Questões de Concurso Sobre algoritmos e estrutura de dados
Foram encontradas 3.260 questões
Ano: 2024
Banca:
FGV
Órgão:
INPE
Prova:
FGV - 2024 - INPE - 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 |
Q2518297
Algoritmos e Estrutura de Dados
Considere o modelo não linear e o Filtro de Kalman por Conjunto
(EnKF) detalhados na questão 04.
Para garantir estimativas de covariâncias não enviesadas, a matriz B pode ser calculada pela expressão:
Para garantir estimativas de covariâncias não enviesadas, a matriz B pode ser calculada pela expressão:
Ano: 2024
Banca:
FGV
Órgão:
INPE
Prova:
FGV - 2024 - INPE - 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 |
Q2518296
Algoritmos e Estrutura de Dados
Seja um modelo não linear dado por:
em que: xk é um vetor de estados de n dimensões em um dado instante de tempo K; M e H são mapeamentos não-lineares de Rn para Rn e de Rm para Rm, respectivamente; q e r são vetores aleatórios gaussianos de média nula e covariância Q e R, respectivamente.
Considere a implementação de um Filtro de Kalman por Conjunto (Ensemble Kalman Filter - EnKF) com 1000 pontos representando possíveis estados. Cada um dos 1000 pontos é denotado xt(i), onde i é inteiro e varia de 1 a 1000.
Considere, ainda, que a média dos pontos do conjunto no instante k pode ser representada por
, e que o ganho de
Kalman no instante k é geralmente representado pelo produto de
uma matriz A pela inversa de uma matriz B (Kk = AB−1).
Considerando as condições enunciadas acima, para garantir estimativas de covariâncias não enviesadas, a matriz A pode ser calculada pela expressão:
em que: xk é um vetor de estados de n dimensões em um dado instante de tempo K; M e H são mapeamentos não-lineares de Rn para Rn e de Rm para Rm, respectivamente; q e r são vetores aleatórios gaussianos de média nula e covariância Q e R, respectivamente.
Considere a implementação de um Filtro de Kalman por Conjunto (Ensemble Kalman Filter - EnKF) com 1000 pontos representando possíveis estados. Cada um dos 1000 pontos é denotado xt(i), onde i é inteiro e varia de 1 a 1000.
Considere, ainda, que a média dos pontos do conjunto no instante k pode ser representada por
, e que o ganho de
Kalman no instante k é geralmente representado pelo produto de
uma matriz A pela inversa de uma matriz B (Kk = AB−1). Considerando as condições enunciadas acima, para garantir estimativas de covariâncias não enviesadas, a matriz A pode ser calculada pela expressão:
Ano: 2024
Banca:
FGV
Órgão:
INPE
Prova:
FGV - 2024 - INPE - 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 |
Q2518295
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
Entre as vantagens do EnKF com relação ao KF e ao EKF, destaca-se a
Ano: 2024
Banca:
FGV
Órgão:
INPE
Prova:
FGV - 2024 - INPE - 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 |
Q2518294
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
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
Ano: 2024
Banca:
FGV
Órgão:
INPE
Prova:
FGV - 2024 - INPE - 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 |
Q2518293
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.
Nesse contexto, assinale a opção que indica uma das características do Filtro de Kalman clássico.
Ano: 2024
Banca:
FGV
Órgão:
INPE
Prova:
FGV - 2024 - INPE - 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 |
Q2518292
Algoritmos e Estrutura de Dados
Texto associado
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
Ano: 2024
Banca:
FGV
Órgão:
INPE
Prova:
FGV - 2024 - INPE - 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 |
Q2518291
Algoritmos e Estrutura de Dados
Texto associado
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
Ano: 2024
Banca:
FGV
Órgão:
INPE
Prova:
FGV - 2024 - INPE - 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 |
Q2518290
Algoritmos e Estrutura de Dados
Texto associado
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.
