5 Estudo Sistemático da Estimativa do DGD através das Técnicas Estatísticas em Comparação com Medidas em Campo

Tamanho: px
Começar a partir da página:

Download "5 Estudo Sistemático da Estimativa do DGD através das Técnicas Estatísticas em Comparação com Medidas em Campo"

Transcrição

1 Análse Sstemátca da Metodologa de Prevsão do DGD em Sstemas Óptcos de Alta Capacdade 5 Estudo Sstemátco da Estmatva do DGD através das Técncas Estatístcas em Comparação com Meddas em Campo Esta avalação consste em analsar o comportamento do DGD através da aplcação de técncas de estmação estatístca, regdas pela norma TIA/EIA TSB17 [1]. Esta norma, conforme exposto no capítulo, defne dos métodos de estmatva de PMD. Estaremos tratando do método no sentdo de dsponblzar a correlação entre a estatístca da dstrbução de PMD para precsar as avalações das estatístcas do DGD Caracterzação do Objeto de Estudo Incalmente obteve-se a base de dados de meddas de coefcentes de PMD das fbras de cabos óptcos fornecdas a Intelg Telecomuncações Ltda por dversos fabrcantes de cabos óptcos. Trabalhou-se nesta base de dados para se obter os valores de PMD estmados através das váras técncas descrtas nas normas e acompanhou-se a mplantação desses mesmos cabos óptcos em campo, mantendo-se a rastreabldade dos mesmos em relação aos dados fornecdos pelos fabrcantes. A partr da defnção do sstema WDM a ser mplantado, projetaram-se as probabldades de se ultrapassar o valor de DGD máxmo defndo para cada taxa de transmssão, através do método da Norma TIA/EIA, comparando-as com as probabldades dos valores reas meddos em campo ultrapassarem o DGD máxmo, chegando a uma avalação completa deste comportamento. A nstalação dos cabos óptcos fo efetuada em dos backbones da Intelg Telecomuncações. As especfcações de nfra-estrutura, tas como profunddade da vala, dutos, cabos e fbra óptca foram guas para os dos backbones, com exceção do comprmento dos cabos óptcos, sendo que para o backbone #1 foram utlzadas seções de cabos de 5 Km e no backbone # foram de 8 Km. Dssertação de Mestrado de Agnaldo Ceslak

2 Análse Sstemátca da Metodologa de Prevsão do DGD em Sstemas Óptcos de Alta Capacdade 5 Os fornecedores de cabos óptcos entregaram a Intelg uma amostragem dos valores meddos do coefcente de PMD de algumas fbras cabeadas de todos os cabos fornecdos para estes dos backbones. Esta amostragem fo acertada conforme um crtéro prevamente estabelecdo para que se pudesse realzar os estudos desejados e permtr a posteror comparação com as meddas em campo. Na avalação pelo Método, todas as meddas de coefcente de PMD dos cabos óptcos recebdos dos fabrcantes para estes dos backbones foram consderadas para a formação do unverso de fbras meddas. Uma amostragem de 1 fbras cabeadas utlzadas para realzar a nteração pela Técnca de Monte Carlo fo retrada do unverso de cada fabrcante através do uso de um software que escolheu de forma aleatóra esta amostragem. O backbone #1, compreenddo entre as cdades de Belo Horzonte e Salvador, tem a extensão de 165 Km com 16 enlaces e duas estações de regeneração. Nele foram utlzados dos dferentes fabrcantes de cabos óptcos. Em quatro enlaces deste backbone #1 foram utlzados somente cabos óptcos de um fabrcante, o qual denomnaremos de fabrcante A. Em outros ses enlaces foram utlzados somente cabos óptcos do segundo fabrcante, o qual chamaremos de fabrcante B. E nos ses enlaces restantes tvemos uma mescla de cabos óptcos de ambos os fabrcantes, A e B. Estes enlaces onde se utlzaram cabos óptcos de ambos os fabrcantes não fazem parte deste estudo. Os comprmentos destes enlaces e o fornecedor utlzado estão relaconados na tabela. O backbone #, o qual nterlga as cdades de Belo Horzonte e Ro de Janero, possu uma extensão de 565Km com 7 enlaces. Nele foram utlzados cabos óptcos de uma fabrcante apenas, o qual chamaremos de Fabrcante C. Os comprmentos destes enlaces e o fornecedor utlzado estão relaconados na tabela 3. Os fabrcantes A e C medram 33% do total de fbras cabeadas, conforme o crtéro de amostragem. Estes dos fornecedores fzeram suas meddas em fábrca utlzando um equpamento com técnca de varredura por comprmento de onda. O Fabrcante B medu todas as fbras dos cabos óptcos entregues e utlzou um equpamento com técnca nterferométrca para a realzação das meddas de PMD. As meddas dos enlaces de fbra nas seções do backbone #1, bem como no backbone #, foram realzadas com um equpamento que utlza a técnca Dssertação de Mestrado de Agnaldo Ceslak

3 Análse Sstemátca da Metodologa de Prevsão do DGD em Sstemas Óptcos de Alta Capacdade 6 nterferométrca. Vale salentar que o CETUC da PUC-RJ realzou as meddas em campo em ambos backbones. Enlace Dstânca Fabrcante Belo Horzonte Sete Lagoas 11, A Sete Lagoas Curvelo 11 A+ B Curvelo Augusto Lma 1 A Augusto Lma E. Navarro 117 A+B E. Navarro Montes Claros 11 A+B M. Claros Messas Lopes 1 A+B Messas Lopes Catut 18 A+B Catut Urand 93 A Urand Caculé 9 A Caculé Brumado 81 B Brumado Contendas 11 B Contendas Iramaa 9,3 B Iramaa Iaçu 16,7 B Iaçu Petm 1 B Petm Sto. A. Purfcação 13 A + B Sto A. Purfcação Parpe 87 B Tabela - Enlaces do backbone #1. O comprmento dos cabos utlzados no backbone #1 fo de 8 Km, valor utlzado como comprmento de cabo L cab nos cálculos estatístcos e determnação da seção de referênca. Os demas parâmetros estabelecdos para a realzação do cálculo do valor do coefcente de PMD máxmo do enlace e da probabldade de DGD foram: comprmento da seção, L ref = 1 km. Conseqüentemente, o número de seções de cabos M, utlzada em cada enlace fo 15 segmentos. No backbone #, o comprmento dos cabos utlzados fo de 5 Km, conseqüentemente este fo o valor adotado como de referênca para a seção de cabo, L cab, para a elaboração da seção de referênca para a metodologa estatístca. Dssertação de Mestrado de Agnaldo Ceslak

