Optimização com variáveis discretas
|
|
- Leonardo Covalski Dreer
- 5 Há anos
- Visualizações:
Transcrição
1 Engenhara de Processos e Sstemas Optmzação com varáves dscretas Fernando Bernardo Fev 2013 mn f ( x,, θ ) x, s. t. h( x,, θ ) = 0 g( x,, θ ) 0 x x x L U x real, {0,1} Por que necesstamos de varáves dscretas? Métodos de resolução. Branch & Bound. Optmaldade. Aplcações clásscas. 1
2 Projecto de equpamentos/processo: - Localzação das almentações e produtos lateras de uma coluna de destlação - Dmensões dscretas de equpamentos - Nº de reactores em paralelo, eventualmente de dmensão gual, fxa ou não Por que precsamos de varáves dscretas? - Estrutura do dagrama de fabrco e opções de equpamento alternatvo A1 Processo 1 Bc A A2 Processo 2 B Processo 4 C A3 Processo 3 2
3 Por que precsamos de varáves dscretas? Projecto de produto: - Formulação de msturas (formular a melhor mstura a partr de um conjunto de N ngredentes de partda) - Selecção de grupos funconas numa molécula Desenhar um solvente para extrar boetanol Grupos funconas de partda: CH3, CH2, CH, CH2=CH, CH=CH, álcoos: OH ésteres: COO Escolher o melhor solvente usando como blocos base os grupos funconas acma (exstem mlhões de soluções possíves) Gestão/planeamento - Planeamento da produção. O que produzr e quando. Comprar produtos ntermédos ou produz-los a partr de percursores? Expandr capacdade? s/n?) - Gestão de stocks. Que matéras-prmas encomendar e quando? - Escalonamento. Lnha multprodutos. Qual a sequênca de produção óptma? ABCD, ABDC, ACBD,? 3
4 Por que precsamos de varáves dscretas? Em mutos destes casos, surgem questões lógcas do tpo: - Se tecnologa 1 é escolhda, então o custo é C1; se tecnologa 2, então o custo é C2 - Se o ngredente 3 está presente na mstura, então a sua quantdade mínma vável é 5% - Se encomendar a matéras-prma A em quantdade superor a X, então consgo um desconto de quantdade. ( ) Como modelar estas condções envolvendo decsões dscretas? Próxma aula 4
5 De facto, só precsamos de varáves bnáras Podemos representar qualquer ntero (0,1,2,3, ) apenas com varáves bnáras (0 e 1) Por exemplo 0 n 10, n N { } n = , 0,1 8 é a maor potênca de 2, anda nferor ou gual a N 0 n 10, n N Portanto, a restrção pode ser substtuída por: + 0 { } , 0, Caso geral da representação bnára de nteros: 0 n N, n, N N { } n = , 0,1 r onde 2 é a maor potênca de 2, tal que 2 r r r N 5
6 De facto, só precsamos de varáves bnáras Exemplo. Na optmzação de um processo descontínuo, queremos equaconar a utlzação de város equpamentos guas em paralelo. Podemos usar entre 2 e 7 reactores em paralelo e uma ou duas centrífugas. Como representar estas restrções com varáves bnáras? N R { 2,3,4,5,6,7 }, N { 1,2} C 0 N 2 5 R N 2 = R N C 1 = 4 a 0 4 { } 0,1 (5 varáves bnáras) 6
7 Formulação geral (optmzação lnear/não-lnear, eventualmente com varáves dscretas mn f ( x,, θ ) x, s. t. h( x,, θ ) = 0 g( x,, θ ) 0 x x x L U x real, {0,1} Sem varáves bnáras : função obj. f, escalar decsões x e, vectores funções h e g, vectores vector de parâmetros q Problema LP (lnear programmng), se f, g e h lneares em x. Optmaldade global garantda. O problema Problema NLP (non-lnear programmng). Optmaldade global se f convexa, h lnear e g(x) 0 é regão convexa. Com varáves bnáras : Problema IP (nteger programmng): apenas varáves bnáras Problema MILP (mxed-nteger lnear programmng), se f, h e g lneares em x e. Resolução por branch and bound, optmaldade global garantda. Problema MINLP (mxed-nteger non-lnear programmng). Mas dfícl garantr optmaldade global 7
8 Problema da mochla: conceptualmente smples para percebermos alguns pontos chave da optmzação dscreta: problema combnatoral, grande nº de combnações possíves. O problema da mochla N tens com capacdade c e peso/valor w. Maxmzar o valor total sujeto a capacdade máxma cmax. tem, = 1,..., N max 1, se tem escolhdo = 0, caso contráro N = 1 N s. t. c cmax = 1 w 8
9 $TITLE PROBLEMA DA MOCHILA SET I numero de tens /I1*I10/ PARAMETER c(i) Capacdade /I1 1.5 I2 0.8 I3 2.5 I4 3.2 I5 1.5 I6 2.5 I7 5.2 I8 2.6 I9 0.9 I10 3.2/; SCALAR Cmax /15./; O problema da mochla BINARY VARIABLES (I) Item escolhdo ou nao VARIABLE Valortotal; EQUATIONS E1,OBJ; E1.. SUM(I,(I)*c(I)) =L= cmax; OBJ.. ValorTotal =E= SUM(I,(I)*w(I)); MODEL MOCHILA/ALL/ SOLVE MOCHILA USING MIP MAXIMIZING ValorTotal; PARAMETER w() valor /I1 2. I2 1.5 I3 0.7 I4 10. I5 1.5 I6 2.5 I7 4. I8 3. I9 5. I10 2./; Número de combnações possíves = 2 N 9
