4 A Teoria de Filtragem
|
|
- Giulia Carvalhal Festas
- 5 Há anos
- Visualizações:
Transcrição
1 4 A ora d Flragm Ns capíulo srá abordado o conhcmno ncssáro para a mplmnação do lro ulzado ns rabalho, conorm [27]. O lro d Kalman é ormulado mamacamn m rmos d varávs d sado sua solução é compuada rcursvamn, ou sja, cada sado smado aualzado é compuado a parr d valors anrors smados dos novos dados, porm só sndo ncssáro armaznar o valor smado anror. Sua mplmnação é smpls, o qu o lvou a sr ulzado m muos problmas m drns áras d conhcmno. D ao, o lro d Kalman é um xmplo da amíla d lros adapavos conhcdos como Flros Rcursvos d Mínmos Quadrados, para o caso socásco. Mas o lro d Kalman prcsa do conhcmno dos parâmros da plana dos valors das marzs d covarânca do ruído d ssma d mdda. Exsm alguns méodos ulzados para a mplmnação d algormos qu prmam orncr os valors ómos dsas marzs d ruído, qu srão raados adan. 4.. Concos Probablíscos Consdr um ssma dscro socásco dnâmco: ( x, ) + Γ( x, ) w,,2,3... x = Φ = (57) ond: x = Um n-vor d sado vrdadro do ssma no mpo, Φ = Uma unção n-voral, Γ = Uma unção marz n x r, w - = Ruído branco gaussano do ssma. Da quação (57) pod-s vr qu x é um vor alaóro, vso qu w é alaóro ambém. A saída do ssma pod sr scra: ond: (,) + w2,2,3... y = H x = (58)
2 53 y = Vor p d obsrvaçõs no mpo H = Vor p, w2 = ruído branco gaussano d mdção. 7 A quação (58) mosra como as obsrvaçõs do sado vrdadro são sujas aos rros d mdda. O rgsro d valors passados d saída srá rprsnado por Y : { y,y,y,... } Y 2 3 y = (59) O problma da lragm dscra é compuar uma smava d x, lnar não vcada, dadas as ralzaçõs d Y ; ns caso mnmzando a varânca do rro d smação. A solução do problma d lragm assm dndo pod sr sablcda m rmos da unção d dnsdad probablísca condconal d x l dado Y, ( ) ) x, Y (60) s la conm oda a normação saísca sobr x. No caso lnar gaussano, a solução sá caracrzada pla méda a covarânca da dnsdad condconal (60). No caso não lnar a solução é muo mas complxa, porqu a dnsdad não pod sr caracrzada por um conjuno no d parâmros (não sndo, m gral, gaussana) [22]. S a dnsdad (60) é unmodal (um só pco) smérca com rspo a sua méda, não, para a maora dos ssmas (Shrman 955), o smador ómo é smplsmn a méda condconal: [ Y ] = E x (6) 4.2. O Flro d Kalman O lro d Kalman (a mpo dscro) ornc um algormo para compuar a smava óma o rro d covarânca para um ssma lnar dnâmco dscro socásco xcado por ruídos gaussanos. Sja um ssma lnar dscro pla sgun quação:
3 54 x Φ x + Γ w = (62) ond: x = vor n d sado no mpo, Φ = Marz n x n d ransção d sado não sngular, w = Vor r d sqüênca d ruído branco gaussano. O vor x rprsna as varávs d sado do ssma dnâmco. O ruído sr branco gaussano sgnca qu sus valors ao longo do mpo são varávs alaóras gaussanas dscorrlaadas d méda nula, sndo complamn rprsnados com sua covarânca. O ruído w é suposo branco gaussano, o qu sgnca: E [ w w ] Q, = = (63) 0, Para o ssma d obsrvação, d novo ulzamos: y = + (64) Hx w2 com as caracríscas do ruído do obsrvação (suposo branco gaussano) dadas por: E [ w2 w2 ] R, = = (65) 0, Além dsso, os dos ruídos são suposos ndpndns, o qu mplca qu sua covarânca é nula. Suponha conhcdas as obsrvaçõs da saída: { y,y,y,... y } Y = (66) 2 3
4 55 Dn-s o valor smado como o valor smado d x basado m odas as obsrvaçõs aé -, so é, [ ] E x Y ; como o valor smado d x basado m odas as obsrvaçõs nclundo o mpo, so é, E [ x Y ]. Por smplcdad, srá dnoado apnas como como,. Dnm-s as marzs d covarânca dos rros d smação por: P [( x )( ) ] x = E (67) P [( x )( ) ] x P = E (68) A Inovação A novação é o procsso socásco dndo plo rsíduo nr os valors obsrvados ou mddos os valors smados d um vor d sado. O dsmpnho do lro é rldo nas proprdads saíscas da sqüênca d novação. A novação vm dnda da sgun orma: v = y ŷ (69) ond: ŷ = H (70) sndo, no caso do unconamno ómo, um procsso gaussano branco d méda nula. Pod sr vsa como a saída d um lro d prdção d ordm -, ond sua nrada é uma sér d y.,y 2,..., y Proprdads da Inovação A novação m proprdads mporans, qu são dscras a sgur: Proprdad : A novação α assocado com a varávl obsrvávl y é orogonal às obsrvaçõs passadas y,y,..., : 2 y
5 56 [ y ] 0 E v = (7) Proprdad 2: As novaçõs v, v 2,... v, são orogonas nr s: [ v ] 0 E v = (72) Proprdad 3: Exs uma corrspondênca uma a uma nr os dados obsrvados { y,y,..., } as novaçõs {,v,..., } 2 y v ond, uma 2 v sqüênca pod sr obda d oura por mo d um lro nvrsívl causal sm prda d normação {,y,...,y } { v,v,..., } y (73) 2 2 v Algormo do Flro d Kalman O algormo dsnvolvdo por Kalman sá basado na solução rcursva do problma d smação quadráca mínma, ulzando a dnção do procsso d novação, aprovando as proprdads d corrlação ds procsso socásco spcal. A sgur srá aprsnado o algormo: Vor d nrada (mdda ou obsrvada): Y = { y,y,... y } 2 Parâmros conhcdos: Φ : marz d ransção d sado H: marz d saída Q: marz d covarânca do ruído d ssma R: marz d covarânca do ruído d mdda Esmação d sado:, [ y H ] = + K (74),
6 57 ond K é o ganho d Kalman ulzado para corrgr o valor prvso a parr do valor da nova mdda y. Aualzação da marz d covarânca do rro d smação: P, = P K H P (75), Compuação do ganho do lro d Kalman: K [ H P R ], H, + = P (76) Prdção d sado:, = Φ (77) Esmação da Marz d Covarânca do rro: P, Γ = Φ P Φ + Γ Q (78) 4.3. Flro Esnddo d Kalman O lro d Kalman pod sr snddo ao problma não lnar aravés d um procdmno d lnarzação, conhcdo como lro snddo d Kalman. O algormo m smlud com o lro d Kalman, mas com algumas modcaçõs. Corrspond ao lro d Kalman aplcado ao ssma lnarzado m orno do úlmo valor smado, sndo, dpos, o ssma lnarzado m orno ds novo valor, para nova aplcação do lro, assm rcursvamn (Vr Anxo A). Esmação d sado:, [ y H ] = + K (79).
