Filtro de Kalman. Teoria e Aplicação para Iniciantes. Prof. Dr. Marco Antonio Leonel Caetano. M&V Consultoria e Treinamento
|
|
- Gilberto Tavares do Amaral
- 7 Há anos
- Visualizações:
Transcrição
1 Filtro de Kalman Teoria e Aplicação para Iniciantes Prof. Dr. Marco Antonio Leonel Caetano M&V Consultoria e Treinamento
2 A História da Filtragem de Sinais Filtro de Wiener (contínuo) Filtro de Kolmogorov (discreto) Filtro de Kalman (linear e estendido)
3 Processos Estocásticos Sinal no tempo Estatística (variável aleatória)
4 O que caracteriza um sinal? Média Desvio Padrão ( volatilidade ) Probabilidade Sinal com baia volatilidade Sinal com alta volatilidade
5 Resolvendo Sistema Linear Observar o seguinte sistema linear: 4 5 Para resolver seguem-se duas maneiras diferentes: () Isolar da primeira equação e substituir na segunda. () Transformar o sistema em matrizes e vetores.
6 Primeira Resolução (a) Isolando na primeira equação: (b) Substituindo na segunda equação: (c) Substituindo em isolado em (a): 3 Solução: 3 3
7 Segunda Resolução 4 5 (a) Transformar o sistema em representação matricial: 4 5 A B (b) Resolve-se agora o sistema : AX = B (c) A solução deve envolver a inversa da matriz A, ou seja, A - B A AX A (d) Como A -.A é matriz identidade a solução será: X = A - B (e) No matlab basta : = inv(a)*b
8 No Matlab B tem que ser transposto! Ou B = [ 4 ; ]
9 Problema com dimensão de matrizes Resolver sistema linear com mesmo número de linhas e colunas é fácil usando matlab. Mas quando se tem MAIS equação que incógnita a inversa da matriz não é possível equações incógnitas (,)????
10 Método dos Mínimos Quadrados A solução para o problema anterior é encontrar o vetor mais próimo possível tal que o sistema AX = B seja o mais verdadeiro possível! Deve-se encontrar o vetor cujo erro do sistema seja o menor possível ao quadrado. Por isso o método se chama MÍNIMOS QUADRADOS. Eemplo: reta de regressão linear Reta que mais se aproima dos pontos amostrados Y a angulo X b=tangente(angulo) Os resíduos dessa diferença são os menores possíveis quando elevados ao quadrado.
11 A Estimativa do Método dos Mínimos Quadrados (MMQ) Seja A B T A A A T B T A A T T T. A A. A A. A B identidade Logo, para encontrar o vetor mais próimo possível da solução: T T A A A B
12 Aplicação dos MMQ à medidas Imaginar que duas variáveis foram acompanhadas por 3 dias e tiveram seus valores relacionados na tabela a seguir: medida medida 0,0 3 0,8 0,8 36 Suponha que eista a seguinte relação entre as medidas: Como estimar? medida medida
13 Solução via MMQ 0,0 0,8 0, Sistema com 3 equações e incógnita Neste caso as matrizes A e B serão: 0,0 3 A 0,8 B 0,8 36 Então, lembrando que o nesse problema é o valor de e: Qual a solução? T T A A A B
14 Solução (a) A T A 0, 0,8 0, 0,8 0,8 0,8 0, 08 (b) A T B 0, 0,8 0, 0,8 0,8 0,8 5, 34 Assim, 5,34 0,08 7
15 A Solução Numérica T T A A A B
16 Estimativa de parâmetros - Ajuste de Função Dada uma tabela de dados 3 3 : : y y y Y X Deseja-se encontrar a melhor função linear que ajuste y aos valores de : c c y 0 Observando que os dados são inseridos na função da seguinte forma: ) ( ) ( 0 i c c i y O sistema a ser resolvido é: n y n y y c c 0. A X B
17 Eercício Fazer um programa para entrar com n valores de e de y e no final o programa deve ajustar a função linear pelo método dos mínimos quadrados. Use como eemplo a tabela a seguir: X Y 4 5 Solução
18 Eercício Modificar o programa anterior para fazer o gráfico dos pontos da Tabela e dos pontos da reta ajustada y(i) = c0 + c* (i)
19 Solução pontos da tabela RETA AJUSTADA
20 Estimação Recursiva Considere o problema da estimativa de uma constante escalar não Aleatória baseada em medidas anteriores, corrompidas por ruído: z v i =,,3,..., i i onde vi é ruído branco gaussiano ( média zero e desvio padrão fio). Qual a melhor estimativa para?
21 A média é a melhor estimativa para! i z i Para uma medida adicional (+) a nova estimativa será i z i
22 Deve-se manipular os termos para deiar a estimativa sempre em função das medidas anteriores: ˆ i i z z i z i z z média i z i z
