ANÁLISE DO VALOR DO PASSO DA RECONSTRUÇÃO PARA O CÁLCULO DA DIMENSÃO DE CORRELAÇÃO EM SISTEMAS CAÓTICOS
|
|
- Sebastião Minho Quintão
- 6 Há anos
- Visualizações:
Transcrição
1 6 ANÁLISE DO VALOR DO PASSO DA RECONSTRUÇÃO PARA O CÁLCULO DA DIMENSÃO DE CORRELAÇÃO EM SISTEMAS CAÓTICOS Natália Diniz (Uni-FACEF) Antonio Carlos da Silva Filho (Uni-FACEF) INTRODUÇÃO Seja a seguinte situação: alguém está tentando resolver um problema em uma variável, x, no qual a solução será usada para se resolver o mesmo problema novamente, e assim por diante. Vários fenômenos na natureza podem ser assim descritos. O crescimento de populações em ecologia é um exemplo, onde a quantidade de indivíduos em um determinado instante depende da quantidade de indivíduos em um instante anterior. Matematicamente, tais situações podem ser colocadas através da seguinte expressão geral: 6 ( ) x N + = f x N () Onde, partindo de um valor inicial x = x, calcula-se, sucessivamente, x, x, x, etc. linear: A função f(x) poderá se apresentar de várias formas. Um exemplo é a função f ( x ) = λ x Este tipo de função pode servir muito bem para uma determinada classe de problemas, mas não é a representação adequada de muitos outros. Considere-se o exemplo em ecologia, onde x representa o tamanho de uma determinada população de animais. Neste caso, λ deve ser positivo e deduz-se que: x N N = λ x A função linear diz que esta população vai tender à extinção (se λ for um número entre e ) ou que vai crescer indefinidamente ( se λ for um número maior do que ). O primeiro caso pode perfeitamente acontecer, mas o segundo não. Assim, precisa-se de outra categoria de funções para trabalhar com tais situações. São necessárias as funções não-lineares.
2 6 Uma população de animais não pode crescer indefinidamente. Há que se introduzir uma correção na função linear. Assim, por exemplo, faz-se com que o parâmetro λ não seja mais constante, mas varie com o tamanho da população. A maneira mais simples de conseguir isto é fazer a transformação: λ λ ( b x ) onde b é uma constante positiva. Mudando a escala em que se mede o tamanho da população, chega-se à seguinte expressão para f(x): f ( x ) = λ x ( x ) () Agora, o tamanho máximo da população é x =. Esta equação é chamada, às vezes, de equação logística, devido a uma equação diferencial estudada pelo matemático belga P. F. Verhulst cerca de 5 anos atrás (BOYER, 996). Sua versão discreta é conhecida como Mapeamento Logístico. O Mapeamento Logístico é um sistema extremamente simples (formado por uma função do segundo grau), mas exibe (inesperadamente, até a década de 7) os principais elementos de uma dinâmica caótica. MATERIAIS E MÉTODOS Pode-se definir Caos como um sinal aparentemente aleatório e irregular, gerado por um processo determinista, com as seguintes propriedades adicionais (de GRAUWE, 99): (i) Exibe sensibilidade às condições iniciais; (ii) Ë aperiódico; (iii) É associado a um atrator estranho; (iv) Tem um espectro de potências de Fourier contínuo e de banda larga; (v) Tem pelo menos um expoente de Liapunov positivo. O estudo moderno deste tipo de sistema começou com Lorenz na década de sessenta e é relativamente novo, caso se pense na História da Ciência como um todo. Uma das maneira de analisar os sistemas caóticos é através dos dados experimentais ou observacionais do sistema. Analisam-se parâmetros de dinâmica caótica normalmente usados na análise de séries temporais, dentre os quais 6
3 6 destacam-se os seguintes: a Dimensão de Correlação, a Entropia de Kolmogorov- Sinai e os Expoentes de Liapunov. A Dimensão de Correlação é, atualmente, a medida mais popular de dimensão. Foi proposta por Grassberger e Procaccia (98). É muito parecida com a dimensão de informação, porém, é mais complexa. A dimensão de correlação é procurada em um gráfico do logaritmo da integral (ou soma) de correlação versus o logaritmo de ε, enquanto que a dimensão de informação é procurada em um gráfico da informação versus logaritmo de (/ε). Mas, tanto a integral de correlação como a informação são expressas em termos de probabilidades. A diferença fundamental entre ambas está na maneira de se calcular essas probabilidades: para a dimensão de informação, constrói-se uma rede que englobe o atrator e calcula-se, basicamente, a probabilidade de ocupação de cada célula; já para a dimensão de correlação, constrói-se uma célula centrada em cada ponto da trajetória e calcula-se a probabilidade de ocupação desta célula. Para calcular a dimensão de correlação a partir de dados experimentais representando valores de alguma variável aleatória no tempo, Takens (98) demonstrou que é possível reconstruir a dinâmica do sistema, a partir de uma única coordenada, preservando certas propriedades do mesmo. O algoritmo baseia-se na construção de vetores ξ i