Um estudo de simulação sobre a estimação do desvio padrão de processos na presença de causas especiais de variação

Tamanho: px
Começar a partir da página:

Download "Um estudo de simulação sobre a estimação do desvio padrão de processos na presença de causas especiais de variação"

Transcrição

1 Um esudo de simulação sobre a esimação do desvio padrão de processos a preseça de causas especiais de variação Márcio Aôio Couo Ferreira (UFAM) macouo@ufam.edu.br José Raimudo Gomes Pereira (UFAM) jrpereira@ufam.edu.br João Caldas do Lago eo (UFAM) jcaldas@ufam.edu.br Resumo O rabalho é um esudo comparaivo ere esimadores do desvio padrão de um processo produivo quado icidem causas especiais de variação. Observações de ais processos podem apresear edêcias mudaças de média e ouliers eses casos os esimadores do desvio padrão empregados ão apreseem propriedades óimas. Assim é imporae esudar empiricamee o comporameo desses esimadores. Foram simuladas observações a parir de modelos eóricos que descrevem siuações de processos sujeios a essas causas especiais cosiderado-se diferees íveis de variabilidade e amahos de amosra. Para as observações obeve-se esimaivas do desvio padrão empregado-se os esimadores cosiderados o esudo e mesurado seus desempehos pela esimaiva do Erro Quadráico Médio. Os resulados mosraram que ehum dos esimadores aalisados pode ser cosiderado como o melhor o eao idicaram a isabilidade do Esimador pela Mediaa dos Desvios Absoluos e que o Esimador pela Média Quadráica das Difereças Sucessivas é muio esável e equivalee ao Esimador pela Ampliude Móvel Padrão que é o mais uilizado a práica do CEP. Palavras-chave: Simulação Esimação Corole esaísico de processos.. Irodução o Corole Esaísico de Processos (CEP) quado apeas as causas comus esão auado o processo e a variabilidade se maém em uma faixa esável a faixa caracerísica do processo dizemos que o processo esá sob corole esaísico. esse caso o modelo esaísico empregado deomiado modelo de causa comum (deoado por M 0 ) pressupõe que as observações do processo produivo são proveiees de variáveis aleaórias idepedees e ideicamee disribuídas (v.a.i.i.d.) seguido uma disribuição ormal com média e variâcia cosaes. O modelo é expresso por i µ ε () ode represea as observações do processo medida o empo µ a média cosae do processo e as compoees de erro ε são v.a.i.i.d. com disribuição ( 0 σ ). Eão as são v.a.i.i.d. com disribuição ( µσ ). i EEGEP ABEPRO 09

2 Em muias siuações reais as observações do processo exibem mudaças de médias edêcias ouliers ou aida ouros siomas que ivalidam o modelo M 0 de acordo com Boles (997). Tais siomas decorrem de ouras foes de variação auado o processo as causas especiais de variação que surgem devido a uma siuação paricular e fazem com que o processo se compore de modo diferee do usual podedo resular em um deslocameo do ível de qualidade. Um processo operado sob ais codições é dio esar fora de corole esaísico e esse caso sua variabilidade geralmee é bem maior do que a variabilidade aural. o CEP uma das arefas iiciais é esimar a média ( µ ) e o desvio padrão (σ ) do processo visado esabelecer os limies de corole. As esimaivas são obidas a parir de um cojuo de observações do processo K sedo essas esimaivas empregadas para posicioar os limies os gráficos de corole que serão uilizados o moiorameo das observações fuuras K. Desa forma fica claro que a esimação do desvio padrão do processo é de fudameal imporâcia o CEP. Sob as suposições do modelo de causa comum os esimadores empregados para µ e σ são respecivamee ˆ µ e ˆ σ S com e S ( ) () E cohecido que e S são esimadores ão edeciosos e de variâcia uiformemee míima para µ e σ respecivamee de acordo com Bolfarie e Sadoval (000). Para os limies de corole faz-se ecessário esimar o desvio padrão e ão a variâcia e o esimador σˆ acima ão saisfaz essas propriedades óimas. a práica emprega-se um faor de correção da esimaiva do desvio padrão para miimizar as deficiêcias desse esimador a qual é dada por (BOYLES 997). S S 4 S σ () C ode C 4 em seus valores abelados em fução do amaho da amosra () (MOTGOMERY 99). Com causas especiais de variação o modelo M 0 fica iviabilizado e os esimadores acima são iadequados. Para esse caso vários esimadores são proposos a lieraura os quais em geral ão apreseam boas propriedades eóricas de acordo com Boles (997). Um aspeco imporae é aalisar o comporameo empírico desses esimadores em siuações as quais o processo produivo eseja sujeio a variações decorrees de causas especiais. Realizou-se um esudo comparaivo ere diferees esimadores proposos para esimar o desvio padrão visado moiorar a média de um processo produivo em siuações ode o modelo M 0 é iadequado. Empregado-se modelos eóricos que reproduzem siuações ode o processo esá submeido a causas especiais de variação foram simuladas observações cosiderado-se diversas disribuições para as compoees de erro esses modelos e diferees íveis de variabilidade. Os esimadores cosiderados o esudo EEGEP ABEPRO 040

3 foram empregados para esimar o desvio padrão das observações adoado-se aida diferees amahos de amosra o procedimeo de esimação.. Esudo de simulação A simulação pode ser visa com um esudo de Moe Carlo cujos faores evolvidos foram os modelos as disribuições das compoees de erro os íveis de variabilidade e os amahos de amosra sedo as observações geradas em cada uma das combiações desses faores e submeidas aos esimadores visado comparar seus desempehos as codições imposas.. Os esimadores do desvio padrão Os esimadores esudados são aqueles apreseados em Boles (997). A radução de suas deomiações foi feia livremee por isso o ome origial em iglês é apreseado. Esimador pela Ampliude Móvel Padrão (Sadard Movig Rage Esimaor) σˆ d d ( - ) 8 π Esimador pela Média Quadráica das Difereças Sucessivas (Mea Square Successive Differece Esimaor) ˆ σ ( -) ( ) Esimador pela Mediaa da Ampliude Móvel (Media Movig Rage Esimaor) { ; } media ˆ σ M 0954 Esimador pela Mediaa dos Desvios Absoluos (Media Absolue Deviaio Esimaor) media{ ~ ; } ˆ σ Os modelos empregados Os modelos foram empregados para gerar observações que apreseassem edêcias mudaças de média esraificação e ouliers. A variâcia das compoees aleaórias esá muliplicada por um faor k empregado para gerar os diferees íveis de variabilidade das observações simuladas. Modelo de Tedêcias Aleaórias (M ): ε ode µ µ α com α ~ ( 0 δ ) µ ; k σ Modelo de Mudaça de Média (M ): ( γ ) ( 0 0) γ ( 0 δ ) ε ode µ µ α α ~ µ ; k σ Modelo de Esraificação (M ): ( µ 0) 05 ( µ 0) µ ε ; µ ~ 05 δσ EEGEP ABEPRO 04

