5.1. Filtragem dos Estados de um Sistema Não-Linear Unidimensional. Considere-se o seguinte MEE [20] expresso por: t t
|
|
- Amanda Aragão Leal
- 5 Há anos
- Visualizações:
Transcrição
1 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, problemas de oimização de funções e problemas de aprendizado de hiper-parâmeros de um sisema de volailidade esocásica. Como plaaforma de eses foi uilizado um compuador com processador Inel Penium 4 de 1.9 GHz com 500 Mb de memória. E como linguagem de programação foi usado Malab Filragem dos Esados de um Sisema Não-Linear Unidimensional Considere-se o seguine MEE [20] expresso por: y θ = = 2 ( θ ) (84) + ε θ 1 6 θ cos + η ( θ ) 5 1 com ε ~ N(0, R) e ~ N(0, Q). A seguir mosra-se a aplicação do algorimo do η FPG na esimação dos esados e das observações, o qual será comparado com os resulados do algorimo do FPB. A figura 4 mosra a simulação do sisema sobre = 1,2,...,T períodos de empo, com T = 100, θ 0 = 0. 1, R = 1, Q = 10 e π ( θ 0 ) ~ N(0, P) com P = 5. As figuras 5-8 mosram o desempenho do FPB e do FPG na esimaiva do sinal dos esados (figura 5 e 6) e na esimaiva do sinal de saída do modelo (figura 7 e 8) em 200 simulações. Cada simulação realiza uma esimaiva do sinal dos esados e das observações a ravés da média e da máxima a poseriori da densidade dos esados e da densidade da saída do modelo. Poseriormene é calculado o erro enre o sinal verdadeiro dos esados e das observações com os sinais esimados pelo modelo em cada simulação. Finalmene o desempenho é calculado como a média dos erros nas 200 simulações.
2 63 Ruído nos esados Tempo Ruído nas Observações Tempo Esados Observações Tempo Figura 4 - Simulação do modelo não-linear unidimensional Tempo Com base nas figuras 5-8 pode-se concluir que o FPG possui um melhor desempenho que o FPB. Enreano, à medida em que se aumena o número de parículas N, o desempenho dos dois algorimos fica similar. Enreano, o FPG possui maior grau de adapabilidade graças à inrodução dos operadores genéicos e, desa forma, o FPG é mais robuso a problemas de ouliers das observações. O cuso compuacional do experimeno foi: FPB = 1.15 horas e o FPG = 3.48 horas. Como ilusração, as figuras 11 ao 17 mosram a comparação do FPG e FPB considerando uma população de 80 parículas. Para ese caso os erros obidos são mosrados na abela 1. Além disso o empo compuacional foi de 0.73seg e do FPG de 2.14seg. Filro Erro nos Esados Erro nas Observações ( θ ) ( θ ) ( y ) ( y ) θ Média θ MAP y Média y MAP FPB FPG Tabela 1 - Desempenho do Erro do FPB e FPG 2
3 64 Figura 5 - Desempenho do FPB e do FPG na média dos esados do Modelo Figura 6 - Desempenho do FPB e do FPG na MAP dos esados do Modelo
4 65 Figura 7 - Desempenho do FPB e do FPG na média da saída do Modelo Figura 8 - Desempenho do FPB e do FPG na MAP da saída do Modelo
5 66 Figura 9 - Desempenho do FPB na evolução da densidade dos esados Figura 10 - Desempenho do FPG na evolução da densidade dos esados
6 67 Figura 11 Desempenho do FPB na evolução da densidade das observações Figura 12 - Desempenho do FPG na evolução da densidade das observações
7 68 Figura 13 - Desempenho da média dos esados obido pelo FPB Figura 14 - Desempenho da média dos esados obido pelo FPG
8 69 Figura 15 - Desempenho da MAP dos esados obido pelo FPB Figura 16 - Desempenho da MAP dos esados obido pelo FPG
9 70 Figura 17 - Desempenho da média das observações obido pelo FPB Figura 18 - Desempenho da média das observações obido pelo FPG
10 71 Figura 19 - Desempenho da MAP das observações obido pelo FPB Figura 20 - Desempenho da MAP das observações obido pelo FPG
11 72 Figura 21 - Desempenho da média dos esados obido pelo FPB Figura 22 - Desempenho da média dos esados obido pelo FPG