m-dimensionais a partir da série temporal {x i }, onde x i = x(t i ); i =,,...,N; m é chamada dimensão de imersão e N é o número total de pontos. O teorema de Takens (98), garante uma representação num espaço reconstruído usando x(t i ) como primeira coordenada, x(t i+p ) como segunda coordenada, e x(t i+ (m-p) ) como última coordenada, onde p é o passo da reconstrução da série, também chamado de tempo de retardo. Para a escolha adequada de m, a reconstrução deve ser feita para valores crescentes e sucessivos (m =,,...). Demonstra-se que um atrator de dimensão topológica D deve ser imerso num espaço de dimensão m maior, ou igual, a D +; caso contrário, o atrator aparecerá dobrado sobre si mesmo como numa projeção e pontos inicialmente distantes, tornam-se próximos provocando uma distorção na estatística da medida invariante associada ao atrator reconstruído. Como não sabemos, a priori, qual a dimensão topológica do atrator associado à série de dados experimentais que estamos investigando, uma razoável dose de experimentação e bom senso torna-se necessária ao interpretarmos os resultados obtidos, segundo Ferrara e do Prado (99). Para efetuarmos o cálculo 6
4 6 da dimensão de correlação (D c ) pensemos na probabilidade de termos dois pontos do atrator num círculo de raio ε, por exemplo. Isso implica a probabilidade da distância entre esses dois pontos ser menor que ε. A medida dessa probabilidade, chamada integral (ou soma) de correlação, representada pela letra C, é função de ε e pode ser expressa pela equação abaixo: r r C( ε ) = lim nº de pares i,j, tais que x - x < N ( N ) N N N = N ( N ) Θ ε - xi - x j i= j= { i j ε} r r onde: Θ(x) é a função degrau de Heaveside definida por: Θ( x) = { se se x x < Essencialmente, C(ε) é uma medida de probabilidade que cresce exponencialmente. Então, numa escala log-log, o gráfico de C(ε) versus ε mostra uma região linear onde: log ( C ( ε ) ) Dc.log ( ε ) é satisfeita e a dimensão de correlação é dada por: logc( ε) Dc = lim ε logε Um parâmetro importante na reconstrução do atrator é o Passo (p). O estimador de p tem que ser tal que x(t i ) e x(t i+p ) sejam parcialmente não-correlacionados e independentes (para não utilizarmos um estimador viciado, do ponto de vista estatístico). Faz-se necessário, então, o estudo da função de autocorrelação definida por: 6
5 6 C( τ ) = lim ( x)( x) N i i N x x +τ C() = lim ( x)( x) N i i N x x Um estimador de p para a reconstrução do atrator é τ, de forma que: C ( τ ) = C() que indica, aproximadamente, o tempo de descorrelação da série. (TSONIS, 99). Mas nem sempre o valor assim obtido conduz à melhor reconstrução. Este trabalho vai analisar precisamente este ponto: Qual é realmente, o valor ótimo de C(τ)? A Dimensão de Correlação será calculada para vários sistemas, como o sistema de Lorenz (LORENZ, 96), o de Henon e o de Rössler. Este cálculo será feito variando-se o passo da reconstrução desde até N, onde N será determinado pela divergência com os valores já conhecidos para estes sistemas. Os valores ótimos serão, a seguir, localizados no correlograma correspondente, que é um gráfico da Função de Autocorrelação em função do atraso temporal. O conjunto de informações obtidas será, então, analisado para a especificação de um algoritmo para se percorrer o caminho inverso, ou seja: pretende-se fornecer um método para, a partir da Função de Autocorrelação, determinar-se o Passo da Reconstrução. Os principais sistemas a serem analisados serão: a) O Atrator de Lorenz: dx/dt = σ(y-x) dy/dt = -xz + rx y dz/dt = xy bz onde, usualmente: σ = ; r = 8; b = 8/ b) O Atrator de Rössler: dx/dt = -y - z 6
6 65 dy/dt = x + ay dz/dt = b + z(x c) onde, usualmente: a = b =,; c = 5,7 c) O sistema de Chen: dx/dt = a(y-x) dy/dt = (c a)x xz + cy dz/dt = xy bz onde, usualmente: a = 5; b = ; c = 8 d) O Mapa de Hénon: Xn+ = a(xn) + byn Yn+ = Xn onde, usualmente: a =,; b =, e) O Pêndulo Forçado Amortecido: dx/dt = y dy/dt = -senx - by + Asen(Ωt) onde, usualmente, b =,5; A =,6; Ω =,7 RESULTADOS Seguem alguns resultados, colocados em gráficos, já obtidos para o Sistema de Lorenz. Todos os programas foram escritos no Matlab. 65
7 Fig. log(fc) x log(ε): Lorenz com pontos e dimensão variando de a Fig. Dim x log(ε): Derivadas com pontos, para o gráfico da figura. 66
8 Fig. Dim x log(ε): Derivadas com pontos, para o gráfico da figura Fig. Dim x log(ε): Derivadas com pontos, para o gráfico da figura. 67
9 Fig. 5 Dim x log(ε): Derivadas com pontos, para o gráfico da figura Fig. 6 Dim x log(ε): Derivadas com 5 pontos, para o gráfico da figura. 68
10 Fig. 7 Dim x log(ε): Derivadas com 6 pontos, para o gráfico da figura Fig. 8 Dim x log(ε): Derivadas com 7 pontos, para o gráfico da figura. 69
11 7 LORENZ COM 5 PONTOS; DIMENSÕES DE : Fig. 9 log(fc) x log(ε): Lorenz com 5 pontos e dimensão variando de a Fig. Dim x log(ε): Derivadas com pontos, para o gráfico da figura 9. 7