7 58 Aualzação da Marz d covarânca do rro d smação: P, = P K H P (80), H H = (8) x x = x Compuação do ganho do lro d Kalman: K [ H P R ], H, + = P (82) Prdção d sado:, (,x, u ) = Φ (83) Esmação da Marz d Covarânca do rro d smação: P, Γ = Φ P Φ + Γ Q (84) Φ Φ = (85) x x = x 4.4.Flro Sub-ómo Para a ormulação do lro d Kalman a parr d um ssma dnâmco socásco (62), (64) é ncssáro conhcr as marzs Ψ, Γ, H as marzs d covarânca dos ruídos d obsrvação do ssma Q R. S um lro sá basada no conhcmno ncomplo d alguma dsas marzs, srá do um lro sub-ómo. Ns rabalho srá consdrado o caso no qual o lro sub-ómo sá projado conorm as quaçõs do lro d Kalman, mas basado nas saíscas d ruído rradas Q R. Assm, o algormo cará:
8 59 Esmação d sado:, [ y H ] = + K (86), Aualzação da marz d covarânca do rro d smação, qu, para o lro subómo, srá dnoada por S: S, = S K H S (87), Compuação do ganho do lro: K [ H S R ], H, + = S (88) Prdção d sado: x = Φ (89) Esmação da marz d rro d covarânca: S, Γ = Φ S Φ + Γ Q (90) É bom lmbrar qu srá ulzado S,-, S para rssalar qu sas marzs não podm sr nrpradas como as smaçõs dos rros d covarâncas vrdadras P,-, P. O lro (74) (78) produzrá uma smava, mas qu não srá óma. Porém s lro é ómo para o ssma socásco com caracríscas d sgundo ordm Q R Flragm Adapava Exsm varas écncas dsponívs plas quas um lro pod sr provdo d alguma caracrísca qu prma a corrção d rros a parr d novas normaçõs. Em nosso sudo srá abordada a suação ond não s conhc corramn os valors das marzs d covarânca d rro Q R [23].
9 Esmação Baysana Nsa abordagm, odos os parâmros dsconhcdos são rprsnados por um vor α. Em prncpo α pod nclur parâmros rlaconados ao ssma dnâmco assm como as marzs d covarâncas do ruído Q R. Suponha qu odos os possívs valors d α podm sr rprsnados por um númro no d ralzaçõs, possvlmn muo grand, d um procsso { α, =,...N } por pr { α = α }, ond a probabldad ncal d cada ralzação é dada. Ns caso é possívl drvar, va orma d Bays, um conjuno d rcursõs das marzs d covarânca da dnsdad d probabldad condconal d α, assm como dos smadors [ α = α ], =,... N = E x. Os smadors x srão pondrados pla dnsdad d probabldad condconal para produzr uma smava nal d x [27]. Esa abordagm é arava por sua gnraldad, mas o procdmno é compuaconalmn psado para grands ssmas, porqu coném N lros rcorrns Esmação d Máxma Vrossmlhança Méodos ds po são obdos pla maxmzação da dnsdad d probabldad condconal d um vor dsconhcdo α, dado um conjuno d obsrvaçõs Y Na orma mas gral, a abordagm d máxma vrossmlhança nconra um conjuno d quaçõs drncas não lnars a cada passo, o qual dv sr rsolvdo ravamn. Somn quando o ssma é nvaran no mpo o lro é suposo m sado prmann, pod-s aplcar o méodo [27] Adquação da covarânca Es méodo é aplcado quando s dsconhc Q R sá basado na déa d qu a covarânca da novação: v = y H (9),
10 6 m um valor órco qu sá dramn rlaconado a Q R. Assm, a aual covarânca d α pod sr smada a parr da saída do lro. Esqumas ds po podm sr dsnvolvdos para ajusar Q R aé qu sjam conssns com os valors obsrvados. A convrgênca dss méodos aprsna um dsmpnho baxo porqu os ajuss d Q R são nrdpndns porqu ss ajuss a cada passo são basados numa smpls amosragm da novação [27] Méodos d Corrlação Ess méodos são aplcávs aos lros ond Q R são dsconhcdos. O méodo d corrlação d saída sá basado na sqüênca d auo-corrlação obsrvada { y } ; o méodo d corrlação d novação sá basado na auocorrlação da sqüênca d novação { v }. Ess méodos são smlhans ao caso anror, mas são basados nas proprdads saíscas d um sgmno d mpo da sqüênca { y } ou { } v. Varans dss algormos êm sdo produzdas para grar um conjuno d quaçõs qu rlaconam as unçõs d auocorrlação amosradas com os parâmros dsconhcdos. Esas quaçõs podram sr rsolvdas m orma algébrca para produzr os smadors d Q R ou, alrnavamn, produzr dramn um smador da marz d ganho óma. Mas ss méodos são compuaconalmn muo rabalhosos m a dsvanagm d sarm basados numa só unção d auocorrlação amosrada. O problma o rsolvdo por Bélangr (974), para o caso spcal m qu as marzs Q R são ndpndns no mpo dpndm lnarmn d um conjuno d parâmros dsconhcdos. El mosrou qu, para ssa condção, a unção d auocorrlação vrdadra da sqüênca d novação é ambém uma unção lnar ds conjuno d parâmros. O méodo d Bélangr é aravo por duas condçõs: El oma m cona as ncrzas assocadas com a amosragm da auocorrlação da sqüênca d novação. Os parâmros dsconhcdos são smados a parr d obsrvaçõs do ruído da unção d auocorrlação. Es algormo pod sr ormulado como um lro scundáro.
11 62 Em muas aplcaçõs, é razoávl supor qu o projsa conhc alguma cosa da sruura d Q R. O méodo d Bélangr ra vanagm dsa normação ncal para rduzr sgncavamn o cuso compuaconal garanr a convrgênca A sqüênca d Inovação O dsmpnho d um lro sá rlaconado com a proprdad saísca da sqüênca d novação { v }: v = y H (92), Como o do anrormn na lsa d proprdads da novação do lro d Kalman, o ao d qu sa sqüênca sja um ruído branco sgnca qu o lro lnar já rrou oda a normação lnar dl. Ou mlhor, qu oda a normação lnar (a obda por smadors lnars, obdos por projçõs no spaço grado plas mddas dramn) já o obda. No caso conráro, s a novação oss corrlaconada no mpo, l anda ra normação úl não ulzada plo lro. Os algormos adapavos qu ulzam sa caracrísca para mlhorar o dsmpnho do lro são chamados d méodos d corrlação da novação [27]. A sqüênca d novação sá rlaconada com o rro d smação ~ da sgun orma: ~ = x, v v = y H = H ~ + w2, (93) Podmos obr uma rcursão do vor d prvsão da quação do lro para uma marz d ganho arbrára:
12 63, = ψ =, + K [ y H ], (94),0 [ ] = E x 0 P, = Φ P Φ + Γ Q Γ P P,0 = [ I H ] P [ I H ] = E, [( x )( ) ] 0,0 x0,0 + R K (95) A sgunda quação d (95) é muo mporan porqu ornc o rro d covarânca do smador para uma marz d ganho arbrára. Por xmplo, s uma marz d ganho K é compuada como uma aproxmação d K por razõs d cênca compuaconal, não sa sgunda quação pod sr usada para compuar o rro d covarânca P. Ns caso, sm supor qu K é a marz do lro ómo, a rcursão do vor d prvsão cará:, = Φ = Φ [ ~, + K H ] + Φ K w2 ond x rprsna não mas a smava óma (dada plo lro d Kalman), mas uma smava sub-óma, dada plo novo lro calculado a parr d uma marz d ganho arbrára. (96) A rcursão para o rro d prvsão passa a sr: x ~ = Φ = Φ x + Γ [ I K H ] w + Γ w Ψ ~ K w2 (97) omando rcursõs arás:
13 64 ~ = φ, + ~ φ,j+ j= [ Γ w Φ K w2 ] j j j j j (98) ond φ, 2 é a marz d ransção d sado do rro do ssma, dada por: φ,2 Φ [ I K H ] Φ 2[ I K 2H 2 ] [ I K H ] Φ (99) φ, I Ulzando (93): [ ] ( ~ )( ~ v = E H + w2 H + w2 ) H E[ ~ ~ = ] H H E ~ ( w2 ) + + E[ w2 x ] H E w2 ( w2 )) + E v (00) O prmro o sgundo rmos da quação (00) podm sr rsolvdos com a quação (98), juno com as saíscas do ruído do ssma da obsrvação. O rcro quaro rmo são nulos a parr das hpóss sobr os ruídos. Assm: [ vv )] HP, H R E = + (0) [ v ] E v = H φ H φ, P, +, Ψ H K R, > 0 (02)