4 Modelo de Valores Exremos (M 4 ): µ ε α ; α ~ ( γ ) (00) γ (0 kδ σ ). As disribuições para as compoees erro ε Para as compoees de erro ε cosiderou-se quaro diferees disribuições as quais são descrias a seguir. Erro com Disribuição ( 0 σ ) k (ET ) Erro com Disribuição Assimérica e Uimodal (ET ) gerada pela misura 5 ( 0 k ) 5 k 5 5 Erro com Disribuição Uimodal e Lepocúrica (ET 4 ) gerada pela misura ( 0 k ) 0 k Erro com Disribuição Bimodal (ET 6 ) gerada pela misura k 0 k A descrição dessas misuras bem como suas formas gráficas são apreseadas em Mclachla e Peel (000)..4 Os íveis de variabilidade e amahos de amosra Como mecioado iroduziu-se o faor muliplicaivo k para as variâcias das compoees de erro os modelos cujos valores foram e 5. Com relação ao amaho da amosra foram simulados dados com rês diferees amahos 0 50 e 00 o eao das aálises iiciais verificou-se que para os amahos 0 e 50 os esimadores apresearam resulados muio similares e por isso decidiu-se cosiderar o esudo somee os resulados para amosras de amaho 0 e A mesuração do desempeho dos esimadores Todos os esimadores cosiderados são viciados para observações que ão seguem o modelo M 0 assim suas variâcias ão são medidas adequadas para avaliar seus desempehos. a comparação dos esimadores empregou-se o Erro Quadráico Médio (EQM) como medida de seus desempehos (BOYLES 997). Sedo σ o desvio padrão do processo e σˆ seu esimador emos k 5 9 { ˆ σ σ } Var( ˆ σ ) { ( ˆ σ ) } EQM ( ˆ σ ) E E σ (4) Para deermiar o EQM faz-se ecessário cohecer o verdadeiro valor do desvio padrão σ. Devido à forma complexa dos modelos empregados edo em visa as disribuições das compoees de erro ão dispodo de uma forma aalíica para deermiar o valor verdadeiro de σ das observações decidiu-se fazer uma esimaiva desse valor ambém por simulação. Para ober-se uma esimaiva cofiável simulou-se amosras de amaho.000 (mil) com (dez mil) repeições em cada uma das cofigurações dos faores obeve-se o desvio padrão das observações e devido a ocorrêcia de EEGEP ABEPRO 04

5 valores exremos cosiderou-se como o valor verdadeiro de σ a mediaa dos desvios padrões obidos. O esimador da Ampliude Móvel Padrão σ é usualmee o mais uilizado a codução dos coroles de processo coforme Boles (997) em virude disso os ouros esimadores foram comparados a ese. Assim para cada esimador σˆ omou-se a razão ere EQM(σˆ ) e o EQM( σ ) ou seja ( ˆ σ ) ( ˆ σ ) ˆ ˆ EQM rˆ (5) EQM o esudo foram feias (cico mil) repeições em cada uma das cofigurações dos faores para deermiar os valores de rˆ. A simulação foi feia empregado-se o sofware MATLAB Versão 6 Release em um compuador com processador Peium III 850 MHZ.. Resulados As razões rˆ obidas são mosradas graficamee em fução dos íveis de variabilidade segudo cada um dos ipos de erros. Os poos o gráfico aparecem ierligados para permiir visualizar edêcias o comporameo dos esimadores.. Modelo de Tedêcia Aleaória Figura. Amosras com 0 Figura. Amosras com 00 Os resulados para esse modelo são apreseados as Figuras. e. respecivamee para 0 e 00. Para os dois amahos de amosra observa-se que o esimador σˆ apreseou desempeho superior em odos íveis de variabilidade idepedeemee da disribuição do erro. Com relação aos demais esimadores para 0 o σˆ apreseou desempeho iferior equao que para 00 esses esimadores apresearam desempehos equivalees em odas as cofigurações. Observa-se aida que com o aumeo do amaho da amosra o σˆ ora-se mais esável idepedee dos ouro faores. Porao para observações apreseado EEGEP ABEPRO 04

6 edêcias aleaórias os resulados idicam que o esimador adequado apesar de sua isabilidade com 0.. Modelo de Mudaça de Média σˆ foi o mais Figura. Amosras com 0 Figura.4 Amosras com 00 a Figura. emos os resulados relaivos a esse modelo com 0 observa-se que os esimadores apresearam desempehos equivalees com exceção do σˆ que apreseou um comporameo muio isável com desempeho oscilado ere superior e iferior os íveis de variabilidade e em odas as disribuições de erro. Para 00 Figura.4 observa-se que os esimadores apresearam comporameo semelhae ao do ouro amaho de amosra com σˆ ovamee exibido um comporameo muio isável. Observa-se ambém que o amaho da amosra iflueciou o comporameo dos esimadores em paricular com relação a isabilidade do σˆ. Porao os resulados idicam que o esimador σˆ é iadequado quado as observações do processo apresearem mudaças de média.. Modelo de Esraificação Figura.5 Amosras com 0 Figura.6 Amosras com 00 EEGEP ABEPRO 044

7 Com 0 Figura.5 verifica-se que o σˆ eve um desempeho superior em odas as disribuições e íveis de variabilidade equao que o σˆ M eve um desempeho iferior aos demais esimadores. Para 00 Figura.6 observa-se ovamee o desempeho superior do σˆ em odas as cofigurações e o σˆ com desempeho iferior aos demais. Os resulado idicam que quado as observações apresearem esraificações o esimador σˆ é o mais adequado..4 Modelo de Valores Exremos Figura.7 Amosras com 0 Figura.8 Amosras com 00 a Figura.7 resulados para 0 verifica-se os esimadores apresearam desempeho iferior ao σˆ e que o pior desempeho foi o do esimadorσˆ. Para 00 Figura.8 verifica-se que o σˆ e oσˆ apresearam desempehos equivalees e superior aos demais esimadores. Os resulados idicam porao que os esimadores σˆ e σˆ são mais adequados quado as observações apresearem valores exremos ( ouliers ) 4. Coclusões e Sugesões Realizou-se um esudo comparaivo ere algus esimadores para o desvio padrão de um processo produivo operado sob o efeio de causas especiais de variação. Foram cosiderados os esimadores mais comumee empregados a práica do CEP dos resulados obidos ressalam-se as seguies coclusões: (a) ehum dos esimadores pode ser cosiderado como o melhor para odas as codições cosideradas o esudo; (b) para processos produivos cuja observações apreseem edêcias aleaórias o esimador pela Mediaa dos Desvios Absoluos ( σˆ ) apreseou desempeho superior aos demais apesar de alguma isabilidade para amosras meores; (c) com as observações do processo apreseado mudaças de médias o σˆ foi cosiderado iadequado equao que os ouro esimadores apresearam desempehos equivalees aos do esimador da Ampliude Móvel Padrão( σˆ ); (d) em EEGEP ABEPRO 045

8 processo cujas observações exibam esraificações ou valores exremos os resulados sugerem que o esimador pela Média Quadráica das Difereças Sucessivas ( σˆ ) em um comporameo equivalee ao do σˆ. Em geral cosaou-se que o esimador σˆ apreseou um comporameo muio isável o que compromee sua uilização a práica. Por ouro lado o esimador σˆ apreseou comporameo bem mais esável e equivalee ao do esimador σˆ o mais uilizado a práica do CEP. Sugere-se o eao que a escolha do esimador deve-se primeiramee fazer uma aálise do comporameo das observações associadas ao processo cofroar esse comporameo com os das observações pelos modelos ciados ese rabalho e dessa forma decidir pelo esimador mais apropriado. 5. Bibliografia ALWA L. C. Ad ROBERT H. V. The Problem of Misplaced Corol Limis. Applied Saisics V. 44 º pp BOLFARIE H.; SADOVAL M. C. Irodução à Iferêcia Esaísica. São Paulo Seembro 000. BOYLES R. A. Esimaig Commo-Cause Sigma i he Presece of Special Causes. Joural of Quali Techolog. Vol. 9 º 4 pp Ocuber 997. McLACHLA G.; PEEL D. Fiie Mixure Models. Joh Wile & Sos Ic 000. MOTGOMERY D. C. Iroducio o Saisical Quali Corol rd ed. Wile. Y WERKEMA M. C. C. Ferrameas Esaísicas Básicas Para o Gereciameo de Processos. Belo Horizoe: Fudação Chrisiao Ooi Uiversidade Federal de Mias Gerais 995 pp. 8 - V.. EEGEP ABEPRO 046

