Um multímetro possui corrente de fundo de escala de 0,5mA.

Diante do exposto, a sensibilidade do instrumento e sua resistência interna quando selecionada a escala de 10V, são, respectivamente,

Um determinado multímetro analógico possui a configuração mostrada abaixo, na qual um galvanômetro é montado em série com quatro resistências.

Sabendo-se que o galvanômetro possui uma corrente de fundo de escala de 1mA e resistência interna de 10\( \Omega \), calcule o valor dos resistores R₁, R₂, R₃ e R₄ para as escalas de 100mV, 1V, 10V e 100V, são, respectivamente.

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

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

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.

Após agregar a informação proveniente da medição no tempo k, o valor estimado do estado para esse mesmo instante k será

Antes de agregar a informação proveniente da medição no tempo k, a predição da variância do estado, para esse mesmo instante k, será

Nessas condições, antes de se agregar a informação proveniente da medição no instante de tempo k, a predição do estado para esse mesmo instante k será

Os Filtros Bayesianos são assim chamados por basearem-se na aplicação do Teorema de Bayes, que relaciona distribuições de probabilidade a priori com distribuições de probabilidade a posteriori.

Há dois passos fundamentais para a estimação de estados, onde o primeiro passo está associado ao modelo dinâmico do sistema ou processo, enquanto o segundo passo está associado ao modelo de observações ou sensoriamento.

Neste contexto, os passos são denominados, respectivamente,