14 65 As quaçõs (03) (04) xprssam a auocorrlação da sqüênca d novação do lro sub-ómo m rmos das marzs d covarânca do rro assocadas. Para mosrar qu o lado dro da quação (02) s anula quando o lro é ómo, rscrvrmos: [ v ] E v = H φ, + Φ {[ I K H ] P H K R }, (03) [ v ] E v = H φ, + { P H K [ H P H + R ]}, = H φ Φ, + Φ { K K }[ H P H + K ],, (04) A quação (04) nconra mdaamn a proprdad d novação do lro : [ v ] E v = 0 para 0 para odo (05) > Para um lro sub-ómo, a auocorrlação da sqüênca d novação é dramn proporconal à drnça nr a marz d ganho K a marz d ganho d Kalman, plas quaçõs (03) (04). S K é o ganho do Flro d Kalman, não a sqüênca d novação é branca sua covarânca é dada por (0). As novaçõs ormam uma sqüênca gaussana s o ruído do ssma o ruído d obsrvação são gaussanos o algormo do lro é lnar Algormo d Bélangr O algormo d Bélangr supõ qu Q R são ndpndns no mpo qu são combnaçõs lnars d marzs conhcdas Q Q :
15 66 Q = αq (06) = R = αr (07) = Srá projado um lro sub-ómo na bas d um smava ncal α do vor = [,..., ], orncndo smavas ncas para as marzs Q R: N Q = α Q (08) = N = R = α R (09) Agora o algormo do lro d Kalman srá rscro nclundo a sqüênca d novação: Esmação d sado:, [ y H ] = + K (0), Aualzação da marz d covarânca d rro d smação: P, = P K H P (), Compuação do ganho do lro d Kalman: K [ H P R ], H, + = P (2) Prdção d sado:, = Φ (3) Esmação da marz d covarânca d rro d smação:
16 67 P, Γ = Φ P Φ + Γ Q (4) Inovação: v = y H (5), S,0,0 = 0 [ ] = E x 0 (6) As marzs S S a srão dndas plas rcursõs: S S,, = = Φ S Φ + Γ,,...N (7) [ I K H ] S [ I K H ],, = = + K R K,,...N (8) com: S,, 0 = 0,,...N (9) = Porano podmos scrvr:, N S = α S (20) = N =, S = α S (2), Suponhamos qu: é xaa: = x (22),0 P, 0 0 = 0 (23)
17 68 assm, S,0 = P, 0 :, N P = α S (24) =, N P = α S (25) =, Para o caso spcal (22) com ajuda d (0) - (05), obmos: E N [ v ()v )] = α F (26) =,, ond:,,0, F = H S H + R (27) F,, = H φ, + Φ {[ I K H ] S H K R },, > 0 (28) As marzs F,, podm sr compuadas rcursvamn como um subproduo do algormo do lro. pcamn, o smador ncal não é xao, as rlaçõs lnars (23) (24) nr P,- S,- nr P S não são mandas ncalmn. Porém las srão mandas para um valor muo grand d dvdo à sabldad do lro. O lro squc as spccaçõs ncas d S xponncalmn rápdo [27]. Porano é possívl scrvr: ond: N, = αs, + = P S ~ (29) S ~, 0 ( φ ), = φ Φ P Φ (30) 0,0 Um rro smlar pod s aprsnar para a quação (25) quando P 0:
18 69 ond: E N [ v v ] = αf,, +, (3) = F ~ F ~ H S ~,0 = H (32) F ~ H S ~, = φ, H or > 0 (33) O rmo F ~, srá nulo quando or ncrmnado., F ~ rá mas rapdamn para zro qu S ~ dvdo à prsnça d H O Flro Quadráco Esa sção é uma adapação dos rsulados d D (974) ao problma da prsn s. A quação (25) xprssa o ao d qu Q R são unçõs lnars dos componns d α, ou sja, a auocorrlação da sqüênca d novação é ambém lnar m α. A abordagm agora srá vr (25) como um modlo d obsrvação d α ormular o smador como um lro sub-ómo d Kalman para s parâmro. A quação (25) pod sr scra: v v = N = α F,, + ξ, (34) com: [ ] E, = ξ 0 (35) A quação (34) ornc um modlo d obsrvação do vor α dsconhcdo. As obsrvaçõs v v as obsrvaçõs padrõs F (,l) srão obdas do lro sub-ómo. Iso xg não qu o algormo qu sma α possa sr ormulado como um lro scundáro do lro sub-ómo.
19 70 Ans d dscrvr o lro quadráco, dvmos scrvr o modlo d obsrvação d α m orma d vor. Srá usada a noação a j para salnar a coluna j I da marz pxp A. O vor vc[a] srá o vor p 2 x obdo pla concanação das colunas d A. vc [ A] a 2 a. =. (36).. p a No qu, s A é smérca, vc[a] rá lmnos duplcados. Srá dnda a marz para qu vc[a] sja a rprsnação d [A] sm lmnos duplcados = (37) PP ond cada bloco rs é uma marz (p-r+)xp rs = 0 s r s (38) rr = [ 0 r I ] p r+ } p r + Sja: [ v v )] vc s = 0 σ, (39) vc[ vv )] s > 0
20 7 Fs, [ vc[f ];vc[f ];...vc[f ]],,0 2,,0 N,,0 s = 0 (40) [ vc[f,, )];vc[f2,, )];...vc[fn,, ] s > 0 [ ξ )] vc,0 s = 0 η, = (4) vc[ ξ, ] s > 0 Assm, o modlo d obsrvação (34) d α m orma voral é: σ, = Fs, α + η, (42) com: [ ] E, = η 0 (43) As obsrvaçõs σ, as obsrvaçõs padrõs, prmáro. A sqüênca d novação { v ()} gra os produos: { v v ; =,2...;l = 0,,... } Fs são obdas do lro Na práca, dv-s spccar um máxmo rardo L. O su amanho dpnd da aplcação parcular das consdraçõs compuaconas. As obsrvaçõs σ, são gradas no sgun ordm: { σ ; σ ; σ ; σ ; σ ; σ ;... σ ; σ σ },0 2,0 2, 3,0 3, 3,2,0, ;..., Srá dndo o conador para smplcar a noação das obsrvaçõs quadrácas, prcorrndo os índcs acma d orma crscn: σ = Fs α + η (44) com:
21 72 E[ η ] = 0 (45) [ η )] E η = ν(,s, α) (46) s D ao, a sqüênca d ruído d obsrvação { η } não é branca su sgundo momno dpnd d α. O abordagm d Bélangr é smar α pla solução d um problma d mínmos quadrados: nconrar o vor ˆα () qu mnmza: ( Fs α) W ( σ Fs α) + ( σ σ ) θ ( σ σ ) J = σ j j j j j j= 0 (47) ond W j θ 0 são marzs d pso posva dnda α 0 é um smador ncal d α. Suponha, por nquano, qu W j θ 0 são marzs posvas dndas spccadas arbraramn. A solução rcursva do problma (47) com W j = W j é xaamn o lro do modlo. α = α (48) σ ' = Fs α + η' (49) com: [ ' ] [ ' ( η' s ) ] E η = 0 (50) E η = δ W (5) s : [ ] [( α0)( α0 α0) ] E α 0 = α0 (52) E 0 = θ0 α (53)
22 73 Es abordagm aproxmará o modlo vrdadro d α (45) (46) plo modlo (48) (49), os quas m ruído d obsrvação com saíscas spccadas por (50) (5). O lro ómo do modlo srá: K α [ Fs θ Fs + W ] = θ Fs (54) α [ K Fs ] θ = (55) I θ α [ σ Fs αˆ ] α ˆ = αˆ + K (56) [ α ] [( α0 α0)( α0 α0) ] ˆ 0 0 α α = E = 0 (57) θ = E = 0 (58) 0 θ Pod-s vr qu o dsmpnho do lro α dpndrá d quão pro o modlo ncal sá do modlo vrdadro. Assm a spccação d W θ são ssncas para a axa d convrgênca do algormo Escolha d W θ O lro α srá ómo s a sqüênca d ruído { η ()} or branca s: E[ ] [( α α0)( α α0) ] α 0 = α (59) θ 0 = E (60) W E[ η η ] = (6) No caso ral: E [ η η ] = ν(,s, α) = E [ σ, E( σ, ) ][ σ2, 2 Eσ2, 2 ] ] (62) com:
23 74 σ, [ v v ] vc s = 0 = (63) vc[ v )v ] > ) s 0 Assm, a auo-corrlação d η é uma unção d momno d quaro ordm da sqüênca d novação ss momnos não podm sr spccados sm o conhcmno d α. Fazndo uma slção d srá nroduzda uma aproxmação lnar ao problma. W ndpndnmn d α, A aual covarânca é dada por: W = E [ η η ] W = W,,0 s s = 0 > 0 (64) ond: W, = E vc [ v v ] E[ vc[ v v ] vc [ v v ] E[ vc[ v v ] W, = E ( vc[ v v ])( vc[ v v ]) [ [ v v ] E ( vc[ v v ]) E vc (65) Porano, W, é uma marz p 2 x p 2.