12 73 Figura 23 - Desempenho da MAP dos esados obido pelo FPB Figura 24 - Desempenho da MAP dos esados obido pelo FPG
13 74 Figura 25 - Desempenho da média das observações obido pelo FPB Figura 26 - Desempenho da média das observações obido pelo FPG
14 75 Figura 27 - Desempenho da MAP das observações obido pelo FPB Figura 28 - Desempenho da MAP das observações obido pelo FPG
15 Oimização de Funções Nese experimeno numérico, aplica-se o algorimo FE na minimização da seguine função de cuso [32]: h ( θ) = h( x, y) = 0.01( x + x y + y ) (85) a qual é mosrada na figura 29. É conhecido que o valor mínimo da função h (θ) é zero, o qual ocorre em ( x, y) = (0,0). A figura 30 mosra a nova função de cuso p ( θ) exp[ h( θ)] a ser maximizada. A fim de se er uma noção ilusraiva da convergência do algorimo FE, iso é, mosrar o processo de busca do pono óimo MM min θ = θ, as figuras 31 e 32 mosram as densidades de filragem para cada uma das marginais de p (θ) obidas * pelo algorimo FE com esquema de seleção α Θ Θ ) local. As figuras 33 e ( 0: 0: 34 mosram, novamene, as densidades de filragem para cada uma das marginais * de p (θ) obidas pelo FE com esquema de seleção α Θ Θ ) global. ( 0: 0: Embora as duas versões do FE mosrem sua convergência ao pono óimo MM min θ = θ, como mosram as figuras 35 e 36, elas possuem ligeiras diferenças. * Por exemplo, a versão FE com α Θ Θ ) local necessia de mais ierações ( 0: 0: * para ober a mesma exaidão que o FE com α Θ Θ ) global. Uma explicação ( 0: 0: para ese fenômeno é que o esquema de seleção global combina a informação de odas as parículas para orienar a busca em regiões mais promissoras, o que não ocorre no esquema de seleção local e, em conseqüência, o esquema de seleção global converge com poucas ierações. Para ese experimeno o empo * compuacional foi de 0.73 seg. para o FE com α Θ Θ ) local, e de 3.12 seg. * para o FE com α Θ Θ ) global. ( 0: 0: ( 0: 0: Os parâmeros usados nesa simulação foram N=200 parículas, π ( θ, ρ = 1 e ρ = 1. O melhor indivíduo após T= ) = π ( x0, y0 ) ~ U ( 20,20) c gerações foi ( x, y) = ( , ) para o FE com * α Θ Θ ) local e ( x, y) = ( , ) para o ( 0: 0: * FE com α Θ Θ ) global. ( 0: 0: m
16 77 Figura 29 Função de cuso a ser maximizada Figura 30 Função de cuso a ser minimizada
17 78 Figura 31 Convergência em x do FE com esquema de seleção local Figura 32 Convergência em y do FE com esquema de seleção local
18 79 Figura 33 Convergência em x do FE com esquema de seleção global Figura 34 Convergência em y do FE com esquema de seleção global
19 80 Figura 35 Convergência de x, y do FE com esquema de seleção local Figura 36 Convergência de x, y do FE com esquema de seleção global
20 81 A seguir mosra-se oura aplicação do algorimo FE que consise na minimização da seguine função objeivo [28]: h( x, y) = [ xsin(20y) + y sin(20x)] [ x cos(10y) + y sin(10x)] 2 2 cosh[sin(10x) x] + cosh[cos(20y) y] (86) a qual é mosrada na figura 37. É conhecido que o valor mínimo da função h (θ) é zero, o qual ocorre em ( x, y) = (0,0). A figura 38 mosra a nova função de cuso p ( θ) exp[ h( θ)] a ser maximizada. A fim de se er uma noção ilusraiva da convergência do algorimo FE, iso é, mosrar o processo de busca do pono óimo MM min θ = θ, as figuras 39 e 40 mosram as densidades de filragem para cada uma das densidades marginais de * p (θ) obidas pelo algorimo FE com esquema de seleção α Θ Θ ) local. As ( 0: 0: figuras 41 e 42 mosram, novamene, as densidades de filragem para cada uma das densidades marginais de p (θ) obidas pelo FE com esquema de seleção * α Θ Θ ) global. ( 0: 0: As figuras 43 e 44 como no exemplo anerior mosram a convergência ao pono óimo MM min θ = θ pelo FE com esquema de seleção local e global respecivamene. Noe novamene para ese exemplo que a versão do FE com esquema de seleção local necessia de mais ierações para ober a mesma exaidão que o FE com esquema de seleção global. Por ouro lado o empo compuacional do FE com esquema de seleção local foi de 0.92 seg. E para o FE com esquema de seleção global foi de 3.19 seg. Os parâmeros usados nesa simulação foram N=200 parículas, π ( θ = x y U, ρ = 1 e ρ = 1. O melhor indivíduo após T= ) π ( 0, 0 ) ~ ( 2,2) c gerações foi ( x, y) = ( , ) para o FE com * α Θ Θ ) local e ( x, y) = ( , ) para o FE ( 0: 0: * com α Θ Θ ) global ( 0: 0: m
21 82 Figura 37 Função de cuso a ser maximizada Figura 38 Função de cuso a ser minimizada
22 83 Figura 39 Convergência em x do FE com esquema de seleção local Figura 40 Convergência em y do FE com esquema de seleção local
23 84 Figura 41 Convergência em x do FE com esquema de seleção global Figura 42 Convergência em y do FE com esquema de seleção global
24 85 Figura 43 Convergência de x, y do FE com esquema de seleção local Figura 44 Convergência de x, y do FE com esquema de seleção global
25 Aprendizado de um Sisema de Volailidade Esocásica Considere-se o seguine modelo de volailidade esocásica [64]: y α onde ε ~ N(0,1), ~ N(0,1) = = α µ + σ ε exp 2 φα + σ η 1 η 2 ( ρη + 1 ρ ε ) 2 2 η, α ~ { 0, /(1 )} 0 σ η φ (87) N, ρ < 1, φ < 1. Para ese experimeno foram considerados os seguines valores µ = , φ = , σ η = 0.160, σ ε = , ρ = A figura 16 mosra a simulação do sisema sobre = 1,2,..., T períodos de empo, com T = 200. Figura 45 Simulação do modelo de volailidade esocásica Noe que os parâmeros adapaivos θ = ψ, α } do MEE possuem ano { componenes invarianes ψ = {, φ, σ, σ, ρ} quano componenes varianes no µ η ε empo α. Para esimar θ = ψ, α } eficienemene é conveniene realizar ese { cálculo separadamene. Para iso a densidade a poseriori p Θ Y ) pode ser expressa por: ( 0: 1:
26 87 p( Θ 0: Y 1: ) p( ψ, α Y ) (88) 0: p( ψ Y 1:, α 1: 0: ) p( α 0: Y 1: ) Com esa decomposição, a densidade p α Y ) pode ser calculada pelo ( 0: 1: filro de parículas, enquano que p ψ Y, α ) pode ser calculada pelo ( 1: 0: algorimo genéico, uma vez que esa densidade é invariane no empo. Enreano o cálculo de p ψ Y, α ) deve respeiar as resrições de ( 1: 0: domínio imposas aos elemenos do veor ψ = {, φ, σ, σ, ρ}. Porém, os µ η ε operadores de cruzameno e muação precisam ser adapados para saisfazer esas resrições. Felizmene, na lieraura exisem diversas definições de cruzameno e muação que manipulam resrições de domínio, ais como cruzameno ariméico, cruzameno simples, cruzameno heurísico, muação uniforme, muação não uniforme e muação de froneira (para maiores dealhes veja [39]). Por ouro lado, observando o MEE, pode-se concluir que a densidade da verossimilhança do modelo possui um formao Gaussiano da forma: Com: p( y α ) = E [ y 1 2π Var[ y Var[ y α α ] = ] = y E[ y ] exp 0.5 ] Var[ y ] α 2 µ + ρ exp σ ε η σ ε (1 ρ )exp Logo, subsiuindo a equação (89) na equação (29) obém-se a função de imporância dos filro FPB e FPG, respecivamene. Por ouro lado, relembrando que as observações são condicionalmene independenes aos esados, enão a densidade p ψ Y, α ) será igual a: ( 1: 0: α 1 :, α 0: ) = p( y i i ) i= 1 p( ψ Y α Logo, subsiuindo a equação de acima na equação (80) obém-se a função de apidão que guiará o processo de busca do AG no cálculo dos parâmeros 2 2 (89) (90) (91) (92) ψ = {, φ, σ, σ, ρ} óimos do modelo. Enreano, devido a problemas de µ η ε precisão numérica inerenes à função de cuso da equação (92), na práica é uilizada a seguine função de cuso:
