CAPÍTULO 3 CALIBRAÇÃO DE FASE INTERFEROMÉTRICA

Tamanho: px
Começar a partir da página:

Download "CAPÍTULO 3 CALIBRAÇÃO DE FASE INTERFEROMÉTRICA"

Transcrição

1 CAPÍTULO 3 CALIBRAÇÃO DE FASE INTERFEROMÉTRICA 3. Método Utlzando Ponto de Controle O uso de pontos de controle é o meo mas exato para a determnação do offset da fase nterferométrca. Normalmente utlza-se como ponto de controle em magem de radar, um refletor de canto, corner reflector, cua forma mas comum é o tredro trangular (Curlander e McDonoug, 99), de materal metálco, cuo tamano depende do comprmento de onda utlzado pelo radar. Para se gerar um ponto de controle, coloca-se o vértce do refletor de canto em um ponto de coordenadas e alttude conecdos, com o exo central dreconado perpendcularmente a lna de vôo do radar, como lustrado na Fgura 3.. Fg. 3. Refletor de canto. 53

2 O forte snal de retorno serve como ponto de controle, como pode ser vsto na magem SAR da Fgura 3. Através de um ponto de controle tem-se as seguntes nformações: a coordenada cartesana do ponto, p, p, p ), meddo através de GPS, e a dentfcação ( x y z da lna e coluna na magem SAR, l, c ), onde o ponto está localzado. ( p p Fgura 3. Ponto de controle na magem SAR. Para que o offset de fase sea determnado, prmeramente determna-se o valor da fase nterferométrca absoluta, correspondente ao ponto de coordenada p, p e, p ), ( x y z através da geocodfcação SAR nversa (APÊNDICE E). O offset de fase pode então ser calculado a partr da dferença entre o valor da fase absoluta pontual e o valor da fase desdobrada, na posção l, c ), ou sea: ( p p φ off = φabs( p ) φu l p, c ) (3.) ( p onde φ abs ( p ) representa o valor da fase absoluta pontual, relaconada ao ponto de controle, e φ u l p, c ) o valor da fase desdobrada pontual, na coordenada l, c ). ( p ( p p Como o valor de offset de fase é únco para todo nterferograma, este valor é somado a todos os pontos da fase desdobrada, para se obter a fase nterferométrca absoluta, que é utlzada na geração do. 54

3 3. Método de Mnmzação do Erro Global Este método trabala com dados de duas aqusções, em dreções opostas de vôo, com uma área de sobreposção entre as duas faxas mageadas, como lustrado na Fgura 3.3. Este modo de aqusção é comum em mapeamento sstemátco. O método estma os offset de fase das duas aqusções, de tal manera que o erro quadrátco médo entre os s, correspondentes as duas aqusções, na área comum mageada, sea mínmo. Aqusção Aqusção Faxa Faxa Faxa de sobreposção Fg Aqusções em dreções oposta. O correspondente a cada aqusção, é calculado a partr da solução conunta das Equações.0,.,.,.3 e.4, onde o valor da fase nterferométrca absoluta na Equação.3, pode ser escrta da segunte manera: φabs = φu + φoff (3.) φ representa a fase nterferométrca desdobrada, e φ off onde u de fase estmado. representa o offset 55

4 O método proposto por Pasqual e Holecz (998) (comuncação pessoal), busca a mnmzação da função de erro quadrátco médo entre os s. O erro é avalado em uma anela dentro da área de sobreposção, ou sea: [ (, ) ( ) ],, ε = (3.3) N anela O método utlza algortmo de mnmzação de função, através do método numérco de nterpolação parabólca (Press et al., 998). O algortmo busca o erro mínmo global entre os s, na anela de avalação, de onde se estma os valores dos offset de fase das duas aqusções, φ off e φ. off A Fgura 3.4 lustra o processo de busca do erro mínmo global, através da determnação do ponto de mínmo da prmera parábola, e em seguda do ponto de mínmo da segunda parábola, ortogonal a prmera, representadas pela função de erro. φ off Isolnas decrescentes de erro, ε a. nterpolação parabólca a. nterpolação parabólca φ off φ off φ off Fg. 3.4 Ilustração do processo da estmatva dos offset de fase. Este método consome muto tempo de processamento, pos a cada nteração, ou sea, a cada estmatva de φ off e φoff, calcula-se o de ambas as anelas, na área de sobreposção, para que o erro sea avalado. Apesar da convergênca lenta do método, ele é robusto, e os valores estmados dos offset de fase, normalmente estão bem próxmos daqueles obtdos através de pontos de controle. 56

5 3.3 O Novo Método Proposto O novo método proposto neste trabalo para calbração de fase, utlza também duas aqusções, com uma área de sobreposção entre elas, como lustrado na Fgura 3.. O método basea-se na construção de funções, Φ ( ) e Φ ( ) off off, que relaconam offset de fase com alttude, para ambas as aqusções, em um conunto de pontos na regão de sobreposção. Para cada ponto, cra-se uma outra função que relacona Φ ( ) com Φ ( ) off off, através de um processo de nterpolação. A famíla das novas funções apresenta um ponto de cruzamento, de onde pode se estmar os valores dos offset de fase, φ off e φ. off 3.3. Equaconamento do Método O equaconamento básco do método esta baseado na geometra de aqusção, ou sea, nas duas aqusções em dreções opostas, lustrada na Fgura 3.5. Aqusção Aqusção A A α A A θ θ H r p r p H r q r q P max mn Faxa de sobreposção em range Fg Geometra de aqusção do método proposto. 57

6 Segundo a Equação., a partr das fases nterferométrcas desdobradas φu ( P) e φ de ambas as aqusções, a altura do ponto P, representado na Fgura 3.5, u( P) pode ser calculado da segunte manera: Aqusção : λ [ r + rq ] cosθ = H ( φu( P) + φ off ) + r θ = H cos (3.4) q 4π Aqusção : λ [ r + rq ] cosθ = H ( φu ( P) + φoff ) + r θ = H cos (3.5) q 4π onde r e r representam as dferenças de dstânca, r q e rq as dstâncas entre o ponto P e a antena secundára A do radar, para as duas aqusções, e φ off e φ os off offset de fase das duas aqusções. Relaconando as Equações 3.4 e 3.5, obtêm-se: λ ( φu( P) + φ off ) + rq cosθ = H ( φu( P) + φ off ) + rq θ λ H cos (3.6) 4π 4π Escrevendo φ em função de φ off off, tem-se: [( r cosθ r ) + ( H H )] cosθ cosθ 4π = φ θ φ (3.7) off φ off + φ u ( P) u( P) + q q cos cosθ cosθ λ cosθ Para um ponto genérco P de altura, o últmo termo da Equação 3.7 pode ser gualado a zero, ou sea: rq cosθ = H B v (3.8) r q = H B v cosθ (3.9) onde B é a componente vertcal nomnal da lna-base. v Consderou-se para as duas aqusções, o mesmo valor da componente vertcal da lnabase, segundo as Equações 3.8 e 3.9, pos a compensação de movmento da aeronave, durante a fase de geração da magem SAR, austa as componentes vertcal e orzontal da lna-base, para valores nomnas. 58

