4 Filtro de Kalman. 4.1 Introdução
|
|
- Fábio da Mota Henriques
- 5 Há anos
- Visualizações:
Transcrição
1 4 Filro de Kalman Ese capíulo raa da apresenação resumida do filro de Kalman. O filro de Kalman em sua origem na década de sessena, denro da área da engenharia elérica relacionado à eoria do conrole de sisemas. Poseriormene, esa meodologia foi sendo incorporada a ouras áreas como a esaísica. Sua aplicação na área econômica e financeira é vasa. Inúmeros arigos e rabalhos são publicados roineiramene fazendo uso do filro de Kalman. Ese capíulo esá baseado em Harve 989. Oura referência relevane e recene sobre o filro de Kalman e modelos não lineares e não Gaussianos é Durbin e Koopman 22. As referências clássicas sobre o ema são Anderson e Moore 979 e Jazwinski 97. O capíulo esá assim organizado: a primeira seção apresena uma breve inrodução do assuno; a segunda seção mosra a forma espaço-esado; a seguir são apresenados os aspecos compuacionais e probabilísicos; a quina seção apresena o algorimo do filro; a sea seção mosra a esimação dos parâmeros; em seguida são apresenados os conceios de previsão e alisameno e, por fim, o conceio do filro de Kalman esendido. 4. Inrodução Em 96 Rudolph Emil Kalman publicou um famoso arigo descrevendo um processo recursivo para solucionar problemas lineares relacionados à filragem de dados discreos. Sua pesquisa proporcionou conribuições relevanes ajudando a esabelecer bases eóricas sólidas em várias áreas da engenharia de sisemas. Em Kalman desenvolveu, com colaboração de Richard S. Buc, a versão em empo conínuo do filro de Kalman, que se ornou conhecida como o filro de Kalman-Buc. Com o avanço compuacional, o filro de Kalman e suas eensões a problemas não lineares represenam o produo mais largamene uilizado denro da moderna eoria de conrole.
2 Filro de Kalman 75 O filro de Kalman é um conjuno de equações maemáicas que consiui um processo recursivo eficiene de esimação, uma vez que o erro quadráico é minimizado. Aravés da observação da variável denominada variável de observação oura variável, não observável, denominada variável de esado pode ser esimada eficienemene. Podem ser esimados os esados passados, o esado presene e mesmo previsos os esados fuuros. O filro de Kalman é um procedimeno aplicável quando os modelos esão escrios sob a forma espaço-esado. Além disso, o filro de Kalman permie a esimação dos parâmeros desconhecidos do modelo aravés da maimização da verossimilhança via decomposição do erro de previsão. 4.2 Definição do modelo na forma espaço-esado Seja uma série emporal mulivariada com N elemenos. Esas variáveis são denominadas variáveis observáveis e consiuem um veor N, variáveis observáveis esão relacionadas às variáveis de esado equação de medição ou observação: + R N. As aravés da ε, 2,..., 44 onde é uma mariz N m, d é um veor N, ε é um veor serialmene não correlacionado com média zero e mariz de covariância H e é um veor m que coném as variáveis de esado não observáveis. As variáveis de esado são geradas por um processo Markoviano de primeira ordem e sua equação é dominada equação de ransição: R η, 2,..., c + e onde é uma mariz m m, c é um veor m, R é uma mariz m g η é um veor g serialmene não correlacionado com média zero e mariz de covariância Q. Além disso, o veor inicial de esado em média ˆ e mariz de covariância P. Os ruídos ε e correlacionados com esado inicial. η são não correlacionados enre si e não
3 Filro de Kalman As origens compuacionais do filro de Kalman Vamos definir por ˆ m R a esimaiva do esado anerior a priori no empo dado que se conhece odo o processo anerior a. Por esado anerior refere-se ao esado anes do conhecimeno da variável de observação em,. Da mesma forma, ˆ m R é a esimaiva do esado poserior a poseriori em dado que conhece a medição ou observação,. Definem-se os erros de medição anerior e poserior como: e ˆ 46 e - ˆ 47 A mariz de covariância do erro anerior P é m m e dada por: P E e e 48 A mariz de covariância do erro poserior P é m m e dada por: P E e e 49 Deseja-se enconrar uma equação que relaciona o esado poserior ˆ como uma combinação linear do esado anerior - ˆ com a ponderação da diferença enre a observação ˆ ˆ e a previsão + K ˆ ˆ d ou seja: 5 O ermo enre parêneses reflee a diferença enre o previso ˆ e a observação. A mariz K m N é denominada ganho de Kalman e é al que minimiza a mariz de covariância do erro P dada pela eq. 49. A minimização da covariância do erro é obida subsiuindo a eq. 5 na eq. 47 e obendo-se uma epressão para e em ermos de K. Levando ese resulado na eq. 49, omando-se enão os valores esperados, derivando-os com relação a K e igualando a equação a zero; em-se a condição de primeira ordem. Resolvida esa equação para K + - P P H K, resula: 5 Na equação acima quando o erro da equação de medição aproima-se de zero H, a ponderação da mariz ganho aumena. Ou ainda
4 Filro de Kalman 77 limk H 4.4 As origens probabilísicas do filro A derivação do filro de Kalman apóia-se no fao de que ano os ruídos das equações de medição e ransição como o veor inicial de esado, são normalmene disribuídos. Iso significa que apenas os dois primeiros momenos são suficienes para descrever odos os esados em qualquer insane de a. Assim sendo escreve-se: ˆ E e P E{ - ˆ - ˆ } A esimaiva poserior dada em 5 é Gaussiana. A mariz de covariância poserior em 49 reflee a variância da disribuição das variáveis de esado. Enão, p Nˆ, P Aé o momeno foi viso que o filro de Kalman é um procedimeno recursivo que permie deerminar o esimador óimo do veor de esado dadas as informações disponíveis aé o empo, inclusive as variáveis de observação Esa é a radução do que esá escrio na eq. 5. O esimador é dio óimo no senido de que a mariz de ganho é al que a variância do erro das variáveis de esado é mínima. Esa é a radução do resulado obido na eq. 5. Quando a hipóese da normalidade não se verifica, o filro de Kalman não fornece o valor esperado das variáveis de esado. Enreano, o filro coninua sendo o esimador óimo, iso é minimiza a variância do erro O algorimo do filro de Kalman As equações do filro de Kalman podem ser agrupadas em dois ipos disinos: equações de aualização do empo e equações de aualização da medição. Eses dois grupos de equações funcionam conjunamene como um sisema com reroalimenação. As equações de aualização do empo são responsáveis pelo avanço das variáveis de esado e das covariâncias no empo para se ober, desa forma, as esimaivas aneriores a priori para o próimo insane.