10 O problema da mochla $TITLE PROBLEMA DA MOCHILA SET I numero de tens /I1*I10/ PARAMETER c(i) Capacdade /I1 1.5 I2 0.8 I3 2.5 I4 3.2 I5 1.5 I6 2.5 I7 5.2 I8 2.6 I9 0.9 I10 3.2/; PARAMETER w() valor /I1 2. I2 1.5 I3 0.7 I4 10. I5 1.5 I6 2.5 I7 4. I8 3. I9 5. I10 2./; Solução: tens escolhdos: 1,2,4,6,8, 9 e 10 Capacdade = 14.7 Valor total =
11 Forma da regão vável LP: x R Métodos de solução Regão vável é um contínuo. IP: x N + 0 Regão vável é conjunto fnto de pontos. - Conceto de dervada desaparece. - Métodos tradconas de optmzação não são aplcáves. 11
12 Relaxação real e aproxmação por arredondamento { } Relaxar x 0,1,2,3,4 para 0 x 4, x R Frequentemente nsatsfatóro. Pode conduzr a soluções nváves. Métodos de solução Óptmo LP, arredondado a ponto a vermelho, que é nvável Se a solução do problema relaxado for ntera então fca automatcamente encontrada a solução do problema dscreto! (mas sto é um tro de sorte) 12
13 Enumeração explícta Métodos de solução Enumerar todas as possbldades para as varáves dscretas e resolver os problemas contínuos daí resultantes. mn x + + n s. a. 2x n 5 (...) R0 1 1 R0 1 x, {0,1}, n, n 3 Árvore de decsão (neste caso, árvore completa) P0 1=0 1=1 n1=0 n1=1 n1=2 n1=3 n1=0 n1=1 n1=2 n1=3 Neste caso, temos de resolver 8 problemas contínuos e depos escolher a melhor solução. No caso geral, com N varáves bnáras, temos 2 N problemas. Faclmente se têm problemas com 10 a 30 varáves bnáras e 2 30 ~ A enumeração explícta torna-se assm mpratcável. 13
14 Enumeração mplícta Método também conhecdo por branch and bound - Construr gradualmente a árvore de decsão (branchng) Métodos de solução - Ir calculando lmtes (upper bound, lower bound) para a solução ntegral e manter esses lmtes actualzados - Se se detectar que alguns ramos da árvore não conduzem (garantdamente) à solução, então esses ramos são cortados (prunng) antes de serem completamente explorados. Como calcular lmtes para a solução? Caso de mnmzação Lmte nferor: solução da relaxação real do problema. O problema relaxado (menos restrngdo) conduz necessaramente a um valor do mínmo nferor à R0 0 1, mínmo A {0,1} mínmo B Se ambos os mínmos são globas A B Lmte superor: a melhor solução ntera encontrada até ao momento 14
15 15
16 Nodo 1. Resolver relaxação real do problema orgnal obtemos lmte nferor global Ramfcar: 2=0 e 2=1; escolher ramo a explorar Nodo 2. Resolver relaxação real mas com 2=1 obtemos lmte para nodos descendentes (mas abaxo na árvore) Nova ramfcação: 1=0 e 1=1; escolhemos r por 1=1. Nodo 3. Obtemos novo lmte nferor para descendentes. Nodo 4. Aqu obtemos solução ntera lmte superor Nodo 5. Obtemos solução acma do lmte superor podemos cortar ramos abaxo Nodo 6. Obtemos solução ntera melhor do que a do nodo 4. Não vale a pena ramfcar mas. É esta a solução do problema. 16
17 Aplcações. Formulação de uma mstura Problema de formulação de uma mstura: mnmzar o custo de uma formulação almentar, sujeto a um desempenho mínmo. a) Sem lmtação no número de ngredentes b) Lmtando o número de ngredentes a N ngredente, =1, M x fracção mássca do componente V valor nutrtvo (und./kg) C custo (EUR/kg) Avea, trgo, mlho amêndoas, etc Cereas de pequenoalmoço Nível nutrtvo 17
18 Aplcações. Formulação de um mstura Sem lmtação no número de ngredentes Custo = Valor = mn x M = 1 M = 1 x C x V s. t. x V V x C x 0 x = 1 1 = 1,..., M mn Problema LP 18
19 E agora lmtando o número de ngredentes a N Aplcações. Formulação de um mstura Varáves bnáras : = 1, se o componente está presente na formulação = 0, caso contráro mn x s. t. x V V x C x 0 x = 1 = 1,..., M 1 N mn Problema MINLP Será esta uma formulação razoável? 19
20 Aplcações. Formulação de um mstura Devemos evtar termos não-lneares, neste caso do tpo x. Isso é possível se consegurmos modelar a condção lógca: = 0 x = 0 Restrção do tpo bg-m : x M (1), sendo M um lmte superor para x, não atngível (neste caso M=1) Tem-se também a restrção: x 0 (2) Se =0, (1) é x 0, o que, em conjunto com (2), resulta em x=0, tal como desejado. Se =1, tem-se x M, o que funcona como restrção neutra. 20
21 Aplcações. Formulação de um mstura A formulação adequada é então: mn x s. t. x V V x x C x = 1 mn M, neste caso M = 1 0 x 1 N mn x s. t. x V V x C x 0 x = 1 1 N MINLP mn MILP Óptmo global 21