27 88 ln{ p( ψ Y1 :, α 0: )} = ln{ p( y α )} i= 1 uma vez que a ransformação logarímica garane a preservação dos valores exremos da função de cuso expressa pela equação (93). Com fins ilusraivos foi realizado uma comparação enre as esimaivas dos esados e das observações obidas pelo FPB, FPA e o FPG. Nesa comparação foi usando uma população de 200 indivíduos. Assim as figuras mosram o desempenho do FPB, as figuras mosra o desempenho do FPA e as figuras mosra o desempenho do FPG. Noe-se que as esimaivas dos rês filros esão muio próximos. Enreano a diferença enre eles pode ser observado na abela 2, onde percebe-se a superioridade do FPG. Os empos compuacionais para os rês filros foram: FPB = 8.02 seg., FPA = seg. e FPG = seg. i i (93) Filro Erro nos esados Erro nas observações 2 2 ( θ θ Média ) ( y y Média ) FPB FPA FPG Tabela 2 - Desempenho do Erro do FPB, FPA e FPG As figuras 58, 59 e 60 mosram as esimaivas dos parâmeros invarianes (hiper-parâmeros) ψ = {, φ, σ, σ, ρ} do modelo obidos pela combinação µ η ε simulânea do algorimo genéico do FE com os filros de parículas FPB, FPA e FPG, respecivamene, considerando um período de empo de T = 200 : 25 : As abelas 3,4 e 5 mosram o desempenho do FE+FPB, FE+FPA e do FE+FPG respecivamene. Além disso o cuso compuacional nese experimeno foi: FE+FPB = 9.66 horas, FE+APF = horas e o FE+FPG = horas. As figuras 61, 62 e 63 mosram 50 esimaivas de ψ = {, φ, σ, σ, ρ} µ η ε obidos pela combinação simulânea do algorimo genéico do FE com os filros de parículas FPB, FPA e FPG, respecivamene, considerando um período de empo de T = As abelas 6,7 e 8 mosram o desempenho do FE+FPB, FE+FPA e do FE+FPG respecivamene. Além disso o cuso compuacional nese experimeno foi: FE+FPB = horas, FE+APF = horas e o FE+FPG = horas.
28 89 Figura 46 - Desempenho do FPB na evolução da densidade dos esados Figura 47 Desempenho do FPB na evolução da densidade das observações
29 90 Figura 48 - Desempenho do FPB na esimaiva dos esados Figura 49 - Desempenho do FPB na esimaiva das observações
30 91 Figura 50 - Desempenho do FPA na evolução da densidade dos esados Figura 51 Desempenho do FPA na evolução da densidade das observações
31 92 Figura 52 - Desempenho do FPA na esimaiva dos esados Figura 53 - Desempenho do FPA na esimaiva das observações
32 93 Figura 54 - Desempenho do FPG na evolução da densidade dos esados Figura 55 Desempenho do FPG na evolução da densidade das observações
33 94 Figura 56 - Desempenho do FPG na esimaiva dos esados Figura 57 - Desempenho do FPG na esimaiva das observações
34 95 Figura 58 Aprendizado dos hiper-parâmeros do modelo via: FE+FPB Figura 59 Aprendizado dos hiper-parâmeros do modelo via: FE+FPA
35 96 Figura 60 Aprendizado dos hiper-parâmeros do modelo via: FE+FPG Figura 61 Aprendizado dos hiper-parâmeros do modelo via: FE+FPB
36 97 Figura 62 Aprendizado dos hiper-parâmeros do modelo via: FE+FPA Figura 63 Aprendizado dos hiper-parâmeros do modelo via: FE+FPG
37 98 Hiper-parâmero Valor verdadeiro FE+FPB Erro 2 µ φ σ η σ ε ρ Tabela 3 - Erro da esimaiva do FE+FPB para T = 200 : 25 : 1000 Hiper-parâmero Valor verdadeiro FE+FPA Erro 2 µ φ σ η σ ε ρ Tabela 4 - Erro da esimaiva do FE+FPA para T = 200 : 25 : 1000 Hiper-parâmero Valor verdadeiro FE+FPG Erro 2 µ φ σ η σ ε ρ Tabela 5 - Erro da esimaiva do FE+FPG para T = 200 : 25 : 1000 Com base nos resulados das abelas 3,4 e 5 pode-se concluir que as esimaivas do FE+FPB, FE+FPA e do FE+FPG esão muio próximas. Enreano, o FE+FPG possui uma ligeira exaidão com relação a os ouros dois méodos. Por exemplo, noe que ρ esimado por FE+FPB e FE+FPA possui um erro maior em relação com o FE+FPG; já os ouros hiper-parâmeros esão próximos. Esa exaidão em um preço, já que o cuso compuacional do FE+FPG é maior à dos ouros dois méodos.