5 Filro de Kalman 78 As equações de aualização das medições são responsáveis pela reroalimenação, ou seja, incorporam uma nova informação da variável observável nas esimaivas aneriores para ober um ganho ou melhoria na esimação poserior. As equações de aualização do empo são denominadas equações de previsão. As equações de aualização das medições são denominadas equações de correção. Seja enão o modelo especificado em 44 e 45. Seja o esimador óimo de baseado em informações aé incluindo. Dados e P, o esimador óimo de é dado por: ˆ ˆ + c A mariz de covariância dos erros das variáveis de esado é dada por: P + R Q R P As equações 52 e 53 consiuem o grupo denominado de equações de aualização do empo ou equações de previsão. Esas equações represenam um avanço no empo de para. Quando uma nova observação esimador das medições são: ˆ ˆ é verificada, o ˆ de pode ser melhorado ou corrigido. As equações de aualização K 54 P P + H ˆ ˆ + K ˆ d 55 P 56 I K P O primeiro passo é deerminar o ganho K dado pela eq. 54. Poseriormene, a nova informação observada é incorporada à previsão anerior ˆ junamene com a mariz ganho K aravés da eq. 55, gerando a esimação poserior ˆ. O úlimo passo é ober mariz de covariância dos erros aravés da eq. 56. O ciclo do algorimo se repee para o insane de empo + sendo ˆ e P dados de enrada nas equações 52 e 53, respecivamene. Esa naureza recursiva do modelo o orna um insrumeno de aualização de medidas em empo real, daí o seu grande uso em sisemas de conrole e rasreameno no campo da engenharia. Em Finanças em um fore apelo nos mercados financeiros
6 Filro de Kalman 79 que produzem informações a cada insane. Desa forma, variáveis não observáveis podem ser esimadas a parir de preços obidos no mercado à medida que uma nova informação é produzida. O Quadro 3 é uma represenação esquemáica das eapas recursivas do filro de Kalman. O algorimo eige que haja uma operação de inversão de mariz para o cálculo do ganho de Kalman. Equações de Aualização do empo Previsão Avança o esado no empo: ˆ ˆ + c Equações de Aualização das Medições Correção Calcula o ganho de Kalman: K + - P P H Avança a covariância no empo: P P + R Q R Aualiza a variável de esado com ˆ ˆ + K ˆ d : Aualiza a mariz de covariância: P I K P Esimaivas iniciais: ˆ e P Quadro 3 Represenação esquemáica do filro de Kalman 4.6 Esimação por máima verossimilhança O filro de Kalman reorna o valor de odas as variáveis de aé. Resula enão odos os valores da variável de observação observados de são conhecidos. Se as observações { }. Os valores são independenes e idenicamene disribuídas a função de densidade conjuna é dada por: L ; Θ p 57
7 Filro de Kalman 8 onde p. represena a função densidade de probabilidade em um insane e Θ é o conjuno de hiperparâmeros que fazem pare do sisema de marizes. A eq. 57 represena a função de verossimilhança. O esimador de máima verossimilhança é obido maimizando 57 em relação a Θ. Quando as observações não são independenes pode-se usar a definição de função densidade conjuna condicional: L ; Θ p Y- onde Y represena a função densidade de probabilidade condicional P em. Se os ruídos em 44 e 45 e se o veor inicial de esado são Gaussianos, a disribuição de condicional a Y ambém é Gaussiana. Pode-se escrever que condicionalmene a Y, é al que: p Y Nˆ, P Da equação 42 pode ser escrio: + ε que pode ser reescria como ˆ ou ainda ˆ ˆ ˆ + ε + ε Enão a disribuição condicional de E Y ˆ com mariz de covariância dada por: F P + H é normal com média: Conseqüenemene para um modelo Gaussiano o logarimo da função verossimilhança é: N ln L Θ ln2π ln F ν F ν 58 onde ν para, K,, é o veor dos erros de previsão. Enão a eq. 58 é a decomposição dos erros de previsão. A cada rodada do filro dados os parâmeros do modelo são deerminados os esados e as observações. A função de verossimilhança ambém pode ser
8 Filro de Kalman 8 calculada a cada rodada. Pode-se enão implemenar um algorimo para maimização da função de verossimilhança. Os valores iniciais podem ser raados como parâmero iniciais e a maimização da eq. 58 em como base o conjuno,θ. Enreano, iso é um complicador considerável para o problema de maimização. Uma solução práica é considerar que condicionalmene a Θ o esimador de máima verossimilhança de é uma função linear das observações. Nese caso, a maimização seria somene em relação a Θ. Em alguns modelos esacionários as condições de regime permanene permiem que sejam obidas soluções para e P. Em ouras siuações são necessárias as condições iniciais de e P. 4.7 Previsão Após a obenção da esimação dos esados simulaneamene à esimação dos parâmeros, os esados fuuros e as observações fuuras em +, + 2, K + l podem ser obidos. Assim, para + : ˆ c+ ˆ Para a previsão de + 2, + 3, ec deve-se usar sucessivamene as equações 44 e 45. Desa forma obém-se + l e + l. A previsão será enão: ˆ ˆ E + l + l E + l + l onde E. represena o valor esperado condicional dadas as informações aé o insane. 4.8 Alisameno No processo de filragem obêm-se o valor filrado em que é o valor esperado da variável de esado condicional às informações disponíveis aé o empo, ou seja:
9 Filro de Kalman 82 ˆ E Y O alisameno permie ober o valor condicional acima baseado em informações poseriores a. Assim, a esimaiva alisada é dada por: ˆ E Y onde { } Y. A mariz de covariância suavizada ou alisada é dada por: { ˆ ˆ Y } P E Em geral, o erro da esimaiva alisada é menor que o erro da esimaiva filrada. Iso porque o alisameno leva em consideração um maior número de informações que a filragem. 4.9 O filro de Kalman esendido As principais caracerísicas do filro de Kalman esão relacionadas à linearidade das equações de medição e ransição e a Gaussianidade dos resíduos como viso em 44 e 45. Eisem vários aspecos referenes à não adequabilidade de aplicação do filro de Kalman que violam as propriedades acima: i Quando as marizes em 44 e 45,, d, c, H, R e Q são esocásicas, iso é dependem da informação disponível em, o modelo é dio condicionalmene Gaussiano. ii Quando o modelo não é mais Gaussiano, iso é quando os resíduos não são disribuições normais, a obenção da esimaiva óima do veor de esado não é mais alcançada usando-se o modelo do filro de Kalman na sua forma clássica. Ainda assim, dadas as hipóeses das novas disribuições, pode-se alcançar a solução eórica de minimização da mariz de covariância dos erros dos veores de esado. iii Quando a equação de medição não é uma função linear dos esados e por ouro lado, quando na equação o veor de esado não é uma função linear do veor de esado no insane anerior; os modelos saem da condição de linearidade clássica propriamene dia. Em ais siuações os modelos são dios funcionalmene não-lineares. A solução é a linearização dos modelos.
10 Filro de Kalman 83 Para os iens i e ii veja o capíulo 3, seção 3.7, de Harve 989. Com relação à não funcionalidade linear, os aspecos mais relevanes são apresenados a seguir. Considere o modelo não-linear com as equações de ransição e medição: h + R η f ε 6 onde h. e f. são veores m e N, respecivamene e seus elemenos são funções não lineares. A mariz. R é m g e é função do veor de esado em As condições apresenadas em 59 e 6 fogem das condições clássicas de linearidade do filro de Kalman. Sob a hipóese de que f., h. e R são suaves pode-se usar a série de alor linearizando-as, cenradas nas médias condicionais e. Iso pode ser escrio assim: h ˆ h + 6 f f + 62 R R 63 onde é mariz Jacobiana dada por: h Da mesma forma, é a mariz Jacobiana dada por: f Ainda pode ser escrio que: R R 66 Levando 6 e 66 em 59: h + + R η ou ainda: + c + R η 67 onde c h - - Levando 62 em 6:
11 Filro de Kalman 84 + ε f + - ou ainda: + ε 68 onde d f + Agora as equações 67 e 68 consiuem uma aproimação linear para o problema descrio em 59 e 6. A nova equação de ransição 67 é análoga a equação 45. Por ouro lado, a nova equação de medição 68 é análoga a equação 44. O filro de Kalman clássico agora pode ser aplicado seguindo o algorimo de equações de aualização do empo e de equações de aualização das medições conforme o Quadro 4. Equações de Aualização do empo Previsão Avança o esado no empo: ˆ _ h - Equações de Aualização das Medições Correção Calcula o ganho de Kalman: K + - P P H Avança a covariância no empo: P P + R Q R - Aualiza a variável de esado com - ˆ ˆ + K - f ˆ : Aualiza a mariz de covariância: P I K P Esimaivas iniciais:, e - P Quadro 4 Represenação esquemáica do filro de Kalman esendido
5.1. Filtragem dos Estados de um Sistema Não-Linear Unidimensional. Considere-se o seguinte MEE [20] expresso por: t t
5 Esudo de Casos Para a avaliação dos algorimos online/bach evolucionários proposos nese rabalho, foram desenvolvidas aplicações em problemas de filragem dos esados de um sisema não-linear unidimensional,
Leia mais3 Modelos de Markov Ocultos
23 3 Modelos de Markov Oculos 3.. Processos Esocásicos Um processo esocásico é definido como uma família de variáveis aleaórias X(), sendo geralmene a variável empo. X() represena uma caracerísica mensurável
Leia mais6 Análise do processo de filtragem
6 Análise do processo de filragem Ese capíulo analisa o processo de filragem para os filros de Kalman e de parículas. Esa análise envolve ão somene o processo de filragem, não levando em consideração o
Leia maisMÉTODOS PARAMÉTRICOS PARA A ANÁLISE DE DADOS DE SOBREVIVÊNCIA
MÉTODOS PARAMÉTRICOS PARA A ANÁLISE DE DADOS DE SOBREVIVÊNCIA Nesa abordagem paramérica, para esimar as funções básicas da análise de sobrevida, assume-se que o empo de falha T segue uma disribuição conhecida
Leia maisUniversidade Federal do Rio de Janeiro
Universidade Federal do Rio de Janeiro Circuios Eléricos I EEL42 Coneúdo 8 - Inrodução aos Circuios Lineares e Invarianes...1 8.1 - Algumas definições e propriedades gerais...1 8.2 - Relação enre exciação
Leia mais4 O modelo econométrico
4 O modelo economérico O objeivo desse capíulo é o de apresenar um modelo economérico para as variáveis financeiras que servem de enrada para o modelo esocásico de fluxo de caixa que será apresenado no
Leia maisInstituto de Física USP. Física Moderna. Aula 23. Professora: Mazé Bechara
Insiuo de Física USP Física Moderna Aula 3 Professora: Mazé Bechara Aula 3 Bases da Mecânica quânica e equações de Schroedinger: para odos os esados e para esados esacionários. Aplicação e inerpreações.
Leia maisInstituto de Física USP. Física V - Aula 26. Professora: Mazé Bechara
Insiuo de Física USP Física V - Aula 6 Professora: Mazé Bechara Aula 6 Bases da Mecânica quânica e equações de Schroedinger. Aplicação e inerpreações. 1. Ouros posulados da inerpreação de Max-Born para
Leia mais3 Retorno, Marcação a Mercado e Estimadores de Volatilidade
eorno, Marcação a Mercado e Esimadores de Volailidade 3 3 eorno, Marcação a Mercado e Esimadores de Volailidade 3.. eorno de um Aivo Grande pare dos esudos envolve reorno ao invés de preços. Denre as principais
Leia mais4 Método de geração de cenários em árvore
Méodo de geração de cenários em árvore 4 4 Méodo de geração de cenários em árvore 4.. Conceios básicos Uma das aividades mais comuns no mercado financeiro é considerar os possíveis esados fuuros da economia.
Leia maisCálculo do valor em risco dos ativos financeiros da Petrobrás e da Vale via modelos ARMA-GARCH
Cálculo do valor em risco dos aivos financeiros da Perobrás e da Vale via modelos ARMA-GARCH Bruno Dias de Casro 1 Thiago R. dos Sanos 23 1 Inrodução Os aivos financeiros das companhias Perobrás e Vale
Leia mais4 Metodologia Proposta para o Cálculo do Valor de Opções Reais por Simulação Monte Carlo com Aproximação por Números Fuzzy e Algoritmos Genéticos.