23 Somando-se e subtraindo z K z ˆ ˆ
24 Estimação recursiva de variáveis. z Ganho do Sistema informação ainda não utilizada
25 Eemplo Estimar a constante a=0 com ruído de medida v (média = 0, desvio=5) para 00 medidas de a.
26 Programando a fórmula do mínimos quadrados recursivo:
27 Resultado
28 Para n simulações
29 Comparando com as medidas
30 Por que usar a distribuição gaussina? Segundo o teorema do limite central, todas convergem para a normal para um número grande de pontos Teorema do Limite Central NORMALIZAÇÃO
31 Para uma única variável Média: Variância: f ( ) e ( )
32 Para duas variáveis Distribuição Espacial f (, y) e ( ) ( y y) ( y y ) ( ) ( y y) Média de : Média de y y Desvio Padrão de : Desvio padrão de y: Covariância de e y: Correlação de e y: y y
33 Mas a Covariância é uma matriz ( P ) y y y y P A função gaussina corrigida para duas variáveis / ) ( ) ( ) ( ) ( ), ( P e y f y y P y y onde P é o determinante da matriz de covariância É necessário uma correção na fórmula pois,
34 Problema E se as variáveis forem vetores de dados com sinais do tipo: n A covariância seria: n n n P Impraticável! Todos os sinais teriam que serem armazenados em gigantescos bancos de dados para o calculo no fim. Solução: Filtro de Kalman
35 Como o filtro de Kalman estima variáveis? f,,, n n n tempo sinal
36 Algoritmo Esquemático Trabalha com dados Equação de Propagação Equação de Atualização Equação de Covariância Satélite dados Bóia Equação de Atualização ˆ Equação de Atualização ˆ Equação de Propagação + ˆ Equação de Propagação ˆ + Equação de Propagação ˆ 3 tempo
37 Algumas Definições Variável de Estado () - Representa a variável de estudo do modelo matemático para a previsão dos dados futuros. E: temperatura, salinidade. - O filtro linear usa modelo linear. - O futuro é o presente com alguma correção e corrompido por ruído w. A C Variável de Medida (z) - Variável que simula a aquisição dos dados de um sensor. - Para o filtro linear o modelo de medida é linear com ruído v do sensor. z H Propagação ( do estado ou da covariância ) - É a simulação do que se espera de dados futuros baseados em dados. - Utiliza um modelo para a previsão. Atualização ( do estado ou da covariância ) - É a correção da previsão usando os novos dados coletados pelo sensor.
38 Assumir. O estado é corrompido por perturbação do tipo ruído branco gaussinano com média zero e covariância Q (matriz para todos os valores propagados e atualizados).. A medida do sensor é supostamente corrompida por ruído branco gaussiano com média zero e covariância R n Q nz z z R
39 Propagações Propagação do Estado (à priori) Qual a melhor estimativa? A média! As barras representam a média. A C A ˆ ˆ é o rúido branco do estado ˆ Propagação da covariância do estado (à priori) T T T T CQC A AP P C A C A P P
40 Atualizações Atualização do estado - A melhor estimativa de quando se tem medida z é aquela que minimiza o termo do epoente da distribuição gaussiana. / ) ( ) ( ) ( ) ( ), ( P e y f y y P y y Isso é desejado! Colocando a medida na distribuição gaussiana: Deseja-se minimizar Ou,
41 Isso leva à seguinte relação Isolando o estado para sua estimativa Usando a mesma idéia do mínimos quadrados recursivos para novas medidas chega-se a seguinte equação de atualização ˆ posteriori ˆ priori P priori R H T z Hˆ priori
42 Atualização da covariância A melhor covariância P quando se tem medida z é aquela que zera o erro entre medida e variável: Cuja medida estatística está na matriz de covariância (a barra significa média): ˆ posteriori A melhor estimativa é conseguida substituindo a relação de atualização do estado na equação acima. A relação linear que surge é: P posteriori P priori P HP priori priori H T H A matriz R é a inversa da matriz de covariância do erro do sensor de medida. T R
43 O Filtro de Kalman Priori = ( - ) Posteriori = ( + ) Equação de Propagação: A. propagação do estado T P A. P. A C. Q. C T propagação da covariância do estado Equação de Atualização: T T K P. H. H. P. H R P P K. H. P K. z H. ganho do filtro atualização da matriz de covariância do estado atualização do estado
44 Quando o Filtro Falha. Modelamento errado do estado - Se a matriz de perturbação Q do estado for mal dimensionada em relação ao problema real o que acontece? Modelo Medida R H HP H P K T T T T CQC A AP P K P Q ˆ ˆ H y K ˆ ˆ ˆ H y AK A ˆ ˆ ˆ
45 y Resultado Sinal estimado Errado! Sinal real
46 . Se o ruído de medida é muito menor que a perturbação no estado, ou seja, se R<<<Q. Significa que o sensor é totalmente confiável, pois: R K O filtro não filtra, acompanha as medidas de perto, pois são confiávies!
47 3. Se o ruído de estado é muito menor que o ruído de medida, ou seja, se Q<<<R. Significa que o sensor não é confiável, pois: Q K O filtro só usa o modelo e filtra tudo. Abandona as Medidas, pois K0!
48 4. Se a matriz de covariância da perturbação do estado inicial P(0) for muito baia. Ela significa a memória do filtro. Se P(0) é baia, o filtro não tem memória e demora a energar acontecimentos futuros. P(0) muito baia demora para aprender P(0) ideal aprende rápido
49 Característica ideal da covariância do estado P P(0) alto tempo
50 Covariânica do erro de localização horizontal (Taemasa, Shozo, 007, pag 3849) ERRO NO MODELO
51 O problema da estimativa da temperatura SIMULAÇÃO Dados de temperaturas na localidade dos sensores (satélites, PCD,etc) Dados com ruído. O que se desejava? - É possível estimar os dados em tempo real? - É possível fazer uma previsão confiável com boa antecedência? Solução: Filtro de Kalman
52 Sensores radiosondas (Taemasa, 00) Modelos observado
53 Modelo Utilizado A C. Fez se uma hipótese que A =.. Fez-se a suposição que C =. 3. O valor de H = pois só tem um sensor de temperatura. 4. A perturbação aleatória no estado (temperatura) foi Q= 0,5 o C. 5. O ruído no sensor foi suposto de 0 o C, ou variância R= A matriz de covariância inicial da perturbação do estado P(0)= Finalmente, foi dito ao filtro que a temperatura inicial foi (0)=0 o C, para obrigar a ter uma alta imprecisão e fazer um aprendizado rápido. 8. O tempo final de simulação para aprendizado e filtragem foi de t = 00.