12 7 ANÁLISE E CONCLUSÃO Aprendemos, como pode ser visto, a calcular a Dimensão de Correlação para um conjunto de dados. As próximas etapas do trabalho consistirão em aplicar os mesmos algoritmos aos demais mapeamentos. BIBLIOGRAFIA BOYER, Carl B. História da Matemática.São Paulo: Editora Edgar Blucher Ltda./Editora da Universidade de São Paulo, p. DE GRAUWE, P., DEWACHTER, H. e EMBRECHTS, M. Exchange Rate Theory. Oxford: Blackwell Publishers, p. FERRARA, N. F. e DO PRADO, C. P. C. Caos Uma Introdução. São Paulo: Edgard Blücher Ltda., 99. p. GRASSBERGER, P; PROCACCIA I. Measuring the strangeness of strange attractors, Physica, v. 9D, 98. HANSELMAN, Duane; LITTLEFIELD, Bruce. Matlab 6 Curso Completo. São Paulo: Prentice Hall,. 676 p., 96. LORENZ, E. N. Deterministic Nonperiodic Flow. J. Atmos. Sci., v., p. - MONTEIRO, Luiz Henrique Alves. Sistemas Dinâmicos. São Paulo: Editora Livraria da Física,. 57 p. 7
13 7 SCHUSTER, H. G. Deterministic Chaos: an introduction. Weinheim, VCH Verlagsgesellschaft, p. TAKENS, F. Detecting Strange Attractors in Turbulence. In: RAND D. A., YOUNG L. S. (ed.) Dynamical Systems and Turbulence, (Springer Lecture Notes in Mathematics) vol 898, Springer-Verlag, 98. TSONIS, A. A. Chaos: from theory to applications, New York, Plenum Press, p. 7
A INFLUÊNCIA DO RUÍDO NA DETERMINAÇÃO DA DIMENSÃO DE CORRELAÇÃO EM SISTEMAS CAÓTICOS
A INFLUÊNCIA DO RUÍDO NA DETERMINAÇÃO DA DIMENSÃO DE CORRELAÇÃO EM SISTEMAS CAÓTICOS Valdirene de Souza (Centro Universitário de Franca) Antônio Carlos da Silva Filho (Centro Universitário de Franca) 1
Leia maisINVESTIGAÇÃO DE ALTERAÇÕES NA DINÂMICA DO RITMO CARDÍACO DE DOENTES DE CHAGAS
78 INVESTIGAÇÃO DE ALTERAÇÕES NA DINÂMICA DO RITMO CARDÍACO DE DOENTES DE CHAGAS Antônio Carlos da Silva Filho (Uni-FACEF) Fátima Maria Helena Simões Pereira da Silva (USP) Lourenço Gallo Júnior (USP)
Leia maisVALORES ÓTIMOS DO PASSO DA RECONSTRUÇÃO PARA O CÁLCULO DA DIMENSÃO DE CORRELAÇÃO EM SISTEMAS CAÓTICOS INTRODUÇÃO
858 VALORES ÓTIMOS DO PASSO DA RECONSTRUÇÃO PARA O CÁLCULO DA DIMENSÃO DE CORRELAÇÃO EM SISTEMAS CAÓTICOS Natália Diniz Antôni Carls Da Silva Filh INTRODUÇÃO Seja a seguinte situaçã: alguém está tentand
Leia maisA FUNÇÃO DE AUTOCORRELAÇÃO E A ESCOLHA DO PASSO DA RECONSTRUÇÃO
A FUNÇÃO DE AUTOCORRELAÇÃO E A ESCOLHA DO PASSO DA RECONSTRUÇÃO Antônio Carlos da Silva Filho (Uni-FACEF) Fabiano Guasti Lima (USP) 1 INTRODUÇÃO A função de autocorrelação mede o grau de correlação de
Leia maisTREND STRIPS E NÍVEIS DE RUÍDO ADICIONADOS A UM MAPA SENOIDAL
167 TREND STRIPS E NÍVEIS DE RUÍDO ADICIONADOS A UM MAPA SENOIDAL Antônio Carlos da Silva Filho Uni-FACEF Introdução Trend Strips (TS) são uma nova técnica de análise da dinâmica de um sistema, quando
Leia maisCaos, uma introdução. Dr. Emerson Luis de Santa Helena. Universidade Federal de Sergipe Departamento de Física
Caos, uma introdução Dr. Emerson Luis de Santa Helena Universidade Federal de Sergipe Departamento de Física Oscilações simples Pêndulo Simples http://en.wikipedia.org/wiki/pendulum_(derivations) 0 sin
Leia maisA DIMENSÃO DE CORRELAÇÃO E A SÉRIE DO IBOVESPA
729 A DIMENSÃO DE CORRELAÇÃO E A SÉRIE DO IBOVESPA Valdir Alcântara de Souza Jr Antônio Carlos da Silva Filho 2 Introdução Sendo a bolsa de valores um ambiente de negociação entre investidores, esta expõe
Leia maisAPLICAÇÃO DA TEORIA DO CAOS EM DADOS DE CONCENTRAÇÃO DE MATERIAL PARTICULADO INALÁVEL NA ATMOSFERA
APLICAÇÃO DA TEORIA DO CAOS EM DADOS DE CONCENTRAÇÃO DE MATERIAL PARTICULADO INALÁVEL NA ATMOSFERA W. H. PRIETO 1, E. TOMAZ 1 e M. A. CREMASCO 1 1 Universidade Estadual de Campinas, Faculdade de Engenharia
Leia maisIV Rotas para o Caos. E-Crises
IV Rotas para o Caos E-Crises 1-Introdução Mudança abrupta no atrator em um parâmetro crítico. Crises em mapas bidimensionais Crises em sistemas tridimensionais de equações diferenciais 2-Variedades Alterações
Leia maisX - Variedades Estáveis e Crises. Referência Principal: Chaos K. Alligood, T. D. Sauer, J. A. Yorke Springer (1997)
X - Variedades Estáveis e Crises Referência Principal: Chaos K. Alligood, T. D. Sauer, J. A. Yorke Springer (1997) 1- Introdução Variedade estável (instável): conjunto de pontos iniciais que convergem
Leia maisUm Estudo da Dinâmica da Equação Logística
Um Estudo da Dinâmica da Equação Logística Conconi, T.; Silva Lima, M.F. Resumo: Equações diferenciais são adequadas para representar sistemas discretos por grandezas cujos valores variam apenas em determinados
Leia maisDetectando a presença de caos em uma série temporal
Detectando a presença de caos em uma série temporal Andriana S L O Campanharo, Elbert E N Macau, Fernando M Ramos Laboratório Associado de Computação e Matemática Aplicada, LAC, INPE, 7-, São José dos