4 Meodologia Proposa para o Cálculo do Valor de Opções Reais por Simulação Mone Carlo com Aproximação por Números Fuzzy e Algorimos Genéicos. 4.1. Inrodução Nese capíulo descreve-se em duas pares a meodologia
Leia maisSéries temporais Modelos de suavização exponencial. Séries de temporais Modelos de suavização exponencial
Programa de Pós-graduação em Engenharia de Produção Análise de séries de empo: modelos de suavização exponencial Profa. Dra. Liane Werner Séries emporais A maioria dos méodos de previsão se baseiam na
Leia mais3 Uma metodologia para validação estatística da análise técnica: a busca pela homogeneidade
3 Uma meodologia para validação esaísica da análise écnica: a busca pela homogeneidade Ese capíulo em como objeivo apresenar uma solução para as falhas observadas na meodologia uilizada por Lo e al. (2000)
Leia mais4 Modelo de fatores para classes de ativos
4 Modelo de aores para classes de aivos 4.. Análise de esilo baseado no reorno: versão original (esáica A análise de esilo baseada no reorno é um procedimeno esaísico que visa a ideniicar as ones de riscos
Leia maisProf. Lorí Viali, Dr. UFRGS Instituto de Matemática - Departamento de Estatística
Conceio Na Esaísica exisem siuações onde os dados de ineresse são obidos em insanes sucessivos de empo (minuo, hora, dia, mês ou ano), ou ainda num período conínuo de empo, como aconece num elerocardiograma
Leia maisEXAME DE ESTATÍSTICA AMBIENTAL Ano lectivo 2015/16-1ª Época (V1) 18 de Janeiro de 2016
Nome: Aluno nº: Duração: h:30 m MESTRADO INTEGRADO EM ENGENHARIA DO AMBIENTE EXAME DE ESTATÍSTICA AMBIENTAL Ano lecivo 05/6 - ª Época (V) 8 de Janeiro de 06 I (7 valores) No quadro de dados seguine (Tabela
Leia maisGrupo I (Cotação: 0 a 3.6 valores: uma resposta certa vale 1.2 valores e uma errada valores)
INSTITUTO SUPERIOR DE ECONOMIA E GESTÃO Esaísica II - Licenciaura em Gesão Época de Recurso 6//9 Pare práica (quesões resposa múlipla) (7.6 valores) Nome: Nº Espaço reservado para a classificação (não
Leia maisIncertezas na Robótica Móvel Filtros Bibliografia Recomendada. EESC-USP M. Becker /78
Aula 5 Inrodução à Robóica Móvel Lidando com Incerezas Prof. Dr. Marcelo Becker EESC - USP Sumário da Aula Inrodução às Incerezas Incerezas na Robóica Móvel Filros Bibliografia Recomendada EESC-USP M.
Leia maisCapítulo 4. Propriedades dos Estimadores de Mínimos Quadrados
Capíulo 4 Propriedades dos Esimadores de Mínimos Quadrados Hipóeses do Modelo de Regressão Linear Simples RS1. y x e 1 RS. Ee ( ) 0 E( y ) 1 x RS3. RS4. var( e) var( y) cov( e, e ) cov( y, y ) 0 i j i
Leia mais5 Método dos Mínimos Quadrados de Monte Carlo (LSM)
Méodo dos Mínimos Quadrados de Mone Carlo (LSM) 57 5 Méodo dos Mínimos Quadrados de Mone Carlo (LSM) O méodo LSM revela-se uma alernaiva promissora frene às radicionais écnicas de diferenças finias e árvores
Leia mais4 Modelos em Espaço de Estado e Filtro de Kalman
4 Modelos em Espaço de Esado e Filro de Kalman A modelagem em espaço de esado fornece uma meodologia padrão para raar uma ampla variedade de problemas em séries emporais Nesa abordagem é, em geral, assumido
Leia maisEXAME DE ESTATÍSTICA AMBIENTAL 2ª Época (V1)
Nome: Aluno nº: Duração: horas LICENCIATURA EM CIÊNCIAS DE ENGENHARIA - ENGENHARIA DO AMBIENTE EXAME DE ESTATÍSTICA AMBIENTAL ª Época (V) I (7 valores) Na abela seguine apresena-se os valores das coordenadas
Leia mais3 O Modelo SAGA de Gestão de Estoques
3 O Modelo SG de Gesão de Esoques O Sisema SG, Sisema uomaizado de Gerência e poio, consise de um sofware conendo um modelo maemáico que permie fazer a previsão de iens no fuuro com base nos consumos regisrados
Leia maisAplicação. Uma famosa consultoria foi contratada por uma empresa. que, entre outras coisas, gostaria de entender o processo
Aplicação Uma famosa consuloria foi conraada por uma empresa que, enre ouras coisas, gosaria de enender o processo gerador relacionado às vendas de deerminado produo, Ainda, o conraane gosaria que a empresa
Leia maisEXAME DE ESTATÍSTICA AMBIENTAL 1ª Época (v1)
Nome: Aluno nº: Duração: horas LICENCIATURA EM CIÊNCIAS DE ENGENHARIA - ENGENHARIA DO AMBIENTE EXAME DE ESTATÍSTICA AMBIENTAL ª Época (v) I (7 valores) Na abela seguine apresena-se os valores das coordenadas
Leia maisCircuitos Elétricos I EEL420
Universidade Federal do Rio de Janeiro Circuios Eléricos I EEL420 Coneúdo 1 - Circuios de primeira ordem...1 1.1 - Equação diferencial ordinária de primeira ordem...1 1.1.1 - Caso linear, homogênea, com
Leia maisTeoremas Básicos de Equações a Diferenças Lineares
Teoremas Básicos de Equações a Diferenças Lineares (Chiang e Wainwrigh Capíulos 17 e 18) Caracerização Geral de Equações a diferenças Lineares: Seja a seguine especificação geral de uma equação a diferença
Leia mais6 Modelos em Espaço de Estado Não Lineares e Filtros Não Lineares Aproximados
6 Modelos em Espaço de Esado Não Lineares e Filros Não Lineares Aproximados Nese capíulo, o modelo em EE definido na seção 2.1 é devidamene generalizado, de forma que suas equações a das medidas e a do
Leia maisConceito. Exemplos. Os exemplos de (a) a (d) mostram séries discretas, enquanto que os de (e) a (g) ilustram séries contínuas.