22 Problema do caxero vajante: Conjunto de n cdades a vstar. Qual a sequênca que mnmza a dstânca percorrda, termnando-se na cdade onde se começa. j exste ou não percurso j c j custo assocado (dstânca, combustível gasto) Qual a estrutura da matrz c j? Aplcações. Problema do caxero vajante. mn n n = 1 j= 1 c j j s. t. Para cada j: = 1 (o vajante só chega a j uma vez) Para cada : (o nodo ncal 1 está ncluído na formulação, pelo que o vajante só parte de 1 uma vez e só chega a 1 uma vez. Então, garantdamente o vajante regressa à cdade ncal) n = 1 n = 1 j j = 1 (o vajante só parte de uma vez) 22
Modelação com Variáveis Discretas
Engenhara de Processos e Sstemas Modelação com Varáves Dscretas Fernando Bernardo Fev 2011 mn f ( x, y, θ ) x, y s. t. h( x, y, θ ) = 0 g( x, y, θ ) 0 x x x L x real y {0,1}) U Leque de aplcações. Tpos
Leia maisModelação com variáveis discretas
Engenhara de Processos e Sstemas Modelação com varáves dscretas Fernando Bernardo Fev 2012 mn f ( x, y, θ ) x, y s. t. h( x, y, θ ) = 0 g( x, y, θ ) 0 x x x L x real y {0,1}) U Aplcações váras de optmzação
Leia maisModelação com variáveis discretas
Engenhara de Processos e Sstemas Modelação com varáves dscretas Fernando Bernardo Fev 2014 P1 P2 ~ P1 P2 Alguns casos partculares: mplcação lógca de lgação entre varáves dscretas e varáves contínuas; escolha
Leia maisFaculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu
Programação Lnear (PL) Aula : Dualdade. Defnção do Problema Dual. Defnção do problema dual. O que é dualdade em Programação Lnear? Dualdade sgnfca a exstênca de um outro problema de PL, assocado a cada
Leia maisProgramação Dinâmica. Fernando Nogueira Programação Dinâmica 1
Programação Dnâmca Fernando Noguera Programação Dnâmca A Programação Dnâmca procura resolver o problema de otmzação através da análse de uma seqüênca de problemas mas smples do que o problema orgnal. A
Leia maisFaculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu
1 Programação Não Lnear com Restrções Aula 9: Programação Não-Lnear - Funções de Váras Varáves com Restrções Ponto Regular; Introdução aos Multplcadores de Lagrange; Multplcadores de Lagrange e Condções
Leia maisInterpolação Segmentada
Interpolação Segmentada Uma splne é uma função segmentada e consste na junção de váras funções defndas num ntervalo, de tal forma que as partes que estão lgadas umas às outras de uma manera contínua e
Leia mais3 Algoritmos propostos
Algortmos propostos 3 Algortmos propostos Nesse trabalho foram desenvolvdos dos algortmos que permtem classfcar documentos em categoras de forma automátca, com trenamento feto por usuáros Tas algortmos
Leia maisIntrodução aos Problemas de Roteirização e Programação de Veículos
Introdução aos Problemas de Roterzação e Programação de Veículos PNV-2450 André Bergsten Mendes Problema de Programação de Veículos Problema de Programação de Veículos Premssas Os roteros ncam e termnam
Leia maisResponda às questões utilizando técnicas adequadas à solução de problemas de grande dimensão.
Departamento de Produção e Sstemas Complementos de Investgação Operaconal Exame Época Normal, 1ª Chamada 11 de Janero de 2006 Responda às questões utlzando técncas adequadas à solução de problemas de grande
Leia maisReconhecimento Estatístico de Padrões
Reconhecmento Estatístco de Padrões X 3 O paradgma pode ser sumarzado da segunte forma: Cada padrão é representado por um vector de característcas x = x1 x2 x N (,,, ) x x1 x... x d 2 = X 1 X 2 Espaço
Leia maisEXERCÍCIO: VIA EXPRESSA CONTROLADA
EXERCÍCIO: VIA EXPRESSA CONTROLADA Engenhara de Tráfego Consdere o segmento de va expressa esquematzado abaxo, que apresenta problemas de congestonamento no pco, e os dados a segur apresentados: Trechos
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
Leia mais7 - Distribuição de Freqüências
7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste
Leia maisJogos. Jogos. Jogo. Jogo. Óptimo alvo investigação
Jogos Óptmo alvo nvestgação O seu estado é fácl de representar; As acções são bem defndas e o seu número lmtado; A presença de oponentes ntroduz ncerteza tornando o problema de decsão mas complcado. Estamos
Leia maisPROVA 2 Cálculo Numérico. Q1. (2.0) (20 min)
PROVA Cálculo Numérco Q. (.0) (0 mn) Seja f a função dada pelo gráfco abaxo. Para claro entendmento da fgura, foram marcados todos os pontos que são: () raízes; () pontos crítcos; () pontos de nflexão.