Leia maisVII Exemplos de Atratores Estranhos
VII Exemplos de Atratores Estranhos VII Sistema de Lorenz Primeira Parte onvecção de Rayleigh-Bernard Equação de Navier-Stokes r dv r r r ρ = F p + µ 2 v dt dt dt = κ 2 T Equação de ondução do alor Equação
Leia maisCaracterizac a o da dina mica cao tica em se ries temporais
Caracterizac a o da dina mica cao tica em se ries temporais Laurita dos Santos1 e Elbert E. N. Macau2 1 2 Programa de Doutorado em Computac a o Aplicada CAP Instituto Nacional de Pesquisas Espaciais INPE
Leia maisSISMICIDADE GLOBAL NO ÚLTIMO QUARTEL DO SÉC. XX
SISMICIDADE GLOBAL NO ÚLTIMO QUARTEL DO SÉC. XX E. Ivo ALVES Centro de Geofísica Universidade de Coimbra SUMÁRIO No presente trabalho analisaram-se os sismos com magnitude M 5 registados na Terra entre
Leia maisNoções de Simulação. Ciências Contábeis - FEA - Noturno. 2 o Semestre MAE0219 (IME-USP) Noções de Simulação 2 o Semestre / 23
Noções de Simulação Ciências Contábeis - FEA - Noturno 2 o Semestre 2013 MAE0219 (IME-USP) Noções de Simulação 2 o Semestre 2013 1 / 23 Objetivos da Aula Sumário 1 Objetivos da Aula 2 Motivação 3 Geração
Leia maisUTILIZAC A O DA TEORIA DE REDES COMPLEXAS PARA A ANA LISE DE SE RIES TEMPORAIS
UTILIZAC A O DA TEORIA DE REDES COMPLEXAS PARA A ANA LISE DE SE RIES TEMPORAIS Andriana S. L. O. Campanharo, Fernando Manuel Ramos Programa de Doutorado em Computac a o Aplicada CAP Instituto Nacional
Leia maisDIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS
177 DIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS Antôno Carlos da Slva Flho Un-FACEF Introdução Trend Strps (TS) são uma nova técnca de análse da dnâmca de um sstema,
Leia maisESTIMATIVA DO EXPOENTE DE HURST DE SÉRIES TEMPORAIS CAÓTICAS POR MEIO DA TRANSFORMADA WAVELET DISCRETA
ESTIMATIVA DO EXPOENTE DE HURST DE SÉRIES TEMPORAIS CAÓTICAS POR MEIO DA TRANSFORMADA WAVELET DISCRETA Aline Cristina Soterroni 1, Margarete Oliveira Domingues 2, Fernando Manuel Ramos 3 1 CAP/INPE, São
Leia maisAnálise Espectral de Sinais Caóticos Gerados pelo Mapa de Bernoulli com r Segmentos
Análise Espectral de Sinais Caóticos Gerados pelo Mapa de Bernoulli com r Segmentos Rafael Alves da Costa, Murilo Bellezoni Loiola e Marcio Eisencraft Universidade Federal do ABC Universidade de São Paulo
Leia maisUSO DA DIMENSÃO DE CORRELAÇÃO NA DISCRIMINAÇÃO ENTRE VOZES SAUDÁVEIS E PATOLÓGICAS
USO DA DIMENSÃO DE CORRELAÇÃO NA DISCRIMINAÇÃO ENTRE VOZES SAUDÁVEIS E PATOLÓGICAS Washington César COSTA(1); Benedito G. AGUIAR NETO (2); Silvana C. COSTA (3) (1) UFCG/Campus C. Grande, IFPB/Campus J.
Leia maisCaos em Equações Diferenciais. Referência Principal: Chaos K. Alligood, T. D. Sauer, J. A. Yorke Springer (1997)
aos em Equações Diferenciais Referência Principal: haos K. Alligood, T. D. Sauer, J. A. Yorke Springer (997) onvecção em um gradiente de temperatura haos Alligood et al. Sistema de Lorenz x - σ y z - x
Leia maisConsiderações sobre a Condição Inicial na Construção do Diagrama de Bifurcação para o Mapa Logístico
Trabalho apresentado no DINCON, Natal - RN, 2015. Proceeding Series of the Brazilian Society of Computational and Applied Mathematics Considerações sobre a Condição Inicial na Construção do Diagrama de
Leia maisApresentação do programa da disciplina. Definições básicas. Aplicações de sinais e sistemas na engenharia. Revisão sobre números complexos.
FUNDAÇÃO UNVERSDADE FEDERAL DO VALE DO SÃO FRANCSCO PLANO DE UNDADE DDÁTCA- PUD Professor: Edmar José do Nascimento Disciplina: ANÁLSE DE SNAS E SSTEMAS Carga Horária: 60 hs Semestre: 2010.1 Pág. 1 de
Leia mais1 A Equação Fundamental Áreas Primeiras definições Uma questão importante... 7
Conteúdo 1 4 1.1- Áreas............................. 4 1.2 Primeiras definições...................... 6 1.3 - Uma questão importante.................. 7 1 EDA Aula 1 Objetivos Apresentar as equações diferenciais
Leia maisAnálise e Previsão de Séries Temporais Aula 1: Introdução às séries temporais. Eraylson Galdino
Análise e Previsão de Séries Temporais Aula 1: Introdução às séries temporais egs@cin.ufpe.br Agenda Séries Temporais: Definições Exemplos Modelos simples com média zero: Ruído I.I.D Processo Binário Random
Leia maisDisciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 02 / Processos Aleatórios
Disciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 02 / Processos Aleatórios Prof. Eduardo Simas (eduardo.simas@ufba.br) Programa de Pós-Graduação em Engenharia Elétrica/PPGEE Universidade
Leia maisModelagem Computacional. Parte 8 2
Mestrado em Modelagem e Otimização - RC/UFG Modelagem Computacional Parte 8 2 Prof. Thiago Alves de Queiroz 2/2016 2 [Cap. 10 e 11] BURDEN, R. L.; FAIRES, J. D. Numerical Analysis (9th ed). Cengage Learning,
Leia maist= 12,5 s t= 20,0 s t= 35,0 s a) Simulação Caso 4 a número de Reynolds 1600.