54 Filtro Equação de Propagação: ˆ ˆ P 0,5 P (0)=0 P(0)=40 Equação de Atualização: K P P K ˆ ˆ P 00 K P. z ˆ
55 Simulando os dados do sensor onde w é ruído branco com média zero e desvio padrão
56 Inicializando o filtro
57 A caia do Filtro de Kalman
58 00 pontos medida estimado
59 A Covariância do estado (temperatura) P() O filtro de Kalman aprendeu com 0 dados!!
60 Cenário : Sensor com mais ruído Sinal mais filtrado erro =,36 o C R=erro = 500 Valoriza o modelo pois medidas menos Confiáveis!
61 Cenário 3: Covariância com maior incerteza P(0) = 400 R = 00 Ajusta mais rápido às medidas. Elas tem mais valor do que o modelo!
62 Cenário 4: Ruído de sensor super-baio P(0) = 40 R = Esquece o modelo pois a melhor estimativa é a medida do sensor
63 BIBLIOGRAFIA
MESTRADO EM MACROECONOMIA e FINANÇAS Disciplina de Computação. Aula 04. Prof. Dr. Marco Antonio Leonel Caetano
MESTRADO EM MACROECONOMIA e FINANÇAS Disciplina de Computação Aula 04 Prof. Dr. Marco Antonio Leonel Caetano Guia de Estudo para Aula 04 Aplicação de Produto Escalar - Interpretação do produto escalar
Leia maisTratamento Estatístico de Dados em Física Experimental
Tratamento Estatístico de Dados em Física Experimental Prof. Zwinglio Guimarães o semestre de 06 Tópico 7 - Ajuste de parâmetros de funções (Máxima Verossimilhança e Mínimos Quadrados) Método da máxima
Leia mais3 Filtro de Kalman Discreto
3 Filtro de Kalman Discreto As medidas realizadas por sensores estão sujeitas a erros, como pode ser visto no Capítulo 2. Os filtros são aplicados aos sinais medidos pelos sensores para reduzir os erros,
Leia maisAGA Análise de Dados em Astronomia I 7. Modelagem dos Dados com Máxima Verossimilhança: Modelos Lineares
1 / 0 AGA 0505- Análise de Dados em Astronomia I 7. Modelagem dos Dados com Máxima Verossimilhança: Modelos Lineares Laerte Sodré Jr. 1o. semestre, 018 modelos modelagem dos dados dado um conjunto de dados,
Leia mais5 Filtro de Kalman Aplicado ao Modelo de Schwartz e Smith (2000)
5 Filtro de Kalman Aplicado ao Modelo de Schwartz e Smith (2000) A primeira parte deste capítulo, referente à passagem dos modelos estocásticos para as equações do Filtro de Kalman, já foi previamente
Leia maisRedes Neurais e Sistemas Fuzzy
Redes Neurais e Sistemas Fuzzy O ADALINE e o algoritmo LMS O ADALINE No contexto de classificação, o ADALINE [B. Widrow 1960] pode ser visto como um perceptron com algoritmo de treinamento baseado em minimização
Leia maisMáxima Verossimilhança Método dos Mínimos Quadrados (Al
Departamento de Física Experimental Máxima Verossimilhança (Alexandre Grothendieck) 20-21 de maio de 2014 Alexandre Grothendieck - 1928 Recherche, 486 (2014) 26-41. 1951 1991? Prólogo Nesta apresentação
Leia maisDefine-se o regressor,ϕ,como. e o vector de parâmetros a estimar, θ,como. O modelo escreve-se:
22 Mínimos Quadrados - Notação matricial Se quisermos resolver o problema de estimação para um número arbitrário de parâmetros temos de usar a notação matricial. Define-se o regressor,,como [ ] e o vector
Leia mais4 O Filtro de Kalman
4 O Filtro de Kalman O filtro de Kalman se caracteriza como uma ferramenta estatística eficiente de estimação, pois minimiza o erro quadrático. Sua aplicação é feita quando o modelo está descrito na forma
Leia maisControle Ótimo - Aula 8 Equação de Hamilton-Jacobi
Controle Ótimo - Aula 8 Equação de Hamilton-Jacobi Adriano A. G. Siqueira e Marco H. Terra Departamento de Engenharia Elétrica Universidade de São Paulo - São Carlos O problema de controle ótimo Considere
Leia maisExercícios de programação
Exercícios de programação Estes exercícios serão propostos durante as aulas sobre o Mathematica. Caso você use outra linguagem para os exercícios e problemas do curso de estatística, resolva estes problemas,
Leia maisModelo de Regressão Múltipla
Modelo de Regressão Múltipla Modelo de Regressão Linear Simples Última aula: Y = α + βx + i i ε i Y é a variável resposta; X é a variável independente; ε representa o erro. 2 Modelo Clássico de Regressão
Leia maisRalph S. Silva
ANÁLISE ESTATÍSTICA MULTIVARIADA Ralph S Silva http://wwwimufrjbr/ralph/multivariadahtml Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Revisão:
Leia maisp( y θ ) depende de um parâmetro desconhecido θ.
55Modelação, Identificação e Controlo Digital 55 Método de Máxima Verosimilhança (Maximum Likelihood) Seja y uma variável aleatória (v. a.) cuja densidade de probabilidade p( y θ ) depende de um parâmetro
Leia mais3 Aprendizado por reforço
3 Aprendizado por reforço Aprendizado por reforço é um ramo estudado em estatística, psicologia, neurociência e ciência da computação. Atraiu o interesse de pesquisadores ligados a aprendizado de máquina
Leia maisRESTAURAÇÃO E RECONSTRUÇÃO DE IMAGENS. Nielsen Castelo Damasceno
RESTAURAÇÃO E RECONSTRUÇÃO DE IMAGENS Nielsen Castelo Damasceno Restauração de imagem Procura recuperar uma imagem corrompida com base em um conhecimento a priori do fenômeno de degradação. Restauração
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.
