Nome: Leonardo do Vale Abreu

Mat: 90111

QUESTÕES DE AJUSTAMENTO – EAM 380 - 2020

I) Assinale a alternativa ERRADA

1) Em relação às inconsistências das observações pode-se afirmar que:

a) Podem advir de efeitos grosseiros e/ou efeitos sistemáticos e/ou flutuações probabilísticas
das observações;
b) Efeitos grosseiros se devem exclusivamente às falhas humanas;
c) Efeitos sistemáticos se caracterizam por ocorrerem sempre no mesmo sentido,
acrescentando ou subtraindo a grandeza procurada;
d) Os efeitos aleatórios são imprevisíveis e sua esperança é zero;
e) Observações com efeitos grosseiros devem ser eliminadas, descartadas.

2) Considerando Xv, Figura 1, o valor verdadeiro de uma grandeza procurada, pode–se afirmar que:

•• •
••••• • • •
• •• • •• • ••
••••••
•• •
• • •

a b c d

f(x)
1 3

2
4
xv  X x
Figura 1

a) As figuras representativas de tiro ao alvo (a, b, c e d) se relacionam com os gráficos de

distribuição de probabilidade (1, 2, 3 e 4) da seguinte forma: a ≡ (equivale a) 3; b ≡ 1; c ≡ 2
e d ≡ 4;
b) A Figura a representa um experimento preciso, porém tendencioso;
c) A Figura b representa um experimento preciso e sem tendência, ou seja, acurado;
d) A acurácia do experimento 2 é igual à acurácia do experimento 1;
e) Pode-se afirmar que o experimento 3 é menos acurado que o experimento 1;

3) Em relação ao método paramétrico de ajustamento, pode-se afirmar que:

a) Tem-se uma equação para cada observação;

b) Há necessidade de explicitar os parâmetros em cada observação;
c) Todos os parâmetros precisam estar contidos em todas observações;
 d) Se o referencial está devidamente materializado, o grau de liberdade é a diferença entre o
número de observações e o número de parâmetros;
e) O número de observações deve ser maior ou igual ao número de parâmetros;

4) O ajustamento de observações tem por objetivo:

a) Eliminar as inconsistências das observações;
b) Estimar valores únicos para as medidas repetidas e inconsistentes;
c) Estimar valores únicos para os parâmetros;
d) Estimar valores exatos para as observações;
e) Avaliar a qualidade das observações e dos parâmetros;

5) Considerando que a precisão nominal de uma estação total é de 3”, valor estimado empregando a
norma DIN, ou seja, utilizando pontaria completa, pode-se afirmar que a incerteza de um ângulo
medido com esta estação será de:
a) 6”, empregando somente PD;
b) 3   2 , empregando PD/PI;
c) 3”, medindo duas vezes cada direção com PD/PI;
d) 3   2 , medindo duas vezes cada direção com PD somente;
e) 1,5”, medindo três vezes cada direção em PD;

6) Considerando uma poligonal apoiada em um ponto e uma direção e aberta, pode-se afirmar que:
a) O número de observações é igual ao número de incógnitas
b) As distâncias não degradam com o caminhamento
c) Os ângulos não degradam com o caminhamento;
d) Os azimutes não degradam com o caminhamento;
c) As coordenadas degradam com o caminhamento;

7) Em relação ao método dos mínimos quadrados pode-se afirmar que:

a) É um método para tratar medidas inconsistentes;
b) Se aplica quando o número de equações é maior que o número de incógnitas;
c) Pode-se misturar medidas de diferentes tipos e diferentes precisões;
d) Minimiza a soma dos resíduos;
n

e) A média calculada por X

i 1
i
, segue o princípio dos mínimos quadrados.
n

T 1 T
8) Em relação à equação X  ( A  P  A )  A  P  L pode-se afirmar que:
a) Refere-se ao método paramétrico, La = F(Xa);
b) δX representa as correções aos valores aproximados para os parâmetros (X0);
c) ‘A’ é a matriz das derivadas parciais de F(Xa) em relação à Xa, no ponto X0;
d) ‘P’ representa a matriz dos pesos que são inversamente proporcionais às variâncias das
observações;
e) L é o vetor dos valores determinados em F(X0)

9) Em relação à matriz ‘A’ do método paramétrico, pode-se que afirmar que:

a) É também conhecida como ‘matriz design’;
b) Seus elementos podem ser somente “zeros” e “uns”;
c) Pode conter elementos com diferentes unidades;
d) O número de colunas é igual ao número de observações;
e) Se o modelo funcional não é linear, seus elementos variam com os valores aproximados dos
parâmetros;
10) Quando o teste de hipóteses aponta que a variância de referência a posteriori é maior que a
variância a priori, está indicando que:
a) Há problemas no ajustamento;
b) A qualidade das observações pode ter sido subestimada;
c) Pode haver observações com efeitos grosseiros;
d) Efeitos sistemáticos podem não ter sido devidamente modelados;

