Sobre a Geração de Mapas de Ambiente de Rádio com Kriging Ordinário

Tamanho: px
Começar a partir da página:

Download "Sobre a Geração de Mapas de Ambiente de Rádio com Kriging Ordinário"

Transcrição

1 XXXIV SIMPÓSIO BRASILEIRO DE TELECOMUICAÇÕES SBrT016, 30 DE AGOSTO A 0 DE SETEMBRO, SATARÉM, PA Sobre a Geração de Mapa de Ambete de Rádo com Krgg Ordáro Reumo Ete artgo apreeta e dcute mportate ferrameta da geoetatítca utlzada para a geração de mapa de ambete de rádo (REM Rado Evromet Map) em tema de comucaçõe em fo. A partr de um proceo de amotragem epacal, o método Krgg Ordáro (KO) fo utlzado para gerar o REM. Reultado de mulação motram a fluêca de parâmetro relacoado à modelagem do ambete de rádo a precão de geração do REM. Sobre eta perpectva, ão apotado deafo e lmtaçõe relacoado à geração e uo do REM em aplcaçõe de tema de comucaçõe em fo. Palavra-Chave Krgg, Geoetatítca, REM, Semvarograma. Abtract Th artcle preet ad dcue mportat tool of geotattc ued for the geerato of Rado Evromet Map (REM) wrele commucato ytem. From a patal amplg proce, Ordary Krgg method wa ued to geerate REM. Smulato reult how the fluece of parameter related to the modellg of rado evromet o the accuracy of the geerato of REM. O th perpectve, challege ad lmtato related to the geerato ad ue of REM wrele commucato ytem are pot out. Keyword Krgg, Geotattc, REM, Semvarogram. I. ITRODUÇÃO O mapa de ambete de rádo (REM, em glê), coceto propoto por [1], cote em um mapa que dca uma gradeza fíca do ambete de rádo, edo a ma comum, a tedade do a o ambete de propagação. O REM é gerado a partr de um cojuto de medda coletada do ambete e pode er coultado para tomada de decão relacoada ao problema de cobertura em tema de comucaçõe em fo []. Sobre eta perpectva, o REM pode er uado em aplcaçõe como: Tarefa de plaejameto e motorameto de cobertura em tema de comucaçõe em fo []; Mmzação de Drve-Tet (MDT) [3]; Aále e tomada de decõe em tema de aceo dâmco ao epectro [4]; Seorameto epectral de faxa lcecada e ão lcecada em tema de rádo cogtvo [5]. Tem-e como prcpal deafo do REM a obteção de mapa da forma ma fdedga poível obre toda a regão aalada, uado um úmero relatvamete pequeo de medda [6], po o deempeho obtdo a aplcaçõe ubequete depede da formaçõe cotda o mapa. Dferete método, com abordage determítca e etocátca, ão uado para gerar o REM [5]. ete cotexto, a geoetatítca e apreeta como um do método ma promore [3] [4]. Rcardo Auguto e Crtao Paazo Ete trabalho pou o objetvo de apreetar, de forma reumda, a ferrameta da geoetatítca eceára para o tratameto do problema de geração do REM, apotado peculardade e lmtaçõe que podem er úte para futura pequa. Sobre a etrutura do trabalho, a eção II aborda o coceto elemetare da geoetatítca. A eção III traz o apecto da modelagem e geração do REM bem como o reultado de mulaçõe. Falmete, a cocluõe e propota para trabalho futuro ão motrada a eção IV. II. COCEITOS DE GEOESTATÍSTICA A geoetatítca, por meo do método Krgg, va realzar predçõe epaca para reproduzr um feômeo epacal em etudo. Io é feto a partr da caracterzação epacal do feômeo aalado. Tal feômeo pode er decrto por um proceo aleatóro Z() em um domío D, Z, D (1) em que é uma coordeada o plao (x,y). A realzação da fução aleatóra epacal, deotada por z(), é cohecda como varável regoalzada (VR), edo {z( )}, com =1,,... o cojuto de valore regoalzado. Epecfcamete, ta valore regoalzado ão o reultado da realzaçõe de uma coleção de varáve aleatóra epaca Z( ) que formam o proceo aleatóro Z(). Am, a VR é obtda por termédo de um proceo de amotragem do valore da realzação do campo epacal. Ete proceo é chamado de regoalzação. ete etdo, a regoalzação é o prmero pao para e obter a caracterzação epacal eceára para a poteror predção epacal. A. Semvarograma Teórco e Expermetal O racocío prcpal da geoetatítca é baeado a dea de que exte uma relação de depedêca epacal etre a coleção de varáve aleatóra que formam o proceo aleatóro. Eta relação urge a forma de uma correlação epacal etruturada o campo epacal. A fuçõe covarâca C(, j ) e emvarograma γ(, j ) ão uada para caracterzar a etrutura epacal do proceo aleatóro epaca. A covarâca etre dua varáve aleatóra o pare de coordeada (, j) é defda como C, E Z Z,, D () j j j j em que μ( ) é a méda da varável aleatóra Z( ). A fução emvarograma de um campo aleatóro é defda como edo a varâca da dfereça da varáve aleatóra que compõem Z(),.e, Rcardo Auguto e Crtao Paazo, Uverdade de São Paulo, SP, Bral - Departameto de Egehara Elétrca (Stema Eletrôco), Laboratóro de Comucaçõe e Sa (LCS): e-mal: ralva@lc.pol.up.br e cpaazo@up.br 883

