D1 - Marcos Rodrigues Saúde - Informática Aplicada ao Direito - Aula 02 - Noções
Aula 1 pe2 marcos
-
Upload
cruzmarcos -
Category
Technology
-
view
217 -
download
1
Transcript of Aula 1 pe2 marcos
![Page 1: Aula 1 pe2 marcos](https://reader035.fdocumentos.tips/reader035/viewer/2022073117/5597a22d1a28abc2218b4619/html5/thumbnails/1.jpg)
Probabilidade e Estatística II
Prof Marcos Cruz – 2011-I
![Page 2: Aula 1 pe2 marcos](https://reader035.fdocumentos.tips/reader035/viewer/2022073117/5597a22d1a28abc2218b4619/html5/thumbnails/2.jpg)
Motivação para Aplicação em Engenharia de Controle
Estimação de estados a partir de medidas; Medidas incertas – sujeitas a ruído; Distúrbios ≡ Perturbações na forma de ruído; Processos Estocásticos;
![Page 3: Aula 1 pe2 marcos](https://reader035.fdocumentos.tips/reader035/viewer/2022073117/5597a22d1a28abc2218b4619/html5/thumbnails/3.jpg)
Motivação para Aplicação em Engenharia de Controle
Estimação de estados a partir de medidas; o que são ‘estados’? Em uma modelagem de
sistemas chamada de ‘espaço de estados’ adotada em uma área de conhecimento da Engenharia de Controle chamada de ‘controle moderno’, ‘estado’ – falando muito livremente – é uma variável que representa armazenamento de energia;
![Page 4: Aula 1 pe2 marcos](https://reader035.fdocumentos.tips/reader035/viewer/2022073117/5597a22d1a28abc2218b4619/html5/thumbnails/4.jpg)
Motivação para Aplicação em Engenharia de Controle
Estimação de estados a partir de medidas; o que são ‘estados’? Formalmente, pode ser
definido (OGATA): “o estado de um sistema é uma coleção de um número mínimo de variáveis em um sistema x1(t),x2(t),...,xn(t), representada pelo vetor , cujo valor (em t = t0) juntamente com a entrada u(t) dada por t ≥ t0 é suficiente para determinar o comportamento do sistema para todo o tempo futuro t ≥ t0.”
![Page 5: Aula 1 pe2 marcos](https://reader035.fdocumentos.tips/reader035/viewer/2022073117/5597a22d1a28abc2218b4619/html5/thumbnails/5.jpg)
Motivação para Aplicação em Engenharia de Controle
Estimação de estados a partir de medidas; Por que ‘estimação’ e não ‘cálculo’? Porque o
processo não é determinístico, não dá para calcular com segurança. O processo é estocástico porque as medidas são incertas, sujeitas a ruídos que mascaram as leituras. Estes ‘ruídos’ são gaussianos, ou têm distribuição normal, que será vista mais a frente nesta cadeira;
![Page 6: Aula 1 pe2 marcos](https://reader035.fdocumentos.tips/reader035/viewer/2022073117/5597a22d1a28abc2218b4619/html5/thumbnails/6.jpg)
Motivação para Aplicação em Engenharia de Controle
Processos Estocásticos; o tratamento realístico desses processos
(sistemas físicos, econômicos, biológicos, etc.), requer a incorporação explicita de incertezas;
Essas incertezas podem ser resultantes de, por exemplo,flutuações (p.ex., atmosféricas, variações na bolsa de valores), demanda aleatória, ruídos em sistemas de comunicações, falhas durante operação, etc.