5 Modelo Teórico Modelagem determinística

5 Modelo Teórico Modelagem determinística 5 Modelo Teórico Nese rabalho será adoada a simulação de Moe Carlo para precificar as opções reais do projeo, uilizado o sofware @Risk. O modelo eórico aplicado é baseado a premissa de que o valor presee

Leia mais

INTERPRETANDO CORRETAMENTE O PASSADO PODEM-SE GERAR PREVISÕES ÚTEIS PARA O FUTURO.

INTERPRETANDO CORRETAMENTE O PASSADO PODEM-SE GERAR PREVISÕES ÚTEIS PARA O FUTURO. MÓDUO - MODEOS DE PREVISÃO E ESTIMATIVA DE DEMANDA Baseado em Chopra, Suil e Meidl, Peer, Gereciameo da Cadeia de Suprimeos, Preice Hall, São Paulo, 23. Quao se deve fabricar os próximos dias? Quais os

Leia mais

Grupo I ( 3 valores) 0 Os parâmetros podem ser considerados variáveis aleatórias pois as suas estimativas variam de amostra para amostra

Grupo I ( 3 valores) 0 Os parâmetros podem ser considerados variáveis aleatórias pois as suas estimativas variam de amostra para amostra Exame fial Esaísica Maria Helea Almeida 7 de Maio de 003 José Aóio Piheiro Duração h e 30 Noe bem: Grupos diferees em folhas diferees Não se esqueça de ideificar TODAS as folhas 3 Para maer a ordem, a

Leia mais

1 a Lista: MTM146: Prof. Paulo Magalhães:

1 a Lista: MTM146: Prof. Paulo Magalhães: Exercício : Mosre que a solução do sisema de EDO s x y f ( x y y com codições iiciais: x ( ) x() ) ), f saisfazedo x( f ( ) d f ( ) cos( ) d f ( ) cos( ) d f ( ), é dada por Exercício : Resolva o seguie

Leia mais

Uma função X que associa a cada elemento de S (s S) um número real x = X(s) é denominada variável aleatória.

Uma função X que associa a cada elemento de S (s S) um número real x = X(s) é denominada variável aleatória. Prof. Lorí Viali, Dr. viali@ma.ufrgs.br hp://www.ma.ufrgs.br/~viali/ s KKK CKK KKC KCK CCK CKC KCC CCC S X R x = X(s) X(S) Uma fução X que associa a cada elemeo de S (s S) um úmero real x = X(s) é deomiada

Leia mais

1 a Lista: MTM146: Prof. Paulo Magalhães:

1 a Lista: MTM146: Prof. Paulo Magalhães: a Lisa: MTM46: Prof Paulo Magalhães: Exercício : Mosre que a solução do sisema de EDO s x y f ( x y y com codições iiciais: x ( x(, f saisfazedo f (, é dada por x( f ( d Exercício : Resolva o seguie y

Leia mais

5 Análise Não-Linear pelos Métodos de Galerkin-Urabe e Balanço Harmônico

5 Análise Não-Linear pelos Métodos de Galerkin-Urabe e Balanço Harmônico álise Não-Liear pelos Méodos de Galerki-Urabe e Balaço Harmôico expressão (.7) obida o Capíulo para a fução de Larae é uilizada essa seção para a obeção das equações difereciais de movimeo uilizadas a

Leia mais

APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA NA INDÚSTRIA DE CONFECÇÕES

APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA NA INDÚSTRIA DE CONFECÇÕES APLICAÇÃO DE TÉCNICAS DE PREVISÃO DE DEMANDA NA INDÚSTRIA DE CONFECÇÕES ABNER ROCHA PINHEIRO (UNIFOR ) aberocha@homail.com Ferado Luiz Emereciao Viaa (UNIFOR ) fleviaa@oi.com.br Eduardo Alecar Lima Casro

Leia mais

3 Computação de Volumes de Gás Natural

3 Computação de Volumes de Gás Natural 3 Compuação de olumes de Gás Naural 3.1. Codições Para a Compuação de olumes de Gás Naural A orma API 21.1 apresea diversos aspecos relacioados à compuação de volumes obidos a parir da iegração, ao logo

Leia mais

Opções Reais. Estimando Volatilidade. Volatilidade. Volatilidade. Mestrado. IAG PUC-Rio. Prof. Luiz Brandão

Opções Reais. Estimando Volatilidade. Volatilidade. Volatilidade. Mestrado. IAG PUC-Rio. Prof. Luiz Brandão Opções Reais Esimado Volailidade Mesrado Prof. Luiz Bradão bradao@iag.puc-rio.br IAG PUC-Rio Volailidade Volailidade O Valor Presee V 0 de um aivo é obido descoado-se os seus fluxos de caixa a uma axa

Leia mais

4 Método dos elementos distintos para simular rochas

4 Método dos elementos distintos para simular rochas 4 Méodo dos elemeos disios para simular rochas Em 2004, Poyody e Cudall (56) propuseram um modelo para simular o comporameo de rochas, o BPM ( Boded Paricle Model for rock ). Nesse modelo, a rocha é modelada

Leia mais

Intervalo de Confiança

Intervalo de Confiança 8/8/05 Uiversidade Federal do ará Isiuo de Tecologia Esaísica Aplicada I ro. Dr. Jorge Teóilo de Barros Lopes Campus de Belém Curso de Egeharia Mecâica 8/08/05 06:54 ESTATÍSTICA ALICADA I - Teoria das

Leia mais

ANÁLISE DE SINAIS E SISTEMAS

ANÁLISE DE SINAIS E SISTEMAS ANÁLISE DE SINAIS E SISTEMAS AULA 3: OPERAÇÕES BÁSICAS EM SINAIS: OPERARAÇÕES NAS VARIÁVEIS DEPENDENTES; OPERARAÇÕES NA VARIÁVEL INDEPENDENTE. FUNÇÕES ELEMENTARES: O DEGRAU UNITÁRIO; A RAMPA UNITÁRIA;

Leia mais

Disciplina de Princípios de Telecomunicações Prof. MC. Leonardo Gonsioroski da Silva

Disciplina de Princípios de Telecomunicações Prof. MC. Leonardo Gonsioroski da Silva UNIVERSIDADE GAMA FILHO PROCE DEPARAMENO DE ENGENHARIA ELÉRICA Disciplia de Pricípios de elecomuicações Pro. MC. Leoardo Gosioroski da Silva Séries e rasormadas de Fourier Aálise de um sial seoidal o empo

Leia mais

4 - ANÁLISE DE SÉRIES TEMPORAIS

4 - ANÁLISE DE SÉRIES TEMPORAIS INE 7001 Aálise de Séries Temporais 1 4 - ANÁLISE DE SÉRIES TEMPORAIS Série Temporal é um cojuo de observações sobre uma variável, ordeado o empo, e regisrado em períodos regulares. Podemos eumerar os

Leia mais

Virgílio Mendonça da Costa e Silva

Virgílio Mendonça da Costa e Silva UNIVERSIDADE EDERAL DA PARAÍBA CENTRO DE TECNOLOGIA DEPARTAMENTO DE ENGENHARIA MECÂNICA VIBRAÇÕES DOS SISTEMAS MECÂNICOS VIBRAÇÕES ORÇADAS NÃO HARMONICAMENTE DE SISTEMAS DE 1 GL NOTAS DE AULAS Virgílio

Leia mais

Secção 7. Sistemas de equações diferenciais.