2 XXXIV SIMPÓSIO BRASILEIRO DE TELECOMUICAÇÕES SBrT016, 30 DE AGOSTO A 0 DE SETEMBRO, SATARÉM, PA 1, j Var Z Z j, j D 1 E E Z Z j Z Z j ete âmbto, um poto mportate da teora de proceo aleatóro é ua relação com a hpótee de etacoaredade [7] [8]. Epecfcamete, coderado a etacoardade o etdo amplo, a caracterzação etatítca da varáve aleatóra que formam Z() ão depede da poção epacal epecífca (), ma m de um vetor de tralação epacal (h) etre o poto epaca, Como reultado, a fução emvarograma tora-e 1 Var Z Z h h (4) É mportate otar que o emvarograma em (4) retrata a relação etre do poto epaca coderado uma determada dreção epacal. Logo, é poível que eta relação mude com a dreção retratado um feômeo aotrópco [8]. o cao em que ão ocorrem alteraçõe o emvarograma em relação à dreção, tem-e o emvarograma otrópco que depede omete de h. Tratar o cao aotrópco foge do ecopo dete trabalho, que aumrá apea a hpótee ma mplfcadora de etacoardade e otropa. ete cotexto, realta-e que a realzação da predçõe epaca depede do cohecmeto do emvarograma. Cotudo, o que e dpõe a prátca, é de um cojuto de medda coletada que formam a VR, torado eceára a etmação de (4). Tal etmação é feta aproxmado (4) por uma fução aalítca cujo parâmetro ão ajutado de acordo com o emvarograma expermetal que erá motrado a egur. Em geral, o cálculo do emvarograma expermetal é baeado em dtâca de eparação pré-defda, deotada como Lag [7-9]. ota-e que é poível fazer o cálculo do emvarograma expermetal dretamete com a dtâca de eparação etre a medda, ou eja, em aproxmaçõe, ma to requer o uo de método ão covecoa de regreão ão-paramétrca 1, que ão ecearamete geram reultado melhore do que a técca decrta a egur [9]. O pao abaxo decrevem o poto ma mportate o cálculo do emvarograma expermetal baeado a dtâca Lag: (1) É gerada uma matrz Δ, tragular uperor, cujo elemeto (,j) ão dado pela dtâca de eparação h j = j etre todo o pare de poto que compõem a VR,.e., para todo < j, edo,j = 1,... () Em eguda, uma dtâca de eparação cal, deomada Lag 1 é ecolhda a partr de Δ. Em geral, a ecolha de Lag 1 é baeada em do crtéro [7], edo a eguda etratéga utlzada ete trabalho: Adota-e Lag 1 como a meor dtâca de eparação epacal ecotrada em Δ. Adota-e Lag 1 como a méda do valore mímo de cada colua de Δ (excetuado o valore ulo). (3) Defe-e Lag m = mlag 1, com m atural e maor que um, de modo a e realzar uma quatzação uforme da 1 O cálculo do emvarograma expermetal em aproxmaçõe de dtâca de eparação reulta a uvem do emvarograma, comumete utlzada para detfcação de outler o dado [9]. (3) dtâca h j. Am, a dtâca h j ão quatzada com Q(h j ) = Lag k para k que mmza o valor h j Lag k. (4) O método do mometo de Mathero [7] é uado para calcular o valor do emvarograma expermetal 1 exp Lag m z z j (5) ALag- m j ALag-m em que. deota o operador cardaldade e A Lag-m é o cojuto de pare de poto cuja dtâca quatzada correpodem à dtâca de eparação Lag m. O úmero total m de dtâca de eparação depede de Lag máx, que ormalmete é ecolhda como metade da dtâca do mapa aalado [8] [9]. Em geral, têm-e pouco pare de poto para grade dtâca de eparação. Io mpacta a cofabldade do valore do emvarograma expermetal para grade dtâca. Em [8] [9], ecotram-e formaçõe detalhada obre a forma de cálculo do emvarograma expermetal em relação à dtâca de eparação e a dreção (aotropa). O reultado de etmação do emvarograma expermetal, obtdo a partr da (5), ão uado em um proceo de ajute a fm de obter um modelo aalítco para o emvarograma do dado. A Fgura 1 motra um exemplo de um modelo aalítco ajutado curva ólda, a partr de um emvarograma expermetal (poto). Fgura 1: Semvarograma aalítco (curva chea) e expermetal (poto). Em geral, trê parâmetro ão ajutado: 1) a varâca ll retratada pelo patamar (C + C 0 ) do emvarograma; ) a dtâca r, dcado a dtâca de eparação a partr da qual e tem uma depedêca epacal o proceo aleatóro; 3) o efeto pepta (C 0 ), que reflete a ocorrêca de uma decotudade a orgem do emvarograma. Em [7], o comportameto do parâmetro de ajute do emvarograma aalítco é vtado em ma detalhe bem como a apreetação do modelo aalítco ma utlzado a geoetatítca (ex: eférco, eo cardal e Gauao). ete trabalho, o modelo aalítco Gauao fo utlzado [7] [8]. O melhor deempeho de ajute do modelo baeado o emvarograma expermetal é o prcpal objetvo da aále varográfca, uma vez que tal modelo repreetará a varabldade epacal do feômeo em etudo. B. Predçõe Epaca Método Krgg Ordáro a geoetatítca, o dferete método Krgg, uado para realzar a predçõe epaca, ão baeado o modelo aalítco do emvarograma e a preupoçõe relacoada à hpótee de etacoaredade da fuçõe aleatóra. Depededo deta hpótee e do cohecmeto a 884

3 XXXIV SIMPÓSIO BRASILEIRO DE TELECOMUICAÇÕES SBrT016, 30 DE AGOSTO A 0 DE SETEMBRO, SATARÉM, PA pror obre a méda do proceo aleatóro, dferete predtore Krgg ão utlzado. Sobre a preupoção de etacoardade o etdo amplo, realta-e dua formaçõe: 1) A méda do proceo aleatóro exte e é cotate, ou eja, μ = μ() = E{Z()}. ) A covarâca do proceo aleatóro depede omete do vetor de tralação h. Am, quado o valor epecífco da méda μ é cohecdo calmete, o método Krgg Smple (KS) é utlzado. Etretato, omete com vára realzaçõe do proceo aleatóro é poível obter μ. o cao em que μ ão é ecearamete cohecda, ma cotate (etacoardade o etdo amplo), o método Krgg Ordáro é utlzado [7]. Detro dete apecto, um poto mportate cote a verfcação da depedêca de μ quato à poção epacal (), retratado a preeça de uma tedêca μ() o proceo aleatóro epacal. ete cao, a méda do proceo aleatóro ão é cotate e coequetemete, a abordagem da etacoaredade fca comprometda. Sobre eta crcutâca, o predtor Krgg Uveral (KU) pode er utlzado, dede que, a tedêca poa er decompota em um cojuto de fuçõe bae repreetada por moômo com grau que ormalmete ão excede a potêca de do [7]. Apear do, a tedêca preete o ambete de rádo decrção que é feta a eção III é modelada com fuçõe ão leare com potêca que ormalmete ão maore que do. Logo, optou-e ete trabalho pela realzação da etmação e remoção da tedêca do proceo aleatóro ate do proceo de Krgagem. Uma vez removda a tedêca do dado, o método KO pode er utlzado. Epecfcamete, o predtor Krgg Ordáro, adotado ete trabalho, é defdo por Z z 0 (6) 1 em que Z ( 0 ) é o reultado da predção epacal em uma determada coordeada epacal decohecda 0, obtdo a partr da medda z( ) e do peo Krgg (λ ). Ete peo ão calculado obre a upoção de etacoaredade em eguda ordem (etdo amplo) e, além do, ob dua codçõe mportate [7] [8]: 1) que o etmador eja ão eveado e ) que a varâca de predção eja míma. 1) Codção de ão vé do KO: A equação (7) motra o cálculo relacoado à codção de ão vé do predtor KO. O valor eperado da dfereça etre a predção epacal Z ( 0 ) e o valor verdadero do proceo aleatóro o referdo poto Z( 0 ), é zero. Para o a oma do valore do peo Krgg deve er utára. EZ 0 Z 0 E z Z z Z 0 (7) E E 0 0, logo, em que μ é a méda (cotate) do proceo aleatóro. ) Varâca de Predção do KO A varâca de predção (também chamada de varâca Krgg) é dada por defção como Var Z 0 Z 0 E Z 0 Z 0 E Z Z 0 0 Coderado a codção de ão vé para o egudo termo e uado a defção do etmador KO, é poível expadr o prmero termo da equação (8), reultado em Var Z 0 Z 0 = E Z 0 Z 0 Z 0 Z 0 1 Z j j 1 j1 E Z Z Z 0 Z 0 E E Realtado a egute defçõe da covarâca Z Z j C j Z Z 0 C 0 Z 0 C0 E, E, E (8) (9) (10) e ubttudo-a em (9), ecotra-e a relação etre a varâca de predção e a fução de covarâca, dada por Var Z 0 Z 0 jc, j 0 j0 (11) C, 0 C0. 0 3) Stema de Equaçõe do KO O problema cetral do KO cote em ecotrar o peo que mmzam a varâca de predção em (9) ob a codção de ão vé em (7). A olução e dá com a aplcação do método de Lagrage utlzado a egute fução lagragaa, VarZ 0 Z 0 1. (1) 1 em que β é o multplcador de Lagrage. O reultado da dferecação da fução em (1) em relação ao peo Krgg (λ ) e ao multplcador de Lagrage, permte obter o tema de equaçõe da Krgagem Ordára 0 C, C, e 1, 1,.. (13) j j j1 1 Ete tema de equaçõe relacoa a fução de covarâca etre o poto epaca ( e j ) que formam o campo epacal e o poto decohecdo ( 0). Subttudo-e a relação do tema em (13) a expreão (11), obtém-e a varâca de predção OK 1 0 C C 0 0,. (14) Dada a relação etre a fução covarâca e a fução emvarograma C(, j ) = C(0) γ(, j ), é poível reecrever o tema de equaçõe Krgg em fução do emvarograma 0,, e 1, 1,.. (15) j j j1 1 A olução do tema de equaçõe KO cote o peo Krgg λ para aplcação de (6). Além do, aocado a cada predção, é poível calcular a varâca de predção em fução do emvarograma, dada por: KO 1 0, 0. (16) 885

