4 Aulas - Tópicos 3 e 4 PDF

1
Profa. Maria Helena Murta Vale

LRC UFMG - 2007
Tpico # 3 Estimador de Estado (i)
Superviso e Controle de SEP
Maria Helena Murta Vale
EL EL TRICA TRICA LRC / UFMG
LRC UFMG - 2007
3 Estimador de Estado 1
a
Parte
Conceitos B Conceitos B sicos sicos
3.1 Consideraes / Objetivo
3.2 Dados do SEP Necessrios ao Processo de Estimao
3.3 Erros Presentes nos Dados usados pela Estimao
3.4 Caractersticas de um Sistema de Medio Apropriado Estimao
3.5 Estimao Esttica e Dinmica
Tpicos
LRC UFMG - 2007
a
Parte
Processo de Estima Processo de Estima o o
4.1 Etapas Bsicas
4.2 Modelo Matemtico Esttico
4.3 Etapa Bsica 1: Modelo Matemtico Hipottico
4.4 Etapa Bsica 2: Estimao das Variveis de Estado
4.5 Anlise dos Resultados da Estimao
4.6 Propriedades Estatsticas de J(x) e dos Resduos da Estimao
4.7 Etapa Bsica 3: Deteno de Erros Grosseiros e na Configurao
4.8 Etapa Bsica 4: Identificao de Erros Grosseiros e na Configurao
4.9 Procedimentos para Remoo dos Efeitos de Erros Grosseiros e
Erros na Configurao
Referncia Bsica Captulo 3 da dissertao
LRC UFMG - 2007
status chaves e disjuntores
medidas do tipo analgicas
pontos digitais pontos analgicos
Configurao atual ^ ^
X =
|
|
|
.
|
\
|
V
Restaurativo Emergncia
Normal
Monitorao
Anlise de
Contingncias
Controle de
Emergncia
Controle
Restaurativo
Reprogramao
Preventiva
Aquisio de Dados
Configurador Estimador
Ao de Comando
Seguro Inseguro
2
LRC UFMG - 2007
3 Estimador de Estado Conceitos Bsicos
3.1 Consideraes e Objetivo
A rigor, o SEP A rigor, o SEP nunca nunca se encontra em se encontra em
Regime Permanente Regime Permanente O O ESTADO ESTADO variante no tempo variante no tempo
A condio de operao do SEP est sempre variando
Comportamento Dinmico Dinmico
Perturbaes
severas
no severas
LRC UFMG - 2007
LOCAL DE CONTROLE
SEP
C
O
M
P.
SUPERVISO
CONTROLE
Dados
Grande volume
Presena de Erros Erros
Ponto de Operao
Atual Atual
Dados em Tempo Real Tempo Real
(poucos segundos)
Estado ??? Estado ???
LRC UFMG - 2007
Estimador de Estado
As informaes no devem ser utilizadas diretamente, cruas cruas,
sem que haja algum tipo de processamento.
Existe um aplicativo que processa as
informaes provenientes do sistema, com o objetivo de
produzir uma Estimativa CONFI Estimativa CONFI VEL E CONSISTENTE VEL E CONSISTENTE
do seu Ponto Atual de Opera do seu Ponto Atual de Opera o o. .
Utiliza a redundncia redundncia de informaes
LRC UFMG - 2007
Estimador de Estado
Objetivo: obter a melhor estimativa do vetor de estado
em regime permanente, atravs de informaes
recolhidas do prprio SEP.
^ ^
X =
|
|
|
.
|
\
|
V
Fluxos
Injees
Correntes
Estimao a Intervalos
Regulares
(poucos segundos)
Atualizado
3
LRC UFMG - 2007
SEP
SEP
BDM
Es
ti
ma
dor
BDE
^ ^
X =
|
|
|
.
|
\
|
V
Dados
LRC UFMG - 2007
SEP
SEP
BDM
Es
ti
ma
dor
BDE
Quais?
Dados
^ ^
X =
|
|
|
.
|
\
|
V