7 Substtundo as Equações 3.8 e 3.9 no últmo termo da Equação 3.7, este termo se anula. A Equação 3.7 fca portanto gual a: φ cosθ cosθ off = φ off + φ u ( P) φ (3.0) u( P) cosθ cosθ Através da relação entre os ângulos de ncdênca no ponto P, defne-se o segunte coefcente: K θ (3.) θ ( P) = cosθ cos O coefcente K θ vara de acordo com a posção de range. Normalmente para (P) sstemas de radar mageador aerotransportado, o ângulo θ vara entre sso o coefcente vara entre 0.5 e.8. A Equação 3.0 pode ser escrta como: 5 e 60, com φ = φ K + φ K + φ (3.) off off θ ( P) u ( P) θ ( P) u( P) Consderando o caso deal, ou sea, a ausênca de ruídos de fase (APÊNDICE C) nos nterferogramas, a Equação 3. deve ser satsfeta para qualquer ponto P de altura, na área de sobreposção, da segunte manera: φ = φ K + φ K + φ (3.3) off off θ ( ) u ( ) θ ( ) u( ) Como não se conece a altura de cada ponto P, cra-se funções, off ( ) Φ off ( ), de offset de fase em função da altura, para [ ] mn, max Φ e, para a prmera aqusção e para a segunda aqusção respectvamente, no ponto P. Esta funções satsfazem as seguntes condções: e ( ) = Φ off φoff (3.4 a) ( ) = Φ off φoff (3.4 b) 59

8 Na vznança de colocada da segunte forma:, pertencente ao ntervalo [ ] mn, max off ( ) = Φ off ( ). Kθ + φ. ( ) u K ( ) θ + φ ( ) u( ), a Equação 3.3 pode ser Φ (3.5) para pertencente à vznança de. Na vznança de, a Equação 3.5 comporta-se como uma função lnear, cuo gradente é gual a K θ e valor médo gual a φ () u. K ( ) θ + φ ( ) u( ). Tomando um outro ponto P, de altura, na área de sobreposção, em uma localzação em range dferente de P, ou sea, com um ) K θ dferente de ) ( K θ (, a Equação 3.3 pode ser escrta como: Φ (3.6) off ( ) = Φ off ( ). Kθ + φ. ( ) u K ( ) θ + φ ( ) u ( ) para pertencente à vznança de. Também neste caso, a Equação 3.6 comporta-se como uma função lnear, cuo gradente é gual a K θ ( ) e valor médo gual a φu K ( ) θ + φ ( ) u ( ).. Como deve exstr um únco par de valor, φ, φ ), satsfazendo as Equações 3.5 e ( off off 3.6, estas funções devem se cruzam no ponto [ Φ off ( ), Φ off ( )] [ off ( ), Φ off ( )] Φ. Φ, no plano defndo por Φ off e off, concdente com No caso deal, sem ruídos de fase, dada uma famíla de funções defndas em um conunto de pontos, na área de sobreposção, elas se cruzam em um únco ponto, no plano defndo por Φ off e Φ off, que defne os offset de fase, ou sea, φ e off φ. off No caso real, ou sea, devdo a ruídos de fase presentes nos nterferogramas, as funções não se cruzam em únco ponto, no plano defndo por Φ off e Φ off agrupamento de pontos sobre o ponto verdadero, e na vznança próxma., mas em um 60

9 Para que a estmatva dos offset de fase sea boa, deve-se utlzar város pontos na áreas de sobreposção. O número mínmo de pontos necessáros para se gerar o grupo de funções de offset de fase, fo estmado segundo uma smulação estatístca descrta no APÊNDICE H. Estmou-se que acma de 60 pontos os valores de offset de fase se establzam. Para que pratcamente todos os tpos de topografa seam atenddos, com uma margem de segurança, consdera-se que 00 pontos sea um número aproprado. Além dsso, os pontos escoldos devem estar posconados em locas onde o fator de coerênca, defndo no tem..5, estea acma de um certo lmar, o valor 0.5 mostrouse aproprado. Isto garante que pontos localzados em locas muto rudosos na fase desdobrada não seam utlzados, com sso, o ponto de cruzamento no plano defndo Φ e Φ off, pode ser melor determnado, obtendo-se assm uma melor por off estmatva dos valores de offset de fase, ou sea, ˆoff φ e ˆoff φ. Para que os cruzamento seam bem defndos, recomenda-se também que o grupo de pontos analsados, seam metades posconados na regão de sobreposção mas próxma da aqusção, e a outra metade o mas próxma de aqusção, para que se tena bem dstntos em cada metade, garantndo nclnações dferentes na regão de cruzamento das funções. Kθ 3.3. Algortmo para a Estmatva dos Valores de Offset de Fase Para cada ponto seleconado dentro da área de sobreposção, calcula-se o offset de fase em função da altura, no ntervalo entre segundo a segunte seqüênca de operações: a, como lustrado na Fgura 3.5, mn max a) Para um determnado ponto genérco P na área de sobreposção, de coordenadas e alttude conecdos, calcula-se prmeramente a dferença de range, r, utlzando método de geocodfcação SAR nversa (APÊNDICE E). p r q 6

10 b) A partr da dferença de range, calcula-se a dferença de fase absoluta, relaconada ao do ponto φ 4π λ ( r r ) P, para ambas as aqusções, ou sea: abs ( ) = p q (3.7) onde ndca a aqusção e a altura a partr da qual se calcula a dferença de range. c) Calcula-se o offset de fase no ponto P, de altura, para ambas as aqusções, ou sea: ( l c ) Φ (3.8) off ( ) = φabs ( ) φu ( ), onde φ ( l, c ) u ( ) ( l, c ) representa a fase desdobrada pontual, na coordenada, correspondente a aqusção d) Repete-se as operações (a), (b) e (c) para o mesmo ponto P, para uma nova altura + δ. Estas operações são repetdas até que todo ntervalo de mn a max sea varrdo, e as funções de offset de fase, correspondente ao ponto cradas. P, seam e) As duas funções de offset de fase, correspondentes às duas aqusções, no ponto P, são colocados uma em função da outra, por um processo de nterpolação lnear por vzno mas próxmo, crando uma tercera função, da segunte manera: g ( Φoff, Φoff ) = ΙLIN [ Φoff ( ), Φoff ( )] mn max (3.9) f) Repete-se as operações de (a) até (e), para um grupo de pontos na regão de sobreposção, gerando com sso uma famíla de funções representadas pela Equação (3.9). g) Calcula-se o ponto de cruzamento do grupo de funções, para que os offset de fase das duas aqusções, ˆoff φ e ˆoff φ, seam determnados. 6

11 3.3.3 Implementação do Método O prmero passo para a mplementação do método, consste em dentfcar a regão de sobreposção, para que a área de atuação do método sea estabelecda. Após esta dentfcação, extra-se desta regão as fases desdobradas e as magens de coerênca de ambas as aqusções. Em seguda, são aplcadas uma sére de operações, lustradas na Fgura 3.6., para que os valores de offset de fase seam determnados. φ u Co φ u Co Lmar de C o e r ê n c a Lmar de C o e r ê n c a mn max δ φ φ off off = f ( ) = f ( ) φˆoff φˆoff g( φ off, φoff ) = ILIN( φoff, φoff ) T r a n s f o r m a ç ã o p o r P r n c p a s C o m p o n e n t e s E s t m a t v a d os o f fs e t d e f a s e C á l c u l o d e ê r r o A t u a l z a ç ã o d o s p a r â m e t r o s ε δ mn max ˆ φ off ˆ φ off Fg. 3.6 Seqüênca de operações do método. Os nterferogramas são valdados de acordo com um valor lmte de coerênca, ou sea, pontos na área de sobreposção com fator de coerênca abaxo 0.5 (valor determnado emprcamente), não são utlzados na construção do grupo de funções de offset de fase, pos estes pontos podem comprometer a qualdade destas funções. 63