Leia maisAPLICAÇÃO DO FILTRO DE KALMAN A UM SISTEMA DE POSICIONAMENTO DE VEÍCULO AQUÁTICO
APLICAÇÃO DO FILTRO DE KALMAN A UM SISTEMA DE POSICIONAMENTO DE VEÍCULO AQUÁTICO André TEIXEIRA DE AQUINO; André LUIZ CARNEIRO DE ARAÚJO (1) Instituto Federal de Educação, Ciência e Tecnologia do Ceará,
Leia maisTratamento Estatístico de dados em Física Experimental
Tratamento Estatístico de dados em Física Experimental Prof. Zwinglio Guimarães 2 o semestre de 2017 Tópico 6 - Testes estatísticos (Chi-quadrado, z e t ) O método dos mínimos quadrados (revisão) O método
Leia maisPROVAS Ciência da Computação. 2 a Prova: 13/02/2014 (Quinta) Reavaliação: 20/02/2014 (Quinta)
PROVAS Ciência da Computação 2 a Prova: 13/02/2014 (Quinta) Reavaliação: 20/02/2014 (Quinta) Ajuste de Curvas Objetivo Ajustar curvas pelo método dos mínimos quadrados 1 - INTRODUÇÃO Em geral, experimentos
Leia maisContabilometria. Aula 9 Regressão Linear Inferências e Grau de Ajustamento
Contabilometria Aula 9 Regressão Linear Inferências e Grau de Ajustamento Interpretação do Intercepto e da Inclinação b 0 é o valor estimado da média de Y quando o valor de X é zero b 1 é a mudança estimada
Leia mais3 Modelo Matemático Definições Iniciais. Denote-se, em geral, o desvio-padrão do processo por σ = γσ 0, sendo σ 0 o
Modelo Matemático 57 3 Modelo Matemático Este trabalho analisa o efeito da imprecisão na estimativa do desvio-padrão do processo sobre o desempenho do gráfico de S e sobre os índices de capacidade do processo.
Leia maisModelação, Identificação e Controlo Digital
29 Adormecimento dos mínimos quadrados recursivos Se os dados forem adequados, os elementos do ganho de Kalman diminuem à medida que o tempo passa, tornando-se eventualmente muito reduzidos se o ruído
Leia maisEste capítulo descreve os testes realizados para validar a teoria proposta pela presente dissertação.
6 Simulações Este capítulo descreve os testes realizados para validar a teoria proposta pela presente dissertação. 6.1. Descrição da Simulação Visando validar o equacionamento desenvolvido no Capítulo
Leia maisUniversidade Federal do Paraná (UFPR) Bacharelado em Informática Biomédica. Regressão. David Menotti.
Universidade Federal do Paraná (UFPR) Bacharelado em Informática Biomédica Regressão David Menotti www.inf.ufpr.br/menotti/ci171-182 Hoje Regressão Linear ( e Múltipla ) Não-Linear ( Exponencial / Logística
Leia mais7 Conclusões e desenvolvimentos futuros
7 Conclusões e desenvolvimentos futuros 7.1 Conclusões Este trabalho apresentou novas soluções para a determinação da posição de terminais de comunicações móveis com base em medidas de ToA. Nos métodos
Leia maisPREVISÃO. Prever o que irá. acontecer. boas decisões com impacto no futuro. Informação disponível. -quantitativa: dados.
PREVISÃO O problema: usar a informação disponível para tomar boas decisões com impacto no futuro Informação disponível -qualitativa Prever o que irá acontecer -quantitativa: dados t DEI/FCTUC/PGP/00 1
Leia maisCOMPENSAÇÃO E AJUSTAMENTO
COMPENSAÇÃO E AJUSTAMENTO COMPENSAÇÃO A compensação de um conjunto de medidas é um procedimento para retirar o erro sistemático do processo metrológico. O erro sistemático é determinado pela diferença
Leia maisAPROXIMAÇÃO DE FUNÇÕES MÉTODO DOS MÍNIMOS QUADRADOS
MÉTODO DOS MÍNIMOS QUADRADOS INTRODUÇÃO Frequentemente é possível estabelecer uma relação linear entre duas grandezas medidas experimentalmente. O método dos mínimos quadrados é uma maneira de se obter
Leia maisCapítulo 2. Distribuições de Probabilidade Estimativas de parâmetros e tempos-atéfalha. Flávio Fogliatto
Capítulo 2 Distribuições de Probabilidade Estimativas de parâmetros e tempos-atéfalha Flávio Fogliatto 1 Ajustes de distribuições Em estudos de confiabilidade, dados são amostrados a partir de uma população
Leia maisAnálise Multivariada Aplicada à Contabilidade
Mestrado e Doutorado em Controladoria e Contabilidade Análise Multivariada Aplicada à Contabilidade Prof. Dr. Marcelo Botelho da Costa Moraes www.marcelobotelho.com mbotelho@usp.br Turma: 2º / 2016 1 Agenda
Leia maisRegressão linear simples
Regressão linear simples Universidade Estadual de Santa Cruz Ivan Bezerra Allaman Introdução Foi visto na aula anterior que o coeficiente de correlação de Pearson é utilizado para mensurar o grau de associação
Leia mais7. Controlo Adaptativo
