A PROGRAMAÇÃO LINEAR FUZZY EM PROBLEMAS DE MISTURA
|
|
- Glória Diegues Imperial
- 5 Há anos
- Visualizações:
Transcrição
1 Pesqusa Operacoal a Socedade: Educação, Meo Ambete e Desevolvmeto a 5/09/06 Goâa, GO A PROGRAMAÇÃO LINEAR FUZZY EM PROBLEMAS DE MISTURA Adre Gadolpho Uversdade Católca de Petrópols alvesga@gbl.com.br Rcardo Taschet PUC-Ro rcardo@ele.puc-ro.br Marley Vellasco PUC-Ro marley@ele.puc-ro.br Nélo Pzzolato Puc-Ro dp@d.puc-ro.br RESUMO Este trabalho trata da utlzação de programação lear fuzzy em um problema de mstura de carvões para sderúrgcas a coque. A modelagem de problemas de mstura evolve cocetos vagos e mprecsos, os quas podem ser traduzdos em termos matemátcos através da teora de coutos fuzzy e de suas ramfcações. Neste tpo de problema os coefcetes dos termos da fução obetvo e das restrções de desgualdade são represetados por úmeros fuzzy. A utlzação dos cocetos de programação lear fuzzy permtem que o problema sea resolvdo por meo de métodos tradcoas de programação matemátca. O resultado obtdo mostra o potecal de utlzação desta metodologa em problemas de mstura. Palavras-chave: programação lear fuzzy, coutos fuzzy, modelo de msturas. ABSTRACT Ths wor deals wth the use of fuzzy lear programmg a coal bledg problem steel dustres. Modelg bledg problems volves vague ad mprecse cocepts, whch ca be traslated to mathematcal form through the cocepts of fuzzy sets. I ths sort of problem fuzzy umbers represet the coeffcets the cost fucto ad the equalty restrctos. Fuzzy lear programmg cocepts allow the problem to be solved through tradtoal mathematcal programmg methods. Results show the potetal of ths methodology for dealg wth bledg problems. Keywords: fuzzy lear programmg, fuzzy sets, bledg model. [ 886 ]
2 Pesqusa Operacoal a Socedade: Educação, Meo Ambete e Desevolvmeto a 5/09/06 Goâa, GO. Itrodução Muto á fo feto o desevolvmeto de metodologas para a resolução de problemas de programação lear fuzzy. Etretato, a grade parte dos trabalhos apresetados procurou obter uma solução trasformado o problema fuzzy em um problema crsp, o que é possível através de métodos de defuzzfcação. A partr deste modelo defuzzfcado, ode os coefcetes são determístcos, é obtda uma solução crsp utlzado-se métodos cohecdos de programação lear padrão, como o Método Smple (Datzg, 96). Porém, com esta solução é possível aalsar apeas algus aspectos das certezas e mprecsões cotdas o problema cal. Por este motvo, este tpo de solução ão reflete por completo o grau de certeza que o mudo real possu, ou sea, ao se obter uma solução úca para um problema ode algus ou todos os coefcetes possuem mprecsões, a pessoa resposável pela aálse dos resultados fca sem a opção de aalsar outros resultados possíves. Mas do que smplesmete dcar um resultado, buscou-se este presete trabalho quatfcá-lo através da costrução de uma fução de pertêca. Nesta lha pode ser ctado o artgo de Bucley de 995 (Bucley, 995), ode o autor apreseta uma forma de se ecotrar uma solução couta para problemas de programação lear fuzzy. Desta forma, apreseta-se um couto de soluções ode tato os valores das varáves quato o valor ótmo para a fução de custo, ou fução obetvo, possuam uma fução de pertêca assocada. Assm, será possível forecer um couto de possíves soluções factíves, que possam ateder a dferetes ceáros. Além de forecer ao tomador de decsões uma ferrameta de aálse mas poderosa, permtdo que seam aalsadas outras soluções possíves ates de se escolher uma solução em partcular. O fato de ser obtdo de forma teratva, resolvedo-se um úmero de vezes algus modelos, tora mas smples, e de fácl aplcação, a metodologa aqu proposta. O trabalho é estruturado de forma a se revsar os cocetos à medda que as aplcações lustradas os ecesstam. Na seção é apresetada formalmete a metodologa para resolver problemas de programação lear fuzzy. Na seção descreve-se o modelo de msturas em programação lear, sua estrutura básca e as smplfcações fetas para torar o seu uso mas prátco Na seção é desevolvda uma aplcação para as msturas de carvões em termos de programação lear fuzzy e ressaltados os tratametos às restrções e à fução obetvo. Na aplcação, seção 5, são usados dados reas das qualdades fudametas dos carvões, acrescdos de faas de varações arbtradas. Por últmo, a seção 6, são apresetadas as coclusões do trabalho.. Modelo de Programação Matemátca Fuzzy O problema de programação lear, ode se cosdera que todos os coefcetes são determístcos, é, a realdade, apeas uma smplfcação de um problema real. Os dados utlzados para se resolver esse problema são estmados e, em geral, serão determados o futuro. Portato, os valores de cada um dos coefcetes do modelo apresetam, a verdade, uma mprecsão. Apesar do modelo determístco represetar de forma aproprada um modelo de programação lear, aprmorametos são ecessáros para refletr as certezas eretes ao problema. Desta forma, buscou-se adequar o modelo cosderado que os coefcetes das restrções e da fução obetvo são, a realdade, certos. A programação matemátca fuzzy, em partcular a programação lear fuzzy, é uma ferrameta que permte a clusão de cocetos vagos e mprecsos o modelo do problema. Assm, este passa a ser descrto em termos de um modelo de programação lear fuzzy, possbltado a corporação de certezas cotdas os coefcetes ao modelo tradcoal crsp, podedo, desta forma, torar-se um sstema de apoo a decsão em egocações de carvões. [ 887 ]
3 Pesqusa Operacoal a Socedade: Educação, Meo Ambete e Desevolvmeto a 5/09/06 Goâa, GO.- Metodologa A metodologa aqu proposta aplca-se a problemas de programação lear ode os coefcetes da fução custo, e das restrções, lado esquerdo e dreto, são certos e modelados como úmeros fuzzy. Devdo às certezas, estem dversas combações possíves de resultados para a solução do problema. Desta forma, com a teção de ecotrar uma faa de valores ode se ecotram os resultados factíves para o problema de programação lear fuzzy, busca-se, calmete, ecotrar a regão de vabldade, para em seguda tratar da fução custo..- Regão de Vabldade Mutos problemas de programação lear utlzados a tomada de decsões podem ser formulados da segute forma (Eel, 00): Mmze f (, Κ, ) sueto a g (, Κ, ) b () para =, Κ, m ode: a fução custo ( f ), e as restrções ( g, para f (, Κ, ) = c = = =, Κ, m ) cluem coefcetes fuzzy. g (, Κ, ) b para =, Κ, m a b para =, Κ, m a, para =, Κ,, são úmeros fuzzy com μ a ( a ) pertêca assocada. b, para =, Κ, m, são úmeros fuzzy com μ b ( b ) pertêca assocada. para =, Κ,, sua fução de para =, Κ, m, sua fução de Uma das dúvdas que surgem ao se cosderar este tpo de modelo matemátco, cohecdo como modelo de programação lear fuzzy, é como determar a sua melhor solução. Por ser um problema ode os coefcetes possuem certezas, dcar uma solução úca pode ão represetar de forma adequada todas as combações possíves. Desta forma, é mportate que se determe uma regão ode é possível ecotrar as soluções possíves para (). A partr da determação da regão de vabldade do problema defdo em (), será possível se determar uma faa de valores ótmos da fução obetvo. Deste modo, para se tratar a regão de factbldade, será cosderado o couto de restrções do problema (). Assm, cosdere-se uma das restrções do problema (): = () a b [ 888 ]