LRC UFMG - 2007
Est Est ticos: ticos:
Topologia fixa da rede
Parmetros do componentes
Informaes sobre o sistema de medio
Base Esttica
Estudos off off- -line line
Informaes dos fabricantes
....
LRC UFMG - 2007
Dinmicos: Dinmicos:
Descrevem o comportamento varivel do SEP
Obtidos atravs de medies analgicas e de
indicao de status de equipamentos
Base Dinmica
Sistema de aquisio e
transmisso de dados /
Tempo Real Tempo Real
4
LRC UFMG - 2007
Pseudo Pseudo- -Medidas: Medidas:
Valores conhecidos, no provenientes de medio
Muito Importantes
Dados Dados: :
Est Est ticos ticos
Dinmicos Dinmicos
Pseudo Pseudo- -Medidas Medidas
LRC UFMG - 2007
Configurador da Rede Configurador da Rede
Topologia Fixa da Rede
+
status chaves/disjuntores
Configurao
Atual da Rede
LRC UFMG - 2007
Estimador
SEP
SEP
Pontos
Analgicos
Pontos Digitais
Configurador
Pseudo-Medidas
Parmetros
Sistema de Medio
Configura Configura o o
Atual Atual
LRC UFMG - 2007
3.3 Erros Presentes nos Dados usados pela Estimao
As informaes utilizadas pelo Estimador contm erros.
Tais erros podem conduzir ao clculo errado do Estado Estado
O Estimador deve saber O Estimador deve saber lidar lidar com os erros. com os erros.
Mas ..... Mas .....
Quais so os tipos de erros ?
Como afetam a estimao ?
Como o estimador os trata ?
5
LRC UFMG - 2007
Tipo de Tipo de
Erro Erro
Origem Origem Quando Quando
ocorre ocorre
Conseq Conseq ncia ncia
para a para a
Estima Estima o o
Como Como tratado pelo tratado pelo
Estimador Estimador
Rudo
Inexatido dos valores
provenientes de
medio (relacionado
aos dados dos
fabricantes)
Sempre
presente
Inconsistncia das
informaes
Modelado
Filtrado
Parmetro
Desconhecimento dos
valores corretos
Implanta-
o do
Estimador
Estimao vai ficar
errada
Desconsiderado
Configu
rao
Informao incorreta
do status de chaves
e disjuntores
No se
sabe
Estimao pode ficar
muito errada
O estimador no os modela
. Detecta a presena
. Identifica onde h o erro
. Elimina o efeito da presena do
erro
Grosseiro
- Medio durante
transitrios;
- sistemtico;
- etc.
No se
sabe
Estimao pode ficar
muito errada
LRC UFMG - 2007
Custo mnimo;
Redundncia de dados;
Observabilidade;
Exatido das medies;
......
H H literatura tratando sobre como projetar um literatura tratando sobre como projetar um
sistema de medi sistema de medi o adequado o adequado
Observabilidade Observabilidade
Um SEP observvel quando o conjunto de medidas disponvel torna
possvel a estimao de todas as vari todas as vari veis de estado veis de estado.
LRC UFMG - 2007
Redundncia Global Redundncia Global
Nmero total de medidas disponveis /
Nmero de variveis de estado a estimar
Redundncia Local Redundncia Local
Nmero de medidas na barra e suas vizinhas /
Nmero de variveis a estimar na barra
Nmero Global Elevado no Suficiente.
A distribuio tem que ser uniforme.
LRC UFMG - 2007
Importncia da Redundncia de Dados Importncia da Redundncia de Dados
Superviso Incompleta do SEP
Apenas medidas de
alguns pontos
Sem redundncia
Perda de alguma medida / perda perda
da superviso da superviso
Erro grande em alguma medida /
. resultado muito afetado . resultado muito afetado
. . inutiliza inutiliza o o
6
LRC UFMG - 2007
Importncia da Redundncia de Dados Importncia da Redundncia de Dados
- Grande volume de medidas
- Conjunto redundante (no. de
medidas > no. de variveis a estimar)
- Redundncia distribuda (boa
redundncia local)
Esquema do Estimador
A redundncia deve ser suficiente para: A redundncia deve ser suficiente para:
- Filtrar erro do tipo rudo
- Detectar e identificar erros grosseiros/configurao
- Fornecer valores estimados a grandezas no medidas
LRC UFMG - 2007
Estimadores Est Estimadores Est ticos ticos
No modelam o comportamento temporal
Considera o SEP em regime permanente durante um intervalo de tempo
(invariante no tempo)
Cada conjunto de medidas processado isoladamente
Estimadores Dinmicos Estimadores Dinmicos
Modelo Dinmico
Difcil implementao
Estudam a variao do estado
Previso do estado futuro
No aplicvel, at o momento, em tempo real
3.5 Estimao Esttica e Dinmica