Conceio Na Esaísica exisem siuações onde os dados de ineresse são obidos em insanes sucessivos de empo (minuo, hora, dia, mês ou ano), ou ainda num período conínuo de empo, como aconece num elerocardiograma
Leia maisECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc.
ECONOMETRIA Prof. Paricia Maria Borolon, D. Sc. Séries Temporais Fone: GUJARATI; D. N. Economeria Básica: 4ª Edição. Rio de Janeiro. Elsevier- Campus, 2006 Processos Esocásicos É um conjuno de variáveis
Leia maisModelagem e Previsão do Índice de Saponificação do Óleo de Soja da Giovelli & Cia Indústria de Óleos Vegetais
XI SIMPEP - Bauru, SP, Brasil, 8 a 1 de novembro de 24 Modelagem e Previsão do Índice de Saponificação do Óleo de Soja da Giovelli & Cia Indúsria de Óleos Vegeais Regiane Klidzio (URI) gep@urisan.che.br
Leia maisTabela: Variáveis reais e nominais
Capíulo 1 Soluções: Inrodução à Macroeconomia Exercício 12 (Variáveis reais e nominais) Na abela seguine enconram se os dados iniciais do exercício (colunas 1, 2, 3) bem como as soluções relaivas a odas
Leia maisforma em espaço de estado e filtro de Kalman
forma em espaço de esado e filro de Kalman 62 Forma em espaço de esado: definida por duas equações esocásicas eq. das medidas: eq. do esado: esado (não observável) condição inicial: 63 Modelo SS na forma
Leia mais3 Metodologia do Estudo 3.1. Tipo de Pesquisa
42 3 Meodologia do Esudo 3.1. Tipo de Pesquisa A pesquisa nese rabalho pode ser classificada de acordo com 3 visões diferenes. Sob o pono de visa de seus objeivos, sob o pono de visa de abordagem do problema
Leia mais*UiILFRGH&RQWUROH(:0$
*UiILFRGH&RQWUROH(:$ A EWMA (de ([SRQHQWLDOO\:HLJKWHGRYLQJ$YHUDJH) é uma esaísica usada para vários fins: é largamene usada em méodos de esimação e previsão de séries emporais, e é uilizada em gráficos
Leia mais4 Análise de Sensibilidade
4 Análise de Sensibilidade 4.1 Considerações Gerais Conforme viso no Capíulo 2, os algorimos uilizados nese rabalho necessiam das derivadas da função objeivo e das resrições em relação às variáveis de
Leia maisUniversidade Federal do Rio Grande do Sul Escola de Engenharia de Porto Alegre Departamento de Engenharia Elétrica ANÁLISE DE CIRCUITOS II - ENG04031
Universidade Federal do io Grande do Sul Escola de Engenharia de Poro Alegre Deparameno de Engenharia Elérica ANÁLISE DE CICUITOS II - ENG43 Aula 5 - Condições Iniciais e Finais de Carga e Descarga em
Leia maisProblema de controle ótimo com equações de estado P-fuzzy: Programação dinâmica
Problema de conrole óimo com equações de esado P-fuzzy: Programação dinâmica Michael Macedo Diniz, Rodney Carlos Bassanezi, Depo de Maemáica Aplicada, IMECC, UNICAMP, 1383-859, Campinas, SP diniz@ime.unicamp.br,
Leia maisConfiabilidade e Taxa de Falhas
Prof. Lorí Viali, Dr. hp://www.pucrs.br/fama/viali/ viali@pucrs.br Definição A confiabilidade é a probabilidade de que de um sisema, equipameno ou componene desempenhe a função para o qual foi projeado
Leia mais3 Metodologia 3.1. O modelo
3 Meodologia 3.1. O modelo Um esudo de eveno em como obeivo avaliar quais os impacos de deerminados aconecimenos sobre aivos ou iniciaivas. Para isso são analisadas as diversas variáveis impacadas pelo
Leia maisDEMOGRAFIA. Assim, no processo de planeamento é muito importante conhecer a POPULAÇÃO porque:
DEMOGRAFIA Fone: Ferreira, J. Anunes Demografia, CESUR, Lisboa Inrodução A imporância da demografia no planeameno regional e urbano O processo de planeameno em como fim úlimo fomenar uma organização das
Leia maisSéries de Tempo. José Fajardo. Agosto EBAPE- Fundação Getulio Vargas
Séries de Tempo Inrodução José Faardo EBAPE- Fundação Geulio Vargas Agoso 0 José Faardo Séries de Tempo . Por quê o esudo de séries de empo é imporane? Primeiro, porque muios dados econômicos e financeiros
Leia maisIntrodução ao Controle Ótimo: Otimização de funções e funcionais. Otimização paramétrica. Problema de controle ótimo com tempo final fixo.
Inrodução ao Conrole Óimo: Oimização de funções e funcionais. Oimização paramérica. Problema de conrole óimo com empo final fio. Oimização Deerminação de uma ação que proporciona um máimo de benefício,
Leia maisREDUÇÃO DE DIMENSIONALIDADE
Análise de componenes e discriminanes REDUÇÃO DE DIMENSIONALIDADE Uma esraégia para abordar o problema da praga da dimensionalidade é realizar uma redução da dimensionalidade por meio de uma ransformação
Leia maisMotivação. Prof. Lorí Viali, Dr.