12 O método proposto trabala em duas etapas, na prmera estma-se grosseramente os offset, e na segunda etapa realza-se uma estmatva mas fna. Prmera etapa: ) Determna-se os parâmetros mn e de tal forma que garantam o cruzamento max das funções de offset de fase. Estes parâmetros são calculados a partr do conecmento da alttude méda da área mageada., e dos valores máxmo e mínmo da fase desdobrada, na área de sobreposção. ) Determna-se o ncremento de alttude, utlzando a segunte regra básca: δ = 0. (3.0) ρ onde ρ representa a resolução altmétrca do modelo de elevação. 3) Determna-se o número de passos para a construção das funções de offset de fase, ou sea: N ( ) δ = max (3.) p m 4) Estma-se grosseramente os offset de fase, ˆoff φ e ˆoff φ, segundo o algortmo descrto no tem ) Gera-se os s de ambas as aqusções, na área de sobreposção, e calcula-se o erro quadrátco médo entre eles, ε, para verfcar a valdade de ˆoff φ e ˆoff φ. Um valor muto alto de ε, ndca que a qualdade das fases desdobradas, na área de sobreposção, são muto rudosas, ou sea, uma área predomnantemente de baxa coerênca. 64

13 Segunda etapa: ) Calcula-se a alttude de cada ponto P, do grupo utlzado na prmera etapa,, e austa-se um ntervalo de avalação vezes menor que o da prmera etapa: ( )/ 0, cuo módulo do ntervalo sea 0 = max mn (3.) ) Calcula-se para cada ponto P, o valor máxmo e mínmo da altura do ntervalo de avalação: MIN MAX = / (3.3) = + / (3.4) 3) Altera-se o ncremento de alttude para um degrau menor: δ = ρ (3.5) 4) Estma-se de manera mas fna os offset de fase, ˆoff φ e ˆoff φ, segundo o algortmo descrto no tem ) Gera-se os s de ambas as aqusções, na área de sobreposção, e calcula-se o erro quadrátco médo entre eles, ε. Para exemplfcar o funconamento do método, a Fgura 3.7 lustra o cruzamento da famíla de funções de offset de fase, no plano defndo por Φ off e Φ off, geradas de acordo com o tem 3.3.3, durante a prmera (a) e segunda (b) etapa do método. Neste exemplo utlzou-se 00 pontos para a geração das funções de offset de fase, e um ncremento altmétrco ncal, δ, de 5 metros, para a prmera etapa e 0.5 metros para a segunda etapa. 65

14 (a) (b) Fgura Representação da famíla de funções de offset de fase, nas duas etapas. Nota-se na Fgura 3.7 (b) uma maor dspersão do ponto de cruzamento, pos a medda que a escala do plano defndo por Φ off e Φ off, sea menor, observa-se melor a dspersão, devdo a presença de ruído de fase presente nas fases desdobradas. A estmatva do ponto de cruzamento das funções de offset de fase, como lustrado na Fgura 3.7, e consequentemente dos valores de ˆoff φ e ˆoff φ, pode ser realzada através da medda de dspersão das funções, no plano defndo por Φ off e Φ off. Um meo de medr esta dspersão, é através da medda da varânca de Φ off em relação a off Φ, para a estmatva do offset de fase da prmera aqusção, ˆoff φ, e da medda da varânca de Φ off em relação a Φ off, para a estmatva do offset de fase da segunda aqusção, ˆoff φ. Contudo este processo não é muto exato quando a orentação das funções de offset de fase, estão próxmas dos exos. Este problema pode ser soluconado, através da rotação das funções de offset de fase, em relação ao exo da orentação prncpal destas funções. Desta manera, o ponto de cruzamento das funções pode ser estmado mas faclmente, através da medda da varânca das funções rotaconadas, em relação ao exo prncpal, e da méda das 66

15 funções rotaconadas no ponto de varânca mínma. O método de rotação utlzado, fo o da Transformação por Prncpas Componentes (Rcards, 993), bdmensonal, defnda no plano de Φ off e Φ off como um vetor., onde cada amostra da famíla de funções é tratada A dreção resultante, ou sea, o exo prncpal de rotação da transformação, é dado pelos auto-vetores da matrz de covarânca das amostras. A Fgura 3.8 lustra a famíla de funções rotaconadas, correspondentes à lustração da Fgura 3.7 (a), utlzando-se a Transformação por Prncpas Componentes. Fg Transformação por Prncpas Componentes das funções de offset de fase. Como pode ser vsto na Fgura 3.9, o ponto de cruzamento das funções rotaconadas pode ser faclmente estmado, ou sea, determna-se φ através da medda da R off varânca mínma das funções rotaconadas, em relação ao exo prncpal, e φ, R off através da méda das funções rotaconadas no ponto de varânca mínma. A Fgura 3.9, parte nferor, lustra a famíla de funções rotaconadas, bem como a correspondente varânca, parte superor, referente a lustração da Fgura 3.7 (b). 67

16 Fg. 3.9 Ilustração da determnação da varânca da famíla de funções rotaconadas. Aplcando uma Transformação por Prncpas Componentes Inversa nos valores de φ R off e φr off, determna-se os offset de fase da prmera e segunda aqusção, ˆoff φ e ˆoff φ. 68

17 3.4 Teste Comparatvo entre os Métodos Foram testados 0 pares de magens, com uma porcentagem de sobreposção entre eles da ordem de 50%, com 3 dferentes característcas, ou sea, a prmera com um predomíno de área plana, a segunda caracterzada por uma mstura de área plana, morros e vegetação, e a tercera com predomíno de morros e vales. A Fgura 3.0 lustra as característcas dos três tpos de áreas testadas (a) (b) (c) Fg Tpos de áreas testadas (a) plana, (b) msta, (c) acdentada. Obs: As magens utlzadas são referentes ao Proeto de transposção de águas do Ro são Francsco, com as seguntes característcas: Imagem de Km x Km, resolução de.0 m, Banda X, modo nterferométrco. 69

18 Cada coluna da Fgura 3.0 representa um tpo de área, com as seguntes nformações, na ordem de cma para baxo, a magem SAR, o nterferograma, fase nterferométrca desdobrada e a magem de coerênca. Nota-se na área acdentada, o aparecmento de regões escuras na magem de coerênca, devdo a problemas de sombra e nversão (APÊNDICE A) e ruídos no nterferograma, caracterzando regões de baxa coerênca, evtadas pelo algortmo proposto. TABELA 3. - TABELA COMPARATIVA DOS RESULTADOS DE OFFSET DE FASE Teste Característca da área Ponto de controle offset (rd) plana ma, ma.55, --- plana.55, plana 8.4, plana 8.86, msta.490, msta -3.83, msta.03, msta.086, acdentada 8.484, acdentada 8.530, --- Método Mnmzação de função offset (rd) Tempo ma, ma Proc. (mn.).396,.73 ε = 0.73 m ,.58 ε = 0.64 m , 8.66 ε = 0.78 m ,.996 ε = m , ε = 0.35 m , ε = 0.3 m , ε = m , ε = m ,.355 ε = m , 5.60 ε = m 76 Novo método offset (rd) Tempo ma, ma Proc. (mn.).3,.98 ε = m 3.76,.58 ε = 0.66 m , 8.74 ε = 0.90 m 3 8.,.03 ε = m 4.708, ε = 0.35 m , ε = 0.3 m 3.846, ε = m ,7.85 ε = m ,.78 ε = m , 5.6 ε = m 4 70