156 As Figuras 5.34 e 5.35 apresentam respectivamente os módulos de vorticidade nos planos xz e xy, referentes à evolução das simulações realizadas a número de Reynolds 1600, 5000 e10000. a) Simulação
Leia maisRicardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Geração de Números Aleatórios Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo 1 / 61 Simulando de Distribuições Discretas Assume-se que um
Leia maisCaracterização de Comportamento Caótico da Variabilidade da Frequência Cardíaca (VFC) em Jovens Saudáveis
Anais do CNMAC v.2 ISSN 1984-820X Caracterização de Comportamento Caótico da Variabilidade da Frequência Cardíaca (VFC) em Jovens Saudáveis Marcelo Messias Departamento de Matemática, Estatística e Computação
Leia maisTP537 Transmissão Digital 1ª Avaliação 27/10/ :00h Prof. Dayan Adionel Guimarães. Aluno(a):
TP537 Transmissão Digital ª Avaliação 7//4 8:h Prof. Dayan Adionel Guimarães ota: Aluno(a): ª questão (4 pontos) Prova com consulta ao livro texto, com duração de 3 horas. A interpretação é parte integrante
Leia maisII- Mapas Bidimensionais. Referência: Chaos, K. Alligood, T. D. Sauer, J. A. Yorke; Springer (1997).
II- Mapas Bidimensionais Referência: Chaos, K. Alligood, T. D. Sauer, J. A. Yorke; Springer (997). - Novas CaracterísMcas Dinâmicas Além de pontos fixos, há pontos de selas. Ponto de sela: contração em
Leia maisIntrodução aos Proc. Estocásticos - ENG 430
Introdução aos Proc. Estocásticos - ENG 430 Fabrício Simões IFBA 16 de novembro de 2015 Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG 430 16 de novembro de 2015 1 / 34 1 Motivação 2 Conceitos
Leia maisAnálise de dados em Fisica de Particulas
Análise de dados em Fisica de Particulas Magno V.T. Machado Instituto de Fisica - UFRGS Escola de Fisica de Particulas e Campos. Agosto 05-09, 2013 Números aleatórios e Monte Carlo Muitas aplicações computacionais
Leia maisUNIVERSIDADE FEDERAL DO ABC. 1 Existência e unicidade de zeros; Métodos da bissecção e falsa posição
UNIVERSIDADE FEDERAL DO ABC BC1419 Cálculo Numérico - LISTA 1 - Zeros de Funções (Profs. André Camargo, Feodor Pisnitchenko, Marijana Brtka, Rodrigo Fresneda) 1 Existência e unicidade de zeros; Métodos
Leia maisEvidências Experimentais. Iberê L. Caldas
Evidências Experimentais Iberê L. Caldas Sumário I - Torneira Gotejante II - Convecção de Rayleigh-Bénard III Fluido em Rotação IV Reação Química I - Evidências Experimentais de Crises Laboratório de Fenômenos
Leia maisFACULDADE DE CIÊNCIAS EXATAS E TECNOLÓGICAS CAMPUS
FACULDADE DE CIÊNCIAS EXATAS E TECNOLÓGICAS CAMPUS UNIVERSITÁRIO DE SINOP CURSO DE ENGENHARIA ELÉTRICA Princípios de Comunicações Slides 5 e 6 Milton Luiz Neri Pereira (UNEMAT/FACET/DEE) 1 2.1 Sinais Um
Leia maisProcessos estocásticos
36341 - Introdução aos Processos Estocásticos Curso de Pós-Graduação em Engenharia Elétrica Departamento de Engenharia Elétrica Universidade de Brasília Processos estocásticos Geovany A. Borges gaborges@ene.unb.br
Leia maisSinais e Sistemas. Sinais e Sistemas Fundamentos. Renato Dourado Maia. Universidade Estadual de Montes Claros. Engenharia de Sistemas
Sinais e Sistemas Sinais e Sistemas Fundamentos Renato Dourado Maia Universidade Estadual de Montes Claros Engenharia de Sistemas Classificação de Sinais Sinal de Tempo Contínuo: É definido para todo tempo
Leia maisProcessamento Digital de Sinais. Notas de Aula. Transformada Z. Transformada Z - TZ
Transformada Z Transformada Z 2 Transformada Z - TZ Processamento Digital de Sinais É uma generalização da Transformada de Fourier de Tempo Discreto (DTFT) Útil para representação e análise de sistemas
Leia maisCapítulo 3. Função de transferência e dinâmicas dos sistemas (Parte D, continuação)
DINÂMICA DE SISTEMAS BIOLÓGICOS E FISIOLÓGICOS Capítulo 3 Função de transferência e dinâmicas dos sistemas (Parte D, continuação) Juntando agora os três casos numa só figura, A resposta y(t) classifica-se
Leia maisConvolução Correlação. Profs. Theo Pavan e Adilton Carneiro TAPS
Convolução Correlação Profs. Theo Pavan e Adilton Carneiro TAPS Sistema Sistema processo em que os sinais de entrada são transformados resultando em um outro sinal de saída. x(t) Sistema de tempo contínuo
Leia maisProcessamento de Sinal e Imagem Engenharia Electrotécnica e de Computadores
António M. Gonçalves Pinheiro Departamento de Física Covilhã - Portugal pinheiro@ubi.pt Processos Estocásticos - Sinais que variam aleatoriamente no tempo. são regidos por processos estocásticos. 2 1 1
Leia maisDE INCERTEZA. UNESP - Faculdade de Engenharia de Guaratinguetá 1
INCERTEZA DE MEDIÇÃO E PROPAGAÇÃO DE INCERTEZA UNESP - Faculdade de Engenharia de Guaratinguetá 1 0.1. Introdução Ao se atribuir um valor numérico a uma grandeza temos associado ao mesmo uma incerteza.
Leia maisSexta Lista: Geração de Números Pseudo-Aleatórios e Método de Monte Carlo
Sexta Lista: Geração de Números Pseudo-Aleatórios e Método de Monte Carlo Antônio Carlos Roque da Silva Filho e Cristiano R. F. Granzotti 26 de junho de 2017 Os exercícios desta lista devem ser resolvidos
Leia mais5.3 Variáveis aleatórias gaussianas conjuntas
M. Eisencraft 5.3 Variáveis aleatórias gaussianas conjuntas 64 respectivamente. São as chamadas funções características marginais: Φ X (ω ) = Φ X,Y (ω,0) (5.0) Φ Y (ω ) = Φ X,Y (0,ω ) (5.) Os momentos
Leia maisSinais e Sistemas Unidade 5 Representação em domínio da frequência para sinais contínuos: Transformada de Laplace
Sinais e Sistemas Unidade 5 Representação em domínio da frequência para sinais contínuos: Transformada de Laplace Prof. Cassiano Rech, Dr. Eng. rech.cassiano@gmail.com Prof. Rafael Concatto Beltrame, Me.