4 Análse Sstemátca da Metodologa de Prevsão do DGD em Sstemas Óptcos de Alta Capacdade 7 Enlace Dstânca Fabrcante Barão Vassouras Três Ros 8 C Três Ros Juz de Fora 8 C Juz de Fora Barbacena 11 C Barbacena Conselhero Lafaete 15,8 C Conselhero Lafaete Moeda 1,3 C Moeda Belo Horzonte 19, C Tabela 3 - Enlaces do backbone #. Os demas parâmetros estabelecdos para a realzação do cálculo do valor do coefcente de PMD máxmo do enlace e probabldade de DGD foram: comprmento da seção, Lref = 1 km. Logcamente, o número de seções de cabos M, utlzada em cada seção fo. Os unversos de meddas efetuadas pelos fabrcantes A, B e C, para os valores de coefcentes de PMD, estão representados nas fguras 5, 6 e 7 respectvamente. Nas mesmas fguras, em janela reduzda, encontram-se os gráfcos das amostras das 1 meddas escolhdas aleatoramente por um software para a aplcação na técnca de Monte Carlo. Freqüênca Normalzada Coef.PMD [ps/km 1/ ] Méda =.376 Desvo =.85 Méda =.369 Desvo =.568 Amostragem utlzada Unverso de meddas Fabrcante A Coef. PMD [ps/km 1/ ]. Fgura 5 - Unverso do coefcente de PMD e amostragem do fabrcante A As amostras escolhdas pelo software são extremamente representatvas do Dssertação de Mestrado de Agnaldo Ceslak

5 Análse Sstemátca da Metodologa de Prevsão do DGD em Sstemas Óptcos de Alta Capacdade 8 unverso do qual fazem parte, conceto váldo para o caso dos três fabrcantes em questão. Isto pode ser verfcado pela comparação do perfl do gráfco da dstrbução da amostragem com a dstrbução do unverso como um todo. No gráfco representatvo do fabrcante C nota-e que o mesmo utlzou, em sua fabrcação, duas fbras de dferentes fabrcantes. Isto fca nítdo devdo aos dos pcos dstntos no gráfco do unverso das fbras cabeadas. Freqüênca Normalzada Méda =.55 Desvo =.9 Méda=.58 Desvo=.3 Amostragem utlzada Coef. PMD [ps/km 1/ ] Unverso de meddas Fabrcante B Coef. PMD [ps/km 1/ ] Fgura 6 - Unverso do coefcente de PMD e amostragem do fabrcante B Freqüênca Normalzada Méda =.59 Desvo =.19 Amostragem utlzada PMD coeff. [ps/km 1/ ] Méda =.57 Desvo =.1 Unverso de meddas Fabrcante C Coef. PMD [ps/km 1/ ] Fgura 7 - Unverso do coefcente de PMD e amostragem do fabrcante C. Dssertação de Mestrado de Agnaldo Ceslak

6 Análse Sstemátca da Metodologa de Prevsão do DGD em Sstemas Óptcos de Alta Capacdade Avalação das Probabldades Os dados de PMD dos backbones, tanto dos valores obtdos dos fabrcantes quanto os valores obtdos através de meddas em campo, segundo a regra estabelecda no capítulo, foram trabalhados para calcular a probabldade do DGD ultrapassar um valor máxmo, de acordo com a taxa de transmssão do sstema. Tomando-se a equação 39, podemos desenvolver o procedmento da convolução da segunte forma: P = p. P ( τ > DGD (39) DGD j = 1 j max ) desenvolvendo a equação a partr da Maxwellana temos, P DGD τ max 3τ τ = 1 e dτ 3 = P = 1 Ι () τ Ι = x τ. τ e τ τ d τ. τ (1) Ι = x x. e x dx, onde x. DGD max = ().τ resolvendo a ntegral por partes, obtemos: Ι = 1 x. e x + 1 x e x dx (3) Dssertação de Mestrado de Agnaldo Ceslak

7 Análse Sstemátca da Metodologa de Prevsão do DGD em Sstemas Óptcos de Alta Capacdade 5 Ι = 1 x. e x + x e x dx () como, x ERF( x ) = e x dx (5) então: Ι = 1 x x. e + ERF ( x ) (6) substtundo em (); 1 x P ( τ > DGD max ) = 1 x. e + ERF ( x ) (7) x P ( τ > DGD max ) = 1 + x. e ERF ( x ) (8) substtundo a função erro por erro complementar, fnalmente temos a equação de trabalho: x P ( τ > DGD max ) = x. e + ERFC ( x ) (9) Incalmente foram calculadas as probabldades através da equação (9) com base em sstema de transmssão com taxas de 1Gbps por canal de WDM. Os resultados foram muto postvos, vsto que as probabldades do DGD ultrapassar o valor máxmo defndo se mostraram extremamente baxas (<1-3 ). Desta forma não fo possível representa-los grafcamente para efetuar uma avalação Dssertação de Mestrado de Agnaldo Ceslak