4 XXXIV SIMPÓSIO BRASILEIRO DE TELECOMUICAÇÕES SBrT016, 30 DE AGOSTO A 0 DE SETEMBRO, SATARÉM, PA III. MODELAGEM E GERAÇÃO DO REM Apreetado o método de predção epacal Krgg, eta eção aborda o apecto de modelagem do ambete de rádo que erá alvo do proceo de predção epacal. A modelagem do ambete de rádo é baeada em um tema de comucação em fo compoto por dpotvo móve e uma etação rádo bae. Supõe-e que ta dpotvo ão capaze de realzar a medda de tedade do ível de al recebdo e evá-la para a etação rádo-bae, que coordea toda a operação da rede do tema de comucação em fo. Itero à etação rádo-bae, o cetro de predção epacal é repoável pelo proceameto da medda coletada e pela geração do REM. Epecfcamete, o ambete de rádo é caracterzado por um caal de propagação que apreeta uma ére de mecamo como dfraçõe, reflexõe e refraçõe, além da perda por percuro e aborção de eerga. Ee mecamo fluecam a tedade do a recebdo e coequetemete afetam a precão do proceo de geração do REM. Am, o proceo aleatóro epacal referete ao ambete de rádo pode er terpretado como (17) Z em que μ() é a tedêca do campo epacal, repreetada pelo o modelo de perda por percuro (Path Lo Model) e ξ() é a parcela aleatóra do campo epacal, repreetada pelo efeto do ombreameto (Shadowg) do caal. De forma aalítca, a modelagem do ambete de rádo é decrta pela egute equação: d PL d PL d0 X d d0 10 log db Perda por Percuro Sombreameto em que P L (d) repreeta a ateuação (db) a uma determada dtâca d (metro) e P L (d 0 ) retrata a ateuação a uma (18) dtâca de referêca (d 0 ) decoderado o efeto do ombreameto. A varável aleatóra Gauaa X σ (a ecala em db) deota o ombreameto do modelo com méda gual a zero e devo padrão σ. Em partcular para o ombreameto, tem-e a caracterítca dtâca de correlação (d d ) que é uma medda epacal que reflete o grau de correlação do campo epacal. Falmete, o parâmetro α é o coefcete de propagação do modelo de perda por percuro. Para ceáro urbao e uburbao (caracterítco do tema de comucaçõe em fo [10]), é poível coderar a varação < α < 6. O prmero pao para a geração do REM va KO cote a verfcação e etmação da tedêca o dado da VR. a mulaçõe dete trabalho, um proceo de regreão ão lear, baeado o método do mímo quadrado, fo realzado a fm de detfcar e etmar a perda por percuro do proceo aleatóro. eta metodologa, aume-e o cohecmeto a pror de dua formaçõe mportate: (1) a localzação do tramor; () a dtâca evolvda etre o dpotvo da rede e o tramor. Io gfca que a certeza obre eta formaçõe fluecam o tratameto da tedêca do dado eceáro para o KO, afetado, portato, todo o proceo de predção epacal. Em eguda, a tedêca é ubtraída da medda coletada para poteror etmação do emvarograma expermetal. O proceo de ajute utlzado o emvarograma expermetal permte obter o modelo aalítco eceáro para o predtor KO. A Fgura motra o reultado de mulação para a realzação de uma fução aleatóra (c) compota por: (a) perda por percuro e (b) ombreameto com a egute cofguraçõe: α = 3,5, d d =100m, σ =5dB e grd 500x500m. Do cao foram mulado para a mema realzação: (d) com = 30 medda; (e) com = 100 medda coletada com etratéga de amotragem com dtrbução uforme. Fgura : Reultado de mulação: (a) perda por percuro, (b) ombreameto do caal, (c) realzaçõe do proceo aleatóro e da amotragem epacal (d) predção epacal com = 30, (e) predção epacal com = 100 e (f) emvarograma expermetal e aalítco. 886

5 XXXIV SIMPÓSIO BRASILEIRO DE TELECOMUICAÇÕES SBrT016, 30 DE AGOSTO A 0 DE SETEMBRO, SATARÉM, PA O reultado de etmação e ajute uado o emvarograma expermetal ão motrado em (f) para o do cao de mulação. ota-e que, embora ambo o cao teham a mema eparação r para depedêca epacal, têm-e patamare dferete para cada um dele. Ada, o cao em que = 30 amotra, fca clara a baxa veromlhaça do mapa gerado em relação à verdadera realzação do ombreameto do ambete de rádo. Io gfca que ferêca epaca e decõe tomada com bae eta crcutâca podem comprometer o deempeho da aplcaçõe ubequete. De outro modo, com = 100 amotra, tem-e um reultado de predção que caracterza melhor precão a geração do REM. É tutvo otar que o úmero de amotra coletada () e, prcpalmete, o padrão epacal de amotragem afetam o deempeho da predção. Etretato, realta-e que o reultado acma etão relacoado a uma realzação partcular do proceo aleatóro. De fato, a aleatoredade do proceo de amotragem e do própro proceo aleatóro requer que a aále de deempeho eja feta para ma realzaçõe. Para bucar reultado que levem cotêca etatítca, a avalação da precão é feta utlzado a métrca raz do erro quadrátco médo (RMSE Root Mea Square Error) que capta a magtude do erro, a forma de dfereça quadrátca, etre o valore rea do proceo aleatóro e a predçõe epaca, de acordo com RMSE 1 T Z Z (19) T 1 em que T é o úmero total de poto do mapa, ou eja, a comparaçõe ão feta em todo o grd 500m x 500m, com reolução de 1m. A Fgura 3 motra o reultado de mulação a forma de htograma etatítco para a métrca RMSE referete a 1000 realzaçõe detro de um ceáro com α=3,5, d d =100m, σ =5dB e =100 amotra. Fgura 3: Reultado de mulação para métrca etatítca RMSE Realta-e que a realzaçõe do proceo aleatóro bem como o proceo de amotragem ão depedete. O objetvo era obervar, para eta codçõe de campo epacal, qual era o comportameto eperado (médo) do deempeho da predçõe KO. Am, obre eta crcutâca de propagação, ota-e o htograma que, em méda, epera-e um RMSE da ordem de 6dB. Io gfca que, o predtor Krgg é capaz de reproduzr a etrutura do ombreameto do caal com erro que em méda, ão da ordem de 6dB. Realta-e que valore baxo para o RMSE dcam boa precão a reprodução alcaçada pela predçõe epaca. Ada am, ão o requto de deempeho relacoado à aplcaçõe e a forma como eta veham a utlzar o REM que determam o grau de precão exgdo o reultado de geração da predçõe epaca. IV. COCLUSÕES E PROPOSTAS A prcpa ferrameta da geoetatítca, como o emvarograma expermetal e o método KO, foram apreetada e utlzada a modelagem e a geração do REM. A fluêca do úmero de medda, do padrão epacal de amotragem e o tratameto da tedêca do dado expermeta foram levatado como poto mportate a geração REM, obretudo quado e codera o apecto fucoal do tema de comucaçõe em fo. A métrca etatítca RMSE fo uada para a verfcação e aále do deempeho (médo) do predtor KO a reprodução do ombreameto do ambete de rádo. Sobre poíve deafo a erem tratado e uperado, é poível ctar: (1) Etudo de fluêca acerca do parâmetro e modelo de propagação epecífco a precão de geração do REM; () Coderação de certeza obre a medda e localzaçõe do dpotvo que compõem o tema de comucação em fo; (3) Uo do reultado da predção epacal Krgg para aplcaçõe em comucaçõe como tema de aceo dâmco ao epectro; (4) Etudo obre a utlzação de dferete etratéga de amotragem epacal; (5) Coderação da quetõe relacoada à aotropa a etmação do emvarograma expermetal. Referêca [1] Zhao, Y. ; Gaeddert, J. ; Bae K, K. ; Reed, J. H ad Wrele@Vrga Tech, Rado Evromet Map Eabled Stuato-Aware Cogtve Rado Learg Algorthm. Proceedg of the SDR 06 - Techcal Coferece ad Product Expoto, 006. [] 3GPP TR v , Study o mmzato of drve-tet ext geerato etwork; (releae 9), tech. rep., 3 rd Geerato Parterhp Project, 009. [3] A. Galdo-Serrao, B. Sayrac, S. Be Jemaa, J. Rhjärv ad P. Mähöe, "Harvetg MDT data: Rado evromet map for coverage aaly cellular etwork," Cogtve Rado Oreted Wrele etwork (CROWCOM), 013 8th Iteratoal Coferece o, Wahgto, DC, 013, pp [4] A. Galdo-Serrao, B. Sayrac, S. Be Jemaa, J. Rhjärv ad P. Mähöe, "Automated coverage hole detecto for cellular etwork ug rado evromet map," Modelg & Optmzato Moble, Ad Hoc & Wrele etwork (WOpt), th Iteratoal Sympoum o, Tukuba [5] H. B. Ylmaz, T. Tugcu, F. Alagöz ad S. Bayha, "Rado evromet map a eabler for practcal cogtve rado etwork," IEEE Commucato Magaze, vol. 51, o. 1, pp , December 013. [6] S. Grmoud, B. Sayrac, S. Be Jemaa ad E. Moule, "Bet Seor Selecto for a Iteratve REM Cotructo," Vehcular Techology Coferece (VTC Fall),011 IEEE, Sa Fracco, CA, 011, pp [7] Chle, J. P, ; Delfe, P. ; Geotattc Modelg Spatal Ucertaty, Secod Edto, Copyrght 01 by Joh Wley & So, Ic. All rght reerved. [8] Yamamoto J. K. ; Ladm, P. M. B. ; Geoetatítca: Coceto e Aplcaçõe, Ofca de Texto, ao: 013. [9] Dggle, P. J. ; Rbero, P. J. ; Model-baed Geotattc, Sprger Scece Bue Meda, LLC, 007 [10] Cho, Y. S. ; Km, J. ; Yag, W. Y. ; Kag, C. MIMO-OFDM Wrele Commucato Sytem wth Matlab, Joh Wley & So (Aa) Pte Ltd, Clemet Loop, # 0-01, Sgapore 19809,