Leia maisPrograma Analítico de Disciplina ELT430 Modelagem e Identificação de Sistemas
0 Programa Analítico de Disciplina Departamento de Engenharia Elétrica - Centro de Ciências Exatas e Tecnológicas Número de créditos: Teóricas Práticas Total Duração em semanas: 15 Carga horária semanal
Leia maisAULA 7- FUNÇÕES EXPONENCIAIS E LOGARÍTMICAS VERSÃO 1 - MAIO DE 2018
CURSO DE BIOMEDICINA CENTRO DE CIÊNCIAS DA SAÚDE UNIVERSIDADE CATÓLICA DE PETRÓPOLIS MATEMÁTICA AULA 7- FUNÇÕES EXPONENCIAIS E LOGARÍTMICAS VERSÃO 1 - MAIO DE 2018 Professor: Luís Rodrigo E-mail: luis.goncalves@ucp.br
Leia maisEduardo G. Altmann orientador: Prof. Dr. Iberê L. Caldas
TEMPO DE RETORNO EM SISTEMAS DINÂMICOS Eduardo G. Altmann orientador: Prof. Dr. Iberê L. Caldas altmann@if.usp.br Apresentação da Dissertação de Mestrado: Instituto de Física da Universidade de São Paulo
Leia maisTE802 Processos Estocásticos em Engenharia. Processo Aleatório. TE802 Processos Aleatórios. Evelio M. G. Fernández. 18 de outubro de 2017
TE802 Processos Estocásticos em Engenharia Processos Aleatórios 18 de outubro de 2017 Processo Aleatório Processo Aleatório (ou Estocástico), X(t): Função aleatória do tempo para modelar formas de onda
Leia maisM. Eisencraft 6.3 Funções de correlação 81. R YX (τ) R YY (τ). (6.19) R XY (τ) = R YX ( τ) (6.20)
M. Eisencraft 6.3 Funções de correlação 81 R XY (τ) = E[X(t)Y(t+τ)] e (6.17) R YX (τ) = E[Y(t)X(t+τ)]. (6.18) As propriedades de correlação de dois processos X(t) e Y(t) podem ser mostradas convenientemente
Leia maisTécnicas computacionais em probabilidade e estatística II
Técnicas computacionais em probabilidade e estatística II Universidade de São Paulo Instituto de Matemática e Estatística http:www.ime.usp.br/ mbranco AULA 1: Problemas Computacionais em Inferência Estatística.
Leia maisCaos determinístico e mapa logístico FAP0214 Física Experimental IV. Manfredo Harri Tabacniks IFUSP
Caos determinístico e mapa logístico FAP0214 Física Eperimental IV Manfredo Harri Tabacniks IFUSP Leituras sugeridas www.ifi.unicamp.br/~aguiar/cursos/escolaavancadacaos.ppt http://www.sbfisica.org.br/fne/vol6/num1/compleidade.pdf
Leia maisSistemas lineares. Aula 1 - Sinais
Sistemas lineares Aula 1 - Sinais Conceitos Sinais e sistemas Definições Descrições Representações matemáticas Classificações Sinais Elementares (básicos) Operações Sinais Definição: Um sinal é a representação
Leia maisProcessamento de Malhas Poligonais
Processamento de Malhas Poligonais Tópicos Avançados em Computação Visual e Interfaces I Prof.: Marcos Lage www.ic.uff.br/~mlage mlage@ic.uff.br Conteúdo: Notas de Aula Curvas 06/09/2015 Processamento
Leia mais5 Modelos de previsão
5 Modelos de previsão 5.1 Previsão de séries temporais Um método comum para escrever o problema de previsão de séries temporais em uma estrutura de estimação por regressão é considerar as séries temporais
Leia maisUTILIZAÇÃO DA ANÁLISE DE CAOS NO PROCESSAMENTO DE SINAIS: DISCUSSÃO SOBRE PROPRIEDADES CAÓTICAS RESUMO
8 a de Outubro de 05 UTILIZAÇÃO DA AÁLISE DE CAOS O PROCESSAMETO DE SIAIS: DISCUSSÃO SOBRE PROPRIEDADES CAÓTICAS H. L. MOURA, G. J. CASTILHO, M. A. CREMASCO UniversidadeEstadual de Campinas, Faculdade
Leia maisSUMÁRIO BACKGROUND. Referências 62 MATLAB Seção B: Operações Elementares 62 Problemas 71
SUMÁRIO BACKGROUND B.l Números Complexos 17 B.l-l Nota Histórica 17 B.I-2 Álgebra de Números Complexos 20 B.2 Senóides 30 B.2-1 Adição de Senóides 31 B.2-2 Senóides em Termos de Exponenciais: A Fórmula
Leia maisANÁLISE COMPLEXA E EQUAÇÕES DIFERENCIAIS. Apresente e justifique todos os cálculos
Instituto Superior Técnico Departamento de Matemática Secção de Álgebra e Análise ANÁLISE COMPLEXA E EQUAÇÕES DIFERENCIAIS TESTES DE RECUPERAÇÃO A - 6 DE JUNHO DE 9 - DAS H ÀS :3H Teste Apresente e justifique
Leia maisEconometria IV Modelos Lineares de Séries Temporais. Fernando Chague
Econometria IV Modelos Lineares de Séries Temporais Fernando Chague 2016 Estacionariedade Estacionariedade Inferência estatística em séries temporais requer alguma forma de estacionariedade dos dados Intuição:
Leia maisAlgebra Linear. 1. Ortonormalização. 2. Sistema de Equações Lineares. pag.1 Teoria de Sistemas Lineares Aula 6. c Reinaldo M.