Secção 7. Sistemas de equações diferenciais. 7. Sisemas de equações difereciais Secção 7. Sisemas de equações difereciais. (Farlow: Sec. 6., 6.4 e 6.6) No caso geral, um sisema de equações difereciais de primeira ordem pode ser represeado da seguie

Leia mais

5.1. Filtragem dos Estados de um Sistema Não-Linear Unidimensional. Considere-se o seguinte MEE [20] expresso por: t t

5.1. Filtragem dos Estados de um Sistema Não-Linear Unidimensional. Considere-se o seguinte MEE [20] expresso por: t t 5 Esudo de Casos Para a avaliação dos algorimos online/bach evolucionários proposos nese rabalho, foram desenvolvidas aplicações em problemas de filragem dos esados de um sisema não-linear unidimensional,

Leia mais

- Processamento digital de sinais Capítulo 2 Sinais e sistemas discretos

- Processamento digital de sinais Capítulo 2 Sinais e sistemas discretos - Processameo digial de siais Capíulo Siais e sisemas discreos Siais discreos Siais aalógicos x digiais Coíuos x discreo Admiido como sequêcia de úmeros. {x[]}, 0, ±, ±,... Z Período amosragem: s Variáveis

Leia mais

4- Método de Diferenças Finitas Aplicado às Equações Diferenciais Parciais.

4- Método de Diferenças Finitas Aplicado às Equações Diferenciais Parciais. MÉTODOS NM ÉRICOS PARA E QAÇÕES DIFEREN CIAIS PARCIAIS 4- Méodo de Difereças Fiias Aplicado às Equações Difereciais Parciais. 4.- Aproximação de Fuções. 4..- Aproximação por Poliômios. 4..- Ajuse de Dados:

Leia mais

Universidade Tecnológica Federal do Paraná Departamento de Eletrônica Disciplina: Teoria da Informação Professor: Dyson Pereira Junior

Universidade Tecnológica Federal do Paraná Departamento de Eletrônica Disciplina: Teoria da Informação Professor: Dyson Pereira Junior Uiversidade ecológica Federal do Paraá Deparameo de Elerôica Disciplia: eoria da Iformação Professor: Dyso Pereira Juior ZONA DE IMPECIÃO NÍVEI APOXIMAÇÃO DO VALO UPEIO APOXIMAÇÃO DO VALO INFEIO 5.4 Capacidade

Leia mais

3 Derivação dos modelos

3 Derivação dos modelos 3 Derivação dos modelos Ese capíulo apresea a derivação de odos os modelos que serão aalisados. Basicamee serão desevolvidos rês casos disios. Deses casos serão exraídos os modelos que serão esudados esa

Leia mais

LISTA DE EXERCÍCIOS 3 INE 7001 PROF. MARCELO MENEZES REIS ANÁLISE DE SÉRIE TEMPORAIS GABARITO

LISTA DE EXERCÍCIOS 3 INE 7001 PROF. MARCELO MENEZES REIS ANÁLISE DE SÉRIE TEMPORAIS GABARITO LISTA DE EXERCÍCIOS 3 INE 700 PROF. MARCELO MENEZES REIS ANÁLISE DE SÉRIE TEMPORAIS GABARITO ) A que compoees de uma série emporal (pelo modelo clássico) esariam pricipalmee associados cada um dos seguies

Leia mais

Departamento de Informática. Modelagem Analítica. Modelagem Analítica do Desempenho de Sistemas de Computação. Disciplina: Processos Estocásticos

Departamento de Informática. Modelagem Analítica. Modelagem Analítica do Desempenho de Sistemas de Computação. Disciplina: Processos Estocásticos Deparameo de Iformáica Disciplia: do Desempeho de Sisemas de Compuação Variável leaória Real Variável leaória x(w) Processos Esocásicos R Prof. Sérgio Colcher Medida de Probabilidade colcher@if.puc-rio.br

Leia mais

Métodos Estatísticos de Previsão MÉTODOS ESTATÍSTICOS DE PREVISÃO. Análise de Erros. Bernardo Almada Lobo. Bernardo Almada-Lobo (2007)

Métodos Estatísticos de Previsão MÉTODOS ESTATÍSTICOS DE PREVISÃO. Análise de Erros. Bernardo Almada Lobo. Bernardo Almada-Lobo (2007) Méodos saísicos de Previsão MÉTODO TATÍTICO D PRVIÃO 0 08 06 04 0 00 98 96 94 9 90 0 5 0 5 0 Aálise de rros Berardo Almada Lobo Berardo Almada-Lobo (007) Méodos saísicos de Previsão Regressão Liear Múlipla

Leia mais

Exemplo. Exemplo. Taxa Interna de Retorno. Administração

Exemplo. Exemplo. Taxa Interna de Retorno. Administração Admiisração Taxa Iera de Reoro Deomia-se Taxa Iera de Reoro (TRI) de um fluxo de caixa à axa de juros que aula o Valor Presee Líquido (VPL). MATEMÁTICA FINANCEIRA Por: EDÉZIO SACRAMENTO edezio@oi.com.br

Leia mais

Sinais e Sistemas. Env. CS1 Ground. Sine Wave Joint Actuator. Double Pendulum Two coupled planar pendulums with. gravity and sine wave forcing in the

Sinais e Sistemas. Env. CS1 Ground. Sine Wave Joint Actuator. Double Pendulum Two coupled planar pendulums with. gravity and sine wave forcing in the -4-6 -8 - - -4-6 -8 Frequecy khz Hammig kaiser Chebyshev Siais e Sisemas Power Specral Desiy Ev B F CS CS B F CS Groud Revolue Body Revolue Body Power/frequecy db/hz Sie Wave Joi Acuaor Joi Sesor Revolue

Leia mais

Diferença entre duas médias. Diferença entre duas proporções (π 1 - π 2 = ) Igualdade entre duas variâncias. Prof. Lorí Viali, Dr.

Diferença entre duas médias. Diferença entre duas proporções (π 1 - π 2 = ) Igualdade entre duas variâncias. Prof. Lorí Viali, Dr. Prof. Lorí Viali, Dr. viali@a a.ufrgs..ufrgs.br hp://www.ufrgs. ://www.ufrgs.br br/~viali/ Depedees Idepedees Tese para aosras eparelhadas Variâcias Cohecidas Variâcias Descohecidas Tese z uposas iguais

Leia mais

A limitação da metodologia dos MQ conduziu a diversas abordagens alternativas. As

A limitação da metodologia dos MQ conduziu a diversas abordagens alternativas. As Capíulo 3 ESTIMAÇÃO ROBUSTA A limiação da meodologia dos MQ coduziu a diversas abordages aleraivas. As écicas de esimação robusa cosiuem uma abordagem à esimação ão depededo de uma disribuição em paricular.