MODELOS DE REGRESSÃO NÃO LINEARES

MODELOS DE REGRESSÃO NÃO LINEARES M. Mede de Olvera Excerto da ota peoa obre: MODELOS DE REGRESSÃO NÃO LINEARES Obervação No modelo de regreão dto leare, a varável depedete é exprea como fução lear do coefcete de regreão. É rrelevate,

Leia mais

= n. Observando a fórmula para a variância, vemos que ela pode ser escrita como, i 2

= n. Observando a fórmula para a variância, vemos que ela pode ser escrita como, i 2 Etatítca II Atoo Roque Aula 4 O Coefcete de Correlação de Pearo O coefcete de correlação de Pearo é baeado a déa de varâca, dada o curo de Etatítca I Como vto aquele curo, quado temo uma amotra compota

Leia mais

Verificação, Validação e Experimentação com Modelos de Simulação

Verificação, Validação e Experimentação com Modelos de Simulação Boletm Técco: MS: 03/06 em 9/06/006 Verfcação, Valdação e Expermetação com Modelo de ulação Prof. Luí Céar da Slva Emal: lvalc@cca.ufe.br - Webte: www.aga.com A etruturação de modelo para a mulação de

Leia mais

Grande Conjuntos de Dados. Organização; Resumo; Apresentação. Amostra ou População. Defeitos em uma linha de produção

Grande Conjuntos de Dados. Organização; Resumo; Apresentação. Amostra ou População. Defeitos em uma linha de produção Prof. Lorí Val, Dr. val@pucr.br http://www.pucr.br/~val/ Grade Cojuto de Dado Orgazação; Reumo; Apreetação. Amotra ou População Defeto em uma lha de produção Lacado Deeho Torto Deeho Torto Lacado Torto

Leia mais

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

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro RESUMO UNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINISTRAÇÃO RAD507 Etatítca Aplcada à Admtração I Prof. Dr. Evadro Marco Sadel Rbero RESUMO

Leia mais

1- Qual a diferença entre amostragem probabilística e não-probabilística? Qual é a mais recomendada?

1- Qual a diferença entre amostragem probabilística e não-probabilística? Qual é a mais recomendada? VIII-AMOSTRAGEM A Etatítca Iferecal ou Iferêca Etatítca tem como objetvo bucar cocluõe robablítca obre oulaçõe com bae o reultado obervado em amotra etraída dea oulaçõe Am, certo cudado báco devem er tomado

Leia mais

Uma coleção de todos os possíveis elementos, objetos ou medidas de interesse.

Uma coleção de todos os possíveis elementos, objetos ou medidas de interesse. Prof. Lorí Val, Dr. val@mat.ufrg.br http://www.ufrg.br/~val/ Etatítca: uma defção Coleção de úmero etatítca O úmero de carro veddo o paí aumetou em %. A taa de deemprego atge, ete mê, 7,%. A açõe da Telebrá

Leia mais

Econometria: 3 - Regressão Múltipla

Econometria: 3 - Regressão Múltipla Ecoometra: 3 - Regressão Múltpla Prof. Marcelo C. Mederos mcm@eco.puc-ro.br Prof. Marco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo de regressão

Leia mais

Escola Secundária de Jácome Ratton

Escola Secundária de Jácome Ratton Ecola Secudára de Jácome Ratto Ao Lectvo / Matemátca Aplcada à Cêca Soca Na Ecola Secudára do Suceo aualmete é premado o aluo que tver melhor méda a ua clafcaçõe a dferete dcpla. No ao lectvo 9/, o do

Leia mais

Regressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança

Regressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança Regressão Smples Parte III: Coefcete de determação, regressão a orgem e método de máxma verossmlhaça Coefcete de determação Proporção da varabldade explcada pelo regressor. R Varação explcada Varação total

Leia mais

EAD Métodos Estatísticos de Projeção

EAD Métodos Estatísticos de Projeção EAD 655 - Método Etatítco de Projeção Prof. Cear Aleadre de Souza 2º. Semetre - 207 Modelagem Quattatva em Admtração Na admtração, a matemátca e a etatítca cotrbuem para a cração de modelo para auílo a

Leia mais

13 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL

13 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL 3 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL Como vto em amotragem o prmero bmetre, etem fatore que fazem com que a obervação de toda uma população em uma pequa eja mpratcável, muta veze em vrtude

Leia mais

sticas Estatística (divisão) População stica: uma definição Estatística:

sticas Estatística (divisão) População stica: uma definição Estatística: Coleção de úmero etatítca tca O úmero de carro veddo o paí aumetou em 30%. A taa de deemprego atge, ete mê, 7,5%. A açõe da Telebrá ubram R$,5, hoje. Reultado do Caraval o trâto: 45 morto, 430 ferdo. Etatítca:

Leia mais

MIEEC Supervisão e Controlo de Sistemas Eléctricos. Despacho Óptimo (incluindo limites de produção e perdas) Introdução

MIEEC Supervisão e Controlo de Sistemas Eléctricos. Despacho Óptimo (incluindo limites de produção e perdas) Introdução MIEEC Supervão e Cotrolo de Stema Eléctrco Depacho Óptmo (cludo lmte de produção e perda Itrodução Relembrado o problema de depacho óptmo: M cuto de produção M Z ΣC(g Suj. Σg load (ão havedo retrçõe de

Leia mais

MEDIDAS DE TENDÊNCIA CENTRAL I

MEDIDAS DE TENDÊNCIA CENTRAL I Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, edca Veterára, uscoterapa, Odotologa, Pscologa EDIDAS DE TENDÊNCIA CENTRAL I 7 7. EDIDAS DE

Leia mais

Modelo de Regressão Simples

Modelo de Regressão Simples Modelo de Regressão Smples Hstora Hstóra Termo regressão fo troduzdo por Fracs Galto (8-9). Estudo sobre altura de pas e flhos. Karl Pearso coletou mas de ml regstros e verfcou a le de regressão uversal

Leia mais

Construção e Análise de Gráficos

Construção e Análise de Gráficos Costrução e Aálse de Gráfcos Por que fazer gráfcos? Facldade de vsualzação de cojutos de dados Faclta a terpretação de dados Exemplos: Egehara Físca Ecooma Bologa Estatístca Y(udade y) 5 15 1 5 Tabela