LRC UFMG - 2007
Tpico # 4 Estimador de Estado (ii)
Superviso e Controle de SEP
Maria Helena Murta Vale
CESEP CESEP LRC / UFMG
LRC UFMG - 2007
4 Estimador de Estado Processo de Estimao
4.1 Etapas Bsicas
4.6 Propriedades Estatsticas de J(x) e dos Resduos da Estimao
4.9 Procedimentos para Remoo dos Efeitos de Erros Grosseiros e
Erros na Configurao
7
LRC UFMG - 2007
4.1 Etapas Bsicas
Resoluo do problema da
estimao em V V rias Etapas rias Etapas
Presena de
Diferentes tipos Diferentes tipos de
Erros
Filtrado Filtrado durante a estimao Rudo
Exigem Exigem
- Deteco da Presena
- Identificao (causa e localizao)
- Eliminao do efeito
Erros Grosseiros
Erros na Configurao
LRC UFMG - 2007
4.1 Etapas Bsicas
H, em alguns estimadores, etapas de pr pr - -processamento processamento
que objetivam evitar que medidas contendo erros
excessivamente grandes sejam entregues ao
processo de estimao.
Vamos ver Vamos ver o o
Modelo Cl Modelo Cl ssico Est ssico Est tico tico
Utilizado nas Empresas Utilizado nas Empresas
LRC UFMG - 2007
Considera Considera es adotadas pelo Modelo: es adotadas pelo Modelo:
- Configurao da rede e parmetros do sistema so conhecidos
- No existncia de erros nos parmetros e erros na configurao
O modelo est O modelo est tico relaciona os valores das medidas tico relaciona os valores das medidas anal anal gicas gicas
e das pseudo e das pseudo- -medidas, com o medidas, com o estado estado verdadeiro verdadeiro
(desconhecido) do sistema. (desconhecido) do sistema.
LRC UFMG - 2007
Z Z Vetor dos valores das medidas analgicas e pseudo-medidas disponveis estimao
No de medidas: m dim (z) = mxl
X X Vetor de estado verdadeiro (desconhecido)
No de variveis de estado: n dim (X) = nxl
h h ( (x x) ) Vetor das funes no-lineares que relacionam as medidas s variveis de estado.
Apndice A. dim (h) = mxl
V Vz Vetor dos erros do tipo rudo nas medidas (sempre presentes). So modelados como
variveis aleatrias dim(Vz) = mx1
b b Vetor das magnitudes dos erros grosseiros por vezes presentes nas medies.
dim (b) = mx1
So imprevisveis e geralmente nulos, mas apresentam grandes valores quando ocorrem,
podendo prejudicar a estimativa do estado.
z = h (x) + V
z
+ b
8
LRC UFMG - 2007
Z = h (x) + V
z
+ b
?
Valores
Conhecidos
Medio
Mas ... esto
Contaminados
Valores
Eternamente
Desconhecidos
Reais
Valores
Exatos so
Desconhecidos
Mas ....
conhecemos
o modelo
Valores
Exatos so
Desconhecidos
No h
modelo
LRC UFMG - 2007
Z = h (x) + V
z
+ b
?
Valores
Conhecidos
Medio
Mas ... esto
Contaminados
Valores
Eternamente
Desconhecidos
Reais
Valores
Exatos so
Desconhecidos
Mas ....
conhecemos
o modelo
Valores
Exatos so
Desconhecidos
No h
modelo
Onde esto Onde esto
representados os erros representados os erros
na configura na configura o ? o ?
LRC UFMG - 2007
Z = h (x) + V
z
+ b
?
Valores
Conhecidos
Medio
Mas ... esto
Contaminados
Valores
Eternamente
Desconhecidos
Reais
Valores
Exatos so
Desconhecidos
Mas ....
conhecemos
o modelo
Valores
Exatos so
Desconhecidos
No h
modelo
Onde esto Onde esto
representados os erros representados os erros
de parmetro ? de parmetro ?
LRC UFMG - 2007
Z = h (x) + V
z
+ b
?
Valores
Conhecidos
Medio
Mas ... esto
Contaminados
Valores
Eternamente
Desconhecidos
Reais
Valores
Exatos so
Desconhecidos
Mas ....
conhecemos
o modelo
Valores
Exatos so
Desconhecidos
No h
modelo
Hipot Hipot tico tico
9
LRC UFMG - 2007
4.3 Etapa Bsica 1: Modelo Matemtico Hipot Hipot tico tico
z = h (x) + V
z
J considerava nulos os erros de parmetro e
de configurao
Considera nulos os erros grosseiros erros grosseiros
b b = = 0 0
LRC UFMG - 2007
Como o Estimador Como o Estimador conhece conhece o erro do tipo ru o erro do tipo ru do ? do ?
Exemplo das trs retas
Dados sobre os Instrumentos
Fabricante
O fabricante fornece a Classe de Exatido Classe de Exatido do instrumento (%).
Calcula-se o Erro M Erro M ximo ximo = 3 = classe de exatido x F.E.
=
|
|
|
.
|
\
|
3
. .M E
Cada medio ter associada a
ela um desvio padro
conhecido.
LRC UFMG - 2007
Valor da Medida
Fabricante
Frao de
Dispositivos

