sistema de Controlo por Computador
Leia maisGEOMETRIA II EXERCÍCIOS RESOLVIDOS - ABRIL, 2018
GEOMETRIA II EXERCÍCIOS RESOLVIDOS - ABRIL, 08 ( Seja a R e f(x, y ax + ( ay. Designe por C a a cónica dada por f(x, y 0. (a Mostre que os quatro pontos (±, ± R pertencem a todas as cónicas C a (independentemente
Leia maisTranslação e Rotação Energia cinética de rotação Momentum de Inércia Torque. Física Geral I ( ) - Capítulo 07. I. Paulino*
ROTAÇÃO Física Geral I (1108030) - Capítulo 07 I. Paulino* *UAF/CCT/UFCG - Brasil 2012.2 1 / 25 Translação e Rotação Sumário Definições, variáveis da rotação e notação vetorial Rotação com aceleração angular
Leia maisExame de Ingresso. Física Aplicada (Física Computacional) Segundo Semestre de 2009
Exame de Ingresso Física Aplicada (Física Computacional) Segundo Semestre de 2009 Nome do Candidato: Mecânica 1. Uma menina lança uma bola em direção a uma parede vertical afastada 4 m. A bola está 2 m
Leia maisAnálise Matemática III Resolução do 2 ō Teste e 1 ō Exame - 20 de Janeiro horas
Instituto uperior Técnico Departamento de Matemática ecção de Álgebra e Análise Análise Matemática III Resolução do ō Teste e ō Exame - de Janeiro - 9 horas. O sólido tem simetria cilíndrica em torno do
Leia maisUniversidade de São Paulo
Universidade de São Paulo Estimativa de Parâmetros I Método dos Quadrados Mínimos Prof. Adriano Azevedo Filho, Ph.D. azevedofilho@usp.br USP/ESALQ/DEAS Método dos Quadrados Mínimos (Ordinário) - Em inglês:
Leia maisIntrodução. São duas técnicas estreitamente relacionadas, que visa estimar uma relação que possa existir entre duas variáveis na população.
UNIVERSIDADE FEDERAL DA PARAÍBA Correlação e Regressão Luiz Medeiros de Araujo Lima Filho Departamento de Estatística Introdução São duas técnicas estreitamente relacionadas, que visa estimar uma relação
Leia maisNós estudamos isso em nossa aula extra de Regressão Múltipla!
E aí pessoal? Vamos à resolução de nossa prova? A CESPE pegou muito pesado, conforme eu tinha alertado em vídeos e no nosso pdf. Ela utilizou conceitos de Estatística muito avançados para uma matéria de
Leia maisDinâmica de um metrónomo básico
Modelação e Simulação 01/13 Trabalho de Laboratório nº 3 Dinâmica de um metrónomo básico Objectivos Após realizar este trabalho, o aluno deverá ser capaz de: 1. Representar as equações do modelo de estado
Leia mais1.3 Matrizes inversas ] [ 0 1] = [ ( 1) ( 1) ] = [1 0
1.3 Matrizes inversas Definição: Seja A uma matriz de ordem k n, a matriz B de ordem n k é uma inversa à direita de A, se AB = I. A Matriz C de ordem n k é uma inversa à esquerda de A, se CA = I. Exemplo
Leia maisFundamentos da Eletrostática Aula 06 Mais sobre o campo elétrico e a lei de Gauss
Linhas de Força Fundamentos da Eletrostática Aula 6 Mais sobre o campo elétrico e a lei de Gauss Prof. Alex G. Dias Prof. Alysson F. Ferrari Vimos na última aula a denição do campo elétrico E (r), F (r)
Leia maisRegressão Linear - Parte I
UFPE - Universidade Federal de Pernambuco Curso: Economia Disciplina: ET-406 Estatística Econômica Professor: Waldemar Araújo de S. Cruz Oliveira Júnior Regressão Linear - Parte I 1 Introdução Podemos
Leia maisTratamento Estatístico de dados em Física Experimental
Tratamento Estatístico de dados em Física Experimental Prof. Zwinglio Guimarães 2 o semestre de 2017 Tópico 6 - Testes estatísticos (Chi-quadrado, z e t ) O método dos mínimos quadrados (revisão) O método
Leia maisLista de Exercícios 05 Álgebra Matricial
Lista de Exercícios 05 Álgebra Matricial - 016.1 1. Determine a quantidade desconhecida em cada uma das expressões: ( ) ( ) ( ) T 0 3 x + y + 3 3 w (a) 3.X = (b) = 6 9 4 0 6 z. Uma rede de postos de combustíveis
Leia maisMatemática Computacional - Exercícios
Matemática Computacional - Exercícios 1 o semestre de 2007/2008 - Engenharia Biológica Teoria de erros e Representação de números no computador Nos exercícios deste capítulo os números são representados
Leia maisAutovalores e Autovetores
Autovalores e Autovetores Maria Luísa B. de Oliveira SME0300 Cálculo Numérico 24 de novembro de 2010 Introdução Objetivo: Dada matriz A, n n, determinar todos os vetores v que sejam paralelos a Av. Introdução
Leia maisSistemas de Equações Lineares e Equações Vectoriais Aula 2 Álgebra Linear Pedro A. Santos
Sistemas de Equações Lineares e Equações Vectoriais Aula 2 Álgebra Linear MEG Operações Elementares Trocar a posição de duas equações Multiplicar uma equação por uma constante diferente de zero Não alteram
Leia maisFicha de Trabalho 02 Sistemas. Matriz Inversa. (Aulas 4 a 6).
F I C H A D E R A B A L H O 0 Ficha de rabalho 0 Sistemas. Matriz Inversa. (Aulas 4 a 6). Sistemas de equações lineares. Equação linear. Sistema de equações lineares. Equação matricial. Soluções do sistema.
Leia maisHalliday & Resnick Fundamentos de Física
Halliday & Resnick Fundamentos de Física Mecânica Volume 1 www.grupogen.com.br http://gen-io.grupogen.com.br O GEN Grupo Editorial Nacional reúne as editoras Guanabara Koogan, Santos, Roca, AC Farmacêutica,
Leia maisAULA Exercícios. VERIFICAR SE UM VECTOR É UMA COMBINAÇÃO LINEAR DE UM CONJUNTO DE VECTORES.
Note bem: a leitura destes apontamentos não dispensa de modo algum a leitura atenta da bibliografia principal da cadeira Chama-se a atenção para a importância do trabalho pessoal a realizar pelo aluno
Leia mais1. Considere a seguinte matriz dos vértices dum triângulo D = 0 2 3
INSTITUTO SUPERIOR TÉCNICO - DEPARTAMENTO DE MATEMÁTICA 7 a LISTA DE PROBLEMAS E EXERCÍCIOS DE ÁLGEBRA LINEAR LEIC-Taguspark, LERCI, LEGI, LEE 1 o semestre 2006/07 - aulas práticas de 2006-12-04 e 2006-12-06
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS 2003 2004 2005 2006 2007 2008 2009 2010 X 39,0 39,5 39,5 39,0 39,5 41,5 42,0 42,0 Y 46,5 65,5 86,0 100,0 121,0 150,5 174,0 203,0 A tabela acima mostra as quantidades, em milhões
Leia mais