8 Análse Sstemátca da Metodologa de Prevsão do DGD em Sstemas Óptcos de Alta Capacdade 51 mas profunda em relação ao comportamento do DGD. É possível afrmar, então, que a grande maora dos enlaces estara apta a suportar taxas de 1 Gbps sem penaldade assocada a PMD. Entretanto, oferecendo um upgrade no sstema para taxas de Gbps por canal de WDM, alcançamos uma avalação mas nteressante e reveladora. O cálculo efetuado leva em conta a taxa de Gbps, além das lmtações sugerdas por duas normas, IEC e TIA/EIA. A análse efetuada contempla as duas avalações, evdencando que a dferença estará no quanto de margem pode-se dexar para cobrr a contrbução dos componentes do sstema ao DGD. Sabe-se que a norma ITU-T G691 defne em seus parâmetros de nterfaces óptcas o atraso máxmo permtdo, devdo a PMD, em sstemas de transmssão a 1Gbps, sendo no caso 1ps. As normas reservam dferentes tempos máxmos de DGD, devdo à parcela que se deve alocar para a PMD de componentes do sstema, sendo 5ps o lmte de DGD de um enlace recomendado pela TIA/EIA e 1ps recomendado pela IEC, sto referencado a enlaces de Km e taxas de transmssão de 1 Gbps. Para a avalação baseada na norma IEC, o valor de DGD máxmo a ser defndo, para taxas de Gbps é de 1ps, pos a mesma reserva 7% do orçamento total destnado à penaldade por PMD para a componente fbra óptca do sstema, oferecendo os restantes 3% para os demas componentes. Estendendo esta defnção para sstemas a Gbps o DGD máxmo especfcado sera de,88ps. Já para a avalação baseada na norma TIA/EIA, a reserva de orçamento é mas branda, pos dos 3ps totas destnados à penaldade pela PMD, apenas 5ps destnam-se aos componentes não-fbras, portanto cerca de 17%, ou seja, o DGD máxmo sera de 5ps. Da mesma forma, o valor de DGD para sstemas de Gbps sera de 3,ps. As meddas efetuadas nos backbones foram fetas para trechos aproxmados de 1km e 1km, devdo ao range dnâmco dos equpamentos de medda. Com sto fez-se necessáro a normalzação em relação ao comprmento de referênca, que é defndo como km de acordo com a norma ITU-T G.691. O resultado revelou que todos os enlaces estaram aptos a trafegar em taxas de transmssão de 1 Gbps por canal, ressaltando a evolução da qualdade na Dssertação de Mestrado de Agnaldo Ceslak

9 Análse Sstemátca da Metodologa de Prevsão do DGD em Sstemas Óptcos de Alta Capacdade 5 fabrcação das fbras. Após análse dos enlaces para a taxa de transmssão de Gbps podemos chegar a algumas conclusões em relação à metodologa. A segur, apresenta-se a avalação dos três fabrcantes utlzados para fornecmento de cabos óptcos aos backbones menconados, onde poderemos descrever e avalar três stuações dstntas e representatvas: o comportamento estável, a stuação lmítrofe de decsão de utlzação ou não de um sstema e a stuação de mpossbldade de utlzação do sstema, sendo estas três stuações obtdas no cálculo da convolução, para obtenção da probabldade do DGD ultrapassar um valor máxmo defndo Rotero para utlzação da norma no cálculo do P DGD a) Seleconar uma amostra de 1 valores de PMD e um determnado enlace que, a qual deve ser representatva do unverso de fbras óptcas que nstaladas em um determnado backbone; b) Fazer a concatenação de 1 valores aleatóros daquela amostragem de a, utlzando a equação 1, e gerar um valor de PMD aleatóro (τ і ); c) Repetr o passo b 3 vezes para calcular 3 valores de PMD aleatóros τ і; d) Gerar um hstograma de dstrbução de τ і com os 3 valores aleatóros calculados, utlzando classe de resolução de,1ps/km¹ / ²; e) Utlzar a equação para determnar o valor de x assocado a cada τ і; f) Calcular a probabldade P assocada a cada valor de τ і, através da equação 9; g) Efetuar a soma ponderada dos P de acordo com o peso N, ou seja número de ocorrêncas de cada classe de τ і gerado. O peso N vem da geração do hstograma do tem d. h) Esta soma ponderada resultará na probabldade que o DGD, devdo a amostragem do tem a, tem de ultrapassar os lmtes defndos na norma da referênca 7 para operação normal do sstema. Dssertação de Mestrado de Agnaldo Ceslak

10 Análse Sstemátca da Metodologa de Prevsão do DGD em Sstemas Óptcos de Alta Capacdade Avalação de enlaces com fabrcante A Os gráfcos abaxo mostram a dferença da probabldade máxma, que o DGD do sstema tem para ultrapassar os lmtes descrtos na seção 5., calculada para cada enlace através do método, referencado na norma TIA/EIA e o cálculo destas probabldades nos enlaces já nstalados, sendo que os cabos óptcos utlzados são os mesmos dos quas foram retradas as amostragens para o cálculo teórco. Duas lnhas de referênca são traçadas para denotar a probabldade calculada pela convolução de todos os enlaces gerados pela técnca de Monte Carlo (em vermelho) defnndo como sendo este o valor para avalação do sstema. A segunda lnha sera o valor lmte defndo pelas normas TIA/EIA e/ou IEC, nformando a capacdade deste sstema operar à taxa de Gbps dentro das penaldades admssíves. No mesmo gráfco mostrado na fgura 8 abaxo, dstrbu-se as probabldades do DGD ultrapassar o valor máxmo permtdo, para os valores de PMD obtdos a partr das meddas efetuadas nos enlaces após mplantação dos backbones. Este gráfco fo obtdo pelos lmtes da norma TIA/EIA. 35 Lmte Norma TIA/EIA Ocorrêncas Cálculo Monte Carlo Fabrcante A Probabldade DGD>Max Fgura 8 - Probabldades: comparatvo TIA/EIA Medção x Convolução Dssertação de Mestrado de Agnaldo Ceslak