Mdia
Valor Esperado
Funo Densidade de Probabilidade
LRC UFMG - 2007
Valor da Medida
Mas, o estimador precisa do desvio padro do erro da medida e no dos as
informaes de cada dispositivo ERRO M ERRO M XIMO PROPAGADO XIMO PROPAGADO
Fabricante
Frao de
Dispositivos

68 %
95 %
99,7 %
Quadro
10
LRC UFMG - 2007
Valor da Medida
Mas, o estimador precisa do desvio padro do erro
Cada medio

68 %
95 %
99,7 %
LRC UFMG - 2007
Mas, o estimador precisa do desvio padro do erro
Valor Esperado = 69 kV
Medi Medi o o

Valor Esperado = 0 kV
Erro Ru Erro Ru do do

LRC UFMG - 2007
Varivel Aleatria Normalmente Distribuda
< < > peso > peso
Modelo
Ru Ru do do
Erro Ru Erro Ru do para cada do para cada
medida medida
Valor Esperado = 0

LRC UFMG - 2007
RUDO - Modelados como VARIVEIS ALEATRIAS
INDEPENDENTES NORMALMENTE DISTRIBUDAS COM VALOR
ESPERADO ZERO E MATRIZ DE COVARINCIA R
DIAGONAL CONHECIDA.
medida medida
Valor Esperado = 0

Densidade Normal
de Probabilidade
11
LRC UFMG - 2007
R R : matriz de : matriz de covarincia covarincia
: desvio padro : desvio padro

2 2
: : varincia varincia
E |V
z
| = 0 : valor esperado : valor esperado
dim dim (R) = m x m (R) = m x m

medida medida
68 %
95 %
99,7 %
Vz (2)
Vz (1)
Vz (m)
Vz (3)
.
.
.
R =
(
(
(
(
(
(
(
(
2
2
2
2
1
.
.
.
m
Varincia Varincia do erro do erro da medida da medida