Antes de agregar a informação proveniente da medição no tempo k,
a predição da variância do estado, para esse mesmo instante k, será
Ano: 2024
Banca:
FGV
Órgão:
INPE
Prova:
FGV - 2024 - INPE - 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 |
Q2518289
Algoritmos e Estrutura de Dados
Texto associado
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.
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
Ano: 2024
Banca:
FGV
Órgão:
INPE
Prova:
FGV - 2024 - INPE - 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 |
Q2518288
Algoritmos e Estrutura de Dados
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,
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,
Ano: 2024
Banca:
FGV
Órgão:
INPE
Prova:
FGV - 2024 - INPE - 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 |
Q2518286
Algoritmos e Estrutura de Dados
Pesquisadores da área de sistema de assimilação de dados nas
componentes do sistema terrestre resolveram utilizar um método de
minimização variacional utilizando o algoritmo 3D-VAR para
encontrar a solução de um problema de otimização.
Sobre as propriedades numéricas do método utilizado, assinale a afirmativa correta.
Sobre as propriedades numéricas do método utilizado, assinale a afirmativa correta.
Ano: 2024
Banca:
FGV
Órgão:
INPE
Prova:
FGV - 2024 - INPE - 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 |
Q2518285
Algoritmos e Estrutura de Dados
Algoritmos de estimação aplicados a assimilação de dados requerem
a solução de um problema de otimização.
Assinale a opção que indica o método que pode ser considerado híbrido.
Assinale a opção que indica o método que pode ser considerado híbrido.
Ano: 2024
Banca:
FGV
Órgão:
INPE
Prova:
FGV - 2024 - INPE - 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 |
Q2518283
Algoritmos e Estrutura de Dados
Uma pesquisa sobre a dispersão espacial do risco de ocorrência de
um determinado fenômeno utilizou a estimação Bayesiana como
método de estimação.
Sobre esse método de estimação, assinale a opção correta.
Sobre esse método de estimação, assinale a opção correta.
Ano: 2024
Banca:
FGV
Órgão:
INPE
Prova:
FGV - 2024 - INPE - 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 |
Q2518278
Algoritmos e Estrutura de Dados
No que diz respeito aos problemas de assimilação de dados para
sistemas dinâmicos não lineares, assinale a opção que indica o
esquema que dá a melhor estimativa linear da solução para o
problema de assimilação de mínimos quadrados.
Ano: 2024
Banca:
FGV
Órgão:
INPE
Prova:
FGV - 2024 - INPE - 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 |
Q2518273
Algoritmos e Estrutura de Dados
Podemos dizer que a Assimilação de Dados é um conjunto de
técnicas empregadas para realizar adequadamente a inserção de
dados de observação num sistema operacional de previsão, cujo
propósito é
Ano: 2024
Banca:
FGV
Órgão:
CVM
Prova:
FGV - 2024 - CVM - Analista CVM - Perfil 8 - TI / Sistemas e Desenvolvimento - Tarde |
Q2518082
Algoritmos e Estrutura de Dados
Para acelerar a busca sobre uma lista de mensagens, Beatriz
adotou uma tabela de dispersão, na qual o e-mail do emissor é
quem define o hash.
N: INTEIRO V: VETOR [0..N-1] de LISTA<MENSAGEM> Algoritmo Adicionar (M: MENSAGEM) H <- 0 Para i de 0 até Tamanho (M.email) - 1 H <- H + Ord (M.email[i]) Fim Para H <- H Mod N V[H].Incluir(M) Fim Algoritmo
O hash é dado pelo resto da divisão entre a soma dos códigos ASCII do email e o tamanho do vetor de listas. Para que Beatriz obtenha a melhor distribuição das mensagens nas listas:
N: INTEIRO V: VETOR [0..N-1] de LISTA<MENSAGEM> Algoritmo Adicionar (M: MENSAGEM) H <- 0 Para i de 0 até Tamanho (M.email) - 1 H <- H + Ord (M.email[i]) Fim Para H <- H Mod N V[H].Incluir(M) Fim Algoritmo
O hash é dado pelo resto da divisão entre a soma dos códigos ASCII do email e o tamanho do vetor de listas. Para que Beatriz obtenha a melhor distribuição das mensagens nas listas:
Ano: 2024
Banca:
FGV
Órgão:
CVM
Prova:
FGV - 2024 - CVM - Analista CVM - Perfil 8 - TI / Sistemas e Desenvolvimento - Tarde |
Q2518081
Algoritmos e Estrutura de Dados
Pedro adotou o algoritmo apresentado a seguir para ordenar um
vetor de inteiros V, com índices variando de 1 até n.