Leia mais

Regressao Simples. Parte II: Anova, Estimação Intervalar e Predição

Regressao Simples. Parte II: Anova, Estimação Intervalar e Predição egressao Smples Parte II: Aova, Estmação Itervalar e Predção Aálse de Varâca Nem todos os valores das amostras estão cotdos a reta de regressão, e quato mas afastados estverem por, a reta represetará a

Leia mais

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA REGRESSÃO LINEAR CUIABÁ, MT 6/ INTRODUÇÃO Relação dos valores da varável depedete (varável resposta) aos valores de regressoras ou exógeas). SIMPLES MÚLTIPLA (varáves depedetes,... =,,, K=,,, k em que:

Leia mais

7 Análise de covariância (ANCOVA)

7 Análise de covariância (ANCOVA) Plejameto de Expermetos II - Adlso dos Ajos 74 7 Aálse de covarâca (ANCOVA) 7.1 Itrodução Em algus expermetos, pode ser muto dfícl e até mpossível obter udades expermetas semelhtes. Por exemplo, pode-se

Leia mais

ESTATÍSTICA II FORMULÁRIO

ESTATÍSTICA II FORMULÁRIO Uverdade do Mho Ecola de Egehara ESTATÍSTICA II Ídce Metrado Itegrado em Egehara e Getão Idutral FORMULÁRIO Ao Lectvo 007-008 Itervalo de Cofaça (uma amotra / dua amotra depedete)... Tete de Hpótee (uma

Leia mais

i 2 i= = n Observando a fórmula para a variância, vemos que ela pode ser escrita como, i 2

i 2 i= = n Observando a fórmula para a variância, vemos que ela pode ser escrita como, i 2 O Coefcete de Correlação de Pearo O coefcete de correlação de Pearo é baeado a déa de varâca, dada a aula 6 Como vto aquela aula, quado temo uma amotra compota por dado, a varâca da amotra é dada por,

Leia mais

Estatística - exestatmeddisper.doc 25/02/09

Estatística - exestatmeddisper.doc 25/02/09 Estatístca - exestatmeddsper.doc 5/0/09 Meddas de Dspersão Itrodução ão meddas estatístcas utlzadas para avalar o grau de varabldade, ou dspersão, dos valores em toro da méda. ervem para medr a represetatvdade

Leia mais

ANÁLISE ESTATÍSTICA DO USO DE UM FILTRO DE KALMAN A UM SISTEMA DE MEDIÇÃO COM RUÍDOS

ANÁLISE ESTATÍSTICA DO USO DE UM FILTRO DE KALMAN A UM SISTEMA DE MEDIÇÃO COM RUÍDOS V CONGRESSO RASILEIRO DE METROLOGIA Metrologa para a compettvdade em área etratégca 9 a 3 de ovembro de 9. Salvador, aha ral. ANÁLISE ESTATÍSTICA DO USO DE UM ILTRO DE KALMAN A UM SISTEMA DE MEDIÇÃO COM

Leia mais

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12 MEDIDAS DE POSIÇÃO: São meddas que possbltam represetar resumdamete um cojuto de dados relatvos à observação de um determado feômeo, pos oretam quato à posção da dstrbução o exo dos, permtdo a comparação

Leia mais

Etapas para a construção de uma distribuição de frequências por ponto

Etapas para a construção de uma distribuição de frequências por ponto Dtrbuçõe de Frequêca Uma dtrbução de requêca é uma tabela que reúe o cojuto de dado, coorme a requêca ou a repetçõe de eu valore o capítulo ateror, vmo como ão eta ea tabela quado a varável é qualtatva

Leia mais

(1) no domínio : 0 x < 1 Sujeita às condições de contorno: (2-a) CC1: (2-b) CC2: x dx

(1) no domínio : 0 x < 1 Sujeita às condições de contorno: (2-a) CC1: (2-b) CC2: x dx EXEMPLO MOTIVADOR I Método da Aproxmação Polomal Aplcado a Problema Udrecoa com Smetra. Eqaçõe Dfereca Ordára Problema de Valor o Cotoro Etrtra Geral do Problema: d dy( x) x f x, yx x dx dx o domío : x

Leia mais

Capítulo III Medidas Estatísticas

Capítulo III Medidas Estatísticas 8 Capítulo III Medda Etatítca III. Medda de Tedêca Cetral A apreetação de dado em tabela e gráco motra a orma da dtrbução. A medda de tedêca cetral dcam o valor do poto em toro do qual o dado e dtrbuem.

Leia mais

Revisão de Estatística X = X n

Revisão de Estatística X = X n Revsão de Estatístca MÉDIA É medda de tedêca cetral mas comumete usada ara descrever resumdamete uma dstrbução de freqüêca. MÉDIA ARIMÉTICA SIMPLES São utlzados os valores do cojuto com esos guas. + +...

Leia mais

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1.

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1. Iterpolação Iterpolação é um método que permte costrur um ovo cojuto de dados a partr de um cojuto dscreto de dados potuas cohecdos. Em egehara e cêcas, dspõese habtualmete de dados potuas, obtdos a partr

Leia mais

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística BAC 0 - Estatístca Uversdade Federal de Itajubá - Campus Itabra BAC0 - ESTATÍSTICA ESTATÍSTICA DESCRITIVA MEDIDAS DE CENTRO Méda Medda de cetro ecotrada pela somatóra de todos os valores de um cojuto,

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. É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou Prof. Lorí Val, Dr. val@mat.ufrgs.r http://www.mat.ufrgs.r/~val/ expermetal. Numa relação expermetal os valores de uma das varáves

Leia mais

Confiabilidade Estrutural

Confiabilidade Estrutural Professor Uversdade de Brasíla Departameto de Egehara Mecâca Programa de Pós graduação em Itegrdade Estrutural Algortmo para a Estmatva do Idce de Cofabldade de Hasofer-Ld Cofabldade Estrutural Jorge Luz

Leia mais

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População ESTATÍSTICA STICA DESCRITIVA Prof. Lorí Val, Dr. val@mat.ufrgs.br http://.ufrgs.br/~val/ Orgazação; Resumo; Apresetação. Cojuto de dados: Amostra ou População Um cojuto de dados é resumdo de acordo com

Leia mais

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados 3.1. Meddas de Tedêca Cetral CAPÍTULO 3 MEDIDA DE TENDÊNCIA CENTRAL E VARIABILIDADE UFRG 1 Há váras meddas de tedêca cetral. Etre elas ctamos a méda artmétca, a medaa, a méda harmôca, etc. Cada uma dessas

Leia mais

MÉTODO DOS MÍNIMOS QUADRADOS

MÉTODO DOS MÍNIMOS QUADRADOS MÉTODO DOS MÍNIMOS QUADRADOS I - INTRODUÇÃO O processo de medda costtu uma parte essecal a metodologa cetífca e também é fudametal para o desevolvmeto e aplcação da própra cêca. No decorrer do seu curso

Leia mais

Difusão entre Dois Compartimentos

Difusão entre Dois Compartimentos 59087 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 4 Dfusão etre Dos Compartmetos A le de Fck para membraas (equação 4 da aula passada) mplca que a permeabldade de uma membraa a um soluto é dada pela razão

Leia mais

Exame 2ª ÉPoca h00 Parte Prática. GRUPO 1 (3,0 val.)