24 75 2 p W W...W p W W...W..... W, = (66) p p2 pp W W...W ond cada bloco W rs é uma marz p x p com: W rs j (, ) = E v [, vr, v j, v s, ] E[ v v ].E [ v v ], r, j, s, (67) Ulzando o ao d qu v é gaussana, podmos usar a rgra do produo (rlaconando momnos d quara d sgunda ordm d varávs gaussanas) para xprssar os momnos d quara ordm (66) m rmos d momnos d sgunda ordm: W rs j (, ) = E v [, v j, ] E[ vr, v s, ] [ v ] E[ v v ] + E v, s, r, j, (68) Agora srá nroduzda uma aproxmação, azndo α=α (Bélangr 974), com so a sqüênca d novação srá branca (conorm sção 4.5.5), dsd qu suponhamos (por smplcação) qu { η ()} é um ruído branco (o qu modca (62) (63)). Com sas novas modcaçõs, azndo W=W : rs ( Wj ) = E[ v, v j, ] E[ v r, v s, ] + δ E[ v v ] E[ v v ] l0, s, r, j, (69) ond { v ()} é a sqüênca d novação quando α =α. O lado dro da quação (69) pod sr avalado usando a quação (34): E v ( v ) = N = α = H F,,0 S, H + R (70)
25 76 Agora complamos a spccação do lro α: O smador rcursvo é dado por: K α [ Fs θ Fs + W ] = θ Fs (54) α [ K Fs ] θ = (55) I θ α [ σ Fs αˆ ] α ˆ = αˆ + K (56) [ α ] ˆ 0 0 α α = E = 0 (57) [( α0 α0)( α0 α0) ] θ = E = 0 (58) 0 θ As obsrvaçõs quadrácas σ, : σ, [ v v )] vc s = 0 (39) vc[ vv )] s > 0 As obsrvaçõs padrõs Fs (,l) : [ vc[f ];vc[f ];...vc[f ]],,0 2,,0 N,,0 s = 0 Fs, (40) [ vc[f,, )];vc[f2,, )];...vc[fn,, ] s > 0 Fnalmn a marz d pondração W é dnda plas quaçõs (64) - (70).
7. Aplicação do Principio do Máximo
7. Aplicação do Principio do Máximo Ns capiulo vamos implmnar um algorimo qu uiliz a oria do Principio do Máximo para drminar o conjuno dos sados aingívis. Com o rsulados obidos vamos nar fazr um parallo
Leia mais( 1). β β. 4.2 Funções Densidades Con2nuas
4 Funçõs Dnsidads Connuas Dnsidad Eponncial A dnsidad ponncial é u:lizada comumn para sablcr sruuras d probabilidads m primnos cujos nos são siuados na ra ral [, ] Uma aplicação gral comum corrspond à
Leia maisy z CC2: na saída do reator: z = 1: 0. Pe dz Os valores característicos do problema são as raízes de: Da Pe 0 Pe Pe
COQ-86 Méodos Nuércos para Ssas Dsrbuídos Explos Ilusravos d EDO co Problas d Valors o Cooro -) Modlo sacoáro do raor co dsprsão soérco Coo o obvo ds sudo d caso é lusrar o ovo procdo avalar o su dspo
Leia maisAULA 9 CONDUÇÃO DE CALOR EM REGIME TRANSITÓRIO SÓLIDO SEMI-INFINITO
Noas d aula d PME 336 Procssos d ransfrênca d Calor 66 AULA 9 CONDUÇÃO DE CALOR EM REGIME RANSIÓRIO SÓLIDO SEMI-INFINIO Fluo d Calor num Sóldo Sm-Infno Na aula anror fo sudado o caso da condução d calor
Leia mais7 Solução de um sistema linear
Toria d Conrol (sinops 7 Solução d um sisma linar J. A. M. Flipp d Souza Solução d um sisma linar Dfinição 1 G(,τ mariz cujos lmnos g ij (,τ são as rsposas na i ésima saída ao impulso aplicado na j ésima
Leia maisCARGA E DESCARGA DE CAPACITORES
ARGA E DESARGA DE APAITORES O assuno dscudo ns argo, a carga a dscarga d capacors, aparcu dos anos conscuvos m vsbulars do Insuo Mlar d Engnhara ( 3). Ns sudo, srão mosradas as dduçõs das uaçõs d carga
Leia mais3. VARIÁVEIS ALEATÓRIAS
3. VARIÁVEIS ALEATÓRIAS 0 Varávl alatóra Ω é o spaço amostral d um prmnto alatóro. Uma varávl alatóra,, é uma função qu atrbu um númro ral a cada rsultado m Ω. Emplo. Rtra-s, ao acaso, um tm produzdo d
Leia maislog 2, qual o valor aproximado de 0, 70
UNIERSIDADE FEDERAL DE ITAJUBÁ GABARITO DE FUNDAMENTOS DA MATEMÁTICA PROA DE TRANSFERÊNCIA INTERNA, EXTERNA E PARA PORTADOR DE DIPLOMA DE CURSO SUPERIOR // CANDIDATO: CURSO PRETENDIDO: OBSERAÇÕES: Prova
Leia maisSolução numérica de equações diferenciais ordinárias. Problema de valor inicial (PVI)
Solução numérca de equações derencas ordnáras Problema de valor ncal PVI 4 5 Inrodução 4 5 Uma equação derencal ordnára é denda como uma equação que envolve uma unção ncógna e algumas das suas dervadas
Leia maisProblemas de Valor Inicial para Equações Diferenciais Ordinárias
EQE-358 MÉTODOS NUMÉRICOS EM ENGENHARIA QUÍMICA PROFS. EVARISTO E ARGIMIRO Capíulo 7 Problmas d Valor Incal para Equaçõs Dfrncas Ordnáras Muos problmas m modlagm d procssos químcos são formulados m rmos
Leia maisModelos de Fatores Latentes Generalizados para Curvas de Juros em Múltiplos Mercados
Modlos d Faors Lans Gnralzados para Curvas d Juros m Múlplos Mrcados Márco Pol Laurn Inspr Insuo d Ensno Psqusa IMECC Uncamp Luz Kood Hoa IMECC Uncamp Rsumo Ns argo propomos modlos d faors lans para ralzar
Leia maisANALISE DE CIRCUITOS DE 1 a E 2 a. J.R. Kaschny ORDENS
ANAISE DE IRUITOS DE a E a J.R. Kaschny ORDENS Inrodução As caracrísicas nsão-corrn do capacior do induor inroduzm as quaçõs difrnciais na anális dos circuios léricos. As is d Kirchhoff as caracrísicas
Leia maisMODELOS DE REGRESSÃO PARA DADOS DE CONTAGEM. O modelo log-linear de Poisson
MODELOS DE REGRESSÃO PARA DADOS DE CONTAGEM O modlo log-lnar d Posson Intrss m modlar a dstrbução d uma varávl rfrnt a algum tpo d contagm m função d covarávs. A stratéga mas comum para modlagm nssas stuaçõs
Leia maisEXPERIÊNCIA 7 MEDIDA DE INDUTÂNCIA POR ONDA RETANGULAR
UMCCE Eng. Elérca m - ab. Crco Elérco Prof. Wlon Yamag EXPEÊNC 7 MEDD DE NDUÂNC PO OND ENGU NODUÇÃO O objvo báco da xprênca é mdr a ndânca a rênca d ma bobna zando ma onda ranglar. O prncípo da mdção é
Leia maisr R a) Aplicando a lei das malhas ao circuito, temos: ( 1 ) b) A tensão útil na bateria é: = 5. ( 2 ) c) A potência fornecida pela fonte é: .