38 99 Hiper-parâmero Valor verdadeiro FE+FPB Erro 2 µ φ σ η σ ε ρ Tabela 6 - Erro em 50 simulações da esimaiva do FE+FPB para T = 1000 Hiper-parâmero Valor verdadeiro FE+FPA Erro 2 µ φ σ η σ ε ρ Tabela 7 - Erro em 50 simulações da esimaiva do FE+FPA para T = 1000 Hiper-parâmero Valor verdadeiro FE+FPG Erro 2 µ φ σ η σ ε ρ Tabela 8 - Erro em 50 simulações da esimaiva do FE+FPG para T = 1000 Com base nos resulados das abelas 6,7 e 8 pode-se concluir que as esimaivas do FE+FPB, FE+FPA e do FE+FPG novamene esão próximas. Enreano, o hiper-parâmero ρ esimado por FE+FPB e FE+FPA possui novamene um erro maior em relação com o FE+FPG, já os ouros hiperparâmeros esão próximos.
39 Resumo Nese capíulo foram apresenadas aplicações do FPG e FE em problemas de filragem dos esados de um sisema não-linear unidimensional, problemas de oimização de funções e problemas de aprendizado de hiper-parâmeros de um sisema de volailidade esocásica. Os resulados mosram que o FPG e o FE possuem uma eficiência igual ou superior aos méodos convencionais. No próximo capíulo são apresenadas as conclusões finais da ese assim como as sugesões de rabalhos fuuros.
4 Filtro de Kalman. 4.1 Introdução
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
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 mais5 Solução por Regressão Simbólica 5.1. Introdução
5 Solução por Regressão Simbólica 5.. Inrodução ese capíulo é descrio um esudo de caso uilizando-se o modelo proposo no capíulo 4. reende-se com esse esudo de caso, mosrar a viabilidade do modelo, suas
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 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 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 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 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 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 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 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 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 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 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 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 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 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 Metodologia e resultados preliminares para análise de velocidade utilizando o gradiente descendente
4 Meodologia e resulados preliminares para análise de velocidade uilizando o gradiene descendene O processameno uilizando diferenes equações de sobreempo normal para a obenção de análise de velocidade
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 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 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 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 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 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 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 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 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 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 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 maisRodolfo Santos Nunes Rodrigues
Universidade Federal de Minas Gerais - UFMG Insiuo de Ciências Exaas - ICEx Programa de Pós-Graduação em Esaísica - PPGEST Rodolfo Sanos Nunes Rodrigues Influência do número de parículas na esimação de
Leia maisEstimação de Hiperparâmetros para um Modelo de Previsão Holt-Winters com Múltiplos Ciclos por Algoritmos Genéticos
Deparameno de Engenaria Elérica Esimação de Hiperparâmeros para um Modelo de Hol-Winers com Múliplos iclos por Algorimos Genéicos Mario esar da Fonseca orrêa Orienadores: Marco Aurélio. Paceco e Reinaldo
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 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 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 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 mais5 Aplicação da Modelagem Estrutural ao problema de previsão de Preço Spot de Energia Elétrica.