Moivação rof. Lorí Viali, Dr. vialli@ma.ufrgs.br hp://www.ma.ufrgs.br/~vialli/ Na práica, não exise muio ineresse na comparação de preços e quanidades de um único arigo, como é o caso dos relaivos, mas
Leia maisCINÉTICA QUÍMICA LEI DE VELOCIDADE - TEORIA
CINÉTICA QUÍMICA LEI DE VELOCIDADE - TEORIA Inrodução Ese arigo raa de um dos assunos mais recorrenes nas provas do IME e do ITA nos úlimos anos, que é a Cinéica Química. Aqui raamos principalmene dos
Leia maisA entropia de uma tabela de vida em previdência social *
A enropia de uma abela de vida em previdência social Renao Marins Assunção Leícia Gonijo Diniz Vicorino Palavras-chave: Enropia; Curva de sobrevivência; Anuidades; Previdência Resumo A enropia de uma abela
Leia maisAula 6 Geração de Grades
Universidade Federal do ABC Aula 6 Geração de Grades EN34 Dinâmica de Fluidos Compuacional TRANSFORMAÇÕES DE COORDENADAS Grade de ponos discreos A abordagem de diferenças finias apresenada aé agora, que
Leia maisIV. METODOLOGIA ECONOMÉTRICA PROPOSTA PARA O CAPM CONDICIONAL A Função Máxima Verosimilhança e o Algoritmo de Berndt, Hall, Hall e Hausman
IV. MEODOLOGIA ECONOMÉRICA PROPOSA PARA O CAPM CONDICIONAL 4.1. A Função Máxima Verosimilhança e o Algorimo de Bernd, Hall, Hall e Hausman A esimação simulânea do CAPM Condicional com os segundos momenos
Leia maisIA368-W Métodos Estocásticos em Robótica Móvel
IA368-W Méodos Esocásicos em Robóica Móvel Prof. Eleri Cardozo Prof. Eric Rohmer Colaboradores: Leonardo R. Olivi Paulo G. Pinheiro Ricardo S. Souza Fernando C.A. Pinho LOCALIZAÇÃO E MAPEAMENTO SIMULTÂNEOS
Leia maisTRANSFORMADA DE FOURIER NOTAS DE AULA (CAP. 18 LIVRO DO NILSON)
TRANSFORMADA DE FOURIER NOTAS DE AULA (CAP. 8 LIVRO DO NILSON). CONSIDERAÇÕES INICIAIS SÉRIES DE FOURIER: descrevem funções periódicas no domínio da freqüência (ampliude e fase). TRANSFORMADA DE FOURIER:
Leia maisComportamento Assimptótico dos Mínimos Quadrados Questão: Será que a estimativa de mínimos quadrados converge para o valor verdadeiro dos parâmetros?
Conrolo por Compuador 3-Idenificação J. Miranda Lemos IST-DEEC Área Cienífica de Sisemas, Decisão e Conrolo 05 Comporameno Assimpóico dos Mínimos Quadrados Quesão: Será que a esimaiva de mínimos quadrados
Leia maisCADEIAS DE MARKOV: UM TEMA COM APLICAÇÕES INTERESSANTES E POSSIBILIDADES INTERDISCIPLINARES NA EDUCAÇÃO BÁSICA
CADEIAS DE MARKOV: UM TEMA COM APLICAÇÕES INTERESSANTES E POSSIBILIDADES INTERDISCIPLINARES NA EDUCAÇÃO BÁSICA Chrisine Serã Cosa Ricardo Moura dos Sanos Marques. INTRODUÇÃO A proposa principal do presene
Leia maisAplicações à Teoria da Confiabilidade
Aplicações à Teoria da ESQUEMA DO CAPÍTULO 11.1 CONCEITOS FUNDAMENTAIS 11.2 A LEI DE FALHA NORMAL 11.3 A LEI DE FALHA EXPONENCIAL 11.4 A LEI DE FALHA EXPONENCIAL E A DISTRIBUIÇÃO DE POISSON 11.5 A LEI
Leia mais4 O Papel das Reservas no Custo da Crise
4 O Papel das Reservas no Cuso da Crise Nese capíulo buscamos analisar empiricamene o papel das reservas em miigar o cuso da crise uma vez que esa ocorre. Acrediamos que o produo seja a variável ideal
Leia mais5 Metodologia Probabilística de Estimativa de Reservas Considerando o Efeito-Preço
5 Meodologia Probabilísica de Esimaiva de Reservas Considerando o Efeio-Preço O principal objeivo desa pesquisa é propor uma meodologia de esimaiva de reservas que siga uma abordagem probabilísica e que
Leia maisExercícios sobre o Modelo Logístico Discreto
Exercícios sobre o Modelo Logísico Discreo 1. Faça uma abela e o gráfico do modelo logísico discreo descrio pela equação abaixo para = 0, 1,..., 10, N N = 1,3 N 1, N 0 = 1. 10 Solução. Usando o Excel,
Leia mais4 Modelagem e metodologia de pesquisa
4 Modelagem e meodologia de pesquisa Nese capíulo será apresenada a meodologia adoada nese rabalho para a aplicação e desenvolvimeno de um modelo de programação maemáica linear misa, onde a função-objeivo,
Leia mais3 LTC Load Tap Change
54 3 LTC Load Tap Change 3. Inrodução Taps ou apes (ermo em poruguês) de ransformadores são recursos largamene uilizados na operação do sisema elérico, sejam eles de ransmissão, subransmissão e disribuição.