4 Pesqusa Operacoal a Socedade: Educação, Meo Ambete e Desevolvmeto a 5/09/06 Goâa, GO Se as codções de covedade dos coefcetes fuzzy a e b, para =, Κ,, para =, Κ, m, são satsfetas, ou sea, dado que os coefcetes são coveos, é possível cosderar a segute possbldade de ordeameto (Dubos & Prade, 980): Sea α = couto de íves, ode =, Κ, K, α Κ α Κ m m supμ ( ), μ ( ), { a a b } 0 () b Assm, a restrção () pode ser modfcada, sedo etão represetada pelo segute sstema determístco, ode os coefcetes são crsp: = () S a a S a b, para =, Κ, K ode: a S, para =, Κ, K, são os coutos de ível α, a a b S para =, Κ, K, são os coutos de ível α. para =, Κ,, Por eemplo, o couto (Eel, 999): S, para =, Κ, K, do ível α, do couto b é defdo como a b Fgura Couto S, do ível α, do couto b a b Cosderado estes íves α, para forma: ode: a a a a [ ] [ ] a, a b, b = (5) a a [ a a ] =, Κ, K, é possível reescrever a equação () da segute, para =, Κ, e para =, Κ, m, são os potos etremos (lmte feror e lmte superor) do corte α feto o úmero fuzzy a, para =, Κ, e =, Κ, K ; a a b b, são os potos etremos (lmte feror e lmte superor) do corte α feto o úmero fuzzy b, para =, Κ, K ; [ ] [ 889 ]
5 Pesqusa Operacoal a Socedade: Educação, Meo Ambete e Desevolvmeto a 5/09/06 Goâa, GO Portato, o couto de equações descrto em (5) pode ser reescrto da segute forma: = (6) = a a a a b b a a, para =, Κ, K, para =, Κ, K (7) Este é um sstema de equações com uma dmesão maor do que a do problema orgal. Depos de se determar a regão de vabldade para cada corte do problema fuzzy, deve-se tratar da epressão da fução obetvo quado os coefcetes do vetor de custo são fuzzy..- Fução Obetvo: Na seção ateror, a regão de factbldade, defda pelas restrções, fo tratada do poto de vsta de coutos fuzzy. Assm, fo possível detfcar a regão ode está o valor ótmo para o problema fuzzy, cosderado cada corte os coefcetes da fução obetvo (coefcetes tecológcos) e as costates do lado dreto. Aalsar-se-á agora o comportameto da fução obetvo quado seus coefcetes são úmeros fuzzy. Desta forma, será possível determar quas os lmtes para o valor ótmo da fução obetvo. Ates de se fazer o tratameto formal da fução obetvo, serão apresetados algus cocetos que serão útes esta abordagem. Os cocetos aqu descrtos são baseados em Bazaraa (990). Couto Coveo Um couto X o espaço E m é chamado de Couto Coveo se, dado dos potos quasquer e em X, etão ( λ X λ 0,. λ para cada [ ] + ) Dreções Etremas de um Couto Coveo Uma dreção etrema de um couto coveo é uma dreção do couto que ão pode ser represetada como uma combação postva de duas dreções dsttas do couto. Dos vetores, d e d são dtos serem dsttos (ão equvaletes) se d ão pode ser represetado como múltplo de d. Qualquer outra dreção do couto que ão é um múltplo ou sub-múltplo de d ou d pode ser represetada como λ d + λ d ode λ, λ 0. Coe Coveo Os coes coveos represetam uma classe mportate de coutos coveos. Sea C um coe coveo; ele é dto ser um couto coveo com a propredade adcoal λ C se o rao {λ: λ 0} pertece a C. Portato, um coe é um couto coveo que cosste totalmete de raos emaado da orgem. Como um coe coveo é formado pelos seus raos, etão ele pode ser totalmete caracterzado por suas dreções. De fato, em todas as dreções são ecessáras, desde que uma dreção ão etrema pode ser represetada como uma combação postva de dreções etremas. Portato, um coe coveo é caracterzado por suas dreções etremas. Dado um couto de vetores a, a,..., a, é possível formar um coe coveo C com estes vetores. Este coe cosste de todas as combações de a, a,..., a, sto é: [ 890 ]
6 Pesqusa Operacoal a Socedade: Educação, Meo Ambete e Desevolvmeto a 5/09/06 Goâa, GO C = λ a = (8) : λ 0, para =,, Κ, Note que a fução obetvo apresetada em (.), cosdera que seus coefcetes são certos e, portato, são modelados como úmeros fuzzy. Desta forma, é possível defr um coe coveo, que é formado por suas dreções etremas e por demas dreções, que podem ser descrtas como combações das dreções etremas. Assm, cosderado que cada um dos coefcetes vara detro de uma determada faa, temse que a fução obetvo de () pode ser descrta por: z = a a [ ] c c =,, que é um úmero tervalar [ z, z ] = z Como, por hpótese, as varáves 0, z a = = c e z a = = para =, Κ,, tem-se que: c represetam os valores mímo e mámo que a fução obetvo pode alcaçar quado se cosdera a regão determada em (.). Desta forma, para cada corte α feto as fuções de pertêca, é possível se calcular o maor e meor valor da fução obetvo, cosderado a regão factível determada em (.). Este processo pode ser repetdo sucessvamete, de forma a se obter uma faa de valores possíves para a fução obetvo.. Problema de Msturas A modelagem do problema de msturas fo uma das prmeras aplcações da programação lear (Datzg, 96). No problema de msturas estem dos ou mas compoetes, que podem ser um couto de matéras-prmas, uma ou mas qualdades de cada um destes compoetes e um ou mas produtos, de tal forma que certas ecessdades seam satsfetas. Em geral, pode-se dzer que a qualdade do produto fal é uma méda poderada das qualdades dos produtos usados a mstura. Na Tabela estão lstados algus tpos de produtos advdos de msturas de compoetes e as qualdades ormalmete egdas. Tabela Eemplos de produtos proveetes de msturas Produto Fal Qualdades Matéras-prmas Almeto Metas Coque Quatdade de proteía, carbodrato, gordura, fbras, etc. Coteúdo de carboo, magaês e cromo Teor de cza, eofre, umdade, matéra volátl, etc..- Estrutura Geral do Problema de Msturas mlho, soa, avea, trgo, farelos, farhas, etc. méro de ferro (ou metas), refugo de metas e metas usados carvões vdos de dferetes mas espalhadas pelo mudo Cosdera-se que se desea msturar compoetes, as matéras-prmas, cada qual com suas característcas determadas por teores, os quas têm seus custos determados pelo mercado. O produto fal deve estar etre íves acetáves de cada uma das m qualdades egdas, apresetar [ 89 ]