1 7. Controlo Adaptativo Objectivo: Mostrar como é possível integrar os blocos anteriormente estudados de identificação de sistemas e projecto de controladores para obter controladores adaptativos. 2 Motivação
Leia maisEES-20: Sistemas de Controle II. 20 Novembro 2017
EES-20: Sistemas de Controle II 20 Novembro 2017 1 / 57 Recapitulando: Filtro de Kalman para sistema de 1a ordem Foi considerado o caso de estado x[k] escalar, com G = 1 e C = 1, por simplicidade: Equação
Leia maisAULA 8 - MQO em regressão múltipla:
AULA 8 - MQO em regressão múltipla: Definição, Estimação e Propriedades Algébricas Susan Schommer Econometria I - IE/UFRJ Regressão Múltipla: Definição e Derivação A partir de agora vamos alterar o nosso
Leia maisDinâmica Estrutural. Múltiplos Graus de Liberdade Equações de Movimento e Soluções. Ramiro Brito Willmersdorf
Dinâmica Estrutural Múltiplos Graus de Liberdade Equações de Movimento e Soluções Ramiro Brito Willmersdorf ramiro@willmersdorf.net DEMEC/UFPE 2014.1 Equações de Movimento Para sistemas não amortecidos
Leia maisIntrodução ao modelo de Regressão Linear
Introdução ao modelo de Regressão Linear Prof. Gilberto Rodrigues Liska 8 de Novembro de 2017 Material de Apoio e-mail: gilbertoliska@unipampa.edu.br Local: Sala dos professores (junto ao administrativo)
Leia mais)XQGDPHQWRVGHSUREDELOLGDGHHHVWDWtVWLFD
)XQGDPHQWRVGHUREDELOLGDGHHHVWDWtVWLFD,QWURGXomR A história da estatística pode ser dividida em três fases. De acordo com PEANHA (00), a estatística inicialmente não mantinha nenhuma relação com a probabilidade,
Leia maisA equação horária do movimento de um corpo lançado para cima em um plano inclinado por um ângulo em relação à horizontal, a partir da origem, é
O Método dos Mínimos Quadrados Frequentemente, as leis físicas permitem prever o valor de uma grandeza y a partir de uma variável independente x. Um caso particular, mas bastante comum, é aquele em que
Leia maisIMPLEMENTAÇÃO DE SISTEMA DE ATITUDE EM DSP
Anais do 15 O Encontro de Iniciação Científica e Pós-Graduação do ITA XV ENCITA / 2009 Instituto Tecnológico de Aeronáutica São José dos Campos SP Brasil Outubro 19 a 21 2009. IMPLEMENTAÇÃO DE SISTEMA
Leia maisPlanejamento de Experimentos
Planejamento de Experimentos 1 6.4 Os Modelos fatoriais 2 k : o caso geral. O modelo estatístico para um plano 2 k inclui k ( k 2 ( k ) ) efeitos principais efeitos de interação de ordem 2 efeitos de interação
Leia maisDisciplina de Modelos Lineares Professora Ariane Ferreira
Disciplina de Modelos Lineares 2012-2 Regressão Logística Professora Ariane Ferreira O modelo de regressão logístico é semelhante ao modelo de regressão linear. No entanto, no modelo logístico a variável
Leia maisCálculo Numérico BCC760
Cálculo Numérico BCC760 Resolução de Sistemas de Equações Lineares Simultâneas Departamento de Computação Página da disciplina http://www.decom.ufop.br/bcc760/ 1 Introdução! Definição Uma equação é dita
Leia maisétodos uméricos SISTEMAS DE EQUAÇÕES LINEARES (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
étodos uméricos SISTEMAS DE EQUAÇÕES LINEARES (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CENTRO
Leia maisIII Encontro de Iniciação Científica e Tecnológica III EnICT ISSN: IFSP Câmpus Araraquara 19 e 20 de Setembro de 2018
III Encontro de Iniciação Científica e Tecnológica III EnICT ISSN: 2526-6772 IFSP Câmpus Araraquara 19 e 20 de Setembro de 2018 Filtro de Kalman aplicado a fusão sensorial com modelo tridimensional para
Leia maisProcessamento de Sinal e Imagem Engenharia Electrotécnica e de Computadores
António M Gonçalves Pinheiro Departamento de Física Covilhã - Portugal pinheiro@ubipt d[n] v[n] x[n] Filtro Estimador d[n] d[n] - Sinal v[n] - Ruído x[n] - Sinal corrompido com ruído ˆd[n] - Sinal Estimado
Leia maisADA 1º BIMESTRE CICLO I 2018 MATEMÁTICA 2ª SÉRIE DO ENSINO MÉDIO
ADA º BIMESTRE CICLO I 08 MATEMÁTICA ª SÉRIE DO ENSINO MÉDIO ITEM DA ADA Um sistema de equações pode ser usado para representar situações-problemas da matemática ou do dia-a-dia. Assinale a alternativa
Leia mais28/03/2016 UNIVERSIDADE FEDERAL DO PARANÁ SETOR DE CIÊNCIAS DA TERRA DEPARTAMENTO DE GEOMÁTICA. AJUSTAMENTO de OBSERVAÇÕES GA751
UNIVERSIDADE FEDERA DO PARANÁ SETOR DE CIÊNCIAS DA TERRA DEPARTAMENTO DE GEOMÁTICA AJUSTAMENTO de OBSERVAÇÕES GA75 Prof. Alvaro Muriel ima Machado ei de Propagação das Covariâncias Consideremos duas v.a.