Leia maisDesenho de uma rede Logística
Desenho de uma rede Logístca Desenho da rede Logístca ( Logístca empresaral) Desenho do sstema através do qual exste um fluxo de produtos entre os fornecedores e os clentes. Desenho da rede Logístca (
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
Leia maisTeoremas de Otimização com Restrições de Desigualdade
Teoremas de Otmzação com Restrções de Desgualdade MAXIMIZAÇÃO COM RESTRIÇÃO DE DESIGUALDADE Consdere o segunte problema (P) de maxmzação condconada: Maxmze Fx onde x x,x,...,x R gx b As condções de Prmera
Leia maisGestão e Teoria da Decisão
Gestão e Teora da Decsão Logístca e Gestão de Stocks Estratégas de Localzação Lcencatura em Engenhara Cvl Lcencatura em Engenhara do Terrtóro 1 Estratéga de Localzação Agenda 1. Classfcação dos problemas
Leia mais2 Experimentos com Mistura
Modelagem em Expermentos com Mstura e Mstura-Processo Expermentos com Mstura Formulações de Expermentos com Mstura (EM) são freuentemente encontradas nas ndústras uímcas, farmacêutcas, de almentos e em
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
Leia maisPrioridades com Teste de Escalonabilidade
rordades + Teste de Escalonabldade Sstemas de Tempo Real: rordades com Teste de Escalonabldade Rômulo Slva de Olvera Departamento de Automação e Sstemas DAS UFSC Cada tarefa recebe uma prordade Escalonamento
Leia maisEscalonamento Baseado em Prioridades Fixas
Sstemas de Tempo Real: Escalonamento Baseado em Prordades Fxas Rômulo Slva de Olvera Departamento de Automação e Sstemas - DAS UFSC romulo@das.ufsc.br http://.das.ufsc.br/~romulo 1 Escalonamento Baseado
Leia maisEstatística II Antonio Roque Aula 18. Regressão Linear
Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisProblemas de engenharia
Análse de Sstemas de otênca Análse de Sstemas de otênca ( AS ) Aula 3 Operação Econômca de Sstemas de otênca 03//008 roblemas de engenhara Análse de Sstemas de otênca ( AS ) ANÁLISE Defndo o sstema, determnar
Leia maisFigura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma
Capítulo 8 Dferencação Numérca Quase todos os métodos numércos utlzados atualmente para obtenção de soluções de equações erencas ordnáras e parcas utlzam algum tpo de aproxmação para as dervadas contínuas
Leia mais4 Discretização e Linearização
4 Dscretzação e Lnearzação Uma vez defndas as equações dferencas do problema, o passo segunte consste no processo de dscretzação e lnearzação das mesmas para que seja montado um sstema de equações algébrcas
Leia maisModelos para Localização de Instalações
Modelos para Localzação de Instalações Prof. Dr. Ncolau D. Fares Gualda Escola Poltécnca da Unversdade de São Paulo Departamento de Engenhara de Transportes CLASSIFICAÇÃO DE WEBER (WEBER, Alfred. Uber
Leia mais5 Relação entre Análise Limite e Programação Linear 5.1. Modelo Matemático para Análise Limite
5 Relação entre Análse Lmte e Programação Lnear 5.. Modelo Matemátco para Análse Lmte Como fo explcado anterormente, a análse lmte oferece a facldade para o cálculo da carga de ruptura pelo fato de utlzar
Leia mais3.2 Modulações não-binárias (MPSK)
odulações dgtas 3 odulações dgtas lneares com detecção coerente 3. odulações não-bnáras (SK) QSK: formas de onda e componentes em fase e em quadratura E π s() t = cos π fct ( ) T 4 t T =,,3, 4 f c = nc,
Leia maisParênteses termodinâmico
Parênteses termodnâmco Lembrando de 1 dos lmtes de valdade da dstrbução de Maxwell-Boltzmann: λ
Leia maisMecanismos de Escalonamento