Aula xploraóra 07. Qusão 0: Um rssor d Ω é lgado aos rmnas d uma bara com fm d 6V rssênca nrna d Ω. Drmn: (a) a corrn; (b) a nsão úl da bara (so é, V V ); a b (c) a poênca forncda pla fon da fm ; (d) a
Leia maisFunções reais de n variáveis reais
Apoio às aulas MAT II 8--6 INSTITUTO SUPERIOR DE CONTABILIDADE E ADMINISTRAÇÃO DE LISBOA LICENCIATURA EM GESTÃO MATEMÁTICA II APOIO ÀS AULAS DE FUNÇÕES REAIS DE MAIS DE UMA VARIÁVEL REAL 5/6 Manul Marins
Leia maisANÁLISE DE SOBREVIVÊNCIA - COX. Airlane P. Alencar IME-USP Alessandra C. Gourlart FM-USP
ANÁLISE DE SOBREVIVÊNCIA - COX Arlan P. Alncar IME-USP Alssandra C. Gourlar FM-USP Arlan P. Alncar Alssandra C. Goular - USP Modlo d Cox Modlo d rscos proporconas O rsco no mpo com varávl xplcava X é X
Leia maisJ, o termo de tendência é positivo, ( J - J
6. Anxo 6.. Dinâmica da Economia A axa d juros (axa SEL LBO) sgu um modlo. Ou sja, o procsso da axa d juros (nuro ao risco) é dscrio por: dj ( J J ) d J ond: J : axa d juros (SEL ou LBO) no insan : vlocidad
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 12.º Ano Versão 1/3
FICHA d AVALIAÇÃO d MATEMÁTICA A.º Ano Vrsão / Nom: N.º Trma: Aprsn o s raciocínio d orma clara, indicando odos os cálclos q ivr d ar odas as jsiicaçõs ncssárias. Qando, para m rslado, não é pdida ma aproimação,
Leia maisTeoria de Controle (sinopse) 4 Função de matriz. J. A. M. Felippe de Souza
Toria d Conrol (sinops) 4 Função d mariz J. A. M. Flipp d Souza Função d mariz Primiramn vamos dfinir polinómio d mariz. Dfinição: Polinómio d mariz (quadrada) Sja p(λ)um polinómio m λd grau n (finio),
Leia maisUMA ANÁLISE DE DADOS CATEGORIZADOS LONGITUDINAIS DE UM PROGRAMA DE ATIVIDADE FÍSICA NA QUALIDADE DE VIDA DE MULHERES COM OSTEOPOROSE
UMA ANÁLISE DE DADOS CATEGORIZADOS LONGITUDINAIS DE UM PROGRAMA DE ATIVIDADE FÍSICA NA QUALIDADE DE VIDA DE MULHERES COM OSTEOPOROSE Glbro Mndonça d OLIVEIRA Mara Ccla Mnds BARRETO RESUMO: O sudo d nformaçõs
Leia maispara Z t (lembre que = 1 B)
Economria III ANE59 Lisa d Ercícios d Economria d Séris mporais Pro. Rogério Siva d Maos (Juho 6) Si: www.uj.br/rogrio_maos A. MODELOS ARIMA. Escrva por nso:. ARMA(,) para. ARMA(,) para X. ( B B ) Z (
Leia mais3. Medidas de desempenho são combinadas sobre todas as. 2. Medidas de desempenho preditas são obtidas usando modelos de regressão para as respostas:
Função d rfrêna oal C m Funçõs objo alrnaas ara omzação d xrmnos om múllas rsosas Fláo Foglao Projo d Exrmnos II Abordagns ara omzação mulrsosa Omzação Mulrsosa Prodmno adrão. Rsosas modladas omo função
Leia maisResolver problemas com amostragem aleatória significa gerar vários números aleatórios (amostras) e repetir operações matemáticas para cada amostra.
Dscplna: SComLMol Numann, Ulam Mtropols (945-947) Numann Ulam [945] prcbram qu problmas dtrmnístcos podm sr transormados num análogo probablístco qu pod sr rsolvdo com amostragm alatóra. Els studavam dusão
Leia maisEfeito da pressão decrescente da atmosfera com o aumento da altitude
Efio da prssão dcrscn da amosfra com o aumno da aliud S lançarmos um projéil com uma vlocidad inicial suficinmn ala l aingirá aliuds ond o ar é mais rarfio do qu próximo à suprfíci da Trra Logo a rsisência
Leia maisMESTRADO EM MACROECONOMIA e FINANÇAS Disciplina de Computação. Aula 07. Prof. Dr. Marco Antonio Leonel Caetano
MESTRADO EM MACROECONOMIA FINANÇAS Disiplina d Compuação Aula 7 Prof. Dr. Maro Anonio Lonl Caano Guia d Esudo para Aula 7 Vors Linarmn Indpndns - Vrifiação d vors LI - Cálulo do Wronsiano Equaçõs Difrniais
Leia maisModelos Econométricos para Dados em Painel: Aspectos Teóricos e Exemplos de Aplicação à Pesquisa em Contabilidade e Finanças
Modlos Economércos para Dados m Panl: Aspcos Tórcos Emplos d Aplcação à Psqusa m Conabldad Fnanças Auors: PATRICIA CRISTINA DUARTE (UNIVERSIDADE FEDERAL DE MINAS GERAIS) WAGNER MOURA LAMOUNIER (PROGRAMA
Leia maisNotas de aulas de Mecânica dos Solos I (parte 5)
1 Noas d aulas d Mcânica dos olos I (par 5) Hlio Marcos Frnands iana Tma: Índics físicos do solo Conúdo da par 5 1 Inrodução 2 Ddução dos índics físicos do solo 3 Limis d variação dos índics físicos d
Leia maisPág , isto é, é o número Pretende-se mostrar que x [ ] f ( x) Seja h a restrição da função f ao intervalo ],0].
Fca d tst global Dado um spaço d rsultados E, fnto, s os acontcmntos lmntars form quprovávs, a probabldad d um acontcmnto A ( E quocnt nr o númro d casos favorávs ao Pág P, é gual ao acontcmnto A o númro
Leia maisESTIMATIVA DA CONFIABILIDADE DOS SENSORES ÓPTICOS DE PRESSÃO E TEMPERATURA NAS CONDIÇÕES DE USO A PARTIR DE TESTES ACELERADOS DE VIDA.