Leia maisCapítulo 3 - Mínimos Quadrados Lineares
Capítulo 3 - Mínimos Quadrados Lineares Carlos Balsa balsa@ipb.pt Departamento de Matemática Escola Superior de Tecnologia e Gestão de Bragança 2 o Ano - Eng. Civil e Electrotécnica Carlos Balsa Métodos
Leia maisEstatística Aplicada ao Serviço Social
Estatística Aplicada ao Serviço Social Módulo 7: Correlação e Regressão Linear Simples Introdução Coeficientes de Correlação entre duas Variáveis Coeficiente de Correlação Linear Introdução. Regressão
Leia maisROTINA PARA APLICAÇÃO DO MÉTODO PARAMÉTRICO
ROTINA PARA APLICAÇÃO DO MÉTODO PARAMÉTRICO º Passo: Estudar o problema e formular as equações matemáticas para cada uma das observações, sempre na forma F(Xa) La ; 2º Passo: Obter os valores aproximados
Leia maisMP-208: Filtragem Ótima com Aplicações Aeroespaciais
MP-208: Filtragem Ótima com Aplicações Aeroespaciais Capítulo 5: Aspectos Computacionais do Filtro de Kalman Davi Antônio dos Santos Departamento de Mecatrônica Instituto Tecnológico de Aeronáutica davists@ita.br
Leia maisMétodos Não Paramétricos
Modelação, Identificação e Controlo Digital Métodos Não Paramétricos 1 Métodos Não Paramétricos Estimação da resposta impulsiva e da resposta em frequência Análise espectral e métodos de correlação J.
Leia maisAula 2 Uma breve revisão sobre modelos lineares
Aula Uma breve revisão sobre modelos lineares Processo de ajuste de um modelo de regressão O ajuste de modelos de regressão tem como principais objetivos descrever relações entre variáveis, estimar e testar
Leia maisAnálise de séries temporais. Prof. Thaís C O Fonseca DME - UFRJ
Análise de séries temporais Prof. Thaís C O Fonseca DME - UFRJ Conteúdo do curso Parte 1: Problemas e objetivos, conceitos básicos, processos estocásticos, estacionariedade, autocorrelação e correlação
Leia mais[a11 a12 a1n 7. SISTEMAS LINEARES 7.1. CONCEITO. Um sistema de equações lineares é um conjunto de equações do tipo
7. SISTEMAS LINEARES 7.1. CONCEITO Um sistema de equações lineares é um conjunto de equações do tipo a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 11 x 1 + a 12 x 2 +... + a 1n x n = b 2... a n1 x 1 + a
Leia mais2 Modelos de sintetização de séries temporais de atenuação por chuva
2 Modelos de sintetização de séries temporais de atenuação por chuva Alguns modelos estocásticos de sintetização de séries temporais de atenuação por chuva são baseados no modelo proposto por Maseng &
Leia maisSexta Lista: Geração de Números Pseudo-Aleatórios e Método de Monte Carlo
Sexta Lista: Geração de Números Pseudo-Aleatórios e Método de Monte Carlo Antônio Carlos Roque da Silva Filho e Cristiano R. F. Granzotti 26 de junho de 2017 Os exercícios desta lista devem ser resolvidos
Leia maisMódulo 4 Ajuste de Curvas
Módulo 4 Ajuste de Curvas 4.1 Intr odução Em matemática e estatística aplicada existem muitas situações onde conhecemos uma tabela de pontos (x; y), com y obtido experimentalmente e deseja se obter uma
Leia maisTeoria da Informação
Charles Casimiro Cavalcante charles@gtel.ufc.br Grupo de Pesquisa em Telecomunicações Sem Fio GTEL Programa de Pós-Graduação em Engenharia de Teleinformática Universidade Federal do Ceará UFC http://www.gtel.ufc.br/
Leia maisUNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT. Faculdade de Ciências Exatas e Tecnológicas FACET / Sinop Curso de Bacharelado em Engenharia Elétrica
REDES NEURAIS ARTIFICIAIS AULA 03 Prof. Dr. André A. P. Biscaro 1º Semestre de 2017 INTRODUÇÃO Aprendizagem é um processo pelo qual os parâmetros livres de uma rede neural são adaptados através de um processo
Leia maisCorrelação e Regressão
Correlação e Regressão Exemplos: Correlação linear Estudar a relação entre duas variáveis quantitativas Ou seja, a força da relação entre elas, ou grau de associação linear. Idade e altura das crianças
Leia maisIntrodução. São duas técnicas estreitamente relacionadas, que visa estimar uma relação que possa existir entre duas variáveis na população.