11 Análse Sstemátca da Metodologa de Prevsão do DGD em Sstemas Óptcos de Alta Capacdade 5 Nota-se que a probabldade do DGD ultrapassar o valor máxmo é muto remota, e que os valores reas obtdos estão em sua grande maora com melhor performance, apesar de apresentar um caso solado fora do comportamento típco. Portanto para esta famíla de meddas estaríamos admtndo a transmssão em Gbps sem problemas. O valor obtdo através da convolução admte esta hpótese também. Podemos verfcar que este fabrcante apresentou a dstrbução de coefcentes de PMD em fábrca mas unforme entre os três avalados. Se levarmos em conta a norma mas rígda, a IEC, obteremos a segunte dstrbução, conforme lustrada na fgura Lmte Norma IEC Cálculo Monte Carlo Ocorrêncas 15 1 Fabrcante A Probabldade DGD>Max Fgura 9 - Probabldades: comparatvo IEC Medção x Convolução O comportamento é semelhante ao encontrado na avalação anteror com a dferença de que a norma é mas rígda para o valor de probabldade máxma e o valor calculado sofre uma pequena redução em relação ao encontrado anterormente. Dssertação de Mestrado de Agnaldo Ceslak

12 Análse Sstemátca da Metodologa de Prevsão do DGD em Sstemas Óptcos de Alta Capacdade Avalação de enlaces com fabrcante B A dstrbução das probabldades para este fabrcante revela a crtcdade de se ter valores de PMD que não revelam uma tendênca mas aproxmada do que sera na realdade após a nstalação, levando a uma avalação errônea do comportamento do DGD após a nstalação dos cabos óptcos. Pode-se observar no gráfco da fgura 3 que o valor calculado da probabldade do DGD ultrapassar o valor máxmo estara fora do lmte estabelecdo tanto para a norma IEC quanto para a norma TIA/EIA, o que mpossbltara o uso de um sstema a Gbps. Note que as barras representam as 1 1 Cálculo Monte Carlo Lmte TIA/EIA 1 Ocorrêncas 8 6 Fabrcante B Probabldade DGD>Max 1-3 Fgura 3 - Probabldades: comparatvo TIA/EIA Medção x Convolução fbras fbras que compõem o enlace. Porém quando observamos o comportamento dos enlaces após a nstalação, vemos que a maora dos enlaces estara apta a operar em sstemas a Gbps ctados acma. Isto causa um problema relaconado ao dmensonamento dos sstemas, pos a defnção de compra dos equpamentos se dá antes da mplantação das rotas de cabos óptcos. Para a lmtação mposta pela norma IEC a stuação fca mas agravada devdo ao valor adotado para reserva aos componentes não-cabos. O gráfco Dssertação de Mestrado de Agnaldo Ceslak

13 Análse Sstemátca da Metodologa de Prevsão do DGD em Sstemas Óptcos de Alta Capacdade 56 mostrado na fgura 31 abaxo lustra este comportamento. 1 1 Cálculo Monte Carlo Lmte IEC Ocorrêncas Fabrcante B Probabldade DGD>Max 1-3 Fgura 31 - Probabldades: comparatvo IEC Medção x Convolução 5.5. Avalação de enlaces com fabrcante C Nesta avalação o valor da probabldade calculada pela convolução se mostrou muto próxma do valor referencado nas normas IEC e TIA/EIA, um caso em que se geraram dúvdas em aprovar ou não um sstema de mas alta capacdade. Novamente percebemos que város dos enlaces obtdos na medção em campo possbltaram a mplantação de um sstema à Gbps sem problemas de penaldade por desempenho de DGD, ou seja, com a mínma probabldade de se ultrapassar o valor máxmo de DGD recomendado. Alguns enlaces se apresentam com probabldade muto alta de ultrapassar o valor máxmo, refletndo o que fo encontrado na dstrbução de PMD da amostragem defnda no níco do capítulo 5. Nas fguras 3 e 33 estão representados os gráfcos da dstrbução das probabldades calculadas a partr da smulação de Monte Carlo e dos valores meddos em campo, referencados às normas IEC e TIA/EIA. Dssertação de Mestrado de Agnaldo Ceslak

14 Análse Sstemátca da Metodologa de Prevsão do DGD em Sstemas Óptcos de Alta Capacdade 57 1 Lmte Norma IEC Cálculo Monte Carlo 8 Ocorrêncas 6 Fabrcante C Probabldade DGD>Max Fgura 3 - Probabldades: comparatvo IEC Medção x Convolução 1 8 Lmte Norma TIA/EIA Cálculo Monte Carlo Ocorrêncas 6 Fabrcante C Probabldade DGD>Max Fgura 33 - Probabldades: comparatvo TIA/EIA Medção x Convolução 5.6. Avalações Geras e Recomendações A avalação do DGD deve ser referencada pela taxa de transmssão que se deseja transmtr. Os backbones foram avalados prmeramente para a taxa de 1Gbps e em seguda para a taxa de transmssão de Gbps. Como já menconado no capítulo, no método o valor máxmo de DGD é defndo e a probabldade Dssertação de Mestrado de Agnaldo Ceslak

15 Análse Sstemátca da Metodologa de Prevsão do DGD em Sstemas Óptcos de Alta Capacdade 58 do DGD ultrapassar este valor máxmo é calculada. Fo fxado o valor de 6,5.1-8, baseado na recomendação da norma TIA/EIA, como a probabldade máxma admssível para o DGD ultrapassar o valor máxmo defndo, a qual denomnamos de P DGD. A técnca de Monte Carlo fo utlzada para esta avalação, pos se dentfcou que a dferença exstente entre as três técncas estatístcas é margnal, do ponto de vsta da PMD, se comparada com o erro nserdo no processo pelas meddas de lances curtos. Nota-se que exste muta dferença entre a estmatva teórca referencada na norma e o valor realmente obtdo na prátca. Após o cálculo teórco, revelaram-se três característcas bem dstntas entre os fabrcantes de fbras: o fabrcante A apresentou uma probabldade P DGD calculada muto baxa, o fabrcante B apresentou uma probabldade P DGD alta, sendo que não estara em conformdade com a recomendação, não sendo possível a utlzação de sstemas acma de 1Gbps e o fabrcante C que apresentou resultado de probabldade P DGD no lmar defndo pela norma. O fabrcante A fo o que apresentou a maor dferença entre o valor calculado de P DGD e o valor da norma. Isto já era esperado, pos reflete a tendênca que já era evdencada na amostragem da fgura 5, pos a méda baxa e o pequeno desvo padrão concentra a maora das meddas de PMD e quando o cabo é lançado sto tende a ter um comportamento regular. Este comportamento se confrma quando observamos a grande maora das probabldades P DGD das medções de campo estarem menores que a probabldade P DGD calculada. Os sstemas normalmente são defndos e comprados antes de se estabelecer um backbone, tendo necessdade de se prever antecpadamente as condções do DGD ultrapassar os lmtes estabelecdos em norma e se tvermos a condção de lmar, como no caso do fabrcante C ou mesmo da não apresentar condção de utlzação, como vsto no fabrcante B, não poderíamos optar pela defnção do sstema de maor capacdade. Porém após a avalação dos backbones nstalados, vmos que os valores reas colocam a grande maora das fbras em condções perfetas de receber os sstemas de Gbps, em contraponto ao calculado anterormente. Isto pode levar a um séro mpacto na defnção da utlzação de um sstema e um enorme prejuízo pela troca do sstema após a nstalação do backbone, ou no mínmo a um grande Dssertação de Mestrado de Agnaldo Ceslak