Mecansmos de Escalonamento 1.1 Mecansmos de escalonamento O algortmo de escalonamento decde qual o próxmo pacote que será servdo na fla de espera. Este algortmo é um dos mecansmos responsáves por dstrbur
Leia maisUm Modelo De Programação Linear Inteira Mista Para A Localização De Armazéns E A Distribuição De Produtos Siderúrgicos
A pesqusa Operaconal e os Recursos Renováves 4 a 7 de novembro de 2003, Natal-RN Um Modelo De Programação Lnear Intera Msta Para A Localzação De Armazéns E A Dstrbução De Produtos Sderúrgcos Carlos Roberto
Leia maisTestes não-paramétricos
Testes não-paramétrcos Prof. Lorí Val, Dr. http://www.mat.ufrgs.br/val/ val@mat.ufrgs.br Um teste não paramétrco testa outras stuações que não parâmetros populaconas. Estas stuações podem ser relaconamentos,
Leia maisRemuneração de Índole Marginal no Uso das Redes
Remuneração de Índole Margnal no Uso das Redes Introdução Métodos smples de remuneração: Injustos Podem gerar nefcêncas Podem gerar concorrênca desleal Tarfas de uso das redes baseadas em concetos de índole
Leia maisNotas Processos estocásticos. Nestor Caticha 23 de abril de 2012
Notas Processos estocástcos Nestor Catcha 23 de abrl de 2012 notas processos estocástcos 2 O Teorema de Perron Frobenus para matrzes de Markov Consdere um processo estocástco representado por um conunto
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ Em mutas stuações duas ou mas varáves estão relaconadas e surge então a necessdade de determnar a natureza deste relaconamento. A análse
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca
Leia maisProgramação Linear 1
Programação Lnear 1 Programação Lnear Mutos dos problemas algortmcos são problemas de otmzação: encontrar o menor camnho, o maor fluxo a árvore geradora de menor custo Programação lnear rovê um framework
Leia maisMicroeconomia II. Cursos de Economia e de Matemática Aplicada à Economia e Gestão AULA 5.3. Afectação de Bens Públicos: a Condição de Samuelson
Mcroeconoma II Cursos de Economa e de Matemátca Aplcada à Economa e Gestão AULA 5.3 Afectação de Bens Públcos: a Condção de Isabel Mendes 2007-2008 5/3/2008 Isabel Mendes/MICRO II 5.3 Afectação de Bens
Leia maisDISTRIBUIÇÃO DE FREQUÊNCIAS
Núcleo das Cêncas Bológcas e da Saúde Cursos de Bomedcna, Ed. Físca, Enermagem, Farmáca, Fsoterapa, Fonoaudologa, Medcna Veternára, Muscoterapa, Odontologa, Pscologa DISTRIBUIÇÃO DE FREQUÊNCIAS 5 5. DISTRIBUIÇÃO
Leia maisVariáveis indexadas, somatórios e produtórios
1 Computação MIEC - FEUP complado por Ana Mara Faustno Varáves ndexadas, somatóros e produtóros Varáves ndexadas Quando se pretende estudar váras característcas de um conjunto de ndvíduos convém armazenar
Leia mais1 a chamada Duração: 2 horas e 30 minutos Com Consulta
Lcencatura em Engenhara Electrotécnca e de Computadores Investgação Operaconal 1 a chamada 2002.01.08 Duração: 2 horas e 30 mnutos Com Consulta Responda a cada questão numa folha separada 1. Quem pensou
Leia maisProblemas Propostos. Frações mássicas, volúmicas ou molares. Estequiometria.
Elementos de Engenhara Químca I II. Frações e Estequometra (problemas resolvdos) Problemas Propostos. Frações másscas, volúmcas ou molares. Estequometra.. Em 5 moles de Benzeno (C 6 H 6 ) quanto é que
Leia maisUniversidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Classificadores Lineares. Luiz Eduardo S. Oliveira, Ph.D.
Unversdade Federal do Paraná Departamento de Informátca Reconhecmento de Padrões Classfcadores Lneares Luz Eduardo S. Olvera, Ph.D. http://lesolvera.net Objetvos Introduzr os o conceto de classfcação lnear.