UNIVERSIDADE FEDERAL DA PARAÍBA Correlação e Regressão Luiz Medeiros de Araujo Lima Filho Departamento de Estatística Introdução São duas técnicas estreitamente relacionadas, que visa estimar uma relação
Leia maisMétodos Não Paramétricos
Modelação, Identificação e Controlo Digital Métodos ão Paramétricos 1 Métodos ão Paramétricos Estimação da resposta impulsiva e da resposta em frequência Análise espectral e métodos de correlação J. Miranda
Leia maisMétodos Estatísticos em Física Experimental. Prof. Zwinglio Guimarães 1 o semestre de 2015 Aulas 11 e 12
Métodos Estatísticos em Física Experimental Prof. Zwinglio Guimarães 1 o semestre de 015 Aulas 11 e 1 O método dos mínimos quadrados (revisão) O método dos mínimos quadrados consiste em determinar os parâmetros
Leia maisA Metodologia de Box & Jenkins
A Metodologia de Box & Jenins Aula 03 Bueno, 0, Capítulo 3 Enders, 009, Capítulo Morettin e Toloi, 006, Capítulos 6 a 8 A Metodologia Box & Jenins Uma abordagem bastante utilizada para a construção de
Leia maisResolvendo algebricamente um PPL
Capítulo 6 Resolvendo algebricamente um PPL 6.1 O método algébrico para solução de um modelo linear A solução de problemas de programação linear com mais de duas variáveis, não pode ser obtida utilizando-se
Leia maisINSTITUTO TECNOLÓGICO DE AERONÁUTICA
INSTITUTO TECNOLÓGICO DE AERONÁUTICA DIVISÃO DE ENGENHARIA MECÂNICA MP-272: CONTROLE E NAVEGAÇÃO DE MULTICÓPTEROS IV. ESTIMAÇÃO ÓTIMA Prof. Davi Antônio dos Santos (davists@ita.br) Departamento de Mecatrônica
Leia maisAnálise de Regressão Linear Simples e
Análise de Regressão Linear Simples e Múltipla Carla Henriques Departamento de Matemática Escola Superior de Tecnologia de Viseu Introdução A análise de regressão estuda o relacionamento entre uma variável
Leia maisAnálise e Previsão de Séries Temporais Aula 2: Introdução às séries temporais. Eraylson Galdino
Análise e Previsão de Séries Temporais Aula 2: Introdução às séries temporais egs@cin.ufpe.br Análise e Previsão de Séries Temporais Aula 1 Agenda Resumo da Aula anterior; Estimação e eliminação dos componentes
Leia maisProf. MSc. David Roza José 1/26
1/26 Mínimos Quadrados Geral e Regressão Não Linear Objetivos: Implementar a regressão polinomial; Implementar regressão múltipla linear; Entender a formulação do modelo linear geral de mínimos quadrados;
Leia mais2 FUNDAMENTACÃO TEÓRICA
2 FUNDAMENTACÃO TEÓRICA Este capítulo apresenta os modelos de séries temporais chamados estruturais, nos quais o valor das observações é visto como composto de uma parte sistemática, modelada por uma equação
Leia maisAjustamento de Observações
Ajustamento de Observações Introdução Prof. Dr. Marcos Aurélio Basso IFSULDEMINAS Campus Incondentes MG O ajustamento é um ramo da matemática aplicada 1 ; Tem por objetivo a solução única onde o número
Leia maisCAPÍTULO 3 SISTEMA DE EQUAÇÕES LINEARES
CAPÍULO 3 SISEMA DE EQUAÇÕES LINEARES Como vimos é vantajoso usar a álgera matricial para a solução de sistemas de equações. Antes de uscar a solução de tais sistemas pelo caminho matricial é importante
Leia maisAVALIAÇÃO DA ESTIMATIVA DE PARÂMETROS PARA MODELOS AR2D APLICADOS NA EXTRAÇÃO DE ATRIBUTOS DE TEXTURA EM IMAGENS DE SENSORIAMENTO REMOTO
AVALIAÇÃO DA ESTIMATIVA DE PARÂMETROS PARA MODELOS AR2D APLICADOS NA EXTRAÇÃO DE ATRIBUTOS DE TEXTURA EM IMAGENS DE SENSORIAMENTO REMOTO GUSTAVO TADEU ZANIBONI 1 LUCIANO VIEIRA DUTRA 1 1 INPE - Instituto
Leia maisRegressão. PRE-01 Probabilidade e Estatística Prof. Marcelo P. Corrêa IRN/Unifei
Regressão PRE-01 Probabilidade e Estatística Prof. Marcelo P. Corrêa IRN/Unifei Regressão Introdução Analisar a relação entre duas variáveis (x,y) através da equação (equação de regressão) e do gráfico
Leia maisRedes Neurais. A Rede RBF. Redes RBF: Função de Base Radial. Prof. Paulo Martins Engel. Regressão não paramétrica. Redes RBF: Radial-Basis Functions
Redes RBF: Função de Base Radial Redes Neurais A Rede RBF O LP é baseado em unidades que calculam uma função não-linear do produto escalar do vetor de entrada e um vetor de peso. A rede RBF pertence a
Leia maisControle utilizando variáveis de estado - v1.1
2 ontrole utilizando variáveis de estado - v. 2. Objetivo O objetivo desta experiência é, utilizando o enfoque de espaço de estados, projetar e implementar um controlador digital para uma planta simples
Leia maisFormação Continuada Nova Eja. Plano de Ação II INTRODUÇÃO
Nome: Armando dos Anjos Fernandes Formação Continuada Nova Eja Plano de Ação II Regional: Metro VI Tutor: Deivis de Oliveira Alves Este plano de ação contemplará as unidades 29 e 30. Unidade 29 I - Matrizes
Leia maisAJUSTE DE CURVAS PELO MÉTODO DOS QUADRADOS MÍNIMOS
AJUSTE DE CURVAS PELO MÉTODO DOS QUADRADOS MÍNIMOS Bruna Larissa Cecco 1 Angelo Fernando Fiori 2 Grazielli Vassoler 3 Resumo: Em muitos ramos da ciência, dados experimentais são utilizados para deduzir
Leia maisAnálise e Previsão de Séries Temporais Aula 1: Introdução às séries temporais. Eraylson Galdino
Análise e Previsão de Séries Temporais Aula 1: Introdução às séries temporais egs@cin.ufpe.br Agenda Séries Temporais: Definições Exemplos Modelos simples com média zero: Ruído I.I.D Processo Binário Random