UNIVERSIDADE FEDERAL DE PERNAMBUCO PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE PRODUÇÃO ESTIMATIVA DA CONFIABILIDADE DOS SENSORES ÓPTICOS DE PRESSÃO E TEMPERATURA NAS CONDIÇÕES DE USO A PARTIR DE TESTES
Leia maisR F. R r. onde: F = 1 fóton/(cm 2 s) = 10 4 fótons/(m 2 s) λ R hc
Prob. : Ua lâada d sódo co oênca P W rrada nrga ( 589 n) unorn odas as drçõs. Quanos óons or sgundo (R) são dos la lâada? b) A qu dsânca da lâada ua la oaln absorn absor óons à razão (ou luo: F) d, óon/(c
Leia maisPROFUNDIDADE PELICULAR, REFLEXÃO DE ONDAS, ONDAS ESTACIONÁRIAS
5 PROFUNDIDAD PLICULAR, RFLXÃO D ONDAS, ONDAS STACIONÁRIAS 5. Pofunddad Plcula Mos dsspavos apsnam conduvdad à mdda qu uma onda lomagnéca nl s popaga, sua amplud sof uma anuação, mulplcada plo mo z (quando
Leia maisEquações de Maxwell. Métodos Eletromagnéticos. Equações de Maxwell. Equações de Maxwell
Méodos Elromagnéicos agoso d 9 Fundamnos Equaçõs d Mawll no domínio do mpo da frqüência Onda plana édison K. ao Equaçõs d Mawll Todos os fnômnos lromagnéicos obdcm às quaçõs mpíricas d Mawll. b d h j ond
Leia maisAnálise de regressão
Análs d rgrssão Slvana Lags Rbro Garca FDV Hlo Garca Lt UFV Um dos usos da análs d rgrssão é vrfcar s, como, uma ou mas varávs ndpndnts nfluncam o comportamnto d outra varávl dpndnt Y. As varávs ndpndnts
Leia maissendo classificado como modelo de primeira ordem com (p) variáveis independentes.
RGRSSAO MULTIPLA - comlmtação Itrodução O modlo lar d rgrssão múltla é da forma: sdo classfcado como modlo d rmra ordm com () varávs ddts. od: é a varávl d studo (ddt, xlcada, rsosta ou dóga); é o cofct
Leia mais30/09/2015. Distribuições. Distribuições Discretas. p + q = 1. E[X] = np, Var[X] = npq DISTRIBUIÇÃO BINOMIAL. Contínuas. Discretas
Dstrbuçõs Dscrtas Dstrbuçõs 30/09/05 Contínuas DISTRIBUIÇÃO DE PROBABILIDADE Dscrtas DISTRIBUIÇÃO BIOMIAL Bnomal Posson Consdramos n tntatvas ndpndnts, d um msmo prmnto alatóro. Cada tntatva admt dos rsultados:
Leia maisAprendizagem Estatística de Dados. Francisco Carvalho
Aprendzagem Esaísca de Dados Francsco Carvalho A função de Densdade Normal Valor Esperado Caso conínuo [ f ] Caso dscreo f p d [ f ] f p D A função de Densdade Normal Caso Unvarado função de densdade p
Leia maisMODELOS DE REGRESSÃO PARA DADOS BINÁRIOS
MODELOS DE REGRESSÃO PARA DADOS BINÁRIOS Introdução Intrss m modlar algum fnômno alatóro com dos dsfchos possívs ( sucsso ou fracasso ) m função d uma ou mas covarávs. Assoca-s ao rsultado do fnômno uma
Leia maisQuestão. Sinais periódicos e não periódicos. Situação limite. Transformada de Fourier de Sinais Contínuos
Qusão Srá possívl rprsnar sinais não priódicos como soma d xponnciais? ransformada d Fourir d Sinais Conínuos jorg s. marqus, jorg s. marqus, Sinais priódicos não priódicos Siuação limi Um sinal não priódico
Leia maisO modelo Von Bertalanffy adaptado para suínos de corte
O modlo Von Bralanffy adapado para suínos d cor Lucas d Olivira nro Fdral d Educação Fdral Tcnológica EFET-MG.5-, Av. Amazonas 525 - Nova Suíça - Blo Horizon - MG - Brasil E-mail: lucasdolivira@gmail.com
Leia maisCurso de linguagem matemática Professor Renato Tião. 3. Sendo. 4. Considere as seguintes matrizes:
Curso d linguagm mamáica Profssor Rnao Tião 1 PUCRS. No projo Sobrmsa Musical, o Insiuo d Culura da PUCRS raliza aprsnaçõs smanais grauias para a comunidad univrsiária. O númro d músicos qu auaram na aprsnação
Leia maisestados. Os estados são influenciados por seus próprios valores passados x
3 Filtro d Kalman Criado por Rudolph E. Kalman [BROWN97] m 1960, o filtro d Kalman (FK) foi dsnvolvido inicialmnt como uma solução rcursiva para filtragm linar d dados discrtos. Para isto, utiliza quaçõs
Leia maisMatemática IME-2007/ a QUESTÃO. 2 a QUESTÃO COMENTA
Matmática a QUESTÃO IME-007/008 Considrando qu podmos tr csto sm bola, o númro d maniras d distribuir as bolas nos três cstos é igual ao númro d soluçõs intiras não-ngativas da quação: x + y + z = n, na
Leia maisn = η = / 2 = 0, c
PTC4 - TEORIA DA COMUNICAÇÕE II - //5 - PJEJ REOLUÇÃO DA EGUNDA LITA DE EXERCÍCIO QUETÃO Consdr sstmas bnáros om transmssão d ormaçõs quprovávs λ >>. Compar os dsmpnhos om sm odfação dos sstmas a sgur,
Leia maisSumário Propagação em Meios com perdas Propagação em Meios Dieléctricos e Condutores Energia transportada por uma onda electromagnética
Sumário Propagação m Mios com prdas Propagação m Mios Dilécricos Conduors nrgia ransporada por uma onda lcromagnéica Livro Chng : pp [354 37] [379 385] Propagação d Ondas m Mios sm Prdas k k x x x k C
Leia maisGrupo I. 1) Calcule os integrais: (4.5) 2) Mostre que toda a equação do tipo yf( xydx ) xg( xydy ) 0
Mamáica III / ºSmsr Grupo I ) Calcul os ingrais: a) b) D () ( ) dd sndo D d d d d (.) ) Mosr qu oda a quação do ipo f( d ) g( d ) s ransforma numa quação d variávis sparadas fazndo a subsiuição (.) ) A
Leia maisPCA e IMPCA. Capítulo. 5.1 Considerações Iniciais
Capíulo 5 PCA e IMPCA 5. Consderações Incas A análse de componenes prncpas (PCA) [URK, M. A. & PENLAND, A. P. (99)] é uma ransformação lnear orogonal de um espaço q-dmensonal para um espaço n-dmensonal,
Leia maisANO LECTIVO 2001/2002
ANO LECTIVO 00/00 ª Fas, ª Chamada 00 Doss rapêuicas iguais d um cro anibióico são adminisradas, pla primira vz, a duas pssoa: a Ana o Carlos Admia qu, duran as doz primiras horas após a omada simulâna
Leia maisCálculo Numérico. Integração Numérica. Prof: Reinaldo Haas
Cálculo Numérico Intgração Numérica Pro: Rinaldo Haas Intgração Numérica Em dtrminadas situaçõs, intgrais são diícis, ou msmo impossívis d s rsolvr analiticamnt. Emplo: o valor d é conhcido apnas m alguns
Leia maisEN3604 FILTRAGEM ADAPTATIVA
EN3604 FILTRAGEM ADAPTATIVA Processameno de Snas em Arranjos Técncas de processameno consderando snas provenenes de um grupo de sensores espacalmene dsrbuídos. Poencal para melhorar SNR/ Cancelameno de
Leia maisAnálise de dados industriais
Análs d dados ndustras Escola Poltécnca Dpartamnto d Engnhara Químca Robrto Guardan 014 ANÁLISE DE COMPONENES PRINCIPAIS 3.1. Introdução Componnts prncpas são combnaçõs lnars das varávs orgnas d procsso,
Leia maisFUNÇÕES DE UMA VARIÁVEL COMPLEXA
FUNÇÕES DE UMA VARIÁVEL COMPLEXA Ettor A. d Barros 1. INTRODUÇÃO Sja s um númro complxo qualqur prtncnt a um conjunto S d númros complxos. Dizmos qu s é uma variávl complxa. S, para cada valor d s, o valor
Leia maisOndas - 2EE 2003 / 04
