Skip to main content

Dados para busca de Questões

Atenção: Não é obrigatório preencher todos os campos para executar a Pesquisa.


Total de Questões Encontradas: 57.802 de 252.126
Exibindo: Página 445 de 11.561
Questão: 2221 / QT-5706
Ano: 2024
Banca: FGV
Órgão: INPE
Cargo: Tecnologista Pleno I - Desenvolvimento ou Aprimoramento de Sistema de Assimilação de Dados nas Componentes do Sistema Terrestre e de Aplicações para Monitoramento do Processo de Assimilação
Disciplina: Algoritmos e Estrutura de Dados

Seja um modelo dinâmico discreto unidimensional de caminhada aleatória dado por:





Em que xk e yk são, respectivamente, o estado a ser estimado e a medição no tempo k. As variáveis aleatórias qk e rk possuem distribuição normal com média nula e variâncias Q e R, respectivamente, ambas iguais a 1. Assuma, ainda, que a distribuição de probabilidade do estado no tempo k independe da distribuição de probabilidade dos estados anteriores (i.e., o sistema atende à propriedade de Markov).


Em um determinado instante de tempo k - 1, o estado estimado por um filtro de Kalman é dado por 2,5 e sua variância é estimada em 1,0.


No instante de tempo k, obtém-se uma medição igual a 3,1.
Após agregar a informação proveniente da medição no tempo k, o valor estimado do estado para esse mesmo instante k será

-

2,10.

-

2,17.

-

2,83.

-

2,90.

-

3,10. 
Questão: 2222 / QT-5707
Ano: 2024
Banca: FGV
Órgão: INPE
Cargo: Tecnologista Pleno I - Desenvolvimento ou Aprimoramento de Sistema de Assimilação de Dados nas Componentes do Sistema Terrestre e de Aplicações para Monitoramento do Processo de Assimilação
Disciplina: Algoritmos e Estrutura de Dados

Seja um modelo dinâmico discreto unidimensional de caminhada aleatória dado por:





Em que xk e yk são, respectivamente, o estado a ser estimado e a medição no tempo k. As variáveis aleatórias qk e rk possuem distribuição normal com média nula e variâncias Q e R, respectivamente, ambas iguais a 1. Assuma, ainda, que a distribuição de probabilidade do estado no tempo k independe da distribuição de probabilidade dos estados anteriores (i.e., o sistema atende à propriedade de Markov).


Em um determinado instante de tempo k - 1, o estado estimado por um filtro de Kalman é dado por 2,5 e sua variância é estimada em 1,0.


No instante de tempo k, obtém-se uma medição igual a 3,1.
Após se agregar a informação proveniente da medição no tempo k, o valor estimado da variância do estado para esse mesmo instante k será

-

1/2.

-

2/3.

-

1.

-

4/3.

-

3/2.
Questão: 2223 / QT-5708
Ano: 2024
Banca: FGV
Órgão: INPE
Cargo: Tecnologista Pleno I - Desenvolvimento ou Aprimoramento de Sistema de Assimilação de Dados nas Componentes do Sistema Terrestre e de Aplicações para Monitoramento do Processo de Assimilação
Disciplina: Algoritmos e Estrutura de Dados
Filtros Bayesianos são métodos usados para estimar o estado de um sistema dinâmico que seja observado por meio de medidas com incertezas. Entre os algoritmos utilizados para implementação de filtros Bayesianos, pode-se citar o Filtro de Kalman clássico, aplicável a sistemas de modelos lineares e com distribuições Gaussianas de probabilidade.

Nesse contexto, assinale a opção que indica uma das características do Filtro de Kalman clássico. 

-

Usar expansões de Taylor para determinar modelos e aproximações Gaussianas para distribuições de probabilidade gerais.

-

Representar distribuições de probabilidade como um conjunto de amostras discretas de Monte Carlo com seus respectivos pesos.

-

Filtrar frequências indesejadas de sinais físicos contínuos no tempo, eliminando faixas determinadas pelo projetista que o implementa por meio dos ganhos de Kalman.