Leia mais

APLICAÇÃO DO FILTRO DE KALMAN NA DETERMINAÇÃO DO PRAZO DE VALIDADE DE ALIMENTOS PERECÍVEIS

APLICAÇÃO DO FILTRO DE KALMAN NA DETERMINAÇÃO DO PRAZO DE VALIDADE DE ALIMENTOS PERECÍVEIS 45 APLICAÇÃO DO FILTRO DE KALMAN NA DETERMINAÇÃO DO PRAZO DE VALIDADE DE ALIMENTOS PERECÍVEIS Péricles César de Araújo* RESUMO A simplicidade meodológica do Filro de Kalma viabiliza sua aplicação para

Leia mais

Faculdades Adamantinenses Integradas (FAI)

Faculdades Adamantinenses Integradas (FAI) Faculdades Adamaieses Iegradas (FAI) www.fai.com.br ROCHA, Naiara Chierici; BOTTA, Vaessa. Diâmica populacioal aplicada à população de Adamaia. Omia Exaas, v.2,.2, p.56-65, 2009. DINÂMICA POPULACIONAL

Leia mais

O MÉTODO VARIACIONAL APLICADO AO PROBLEMA NÃO-LINEAR DA PROPAGAÇÃO DE SÓLITONS.

O MÉTODO VARIACIONAL APLICADO AO PROBLEMA NÃO-LINEAR DA PROPAGAÇÃO DE SÓLITONS. O ÉTODO VARIACIONAL APLICADO AO PROBLEA NÃO-LINEAR DA PROPAGAÇÃO DE SÓLITONS. Cibele Aparecida Ladeia (PROIC/PIBIC/CNPQ- AF), Paulo Laere Nai (Orieador), e-mail: cibele_ma_uel@yahoo.com.br, pauloai@uel.br.

Leia mais

MIRIAM RODRIGUES SILVESTRE, MANOEL IVANILDO SILVESTRE BEZERRA.

MIRIAM RODRIGUES SILVESTRE, MANOEL IVANILDO SILVESTRE BEZERRA. Revisa Brasileira de Meeorologia, v. 30,. 4, 457-466, 05 hp://dx.doi.org/0.590/00-7786030043 MODELOS DECOMPOSIÇÃO TEMPORAL E DE REGRESSÃO HARMÔNICA: UMA COM- PARAÇÃO PARA A SÉRIE MENSAL DA TEMPERATURA

Leia mais

Capítulo 4. Propriedades dos Estimadores de Mínimos Quadrados

Capítulo 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 mais

Electrónica /2007

Electrónica /2007 006/007 EUP/EEC 4º/MEEC íor Grade avares ula 9: Modelos dos MOSE Sumário Regiões de fucioameo do MOSE. cumulação. epleção. versão fraca. versão fore. Modelos de MOSE. Modelo lamiar. Modelo iversão, moderada

Leia mais

3 Mecânica da Fratura Computacional

3 Mecânica da Fratura Computacional 34 3 Mecâica da Fraura Compuacioal No capíulo aerior, foram apreseados coceios da Mecâica da Fraura Liear Elásica juamee com os correspodees campos de esão e de deslocameo para as vizihaças da poa da rica.

Leia mais

Instituto Tecnológico de Aeronáutica VIBRAÇÕES MECÂNICAS MPD-42

Instituto Tecnológico de Aeronáutica VIBRAÇÕES MECÂNICAS MPD-42 VIBRAÇÕES MECÂNICAS . Irodução CONTEÚDO. Pequeas oscilações em oro de uma posição de equilíbrio Sisemas discreos: 3. Sisemas com um grau de liberdade 4. Sisemas com graus de liberdade modos ormais de vibração

Leia mais

Faculdade de Engenharia. Análise Matemática 2 MIEEC 2015/2016

Faculdade de Engenharia. Análise Matemática 2 MIEEC 2015/2016 aculdade de Egeharia Aálise Maemáica 2 MEEC 25/26 ucioameo aculdade de Egeharia Teórico-práicas exposição e discussão da maéria resolução de exercícios Trabalho exra-aula resolução dos exercícios proposos

Leia mais

PUCPR- Pontifícia Universidade Católica Do Paraná PPGIA- Programa de Pós-Graduação Em Informática Aplicada

PUCPR- Pontifícia Universidade Católica Do Paraná PPGIA- Programa de Pós-Graduação Em Informática Aplicada PUCPR- Poifícia Uiversidade Caóica Do Paraá PPGIA- Programa de Pós-Graduação Em Iformáica Apicada LIMIARIZAÇÃO IMODAL DE OSU Resumo: Ese arigo descreve a eoria do Agorimo de Limiarização imoda de Osu assim

Leia mais

Sinais e Sistemas. Env. CS1 Ground Revolute. Sine Wave Joint Actuator. Double Pendulum Two coupled planar pendulums with

Sinais e Sistemas. Env. CS1 Ground Revolute. Sine Wave Joint Actuator. Double Pendulum Two coupled planar pendulums with -4-6 -8 - - -4-6 -8-3 -3 Frequecy (khz Hammig kaiser Chebyshev Siais e Sisemas Power Specral Desiy Ev B F CS CS B F CS Groud Revolue Body Revolue Body Power/frequecy (db/hz Sie Wave Joi Acuaor Joi Sesor

Leia mais

Juros Compostos 2016

Juros Compostos 2016 Juros Composos 2016 1. (G1 - ifal 2016) Em 2000, cero país da América Laia pediu um emprésimo de 1 milhão de dólares ao FMI (Fudo Moeário Ieracioal) para pagar em 100 aos. Porém, por problemas políicos

Leia mais

Simulação por Eventos Discretos

Simulação por Eventos Discretos imulação por Eveos Disreos Apliação à simulação de ráfego isemas de Teleomuiações IEEC - Área de Teleomuiações 4º Ao - º emesre FEUP 009-0 JL, PR Ieioalmee em brao imulação por eveos disreos - priípios

Leia mais

Sinais e Sistemas. Env. CS1 Ground Revolute. Sine Wave Joint Actuator. Double Pendulum Two coupled planar pendulums with

Sinais e Sistemas. Env. CS1 Ground Revolute. Sine Wave Joint Actuator. Double Pendulum Two coupled planar pendulums with -4-6 -8-0 - -4-6 -8-30 -3 Frequec Hz Hammig aiser Chebshev Faculdade de Egeharia iais e isemas Power pecral Desi Ev B F C C B F C Groud Revolue Bod Revolue Bod Power/frequec db/hz ie Wave Joi Acuaor Joi

Leia mais

Conceito. Exemplos. Os exemplos de (a) a (d) mostram séries discretas, enquanto que os de (e) a (g) ilustram séries contínuas.