19 A Tabela 3. mostra os resultados dos offset de fase, em 0 dferentes áreas, utlzando os três métodos descrtos. Os valores em negrtos são correspondentes as magens onde exstem refletores de canto. Os tempos de processamento dos dos últmos métodos foram computados. A plataforma de processamento utlzada fo um PC com as seguntes característcas: 333 MHz de clock, 56 Mb de memóra prncpal, e 9 Gb de memóra em dsco rígdo, com sstema operaconal LINUX versão3., e lnguagem IDL versão 5.. Nota-se a pouca dferença entre os valores de offset de fase obtdos pelo método de mnmzação de erro global e pelo novo método proposto. A Tabela 3. apresenta as dferenças dos offset de fase entre os três métodos descrtos, para as 0 áreas testadas. TABELA 3. - DIFERENÇAS DE OFFSET DE FASE ENTRE OS MÉTODOS Teste Característca da área Dferença de offset de fase entre os Métodos (Ponto controle Mnm. de função) (radanos) (Ponto controle Novo método) (radanos) (Mnm. de função Novo Método) (radanos) Plana plana plana plana msta msta msta msta acdentada acdentada φ rms (rd)

20 Nota-se na Tabela 3., que os valores de offset obtdos pelos dos últmos métodos, são pratcamente guas, mas com uma dferença de tempo de processamento da ordem de 0 vezes menor, para o novo método proposto. Na Tabela 3., nota-se que o valor máxmo das dferenças de offset é de 0.57 radanos e uma dferença quadrátca méda da ordem de 0. radanos, resultado este que se equpara ao método de mnmzação do erro global, em termos destas dferenças. Outro tpo de teste realzado, fo o cálculo do offset de fase com dferentes graus de sobreposção entre as duas aqusções. Duas áreas testes foram utlzadas, a prmera com característca de superfíce plana e a segunda de característca acdentada. A Tabela 3.3 apresenta os resultados obtdos. TABELA CÁLCULO DOS OFFSET DE FASE COM DIFERENTES GRAUS DE SOBREPOSIÇÃO Grau de sobreposção entre as duas aqusções Teste Tpo de da área 50% 40% 30% 0% offset (rd) offset (rd) offset (rd) offset (rd) Ima, I ma Ima, Ima Ima, Ima Ima, Ima Plana ε.636,.48 = 0.67 m ε.673,.547 = 0.64 m.644,.548 ε = 0.66 m.70,.609 ε = 0.76 m Acdentada 8.675, 5.03 ε = m 8.573, 5.0 ε = m 8.448, ε = m 8.58, ε = m Nota-se na Tabela 3.3, que fo possível calcular os offset de fase com todos os graus de sobreposção, contudo, para sobreposção menor que 40% na a área acdentada, o erro quadrátco médo entre os tende a aumentar, bem como a varação na dferença entre offset de fase, tomando como referênca o offset de 50%. 7

21 O novo método de cálculo de offset de fase nterferométrca, mostrou-se sufcentemente robusto para qualquer tpo de área, quando a sobreposção é maor que 40%, o que normalmente ocorre em mapeamento sstemátco Análse de Erros no Devdo a Erro no Offset de Fase O erro no, devdo a dferença entre o offset de fase real, obtdo através do uso de corner-reflector, e o offset de fase obtdo através do novo método, pode ser analsado através da equação que relacona o erro de fase, com o erro no modelo de elevação (APÊNDICE C), ou sea: φ λ. r.senθ σ z ( m) = σ φ (3.6) off 4πB n onde σ φoff representa o desvo no offset de fase, r representa a dstânca entre a antena prncpal e um ponto genérco no solo, θ representa o ângulo entre o nadr e o vetor r, e onde B n representa a lna-base normal, defnda pela segunte equação: B = B cosθ + B senθ (3.7) n v B representa a lna-base orzontal, e B v a lna-base vertcal. As magens utlzadas nos testes, foram adqurdas segundo a geometra lustrada na Fgura 3., com os seguntes valores nomnas: Altura de vôo méda em relação ao solo: H = 3500m Faxa mageada no solo: Faxa = 000 m Varação do ângulo θ: 9 a 50 Varação da dstânca r : r = H/cosθ Lna-base orzontal: B =.3655 m Lna-base vertcal: B v = m 73

22 Bv B H 9 50 r Faxa mageada range Fg. 3. Geometra de aqusção das magens de teste. Nota-se nas Equações 3. e 3.3, que para um dado desvo no offset de fase, o desvo no modelo de elevação vara através da largura da faxa de vôo, ntroduzndo um erro no na dreção perpendcular ao vôo. A Fgura 3. lustra esta varação no modelo de elevação, para dversos valores de desvo no offset de fase, de acordo com a geometra utlzada nas magens de teste. Fg. 3. Desvos nos valores do modelo de elevação. 74

23 A Tabela 3.4 lustra o erro quadrátco médo no modelo de elevação, para os dversos valores de desvo no offset de fase. TABELA ERRO QUADRÁTICO MÉDIO NO MODELO DE ELEVAÇÃO φ (rd) 0,04 0,0 0,5 0,0 0,5 0,30 0,35 0,40 0,45 e rms (m) 0,93 0,386 0,579 0,77 0,965,88,35,545,738 Segundo a Tabela 3., o desvo máxmo encontrado nos 0 teste realzados, fo de 0.57 radanos para o novo método, e um valor quadrátco médo de 0. radanos. Estes desvos provocaram um erro quadrátco médo no menor que.0 metro, segundo a Tabela 3.4. Com este valor de erro no, é possível utlzá-lo na geração de cartas topográfcas, com uma eqüdstânca entre as curvas de nível de até.0 metros, ou sea, para cartas na escala de :5000, pos neste caso o erro admtdo sera de até mea eqüdstânca, ou sea, erro de até.0 metro na altmetra. Pode-se conclur então, que o método de calbração de fase nterferométrca proposto, pode ser utlzado para a geração de produtos cartográfcos na escala gual e nferor a :5000, quando a geometra de aqusção das magens assm o permtr. O novo método de calbração de fase, se mostrou bastante rápdo, robusto e sem a necessdade de nenuma ntervenção do operador, o que faz este método, aproprado para um processo de geocodfcação automátca de magens SAR nterferométrcas. 75

24 76

3 Método Numérico. 3.1 Discretização da Equação Diferencial

3 Método Numérico. 3.1 Discretização da Equação Diferencial 3 Método Numérco O presente capítulo apresenta a dscretação da equação dferencal para o campo de pressão e a ntegração numérca da expressão obtda anterormente para a Vscosdade Newtonana Equvalente possbltando

Leia mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

Ângulo de Inclinação (rad) [α min α max ] 1 a Camada [360,0 520,0] 2000 X:[-0,2065 0,2065] Velocidade da Onda P (m/s)