7 Pesqusa Operacoal a Socedade: Educação, Meo Ambete e Desevolvmeto a 5/09/06 Goâa, GO meor custo fal e ser produzdo em quatdade X. Assm, o problema pode ser equacoado da segute forma: cada compoete de etrada ( =,,..., ) é usado a quatdade e tem custo utáro c cada compoete tem um couto de qualdades M, M = {,,...,m}, as proporções a ( e M). obetvo do problema é obter um produto em quatdade X, resultado de uma mstura de custo mímo atededo às restrções de qualdade. processo produtvo é de mstura sem perdas de quatdade de tal modo que: X as dversas qualdades são poderadamete adtvas. Portato, o modelo cosste em: = Mmzar sueto a LI c a = X 0, =,..., LS, para =,,..., m ode: LI = lmte feror da qualdade ; LS = lmte superor da qualdade ; Essa formulação costtu uma estrutura típca de um modelo de msturas em programação lear. Embora estam outras vertetes, clusve certos modelos ão leares, esse é o que mas se adapta à realdade das sderúrgcas. Na próma seção é apresetado o modelo do carvão, utlzado ao logo deste trabalho.. Estudo de Casos Coforme descrto em Gadolpho (996), cosderam-se varáves ( =,..., ) os carvões, que devem ser comprados em quatdades ão egatvas (q 0) e m restrções de qualdade (respodedo pelo ídce ). Cada carvão utlzado possu um custo estmado (c ) e um teor, ou proporção, de cada qualdade (a ). Como o produto fal desta mstura deve estar etre valores acetáves para cada qualdade, são ecessáras restrções de qualdade. Estas restrções são lmtadas superormete por LS e ferormete por LI tervalos de valores para os quas são deseadas as dversas qualdades da mstura fal. Para evtar que o modelo escolha como solução mas ecoômca quatdades ulas, coloca-se uma seguda restrção, deomada restrção de balaço. Como os coefcetes utlzados para os teores são dados em termos percetuas, trabalha-se em uma escala em que as quatdades mímas são t. ou 00t., de modo a se obter resultados mas faclmete terpretáves. Note-se que sem estas duas últmas restrções (restrções de qualdade e de balaço) o modelo certamete escolhera como resultado mas ecoômco quatdades ulas para cada carvão. A partr do eposto acma pode-se motar o segute modelo de programação lear: [ 89 ]
8 Pesqusa Operacoal a Socedade: Educação, Meo Ambete e Desevolvmeto a 5/09/06 Goâa, GO Mmzar sueto a LI = q CUSTO TOTAL (9) = = c q a q LS, =,, Κ, m Restrções de qualdade = q D (0) Restrção de Balaço () 0, =,, Κ, Quatdades ão egatvas () A lha (9) apreseta o custo total a ser mmzado a soma poderada dos custos utáros de cada carvão que compõe a mstura. Em (0) tem-se um somatóro das qualdades de cada carvão multplcadas pela sua quatdade; este caso desmembra-se a equação em duas, sedo uma parte referete ao atedmeto do lmte superor e outra ao atedmeto do lmte feror de cada qualdade requerda para a mstura. Desta forma, tem-se um total de m equações. A restrção de balaço () fa a quatdade míma a ser produzda desta mstura. Por fm, as equações represetadas em () correspodem à ão egatvdade das quatdades de cada carvão. Para lustrar o modelo do carvão em uma prmera etapa determístca, dada por valores médos, sem as certezas típcas do carvão foram observadas quatro propredades dos carvões para se fazer à mstura do coque: os teores de eofre, de matéra volátl, de reflectâca e de cza. Com sso, o sstema apreseta as segutes matrzes. Matrz dos custos: c = [ 6,5 6,05 60,00 55,] Matrz tecológca: 0,5, A =, 0,88 0,76,0, 5,5 0,87,77 0,9 7,98, 8,6 0,7 8, Lmtes: 0,0 5,0 LI =, 8,5 LS = 0,85 0,8, 6,5 Quatdade total a ser produzda: D = Este problema, resolvdo com o software LINDO (Schrage, 996), apresetou os resultados mostrados a Tabela. [ 89 ]
9 Pesqusa Operacoal a Socedade: Educação, Meo Ambete e Desevolvmeto a 5/09/06 Goâa, GO Tabela Resultados da otmzação Varável Valor Custo Reduzdo X 0, , X 0,000000,00890 X 0, , X 0,7 0, Custo Ótmo ( a. teração): 60, Modelo de Msturas com Icerteza Modelo Fuzzy No segute eemplo é cosderado um problema de programação lear com a estrutura de um modelo de mstura, coforme apresetado o tem ateror. Neste caso, o problema a ser cosderado é o mesmo, o que muda é a forma de se resolver, ou sea, a metodologa de resolução do problema. No caso deste eemplo cosdera-se que os coefcetes da matrz tecológca, a, que represetam os teores de cada carvão, e do vetor de custos, c, que correspodem aos custos de cada um dos carvões, possuem certezas e, por este motvo, são modelados como úmeros fuzzy tragulares smétrcos, coforme descrto a segur. 5.- Regão de Vabldade Cosdere-se o problema eemplo está descrto a segur: m c + c + c + c sueto a ã + ã + ã + ã b ã + ã + ã + ã b ã + ã + ã + ã b ã + ã + ã + ã b + + +,0 Ode os coefcetes são úmeros fuzzy tragulares smétrcos, ode o prmero valor represeta o úmero cetral e o segudo a faa de varação. Custos: c c c c < 6,5;, 0 > < 6,05;, 0 > < 60,0;, 0 > < 55,;, 0 > Qualdades:. Eofre:. Volatldade:. Reflectâca: < 0,5; 0, > < 0,76; 0, > < 0,87; 0, > <,; 0, > <,; > <,; > <,77; > < 8,6; > [ 89 ]
10 Pesqusa Operacoal a Socedade: Educação, Meo Ambete e Desevolvmeto a 5/09/06 Goâa, GO. Cza: <,; 0, > <,; 0, > < 0,9; 0, > < 0,7; 0, > < 0,88; > < 5,5; > < 7,98; > < 8,; > Costates do Lado Dreto Lmtes acetáves de cada qualdade. Lmte de Eofre: b =< 0,5;0, 5 >. Lmte de Matéra Volátl: b =< 7,9;, 9 >. Lmte de Reflectâca: b =<,5;0, 05 >. Lmte de Cza: b =<,5;, 0 > Levado-se em cota que cada um dos coefcetes das restrções de qualdades são úmeros fuzzy tragulares, como descrto aterormete, pode-se escrever o segute couto de equações. 0,55 0,5 + 0,86 + 0,66 + 0,97 + 0,77 +, +, 0,85 0,0,, +,0 +,0 +,77 +,77 + 9,6 + 7,6 0,8 5,0,0 +,0,0 +,0 +,0 + 0,8 + 0,8 + 0,6,0,0,88 + 6,5 + 8,98 + 9, 6,5 09,88 +,5 + 6,98 + 7, 8, ,0 7.- Fução Obetvo Na obteção da fução obetvo, cosderado que os seus coefcetes (custo) varam detro de uma faa, sedo etão modelados como úmeros fuzzy tragulares, foram utlzados os etremos de cada tervalo. Assm, cosderado que cada um dos coefcetes vara detro de uma determada faa, temse que a fução obetvo de pode ser descrta por: Z f = 60,5 + 6, ,0 + 5, Z sup = 6,5 + 6,05 + 6,0 + 56, [ 895 ]