Ondas - 3 / 4 1 Inodução 1.1 Conco d onda móvl Uma função f dscv o pfl d vaação d uma onda móvl vlocdad v no spaço no mpo. Paa qu o pfl d vaação f caac uma onda móvl dv sasfa a quação d onda sgun: f 1
Leia maisMEF Aplicado à Análise Estrutural Mecânica
PR - âna Compaonal para arôna EF Aplado à Análs Esrral âna A aplação mas radonal d EF na vrdad, ond s no é a smlação d srras mânas. Dssa forma os prómos íns abordam ss assno, o al é rmamn mporan para o
Leia maisAnálise de regressão : uma introdução à econometria
Uvrsdad d São Paulo Bbloca Dgal da Produção Ilcual - BDPI Dparamo d Ecooma, Admsração Socologa - ESALQ/LES Lvros Capíulos d Lvros - ESALQ/LES 6 Aáls d rgrssão : uma rodução à coomra hp://www.producao.usp.br/hadl/bdpi/4866
Leia maisOtimização de processos acoplados: programação da produção e corte de estoque. Carla Taviane Lucke da Silva Ghidini
Omzação d procssos acoplados: programação da produção cor d soqu Carla Tavan Luck da Slva Ghdn Lvros Grás hp://www.lvrosgras.com.br Mlhars d lvros grás para download. SERVIÇO DE PÓS-GRADUAÇÃO DO ICMC-USP
Leia maisTRANSFORMADAS DE FOURIER
TRASORMADAS DE OURIER Dfção: É a raformação qu lva uma magm a r rprada o domío da frqüêca Io é poívl porqu uma magm pod r dcompoa m fuçõ o coo com dfr frqüêca amplud A vaagm prcpal d rabalhar o domío da
Leia mais5 Apreçamento de ESOs com preço de exercício fixo
5 Apreçameno de ESOs com preço de exercíco fxo Ese capíulo rá explorar os prncpas modelos de apreçameno das ESOs ulzados hoje em da. Neses modelos a regra de decsão é esruurada em orno da maxmzação do
Leia mais4. Análise de Sistemas de Controle por Espaço de Estados
Sisma para vrificação Lógica do Corolo Dzmro 3 4. ális d Sismas d Corol por Espaço d Esados No capiulo arior, vimos qu a formulação d um Prolma Básico d Corolo Ópimo Liar, ra cosidrado um sisma diâmico
Leia maisProbabilidade II Aula 6
obabilidad II Aula 6 Março d 9 Mônica Barros, DSc Conúdo Mais sobr momnos condicionais Cálculo d valors srados aravés do condicionamno numa variávl rlação nr valors srados condicionais incondicionais fórmulas
Leia maisAula Expressão do produto misto em coordenadas
Aula 15 Nsta aula vamos xprssar o produto misto m trmos d coordnadas, analisar as propridads dcorrnts dssa xprssão fazr algumas aplicaçõs intrssants dos produtos vtorial misto. 1. Exprssão do produto misto
Leia maisPropriedades estruturais de sistemas multivariáveis. Profa. Vilma A. Oliveira USP São Carlos Março Introdução...2
Proprdads srras d ssmas mlvarávs Profa. Vlma. Olvra USP São Carlos Março Índc Smáro. Inrodção.... Dscrção d ssmas dnâms lnars... 3. Esabldad...3 3. BIBO sabldad...3 UCaso Mlvarávl...4 3.Esabldad d polnômos:
Leia maisCapítulo 5 Transformadas de Fourier
Capíulo 5 Trasformadas d Fourir 5. Aális da composição d sismas aravés da rsposa m frquêcia 5. Trasformadas d Fourir propridads Capíulo 5 Trasformadas d Fourir 5. Aális da composição d sismas aravés da
Leia mais2 PROBLEMA ESTRUTURAL ESTÁTICO NÃO-LINEAR
PROBEA ETRUTURA ETÁTICO NÃO-INEAR. INTRODUÇÃO O prsn apíulo m o obvo d fornr os fundamnos para a obnção da raóra d qulíbro d ssmas sruuras sblos aravés do méodo dos lmnos fnos (EF). ab-s qu um dos passos
Leia maisEstatística Multivariada Normal Multivariada Função densidade conjunta e contorno de probabilidade
Estatístca ultvarada Normal ultvarada Função dnsdad conjunta contorno d robabldad Prof. José Francsco orra Pssanha rofssorjfm@hotmal.com Dstrbução normal unvarada Sja uma varávl alatóra normalmnt dstrbuída
Leia maisOscilações amortecidas
Oscilaçõs amortcidas Uso d variávl complxa para obtr a solução harmônica ral A grand vantagm d podr utilizar númros complxos para rsolvr a quação do oscilador harmônico stá associada com o fato d qu ssa
Leia maisCÁLCULO I 2º Semestre 2011/2012. Duração: 1 hora e 30 minutos
NOVA SCHOOL OF BSINESS AND ECONOMICS CÁLCLO I º Smsr / TESTE INTERMÉDIO Tópi d rsolução Abril Duração: ora miuos Não é prmiido o uso d calculadoras. Não pod dsagraar as olas do uciado. Rspoda d orma jusiicada
Leia maisCapítulo 8. (d) 1) 0,5 2) 1,0 3) 0,5 4) 0 5) 2/3 6) 1/2. Problema 02. (a) (b)
Capítulo Problma. Ω{C C C C C5 C R R R R R5 R} Od: Ccara Rcoroa 5 P 5 5 P 7 7 7 7 7 7 c Sm pos P j P P j j d 5 5 5 / / Problma. P 5 P 5 9 5 7 9 c Não pos P P P 9 d P / P / 5 P 5 P 5 Problma. Prchdo os
Leia mais5 Programação Matemática Princípios Básicos
5 Programação Maemáca Prncípos Báscos 5. Consderações Geras Ese capíulo em por objevo apresenar os conceos báscos de Programação Maemáca (PM), necessáros à compreensão do processo de omzação de dmensões,
Leia maisEquações de Maxwell na Forma Fasorial
quaçõs d Mawll na Forma Fasorial N s o raa-s das quaçõs d Mawll na forma fasorial as rlaçõs consiuivas m mios mariais, as quais srão amplamn mprga- das ao longo o o, por raar-s d uma podrosa frramna mamáica
Leia maisPág Circunferência: ( ) ( ) 5.4. Circunferência: ( ) ( ) A reta r passa nos pontos de coordenadas (0, 1) e (2, 2).
Númros complxos Atvdad d dagnóstco AB + + + AB ( ) ( ) ( ) + + + 9+ A, ; B, ; P x, y Pág AP BP x+ y x + y + x + x + + y x + x x + + y + x + yx y x A bsstr dos quadrants ímpars é a mdatr d [AB] B(, ) ;
Leia maisCap. 7. Princípio dos trabalhos virtuais
Cap. 7. Prncípo dos trabalhos vrtuas. Enrga d dformação ntrna. Dfnção prssupostos adoptados. Dnsdad da nrga d dformação ntrna.3 Caso partcular: L consttutva é rprsntada pla rcta.4 Enrga d dformação ntrna.
Leia maisR V. Ri R d. (figura 1)
Físca Gral Proocolos as Aulas Prácas rcuo m sér DF - Unvrsa o Alarv sumo Um crcuo m sér é prcorro por uma corrn snusoal frquênca varávl Esua-s a nnsa a corrn qu prcorr o crcuo, bm como a nsão aos sus rmnas,
Leia mais5 Avaliação da Eficiência Computacional
5 Avalação da fcênca Compuaconal 5.1 Inrodução É desejado ncorporar o cálculo dos índces de adequação de ações de conrole de ensão ao programa SAN. O programa SAN esá sendo mplemenado com a esruura aual
Leia maisA seção de choque diferencial de Rutherford
A sção d choqu difrncial d Ruthrford Qual é o ângulo d dflxão quando a partícula passa por um cntro d força rpulsiva? Nss caso, quando tratamos as trajtórias sob a ação d forças cntrais proporcionais ao
Leia maisTÓPICOS DE MATEMÁTICA PROF.: PATRÍCIA ALVES
TÓPICOS DE MATEMÁTICA PROF.: PATRÍCIA ALVES 33 MATRIZES 1. Dê o tipo d cada uma das sguints prtncm às diagonais principais matrizs: scundárias d A. 1 3 a) A 7 2 7. Qual é o lmnto a 46 da matriz i j 2 j
Leia maisEstatística II. Aula 8. Prof. Patricia Maria Bortolon, D. Sc.