Conceito. Exemplos. Os exemplos de (a) a (d) mostram séries discretas, enquanto que os de (e) a (g) ilustram séries contínuas. Coceio Na Esaísica exise siuações ode os dados de ieresse são obidos e isaes sucessivos de epo (iuo, hora, dia, ês ou ao), ou aida u período coíuo de epo, coo acoece u elerocardiograa ou sisógrafo. Esses

Leia mais

3 Fundamentação Teórica de Modelos Bayesianos de Previsão

3 Fundamentação Teórica de Modelos Bayesianos de Previsão 37 3 Fudameação Teórica de Modelos Bayesiaos de Previsão 3.. Abordagem Bayesiaa para Esimação A iformação que se em acerca de um parâmero de ieresse θ é crucial a ciêcia esaísica. Se o valor verdadeiro

Leia mais

quanto maior a diferença de energia entre 2 níveis, mais provável fica a emissão espontânea em relação à estimulada. Vemos também que: A

quanto maior a diferença de energia entre 2 níveis, mais provável fica a emissão espontânea em relação à estimulada. Vemos também que: A Vimos a aula passada os coeficiees de Eisei: Com B B e A B A 8 B hv c ρ( v) A B B quao maior a difereça de eergia ere íveis, mais provável fica a emissão espoâea em relação à esimulada. Vemos ambém que:

Leia mais

ANÁLISE DE PONTES DE MADEIRA PROTENDIDAS TRANSVERSALMENTE FORMADAS POR VIGAS-T

ANÁLISE DE PONTES DE MADEIRA PROTENDIDAS TRANSVERSALMENTE FORMADAS POR VIGAS-T ISSN 18095860 ANÁLISE DE PONTES DE MADEIRA PROTENDIDAS TRANSVERSALMENTE FORMADAS POR VIGAST Nívea Mara Pereira Alves 1 & Aoio Alves Dias 2 Resumo Nese rabalho é esudada uma variação do sisema esruural

Leia mais

Investigação Operacional. Modelos de Previsão

Investigação Operacional. Modelos de Previsão Ivesigação Operacioal Modelos de Previsão Liceciaura em Egeharia Civil Liceciaura em Egeharia do Terriório Liceciaura em Egeharia e Arquiecura Naval I. Irodução à previsão Objecivos II. III. IV. Méodos

Leia mais

Previsão de venda. Sistema agroindustrial, (1999);

Previsão de venda. Sistema agroindustrial, (1999); Objeivos desa apreseação Plaejameo de produção: Previsão de Demada Aula 6 Pare 1 Mauro Osaki TES/ESALQ-USP Pesquisador do Cero de Esudos Avaçados em Ecoomia Aplicada Cepea/ESALQ/USP Foe: 55 19 3429-8841

Leia mais

ANÁLISE DE PONTES DE MADEIRA PROTENDIDAS TRANSVERSALMENTE FORMADAS POR VIGAS-T

ANÁLISE DE PONTES DE MADEIRA PROTENDIDAS TRANSVERSALMENTE FORMADAS POR VIGAS-T MADEIRA arquieura e egeharia ANÁLISE DE PONTES DE MADEIRA PROTENDIDAS TRANSVERSALMENTE FORMADAS POR VIGAST Volar º 6 arigo 3 Resumo Nívea Mara Pereira Alves 1 & Aoio Alves Dias 2 Nese rabalho é esudada

Leia mais

Aula 5: O MOSFET como Amplificador e como Chave

Aula 5: O MOSFET como Amplificador e como Chave Aula 5: O MOSFET como Amplificador e como Chave Aula Maéria Cap./págia ª 03/08 Elerôica PS33 Programação para a Primeira Prova Esruura e operação dos rasisores de efeio de campo caal, caracerísicas esão-corree.

Leia mais

Instituto Tecnológico de Aeronáutica VIBRAÇÕES MECÂNICAS MPD-42

Instituto Tecnológico de Aeronáutica VIBRAÇÕES MECÂNICAS MPD-42 Isiuo Tecológico de Aeroáuica VIBRAÇÕES MECÂNICAS MPD-4 Isiuo Tecológico de Aeroáuica SISTEMAS DISCRETOS MPD-4 Isiuo Tecológico de Aeroáuica SISTEMAS COM UM GRAU DE LIBERDADE: VIBRAÇÃO FORÇADA MPD-4 3

Leia mais

Resolução das equações

Resolução das equações Resolução das equações Equação de Difusão (calor) (1D) Equação de odas (corda vibrae) (1D) Equação de aplace (2D) Odas acúsicas: corda (1D) e ambor (2D); odas de água, odas eleromagéicas e odas sísmicas

Leia mais

MÉTODOS OBSERVACIONAIS EM CLIMATOLOGIA E METEOROLOGIA DE MESOESCALA : NOTAS DE AULA. Prof. Resposável: Dra. Leila M. Véspoli de Carvalho IAG/USP

MÉTODOS OBSERVACIONAIS EM CLIMATOLOGIA E METEOROLOGIA DE MESOESCALA : NOTAS DE AULA. Prof. Resposável: Dra. Leila M. Véspoli de Carvalho IAG/USP MÉTODOS OBSERVACIONAIS EM CLIMATOLOGIA E METEOROLOGIA DE MESOESCALA : NOTAS DE AULA Prof. Resposável: Dra. Leila M. Véspoli de Carvalho IAG/USP ANÁLISE DE SÉRIES TEMPORAIS Referêcias Básicas : I) ALGORITMOS

Leia mais

EPR 007 Controle Estatístico de Qualidade

EPR 007 Controle Estatístico de Qualidade EP 7 Cotrole Estatístico de Qualidade Prof. Dr. Emerso José de Paiva Gráficos e tabelas origiadas de Costa, Epprecht e Carpietti (212) 1 Num julgameto, ifelizmete, um iocete pode ir pra cadeia, assim como

Leia mais

DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia

DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia ROTEIRO DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL 1. Itrodução. Teorema Cetral do Limite 3. Coceitos de estimação potual 4. Métodos de estimação potual 5. Referêcias Estatística Aplicada à Egeharia 1 Estatística

Leia mais

Recursos Gráficos do Software MuPAD no Estudo de Funções

Recursos Gráficos do Software MuPAD no Estudo de Funções Oicias Recursos Gráicos do Soware MuPAD o Esudo de Fuções Marilaie de Fraga Sa'Aa Alexadre Gaelli Aa Lúcia Maciel 1 - Irodução Dere os coeúdos maemáicos abordados o Esio Médio, as uções êm imporâcia udameal

Leia mais

Problema de Designinação Generalizada. Problema de Designinação. - aplicações: - observações: = 0 caso contrário n n. - Seja a variável: xij

Problema de Designinação Generalizada. Problema de Designinação. - aplicações: - observações: = 0 caso contrário n n. - Seja a variável: xij Prof. Silvio Alexadre de Araujo Problema de Desigiação ou Alocação (Assigme) - Dados agees desigados para realizar arefas - Cada agee j (j=,..,) deve execuar uma e só uma arefa i,.., - Cada arefa i deve

Leia mais

Capítulo 5 Difusão em regime transiente

Capítulo 5 Difusão em regime transiente Prof. Dr. Édler L. de lbuquerque, Eg. Química IFB Prof. Dr. Édler L. de lbuquerque, Eg. Química IFB 8//7 Trasf. de assa - ENG 54, apíulo 5 Trasferêcia de assa ENG 54 apíulo 5 Difusão em regime rasiee Prof.