11 Pesqusa Operacoal a Socedade: Educação, Meo Ambete e Desevolvmeto a 5/09/06 Goâa, GO 7.- Modelo Geral Após smplfcações, e colocado a fução obetvo uto com as restrções, tem-se o segute modelo de programação lear crsp. M {6,5 + 6,05 + 6,0 + 56,, 60,5 + 6, ,0 + 5, } Sueto a 0,55 + 0,86 + 0,97 +, 0,85, +, +,77 + 9,6 0,8,0 +,0 +,0 + 0,8,,88 + 6,5 + 8,98 + 9, 6,5 0,5 + 0,66 + 0,77 +, 0,0, +, +,77 + 7,6 5,0 +,0 + 0,8 + 0,6, 9,88 +,5 + 6,98 + 7, 8, Resultados De acordo com a seção., o modelo apresetado é composto de duas fuções obetvos, que utlzadas para a determação da faa de valores possíves para os valores das varáves e do valor da fução obetvo. Os dos modelos foram descrtos o software LINDO, sedo obtdos os resultados dspostos a Tabela. Tabela Resultados da Otmzação Varável Meor Valor Maor Valor FO 58, 6,975 0, ,706 0,00 0,6 0,985 0,665 0,009 0,065 Aalsado a Tabela é possível fazer as segutes observações: é mportate saletar que os valores apresetados as coluas Meor Valor e Maor Valor correspodem ao meor e maor valor para o valor da fução obetvo. Os valores para cada varável de decsão represetam apeas o valor o poto ótmo; a certeza torou o carvão mas atraete, ou sea, mas utlzado; o valor da fução obetvo ecotrados a Tabela ecotram-se coeretes com os descrtos a Tabela, sedo que estes últmos apresetam uma faa abragete, ressaltado a capacdade da metodologa em determar uma regão de factbldade quado são tratadas as certezas; Além da questão das certezas mecoadas acma, uma smples comparação etre os resultados obtdos com o modelo determístco e aqueles obtdos com a corporação de ambgudades ão tem maor sgfcado em termos de vatages de um procedmeto sobre o outro, pos parte-se de premssas dsttas. No etato, com base as Tabelas e, é possível efetuar algumas observações relevates: [ 896 ]
12 Pesqusa Operacoal a Socedade: Educação, Meo Ambete e Desevolvmeto a 5/09/06 Goâa, GO a certeza torou o carvão meos utlzado, sedo substtuído pelos carvões e ; a trodução de certezas provocou um acréscmo o valor fal da fução obetvo, pos o carvão mas barato,, fo substtuídos por dos carvões mas caros, e ; os resultados apresetados epressam a reação do modelo à trodução de certezas, tato em termos de uma pora o valor da fução obetvo como o aumeto o úmero de terações ecessáras para se obter uma solução factível. 6. Coclusões A aplcação do ferrametal dervado dos cocetos de coutos fuzzy e de grau de pertêca para a modelagem de formações mprecsas permte a resolução de problemas que ormalmete ão podem ser tratados pela programação matemátca tradcoal. Neste trabalho fo desevolvda uma metodologa para a resolução de problemas de programação lear fuzzy. O método procura ecotrar uma faa de valores possíves para a solução ótma. Para sso, é determada a regão factível e, em seguda, calculados a faa de valores ótmos. Para demostrar o uso desta metodologa fo feta a aplcação dreta da programação lear fuzzy a um problema de mstura de carvões para obteção do coque para sderúrgcas. Esse problema fo calmete tratado o âmbto da programação lear tradcoal; em seguda fo resolvdo o âmbto da programação lear fuzzy, que permte levar em cota mprecsões os coefcetes. Dferetemete do smples uso de tervalos para represetar as faas de varação dos coefcetes, a teora dos coutos fuzzy dspoblza uma forma de quatfcar a possbldade de cada valor estar detro de seu tervalo de varação. A utlzação do modelo fuzzy e do coceto de factbldade permte troduzr uma maor flebldade a casos reas, abragedo tato o problema determístco como problemas com dferetes graus de certeza quato aos coefcetes das varáves. Embora o estudo de caso apresetado teha se baseado um eemplo de pequeo porte, a metodologa fuzzy pode ser utlzada em termos prátcos, ão sedo grade o esforço computacoal adcoal. Referêcas Bblográfcas () Bazaraa, M. S., J. J. Jarvs, et al. (990). Lear Programmg ad Networ Flows. USA, Joh Wley & Sos, INC. () Bucley, J. J. (995). Jot Soluto to Fuzzy Programmg Problems. Fuzzy Sets ad Systems. 7: 5-0. () Datzg, George B. (96). Lear Programmg ad Etesos. Prceto Uversty Press, New Jersey. () Dubos, D. & Prade, H. (980). Fuzzy Sets ad Systems: Theory ad Applcatos. Academc Press, New Yor. (5) Eel, P.Y..(999). Approach to Decso Mag Fuzzy Evromet. Computers ad Mathematcs Applcatos. 7: (6) Eel, P.Y..(00). Methods of Decso Mag Fuzzy Evromet ad Ther Applcatos. Nolear Aalyss. 7: [ 897 ]
13 Pesqusa Operacoal a Socedade: Educação, Meo Ambete e Desevolvmeto a 5/09/06 Goâa, GO (7) Gadolpho, A. A. (996). Iterpretação ecoômca de modelos para compra de carvões em sderúrgcas. Tese de Mestrado, Departameto de Egehara Idustral, PUC-Ro, Ro de Jaero. (8) Iuguch, M. (997). Fuzzy lear programmg: what, why ad how? Tatra Moutas Mathematcal Publcatos,, -67. (9) Iuguch, M. & Ram, J. (998). Possblstc lear programmg: a bref revew of fuzzy mathematcal programmg ad a comparso wth stochastc programmg portfolo selecto problem, Fuzzy Sets & Systems,, -8 (0) Schrage, L. (996). LINDO Systems, Ic. User's Maual, LINDO Systems Ic., Chcago. () Yaza, H. (99). Plaeameto e programação de suprmeto de carvões em uma usa sderúrgca a coque. Tese de Mestrado, Departameto de Egehara Idustral, PUC-Ro, Ro de Jaero. () Zadeh, L. A. (978). Fuzzy sets as a bass for a theory of possblty. Fuzzy Sets ad Systems, :-8 [ 898 ]
Forma padrão do modelo de Programação Linear
POGAMAÇÃO LINEA. Forma Padrão do Modelo de Programação Lear 2. elações de Equvalêca 3. Suposções da Programação Lear 4. Eemplos de Modelos de PPL 5. Suposções da Programação Lear 6. Solução Gráfca e Iterpretação
Leia maisCap. 5. Testes de Hipóteses
Cap. 5. Testes de Hpóteses Neste capítulo será estudado o segudo problema da ferêca estatístca: o teste de hpóteses. Um teste de hpóteses cosste em verfcar, a partr das observações de uma amostra, se uma
Leia maisEconometria: 3 - Regressão Múltipla
Ecoometra: 3 - Regressão Múltpla Prof. Marcelo C. Mederos mcm@eco.puc-ro.br Prof. Marco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo de regressão
Leia maisAtividades Práticas Supervisionadas (APS)
Uversdade Tecológca Federal do Paraá Prof: Lauro Cesar Galvão Campus Curtba Departameto Acadêmco de Matemátca Cálculo Numérco Etrega: juto com a a parcal DATA DE ENTREGA: da da a PROVA (em sala de aula
Leia maisConstrução e Análise de Gráficos
Costrução e Aálse de Gráfcos Por que fazer gráfcos? Facldade de vsualzação de cojutos de dados Faclta a terpretação de dados Exemplos: Egehara Físca Ecooma Bologa Estatístca Y(udade y) 5 15 1 5 Tabela
Leia maisDifusão entre Dois Compartimentos
59087 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 4 Dfusão etre Dos Compartmetos A le de Fck para membraas (equação 4 da aula passada) mplca que a permeabldade de uma membraa a um soluto é dada pela razão
Leia maisMEDIDAS DE TENDÊNCIA CENTRAL I
Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, edca Veterára, uscoterapa, Odotologa, Pscologa EDIDAS DE TENDÊNCIA CENTRAL I 7 7. EDIDAS DE
Leia maisANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS
ANÁLISE DE ERROS A oservação de um feómeo físco ão é completa se ão pudermos quatfcá-lo. Para é sso é ecessáro medr uma propredade físca. O processo de medda cosste em atrur um úmero a uma propredade físca;
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental.