N ( N (0 0, ,R R) )
LRC UFMG - 2007
a
Parte
Problema a ser resolvido Problema a ser resolvido:
Encontrar a soluo de z = h (x) + V
z
Z = h (x) + V
z
LRC UFMG - 2007
a
Parte
Problema a ser resolvido Problema a ser resolvido:
Encontrar a soluo de z = h (x) + V
z
Tal que o valor estimado da medida fique prximo do valor medido z
O Objetivo O Objetivo : :
^
z
X : vetor de estado estimado
^
Encontrar Encontrar
LRC UFMG - 2007
a
Parte
x
8
x
7
x
6
x
5
x
4
x
3
x
2
x
1
^
^
^
^
^
^
^
^
x =
^
~
~
1 2
3
4
n: 8
m: 12
z
12
z
11
z
10
z
9
z
8
z
7
z
6
z
5
z
4
z
3
z
2
z
1
Z =
considerando a varincia da medida.
Mas, que estado este?
O estado estimado ser tal que o valor
estimado/calculado (Z) para a grandeza que foi medida
fique o mais prximo possvel do seu valor medido
(Z),
^
12
LRC UFMG - 2007
a
Parte
x
8
x
7
x
6
x
5
x
4
x
3
x
2
x
1
^
^
^
^
^
^
^
^
x =
^
~
~
1 2
3
4
n: 8
m: 12
z
12
z
11
z
10
z
9
z
8
z
7
z
6
z
5
z
4
z
3
z
2
z
1
Z =
z
12
z
11
z
10
z
9
z
8
z
7
z
6
z
5
z
4
z
3
z
2
z
1
^
^
^
^
^
^
^
^
^
^
^
^
Z =
^
z
12
z
11
z
10
z
9
z
8
z
7
z
6
z
5
z
4
z
3
z
2
z
1
Z =
12
11
10
1
=
Tal que
prximo
Considerando
LRC UFMG - 2007
a
Parte
~
~
1 2
3
4
n: 8
m: 12
z
12
z
11
z
10
z
9
z
8
z
7
z
6
z
5
z
4
z
3
z
2
z
1
Z =
z
12
z
11
z
10
z
9
z
8
z
7
z
6
z
5
z
4
z
3
z
2
z
1
^
^
^
^
^
^
^
^
^
^
^
^
Z =
^
12
11
10
1
=
Dados de entrada
No conhecemos
Dependem justamente do
estado estimado
LRC UFMG - 2007
a
Parte
Crit Crit rio dos M rio dos M nimos Quadrados Ponderados ( nimos Quadrados Ponderados (MQP MQP) )
J(x) = ( )
2
1
i
i
r
m
i

=
o vetor que minimiza a seguinte funo objetivo
r
i
= z
i
- h
i
(x)
^
X : vetor de estado estimado
^
valor medido
valor estimado
resduo
z
i
^
desvio padro
LRC UFMG - 2007
a
Parte
J(x) = ( )
2
1
i
i
r
m
i

=
~
~
1 2
3
4
n: 8
m: 12
z
12
z
11
z
10
z
9
z
8
z
7
z
6
z
5
z
4
z
3
z
2
z
1
Z =
z
12
z
11
z
10
z
9
z
8
z
7
z
6
z
5
z
4
z
3
z
2
z
1
^
^
^
^
^
^
^
^
^
^
^
^
Z =
^
12
11
10
1
=
M M nimo de J( nimo de J(x x) )
J(x) =
z
1
z
1
^
1
z
2
z
2
^
2
+ + ....
z
16
z
16
^
16
^
2
2
2
13
LRC UFMG - 2007
a
Parte
X, o vetor de estado estimado estado estimado, o vetor que minimiza minimiza J (x)
^
Logo,
J(x) =
z
1
z
1
^
1
z
2
z
2
^
2
+ + ....
z
16
z
16
^
16
^
2
2
2
Temos que encontrar este m Temos que encontrar este m nimo nimo
LRC UFMG - 2007
a
Parte
Exemplo no Quadro
LRC UFMG - 2007
a
Parte
Medidas que apresentam maior varincia maior varincia (menos
confiveis) tm menor influncia menor influncia em J(x), ou seja, as
medidas so ponderadas de acordo com sua exatido.
Forma Matricial:
1
~
R
X, o vetor de estado estimado estado estimado, o vetor que minimiza minimiza J (x)
^
Escalar
J(x) = ( )
2
1
i
i
r
m
i

=
^
J(x) = |z h (x) |
T
R
-1
|z h (x) |
^ ^ ^
LRC UFMG - 2007
a
Parte
J(x) = ( )
2
1
i
i
r
m
i

=
M M nimo de J( nimo de J(x x) )
H
T
(x) R
-1
|z h (x) | = 0
^
0
) (
=
x x x
x J
^
dim dim (H) = m x m (H) = m x m
Apndice A Apndice A
0
) (
=
x x x
x h
^
14
LRC UFMG - 2007
a
Parte
M M todo de todo de
Quase Newton Quase Newton
H
T
(x) R
-1
|z h (x) | = 0
^
Sistema de Equa Sistema de Equa es es
No Lineares No Lineares
x
k+1
= x
k
+ G
k
-1
H
T
(x
k
) R
-1
|z h (x
k
) |
^
Busca por 0
LRC UFMG - 2007
a
Parte
X, o vetor de estado rec estado rec m estimado m estimado, est , est ok ok ? ?
^
Finalizada a etapa de estimao, procede-se
avaliao das estimativas obtidas.
Avaliao dos chamados
Resultados da Estima Resultados da Estima o o e
da funo objetivo J (x) J (x).
Base para os estudos estatsticos que
objetivam a detec detec o e identifica o e identifica o o de
erros grosseiros e/ou na configurao
Quadro
res res duos duos
LRC UFMG - 2007
a
Parte
4.6 Propriedades Estatsticas de J(x) e dos Resduos
K
k x J
x J
2
'
^
^