Leia mais

ECONOMIA DOS RECURSOS NATURAIS. A gestão dos recursos naturais recursos renováveis

ECONOMIA DOS RECURSOS NATURAIS. A gestão dos recursos naturais recursos renováveis ECONOMIA DOS RECURSOS NATURAIS A gesão dos recursos aurais recursos reováveis Recursos biológicos Os recursos biológicos diferem dos recursos ão reováveis o seido em que aqueles crescem e se reproduzem

Leia mais

Capítulo 3 SLITs Sistemas Lineares e Invariantes no Tempo

Capítulo 3 SLITs Sistemas Lineares e Invariantes no Tempo Capíulo 3 SLITs Siseas Lieares e Ivariaes o Tepo 3. Irodução 3.2 Repreação e odelo de esado 3.3 Siseas SISO 3.4 Siseas MIMO uli-diesioais 3.5 Modelo de espaço de esados coíuos 3.6 Resposa ipulsiva e covolução

Leia mais

Cálculo do valor em risco dos ativos financeiros da Petrobrás e da Vale via modelos ARMA-GARCH

Cálculo 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 mais

Função de risco, h(t) 3. Função de risco ou taxa de falha. Como obter a função de risco. Condições para uma função ser função de risco

Função de risco, h(t) 3. Função de risco ou taxa de falha. Como obter a função de risco. Condições para uma função ser função de risco Função de risco, h() 3. Função de risco ou axa de falha Manuenção e Confiabilidade Prof. Flavio Fogliao Mais imporane das medidas de confiabilidade Traa-se da quanidade de risco associada a uma unidade

Leia mais

MODELOS BOX & JENKINS APLICADOS A PREVISÃO DE DEMANDA DE LEITOS HOSPITALARES

MODELOS BOX & JENKINS APLICADOS A PREVISÃO DE DEMANDA DE LEITOS HOSPITALARES UNIVERSIDADE FEDERAL DE SANTA MARIA CENTRO DE CIÊNCIAS NATURAIS E EXATAS DEPARTAMENTO DE ESTATÍSTICA PROGRAMA DE PÓS-GRADUAÇÃO EM ESTATÍSTICA E MODELAGEM QUANTITATIVA MODELOS BOX & JENKINS APLICADOS A

Leia mais

ESTRATÉGIA DE CONTROLE ÓTIMO COM HORIZONTE DE TEMPO MÓVEL

ESTRATÉGIA DE CONTROLE ÓTIMO COM HORIZONTE DE TEMPO MÓVEL ESTRATÉGIA DE CONTROLE ÓTIMO COM HORIZONTE DE TEMPO MÓVEL L. S. SANTOS 1, D. M. PRATA 2. 1 Uiversidade Federal do Rio de Jaeiro, Deparameo de Egeharia Química - PEQ COPPE. 2 Uiversidade Federal Flumiese,

Leia mais

MÉTODOS PARAMÉTRICOS PARA A ANÁLISE DE DADOS DE SOBREVIVÊNCIA

MÉTODOS 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 mais

Como o Intervalo de Confiança para a média é bilateral, teremos uma situação semelhante à da figura abaixo:

Como o Intervalo de Confiança para a média é bilateral, teremos uma situação semelhante à da figura abaixo: INE66 Méodo Eaíico Exercício Prova - Semere 15.1 O poo de fuão (medido em C) é um apeco crucial em maeriai cerâmico, epecialmee o uado em reaore ucleare, como a ória. Receemee um fabricae apreeou dua ova

Leia mais

4 Filtro de Kalman. 4.1 Introdução

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 mais

APÊNDICE C FUNDAMENTOS ESTATÍSTICOS SÉRIES TEMPORAIS 1

APÊNDICE C FUNDAMENTOS ESTATÍSTICOS SÉRIES TEMPORAIS 1 Apêdice C APÊNDICE C FUNDAMENTOS ESTATÍSTICOS SÉRIES TEMPORAIS Nese Apêdice são apreseados algus coceios de esaísica úeis para validar os modelos de previsão de demada de eergia, sobreudo os que evolvem

Leia mais

ANÁLISE DE SÉRIES TEMPORAIS NA PREVISÃO DA RECEITA DE UMA MERCEARIA LOCALIZADA EM BELÉM-PA USANDO O MODELO HOLT- WINTERS PADRÃO

ANÁLISE 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 mais

MOMENTOS E FUNÇÕES GERADORAS

MOMENTOS E FUNÇÕES GERADORAS MOMENTOS E FUNÇÕES GERADORAS HÉLIO BERNARDO LOPES Resumo. O presee exo visa mosrar, de um modo ão uificado quao possível, a emáica dos momeos e das fuções geradoras, esas úlimas muio ausees, aualmee, das

Leia mais

2 Mecânica da Fratura

2 Mecânica da Fratura Mecâica da Fraura Ese capíulo desia-se a apresear os coceios básicos da Mecâica da Fraura. Desa forma, quaro seções são apreseadas. A primeira seção apresea os primeiros esudos a Mecâica da Fraura. A seguda

Leia mais

3 Retorno, Marcação a Mercado e Estimadores de Volatilidade

3 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 mais

Exercícios de Análise de Sinal

Exercícios de Análise de Sinal Exercícios de Aálise de Sial Faculdade de Egeharia da Uiversidade do Poro Seembro 006 recolha de problemas de diversos auores edição feia por: H. Mirada, J. Barbosa (000) M. I. Carvalho, A. Maos (003,006)

Leia mais

Conceito. Exemplos. Os exemplos de (a) a (d) mostram séries discretas, enquanto que os de (e) a (g) ilustram séries contínuas.

Conceito. 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 mais

MODELOS DE VOLATILIDADE: COMPARAÇÃO COM DADOS SIMULADOS

MODELOS 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 mais

4 Método de geração de cenários em árvore

4 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 mais

1. Na figura seguinte está representada parte do gráfico de uma função g, de domínio R e contínua em

1. Na figura seguinte está representada parte do gráfico de uma função g, de domínio R e contínua em PROVA ESCRITA DE MATEMÁTICA A.º E 00 Fevereiro 8 Duração da prova: 90 miuos VERSÃO Grupo I Para cada uma das cico quesões dese grupo, seleccioe a resposa correca de ere as aleraivas que lhe são apreseadas

Leia mais

TÓPICOS. Primitivação de funções racionais. Zeros de um polinómio. Fracções simples. Primitivação de fracções simples.

TÓPICOS. Primitivação de funções racionais. Zeros de um polinómio. Fracções simples. Primitivação de fracções simples. Noe bem, a leiura deses apoameos ão dispesa de modo algum a leiura aea da bibliografia pricipal da cadeira. Nomeadamee, o referee ao Módulo, poameos de álise Maemáica, Maemáica - Eg. Mauel Messias págias:

Leia mais

( ) ( ) ( ) ( ) MATEMÁTICA 2 VOLUME 2 RESOLUÇÕES - EXERCITANDO EM CASA. L = 6x + 180x = (x 15). T(h) = h + 22h 85.

( ) ( ) ( ) ( ) MATEMÁTICA 2 VOLUME 2 RESOLUÇÕES - EXERCITANDO EM CASA. L = 6x + 180x = (x 15). T(h) = h + 22h 85. MATEMÁTICA VOLUME RESOLUÇÕES - EXERCITANDO EM CASA AULA. D Escrevedo a lei de T a forma caôica, vem T(h) = h + h 8 = (h h + 8) = [(h ) 6] = 6 (h ). Assim, a emperaura máxima é 6 C, ocorredo às horas. Tal

Leia mais

Exercícios de Análise de Sinal

Exercícios de Análise de Sinal Exercícios de Aálise de Sial FEUP DEEC Seembro 008 recolha de problemas de diversos auores edição feia por: H. Mirada, J. Barbosa (000) M.I. Carvalho, A. Maos (003, 006, 008) Coeúdo Complexos 3 Siais 5

Leia mais

Critérios para a Apuração dos Preços de Ajuste Março 2009.