Ângulo de Inclinação (rad) [α min α max ] 1 a Camada [360,0 520,0] 2000 X:[-0,2065 0,2065] Velocidade da Onda P (m/s) 4 Estudo de Caso O estudo de caso, para avalar o método de estmação de parâmetros trdmensonal fo realzado em um modelo de referênca de três camadas, e foram realzados os seguntes passos: Descrção do modelo

Leia mais

Estatística II Antonio Roque Aula 18. Regressão Linear

Estatística II Antonio Roque Aula 18. Regressão Linear Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão

Leia mais

Aula Características dos sistemas de medição

Aula Características dos sistemas de medição Aula - Característcas dos sstemas de medção O comportamento funconal de um sstema de medção é descrto pelas suas característcas (parâmetros) operaconas e metrológcas. Aqu é defnda e analsada uma sére destes

Leia mais

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo 3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas

Leia mais

Curvas Horizontais e Verticais

Curvas Horizontais e Verticais Insttução: Faculdade de Tecnologa e Cêncas Professor: Dego Queroz de Sousa Dscplna: Topografa Curvas Horzontas e ertcas 1. Introdução Exstem dversas ocasões na engenhara em que os projetos são desenvolvs

Leia mais

CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues

CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogéro Rodrgues I) TABELA PRIMITIVA E DISTRIBUIÇÃO DE FREQÜÊNCIA : No processo de amostragem, a forma de regstro mas

Leia mais

Algarismos Significativos Propagação de Erros ou Desvios

Algarismos Significativos Propagação de Erros ou Desvios Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca

Leia mais

SC de Física I Nota Q Nota Q2 Nota Q3 NOME: DRE Teste 1

SC de Física I Nota Q Nota Q2 Nota Q3 NOME: DRE Teste 1 SC de Físca I - 2017-2 Nota Q1 88888 Nota Q2 Nota Q3 NOME: DRE Teste 1 Assnatura: Questão 1 - [3,5 pontos] Uma partícula de massa m se move sobre uma calha horzontal lsa com velocdade constante de módulo

Leia mais

REGRESSÃO NÃO LINEAR 27/06/2017

REGRESSÃO NÃO LINEAR 27/06/2017 7/06/07 REGRESSÃO NÃO LINEAR CUIABÁ, MT 07/ Os modelos de regressão não lnear dferencam-se dos modelos lneares, tanto smples como múltplos, pelo fato de suas varáves ndependentes não estarem separados

Leia mais

CURSO de ESTATÍSTICA Gabarito

CURSO de ESTATÍSTICA Gabarito UNIVERSIDADE FEDERAL FLUMINENSE TRANSFERÊNCIA o semestre letvo de 010 e 1 o semestre letvo de 011 CURSO de ESTATÍSTICA Gabarto INSTRUÇÕES AO CANDIDATO Verfque se este caderno contém: PROVA DE REDAÇÃO com

Leia mais

2 Principio do Trabalho Virtual (PTV)

2 Principio do Trabalho Virtual (PTV) Prncpo do Trabalho rtual (PT)..Contnuo com mcroestrutura Na teora que leva em consderação a mcroestrutura do materal, cada partícula anda é representada por um ponto P, conforme Fgura. Porém suas propredades

Leia mais

2 Análise de Campos Modais em Guias de Onda Arbitrários

2 Análise de Campos Modais em Guias de Onda Arbitrários Análse de Campos Modas em Guas de Onda Arbtráros Neste capítulo serão analsados os campos modas em guas de onda de seção arbtrára. A seção transversal do gua é apromada por um polígono conveo descrto por

Leia mais

7 Tratamento dos Dados

7 Tratamento dos Dados 7 Tratamento dos Dados 7.. Coefcentes de Troca de Calor O úmero de usselt local é dado por h( r )d u ( r ) (7-) k onde h(r), o coefcente local de troca de calor é h( r ) q''- perdas T q''- perdas (T( r

Leia mais

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD1507 Estatístca Aplcada à Admnstração I Prof. Dr. Evandro Marcos adel Rbero

Leia mais

3 A técnica de computação intensiva Bootstrap

3 A técnica de computação intensiva Bootstrap A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.

Leia mais

Gráficos de Controle para Processos Autocorrelacionados

Gráficos de Controle para Processos Autocorrelacionados Gráfcos de Controle para Processos Autocorrelaconados Gráfco de controle de Shewhart: observações ndependentes e normalmente dstrbuídas. Shewhart ao crar os gráfcos de controle não exgu que os dados fossem

Leia mais

Capítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES

Capítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES Capítulo. Aproxmações numércas 1D em malhas unformes 9 Capítulo. AROXIMAÇÕS NUMÉRICAS 1D M MALHAS UNIFORMS O prncípo fundamental do método das dferenças fntas (MDF é aproxmar através de expressões algébrcas

Leia mais

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência. MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,

Leia mais

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16% Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $

Leia mais

5 Relação entre Análise Limite e Programação Linear 5.1. Modelo Matemático para Análise Limite

5 Relação entre Análise Limite e Programação Linear 5.1. Modelo Matemático para Análise Limite 5 Relação entre Análse Lmte e Programação Lnear 5.. Modelo Matemátco para Análse Lmte Como fo explcado anterormente, a análse lmte oferece a facldade para o cálculo da carga de ruptura pelo fato de utlzar

Leia mais

4 Critérios para Avaliação dos Cenários

4 Critérios para Avaliação dos Cenários Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada

Leia mais

DELINEAMENTOS EXPERIMENTAIS

DELINEAMENTOS EXPERIMENTAIS SUMÁRIO 1 Delneamentos Expermentas 2 1.1 Delneamento Interamente Casualzado..................... 2 1.2 Delneamento Blocos Casualzados (DBC).................... 3 1.3 Delneamento Quadrado Latno (DQL)......................

Leia mais

6 Análises de probabilidade de ruptura de um talude

6 Análises de probabilidade de ruptura de um talude 6 Análses de probabldade de ruptura de um talude 6.. Introdução No presente capítulo, apresentam-se prevsões de probabldades de ruptura para o talude de jusante da Barragem de Benguê mostrada na fgura

Leia mais

Análise de Regressão Linear Múltipla IV

Análise de Regressão Linear Múltipla IV Análse de Regressão Lnear Múltpla IV Aula 7 Guarat e Porter, 11 Capítulos 7 e 8 He et al., 4 Capítulo 3 Exemplo Tomando por base o modelo salaro 1educ anosemp exp prev log 3 a senhorta Jole, gerente do

Leia mais

Universidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Classificadores Lineares. Luiz Eduardo S. Oliveira, Ph.D.

Universidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Classificadores Lineares. Luiz Eduardo S. Oliveira, Ph.D. Unversdade Federal do Paraná Departamento de Informátca Reconhecmento de Padrões Classfcadores Lneares Luz Eduardo S. Olvera, Ph.D. http://lesolvera.net Objetvos Introduzr os o conceto de classfcação lnear.

Leia mais

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas 3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas

Leia mais

O MMD se baseia no sistema no sistema linearizado das equações de fluxo de potência, ou seja: Δ (4.1)

O MMD se baseia no sistema no sistema linearizado das equações de fluxo de potência, ou seja: Δ (4.1) 4 Método da Matrz D Neste capítulo será apresentada uma descrção do MMD [Prada, 99], [Prada, ]. Este método será usado para dentfcar casos de nstabldade de tensão causados pela perda de controlabldade.