16 Análse Sstemátca da Metodologa de Prevsão do DGD em Sstemas Óptcos de Alta Capacdade 59 atraso na mplantação do sstema. Este atraso podera levar também a algum prejuízo, pos na competção de mercado exstente, o atraso na mplantação pode levar a perdas sgnfcatvas para os detentores do sstema. As fbras fabrcadas atualmente apresentam valores extremamente baxos de PMD. Ao serem cabeadas o fraconamento destas fbras óptcas não permte uma medção precsa de PMD com os equpamentos comercas dsponíves no mercado gerando um superestmação da PMD medda. Isto porque sendo os valores de PMD muto baxo, próxmos ou abaxo do lmte nferor da escala do equpamento, quanto menor for este valor de PMD, mas mprecsa será a medda, sendo que a medda por s só já apresenta uma mprecsão devdo à característca estatístca da mesma. Então este erro vem da orgem do cálculo, pos as meddas de fbras cabeadas em fábrca, de lances curtos em torno de 5 a 8km, agregando a sto a melhora na qualdade das fbras como exposto acma, as meddas muto baxas de PMD são penalzadas pelo lmar do equpamento utlzado. Isto só será externado após a nstalação, quando através da concatenação de váras seções curtas teremos comprmento sufcente para uma medda razoável. Consderando a ampltude do estudo realzado, a utlzação deste método vsando determnar o coefcente de PMD máxmo em um enlace com o objetvo de estmar a penaldade do sstema projetado, conduz a uma superestmação do coefcente de PMD do enlace e conseqüentemente uma superestmação da penaldade a ser consderada neste sstema. Para que se evte este erro de superestmação da penaldade, é necessáro que se modfque a metodologa adotada para a determnação estatístca do valor máxmo do coefcente de PMD do enlace. Outra alternatva sera mplementar, comercalmente, equpamentos para a medda de PMD com maor sensbldade e precsão. Notou-se também que quando exste um problema relaconado a PMD este se repete em váras fbras da mesma cor e em lances de cabos óptcos repetdos. Isto leva a crer que como as fbras são normalmente colordas em bobnas de 5km, fraconadas em lances menores quando se produz o tubo loose, com sto o problema será propagado seqüencalmente para a extrusão de capa do cabo, bem como para os lances fnas. Dssertação de Mestrado de Agnaldo Ceslak

17 Análse Sstemátca da Metodologa de Prevsão do DGD em Sstemas Óptcos de Alta Capacdade 6 Se estes lances fzerem parte de um mesmo lote de fabrcação, por exemplo de lances de 5km, e forem envados para um mesmo clente, estes cabos óptcos terão grande chance de serem nstalados em seqüênca, amplfcando este problema, pos somente será dentfcado após a composção do enlace, através de medção. Mesmo porque a rotna de cálculo para a técnca de Monte Carlo não consdera a re-amostragem das mesmas fbras de um unverso para o estabelecmento de um enlace smulado. Com relação à metodologa, um ponto que se pode consderar para uma readequação é a utlzação do coefcente de PMD das fbras nuas, antes do cabeamento. Devdo a seus comprmentos, na sua grande maora acma de 5 Km, a medda do coefcente de PMD das mesmas é conseqüentemente mas precsa. Para sto a relação do coefcente de PMD da fbra antes de ser cabeada e após o cabeamento deve ser pesqusada e conhecda pelo fabrcante. Fato mportante para que se evte dstorções devdo a um processo fabrl nadequado. Como a norma pode defnr que o fabrcante enve ao clente uma amostra representatva de coefcentes de PMD dos cabos a serem envados a campo, esta amostragem deve ser especfcada pelo clente, não somente pelo valor de enlace concatenado através de Monte Carlo, mas que seja lmtada a um desvo padrão adequado. Isto para reduzr o rsco de dstorções encontradas na avalação, onde a smulação por Monte Carlo nos mostrava valores razoáves e após medção em campo os valores fcaram substancalmente acma do valor encontrado. Dssertação de Mestrado de Agnaldo Ceslak

4 Critérios para Avaliação dos Cenários

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

Leia mais

4.1 Modelagem dos Resultados Considerando Sazonalização

4.1 Modelagem dos Resultados Considerando Sazonalização 30 4 METODOLOGIA 4.1 Modelagem dos Resultados Consderando Sazonalzação A sazonalzação da quantdade de energa assegurada versus a quantdade contratada unforme, em contratos de fornecmento de energa elétrca,

Leia mais

2 Incerteza de medição

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

Leia mais

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

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

Leia mais

2 Metodologia de Medição de Riscos para Projetos

2 Metodologia de Medição de Riscos para Projetos 2 Metodologa de Medção de Rscos para Projetos Neste capítulo remos aplcar os concetos apresentados na seção 1.1 ao ambente de projetos. Um projeto, por defnção, é um empreendmento com metas de prazo, margem