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia mais2 Agregação Dinâmica de Modelos de Turbinas e Reguladores de Velocidade: Teoria
Agregação Dnâmca de Modelos de urbnas e Reguladores de elocdade: eora. Introdução O objetvo da agregação dnâmca de turbnas e reguladores de velocdade é a obtenção dos parâmetros do modelo equvalente, dados
Leia maisCONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues
CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogéro Rodrgues I) TABELA PRIMITIVA E DISTRIBUIÇÃO DE FREQÜÊNCIA : No processo de amostragem, a forma de regstro mas
Leia mais4 Autovetores e autovalores de um operador hermiteano
T (ψ) j = ψ j ˆT ψ = k ψ j ˆT φ k S k = k,l ψ j φ l T (φ) S k = k,l φ l ψ j T (φ) S k = k,l SljT (φ) S k. Após todos esses passos vemos que T (ψ) j = k,l S jl T (φ) S k ou, em termos matrcas T (ψ) = S
Leia maisD- MÉTODO DAS APROXIMAÇÕES SUCESSIVAS
D- MÉTODO DAS APROXIMAÇÕES SUCESSIVAS O método das apromações sucessvas é um método teratvo que se basea na aplcação de uma fórmula de recorrênca que, sendo satsfetas determnadas condções de convergênca,
Leia maisMÉTODOS DE ANÁLISE DE CIRCUITOS RESISTIVOS ANÁLISE NODAL
CIRCUITOS ELÉTRICOS Método de Análse: Análse Nodal Dscplna: CIRCUITOS ELÉTRICOS Professor: Dr Marcos Antôno de Sousa Tópco MÉTODOS DE ANÁLISE DE CIRCUITOS RESISTIVOS ANÁLISE NODAL Referênca bbloráfca básca:
Leia maisDIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS
177 DIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS Antôno Carlos da Slva Flho Un-FACEF Introdução Trend Strps (TS) são uma nova técnca de análse da dnâmca de um sstema,
Leia maisPrograma de Certificação de Medidas de um laboratório
Programa de Certfcação de Meddas de um laboratóro Tratamento de dados Elmnação de dervas Programa de calbração entre laboratóros Programa nterno de calbração justes de meddas a curvas Tratamento dos resultados
Leia maisChapter 9 Location INTRODUÇÃO. Localização de Instalações. Problemas de comunicação
Chapter 9 Locaton Localzação de Instalações Problemas de comuncação http://www.youtube.com/watch?v=h_qnu4rwlvu INTRODUÇÃO INTRODUÇÃO Analsar padrões de localzação pode ser nteressante Porque a Whte Castle,
Leia maisXXVII Olimpíada Brasileira de Matemática GABARITO Primeira Fase
Soluções Nível Unverstáro XXVII Olmpíada Braslera de Matemátca GABARITO Prmera Fase SOLUÇÃO DO PROBLEMA : Pelo enuncado, temos f(x) = (x )(x + )(x c) = x 3 cx x + c, f'(x) = 3x cx, f '( ) = ( + c) e f
Leia maisRAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro
UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD1507 Estatístca Aplcada à Admnstração I Prof. Dr. Evandro Marcos adel Rbero
Leia mais5 Implementação Procedimento de segmentação
5 Implementação O capítulo segunte apresenta uma batera de expermentos prátcos realzados com o objetvo de valdar o método proposto neste trabalho. O método envolve, contudo, alguns passos que podem ser
Leia maisMicroeconomia II. Cursos de Economia e de Matemática Aplicada à Economia e Gestão. AULA 2.1 Oligopólio em Quantidades (Cournot)
Mcroeconoma II Cursos de Economa e de Matemátca Aplcada à Economa e Gestão AULA 2.1 Olgopólo em Quantdades (Cournot) Isabel Mendes 2007-2008 18-03-2008 Isabel Mendes/MICRO II 1 2.1 Olgopólo em Quantdades
Leia maisMestrado Integrado em Engenharia Civil. Disciplina: TRANSPORTES Prof. Responsável: José Manuel Viegas
Mestrado Integrado em Engenhara Cvl Dscplna: TRANSPORTES Prof. Responsável: José Manuel Vegas Sessão Prátca 7 (Tpo A): Dmensonamento de ntersecções semaforzadas smples Curso 2008/09 1/22 INTERSECÇÕES Introdução
Leia maisPROCEDIMENTO PARA ESCOLHA DA LOCALIZAÇÃO DE UM CENTRO REGIONAL DE DISTRIBUIÇÃO E RECOLHA DE EQUIPAMENTOS. N. R. Candido, V.B. G.
PROCEDIMENTO PARA ESCOLHA DA LOCALIZAÇÃO DE UM CENTRO REGIONAL DE DISTRIBUIÇÃO E RECOLHA DE EQUIPAMENTOS N. R. Canddo, V.B. G. Campos RESUMO Apresenta-se neste trabalho um procedmento de auxílo à decsão
Leia mais2003/2004. então o momento total das forças exercidas sobre o sistema é dado por. F ij = r i F (e)
Resolução da Frequênca de Mecânca Clássca I/Mecânca Clássca 2003/2004 I Consdere um sstema de N partículas de massas m, =,..., N. a Demonstre que, se a força nterna exercda sobre a partícula pela partícula
Leia maisLaboratório de Mecânica Aplicada I Estática: Roldanas e Equilíbrio de Momentos
Laboratóro de Mecânca Aplcada I Estátca: Roldanas e Equlíbro de Momentos 1 Introdução O conhecmento das condções de equlíbro de um corpo é mprescndível em númeras stuações. Por exemplo, o estudo do equlíbro
Leia maisEletrotécnica AULA Nº 1 Introdução
Eletrotécnca UL Nº Introdução INTRODUÇÃO PRODUÇÃO DE ENERGI ELÉTRIC GERDOR ESTÇÃO ELEVDOR Lnha de Transmssão ESTÇÃO IXDOR Equpamentos Elétrcos Crcuto Elétrco: camnho percorrdo por uma corrente elétrca
Leia maisFísica C Intensivo V. 2
Físca C Intensvo V Exercícos 01) C De acordo com as propredades de assocação de resstores em sére, temos: V AC = V AB = V BC e AC = AB = BC Então, calculando a corrente elétrca equvalente, temos: VAC 6
Leia maisLeis de conservação em forma integral
Les de conservação em forma ntegral J. L. Balño Departamento de Engenhara Mecânca Escola Poltécnca - Unversdade de São Paulo Apostla de aula Rev. 10/08/2017 Les de conservação em forma ntegral 1 / 26 Sumáro
Leia maisAdriana da Costa F. Chaves
Máquna de Vetor Suporte (SVM) para Regressão Adrana da Costa F. Chaves Conteúdo da apresentação Introdução Regressão Regressão Lnear Regressão não Lnear Conclusão 2 1 Introdução Sejam {(x,y )}, =1,...,,
Leia maisTABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS
TABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS Varável Qualquer característca assocada a uma população Classfcação de varáves Qualtatva { Nomnal sexo, cor dos olhos Ordnal Classe
Leia maisN 70 = 40 25N+1500 = N = 1300 N = 52 LETRA D
QUESTÃO 01 QUESTÃO 0 Seja x a méda dos saláros do departamento comercal. A méda procurada é tal que 00 = x + 30 + 4 4 + + 4 x = 000 0 3300 x = R$ 400,00. QUESTÃO 03 4 0+ 3 Tem-se xp I = = 1,8 e 4+ Logo,
Leia maisINF 1771 Inteligência Artificial
INF 77 Intelgênca Artfcal Aula 8 Redes Neuras Edrle Soares de Lma Formas de Aprendzado Aprendzado Supervsonado Árvores de decsão. K-Nearest Neghbor (KNN). Support Vector Machnes (SVM).