Leia mais

Experiência V (aulas 08 e 09) Curvas características

Experiência V (aulas 08 e 09) Curvas características Experênca (aulas 08 e 09) Curvas característcas 1. Objetvos 2. Introdução 3. Procedmento expermental 4. Análse de dados 5. Referêncas 1. Objetvos Como no expermento anteror, remos estudar a adequação de

Leia mais

1. CORRELAÇÃO E REGRESSÃO LINEAR

1. CORRELAÇÃO E REGRESSÃO LINEAR 1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação

Leia mais

6 Modelo Proposto Introdução

6 Modelo Proposto Introdução 6 Modelo Proposto 6.1. Introdução Neste capítulo serão apresentados detalhes do modelo proposto nesta dssertação de mestrado, onde será utlzado um modelo híbrdo para se obter prevsão de carga curto prazo

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ Em mutas stuações duas ou mas varáves estão relaconadas e surge então a necessdade de determnar a natureza deste relaconamento. A análse

Leia mais

2 Incerteza de medição

2 Incerteza de medição 2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr

Leia mais

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de

Leia mais

PROVA 2 Cálculo Numérico. Q1. (2.0) (20 min)

PROVA 2 Cálculo Numérico. Q1. (2.0) (20 min) PROVA Cálculo Numérco Q. (.0) (0 mn) Seja f a função dada pelo gráfco abaxo. Para claro entendmento da fgura, foram marcados todos os pontos que são: () raízes; () pontos crítcos; () pontos de nflexão.

Leia mais

Gabarito para a prova de 1º Ano e 8ª serie (atual 9º Ano)

Gabarito para a prova de 1º Ano e 8ª serie (atual 9º Ano) Gabarto para a prova de 1º Ano e 8ª sere (atual 9º Ano) 1. t t c F 5 3 9 ; t c 451 3 5 9 o ; tc 33 C ΔS. a) Δ t 5 s V 4, 1 mnuto possu 6 s, portanto, dos 5 s temos: 8 mnutos (equvale a 48 s) e sobram segundos.

Leia mais

CORRELAÇÃO E REGRESSÃO

CORRELAÇÃO E REGRESSÃO CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr

Leia mais

IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO

IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO Alne de Paula Sanches 1 ; Adrana Betâna de Paula Molgora 1 Estudante do Curso de Cênca da Computação da UEMS, Undade Unverstára de Dourados;

Leia mais

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC) UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade

Leia mais

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma Capítulo 8 Dferencação Numérca Quase todos os métodos numércos utlzados atualmente para obtenção de soluções de equações erencas ordnáras e parcas utlzam algum tpo de aproxmação para as dervadas contínuas

Leia mais

Regressão Múltipla. Parte I: Modelo Geral e Estimação

Regressão Múltipla. Parte I: Modelo Geral e Estimação Regressão Múltpla Parte I: Modelo Geral e Estmação Regressão lnear múltpla Exemplos: Num estudo sobre a produtvdade de trabalhadores ( em aeronave, navos) o pesqusador deseja controlar o número desses

Leia mais

Radiação Térmica Processos, Propriedades e Troca de Radiação entre Superfícies (Parte 2)

Radiação Térmica Processos, Propriedades e Troca de Radiação entre Superfícies (Parte 2) Radação Térmca Processos, Propredades e Troca de Radação entre Superfíces (Parte ) Obetvo: calcular a troca por radação entre duas ou mas superfíces. Essa troca depende das geometras e orentações das superfíces,

Leia mais

Representação e Descrição de Regiões

Representação e Descrição de Regiões Depos de uma magem ter sdo segmentada em regões é necessáro representar e descrever cada regão para posteror processamento A escolha da representação de uma regão envolve a escolha dos elementos que são

Leia mais

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,

Leia mais

DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS

DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS 1 A análse de dagnóstco (ou dagnóstco do ajuste) confgura uma etapa fundamental no ajuste de modelos de regressão. O objetvo prncpal da análse de dagnóstco

Leia mais

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro. Aplcação Por exemplo, se prepararmos uma área expermental com todo cudado possível e fzermos, manualmente, o planto de 100 sementes seleconadas de um mlho híbrdo, cudando para que as sementes fquem na

Leia mais

MODELOS DE REGRESSÃO PARAMÉTRICOS

MODELOS DE REGRESSÃO PARAMÉTRICOS MODELOS DE REGRESSÃO PARAMÉTRICOS Às vezes é de nteresse nclur na análse, característcas dos ndvíduos que podem estar relaconadas com o tempo de vda. Estudo de nsufcênca renal: verfcar qual o efeto da

Leia mais

Programa de Certificação de Medidas de um laboratório

Programa de Certificação de Medidas de um laboratório Programa de Certfcação de Meddas de um laboratóro Tratamento de dados Elmnação de dervas Programa de calbração entre laboratóros Programa nterno de calbração justes de meddas a curvas Tratamento dos resultados

Leia mais

Professor: Murillo Nascente Disciplina: Física Plantão

Professor: Murillo Nascente Disciplina: Física Plantão Professor: Murllo Nascente Dscplna: Físca Plantão Data: 22/08/18 Fontes de Campo Magnétco 1. Experênca de Oersted Ao aproxmarmos um ímã de uma agulha magnétca, esta sofre um desvo. Dzemos que o ímã gera

Leia mais

Variável discreta: X = número de divórcios por indivíduo

Variável discreta: X = número de divórcios por indivíduo 5. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas

Leia mais

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de

Leia mais

Módulo I Ondas Planas. Reflexão e Transmissão com incidência normal Reflexão e Transmissão com incidência oblíqua

Módulo I Ondas Planas. Reflexão e Transmissão com incidência normal Reflexão e Transmissão com incidência oblíqua Módulo I Ondas Planas Reflexão e Transmssão com ncdênca normal Reflexão e Transmssão com ncdênca oblíqua Equações de Maxwell Teorema de Poyntng Reflexão e Transmssão com ncdênca normal Temos consderado

Leia mais

METODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL. Iran Carlos Stalliviere Corrêa RESUMO

METODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL. Iran Carlos Stalliviere Corrêa RESUMO Semnáro Anual de Pesqusas Geodéscas na UFRGS, 2. 2007. UFRGS METODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL Iran Carlos Stallvere Corrêa Insttuto de Geocêncas UFRGS Departamento

Leia mais

FUNDAMENTOS DE ROBÓTICA. Modelo Cinemático de Robôs Manipuladores

FUNDAMENTOS DE ROBÓTICA. Modelo Cinemático de Robôs Manipuladores FUNDMENTOS DE ROBÓTIC Modelo Cnemátco de Robôs Manpuladores Modelo Cnemátco de Robôs Manpuladores Introdução Modelo Cnemátco Dreto Modelo Cnemátco de um Robô de GDL Representação de Denavt-Hartenberg Exemplos

Leia mais

Avaliação do tamanho da amostra de segmentos regulares para estimar a área plantada com café na região sul de Minas Gerais

Avaliação do tamanho da amostra de segmentos regulares para estimar a área plantada com café na região sul de Minas Gerais Avalação do tamanho da amostra de segmentos regulares para estmar a área plantada com café na regão sul de Mnas Geras Marcos Adam Maurco Alves Morera Bernardo Fredrch Theodor Rudorff Insttuto Naconal de

Leia mais

Laboratório de Mecânica Aplicada I Estática: Roldanas e Equilíbrio de Momentos

Laboratório de Mecânica Aplicada I Estática: Roldanas e Equilíbrio de Momentos Laboratóro de Mecânca Aplcada I Estátca: Roldanas e Equlíbro de Momentos 1 Introdução O conhecmento das condções de equlíbro de um corpo é mprescndível em númeras stuações. Por exemplo, o estudo do equlíbro

Leia mais

7 - Distribuição de Freqüências

7 - Distribuição de Freqüências 7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste

Leia mais

1º Exame de Mecânica Aplicada II

1º Exame de Mecânica Aplicada II 1º Exame de Mecânca Aplcada II Este exame é consttuído por 4 perguntas e tem a duração de três horas. Justfque convenentemente todas as respostas apresentando cálculos ntermédos. Responda a cada pergunta

Leia mais

Eletroquímica 2017/3. Professores: Renato Camargo Matos Hélio Ferreira dos Santos.