Exame 2ª ÉPoca h00 Parte Prática. GRUPO 1 (3,0 val.) Departameto de Egehara Cvl, Arqutetura e Georrecuro TRANSPORTES MEC - 3º Ao - 2º Semetre Prof. Repoável: Luí de Pcado Sato Ao Letvo 2013/2014 Duração máxma: 120 muto NOME: Exame 2ª ÉPoca 2014-07-01 08h00

Leia mais

6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS

6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS 7 6 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS A medção dreta é aquela cuja dcação resulta aturalmete da aplcação do sstema de medção sobre o mesurado Há apeas uma gradeza de etrada evolvda

Leia mais

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento. Prof. Lorí Val, Dr. val@pucrs.r http://www.pucrs.r/famat/val/ Em mutas stuações duas ou mas varáves estão relacoadas e surge etão a ecessdade de determar a atureza deste relacoameto. A aálse de regressão

Leia mais

DESENVOLVIMENTO E APLICAÇÃO DE FERRAMENTA COMPUTACIONAL PARA PROJETO DE ATERRAMENTOS ENCAPSULADOS

DESENVOLVIMENTO E APLICAÇÃO DE FERRAMENTA COMPUTACIONAL PARA PROJETO DE ATERRAMENTOS ENCAPSULADOS GE/ 7 à de outubro de 999 Foz do Iguaçu Paraá - Bral GUPO VIII UBETÇÕE E EQUIPMENTO ELÉTICO (GE) DEENVOLVIMENTO E PLICÇÃO DE FEMENT COMPUTCIONL P POJETO DE TEMENTO ENCPULDO Humberto de quo bero lvéro Vacro

Leia mais

NOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling

NOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling 4 INFERÊNCIA SOBRE O VETOR DE MÉDIAS 4. TESTE PARA UM VETOR DE MÉDIAS µ Lembrado o caso uvarado: H : µ = µ H : µ µ Nível de sgfcâca: α Estatístca do teste: X µ t = s/ ~ t Decsão: se t > t - (α/) rejeta-se

Leia mais

16/03/2014. IV. Juros: taxa efetiva, equivalente e proporcional. IV.1 Taxa efetiva. IV.2 Taxas proporcionais. Definição:

16/03/2014. IV. Juros: taxa efetiva, equivalente e proporcional. IV.1 Taxa efetiva. IV.2 Taxas proporcionais. Definição: 6// IV. Juros: taxa efetva, equvalete e proporcoal Matemátca Facera Aplcada ao Mercado Facero e de Captas Professor Roaldo Távora IV. Taxa efetva Defção: É a taxa de juros em que a udade referecal de seu

Leia mais

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão Estatístca Descrtva Meddas estatístcas: Localzação, Dspersão Meddas estatístcas Localzação Dspersão Meddas estatístcas - localzação Méda artmétca Dados ão agrupados x x Dados dscretos agrupados x f r x

Leia mais

Cap. 5. Testes de Hipóteses

Cap. 5. Testes de Hipóteses Cap. 5. Testes de Hpóteses Neste capítulo será estudado o segudo problema da ferêca estatístca: o teste de hpóteses. Um teste de hpóteses cosste em verfcar, a partr das observações de uma amostra, se uma

Leia mais

3 Seleção de Variáveis Baseada em Informação Mútua sob Distribuição de Informação Uniforme (MIFS-U)

3 Seleção de Variáveis Baseada em Informação Mútua sob Distribuição de Informação Uniforme (MIFS-U) 3 Seleção de Varáve Baeada em nformação Mútua ob trbução de nformação Unforme MFS-U 3.1 Seleção de Varáve de Entrada para Problema de Clafcação A eleção de varáve de entrada deempenha um mportante papel

Leia mais

ESTATÍSTICA APLICADA À ZOOTECNIA

ESTATÍSTICA APLICADA À ZOOTECNIA ESTATÍSTICA APLICADA À ZOOTECNIA Eucldes Braga MALHEIROS *. INTRODUÇÃO.a) Somatóras e Produtóros Sejam,, 3,...,, valores umércos. A soma desses valores (somatóra) pode ser represetada por: = = = =. e o

Leia mais

INTERVALO DE CONFIANÇA

INTERVALO DE CONFIANÇA INTERVALO DE CONFIANÇA Supoha que etejamo itereado um parâmetro populacioal verdadeiro (ma decohecido) θ. Podemo etimar o parâmetro θ uado iformação de oa amotra. Chamamo o úico úmero que repreeta o valor

Leia mais

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL Faculdade de Tecologa de Cataduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL 5. Meddas de Posção cetral ou Meddas de Tedêca Cetral Meddas de posção cetral preocupam-se com a caracterzação e a

Leia mais

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

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro RESUMO UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD57 Etatítca Aplcaa à Amtração I Prof Dr Evaro Marco ael Rero REUMO REVIÃO DE

Leia mais

A grande vantagem da Codificação de Canal é portanto melhorar o desempenho do sistema em relação a uma transmissão não codificada.

A grande vantagem da Codificação de Canal é portanto melhorar o desempenho do sistema em relação a uma transmissão não codificada. Codfcação de caal O caal de comucação é o etato repoável pela trodução de ruído, terferêca e ebatmeto, corrompedo a formação tramtda. Am, podem aparecer erro o bt recebdo face ao bt tramtdo. O úmero de

Leia mais

II. Propriedades Termodinâmicas de Soluções

II. Propriedades Termodinâmicas de Soluções II. Propredades Termodâmcas de Soluções 1 I. Propredades Termodâmcas de Fludos OBJETIVOS Eteder a dfereça etre propredade molar parcal e propredade de uma espéce pura Saber utlzar a equação de Gbbs-Duhem

Leia mais

Organização de dados -Dados não agrupados n. Mediana:

Organização de dados -Dados não agrupados n. Mediana: Orgazação de dado -Dado ão agruado Medaa: Poto de ocoameto: Méda: Moda: valor que ocorre com maor freqüêca Méda de Itervalo: + m max + Quartl: (ara j, ou 3) j( +) Poto de ocoameto: 4 Méda da Juta: Q +

Leia mais

5 Critérios para Análise dos Resultados

5 Critérios para Análise dos Resultados 5 Crtéros para Aálse dos Resultados Este capítulo tem por objetvos forecer os crtéros utlzados para aálse dos dados ecotrados a pesqusa, bem como uma vsão geral dos custos ecotrados e a forma de sua evolução

Leia mais

Organização de dados -Dados não agrupados n. Mediana:

Organização de dados -Dados não agrupados n. Mediana: Orgazação de dado -Dado ão agruado Medaa: Poto de ocoameto: Méda: Moda: valor que ocorre com maor freqüêca Méda de Itervalo: + m max + Quartl: (ara j, ou ) j( +) Poto de ocoameto: 4 Méda da Juta: Q + Q

Leia mais

Universidade Estadual de Londrina

Universidade Estadual de Londrina Uverdade Etadual de Lodra Programa de Metrado e Doutorado em Cêca Bológca Reumo da atvdade deevolvda em aula Profa. Dra. Aa Verga Lbo Meett LODRIA 06 SUMÁRIO. Aále exploratóra de dado...0. Itervalo de

Leia mais

1- RESPOSTA TEMPORAL EM FUNÇÃO DA POSIÇÃO DOS POLOS

1- RESPOSTA TEMPORAL EM FUNÇÃO DA POSIÇÃO DOS POLOS - RESPOSTA TEMPORAL EM FUNÇÃO DA POSIÇÃO DOS POLOS Seja R( F( E( a repota de u tea lear, cocetrado e varate. Se F ( e E () ão fuçõe rea racoa, etão R ( é real racoal e pode er exprea coo: N() R( a / b

Leia mais

Apostila de Introdução Aos Métodos Numéricos

Apostila de Introdução Aos Métodos Numéricos Apostla de Itrodução Aos Métodos Numércos PARTE III o Semestre - Pro a. Salete Souza de Olvera Buo Ídce INTERPOAÇÃO POINOMIA...3 INTRODUÇÃO...3 FORMA DE AGRANGE... 4 Iterpolação para potos (+) - ajuste

Leia mais

GERAÇÃO DE RUÍDO ROSA A PARTIR DE RUÍDO BRANCO

GERAÇÃO DE RUÍDO ROSA A PARTIR DE RUÍDO BRANCO SMA I Semáro Bralero de gehara de Áudo, 9 a de Juho,, Belo Horzote MG GRAÇÃO D RUÍDO ROSA A PARTIR D RUÍDO BRANCO Sde Nocet Flho e Adré L. Dalcatagê LINS: Crcuto e Proceameto de Sa Departameto de gehara

Leia mais

Probabilidade II Aula 10

Probabilidade II Aula 10 Probabldade II Aula 0 Mao de 009 Môca Barros, D.Sc. Coteúdo Esperaça Matemá (Valores esperados) Mometos e Mometos Cetras Valores esperados de uma fução de Covarâca e Correlação Matrz de covarâca, matrz

Leia mais

CADERNO 1 (É permitido o uso de calculadora gráfica.)