Leia mais3 Metodologia. 3.1 Modelos em Espaço de Estado Lineares Gaussianos
3 Meodologia 3.1 Modelos em Espaço de Esado Lineares Gaussianos 3.1.1 Esruura Básica A forma em Espaço de Esado Linear Gaussiana (forma em EE daqui por diane) consise em duas equações. A primeira delas
Leia mais2 Revisão Bibliográfica
Revisão Bibliográfica Ese capíulo apresena os principais conceios, abordagens e a formulação básica das meodologias que esão incluídas no modelo HPA. Conceios maemáicos e esaísicos mais dealhados podem
Leia maisProcessos de Markov. Processos de Markov com tempo discreto Processos de Markov com tempo contínuo. com tempo discreto. com tempo contínuo
Processos de Markov Processos sem memória : probabilidade de X assumir um valor fuuro depende apenas do esado aual (desconsidera esados passados). P(X n =x n X =x,x 2 =x 2,...,X n- =x n- ) = P(X n =x n
Leia mais3 Metodologias Analisadas
3 Meodologias Analisadas Nese capíulo, são apresenados alguns modelos de previsão de séries emporais analisados nesa disseração. Anes de passar para os modelos propriamene, são inroduzidos alguns conceios
Leia maisANÁLISE DE SÉRIES TEMPORAIS NA PREVISÃO DA RECEITA DE UMA MERCEARIA LOCALIZADA EM BELÉM-PA USANDO O MODELO HOLT- WINTERS PADRÃO
XXIX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO. ANÁLISE DE SÉRIES TEMPORAIS NA PREVISÃO DA RECEITA DE UMA MERCEARIA LOCALIZADA EM BELÉM-PA USANDO O MODELO HOLT- WINTERS PADRÃO Breno Richard Brasil Sanos
Leia maisONDAS ELETROMAGNÉTICAS
LTROMAGNTISMO II 3 ONDAS LTROMAGNÉTICAS A propagação de ondas eleromagnéicas ocorre quando um campo elérico variane no empo produ um campo magnéico ambém variane no empo, que por sua ve produ um campo
Leia maisAnálise de séries de tempo: modelos de decomposição
Análise de séries de empo: modelos de decomposição Profa. Dra. Liane Werner Séries de emporais - Inrodução Uma série emporal é qualquer conjuno de observações ordenadas no empo. Dados adminisraivos, econômicos,
Leia maisCaracterísticas dos Processos ARMA
Caracerísicas dos Processos ARMA Aula 0 Bueno, 0, Capíulos e 3 Enders, 009, Capíulo. a.6 Morein e Toloi, 006, Capíulo 5. Inrodução A expressão geral de uma série emporal, para o caso univariado, é dada
Leia mais1. Introdução. 2. Séries Temporais. Modelagem e Simulação - Modelos de Previsão
Modelos de Previsão vendas mensais (em unidades) Modelagem e Simulação - Modelos de Previsão Inrodução Em omada de decisão é basane comum raar problemas cujas decisões a serem omadas são funções de faos
Leia mais3 Estudo da Barra de Geração [1]
3 Esudo da Barra de eração [1] 31 Inrodução No apíulo 2, raou-se do máximo fluxo de poência aiva e reaiva que pode chear à barra de cara, limiando a máxima cara que pode ser alimenada, e do possível efeio
Leia maisCurvas e Superfícies Paramétricas
Curvas e Superfícies araméricas Eemplo de superfícies NURBS Curvas e Superfícies ara aplicações de CG normalmene é mais conveniene adoar a forma paramérica Independene do sisema de coordenadas Represenação
Leia maisModelos Não-Lineares
Modelos ão-lineares O modelo malhusiano prevê que o crescimeno populacional é exponencial. Enreano, essa predição não pode ser válida por um empo muio longo. As funções exponenciais crescem muio rapidamene
Leia maisConsidere uma economia habitada por um agente representativo que busca maximizar:
2 Modelo da economia Uilizaram-se como base os modelos de Campos e Nakane 23 e Galí e Monacelli 22 que esendem o modelo dinâmico de equilíbrio geral de Woodford 21 para uma economia abera Exisem dois países:
Leia maisEstimação em Processos ARMA com Adição de Termos de Perturbação
UNIVER ERSIDADE DE FEDERAL DO RIO GRANDE DO SUL INSTITUTO DE MATEMÁTICA DEP EPARTAMENTO DE ESTATÍSTICA Esimação em Processos ARMA com Adição de Termos de Perurbação Auor: Paricia Vieira de Llano Orienador:
Leia mais4 Análise dos tributos das concessionárias selecionadas
4 Análise dos ribuos das concessionárias selecionadas Nese capíulo serão abordados os subsídios eóricos dos modelos esaísicos aravés da análise das séries emporais correspondenes aos ribuos e encargos
Leia maisInferência Sequencial em Modelos Dinâmicos Generalizados
Inferência Sequencial em Modelos Dinâmicos Generalizados Carlos Tadeu Pagani Zanini Universidade Federal do Rio de Janeiro Insiuo de Maemáica Deparameno de Méodos Esaísicos 2015 Inferência Sequencial em
Leia maisUNIVERSIDADE FEDERAL DE JUIZ DE FORA DEPARTAMENTO DE ESTATÍSTICA CURSO DE ESTATÍSTICA
UNIVERSIDADE FEDERAL DE JUIZ DE FORA DEPARAMENO DE ESAÍSICA CURSO DE ESAÍSICA Isabela Abreu Curim Uma Revisão de Modelos Lineares Dinâmicos Juiz de Fora 2014 Isabela Abreu Curim Uma Revisão de Modelos
Leia mais4 Análise Empírica. 4.1 Definição da amostra de cada país
57 4 Análise Empírica As simulações apresenadas no capíulo anerior indicaram que a meodologia desenvolvida por Rigobon (2001 é aparenemene adequada para a análise empírica da relação enre a axa de câmbio
Leia maisUniversidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística
Universidade Federal de Minas Gerais Insiuo de Ciências Exaas Deparameno de Esaísica Modelo Exponencial por Pares via Modelo Parição Produo Aluno: Fábio Nogueira Demarqui Orienadora: Profa. Rosângela Helena
Leia maisI INVESTIGAÇÃO DE MÉTODOS DE SELEÇÃO AUTOMÁTICA DE CIRCUITOS USANDO A TEORIA DOS GRAFOS PARA A ANÁLISE DE REDES HIDRÁULICAS
º Congresso Brasileiro de Engenharia Saniária e Ambienal I- - INVESTIGAÇÃO DE MÉTODOS DE SELEÇÃO AUTOMÁTICA DE CIRCUITOS USANDO A TEORIA DOS GRAFOS PARA A ANÁLISE DE REDES HIDRÁULICAS Rober Schiaveo de
Leia maisAnálise e Processamento de BioSinais