Leia maisProf. Dr. Marcone Augusto Leal de Oliveira UFJF CURSO INTRODUTÓRIO DE 12 HORAS OFERECIDO PARA A PÓS-GRADUAÇÃO DA UFABC EM NOVEMBRO DE 2017
Prof. Dr. Marcone Augusto Leal de Oliveira UFJF CURSO INTRODUTÓRIO DE 2 HORAS OFERECIDO PARA A PÓS-GRADUAÇÃO DA UFABC EM NOVEMBRO DE 207 SUMÁRIO - BREVE DESCRIÇÃO, FUNDAMENTOS, CONCEITOS, CARACTERÍSTICAS,
Leia maisAmigoPai. Matemática. Exercícios de Equação de 2 Grau
AmigoPai Matemática Exercícios de Equação de Grau 1-Mai-017 1 Equações de Grau 1. (Resolvido) Identifique os coeficientes da seguinte equação do segundo grau: 3x (x ) + 17 = 0 O primeiro passo é transformar
Leia mais3 Modelos Comparativos: Teoria e Metodologia
3 Modelos Comparativos: Teoria e Metodologia Para avaliar o desempenho do modelo STAR-Tree, foram estimados os modelos Naive, ARMAX e Redes Neurais. O ajuste dos modelos ARMAX e das redes neurais foi feito
Leia maisCC-226 Aula 07 - Estimação de Parâmetros
CC-226 Aula 07 - Estimação de Parâmetros Carlos Henrique Q. Forster - Instituto Tecnológico de Aeronáutica 2008 Estimação de Parâmetros Para construir o classificador bayesiano, assumimos as distribuições
Leia maisINTRODUÇÃO À ROBÓTICA MÓVEL
INTRODUÇÃO À ROBÓTICA MÓVEL Aua 25 Edson Prestes Departamento de Informática Teórica http://www.inf.ufrgs.br/~prestes prestes@inf.ufrgs.br Locaização Fitragem de Kaman Fitragem de kaman fornece uma abordagem
Leia mais7 CONCLUSÕES E SUGESTÕES PARA TRABALHOS FUTUROS
7 CONCLUSÕES E SUGESTÕES PARA TRABALHOS FUTUROS 7.1. Conclusões Neste trabalho foi estudado o problema da dinâmica da atenuação aplicado a dados resultantes de 28 anos-sítio, sendo 7 de enlaces via satélite
Leia maisUniversidade Federal do Rio Grande do Sul Escola de Engenharia Departamento de Engenharia Elétrica ENG04037 Sistemas de Controle Digitais
Universidade Federal do Rio Grande do Sul Escola de Engenharia Departamento de Engenharia Elétrica ENG04037 Sistemas de Controle Digitais 1 Introdução Identificação via Mínimos Quadrados Prof. Walter Fetter
Leia maisCálculo Numérico. Resumo e Exercícios P1
Cálculo Numérico Resumo e Exercícios P1 Fórmulas e Resumo Teórico Parte 1 Aritmética de ponto flutuante Operar com o número de algarismos significativos exigido. Arredondar após cada conta. Método de escalonamento
Leia mais6 Geração de Cenários
6 Geração de Cenários O planejamento do setor elétrico para operações hidrotérmicas de longo prazo de cada subsistema, atualmente, está fundamentado na avaliação dos resultados da simulação de diversos
Leia maisExercícios Selecionados de Econometria para Concursos Públicos
1 Exercícios Selecionados de Econometria para Concursos Públicos 1. Regressão Linear Simples... 2 2. Séries Temporais... 17 GABARITO... 20 2 1. Regressão Linear Simples 01 - (ESAF/Auditor Fiscal da Previdência
Leia maisTE 231 Capitulo 5 Ajuste de Curva. Prof. Mateus Duarte Teixeira
TE 231 Capitulo 5 Ajuste de Curva Prof. Mateus Duarte Teieira 1. Introdução No capítulo anterior vimos uma forma de trabalhar com uma função (polinômio) definida por uma tabela. A interpolação polinomial.
Leia maisModelagem do comportamento da variação do índice IBOVESPA através da metodologia de séries temporais
Modelagem do comportamento da variação do índice IBOVESPA através da metodologia de séries temporais João Eduardo da Silva Pereira (UFSM) jesp@smail.ufsm.br Tânia Maria Frighetto (UFSM) jesp@smail.ufsm.br
Leia maisMatemática I. Capítulo 3 Matrizes e sistemas de equações lineares
Matemática I Capítulo 3 Matrizes e sistemas de equações lineares Objectivos Matrizes especiais e propriedades do produto de matrizes Matriz em escada de linhas Resolução de sistemas de equações lineares
Leia maisIntrodução. Introdução. Introdução. Introdução. Introdução. Introdução à Robótica Robótica Móvel Localização. Principais questões na Robótica
à Robótica Robótica Móvel Localização Prof. Douglas G. Macharet douglas.macharet@dcc.ufmg.br Principais questões na Robótica Onde estou? (localização) Aonde vou? (objetivo) Como vou? (planejamento)? à
Leia maisFunções Geradoras de Variáveis Aleatórias. Simulação Discreta de Sistemas - Prof. Paulo Freitas - UFSC/CTC/INE
Funções Geradoras de Variáveis Aleatórias 1 Funções Geradoras de Variáveis Aleatórias Nos programas de simulação existe um GNA e inúmeras outras funções matemáticas descritas como Funções Geradoras de
Leia maisVetor de Variáveis Aleatórias
Vetor de Variáveis Aleatórias Luis Henrique Assumpção Lolis 25 de junho de 2013 Luis Henrique Assumpção Lolis Vetor de Variáveis Aleatórias 1 Conteúdo 1 Vetor de Variáveis Aleatórias 2 Função de Várias
Leia maisInferência Estatística:
Inferência Estatística: Amostragem Estatística Descritiva Cálculo de Probabilidade Inferência Estatística Estimação Teste de Hipótese Pontual Por Intervalo Conceitos básicos Estimação É um processo que
Leia maisθ depende de um parâmetro desconhecido θ.
73 Método de Máxima Verosimilhança (Maximum Likelihood) Seja uma variável aleatória (v. a.) cuja densidade de probabilidade depende de um parâmetro desconhecido. Admite-se conhecida a forma de Exemplo
Leia mais