Eletroquímica 2017/3. Professores: Renato Camargo Matos Hélio Ferreira dos Santos. Eletroquímca 2017/3 Professores: Renato Camargo Matos Hélo Ferrera dos Santos http://www.ufjf.br/nups/ Data Conteúdo 07/08 Estatístca aplcada à Químca Analítca Parte 2 14/08 Introdução à eletroquímca 21/08

Leia mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média. Estatístca Dscplna de Estatístca 0/ Curso de Admnstração em Gestão Públca Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos uns dos

Leia mais

Cap. IV Análise estatística de incertezas aleatórias

Cap. IV Análise estatística de incertezas aleatórias TLF 010/11 Cap. IV Análse estatístca de ncertezas aleatóras Capítulo IV Análse estatístca de ncertezas aleatóras 4.1. Méda 43 4.. Desvo padrão 44 4.3. Sgnfcado do desvo padrão 46 4.4. Desvo padrão da méda

Leia mais

5 Formulação para Problemas de Potencial

5 Formulação para Problemas de Potencial 48 Formulação para Problemas de Potencal O prncpal objetvo do presente capítulo é valdar a função de tensão do tpo Westergaard obtda para uma trnca com abertura polnomal (como mostrado na Fgura 9a) quando

Leia mais

Modelo Logístico. Modelagem multivariável com variáveis quantitativas e qualitativas, com resposta binária.

Modelo Logístico. Modelagem multivariável com variáveis quantitativas e qualitativas, com resposta binária. Modelagem multvarável com varáves quanttatvas e qualtatvas, com resposta bnára. O modelo de regressão não lnear logístco ou modelo logístco é utlzado quando a varável resposta é qualtatva com dos resultados

Leia mais

UNIVERSIDADE DE PERNAMBUCO. Física Experimental. Prof o José Wilson Vieira

UNIVERSIDADE DE PERNAMBUCO. Física Experimental. Prof o José Wilson Vieira UNIVERSIDADE DE PERNAMBUCO ESCOLA POLITÉCNICA DE PERNAMBUCO Físca Expermental Prof o José Wlson Vera wlson.vera@upe.br AULA 01: PROCESSOS DE ANÁLISE GRÁFICA E NUMÉRICA MODELO LINEAR Recfe, agosto de 2015

Leia mais

8 - Medidas Descritivas

8 - Medidas Descritivas 8 - Meddas Descrtvas 8. Introdução Ao descrevemos um conjunto de dados por meo de tabelas e gráfcos temos muto mas nformações sobre o comportamento de uma varável do que a própra sére orgnal de dados.

Leia mais

ÍNDICE DE CONSISTÊNCIA TEMPORAL: UM NOVO MÉTODO PARA AVALIAÇÃO DA ESTABILIDADE TEMPORAL DE ARMAZENAMENTO DE ÁGUA NO SOLO

ÍNDICE DE CONSISTÊNCIA TEMPORAL: UM NOVO MÉTODO PARA AVALIAÇÃO DA ESTABILIDADE TEMPORAL DE ARMAZENAMENTO DE ÁGUA NO SOLO Anas Eletrônco ÍNDICE DE CONSISTÊNCIA TEMPORAL: UM NOVO MÉTODO PARA AVALIAÇÃO DA ESTABILIDADE TEMPORAL DE ARMAZENAMENTO DE ÁGUA NO SOLO Anderson Takash Hara, Heraldo Takao Hashgut, Antôno Carlos Andrade

Leia mais

Electromagnetismo e Óptica

Electromagnetismo e Óptica Electromagnetsmo e Óptca aboratóro - rcutos OBJETIOS Obter as curvas de resposta de crcutos do tpo sére Medr a capacdade de condensadores e o coefcente de auto-ndução de bobnas por métodos ndrectos Estudar

Leia mais

3 Algoritmos propostos

3 Algoritmos propostos Algortmos propostos 3 Algortmos propostos Nesse trabalho foram desenvolvdos dos algortmos que permtem classfcar documentos em categoras de forma automátca, com trenamento feto por usuáros Tas algortmos

Leia mais

Notas Processos estocásticos. Nestor Caticha 23 de abril de 2012

Notas Processos estocásticos. Nestor Caticha 23 de abril de 2012 Notas Processos estocástcos Nestor Catcha 23 de abrl de 2012 notas processos estocástcos 2 O Teorema de Perron Frobenus para matrzes de Markov Consdere um processo estocástco representado por um conunto

Leia mais

Física E Semiextensivo V. 4

Física E Semiextensivo V. 4 Físca E Semextensvo V. 4 Exercícos 0) E I força (vertcal, para cma) II força (perpendcular à folha, sando dela) III F (horzontal, para a dreta) 0) 34 03) 68 S N S N força (perpendcular à folha, entrando

Leia mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média. Estatístca Dscplna de Estatístca 0/ Curso Superor de tecnólogo em Gestão Ambental Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos

Leia mais

Processamento de Imagem. Prof. MSc. André Yoshimi Kusumoto

Processamento de Imagem. Prof. MSc. André Yoshimi Kusumoto Processamento de Imagem Prof. MSc. André Yoshm Kusumoto andrekusumoto.unp@gmal.com Operações pontuas globas em magens Uma operação pontual global em uma magem dgtal r é a função f(r) aplcada a todo pxel

Leia mais

CAPÍTULO IV PROPRIEDADES GEOMÉTRICAS DA SEÇÃO TRANSVERSAL

CAPÍTULO IV PROPRIEDADES GEOMÉTRICAS DA SEÇÃO TRANSVERSAL CPÍTULO IV PROPRIEDDES GEOMÉTRICS D SEÇÃO TRNSVERSL Propredades Geométrcas da Seção Transversal 4. Propredades Geométrcas da Seção Transversal 4.. Introdução O presente trabalho é desenvolvdo paralelamente

Leia mais

3 Cálculo Básico de Enlace Via Satélite

3 Cálculo Básico de Enlace Via Satélite 35 3 Cálculo Básco de Enlace Va Satélte Neste capítulo é tratado o cálculo básco de um enlace va-satélte, subentenddo em condções normas de propagação (espaço lvre) nos percursos de subda e descda e consderados

Leia mais

PUCPR- Pontifícia Universidade Católica Do Paraná PPGIA- Programa de Pós-Graduação Em Informática Aplicada PROF. DR. JACQUES FACON