![Page 7: Aula 1 pe2 marcos](https://reader035.fdocumentos.tips/reader035/viewer/2022073117/5597a22d1a28abc2218b4619/html5/thumbnails/7.jpg)
Exemplo
Detecção de Radar; Para a figura ao lado,
se tem um alvo presente (1 no eixo x), o mais provável é retornar de 6 a 14 ecos (pings);
![Page 8: Aula 1 pe2 marcos](https://reader035.fdocumentos.tips/reader035/viewer/2022073117/5597a22d1a28abc2218b4619/html5/thumbnails/8.jpg)
Exemplo
Detecção de Radar; Para a figura ao lado,
se não tem um alvo presente (0 no eixo x), o mais provável é retornar de 9 ecos (pings) para baixo;
![Page 9: Aula 1 pe2 marcos](https://reader035.fdocumentos.tips/reader035/viewer/2022073117/5597a22d1a28abc2218b4619/html5/thumbnails/9.jpg)
Exemplo
Detecção de Radar; Em um modelo
determinístico, retornariam tantos pings quanto os emitidos se alvo presente e retornariam zero se alvo ausente;
![Page 10: Aula 1 pe2 marcos](https://reader035.fdocumentos.tips/reader035/viewer/2022073117/5597a22d1a28abc2218b4619/html5/thumbnails/10.jpg)
Exemplo
Um sistema de radar tem a seguinte função de distribuição de probabilidades condicionais:
pnada = 10-2[04 07 11 12 17 16 13 09 06 04 01 00 00] palgo = 10-2[00 00 02 06 08 10 15 15 15 13 09 05 02]
X1: evento ‘alvo não visível’; X2: evento ‘alvo visível’
Yi: evento ‘radar retorna i pings’
![Page 11: Aula 1 pe2 marcos](https://reader035.fdocumentos.tips/reader035/viewer/2022073117/5597a22d1a28abc2218b4619/html5/thumbnails/11.jpg)
Exemplo
Probabilidades condicionais: P(YiX1) = pinada e
P(YiX2) = pialgo
Defina uma regra de classificação de evento (‘alvo presente’ ou ‘alvo ausente’) e calcule a probabilidade de erro associada;
Se a regra for: até 7 pings detectados (inclusive) aceita X1, caso contrário, aceita X2, qual a probabilidade de erro associada à regra?
Dados: p* = 10-2[1 ping 2 pings .... 13 pings] P(X1) a priori é 0,6 e P(X2) a priori é 0,4.
![Page 12: Aula 1 pe2 marcos](https://reader035.fdocumentos.tips/reader035/viewer/2022073117/5597a22d1a28abc2218b4619/html5/thumbnails/12.jpg)
Exemplo - Solução
Se a regra é: ‘até 7 pings – inclusive – aceita que alvo não visível;
Erro acontece se: mais de 7 pings e alvo não visível+ até 7 pings inclusive e alvo visível
![Page 13: Aula 1 pe2 marcos](https://reader035.fdocumentos.tips/reader035/viewer/2022073117/5597a22d1a28abc2218b4619/html5/thumbnails/13.jpg)
Exemplo - Solução
Erro acontece se: mais de 7 pings e alvo não visível+ até 7 pings inclusive e alvo visível
Σ[pnada de 8 pings em diante] x 0,6 +
Σ[palgo de 1 a 7 pings] x 0,4
![Page 14: Aula 1 pe2 marcos](https://reader035.fdocumentos.tips/reader035/viewer/2022073117/5597a22d1a28abc2218b4619/html5/thumbnails/14.jpg)
Exemplo - Solução
Σ[pnada de 8 pings em diante] x 0,6 significaqual é a probabilidade (conceito de probabilidade condicional) de se receber mais de 8 pings (Σ) dado que efetivamente não tem um alvo visível (0,6);
![Page 15: Aula 1 pe2 marcos](https://reader035.fdocumentos.tips/reader035/viewer/2022073117/5597a22d1a28abc2218b4619/html5/thumbnails/15.jpg)
Exemplo - Solução
Σ[palgo de 1 a 7 pings] x 0,4 significaqual é a probabilidade (conceito de probabilidade condicional) de se receber até 7 pings (Σ) dado que efetivamente não tem um alvo visível (0,4);
![Page 16: Aula 1 pe2 marcos](https://reader035.fdocumentos.tips/reader035/viewer/2022073117/5597a22d1a28abc2218b4619/html5/thumbnails/16.jpg)
Exemplo - Solução
Σ[pnada de 8 pings em diante] x 0,6 pnada = 10-2[04 07 11 12 17 16 13 09 06 04 01 00 00] 09+06+04+01 = 0,20 x 0,6 = 0,12 Σ[palgo de 1 a 7 pings] x 0,4 palgo = 10-2[ 00 00 02 06 08 10 15 15 15 13 09 05 02]
02+06+08+10+15 = 041 x 0,4 = 0,164
0,120 + 0,164 = 0,284
![Page 17: Aula 1 pe2 marcos](https://reader035.fdocumentos.tips/reader035/viewer/2022073117/5597a22d1a28abc2218b4619/html5/thumbnails/17.jpg)
Exercício
Exemplo de estimação; Dois dados:
Evento A: soma maior que 5; Evento B: o primeiro é maior que 3;
Medindo B (uma quantidade aleatória), obtemos informação sobre A (outra quantidade aleatória);
Qual a P(AlB)?