É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou Prof. Lorí Val, Dr. val@mat.ufrgs.r http://www.mat.ufrgs.r/~val/ expermetal. Numa relação expermetal os valores de uma das varáves
Leia maisEm muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.
Prof. Lorí Val, Dr. val@pucrs.r http://www.pucrs.r/famat/val/ Em mutas stuações duas ou mas varáves estão relacoadas e surge etão a ecessdade de determar a atureza deste relacoameto. A aálse de regressão
Leia maisInterpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1.
Iterpolação Iterpolação é um método que permte costrur um ovo cojuto de dados a partr de um cojuto dscreto de dados potuas cohecdos. Em egehara e cêcas, dspõese habtualmete de dados potuas, obtdos a partr
Leia mais(1) no domínio : 0 x < 1, : constante não negativa. Sujeita às condições de contorno: (2-a) (2-b) CC2: 0
EXEMPLO MOTIVADO II EXEMPLO MOTIVADO II Método da Apromação Polomal Aplcado a Problemas Udrecoas sem Smetra. Equações Dferecas Ordáras Problemas de Valores o otoro Estrutura Geral do Problema: dy() d y()
Leia maisCentro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola
Cetro de Cêcas Agráras e Ambetas da UFBA Departameto de Egehara Agrícola Dscpla: AGR Boestatístca Professor: Celso Luz Borges de Olvera Assuto: Estatístca TEMA: Somatóro RESUMO E NOTAS DA AULA Nº 0 Seja
Leia maisEstatística - exestatmeddisper.doc 25/02/09
Estatístca - exestatmeddsper.doc 5/0/09 Meddas de Dspersão Itrodução ão meddas estatístcas utlzadas para avalar o grau de varabldade, ou dspersão, dos valores em toro da méda. ervem para medr a represetatvdade
Leia maisDistribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD
Dstrbuções Amostras Estatístca 8 - Dstrbuções Amostras 08- Dstrbuções Amostras Dstrbução Amostral de Objetvo: Estudar a dstrbução da população costtuída de todos os valores que se pode obter para, em fução
Leia maisProfessor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø.
Professor Maurco Lutz 1 EGESSÃO LINEA SIMPLES A correlação lear é uma correlação etre duas varáves, cujo gráfco aproma-se de uma lha. O gráfco cartesao que represeta essa lha é deomado dagrama de dspersão.
Leia maisConfiabilidade Estrutural
Professor Uversdade de Brasíla Departameto de Egehara Mecâca Programa de Pós graduação em Itegrdade Estrutural Algortmo para a Estmatva do Idce de Cofabldade de Hasofer-Ld Cofabldade Estrutural Jorge Luz
Leia maisCapítulo 5: Ajuste de curvas pelo método dos mínimos quadrados
Capítulo : Ajuste de curvas pelo método dos mímos quadrados. agrama de dspersão No capítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas por uma taela de valores. Frequetemete o etato
Leia mais6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS
7 6 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS A medção dreta é aquela cuja dcação resulta aturalmete da aplcação do sstema de medção sobre o mesurado Há apeas uma gradeza de etrada evolvda
Leia maisCAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados
3.1. Meddas de Tedêca Cetral CAPÍTULO 3 MEDIDA DE TENDÊNCIA CENTRAL E VARIABILIDADE UFRG 1 Há váras meddas de tedêca cetral. Etre elas ctamos a méda artmétca, a medaa, a méda harmôca, etc. Cada uma dessas
Leia maisFaculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL
Faculdade de Tecologa de Cataduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL 5. Meddas de Posção cetral ou Meddas de Tedêca Cetral Meddas de posção cetral preocupam-se com a caracterzação e a
Leia maisII. Propriedades Termodinâmicas de Soluções
II. Propredades Termodâmcas de Soluções 1 I. Propredades Termodâmcas de Fludos OBJETIVOS Eteder a dfereça etre propredade molar parcal e propredade de uma espéce pura Saber utlzar a equação de Gbbs-Duhem
Leia maisProjeto e Análise de Algoritmos Recorrências. Prof. Humberto Brandão
Projeto e Aálse de Algortmos Recorrêcas Prof. Humberto Bradão humberto@dcc.ufmg.br Uversdade Federal de Alfeas Laboratóro de Pesqusa e Desevolvmeto LP&D Isttuto de Cêcas Exatas ICEx versão da aula: 0.
Leia maisMEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12
MEDIDAS DE POSIÇÃO: São meddas que possbltam represetar resumdamete um cojuto de dados relatvos à observação de um determado feômeo, pos oretam quato à posção da dstrbução o exo dos, permtdo a comparação
Leia maisDistribuições de Probabilidades
Estatístca - aulasestdstrnormal.doc 0/05/06 Dstrbuções de Probabldades Estudamos aterormete as dstrbuções de freqüêcas de amostras. Estudaremos, agora, as dstrbuções de probabldades de populações. A dstrbução
Leia maisDISTRIBUIÇÃO HIPERGEOMÉTRICA
7 DISTRIBUIÇÃO HIPERGEOMÉTRICA Cosdere-se uma população fta costtuída por N elemetos dstrbuídos por duas categoras eclusvas e eaustvas de dmesões M e N M, respectvamete. Os elemetos da prmera categora
Leia maisSumário. Mecânica. Sistemas de partículas
umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - stemas de partículas e corpo rígdo. - Cetro de massa. - Como determar o cetro de massa dum sstema de partículas. - Vetor
Leia maisMédia. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística
BAC 0 - Estatístca Uversdade Federal de Itajubá - Campus Itabra BAC0 - ESTATÍSTICA ESTATÍSTICA DESCRITIVA MEDIDAS DE CENTRO Méda Medda de cetro ecotrada pela somatóra de todos os valores de um cojuto,
Leia maisx n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População
ESTATÍSTICA STICA DESCRITIVA Prof. Lorí Val, Dr. val@mat.ufrgs.br http://.ufrgs.br/~val/ Orgazação; Resumo; Apresetação. Cojuto de dados: Amostra ou População Um cojuto de dados é resumdo de acordo com
Leia maisTabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f
Lsta de exercícos Gabarto e chave de respostas Estatístca Prof.: Nelse 1) Calcule 1, e para o segute cojuto de valores. A,1,8,0,11,,7,8,6,,9, 1 O úmero que correspode a 5% do rol é o valor. O úmero que
Leia maisProf. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística
Prof. Lorí Val, Dr. http://www.pucrs.br/famat/val/ val@pucrs.br Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Obetvos A Aálse de
Leia maisNOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling
4 INFERÊNCIA SOBRE O VETOR DE MÉDIAS 4. TESTE PARA UM VETOR DE MÉDIAS µ Lembrado o caso uvarado: H : µ = µ H : µ µ Nível de sgfcâca: α Estatístca do teste: X µ t = s/ ~ t Decsão: se t > t - (α/) rejeta-se
Leia maisEconometria: 4 - Regressão Múltipla em Notação Matricial
Ecoometra: 4 - Regressão últpla em Notação atrcal Prof. arcelo C. ederos mcm@eco.puc-ro.br Prof. arco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo
Leia mais5 Critérios para Análise dos Resultados
5 Crtéros para Aálse dos Resultados Este capítulo tem por objetvos forecer os crtéros utlzados para aálse dos dados ecotrados a pesqusa, bem como uma vsão geral dos custos ecotrados e a forma de sua evolução
Leia mais16/03/2014. IV. Juros: taxa efetiva, equivalente e proporcional. IV.1 Taxa efetiva. IV.2 Taxas proporcionais. Definição:
6// IV. Juros: taxa efetva, equvalete e proporcoal Matemátca Facera Aplcada ao Mercado Facero e de Captas Professor Roaldo Távora IV. Taxa efetva Defção: É a taxa de juros em que a udade referecal de seu
Leia maisREGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA
REGRESSÃO LINEAR CUIABÁ, MT 6/ INTRODUÇÃO Relação dos valores da varável depedete (varável resposta) aos valores de regressoras ou exógeas). SIMPLES MÚLTIPLA (varáves depedetes,... =,,, K=,,, k em que:
Leia maisÉ 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 etre duas ou mas varáves. Pode ser: correlacoal ou expermetal. Numa relação expermetal os valores de uma das varáves
Leia maisMAE0229 Introdução à Probabilidade e Estatística II
Exercíco Cosdere a dstrbução expoecal com fução de desdade de probabldade dada por f (y; λ) = λe λy, em que y, λ > 0 e E(Y) = /λ Supor que o parâmetro λ pode ser expresso proporcoalmete aos valores de
Leia maisANÁLISE DE REGRESSÃO E CORRELAÇÃO
ANÁLISE DE REGRESSÃO E CORRELAÇÃO Quado se cosderam oservações de ou mas varáves surge um poto ovo: O estudo das relações porvetura estetes etre as varáves. A aálse de regressão e correlação compreedem
Leia maisComo CD = DC CD + DC = 0
(9-0 www.eltecampas.com.br O ELITE RESOLVE IME 008 MATEMÁTICA - DISCURSIVAS MATEMÁTICA QUESTÃO Determe o cojuto-solução da equação se +cos = -se.cos se + cos = se cos ( se cos ( se se.cos cos + + = = (
Leia maisESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA
ESTATÍSTICA MÓDULO OS RAMOS DA ESTATÍSTICA Ídce. Os Ramos da Estatístca...3.. Dados Estatístcos...3.. Formas Icas de Tratameto dos Dados....3. Notação por Ídces...5.. Notação Sgma ()...5 Estatístca Módulo
Leia maisAvaliação da qualidade do ajuste
Avalação da qualdade do ajuste 1 Alguma termologa: Modelo ulo: é o modelo mas smples que pode ser defdo, cotedo um úco parâmetro ( µ) comum a todos os dados; Modelo saturado: é o modelo mas complexo a
Leia maisMEDIDAS DE DISPERSÃO:
MEDID DE DIPERÃO: fução dessas meddas é avalar o quato estão dspersos os valores observados uma dstrbução de freqüêca ou de probabldades, ou seja, o grau de afastameto ou de cocetração etre os valores.
Leia mais( ) Editora Ferreira - Toque de Mestre. Olá Amigos!
Olá Amgos! Hoje coloco à dsposção de vocês aqu a seção Toque de Mestre da Edtora Ferrera (www.edtoraferrera.com.br) as questões de Matemátca Facera cobradas o últmo cocurso da axa Ecoômca Federal (EF),
Leia maisA análise de variância de uma classificação (One-Way ANOVA) verifica se as médias de k amostras independentes (tratamentos) diferem entre si.
Prof. Lorí Va, Dr. http://www. ufrgs.br/~va/ va@mat.ufrgs.br aáse de varâca de uma cassfcação (Oe-Way NOV) verfca se as médas de amostras depedetes (tratametos) dferem etre s. Um segudo tpo de aáse de
Leia mais? Isso é, d i= ( x i. . Percebeu que
Estatístca - Desvo Padrão e Varâca Preparado pelo Prof. Atoo Sales,00 Supoha que tehamos acompahado as otas de quatro aluos, com méda 6,0. Aluo A: 4,0; 6,0; 8,0; méda 6,0 Aluo B:,0; 8,0; 8,0; méda 6,0
Leia maisProblema geral de interpolação
Problema geral de terpolação Ecotrar p() que verfque as codções: f j ( ) y,,,,,, j,,, m ( j) ( ) dervada de ordem j ós valores odas Eemplo: ecotrar p() que verfque:, f () 4 3, f( 3) 3, f'(3) 4 3 p() 3
Leia maisRegressao Simples. Parte II: Anova, Estimação Intervalar e Predição
egressao Smples Parte II: Aova, Estmação Itervalar e Predção Aálse de Varâca Nem todos os valores das amostras estão cotdos a reta de regressão, e quato mas afastados estverem por, a reta represetará a
Leia mais15/03/2012. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações
Itrodução.1 Juros Smples Juro: recompesa pelo sacrfíco de poupar o presete, postergado o cosumo para o futuro Maora das taxas de uros aplcadas o mercado facero são referecadas pelo crtéro smples Determa
Leia maisSumário. Mecânica. Sistemas de partículas
Sumáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - Sstemas de partículas e corpo rígdo. - Cetro de massa. - Como determar o cetro de massa dum sstema de partículas. -
Leia maisEstudo do intervalo de confiança da regressão inversa utilizando o software R
Estudo do tervalo de cofaça da regressão versa utlzado o software R Llae Lopes Cordero João Domgos Scalo. Itrodução Na maora das aplcações evolvedo regressão, determa-se o valor de Y correspodete a um
Leia maisMétodos iterativos. Capítulo O Método de Jacobi
Capítulo 4 Métodos teratvos 41 O Método de Jacob O Método de Jacob é um procedmeto teratvo para a resolução de sstemas leares Tem a vatagem de ser mas smples de se mplemetar o computador do que o Método
Leia maisIntrodução à Teoria dos Números Notas 1 Os Princípios da Boa Ordem e de Indução Finita Prof Carlos Alberto S Soares
Itrodução à Teora dos Números 018 - Notas 1 Os Prcípos da Boa Ordem e de Idução Fta Prof Carlos Alberto S Soares 1 Prelmares Neste curso, prortaramete, estaremos trabalhado com úmeros teros mas, quado