Leia maisCap. 6 - Energia Potencial e Conservação da Energia Mecânica
Unversdade Federal do Ro de Janero Insttuto de Físca Físca I IGM1 014/1 Cap. 6 - Energa Potencal e Conservação da Energa Mecânca Prof. Elvs Soares 1 Energa Potencal A energa potencal é o nome dado a forma
Leia maisClassificação das Equações de Conservação
Angela Neckele PUC-Ro Classcação as Equações e Conservação Equação erencal parcal lnear e seguna orem, com uas varáves nepenentes (x, y) ou (x, t) B AC 0 elíptca Classcação: B AC 0 parabólca B AC 0 perbólc
Leia maisCaderno de Fórmulas em Implementação. SWAP Alterações na curva Libor
Caderno de Fórmulas em Implementação SWAP Alterações na curva Lbor Atualzado em: 15/12/217 Comuncado: 12/217 DN Homologação: - Versão: Mar/218 Índce 1 Atualzações... 2 2 Caderno de Fórmulas - SWAP... 3
Leia maisTeoria Elementar da Probabilidade
10 Teora Elementar da Probabldade MODELOS MATEMÁTICOS DETERMINÍSTICOS PROBABILÍSTICOS PROCESSO (FENÓMENO) ALEATÓRIO - Quando o acaso nterfere na ocorrênca de um ou mas dos resultados nos quas tal processo
Leia mais3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas
3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas
Leia maisMECÂNICA CLÁSSICA. AULA N o 7. Teorema de Liouville Fluxo no Espaço de Fases Sistemas Caóticos Lagrangeano com Potencial Vetor
1 MECÂNICA CLÁSSICA AULA N o 7 Teorema de Louvlle Fluo no Espaço de Fases Sstemas Caótcos Lagrangeano com Potencal Vetor Voltando mas uma ve ao assunto das les admssíves na Físca, acrescentamos que, nos
Leia maisMODELO PARA ALOCAÇÃO DE BANCOS DE CAPACITORES PARA REGULAÇÃO DE TENSÃO EM REDES DE DISTRIBUIÇÃO SÉRGIO HAFFNER
MODELO PARA ALOAÇÃO DE BANOS DE APAITORES PARA REGULAÇÃO DE TENSÃO EM REDES DE DISTRIBUIÇÃO SÉRGIO HANER Departamento de Engenhara Elétrca, UDES-T ampus Unverstáro Prof. Avelno Marcante s/n Barro Bom tro
Leia maisUM PROBLEMA ECONOMÉTRICO NO USO DE VARIÁVEIS CLIMÁTICAS EM FUNÇÕES DE PRODUÇÃO AJUSTADAS A DADOS EXPERIMENTAIS
UM PROBLEMA ECONOMÉTRICO NO USO DE VARIÁVEIS CLIMÁTICAS EM FUNÇÕES DE PRODUÇÃO AJUSTADAS A DADOS EXPERIMENTAIS Rodolfo Hoffmann * Vctor Hugo da Fonseca Porto ** SINOPSE Neste trabalho deduz-se qual é o
Leia maisAlgoritmos Genéticos com Parâmetros Contínuos
com Parâmetros Contínuos Estéfane G. M. de Lacerda DCA/UFRN Mao/2008 Exemplo FUNÇÃO OBJETIVO : 1,0 f ( x, y) 0, 5 sen x y 0, 5 1, 0 0, 001 x 2 2 2 y 2 2 2 0,8 0,6 0,4 0,2 0,0-100 -75-50 -25 0 25 50 75
Leia maisEstatística I Licenciatura MAEG 2006/07
Estatístca I Lcencatura MAEG 006/07 AMOSTRAGEM. DISTRIBUIÇÕES POR AMOSTRAGEM.. Em determnada unversdade verfca-se que 30% dos alunos têm carro. Seleccona-se uma amostra casual smples de 0 alunos. a) Qual
Leia maisRegressão Múltipla. Parte I: Modelo Geral e Estimação
Regressão Múltpla Parte I: Modelo Geral e Estmação Regressão lnear múltpla Exemplos: Num estudo sobre a produtvdade de trabalhadores ( em aeronave, navos) o pesqusador deseja controlar o número desses
Leia maisAprendizagem de Máquina
Aprendzagem de Máquna Alessandro L. Koerch Programa de Pós-Graduação em Informátca Pontfíca Unversdade Católca do Paraná (PUCPR) Máqunas de Vetor de Suporte Introdução Support Vector Machnes SVM Método
Leia maisParte 1: Exercícios Teóricos
Cálculo Numérco SME0300 ICMC-USP Lsta 2: Sstemas Lneares Métodos Dretos Professora: Cyntha de O. Lage Ferrera Parte 1: Exercícos Teórcos 1. Consdere o sstema Ax = b, onde 1 α 3 α 1 4 ; x = 5 2 1 Para que
Leia maisR X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais
30 Varáves aleatóras bdmensonas Sea ε uma experênca aleatóra e S um espaço amostral assocado a essa experênca. Seam X X(s) e Y Y(s) duas funções cada uma assocando um número real a cada resultado s S.