Critérios para a Apuração dos Preços de Ajuste Março 2009. Criérios para a Apuração dos Preços de Ajuse Março 2009. Iformamos os procedimeos a serem aplicados durae o mês de março de 2009 para a apuração dos preços de ajuses diários dos coraos derivaivos fiaceiros

Leia mais

4 O modelo econométrico

4 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 mais

Testes de Comparação Múltipla

Testes de Comparação Múltipla Testes de Comparação Múltipla Quado a aplicação da aálise de variâcia coduz à reeição da hipótese ula, temos evidêcia de que existem difereças etre as médias populacioais. Mas, etre que médias se registam

Leia mais

OTIMIZAÇÃO DE AMPLIFICADORES CLASSES E/F EM TECNOLOGIA CMOS UTILIZANDO-SE ALGORITMO GENÉTICO E TÉCNICA DE EQUILÍBRIO HARMÔNICO

OTIMIZAÇÃO DE AMPLIFICADORES CLASSES E/F EM TECNOLOGIA CMOS UTILIZANDO-SE ALGORITMO GENÉTICO E TÉCNICA DE EQUILÍBRIO HARMÔNICO UNIVERSIDADE DE BRASÍLIA FACULDADE DE TECNOLOGIA DEPARTAMENTO DE ENGENHARIA ELÉTRICA OTIMIZAÇÃO DE AMPLIFICADORES CLASSES E/F EM TECNOLOGIA CMOS UTILIZANDO-SE ALGORITMO GENÉTICO E TÉCNICA DE EQUILÍBRIO

Leia mais

Critérios para a Apuração dos Preços de Ajuste e Prêmios das Opções de Compra e de Venda Maio 2009

Critérios para a Apuração dos Preços de Ajuste e Prêmios das Opções de Compra e de Venda Maio 2009 Criérios para a Apuração dos Preços de Ajuse e Prêmios das Opções de Compra e de Veda Maio 2009 Iformamos os procedimeos a serem aplicados durae o mês de maio de 2009 para a apuração dos preços de ajuses

Leia mais

UMA ABORDAGEM GEOMÉTRICA DA TEORIA DE INVERSAS GENERALIZADAS PAULO HENRIQUE SALES GUIMARÃES

UMA ABORDAGEM GEOMÉTRICA DA TEORIA DE INVERSAS GENERALIZADAS PAULO HENRIQUE SALES GUIMARÃES UMA ABORDAGEM GEOMÉTRICA DA TEORIA DE INVERSAS GENERALIZADAS PAULO HENRIQUE SALES GUIMARÃES 2010 PAULO HENRIQUE SALES GUIMARÃES UMA ABORDAGEM GEOMÉTRICA DA TEORIA DE INVERSAS GENERALIZADAS Disseração apreseada

Leia mais

EXAME DE ESTATÍSTICA AMBIENTAL 1ª Época (v1)

EXAME 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 mais

Séries temporais Modelos de suavização exponencial. Séries de temporais Modelos de suavização exponencial

Séries 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 mais

Análise Estatística no Diagnóstico de Doenças Cardíacas

Análise Estatística no Diagnóstico de Doenças Cardíacas REI - Revisa Elerôica de isemas de Iformação, Edição 9, N o 3, 6 Aálise Esaísica o Diagósico de Doeças s Paulo Parício da ilva, Kahya ilvia Collazos Liares, Crisia Mara M. M. Parício 3 Agêcia Esadual de

Leia mais

7 Estimação de Parâmetros Desconhecidos e a Questão dos Diagnósticos

7 Estimação de Parâmetros Desconhecidos e a Questão dos Diagnósticos 7 Esimação de Parâmeros Descohecidos e a Quesão dos Diagósicos Nese capíulo, são apreseadas e discuidas as expressões referees às fuções de log verossimilhaça dos modelos em EE lieares (codicioalmee) Gaussiaos

Leia mais

Grupo I (Cotação: 0 a 3.6 valores: uma resposta certa vale 1.2 valores e uma errada valores)

Grupo 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 mais

Espectros de Resposta de Movimentos Sísmicos Consistentes com Histórias de Deslocamentos Velocidades e Acelerações. Mário Rouxinol Fragoso 1,

Espectros de Resposta de Movimentos Sísmicos Consistentes com Histórias de Deslocamentos Velocidades e Acelerações. Mário Rouxinol Fragoso 1, Especros de Resposa de Movimeos Sísmicos Cosisees com Hisórias de Deslocameos Velocidades e Acelerações Mário Rouxiol Fraoso 1, Laboraório Reioal de Eeharia Civil Poa Delada, S. Miuel Açores, Porual Maria

Leia mais

3 Modelo Teórico e Especificação Econométrica

3 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 mais

Comportamento Assimptótico dos Mínimos Quadrados Questão: Será que a estimativa de mínimos quadrados converge para o valor verdadeiro dos parâmetros?

Comportamento 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 mais

9. INTERVALOS DE PREDIÇÃO E INTERVALOS DE TOLERÂNCIA

9. INTERVALOS DE PREDIÇÃO E INTERVALOS DE TOLERÂNCIA 9 INTRVALOS D PRDIÇÃO INTRVALOS D TOLRÂNCIA 200 Iervalo de cofiaça, é uma amora aleaória de amaho de uma população ormal com média µ e variâcia 2 (amba decohecida) A média amoral em diribuição ormal com

Leia mais

Viabilidade Econômica De Um Trator Agrícola Para Fins De Arrendamento Na Região Sudoeste Da Bahia

Viabilidade Econômica De Um Trator Agrícola Para Fins De Arrendamento Na Região Sudoeste Da Bahia Viabilidade Ecoômica De Um Traor Agrícola Para Fis De Arredameo Na Região Sudoese Da Bahia Wilmerso Berardio Prado (1) ; Luis Carlos de Freias (2) ; Keila de Almeida Cordeiro (3) ; Glardêia Pereira da

Leia mais

Filtros de Partículas: O Algoritmo Resample-Move Ana Flávia Cupertino Pinto

Filtros de Partículas: O Algoritmo Resample-Move Ana Flávia Cupertino Pinto UNIVERSIDADE FEDERAL DE MINAS GERAIS INSTITUTO DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA MESTRADO EM ESTATÍSTICA Filros de Parículas: O Algorimo Resample-Move Aa Flávia Cuperio Pio Orieador: Prof.

Leia mais

Introdução à análise e ao processamento de sinais usando o MATLAB. Parte 1 RUBENS SAMPAIO ROBERTO RIQUELME EDSON CATALDO XXI CNMAC

Introdução à análise e ao processamento de sinais usando o MATLAB. Parte 1 RUBENS SAMPAIO ROBERTO RIQUELME EDSON CATALDO XXI CNMAC Irodução à aálise e ao processameo de siais usado o MALAB RUBENS SAMPAIO EDSON CAALDO ROBERO RIQUELME Pare SINAIS E SISEMAS SINAIS - São variáveis que carregam iormação SISEMAS - Processam siais de erada

Leia mais

A entropia de uma tabela de vida em previdência social *

A 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 mais