-

Usar grande poder computacional para calcular distribuições de probabilidades numericamente, evitando cálculos com equações analiticamente intratáveis. 

-

Ser uma solução fechada para o problema de filtragem ou redução de incertezas, que não depende de aproximações numéricas por conta da menor complexidade computacional dos cálculos recursivos de médias e covariâncias Gaussianas.
Questão: 2224 / QT-5709
Ano: 2024
Banca: FGV
Órgão: INPE
Cargo: Tecnologista Pleno I - Desenvolvimento ou Aprimoramento de Sistema de Assimilação de Dados nas Componentes do Sistema Terrestre e de Aplicações para Monitoramento do Processo de Assimilação
Disciplina: Algoritmos e Estrutura de Dados
A utilização de Filtros de Kalman clássicos (Kalman Filters - KF) ou estendidos (Extended Kalman Filters - EKF) para a assimilação de dados envolve dificuldades práticas.

Com relação a essas dificuldades, analise as afirmativas a seguir.

I. O EKF é o método otimizado para a assimilação de dados sequencial de um modelo dinâmico linear n-dimensional, sendo o KF apropriado apenas para sistemas unidimensionais.
II. O uso do KF e do EKF em modelos dinâmicos que contam com vetores de estados com muitas dimensões requer alta capacidade computacional e de armazenamento, tornando-os práticos apenas para modelos simplificados, de baixa dimensionalidade.
III. A linearização de modelos não lineares envolve a aproximação de funções matemáticas com o truncamento de séries, o que pode gerar erros de propagação de covariâncias, especialmente em modelos de alta dimensionalidade.

Está correto o que se afirma em

-

I, apenas.

-

I e II, apenas.

-

I e III, apenas.

-

II e III, apenas.

-

I, II e III.
Questão: 2225 / QT-5710
Ano: 2024
Banca: FGV
Órgão: INPE
Cargo: Tecnologista Pleno I - Desenvolvimento ou Aprimoramento de Sistema de Assimilação de Dados nas Componentes do Sistema Terrestre e de Aplicações para Monitoramento do Processo de Assimilação
Disciplina: Algoritmos e Estrutura de Dados
O Filtro de Kalman por Conjunto, ou Ensemble Kalman Filter - EnKF, representa uma alternativa ao Filtro de Kalman Clássico (KF) e ao Filtro de Kalman Estendido (EKF) para a assimilação de dados sequencial com grandes conjuntos de dados.

Entre as vantagens do EnKF com relação ao KF e ao EKF, destaca-se a 

-

redução da dimensionalidade dos estados do modelo, que permite a queda abrupta dos esforços computacionais para a assimilação recursiva.

-

aplicação de um método de Monte Carlo, que garante maior facilidade ao cálculo recursivo de propagação de covariâncias, que são aproximadas pela covariância de um conjunto de possíveis estados do modelo.

-

derivação e aplicação eficiente de um operador tangente linear, equivalente ao Jacobiano da função matemática associada ao modelo dinâmico do sistema.

-

formulação do método para cálculo recursivo de propagação de distribuições de probabilidades não-gaussianas.

-

aplicabilidade do método à estimação de estados de sistemas dinâmicos lineares e não-lineares.
pub03

Estratégia Concursos - Estude com quem mais aprova em concursos Públicos!
As nossas Assinaturas são uma excelente ferramenta de aprovação com um CUSTO-BENEFÍCIO fantástico, já que dão acesso aos conteúdos de mais de 18 mil cursos! Elas são ideais para todos os níveis - do básico ao avançado - e contam com PDFs, videoaulas e Fórum de Dúvidas.

Existem 03 modalidades de Assinaturas disponíveis, que são:
- Assinatura Básica
- Assinatura Premium
- Assinatura Platinum


Saiba mais - Clique para informações e valores deste Curso
Ao adquirir o curso por este link você estará ajudando o site VagasApp

Skip to main content