CADERNO 1 (É permitido o uso de calculadora gráfica.) Proposta de teste de avalação [mao 09] Nome: Ao / Turma: N.º: Data: - - Não é permtdo o uso de corretor. Deves rscar aqulo que pretedes que ão seja classfcado. A prova clu um formuláro. As cotações dos

Leia mais

REGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi

REGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi REGESD Prolc Matemátca e Realdade- Profª Suz Samá Pto e Profº Alessadro da Slva Saad Meddas de Posção ou Tedêca Cetral As meddas de posção ou meddas de tedêca cetral dcam um valor que melhor represeta

Leia mais

Avaliação da qualidade do ajuste

Avaliação da qualidade do ajuste Avalação da qualdade do ajuste 1 Alguma termologa: Modelo ulo: é o modelo mas smples que pode ser defdo, cotedo um úco parâmetro ( µ) comum a todos os dados; Modelo saturado: é o modelo mas complexo a

Leia mais

JOSÉ RICARDO STURARO Professor Adjunto

JOSÉ RICARDO STURARO Professor Adjunto APOSTILA D GOSTATÍSTICA BÁSICA JOSÉ RICARDO STURARO Profeor Adjuto UNSP/campu de Ro Claro Departameto de Geologa Aplcada - IGC 05 Reprodução autorada dede que ctada a fote Norma 60-000/ABNT (http://www.abt.org.br)

Leia mais

Potenciais termodinâmicos, critérios de espontaneidade e condições de equilíbrio

Potenciais termodinâmicos, critérios de espontaneidade e condições de equilíbrio Potecas termodâmcos crtéros de espotaedade e codções de equlíbro O Prcípo da Etropa Máxma váldo para um sstema solado estabelece um crtéro para determarmos o setdo em que ocorrem os processos de forma

Leia mais

CIV 2552 Mét. Num. Prob. de Fluxo e Transporte em Meios Porosos. Método dos Elementos Finitos Fluxo 2D em regime transiente em reservatório

CIV 2552 Mét. Num. Prob. de Fluxo e Transporte em Meios Porosos. Método dos Elementos Finitos Fluxo 2D em regime transiente em reservatório CIV 55 Mét. um. ob. de luo e aote em Meo ooo Método do Elemeto to luo D em egme taete em eevatóo Codçõe ca e aâmeto etete: eão cal: Ma emeabldade tíeca: -5 md m md ml-dac Vcodade dâmca: - µ Ma oe Comebldade

Leia mais

Extensão da Termodinâmica a sistemas abertos

Extensão da Termodinâmica a sistemas abertos Exteão da ermodâmca a tema aberto I tema homogéeo ex: mtura de gae dea oluçõe dea reacçõe químca homogéea Cottudo por uma ó ae ma pode er mult-compoete otulado de Gbb ou otulado da aráve de Etado de um

Leia mais

MEDIDAS DE DISPERSÃO:

MEDIDAS DE DISPERSÃO: MEDID DE DIPERÃO: fução dessas meddas é avalar o quato estão dspersos os valores observados uma dstrbução de freqüêca ou de probabldades, ou seja, o grau de afastameto ou de cocetração etre os valores.

Leia mais

Apêndice 1-Tratamento de dados

Apêndice 1-Tratamento de dados Apêdce 1-Tratameto de dados A faldade deste apêdce é formar algus procedmetos que serão adotados ao logo do curso o que dz respeto ao tratameto de dados epermetas. erão abordados suctamete a propagação

Leia mais

Aula Condições para Produção de Íons num Gás em Equilíbrio Térmico

Aula Condições para Produção de Íons num Gás em Equilíbrio Térmico Aula 2 Nesta aula, remos formalzar o coceto de plasma, rever osso etedmeto sobre temperatura de um gás e falmete, cohecer algus processos de ozação. 1.3 Codções para Produção de Íos um Gás em Equlíbro

Leia mais

Estudo do intervalo de confiança da regressão inversa utilizando o software R

Estudo do intervalo de confiança da regressão inversa utilizando o software R Estudo do tervalo de cofaça da regressão versa utlzado o software R Llae Lopes Cordero João Domgos Scalo. Itrodução Na maora das aplcações evolvedo regressão, determa-se o valor de Y correspodete a um

Leia mais

LCE2112 Estatística Aplicada às Ciências Sociais e Ambientais 2010/02. Exemplos de revisão

LCE2112 Estatística Aplicada às Ciências Sociais e Ambientais 2010/02. Exemplos de revisão LCE Etatítca Aplcada à Cêca Soca e Ambeta 00/0 Eemplo de revão Varável Aleatóra Cotíua Eemplo: Para e etudar o comportameto de uma plata típca de dua, a Hydrocotlle p., quato ao eu deevolvmeto, medu-e

Leia mais

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo.

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo. Equlíbro e o Potecal de Nerst 5910187 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 11 Nesta aula, vamos utlzar a equação para o modelo de eletrodfusão o equlíbro obtda a aula passada para estudar o trasporte

Leia mais

Distribuições de Probabilidades

Distribuições de Probabilidades Estatístca - aulasestdstrnormal.doc 0/05/06 Dstrbuções de Probabldades Estudamos aterormete as dstrbuções de freqüêcas de amostras. Estudaremos, agora, as dstrbuções de probabldades de populações. A dstrbução

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual Estatístca: Aplcação ao Sesorameto Remoto SER 04 - ANO 08 Estmação Potual Camlo Daleles Reó camlo@dp.pe.br http://www.dp.pe.br/~camlo/estatstca/ Iferêca Estatístca Cosdere o expermeto: retram-se 3 bolas

Leia mais

Estabilidade no Domínio da Freqüência

Estabilidade no Domínio da Freqüência Establdade o Domío da Freqüêca Itrodução; apeameto de Cotoros o Plao s; Crtéro de Nyqust; Establdade Relatva; Crtéro de Desempeho o Domío do Tempo Especfcado o Domío da Freqüêca; Bada Passate de Sstema;

Leia mais

ESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano

ESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano ESTATÍSTICA Aula 7 Prof. Dr. Marco Atoo Leoel Caetao Dstrbuções de Probabldade DISCRETAS CONTÍNUAS (Números teros) Bomal Posso Geométrca Hper-Geométrca Pascal (Números reas) Normal t-studet F-Sedecor Gama

Leia mais

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados Capítulo : Ajuste de curvas pelo método dos mímos quadrados. agrama de dspersão No capítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas por uma taela de valores. Frequetemete o etato

Leia mais

Ecologia Geral Riqueza e Diversidade de Espécies

Ecologia Geral Riqueza e Diversidade de Espécies Ecologa Geral Rqueza e Dverdade de Epéce Prof. Wllam Cota Rodrgue Pó-Doutor em Entomologa/Ecologa Unverdade Severno Sombra Tranparênca Extra I 1 Conceto A dverdade de epéce refere-e à varedade de epéce

Leia mais

A análise de variância de uma classificação (One-Way ANOVA) verifica se as médias de k amostras independentes (tratamentos) diferem entre si.

A análise de variância de uma classificação (One-Way ANOVA) verifica se as médias de k amostras independentes (tratamentos) diferem entre si. Prof. Lorí Va, Dr. http://www. ufrgs.br/~va/ va@mat.ufrgs.br aáse de varâca de uma cassfcação (Oe-Way NOV) verfca se as médas de amostras depedetes (tratametos) dferem etre s. Um segudo tpo de aáse de

Leia mais

Inferência Estatística e Aplicações I. Edson Zangiacomi Martinez Departamento de Medicina Social FMRP/USP

Inferência Estatística e Aplicações I. Edson Zangiacomi Martinez Departamento de Medicina Social FMRP/USP Iferêca Estatístca e Aplcações I Edso Zagacom Martez Departameto de Medca Socal FMRP/USP edso@fmrp.usp.br Rotero Parte I Escola frequetsta Defções: parâmetros, estmatvas Dstrbuções de probabldade Estmação

Leia mais

( ) ( IV ) n ( ) Escolha a alternativa correta: A. III, II, I, IV. B. II, III, I, IV. C. IV, III, I, II. D. IV, II, I, III. E. Nenhuma das anteriores.