Algebra Linear 1. Ortonormalização 2. Sistema de Equações Lineares pag.1 Teoria de Sistemas Lineares Aula 6 Ortonormalização Um vetor x é dito estar normalizado se sua norma Euclidiana é igual a 1, ie,
Leia maisMétodos Computacionais em Física I (FIW234) Turmas IFA e IFB Equações Diferenciais: introdução aos sistemas caóticos
Métodos Computacionais em Física I (FIW234) Turmas IFA e IFB Equações Diferenciais: introdução aos sistemas caóticos Edivaldo M. Santos e João R. T. de Mello Neto Aula 6 Edivaldo M. Santos e João R. T.
Leia maisAULA 09 Regressão. Ernesto F. L. Amaral. 17 de setembro de 2012
1 AULA 09 Regressão Ernesto F. L. Amaral 17 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario F. 2008. Introdução à
Leia maisCaos determinístico e mapa logístico num circuito RLD FAP0214 Física Experimental IV. Manfredo Harri Tabacniks IFUSP
Caos determinístico e mapa logístico num circuito RLD FAP0214 Física Experimental IV Manfredo Harri Tabacniks IFUSP Leituras sugeridas Textos gerais sobre caos http://www.dfn.if.usp.br/~suaide/ www.ifi.unicamp.br/~aguiar/cursos/escolaavancadacaos.ppt
Leia maisPequenas oscilações TÓPICOS FUNDAMENTAIS DE FÍSICA
Pequenas oscilações 5 - Oscilações TÓPICOS FUNDAMENTAIS DE FÍSICA Aplicações em Acústica, espectros moleculares, vibrações em mecanismos, circuitos elétricos acoplados, etc. Se os desvios do equilíbrio
Leia maisIntrodução aos Circuitos Elétricos
1 / 47 Introdução aos Circuitos Elétricos Séries e Transformadas de Fourier Prof. Roberto Alves Braga Jr. Prof. Bruno Henrique Groenner Barbosa UFLA - Departamento de Engenharia 2 / 47 Séries e Transformadas
Leia mais( x)(x 2 ) n = 1 x 2 = x
Página 1 de 7 Instituto de Matemática - IM/UFRJ Gabarito prova final unificada - Escola Politécnica / Escola de Química - 10/12/2009 Questão 1: (.0 pontos) (a) (1.0 ponto) Seja a função f(x) = x, com x
Leia maisCaderno de Exercícios
Caderno de Exercícios Orlando Ferreira Soares Índice Caracterização de Sinais... Caracterização de Sistemas...0 Sistemas LIT - Convolução...5 Série de Fourier para Sinais Periódicos Contínuos...0 Transformada
Leia maisAnálise de Sinais e Sistemas
Universidade Federal da Paraíba Departamento de Engenharia Elétrica Análise de Sinais e Sistemas Luciana Ribeiro Veloso luciana.veloso@dee.ufcg.edu.br ANÁLISE DE SINAIS E SISTEMAS Ementa: Sinais contínuos
Leia maisAjuste de mínimos quadrados
Capítulo 5 Ajuste de mínimos quadrados 5 Ajuste de mínimos quadrados polinomial No capítulo anterior estudamos como encontrar um polinômio de grau m que interpola um conjunto de n pontos {{x i, f i }}
Leia maisAST203-CVR 4-1 AST203-CVR. Observação eletromagnética. Processamento de sinais importante em várias áreas, além da astronomia telecomunicações
Bloco 4 Estatística Atualizado: 2012 4-1 Bibliografia Lena Cap. 4 (parte) - só a inspiração... Wall & Jenkins, Practical statistics for astronomers Brandt Statistical and computacional methods in data
Leia mais7 Conclusões e desenvolvimentos futuros
7 Conclusões e desenvolvimentos futuros 7.1 Conclusões Este trabalho apresentou novas soluções para a determinação da posição de terminais de comunicações móveis com base em medidas de ToA. Nos métodos
Leia maisProcessamento de Imagem. Convolução Filtragem no Domínio da Frequência (Fourier) Professora Sheila Cáceres
Processamento de Imagem Convolução Filtragem no Domínio da Frequência (Fourier) Professora Sheila Cáceres Lembrando Filtragem Correlação A correlação e a convolução sãos dois conceitos relacionados a filtragem.
Leia maisEstabilidade de sistemas de controle lineares invariantes no tempo
Capítulo 2 Estabilidade de sistemas de controle lineares invariantes no tempo 2. Introdução Neste capítulo, vamos definir alguns conceitos relacionados à estabilidade de sistemas lineares invariantes no
Leia maisProcessos Estocásticos
Processos Estocásticos Luis Henrique Assumpção Lolis 26 de maio de 2014 Luis Henrique Assumpção Lolis Processos Estocásticos 1 Conteúdo 1 Introdução 2 Definição 3 Especificando um processo aleatório 4
Leia mais6 Ajuste de mínimos quadrados
6 Ajuste de mínimos quadrados polinomial No capítulo anterior estudamos como encontrar um polinômio de grau m que interpola um conjunto de n pontos {{x i, f i }} n Tipicamente quando m < n esse polinômio
Leia maisPREVISÃO. Prever o que irá. acontecer. boas decisões com impacto no futuro. Informação disponível. -quantitativa: dados.