Leia mais

Programa de Certificação de Medidas de um laboratório

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

Leia mais

Aula Características dos sistemas de medição

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

Leia mais

3 Elementos de modelagem para o problema de controle de potência

3 Elementos de modelagem para o problema de controle de potência 3 Elementos de modelagem para o problema de controle de potênca Neste trabalho assume-se que a rede de comuncações é composta por uma coleção de enlaces consttuídos por um par de undades-rádo ndvdualmente

Leia mais

Termo-Estatística Licenciatura: 4ª Aula (08/03/2013)

Termo-Estatística Licenciatura: 4ª Aula (08/03/2013) Termo-Estatístca Lcencatura: 4ª Aula (08/03/013) Prof. Alvaro Vannucc RELEMBRADO Dstrbução dscreta (hstogramas) x contínua (curvas de dstrbução): Dada uma Função de Dstrbução de Densdade de Probabldade,

Leia mais

Cap. IV Análise estatística de incertezas aleatórias

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

Leia mais

3 A técnica de computação intensiva Bootstrap

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

Leia mais

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

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

Leia mais

Algarismos Significativos Propagação de Erros ou Desvios

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

Leia mais

Estatística II Antonio Roque Aula 18. Regressão Linear

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

Leia mais

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

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

Leia mais

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

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

Leia mais

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)

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

Leia mais

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

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

Leia mais

3 Desenvolvimento do Modelo

3 Desenvolvimento do Modelo 3 Desenvolvmento do Modelo Neste capítulo apresentaremos como está estruturado o modelo desenvolvdo nesta dssertação para otmzar o despacho de geradores dstrbuídos com o obetvo de reduzr os custos da rede

Leia mais

Experiência V (aulas 08 e 09) Curvas características

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

Leia mais

3 Método Numérico. 3.1 Discretização da Equação Diferencial

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

Leia mais

Testes não-paramétricos

Testes não-paramétricos Testes não-paramétrcos Prof. Lorí Val, Dr. http://www.mat.ufrgs.br/val/ val@mat.ufrgs.br Um teste não paramétrco testa outras stuações que não parâmetros populaconas. Estas stuações podem ser relaconamentos,

Leia mais

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

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

Leia mais

EXERCÍCIO: VIA EXPRESSA CONTROLADA

EXERCÍCIO: VIA EXPRESSA CONTROLADA EXERCÍCIO: VIA EXPRESSA CONTROLADA Engenhara de Tráfego Consdere o segmento de va expressa esquematzado abaxo, que apresenta problemas de congestonamento no pco, e os dados a segur apresentados: Trechos

Leia mais

3 Algoritmos propostos

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

Leia mais

MODELOS DE REGRESSÃO PARAMÉTRICOS

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

Leia mais

1. CORRELAÇÃO E REGRESSÃO LINEAR

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

Leia mais

Associação entre duas variáveis quantitativas

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

Leia mais

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

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

Leia mais

5 Implementação Procedimento de segmentação

5 Implementação Procedimento de segmentação 5 Implementação O capítulo segunte apresenta uma batera de expermentos prátcos realzados com o objetvo de valdar o método proposto neste trabalho. O método envolve, contudo, alguns passos que podem ser

Leia mais

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

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

Leia mais

Aplicação de um modelo simulado na formação de fábricas

Aplicação de um modelo simulado na formação de fábricas Aplcação de um modelo smulado na formação de fábrcas Márca Gonçalves Pzaa (UFOP) pzaa@ldapalm.com.br Rubson Rocha (UFSC) rubsonrocha@eps.ufsc.br Resumo O objetvo deste estudo é determnar a necessdade de

Leia mais

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

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

Leia mais

7 - Distribuição de Freqüências

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

Leia mais

7 Tratamento dos Dados

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

Leia mais

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

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

Leia mais

6 Modelo Proposto Introdução

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

Leia mais

Gráficos de Controle para Processos Autocorrelacionados

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

Leia mais

DELINEAMENTOS EXPERIMENTAIS

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

Leia mais

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

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

Leia mais

Prof. Lorí Viali, Dr.

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

Leia mais

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

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

Leia mais

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

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

Leia mais

CONTROLADORES FUZZY. Um sistema de controle típico é representado pelo diagrama de blocos abaixo:

CONTROLADORES FUZZY. Um sistema de controle típico é representado pelo diagrama de blocos abaixo: CONTROLADORES FUZZY Um sstema de controle típco é representado pelo dagrama de blocos abaxo: entrada ou referênca - erro CONTROLADOR snal de controle PLANTA saída A entrada ou referênca expressa a saída

Leia mais

Estatística I Licenciatura MAEG 2006/07

Estatística I Licenciatura MAEG 2006/07 Estatístca I Lcencatura MAEG 006/07 AMOSTRAGEM. DISTRIBUIÇÕES POR AMOSTRAGEM.. Em determnada unversdade verfca-se que 30% dos alunos têm carro. Seleccona-se uma amostra casual smples de 0 alunos. a) Qual

Leia mais

Sempre que surgir uma dúvida quanto à utilização de um instrumento ou componente, o aluno deverá consultar o professor para esclarecimentos.

Sempre que surgir uma dúvida quanto à utilização de um instrumento ou componente, o aluno deverá consultar o professor para esclarecimentos. Nesse prátca, estudaremos a potênca dsspada numa resstênca de carga, em função da resstênca nterna da fonte que a almenta. Veremos o Teorema da Máxma Transferênca de Potênca, que dz que a potênca transferda

Leia mais

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

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

Leia mais

6 Análises de probabilidade de ruptura de um talude

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

Leia mais

CORRELAÇÃO E REGRESSÃO

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

Leia mais

Diferença entre a classificação do PIB per capita e a classificação do IDH

Diferença entre a classificação do PIB per capita e a classificação do IDH Curso Bem Estar Socal Marcelo Ner - www.fgv.br/cps Metas Socas Entre as mutas questões decorrentes da déa de se mplementar uma proposta de metas socas temos: Qual a justfcatva econômca para a exstênca

Leia mais

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

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

Leia mais

Análise de Incertezas I.B De Paula

Análise de Incertezas I.B De Paula Um bom expermentalsta deve fazer todo o esforço possível para mnmzar os erros de seu expermento. Cabe ao expermentalsta a responsabldade de apresentar uma medda da confabldade de seus dados. amos defnr