PUCPR- Pontifícia Universidade Católica Do Paraná PPGIA- Programa de Pós-Graduação Em Informática Aplicada PROF. DR. JACQUES FACON 1 PUCPR- Pontfíca Unversdade Católca Do Paraná PPGIA- Programa de Pós-Graduação Em Informátca Aplcada PROF. DR. JACQUES FACON LIMIARIZAÇÃO ITERATIVA DE LAM E LEUNG Resumo: A proposta para essa sére de

Leia mais

CAPÍTULO 2 - Estatística Descritiva

CAPÍTULO 2 - Estatística Descritiva INF 16 Prof. Luz Alexandre Peternell CAPÍTULO - Estatístca Descrtva Exercícos Propostos 1) Consderando os dados amostras abaxo, calcular: méda artmétca, varânca, desvo padrão, erro padrão da méda e coefcente

Leia mais

UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR

UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EATAS DEPARTAMENTO DE ESTATÍSTICA UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR

Leia mais

4 Discretização e Linearização

4 Discretização e Linearização 4 Dscretzação e Lnearzação Uma vez defndas as equações dferencas do problema, o passo segunte consste no processo de dscretzação e lnearzação das mesmas para que seja montado um sstema de equações algébrcas

Leia mais

UM PROBLEMA ECONOMÉTRICO NO USO DE VARIÁVEIS CLIMÁTICAS EM FUNÇÕES DE PRODUÇÃO AJUSTADAS A DADOS EXPERIMENTAIS

UM PROBLEMA ECONOMÉTRICO NO USO DE VARIÁVEIS CLIMÁTICAS EM FUNÇÕES DE PRODUÇÃO AJUSTADAS A DADOS EXPERIMENTAIS UM PROBLEMA ECONOMÉTRICO NO USO DE VARIÁVEIS CLIMÁTICAS EM FUNÇÕES DE PRODUÇÃO AJUSTADAS A DADOS EXPERIMENTAIS Rodolfo Hoffmann * Vctor Hugo da Fonseca Porto ** SINOPSE Neste trabalho deduz-se qual é o

Leia mais

37 [C] Verdadeira. Veja justificativa do item [B]. Moda = 8

37 [C] Verdadeira. Veja justificativa do item [B]. Moda = 8 Resposta da questão 1: [C] Calculando:,5 + 10 + 8 + 9,4 + 8 +,4 + x + 7,4 = 8, 8,5 + 10 + 8 + 9,4 + 8 +,4 + x + 7,4 = 5, x = 9,9 Moda = 8 8+ 8 Medana = = 8,5 + 10 + 8 + 9,4 + 8 +,4 + 7,4 Méda das outras

Leia mais

CURSO A DISTÂNCIA DE GEOESTATÍSTICA

CURSO A DISTÂNCIA DE GEOESTATÍSTICA CURSO A DISTÂNCIA DE GEOESTATÍSTICA Aula 6: Estaconardade e Semvarânca: Estaconardade de a. ordem, Hpótese ntríseca, Hpótese de krgagem unversal, Crtéros para escolha, Verfcação, Representatvdade espacal,

Leia mais

Contabilometria. Aula 8 Regressão Linear Simples

Contabilometria. Aula 8 Regressão Linear Simples Contalometra Aula 8 Regressão Lnear Smples Orgem hstórca do termo Regressão Le da Regressão Unversal de Galton 1885 Galton verfcou que, apesar da tendênca de que pas altos tvessem flhos altos e pas axos

Leia mais

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu 1 Programação Não Lnear com Restrções Aula 9: Programação Não-Lnear - Funções de Váras Varáves com Restrções Ponto Regular; Introdução aos Multplcadores de Lagrange; Multplcadores de Lagrange e Condções

Leia mais

2 Experimentos com Mistura

2 Experimentos com Mistura Modelagem em Expermentos com Mstura e Mstura-Processo Expermentos com Mstura Formulações de Expermentos com Mstura (EM) são freuentemente encontradas nas ndústras uímcas, farmacêutcas, de almentos e em

Leia mais

4 Sistemas de partículas

4 Sistemas de partículas 4 Sstemas de partículas Nota: será feta a segunte convenção: uma letra em bold representa um vector,.e. b b Nesta secção estudaremos a generalzação das les de Newton a um sstema de váras partículas e as

Leia mais

Isostática 2. Noções Básicas da Estática

Isostática 2. Noções Básicas da Estática Isostátca. Noções Báscas da Estátca Rogéro de Olvera Rodrgues .1. Força Força desgna um agente capa de modfcar o estado de repouso ou de movmento de um determnado corpo. É uma grandea vetoral e, como tal,

Leia mais

Programa do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall

Programa do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall Sstemas Intelgentes Aplcados Carlos Hall Programa do Curso Lmpeza/Integração de Dados Transformação de Dados Dscretzação de Varáves Contínuas Transformação de Varáves Dscretas em Contínuas Transformação

Leia mais

ANÁLISE DAS TENSÕES TÉRMICAS EM MATERIAIS CERÂMICOS. Palavras-chave: Tensões térmicas, Propriedades variáveis, Condução de calor, GITT

ANÁLISE DAS TENSÕES TÉRMICAS EM MATERIAIS CERÂMICOS. Palavras-chave: Tensões térmicas, Propriedades variáveis, Condução de calor, GITT ANÁLISE DAS TENSÕES TÉRMICAS EM MATERIAIS CERÂMICOS Dnz, L.S. Santos, C.A.C. Lma, J.A. Unversdade Federal da Paraíba Laboratóro de Energa Solar LES/DTM/CT/UFPB 5859-9 - João Pessoa - PB, Brasl e-mal: cabral@les.ufpb.br

Leia mais

MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES

MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES 1. Obtenha os estmadores dos coefcentes lnear e angular de um modelo de regressão lnear smples utlzando o método

Leia mais

Cálculo Numérico BCC760 Interpolação Polinomial

Cálculo Numérico BCC760 Interpolação Polinomial Cálculo Numérco BCC76 Interpolação Polnomal Departamento de Computação Págna da dscplna http://www.decom.ufop.br/bcc76/ 1 Interpolação Polnomal Conteúdo 1. Introdução 2. Objetvo 3. Estênca e uncdade 4.

Leia mais

AVALIAÇÃO NA PRECISÃO DE RECEPTORES GPS PARA O POSICIONAMENTO ABSOLUTO RESUMO ABSTRACT

AVALIAÇÃO NA PRECISÃO DE RECEPTORES GPS PARA O POSICIONAMENTO ABSOLUTO RESUMO ABSTRACT AVALIAÇÃO NA PRECISÃO DE RECEPTORES GPS PARA O POSICIONAMENTO ABSOLUTO Rodrgo Mkosz Gonçalves John Alejandro Ferro Sanhueza Elmo Leonardo Xaver Tanajura Dulana Leandro Unversdade Federal do Paraná - UFPR

Leia mais

GABARITO ERP19. impedância total em pu. impedância linha em pu; impedância carga em pu; tensão no gerador em pu.

GABARITO ERP19. impedância total em pu. impedância linha em pu; impedância carga em pu; tensão no gerador em pu. GABARITO ERP9 Questão mpedânca total em pu. mpedânca lnha em pu; mpedânca carga em pu; tensão no gerador em pu. Assm, tem-se que: ( ). Mas, ou seja: : ( ).. Logo: pu. () A mpedânca da carga em pu,, tem

Leia mais

Associação entre duas variáveis quantitativas

Associação entre duas variáveis quantitativas Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa

Leia mais