PREVISÃO O problema: usar a informação disponível para tomar boas decisões com impacto no futuro Informação disponível -qualitativa Prever o que irá acontecer -quantitativa: dados t DEI/FCTUC/PGP/00 1
Leia maisCapítulo 2 Dinâmica de Sistemas Lineares
Capítulo 2 Dinâmica de Sistemas Lineares Gustavo H. C. Oliveira TE055 Teoria de Sistemas Lineares de Controle Dept. de Engenharia Elétrica / UFPR Gustavo H. C. Oliveira Dinâmica de Sistemas Lineares 1/57
Leia maisSéries Temporais e Modelos Dinâmicos. Econometria. Marcelo C. Medeiros. Aula 12
em Econometria Departamento de Economia Pontifícia Universidade Católica do Rio de Janeiro Aula 12 Regressão com Variáveis Não-Estacionárias Considere três processos estocásticos definidos pelas seguintes
Leia maisFundamentos de Estatística
Fundamentos de Estatística Clássica Workshop Análise de Incertezas e Validação Programa de Verão 2017 Marcio Borges 1 1LABORATÓRIO NACIONAL DE COMPUTAÇÃO CIENTÍFICA mrborges@lncc.br Petrópolis, 9 de Fevereiro
Leia maisMétodos Iterativos para a Solução da Equação de Poisson
Métodos Iterativos para a Solução da Equação de Poisson Valdirene da Rosa Rocho, Dagoberto Adriano Rizzotto Justo, Programa de Pós-Graduação em Matemática Aplicada, PPGMap, UFRGS, 91509-900, Porto Alegre,
Leia maisUm modelo estocástico para o fluxo de caixa de um plano de previdência de um indivíduo 15
2 Simulação estocástica A simulação computacional consiste em empregar técnicas matemáticas em computadores com o propósito de gerar ensaios que tentam reproduzir de maneira análoga um processo ou operação
Leia maisFunções Geradoras de Variáveis Aleatórias. Simulação Discreta de Sistemas - Prof. Paulo Freitas - UFSC/CTC/INE
Funções Geradoras de Variáveis Aleatórias 1 Funções Geradoras de Variáveis Aleatórias Nos programas de simulação existe um GNA e inúmeras outras funções matemáticas descritas como Funções Geradoras de
Leia maisUniversidade Federal do Paraná (UFPR) Bacharelado em Informática Biomédica. Regressão. David Menotti.
Universidade Federal do Paraná (UFPR) Bacharelado em Informática Biomédica Regressão David Menotti www.inf.ufpr.br/menotti/ci171-182 Hoje Regressão Linear ( e Múltipla ) Não-Linear ( Exponencial / Logística
Leia maisCapítulo 7 Transformadas de Fourier. definimos a sua transformada de Fourier
Capítulo 7 Transformadas de Fourier Dada uma função definimos a sua transformada de Fourier A constante multiplicativa em (1),, é um valor arbitrário. Há autores que escolhem. Mas é muito importante lembrar
Leia maisPoços Duplos de Potenciais Simétricos não-harmônicos e Harmônicos.
Poços Duplos de Potenciais Simétricos não-harmônicos e Harmônicos. O poço de potencial duplo tem sido estudado em muitos livros textos e aplicado para investigar um grande número de fenômenos em Mecânica
Leia maisDINÂMICA FRACIONAL E DIFUSÃO ANÔMALA. Cristian Magno Neiverth (ICV-UNICENTRO), Eduardo Vicentini (Orientador),
DINÂMICA FRACIONAL E DIFUSÃO ANÔMALA. Cristian Magno Neiverth (ICV-UNICENTRO), Eduardo Vicentini (Orientador), e-mail: evicentini@unicentro.br Universidade Estadual do Centro-Oeste, Setor de Ciências Exatas
Leia maisPolinômios de Legendre
Seção 5: continuação do método de resolução por séries de potências Na Seção foi exposto informalmente, através de exemplos, o método de resolução de equações diferenciais ordinárias por séries de potências.
Leia maisSistemas Lineares e Invariantes
Universidade Federal da Paraíba Programa de Pós-Graduação em Engenharia Elétrica Sistemas Lineares e Invariantes Prof. Juan Moises Mauricio Villanueva jmauricio@cear.ufpb.br www.cear.ufpb.br/juan 1 Sistemas
Leia maisUma Introdução ao Estudo de Sistemas Dinâmicos Discretos
Uma Introdução ao Estudo de Sistemas Dinâmicos Discretos Pryscilla dos Santos Ferreira Silva 1 Resumo Neste artigo, apresento a parte inicial da teoria dos Sistemas Dinâmicos Discretos, fornecendo a definição
Leia maisEstimativa de Parte Relevante da Fronteira da Região de Estabilidade usando Função Energia Generalizada
Trabalho apresentado no XXXVII CNMAC, S.J. dos Campos - SP, 2017. Proceeding Series of the Brazilian Society of Computational and Applied Mathematics Estimativa de Parte Relevante da Fronteira da Região
Leia maisMAT 121 : Cálculo Diferencial e Integral II. Sylvain Bonnot (IME-USP)
MAT 121 : Cálculo Diferencial e Integral II Sylvain Bonnot (IME-USP) 2014 1 Informações gerais Prof.: Sylvain Bonnot Email: sylvain@ime.usp.br Minha sala: IME-USP, 151-A (Bloco A) Site: ver o link para
Leia maisSistemas caóticos simples
Sistemas caóticos simples Aluna: Simone Bochner de Araújo Orientadora: Celia Anteneodo Introdução Uma grande variedade de sistemas apresenta comportamentos complicados, irregulares, imprevisíveis, em maior
Leia maisControle e Sistemas Não lineares
Controle e Sistemas Não lineares Prof. Marcus V. Americano da Costa F o Departamento de Engenharia Química Universidade Federal da Bahia Salvador-BA, 01 de dezembro de 2016. Sumário Objetivos Introduzir
Leia maisExercícios para Processamento Digital de Sinal - Folha
Exercícios para Processamento Digital de Sinal - Folha 1 Interpolação Exercício 1 Suponha que uma sinusóide de frequência angular π/4 foi aplicada na entrada de um bloco expansor que aumenta a frequência
Leia maisEstudo do Movimento Amortecido de um Sistema Massa-Mola
Projeto de Métodos Estatísticos em Física Experimental: Estudo do Movimento Amortecido de um Sistema Massa-Mola Alexandre dos Santos Silva 8068098 Lucas Carrazzoni Mirabella 8083151 Luan Delarion 8604404
Leia maisPRE29006 LISTA DE EXERCÍCIOS #
INSTITUTO FEDERAL DE SANTA CATARINA CAMPUS SÃO JOSÉ COORDENADORIA DE ÁREA DE TELECOMUNICAÇÕES ENGENHARIA DE TELECOMUNICAÇÕES PRE9006 LISTA DE EXERCÍCIOS #3 06. Exercícios. [, Exercício 7.] Seja A uma variável
Leia mais