|
.
|
\
|
=
|
.
|
\
|

K x J x J 2 ) ( 2 "
^ ^
=
|
.
|
\
|

K = m - n
A J(x) original apresenta caractersticas de distribuio qui-quadrado normal.
Porm, duas funes dela derivadas derivadas apresentam uma distribuio extremamente
interessante e fcil de se extrair resultados
: desvio padro = 1 : desvio padro = 1
E |V
z
| = 0 : valor esperado : valor esperado
S S quando no h quando no h erro erro
grosseiro grosseiro
1 1 - - 1 1 - - 2 2 - - 3 3 2 2 3 3 0 0
LRC UFMG - 2007
a
Parte
4.6 Propriedades Estatsticas de J(x) e dos Resduos
Os resduos apresentam caractersticas de distribuio normal.
Porm, dois resduos derivados derivados apresentam uma distribuio extremamente
interessante e fcil de se extrair resultados
S S quando no h quando no h erro erro
grosseiro grosseiro
Resduos
Normalizados
Resduos
Ponderados
^
2 / 1
~
^

r D r
N
^
2 / 1
~
^

r R r
W
N ( N (0 0, ,I I) )
N ( N (0 0, , ) )
15
LRC UFMG - 2007
a
Parte
Objetivo: Objetivo:
Verificar se os resultados da estimao esto ou no influenciados
pela presena de erros grosseiros / configurao
Testes de Hip Testes de Hip teses teses
Em J (x) e em J (x) Em r
N,i
e em r
W,i
Aceitar a hiptese de no no
existncia existncia de erro se J (x)
< ou J (x) <
Aceitar a hiptese de
existncia existncia de erro se J
(x) > ou J (x) >
Aceitar a hiptese de no no
existncia existncia de erro se r
N,i
<
ou r
W,i
<
Aceitar a hiptese de
existncia existncia de erro se
r
N,i
> ou r
W,i
>
LRC UFMG - 2007
a
Parte
Objetivo: Objetivo:
Identificar quais medidas contm erros grosseiros e/ou qual parte da
rede no est correta
Crit Crit rios baseiam rios baseiam- -se nos res se nos res duos duos
Medida portadora de erro Medida portadora de erro
grosseiro possui valor grosseiro possui valor
elevado de res elevado de res duo duo
IMPORTANTE !
Nem todas as medidas que
apresentam resduos
elevados so portadoras de
erros grosseiro (filtragem /
propagao)
LRC UFMG - 2007
a
Parte
Busca dos Res Busca dos Res duos Ordenados duos Ordenados
- resduos so colocados em ordem decrescente (mdulo);
- elimina-se o efeito do erro da medida com maior resduo;
- faz-se outra estimao; se o erro persistir, elimina-se o da segunda medida e
assim sucessivamente.
Busca em Grupo dos Res Busca em Grupo dos Res duos Ordenados duos Ordenados
- resduos so colocados em ordem decrescente (mdulo)
- as medidas correspondentes aos primeiros maiores resduos so retiradas
simultaneamente. Em seguida, so recolocadas, uma aps a outra, at que o
erro seja detectado.
LRC UFMG - 2007
a
Parte
4.8 Procedimentos para Remoo do Efeito dos Erros Grosseiros
Procedimentos Comuns: Procedimentos Comuns:
- Eliminao das medidas portadoras de erros (altera dimenso das matrizes;
perda de observabilidade);
- No extrair a medida e, sim, substitu-la por uma pseudo-medida;
- Alterar a varincia da medida.
16
LRC UFMG - 2007
Estimador Estimador
FIM FIM

4 Aulas - Tópicos 3 e 4 PDF

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

4 Aulas - Tópicos 3 e 4 PDF

Caricato da

Copyright:

Formati disponibili

1

Profa. Maria Helena Murta Vale

3 Estimador de Estado Conceitos Bsicos

Varincia Varincia do erro do erro da medida da medida

Potrebbero piacerti anche