Aplicação da Modelagem Esruural ao problema de previsão de Preço Spo de Energia Elérica. 41 5 Aplicação da Modelagem Esruural ao problema de previsão de Preço Spo de Energia Elérica. 5.1. Inrodução Nesa
Leia mais2 Formulação do Problema
30 Formulação do roblema.1. Dedução da Equação de Movimeno de uma iga sobre Fundação Elásica. Seja a porção de viga infinia de seção ransversal consane mosrada na Figura.1 apoiada sobre uma base elásica
Leia maisAna Paula Pintado Wyse Luiz Bevilacqua Marat Rafikov
Modelagem da dinâmica de ransmissão da malária em ambiene sazonal considerando raameno diferenciado e conrole do veor com mosquios ransgênicos Ana Paula Pinado Wyse Luiz Bevilacqua Mara Rafikov Proposa
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 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 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 maisInterpolação e Extrapolação das ETTJ no Brasil
Inerpolação e Exrapolação das ETTJ no Brasil Coordenação Geral de Moniorameno de Solvência Coordenação de Moniorameno de Risco CORIS Sergio Luis Franklin Junior Thiago Baraa Duare César da Rocha Neves
Leia maisIII Congresso da Sociedade Portuguesa de Estatística Guimarães, 26 a 28 Junho 1995
1 III Congresso da Sociedade Poruguesa de Esaísica Guimarães, 26 a 28 Junho 1995 Políicas Ópimas e Quase-Ópimas de Inspecção de um Sisema Sujeio a Falhas Cláudia Nunes, João Amaral Deparameno de Maemáica,
Leia maisAPÊNDICE B DETALHAMENTO DAS EQUAÇÕES DO FLUXO SUBTERRÂNEO. B1 Equações Fundamentais do Fluxo Subterrâneo
8 APÊNDICE B DETALHAMENTO DA EQUAÇÕE DO FLUXO UBTERRÂNEO Nese apêndice, são deduzidas as euações diferenciais parciais ue governam o fluo nos meios porosos saurados B Euações Fundamenais do Fluo uerrâneo
Leia maisLABORATÓRIO DE HIDRÁULICA
UNIVERSIDADE FEDERAL DE ALAGOAS ENTRO DE TENOLOGIA LABORATÓRIO DE HIDRÁULIA Vladimir aramori Josiane Holz Irene Maria haves Pimenel Marllus Gusavo Ferreira Passos das Neves Maceió - Alagoas Ouubro de 2012
Leia maisDISSERTAÇÃO DE MESTRADO
DISSERTAÇÃO DE MESTRADO INFERÊNCIA SOBRE OS HIPERPARÂMETROS DOS MODELOS ESTRUTURAIS USANDO BOOTSTRAP POR: JULIANA APARECIDA RIBEIRO ORIENTADORA: GLAURA DA CONCEIÇÃO FRANCO CO-ORIENTADOR: FREDERICO R. B.
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 mais3 Modelo Teórico e Especificação Econométrica
3 Modelo Teórico e Especificação Economérica A base eórica do experimeno será a Teoria Neoclássica do Invesimeno, apresenada por Jorgensen (1963). Aneriormene ao arigo de Jorgensen, não havia um arcabouço
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 maisVoo Nivelado - Avião a Hélice
- Avião a Hélice 763 º Ano da icenciaura em ngenharia Aeronáuica edro. Gamboa - 008. oo de ruzeiro De modo a prosseguir o esudo analíico do desempenho, é conveniene separar as aeronaves por ipo de moor
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 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 maisFundamentos de Telecomunicações 2002/03
INSTITUTO SUPERIOR TÉCNICO Número: Fundamenos de Telecomunicações 22/3 EXAME Janeiro 25, 23 Duração: 2 minuos Nome: Preende conabilizar as noas dos eses? sim não Assinaura A resolução do exame é feia no
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 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 maisDefinição 0.1. Define se a derivada direcional de f : R n R em um ponto X 0 na direção do vetor unitário u como sendo: df 0) = lim t 0 t (1)
Cálculo II - B profs.: Heloisa Bauzer Medeiros e Denise de Oliveira Pino 1 2 o semesre de 2017 Aulas 11/12 derivadas de ordem superior/regra da cadeia gradiene e derivada direcional Derivadas direcionais
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 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 maisDesempenho do Algoritmo Genético Guiado por Código em Funções de Difícil