Leia maisEstabilidade no Domínio da Freqüência
Establdade o Domío da Freqüêca Itrodução; apeameto de Cotoros o Plao s; Crtéro de Nyqust; Establdade Relatva; Crtéro de Desempeho o Domío do Tempo Especfcado o Domío da Freqüêca; Bada Passate de Sstema;
Leia maisComplexidade Computacional da Determinação da Correspondência entre Imagens
Complexdade Computacoal da Determação da Correspodêca etre Images Adraa Karlstroem Laboratóro de Sstemas Embarcados Departameto de Egehara Mecatrôca Escola Poltécca da Uversdade de São Paulo adraa.karlstroem@pol.usp.br
Leia maisESTATÍSTICA APLICADA À ZOOTECNIA
ESTATÍSTICA APLICADA À ZOOTECNIA Eucldes Braga MALHEIROS *. INTRODUÇÃO.a) Somatóras e Produtóros Sejam,, 3,...,, valores umércos. A soma desses valores (somatóra) pode ser represetada por: = = = =. e o
Leia maisProf. Eugênio Carlos Stieler
http://www.uemat.br/eugeo Estudar sem racocar é trabalho 009/ TAXA INTERNA DE RETORNO A taa tera de retoro é a taa que equalza o valor presete de um ou mas pagametos (saídas de caa) com o valor presete
Leia maisCapítulo V - Interpolação Polinomial
Métodos Numércos C Balsa & A Satos Capítulo V - Iterpolação Polomal Iterpolação Cosdere o segute couto de dados: x : x0 x x y : y y y 0 m m Estes podem resultar de uma sequêca de meddas expermetas, ode
Leia maisRegressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança
Regressão Smples Parte III: Coefcete de determação, regressão a orgem e método de máxma verossmlhaça Coefcete de determação Proporção da varabldade explcada pelo regressor. R Varação explcada Varação total
Leia maisRelatório 2ª Atividade Formativa UC ECS
Relatóro 2ª Atvdade Formatva Eercíco I. Quado a dstrbução de dados é smétrca ou apromadamete smétrca, as meddas de localzação méda e medaa, cocdem ou são muto semelhates. O mesmo ão acotece quado a dstrbução
Leia maisMÓDULO 8 REVISÃO REVISÃO MÓDULO 1
MÓDULO 8 REVISÃO REVISÃO MÓDULO A Estatístca é uma técca que egloba os métodos cetícos para a coleta, orgazação, apresetação, tratameto e aálse de dados. O objetvo da Estatístca é azer com que dados dspersos
Leia maisREGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi
REGESD Prolc Matemátca e Realdade- Profª Suz Samá Pto e Profº Alessadro da Slva Saad Meddas de Posção ou Tedêca Cetral As meddas de posção ou meddas de tedêca cetral dcam um valor que melhor represeta
Leia maisEstatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual
Estatístca: Aplcação ao Sesorameto Remoto SER 04 - ANO 08 Estmação Potual Camlo Daleles Reó camlo@dp.pe.br http://www.dp.pe.br/~camlo/estatstca/ Iferêca Estatístca Cosdere o expermeto: retram-se 3 bolas
Leia maisRevisão de Estatística X = X n
Revsão de Estatístca MÉDIA É medda de tedêca cetral mas comumete usada ara descrever resumdamete uma dstrbução de freqüêca. MÉDIA ARIMÉTICA SIMPLES São utlzados os valores do cojuto com esos guas. + +...
Leia mais8 Programação linear 78
8 Programação lear 78 8 Programação lear A programação lear cosderou duas fuções objetvo: (a) maxmzação da comercalzação do gás e (b) mmzação das perdas (recetas e multas cotratuas). Foram dealzados dos
Leia maisApostila de Introdução Aos Métodos Numéricos
Apostla de Itrodução Aos Métodos Numércos PARTE III o Semestre - Pro a. Salete Souza de Olvera Buo Ídce INTERPOAÇÃO POINOMIA...3 INTRODUÇÃO...3 FORMA DE AGRANGE... 4 Iterpolação para potos (+) - ajuste
Leia maisControle Estatístico de Qualidade. Capítulo 6 (montgomery)
Cotrole Estatístco de Qualdade Capítulo 6 (motgomery) Gráfcos de Cotrole para Atrbutos Itrodução Mutas característcas da qualdade ão podem ser represetadas umercamete. Nestes casos, classfcamos cada tem
Leia maisEstatística Básica - Continuação
Professora Adraa Borsso http://www.cp.utfpr.edu.br/borsso adraaborsso@utfpr.edu.br COEME - Grupo de Matemátca Meddas de Varabldade ou Dspersão Estatístca Básca - Cotuação As meddas de tedêca cetral, descrtas
Leia mais2. MODELO DETALHADO: Relações de Recorrência. Exemplo: Algoritmo Recursivo para Cálculo do Fatorial Substituição Repetida
. MODELO DETALHADO: Relações de Recorrêca Exemplo: Algortmo Recursvo para Cálculo do Fatoral Substtução Repetda T T ( ) ( ) t 1, T ( + t, > T ( ) T ( + t T ( ) ( T( ) + t + t ) + t T ( ) T ( ) T ( ) +
Leia maisI Seminário da Pós-graduação em Engenharia Elétrica
MÉTODO PRIMAL-DUAL DE PONTOS INTERIORES EM PROBLEMAS DE DESPACHO ECONÔMICO COM RESTRIÇÃO AMBIENTAL Améla de Lorea Staza Alua do Programa de Pós-Graduação em Egehara Elétrca Uesp Bauru Prof. Dr. Atôo Roberto
Leia maisFundamentos de Matemática I FUNÇÕES POLINOMIAIS4. Licenciatura em Ciências USP/ Univesp. Gil da Costa Marques
FUNÇÕES POLINOMIAIS4 Gl da Costa Marques Fudametos de Matemátca I 4.1 Potecação de epoete atural 4. Fuções polomas de grau 4. Fução polomal do segudo grau ou fução quadrátca 4.4 Aálse do gráfco de uma
Leia maisRACIOCÍNIO LÓGICO / ESTATÍSTICA LISTA 2 RESUMO TEÓRICO
RACIOCÍIO LÓGICO - Zé Carlos RACIOCÍIO LÓGICO / ESTATÍSTICA LISTA RESUMO TEÓRICO I. Cocetos Icas. O desvo médo (DM), é a méda artmétca dos desvos de cada dado da amostra em toro do valor médo, sto é x
Leia maisCADERNO 1 (É permitido o uso de calculadora gráfica.)
Proposta de teste de avalação [mao 09] Nome: Ao / Turma: N.º: Data: - - Não é permtdo o uso de corretor. Deves rscar aqulo que pretedes que ão seja classfcado. A prova clu um formuláro. As cotações dos
Leia mais16 - PROBLEMA DO TRANSPORTE
Prof. Volr Wlhel UFPR TP05 Pesqusa Operacoal 6 - PROBLEMA DO TRANSPORTE Vsa zar o custo total do trasporte ecessáro para abastecer cetros cosudores (destos) a partr de cetros forecedores (orges) a, a,...,
Leia maisCÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES
CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES Itrodução Em dversos camos da Egehara é comum a ecessdade da determação de raízes de equações ão leares. Em algus casos artculares, como o caso de olômo, que
Leia maisn. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo.