Leia maisCurso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos
Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,
Leia mais4 Análise termoeconômica
4 Análse termoeconômca Os capítulos precedentes abordaram questões emnentemente térmcas da aplcação de nanofludos em sstemas ndretos de refrgeração. Ao tratar das magntudes relatvas e da natureza das componentes
Leia mais2 Lógica Fuzzy Introdução
2 Lógca Fuzzy 2.. Introdução A lógca fuzzy é uma extensão da lógca booleana, ntroduzda pelo Dr. Loft Zadeh da Unversdade da Calfórna / Berkeley no ano 965. Fo desenvolvda para expressar o conceto de verdade
Leia mais3 Definição automática de carregamento ótimo
3 Defnção automátca de carregamento ótmo A formulação ncal mostrada neste capítulo fo feta por Sérgo Álvares Maffra[11] e parte da mplementação fo feta por Anderson Perera, tendo sofrdo algumas modfcações
Leia mais3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo
3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas
Leia maisIntrodução e Organização de Dados Estatísticos
II INTRODUÇÃO E ORGANIZAÇÃO DE DADOS ESTATÍSTICOS 2.1 Defnção de Estatístca Uma coleção de métodos para planejar expermentos, obter dados e organzá-los, resum-los, analsá-los, nterpretá-los e deles extrar
Leia mais37 [C] Verdadeira. Veja justificativa do item [B]. Moda = 8
Resposta da questão 1: [C] Calculando:,5 + 10 + 8 + 9,4 + 8 +,4 + x + 7,4 = 8, 8,5 + 10 + 8 + 9,4 + 8 +,4 + x + 7,4 = 5, x = 9,9 Moda = 8 8+ 8 Medana = = 8,5 + 10 + 8 + 9,4 + 8 +,4 + 7,4 Méda das outras
Leia maisX = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)
Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado
Leia mais4.1 Modelagem dos Resultados Considerando Sazonalização
30 4 METODOLOGIA 4.1 Modelagem dos Resultados Consderando Sazonalzação A sazonalzação da quantdade de energa assegurada versus a quantdade contratada unforme, em contratos de fornecmento de energa elétrca,
Leia maisCONTROLADORES FUZZY. Um sistema de controle típico é representado pelo diagrama de blocos abaixo:
CONTROLADORES FUZZY Um sstema de controle típco é representado pelo dagrama de blocos abaxo: entrada ou referênca - erro CONTROLADOR snal de controle PLANTA saída A entrada ou referênca expressa a saída
Leia mais3 Elementos de modelagem para o problema de controle de potência
3 Elementos de modelagem para o problema de controle de potênca Neste trabalho assume-se que a rede de comuncações é composta por uma coleção de enlaces consttuídos por um par de undades-rádo ndvdualmente
Leia maisClassificação de Padrões
Classfcação de Padrões Introdução Classfcadores Paramétrcos Classfcadores Sem-paramétrcos Redução da Dmensonaldade Teste de Sgnfcânca 6.345 Sstema de Reconhecmento de Voz Teora Acústca da Produção de Voz
Leia maisLei das Malhas (KVL) Lei dos Nós (KCL)
Le das Malhas (KL) Le dos Nós (KCL) Electrónca Arnaldo Batsta 5/6 Electrónca_omed_ef KCL (Krchhoff Current Law) Nó é o ponto de lgação de dos ou mas elementos de crcuto amo é uma porção do crcuto contendo
Leia maisEletroquímica 2017/3. Professores: Renato Camargo Matos Hélio Ferreira dos Santos.
Eletroquímca 2017/3 Professores: Renato Camargo Matos Hélo Ferrera dos Santos http://www.ufjf.br/nups/ Data Conteúdo 07/08 Estatístca aplcada à Químca Analítca Parte 2 14/08 Introdução à eletroquímca 21/08
Leia mais