Desempenho do Algorimo Genéico Guiado por Código em Funções de Difícil Solução A L Araújo FMAssis Laboraório de Comunicações LABCOM Deparameno de Engenharia Elérica, Universidade Federal da Paraíba 58109-970
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 mais3 Avaliação de Opções Americanas
Avaliação de Opções Americanas 26 3 Avaliação de Opções Americanas Derivaivos com caracerísicas de exercício americano, em especial opções, são enconrados na maioria dos mercados financeiros. A avaliação
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 maisUm Novo Índice Coincidente para a Atividade Industrial do Estado do Rio Grande do Sul
Um Novo Índice Coincidene para a Aividade Indusrial do Esado do Rio Grande do Sul Igor Alexandre C. de Morais Marcelo Savino Porugal Resumo Ese arigo uiliza o modelo de faor dinâmico de Sock e Wason para
Leia mais3 Modelo Afim da Estrutura a Termo da Taxa de Juros
3 Modelo Afim da Esruura a Termo da Taxa de Juros Tendo enconrado um relevane coneúdo informacional no spread da curva de juros, passaremos agora a uma análise mais esruural do problema. A primeira quesão
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 maisEstimação em Modelos de Volatilidade Estocástica com Memória Longa
UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL INSTITUTO DE MATEMÁTICA DEPARTAMENTO DE ESTATÍSTICA Esimação em Modelos de Volailidade Esocásica com Memória Longa Auor: Gusavo Correa Leie Orienador: Professor
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 maisPROVA DE ENGENHARIA GRUPO II
Quesão 34 PROVA DE ENGENHARIA GRPO II Resposa esperada a) (Alernaiva 1) Ober inicialmene o equivalene elérico do corpo umano e depois monar o circuio elérico equivalene do sisema. Assim, pela Figura, noa-se
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 maisINTRODUÇÃO TEÓRICA - EXPERIÊNCIA 3. Comportamento de Componentes Passivos
UNIVERSIDADE DE SÃO PAULO ESCOLA POLIÉCNICA Deparameno de Engenharia de Sisemas Elerônicos PSI - EPUSP PSI 3031/3212 - LABORAÓRIO DE CIRCUIOS ELÉRICOS INRODUÇÃO EÓRICA - EXPERIÊNCIA 3 Comporameno de Componenes
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 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 maisUniversidade de Brasília. Instituto de Ciências Exatas. Departamento de Estatística. Dissertação de Mestrado
Universidade de Brasília Insiuo de Ciências Exaas Deparameno de Esaísica Disseração de Mesrado Um Esudo sobre Modelos para Volailidade Esocásica por André Silva de Queiroz Orienadora: Prof. a Dr. a Cibele
Leia maisLista de exercícios 3. September 15, 2016
ELE-3 Inrodução a Comunicações Lisa de exercícios 3 Sepember 5, 6. Enconre a ransformada de Hilber x() da onda quadrada abaixo. Esboce o especro de x() j x(). [ ] x() = Π ( n). n=. Um sinal em banda passane
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 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 maisProf. Carlos H. C. Ribeiro ramal 5895 sala 106 IEC
MB770 Previsão usa ando modelos maemáicos Prof. Carlos H. C. Ribeiro carlos@comp.ia.br www.comp.ia.br/~carlos ramal 5895 sala 106 IEC Aula 14 Modelos de defasagem disribuída Modelos de auo-regressão Esacionariedade
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 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 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 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 maisAnálise Matemática II
Análise Maemáica II Exame/Tese 3 - de Junho de 5 Licenciaura em Eng. Informáica e de Compuadores Nome: Número: Exame: Todas as pergunas Tese: Pergunas 5, 6, 7, 8 e 9 Indique na erceira coluna da abela
Leia maisEnunciado genérico. Trabalho: Séries Temporais Disciplina: Estatística Ambiental
Enunciado genérico Trabalho: Séries Temporais Disciplina: Esaísica Ambienal Criérios de escolha da série 1. A série escolhida deverá er uma exensão, N, de pelo menos 150 observações da variável em esudo;.