( ) ( IV ) n ( ) Escolha a alternativa correta: A. III, II, I, IV. B. II, III, I, IV. C. IV, III, I, II. D. IV, II, I, III. E. Nenhuma das anteriores. Prova de Estatístca Epermetal Istruções geras. Esta prova é composta de 0 questões de múltpla escolha a respeto dos cocetos báscos de estatístca epermetal, baseada os lvros BANZATTO, A.D. e KRONKA, S.N.

Leia mais

DISTRIBUIÇÃO HIPERGEOMÉTRICA

DISTRIBUIÇÃO HIPERGEOMÉTRICA 7 DISTRIBUIÇÃO HIPERGEOMÉTRICA Cosdere-se uma população fta costtuída por N elemetos dstrbuídos por duas categoras eclusvas e eaustvas de dmesões M e N M, respectvamete. Os elemetos da prmera categora

Leia mais

Estatística 15 - Comparação entre Duas Populações

Estatística 15 - Comparação entre Duas Populações Etatítca 5 - Comaração etre Da Polaçõe 5- Comaração de Méda de Da Polaçõe µ Méda da olação µ Méda da olação Tete µ - µ µ - µ > µ - µ µ - µ < µ - µ µ - µ. Dado Emarelhado EemloVte cobaa bmetda drate ma

Leia mais

? Isso é, d i= ( x i. . Percebeu que

? Isso é, d i= ( x i. . Percebeu que Estatístca - Desvo Padrão e Varâca Preparado pelo Prof. Atoo Sales,00 Supoha que tehamos acompahado as otas de quatro aluos, com méda 6,0. Aluo A: 4,0; 6,0; 8,0; méda 6,0 Aluo B:,0; 8,0; 8,0; méda 6,0

Leia mais

Relatório 2ª Atividade Formativa UC ECS

Relatório 2ª Atividade Formativa UC ECS Relatóro 2ª Atvdade Formatva Eercíco I. Quado a dstrbução de dados é smétrca ou apromadamete smétrca, as meddas de localzação méda e medaa, cocdem ou são muto semelhates. O mesmo ão acotece quado a dstrbução

Leia mais

Macroeconometria Aula 3 Revisão de estatística e teste de hipótese

Macroeconometria Aula 3 Revisão de estatística e teste de hipótese Macroecoometra 008. Aula 3 Revsão de estatístca e teste de hpótese 3.5. Estmação No estudo das probabldades, o objetvo é calcular a probabldade de evetos préespecfcados. De agora em date o objetvo muda.

Leia mais

Paulo Cabral Erros e Incertezas nas Medições Julho 2004

Paulo Cabral Erros e Incertezas nas Medições Julho 2004 Paulo Cabral Erro e Icerteza a Medçõe Julho 004 Erro e Icerteza a Medçõe IEP Ittuto Electrotécco Portuguê ISEP Ittuto Superor de Egehara do Porto Laboratóro de Metrologa e Eao Departameto de Fíca Rua de

Leia mais

Aula 9. Aula de hoje. Aula passada. Self-normalized Importance Sampling Gerando amostras complicadas Variância amostral Simulação

Aula 9. Aula de hoje. Aula passada. Self-normalized Importance Sampling Gerando amostras complicadas Variância amostral Simulação Aula 9 Aula passada Método da rejeção (rejecto samplg) Exemplos Importace Samplg Exemplos Geeralzação Aula de hoje Self-ormalzed Importace Samplg Gerado amostras complcadas Varâca amostral Smulação Importace

Leia mais

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD Dstrbuções Amostras Estatístca 8 - Dstrbuções Amostras 08- Dstrbuções Amostras Dstrbução Amostral de Objetvo: Estudar a dstrbução da população costtuída de todos os valores que se pode obter para, em fução

Leia mais

2 Avaliação da segurança dinâmica de sistemas de energia elétrica: Teoria

2 Avaliação da segurança dinâmica de sistemas de energia elétrica: Teoria Avalação da seguraça dâmca de sstemas de eerga elétrca: Teora. Itrodução A avalação da seguraça dâmca é realzada através de estudos de establdade trastóra. Nesses estudos, aalsa-se o comportameto dos geradores

Leia mais

HIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia

HIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia Aálse estatístca aplcada à hdrologa. Séres hdrológcas oções complemetares HIDROLOGIA E RECURSOS HÍDRICOS Aálse estatístca aplcada à hdrologa O Egehero HIDRÁULICO Echerá? Que população pode abastecer e

Leia mais

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø.

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø. Professor Maurco Lutz 1 EGESSÃO LINEA SIMPLES A correlação lear é uma correlação etre duas varáves, cujo gráfco aproma-se de uma lha. O gráfco cartesao que represeta essa lha é deomado dagrama de dspersão.

Leia mais

( k) Tema 02 Risco e Retorno 1. Conceitos Básicos

( k) Tema 02 Risco e Retorno 1. Conceitos Básicos FEA -USP Graduação Cêcas Cotábes EAC05 04_0 Profa. Joaíla Ca. Rsco e Retoro. Cocetos Báscos Rotero BE-cap.6 Tema 0 Rsco e Retoro. Cocetos Báscos I. O que é Retoro? II. Qual é o Rsco de um Atvo Idvdual

Leia mais

Problema geral de interpolação

Problema geral de interpolação Problema geral de terpolação Ecotrar p() que verfque as codções: f j ( ) y,,,,,, j,,, m ( j) ( ) dervada de ordem j ós valores odas Eemplo: ecotrar p() que verfque:, f () 4 3, f( 3) 3, f'(3) 4 3 p() 3

Leia mais

02/02/2017. Intervalo de Confiança. Bioestatística. Universidade Estadual do Oeste do Paraná - Unioeste. Curso de Nutrição

02/02/2017. Intervalo de Confiança. Bioestatística. Universidade Estadual do Oeste do Paraná - Unioeste. Curso de Nutrição Uiveridade Etadual do Oete do Paraá - Uioete Curo de Nutrição Bioetatítica Profeora Aqui começamo o etudo da etatítica iferecial, que é o egudo maior ramo da etatítica. M.Roebel Tridade Cuha Prate Coite

Leia mais

Noções Básicas de Medidas e Algarismos Significativos

Noções Básicas de Medidas e Algarismos Significativos Noções Báscas de Meddas e Algarsmos Sgfcatvos Prof. Theo Z. Pava Departameto de Físca - Faculdade de Flosofa, Cêcas e Letras de Rberão Preto-USP Físca Acústca Motvações Quas são os padrões de meddas? Podemos

Leia mais

Capítulo V - Interpolação Polinomial

Capítulo V - Interpolação Polinomial Métodos Numércos C Balsa & A Satos Capítulo V - Iterpolação Polomal Iterpolação Cosdere o segute couto de dados: x : x0 x x y : y y y 0 m m Estes podem resultar de uma sequêca de meddas expermetas, ode

Leia mais

Estatística. 2 - Estatística Descritiva

Estatística. 2 - Estatística Descritiva Estatístca - Estatístca Descrtva UNESP FEG DPD Prof. Edgard - 0 0- ESTATÍSTICA DESCRITIVA Possblta descrever as Varáves: DESCRIÇÃO GRÁFICA MEDIDAS DE POSIÇÃO MEDIDAS DE DISPERSÃO MEDIDAS DE ASSIMETRIA

Leia mais

Alcindo do Prado Junior. Controle de Processos Industriais

Alcindo do Prado Junior. Controle de Processos Industriais Alcdo do Prado Juor Cotrole de Proceo Idutra 00 Cotrole de Proceo Idutra Ídce. INTRODUÇÃO AO CONTROLE DE SISTEMAS DINÂMICOS..... Clafcação do Cotrole Quato à Etrutura..... Clafcação do Cotrole Quato à

Leia mais