Análise e Processameno de BioSinais Mesrado Inegrado em Engenaria Biomédica Faculdade de Ciências e Tecnologia Slide Análise e Processameno de BioSinais MIEB Adapado dos slides S&S de Jorge Dias Tópicos:
Leia mais4 CER Compensador Estático de Potência Reativa
68 4 ompensador Esáico de Poência Reaiva 4.1 Inrodução ompensadores esáicos de poência reaiva (s ou Saic var ompensaors (Ss são equipamenos de conrole de ensão cuja freqüência de uso em aumenado no sisema
Leia mais2.6 - Conceitos de Correlação para Sinais Periódicos
.6 - Conceios de Correlação para Sinais Periódicos O objeivo é o de comparar dois sinais x () e x () na variável empo! Exemplo : Considere os dados mosrados abaixo y 0 x Deseja-se ober a relação enre x
Leia mais6 Processos Estocásticos
6 Processos Esocásicos Um processo esocásico X { X ( ), T } é uma coleção de variáveis aleaórias. Ou seja, para cada no conjuno de índices T, X() é uma variável aleaória. Geralmene é inerpreado como empo
Leia maisEconometria Semestre
Economeria Semesre 00.0 6 6 CAPÍTULO ECONOMETRIA DE SÉRIES TEMPORAIS CONCEITOS BÁSICOS.. ALGUMAS SÉRIES TEMPORAIS BRASILEIRAS Nesa seção apresenamos algumas séries econômicas, semelhanes às exibidas por
Leia maisTipos de Processos Estocásticos
Mesrado em Finanças e Economia Empresarial EPGE - FGV Derivaivos Pare 7: Inrodução ao álculo Diferencial Esocásico Derivaivos - Alexandre Lowenkron Pág. 1 Tipos de Processos Esocásicos Qualquer variável
Leia maisFunção de risco, h(t) 3. Função de risco ou taxa de falha. Como obter a função de risco. Condições para uma função ser função de risco
Função de risco, h() 3. Função de risco ou axa de falha Manuenção e Confiabilidade Prof. Flavio Fogliao Mais imporane das medidas de confiabilidade Traa-se da quanidade de risco associada a uma unidade
Leia maisDISCIPLINA SÉRIE CAMPO CONCEITO
Log Soluções Reforço escolar M ae máica Dinâmica 4 2ª Série 1º Bimesre DISCIPLINA SÉRIE CAMPO CONCEITO Maemáica 2ª do Ensino Médio Algébrico simbólico Função Logarímica Primeira Eapa Comparilhar Ideias
Leia maisMATEMÁTICA APLICADA AO PLANEJAMENTO DA PRODUÇÃO E LOGÍSTICA. Silvio A. de Araujo Socorro Rangel
MAEMÁICA APLICADA AO PLANEJAMENO DA PRODUÇÃO E LOGÍSICA Silvio A. de Araujo Socorro Rangel saraujo@ibilce.unesp.br, socorro@ibilce.unesp.br Apoio Financeiro: PROGRAMA Inrodução 1. Modelagem maemáica: conceios
Leia maisComportamento Assimptótico dos Mínimos Quadrados. Questão: Será que a estimativa de mínimos quadrados converge para o valor verdadeiro dos parâmetros?
Modelação, Idenificação e Conrolo Digial 4-Idenificação Paramérica 36 Comporameno Assimpóico dos Mínimos Quadrados Quesão: Será que a esimaiva de mínimos quadrados converge para o valor verdadeiro dos
Leia maisAULA 22 PROCESSO DE TORNEAMENTO: CONDIÇÕES ECONÔMICAS DE USINAGEM
AULA 22 PROCESSO DE TORNEAMENTO: CONDIÇÕES ECONÔMICAS DE USINAGEM 163 22. PROCESSO DE TORNEAMENTO: CONDIÇÕES ECONÔMICAS DE USINAGEM 22.1. Inrodução Na Seção 9.2 foi falado sobre os Parâmeros de Core e
Leia maisMódulo de Regressão e Séries S Temporais
Quem sou eu? Módulo de Regressão e Séries S Temporais Pare 4 Mônica Barros, D.Sc. Julho de 007 Mônica Barros Douora em Séries Temporais PUC-Rio Mesre em Esaísica Universiy of Texas a Ausin, EUA Bacharel
Leia maisModelos BioMatemáticos
Modelos BioMaemáicos hp://correio.fc.ul.p/~mcg/aulas/biopop/ edro J.N. Silva Sala 4..6 Deparameno de Biologia Vegeal Faculdade de Ciências da Universidade de Lisboa edro.silva@fc.ul.p Genéica opulacional
Leia mais4 Distribuições univariadas e multivariadas de retornos e volatilidades
35 4 Disribuições univariadas e mulivariadas de reornos e volailidades 4.1. Disribuições Condicionais Univariadas de Reornos Caracerizar disribuições (incondicionais) de reornos de aivos é uma preocupação
Leia maisFundamentos de Computação Gráfica Prova Aluna: Patrícia Cordeiro Pereira Pampanelli
Fundamenos de Compuação Gráfica Prova -6- Aluna: Parícia Cordeiro Pereira Pampanelli Observação: Os códigos uilizados para o desenvolvimeno da prova enconram-se em anexo. Quesão : A Transformada Discrea
Leia maisUNIVERSIDADE FEDERAL DE MINAS GERAIS INSTITUTO DE CIÊNCIAS EXATAS PROGRAMA DE MESTRADO EM ESTATÍSTICA THAIZE VIEIRA MARTINS
UNIVERSIDADE FEDERAL DE MINAS GERAIS INSTITUTO DE CIÊNCIAS EXATAS PROGRAMA DE MESTRADO EM ESTATÍSTICA THAIZE VIEIRA MARTINS INTERVALOS DE PREVISÃO BOOTSTRAP PARA MODELOS ESTRUTURAIS Belo Horizone Maio
Leia maisAntes de mais nada, é importante notar que isso nem sempre faz sentido do ponto de vista biológico.
O modelo malusiano para empo conínuo: uma inrodução não rigorosa ao cálculo A dinâmica de populações ambém pode ser modelada usando-se empo conínuo, o que é mais realisa para populações que se reproduzem
Leia maisMODELOS DE INTERVENÇÃO PARA PREVISÃO MENSAL DE CONSUMO DE ENERGIA ELÉTRICA CONSIDERANDO CENÁRIOS PARA O RACIONAMENTO
EVANDRO LUIZ MENDES MODELOS DE INTERVENÇÃO PARA PREVISÃO MENSAL DE CONSUMO DE ENERGIA ELÉTRICA CONSIDERANDO CENÁRIOS PARA O RACIONAMENTO DISSERTAÇÃO DE MESTRADO Disseração apresenada ao Deparameno de Engenharia
Leia maisCapítulo 2: Proposta de um Novo Retificador Trifásico
30 Capíulo 2: Proposa de um Novo Reificador Trifásico O mecanismo do descobrimeno não é lógico e inelecual. É uma iluminação suberrânea, quase um êxase. Em seguida, é cero, a ineligência analisa e a experiência
Leia mais3 Processos Estocásticos
3 Processos Esocásicos Um processo esocásico pode ser definido como uma seqüência de variáveis aleaórias indexadas ao empo e ambém a evenos. É uma variável que se desenvolve no empo de maneira parcialmene
Leia mais