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 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 maisMODELOS DE VOLATILIDADE: COMPARAÇÃO COM DADOS SIMULADOS
MODELOS DE VOLATILIDADE: COMPARAÇÃO COM DADOS SIMULADOS Paulo Henrique Soo Cosa PUC-Rio / Dep. Engenharia Indusrial Rua M. S. Vicene 5 sala 950L CEP:453-900 Rio de Janeiro RJ UERJ / Fac. Ciências Econômicas
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 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 maisESCOLA SECUNDÁRIA COM 3º CICLO D. DINIS 12º ANO DE ESCOLARIDADE DE MATEMÁTICA A Tema II Introdução ao Cálculo Diferencial II
ESCOLA SECUNDÁRIA COM 3º CICLO D. DINIS 2º ANO DE ESCOLARIDADE DE MATEMÁTICA A Tema II Inrodução ao Cálculo Diferencial II TPC nº 9 Enregar em 4 2 29. Num loe de bolbos de úlipas a probabilidade de que
Leia maisvelocidade inicial: v 0 ; ângulo de tiro com a horizontal: 0.
www.fisicaee.com.br Um projéil é disparado com elocidade inicial iual a e formando um ânulo com a horizonal, sabendo-se que os ponos de disparo e o alo esão sobre o mesmo plano horizonal e desprezando-se
Leia maisAULA 8 CONDUÇÃO DE CALOR EM REGIME TRANSITÓRIO SISTEMA CONCENTRADO
Noas de aula de PME 3361 Processos de Transferência de Calor 57 AULA 8 CONDUÇÃO DE CALOR EM REGIME TRANSITÓRIO SISTEMA CONCENTRADO Inrodução Quando um corpo ou sisema a uma dada emperaura é bruscamene
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 maisLista de Exercícios 1
Universidade Federal de Ouro Preo Deparameno de Maemáica MTM14 - CÁLCULO DIFERENCIAL E INTEGRAL III Anônio Silva, Edney Oliveira, Marcos Marcial, Wenderson Ferreira Lisa de Exercícios 1 1 Para cada um
Leia maisPrimeira Lista de Exercícios
TP30 Modulação Digial Prof.: MSc. Marcelo Carneiro de Paiva Primeira Lisa de Exercícios Caracerize: - Transmissão em Banda-Base (apresene um exemplo de especro de ransmissão). - Transmissão em Banda Passane
Leia maisP IBpm = C+ I+ G+X F = = b) Despesa Nacional. PNBpm = P IBpm+ RF X = ( ) = 59549
Capíulo 2 Soluções: Medição da Acividade Económica Exercício 24 (PIB pelaópica da despesa) i. Usando os valores da abela que consa do enunciado, a solução das várias alíneas é imediaa, basando para al
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 mais2 Distribuições de Probabilidade
Disribuições de Probabilidade.1 Disribuição Gaussiana Para uma caracerização complea do processo esocásico seguido por uma variável aleaória é necessário deerminar algumas de suas propriedades, como sua
Leia maisGráfico 1 Nível do PIB: série antiga e série revista. Série antiga Série nova. através do site
2/mar/ 27 A Revisão do PIB Affonso Celso Pasore pasore@acpasore.com Maria Crisina Pinoi crisina@acpasore.com Leonardo Poro de Almeida leonardo@acpasore.com Terence de Almeida Pagano erence@acpasore.com
Leia maisAMANDA OLIVEIRA, G. Depto. Engenharia de Computação e Automação - UFRN
ANÁLISE COMPARATIVA DE ALGUMAS TÉCNICAS PARA O ESTABELECIMENTO DE TRAJETÓRIAS EM AMBIENTES COM OBSTÁCULOS USANDO APRENDIZAGEM POR REFORÇO AMANDA OLIVEIRA, G. Depo. Engenharia de Compuação e Auomação -
Leia maisIntervalos de confiança baseados em Deviance para os hiperparâmetros em modelos estruturais. Thiago Barbosa Ceccotti
Inervalos de confiança baseados em Deviance para os hiperparâmeros em modelos esruurais Thiago Barbosa Ceccoi Universidade Federeal de Minas Gerais Insiuo de Ciências Exaas Deparameno de Esaísica Inervalos
Leia mais