Leia mais

ESTUDO GRANULOMÉTRICO DE CHOCOLATES ARTESANAIS ELABORADOS EM DIFERENTES MOINHOS

ESTUDO GRANULOMÉTRICO DE CHOCOLATES ARTESANAIS ELABORADOS EM DIFERENTES MOINHOS XII Congresso Braslero de Engenhara Químca em Incação Centífca ESTUDO GRANULOMÉTRICO DE CHOCOLATES ARTESANAIS ELABORADOS EM DIFERENTES MOINHOS L. A. QUEMELLI 1*, B. P. NASCIMENTO 1, L. S. ARRIECHE 2 1

Leia mais

Flambagem. Cálculo da carga crítica via MDF

Flambagem. Cálculo da carga crítica via MDF Flambagem Cálculo da carga crítca va MDF ROF. ALEXANDRE A. CURY DEARTAMENTO DE MECÂNICA ALICADA E COMUTACIONAL Flambagem - Cálculo da carga crítca va MDF Nas aulas anterores, vmos como avalar a carga crítca

Leia mais

Análise de áreas de risco considerando os afundamento de tensão em estudos de planejamento

Análise de áreas de risco considerando os afundamento de tensão em estudos de planejamento Análse de áreas de rsco consderando os afundamento de tensão em estudos de planejamento J. C. Cebran, L. Camlo, N. Kagan, N. M. Matsuo*, H. Arango Enerq-USP 1 Resumo-- Este trabalho permte avalar os índces

Leia mais

Representação e Descrição de Regiões

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

Leia mais

Introdução às Medidas em Física a Aula

Introdução às Medidas em Física a Aula Introdução às Meddas em Físca 4300152 8 a Aula Objetvos: Experênca Curvas Característcas Meddas de grandezas elétrcas: Estudar curvas característcas de elementos resstvos Utlzação de um multímetro Influênca

Leia mais

4 Discretização e Linearização

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

Leia mais

Responda às questões utilizando técnicas adequadas à solução de problemas de grande dimensão.

Responda às questões utilizando técnicas adequadas à solução de problemas de grande dimensão. Departamento de Produção e Sstemas Complementos de Investgação Operaconal Exame Época Normal, 1ª Chamada 11 de Janero de 2006 Responda às questões utlzando técncas adequadas à solução de problemas de grande

Leia mais

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

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

Leia mais

Figura 3: Diagrama de blocos do sistema de inferência da qualidade.

Figura 3: Diagrama de blocos do sistema de inferência da qualidade. 4 Solução Proposta A metodologa proposta nesta dssertação pode ser dvdda em quatro etapas complementares que estão representadas no dagrama de blocos na Fgura 3. Cada uma delas está descrta através do

Leia mais

Capítulo XI. Teste do Qui-quadrado. (χ 2 )

Capítulo XI. Teste do Qui-quadrado. (χ 2 ) TLF 00/ Cap. XI Teste do Capítulo XI Teste do Qu-quadrado ( ).. Aplcação do teste do a uma dstrbução de frequêncas 08.. Escolha de ntervalos para o teste do.3. Graus de lberdade e reduzdo.4. Tabela de

Leia mais

Nome: Nº: Estatística para Economia e Gestão Licenciaturas em Economia e Gestão. 2.º Semestre de 2008/2009

Nome: Nº: Estatística para Economia e Gestão Licenciaturas em Economia e Gestão. 2.º Semestre de 2008/2009 Estatístca para Economa e Gestão Lcencaturas em Economa e Gestão.º Semestre de 008/009 Exame Fnal (.ª Época) 16 de Junho de 009; 17h30m Duração: 10 mnutos INSTRUÇÕES Escreva o nome e número de aluno em

Leia mais

Laboratório de Mecânica Aplicada I Determinação de Centros de Gravidade

Laboratório de Mecânica Aplicada I Determinação de Centros de Gravidade Laboratóro de Mecânca Aplcada I Determnação de Centros de Gravdade Em mutos problemas de mecânca o efeto do peso dos corpos é representado por um únco vector, aplcado num ponto denomnado centro de gravdade.

Leia mais

Variáveis Aleatórias

Variáveis Aleatórias Unversdade Federal do Pará Insttuto de Tecnologa Estatístca Aplcada I Prof. Dr. Jorge Teóflo de Barros Lopes Campus de Belém Curso de Engenhara Mecânca /08/06 7:39 ESTATÍSTICA APLICADA I - Teora das Probabldades

Leia mais

5 Problema de planejamento de novas redes de telecomunicações

5 Problema de planejamento de novas redes de telecomunicações Problema de planejamento de novas redes de telecomuncações O Problema de Planejamento de Novas Redes de Telecomuncações (PPNRT) consste em atender um conjunto de clentes com demandas dferentes que devem

Leia mais

Regressão Múltipla. Parte I: Modelo Geral e Estimação

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

Leia mais

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

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

Leia mais

8 - Medidas Descritivas

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

Leia mais

Realimentação negativa em ampliadores

Realimentação negativa em ampliadores Realmentação negatva em ampladores 1 Introdução necessdade de amplfcadores com ganho estável em undades repetdoras em lnhas telefôncas levou o Eng. Harold Black à cração da técnca denomnada realmentação

Leia mais

U N I V E R S I D A D E D O S A Ç O R E S D E P A R T A M E N T O D E M A T E M Á T I C A ARMANDO B MENDES ÁUREA SOUSA HELENA MELO SOUSA

U N I V E R S I D A D E D O S A Ç O R E S D E P A R T A M E N T O D E M A T E M Á T I C A ARMANDO B MENDES ÁUREA SOUSA HELENA MELO SOUSA U N I V E R S I D A D E D O S A Ç O R E S D E P A R T A M E N T O D E M A T E M Á T I C A CLASSIFICAÇÃO DE MONOGRAFIAS UMA PROPOSTA PARA MAIOR OBJECTIVIDADE ARMANDO B MENDES ÁUREA SOUSA HELENA MELO SOUSA

Leia mais

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

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

Leia mais

PROCEDIMENTO PARA ESCOLHA DA LOCALIZAÇÃO DE UM CENTRO REGIONAL DE DISTRIBUIÇÃO E RECOLHA DE EQUIPAMENTOS. N. R. Candido, V.B. G.