Estatística II Aula 8 Pro. Patricia Maria Bortolon, D. Sc. Tsts Qui Quadrado Objtivos da Aula 8 Nsta aula, você aprndrá: Como quando utilizar o tst qui-quadrado para tablas d contingência Como utilizar
Leia maisMatemática C Extensivo V. 7
Matmática C Extnsivo V 7 Exrcícios 0) 0 0) D 0 Falsa B A 4 0 6 0 4 6 4 6 0 Vrdadira A + B 0 0 + 4 6 7 04 Vrdadira A B 0 0 4 6 6 4 08 Vrdadira dt ( A) dt (A) 9 ( ) 9 dt (B) 9 0 6 Vrdadira A A 0 0 0 0 0
Leia maisCapítulo 2.1: Equações Lineares 1 a ordem; Método dos Fatores Integrantes
Capíulo.1: Equaçõs Linars 1 a ordm; Méodo dos Faors Ingrans Uma EDO d primira ordm m a forma gral d f, ond f é linar m. Exmplo: a Equaçõs com coficins consans; a b b Equaçõs com coficins variavis: d p
Leia mais/ :;7 1 6 < =>6? < 7 A 7 B 5 = CED? = DE:F= 6 < 5 G? DIHJ? KLD M 7FD? :>? A 6? D P
26 a Aula 20065 AMIV 26 Exponncial d matrizs smlhants Proposição 26 S A SJS ntão Dmonstração Tmos A SJS A % SJS SJS SJ % S ond A, S J são matrizs n n ", (com dt S 0), # S $ S, dond ; A & SJ % S SJS SJ
Leia maisELECTROMAGNETISMO. Ondas Planas - 1 o Introdução
LCTROMAGNTISMO Ondas Planas - o Inodução Já vmos qu paa um mo smpls não conduo as quaçõs d Mawll podm s combnadas d modo a foncm quaçõs d onda vcoas homogénas: c ond c µ 8 ε 3 ( m s) s a onda s popaga
Leia mais1 O Pêndulo de Torção
Figura 1.1: Diagrama squmático rprsntando um pêndulo d torção. 1 O Pêndulo d Torção Essa aula stá basada na obra d Halliday & Rsnick (1997). Considr o sistma físico rprsntado na Figura 1.1. Ess sistma
Leia maisTÓPICOS. EDO de variáveis separadas. EDO de variáveis separáveis. EDO homogénea. 2. Equações Diferenciais de 1ª Ordem.
ot bm a litura dsts apontamntos não dispnsa d modo algum a litura atnta da bibliograia principal da cadira Cama-s à atnção para a importância do trabalo pssoal a ralizar plo aluno rsolvndo os problmas
Leia maisCapítulo 6 Decaimento Radioativo
Física das Radiaçõs Dosimria Capíulo 6 Dcaimno Radioaivo Dra. Luciana Tourinho Campos Programa acional d Formação m Radiorapia Inrodução Inrodução Consan d dcaimno Vida-média mia-vida Rlaçõs nr núclo pai
Leia maisLuciene Gomes de Souza. Comparação de métodos de micro-dados e de triângulo run-off para previsão da quantidade IBNR. Dissertação de Mestrado
Luc Goms d Souza Comparação d méodos d mcro-dados d râgulo ru-o para prvsão da quadad IBR Dssração d Msrado Dssração aprsada como rquso parcal para obção do íulo d Msr plo Programa d Pós graduação m Eghara
Leia maisenquanto que um exemplo de e.d.p. é uma equação do tipo potencial
6- EDO s: TEORIA E TRATAMENTO NUMÉRICO Inrodução Muios problmas imporans significaivos da ngnharia, das ciências físicas das ciências sociais, formulados m rmos mamáicos, igm a drminação d uma função qu
Leia maisFENOMENOS DE TRANSPORTE 2 o Semestre de 2013 Prof. Maurício Fabbri
FENOMENOS DE TRANSPORTE o Smsr d 03 Prof. Maurício Fabbri 3ª SÉRIE DE EXERCÍCIOS Transpor d calor por convcção O ransin ponncial simpls Consrvação da nrgia 0-3. O coficin d ransfrência d calor Lia o marial
Leia maisA trajetória sob a ação de uma força central inversamente proporcional ao quadrado da distância
A trajtória sob a ação d uma força cntral invrsamnt proporcional ao quadrado da distância A força gravitacional a força ltrostática são cntrais proporcionais ao invrso do quadrado da distância ao cntro
Leia maiscondição inicial y ( 0) = 18 condições iniciais condições iniciais
Prblmas d Mamáa IV - Dada a quaçã frnal abax, drmnar as sluçõs arular mlmnar snd qu das as quaçõs sã válda ara. a nçã nal. s. u u b 5 nçã nal s. 7,5,5 u nçã nal s. 5 u d 5 s nçã nal 8 s. s d 5 8 nçõs nas
Leia maisResoluções dos exercícios propostos
da físca 3 Undad C Capítulo 15 Indução ltromagnétca soluçõs dos xrcícos propostos 1 P.368 D L v, vm: 0,5 0, 1 5 2 V P.369 D L v, vm: 15 6 1 20 3 4 V P.370 a) L v 1,5 0,40 2 1,2 V b) 1,2 2 0,6 Pla rgra
Leia maisExperimento 4 Indutores e circuitos RL com onda quadrada
Exprimno 4 Induors circuios RL com onda quadrada 1. OBJETIVO O objivo dsa aula é sudar o comporamno d induors associados a rsisors m circuios alimnados com onda quadrada. 2. MATERIAL UTILIZADO osciloscópio;
Leia mais1 1 2π. Área de uma Superfície de Revolução. Área de uma Superfície de Revolução
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 Ára d uma Suprfíc
Leia maisANÁLISE DE MODELOS REOLÓGICOS VISCOELÁSTICOS ATRAVÉS DE FORMULAÇÕES MISTAS EM ELEMENTOS FINITOS. João Paulo Lima Santos
ANÁLISE DE MODELOS REOLÓGICOS VISCOELÁSTICOS ATRAVÉS DE FORMULAÇÕES MISTAS EM ELEMENTOS FINITOS João Paulo Lma Sanos DISSERTAÇÃO SUBMETIDA AO CORPO DOCENTE DA COORDENAÇÃO DOS PROGRAMAS DE PÓS-GRADUAÇÃO
Leia maisUNIVERSIDADE DE SÃO PAULO Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto Departamento de Economia
UNIVERSIDADE DE SÃO PAULO Faculdad d Economia, Administração Contabilidad d Ribirão Prto Dpartamnto d Economia Nom: Númro: REC200 MICROECONOMIA II PRIMEIRA PROVA (20) () Para cada uma das funçõs d produção
Leia maisUNIVERSIDADE DE SÃO PAULO Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto Departamento de Economia
UNIVERSIDADE DE SÃO PAULO Faculdad d Economia, Administração Contabilidad d Ribirão Prto Dpartamnto d Economia Nom: Númro: REC00 MICROECONOMIA II PRIMEIRA PROVA (0) () Para cada uma das funçõs d produção
Leia maisEQUAÇÕES DIFERENCIAIS APLICADAS EM MODELOS DE COMPARTIMENTOS
EQUAÇÕES DIFERENCIAIS APLICADAS EM MODELOS DE COMPARTIMENTOS Tiago Novllo d Brio Fcilcam, iago-novllo@homail.com ald dos Sanos Coquiro Fcilcam, vcoquiro@yahoo.com.br Rosangla Tixira Guds UTFPR, r_guds@homail.com
Leia mais