Para K de 2 até n faça:
X <- V[K]
W <- (K – 1)
Enquanto W > 0 e V[W] > X faça:
V[W+1] <- V[W]
W <- (W-1)
Fim Enquanto
V[W+1] <- X
Fim Para
O algoritmo utilizado por Pedro foi o:
Para K de 2 até n faça:
X <- V[K]
W <- (K – 1)
Enquanto W > 0 e V[W] > X faça:
V[W+1] <- V[W]
W <- (W-1)
Fim Enquanto
V[W+1] <- X
Fim Para
O algoritmo utilizado por Pedro foi o:
Ano: 2024
Banca:
FGV
Órgão:
CVM
Prova:
FGV - 2024 - CVM - Analista CVM - Perfil 8 - TI / Sistemas e Desenvolvimento - Tarde |
Q2518080
Algoritmos e Estrutura de Dados
O cálculo da complexidade computacional é essencial para
verificar a viabilidade do algoritmo. Observe o código a seguir,
em Python, para o problema da torre de Hanoi.
def hanoi(n, o, d, a):
if n==1:
print("D1 de "+o+" p/ "+d)
else:
hanoi(n-1, o, a, d)
print("D"+str(n)+" de "+o+" p/ "+d)
hanoi(n-1, a, d, o)
A complexidade desse algoritmo no pior caso é:
def hanoi(n, o, d, a):
if n==1:
print("D1 de "+o+" p/ "+d)
else:
hanoi(n-1, o, a, d)
print("D"+str(n)+" de "+o+" p/ "+d)
hanoi(n-1, a, d, o)
A complexidade desse algoritmo no pior caso é:
Ano: 2024
Banca:
FGV
Órgão:
CVM
Prova:
FGV - 2024 - CVM - Analista CVM - Perfil 8 - TI / Sistemas e Desenvolvimento - Tarde |
Q2518079
Algoritmos e Estrutura de Dados
Diversas operações matemáticas podem ser implementadas de
forma recursiva, como no algoritmo seguinte.
Função X (J: inteiro, K: inteiro)
Início
Se J < K Então
Retorne J
Senão
Retorne X (J-K, K)
Fim
Considerando o domínio dos inteiros positivos, a função terá como resultado o(a):
Função X (J: inteiro, K: inteiro)
Início
Se J < K Então
Retorne J
Senão
Retorne X (J-K, K)
Fim
Considerando o domínio dos inteiros positivos, a função terá como resultado o(a):
Ano: 2024
Banca:
FGV
Órgão:
CVM
Prova:
FGV - 2024 - CVM - Analista CVM - Perfil 8 - TI / Sistemas e Desenvolvimento - Tarde |
Q2518070
Algoritmos e Estrutura de Dados
A analista Ana precisou implementar rapidamente uma função
hash denominada AHash. A AHash deve determinar um valor
numérico entre 0 e 5 para uma chave de entrada. Ana optou por
implementar em AHash o método de hashing denominado
Método da Divisão. Para compatibilizar possíveis chaves
alfanuméricas com o Método da Divisão, Ana implementou um
dicionário que atribui a cada caracter um valor numérico.
Internamente, a AHash utiliza como chave o produto dos
números correspondentes aos caracteres da chave original.
Sabendo que os caracteres C, V e M correspondem, respectivamente, aos números 67, 86 e 77, a AHash retornará para a chave “CVM”:
Sabendo que os caracteres C, V e M correspondem, respectivamente, aos números 67, 86 e 77, a AHash retornará para a chave “CVM”:
Conheça nossos planos