PROCEDIMENTO PARA ESCOLHA DA LOCALIZAÇÃO DE UM CENTRO REGIONAL DE DISTRIBUIÇÃO E RECOLHA DE EQUIPAMENTOS. N. R. Candido, V.B. G. PROCEDIMENTO PARA ESCOLHA DA LOCALIZAÇÃO DE UM CENTRO REGIONAL DE DISTRIBUIÇÃO E RECOLHA DE EQUIPAMENTOS N. R. Canddo, V.B. G. Campos RESUMO Apresenta-se neste trabalho um procedmento de auxílo à decsão

Leia mais

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

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

Leia mais

Universidade Federal de São Carlos Centro de Ciências Exatas e de Tecnologia Departamento de Estatística

Universidade Federal de São Carlos Centro de Ciências Exatas e de Tecnologia Departamento de Estatística Unversdade Federal de São Carlos Centro de Cêncas Exatas e de Tecnologa Departamento de Estatístca Introdução ao Controle Estatístco de Processo on-lne Paulo Henrque Ferrera da Slva Orentador: Prof. Dr.

Leia mais

DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS

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

Leia mais

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

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

Leia mais

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

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

Leia mais

Prof. Lorí Viali, Dr.

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

Leia mais

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

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

Leia mais

Medidas e resultados em um experimento.

Medidas e resultados em um experimento. Meddas e resultados em um expermento. I- Introdução O estudo de um fenômeno natural do ponto de vsta expermental envolve algumas etapas que, mutas vezes, necesstam de uma elaboração préva de uma seqüênca

Leia mais

GARANTIA DE EXCELENTE INTERCAMBIALIDADE E REDUÇÃO DE CUSTOS ATRAVÉS DA ANÁLISE ESTATÍSTICA DE TOLERÂNCIAS

GARANTIA DE EXCELENTE INTERCAMBIALIDADE E REDUÇÃO DE CUSTOS ATRAVÉS DA ANÁLISE ESTATÍSTICA DE TOLERÂNCIAS GARANIA DE EXCELENE INERCAMBIALIDADE E REDUÇÃO DE CUSOS ARAVÉS DA ANÁLISE ESAÍSICA DE OLERÂNCIAS Edvaldo Antono Bulba* *Prof. Dr. da Fatec SP FEI e Unversdade São Judas E mal: bulba@fe.edu.br Resumo Numa

Leia mais

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

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

Leia mais

Covariância na Propagação de Erros

Covariância na Propagação de Erros Técncas Laboratoras de Físca Lc. Físca e Eng. omédca 007/08 Capítulo VII Covarânca e Correlação Covarânca na propagação de erros Coefcente de Correlação Lnear 35 Covarânca na Propagação de Erros Suponhamos

Leia mais

2ª Atividade Formativa UC ECS

2ª Atividade Formativa UC ECS I. Explque quando é que a méda conduz a melhores resultados que a medana. Dê um exemplo para a melhor utlzação de cada uma das meddas de localzação (Exame 01/09/2009). II. Suponha que um professor fez

Leia mais

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

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

Leia mais

2 Lógica Fuzzy Introdução

2 Lógica Fuzzy Introdução 2 Lógca Fuzzy 2.. Introdução A lógca fuzzy é uma extensão da lógca booleana, ntroduzda pelo Dr. Loft Zadeh da Unversdade da Calfórna / Berkeley no ano 965. Fo desenvolvda para expressar o conceto de verdade

Leia mais

Variável discreta: X = número de divórcios por indivíduo

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

Leia mais

O problema da superdispersão na análise de dados de contagens

O problema da superdispersão na análise de dados de contagens O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

Roteiro-Relatório da Experiência N o 4 CARACTERÍSTICAS DO TRANSISTOR BIPOLAR

Roteiro-Relatório da Experiência N o 4 CARACTERÍSTICAS DO TRANSISTOR BIPOLAR PROF.: Joaqum Rangel Codeço Rotero-Relatóro da Experênca N o 4 CARACTERÍSTICAS DO TRANSISTOR BIPOLAR 1. COMPONENTES DA EQUIPE: ALUNOS 1 2 NOTA Prof.: Joaqum Rangel Codeço Data: / / : hs 2. OBJETIVOS: 2.1.

Leia mais

REGRESSÃO NÃO LINEAR 27/06/2017

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

Leia mais

3 Subtração de Fundo Segmentação por Subtração de Fundo

3 Subtração de Fundo Segmentação por Subtração de Fundo 3 Subtração de Fundo Este capítulo apresenta um estudo sobre algortmos para a detecção de objetos em movmento em uma cena com fundo estátco. Normalmente, estas cenas estão sob a nfluênca de mudanças na

Leia mais

Gabarito da Lista de Exercícios de Econometria I

Gabarito da Lista de Exercícios de Econometria I Gabarto da sta de Exercícos de Econometra I Professor: Rogéro lva Mattos Montor: eonardo enrque A. lva Questão Y X y x xy x ŷ ˆ ˆ y ŷ (Y - Y ) (X - X ) (Ŷ - Y ) 360 00-76 -00 35.00 40.000 36-4 30.976 3076

Leia mais

EXEMPLOS DO CURSO DE ESTATÍSTICA ENGENHARIA DE MATERIAIS

EXEMPLOS DO CURSO DE ESTATÍSTICA ENGENHARIA DE MATERIAIS EEMPLOS DO CURSO DE ESTATÍSTICA ENGENHARIA DE MATERIAIS Exemplo: Peso de 25 bolos ndustras Forma bruta: Dsposção ordenada 266 267 266 26 22 255 266 26 272 22 260 272 25 262 23 25 266 270 274 22 2 270 20

Leia mais