Equlíbro e o Potecal de Nerst 5910187 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 11 Nesta aula, vamos utlzar a equação para o modelo de eletrodfusão o equlíbro obtda a aula passada para estudar o trasporte
Leia maisEstatística: uma definição
Prof. Lorí Val, Dr. - val@pucrs.br http://www.pucrs.br/famat/val/ Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Estatístca: uma defção Coleç Coleção de ú úmeros estatí estatístcas O ú ú mero
Leia maisModelos de Regressão Linear Simples e Múltipla. Fabio Antonio Avilla (Matemática) Profª Dra. Carine Savalli Redígolo (Orientadora)
Modelos de Regressão Lear Smples e Múltpla Fabo Atoo Avlla (Matemátca) Profª Dra. Care Savall Redígolo (Oretadora) Resumo Dversas áreas do cohecmeto cetífco procuram valdar suas hpóteses por meo de pesqusas
Leia maisAvaliação de Empresas Profa. Patricia Maria Bortolon
Avalação de Empresas MODELO DE DIVIDENDOS Dvdedos em um estáo DDM Dscouted Dvded Model Muto utlzados a precfcação de uma ação em que o poto de vsta do vestdor é extero à empresa e eralmete esse vestdor
Leia maisPROBLEMA DE INCERTEZA EM SISTEMAS DINÂMICOS UTILIZANDO DEFUZZIFICAÇÃO PELO CENTROIDE
POSMEC 205 Smpóso do Programa de Pós-Graduação em Egehara Mecâca Faculdade de Egehara Mecâca Uversdade Federal de Uberlâda 8 e 9 de Novembro de 205, Uberlâda - MG PROBLEM DE INCERTEZ EM SISTEMS DINÂMICOS
Leia maisMétodos de pontos interiores com estratégia de barreira logarítmica modificada em problemas multiobjetivo de despacho econômico e ambiental
Métodos de potos terores com estratéga de barrera logarítmca modfcada em problemas multobetvo de despacho ecoômco e ambetal Améla de Lorea Staza Atoo Roberto Balbo Leoardo Nepomuceo Edméa Cássa Baptsta
Leia maisCentro de massa, momento linear de sistemas de partículas e colisões
Cetro de massa, mometo lear de sstemas de partículas e colsões Prof. Luís C. Pera stemas de partículas No estudo que temos vdo a fazer tratámos os objectos, como, por exemplo, blocos de madera, automóves,
Leia mais7 Análise de covariância (ANCOVA)
Plejameto de Expermetos II - Adlso dos Ajos 74 7 Aálse de covarâca (ANCOVA) 7.1 Itrodução Em algus expermetos, pode ser muto dfícl e até mpossível obter udades expermetas semelhtes. Por exemplo, pode-se
Leia maisFaculdade de Economia, Administração e Contabilidade de Ribeirão Preto
Faculdade de Ecooma, Admstração e Cotabldade de Rberão Preto Ecooma Moetára Curso de Ecooma / º. Semestre de 014 Profa. Dra. Rosel da Slva Nota de aula CAPM Itrodução Há dos modelos bastate utlzados para
Leia maisProbabilidades e Estatística
Departameto de Matemátca robabldades e Estatístca LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmb, MEBol, MEEC, MEMec 2 o semestre 20/202 2 o Teste B 08/06/202 :00 Duração: hora e 30 mutos Justfque coveetemete
Leia mais1. Revisão Matemática
1. Revsão Matemátca Dervadas Seja a fução f : R R, fxe x R, e cosdere a expressão : f ( x+ αe ) lmα 0 α f, ode e é o vector utáro. Se o lmte acma exstr, chama-se a dervada parcal de f o poto x e é represetado
Leia maisMATEMÁTICA APLICADA AO PLANEJAMENTO DA PRODUÇÃO E LOGÍSTICA. Silvio A. de Araujo Socorro Rangel
MATEMÁTICA APLICADA AO PLANEJAMENTO DA PRODUÇÃO E LOGÍSTICA Slvo A. de Arauo Socorro Ragel sarauo@blce.uesp.br, socorro@blce.uesp.br Apoo Facero: PROGRAMA Itrodução. Modelagem matemátca: cocetos báscos
Leia maisMomento Linear duma partícula
umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - Mometo lear de uma partícula e de um sstema de partículas. - Le fudametal da dâmca para um sstema de partículas. - Impulso
Leia maisProbabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ
Duração: 90 mutos Grupo I Probabldades e Estatístca LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBol, MEBom, MEEC, MEFT, MEMec, MEQ Justfque coveetemete todas as respostas 1 o semestre 018/019 10/01/019 09:00 o
Leia maisCAPÍTULO 5. Ajuste de curvas pelo Método dos Mínimos Quadrados
CAPÍTULO Ajuste de curvas pelo Método dos Mímos Quadrados Ajuste Lear Smples (ou Regressão Lear); Ajuste Lear Múltplo (ou Regressão Lear Múltpla); Ajuste Polomal; Regressão Não Lear Iterpolação polomal
Leia maisMEDIDAS DE DISPERSÃO 9. MEDIDAS DE DISPERSÃO
Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, Medca Veterára, Muscoterapa, Odotologa, Pscologa MEDIDAS DE DISPERSÃO 9 9. MEDIDAS DE DISPERSÃO
Leia maisd s F = m dt Trabalho Trabalho
UNIVERSIDADE DO ESTADO DE MATO GROSSO CAMPUS UNIVERSITÁRIO DE SINOP FACULDADE DE CIÊNCIAS EXATAS E TECNOLÓGICAS CURSO DE ENGENHARIA CIVIL DISCIPLINA: CÁLCULO DIFERENCIAL E INTEGRAL I Trabalho 1. Itrodução
Leia maisn. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo.
5910187 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 6 Equlíbro e o Potecal de Nerst Nesta aula, vamos utlzar a equação para o modelo de eletrodfusão o equlíbro obtda a aula passada para estudar o trasporte
Leia maisAula de Hoje. Introdução a Sistemas Inteligentes. Redes RBF. Redes RBF. Tópicos em Redes Neurais II: Redes Neurais RBF 1ª Parte
Itrodução a Sstemas Itelgetes ópcos em Redes Neuras II: Redes Neuras RBF ª Parte Prof. Rcardo J. G. B. Campello Aula de Hoje Neurôos de Resposta Radal Modelos Neuras RBF Úca Saída Múltplas Saídas Represetação
Leia mais1) Planejamento da Produção - Modelos de dimensionamento de lotes (lot sizing)
Departameto de Egehara de Produção UFPR 28 1) Plaeameto da Produção - Modelos de dmesoameto de lotes (lot szg) É cohecdo horzote de plaeameto T, dvddo em períodos; demada (geralmete varável) de cada tem
Leia maisCAPÍTULO III - POLINÔMIOS DE JACOBI E QUADRATURA NUMÉRICA
Polômos de Jacob e CAPÍTULO III - POLINÔMIOS DE JACOBI E QUADRATURA NUMÉRICA III--)INTRODUÇÃO Para um melhor etedmeto do método da colocação ortogoal e sua relação com o método dos resíduos poderados (MRP),
Leia maisMÉTODO DOS MÍNIMOS QUADRADOS
MÉTODO DOS MÍNIMOS QUADRADOS I - INTRODUÇÃO O processo de medda costtu uma parte essecal a metodologa cetífca e também é fudametal para o desevolvmeto e aplcação da própra cêca. No decorrer do seu curso
Leia mais3 Procedimento Experimental
3 Procedmeto Expermetal 3. Sstema de medção de vazão com extesômetro A Fg. 9 mostra o sstema de medção de vazão com extesômetro, o qual fo motado o laboratóro da PUC-Ro. este sstema, duas tubulações com,5
Leia maisOrganização; Resumo; Apresentação.
Prof. Lorí Val, Dr. val@ufrgs.br http://www.ufrgs.br/~val/ Grade Cojutos de Dados Orgazação; Resumo; Apresetação. Amostra ou População Defetos em uma lha de produção Lascado Deseho Torto Deseho Torto Lascado
Leia maisUNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO UNIVERSITÁRIO NORTE DO ESPÍRITO SANTO DEPARTAMENTO DE ENGENHARIAS E TECNOLOGIA Plano de Ensino
Plao de Eso Uversdade Federal do Espírto Sato Campus: São Mateus Curso: Egehara de Produção Departameto Resposável: Departameto de Egeharas e Tecologa Data de Aprovação (Art. º 91): Docete resposável:
Leia mais