11) Em relação ao teste de hipóteses empregado para avaliar a qualidade do ajustamento, pode-se
afirmar que:
a) Erro do tipo I é o erro que se comete ao rejeitar a hipótese nula, quando não se deveria
rejeitar;
b) Erro do tipo II é o erro que se comete ao não rejeitar a hipótese nula, quando se deveria
rejeitar;
c) Quanto maior o nível de significância (α), maior o risco de se cometer o erro do tipo I;
d) Quanto maior o nível de significância (α), menor o risco de se cometer o erro do tipo II;
e) A probabilidade de se cometer o erro do tipo II é de α%.

12) Em relação ao teste de hipóteses empregado para avaliar a qualidade do ajustamento, pode-se
afirmar que:
a) Aumentando-se a região de ‘não rejeição’, diminui-se o poder o teste;
b) Diminuindo-se o nível de significância (α), aumenta-se o poder do teste;
c) Aumentando-se o número de observações, aumenta-se o poder do teste;
d) Nível de confiança é a probabilidade de não rejeitar a hipótese nula, quando esta deve
realmente não ser rejeitada;
e) Poder o teste é a probabilidade de se rejeitar a hipótese nula, quando esta deve realmente
ser rejeitada;

II) Assinale a alternativa CORRETA:

13) Observadas as coordenadas X e Y dos quatro pontos mostrados na Figura 2, deseja-se estimar
os parâmetros a1 e a 2 da reta a1  X  a2  Y = 0 e as coordenadas observadas dos quatro pontos.
O método de ajustamento a ser empregado e o número de equações necessárias é:
a) Paramétrico e 8 Y
b) Dos correlatos e 3
c) Combinado e 4 3 4
d) Combinado e 8
e) Paramétrico e 4 1
2

X
Figura 2

14) Para ajustar a distância e os ângulos observados e mostrados na Figura 3, conhecida a distância
AC, devem ser empregados: B

a) 2 equações, sendo 1 equação de lado e 1 de ângulo; β

b) 2 equações, sendo 2 equações de ângulo
c) 2 equações, sendo 2 equações de lado d
α
d) 3 equações, sendo 2 equações de lado e 1 de ângulo A
γ
C
Figura 3
 e) 3 equações, sendo 1 equação de lado e 2 de ângulo

III) QUESTÕES ABERTAS

15) Considerando que as precisões nominais de uma estação total, calibrada de acordo com a norma DIN
18723, para as direções e distâncias inclinadas são, respectivamente. 3” e 3mm + 3 ppm, pede-se:
a) Sabendo que a incerteza de centragem da estação é de 3mm e do prisma 5mm, calcular as
incertezas, em ppm, das distâncias inclinadas de 100m e de 1500m.

R: σD = sqrt(σi² + σp² + a² +(D*b/106)²)

Utilizamos planilha para realizar os cálculos, obtemos:
σD100 = 6,6mm = 66ppm
σD100 = 8mm = 5ppm

b) Sabendo que a incerteza de uma distância inclinada de 1000m, medida com luneta inclinada
44º 24’ em relação ao zênite é de 10 mm e que a incerteza do ângulo zenital é de 20”, calcular a
incerteza na distância horizontal, em ppm.

R: σDH = sqrt(sin² Z * σD² +(D*cosZ)² * σZ²) = σDH = 69,6mm = 100ppm

c) Na Figura 4, as direções foram medidas empregando pontaria completa. Escreva a MVC

(Matriz das Variâncias e Covariâncias) dos ângulos estimados a partir das direções mostradas.

Figura 4

Com modelo funcional, segue a seguinte MVC:

16) A Figura 5 mostra o levantamento de uma poligonal aberta. Montar a MVC dos azimutes (AZ12, AZ23 e
AZ34), sabendo que a incerteza do azimute de referência é de 9” e a incerteza em cada um dos ângulos
medidos é de 10”.

Figura 5
N x REF

AZREF

2 4
1
3
Resposta abaixo:
AZp1= Azref + α1
AZ12= Azref + α1 + α2 – 180°
AZ23= Azref + α1 + α2 + α3 – 2*180°
AZ34= Azref + α1 + α2 + α3 + α4 – 3*180°

Var AZref = 1,9039 X 10^-9 rad²

Var αi = 2,3504 X 10^-9 rad²

17) Considerando os dados da questão 16, que as distâncias da poligonal são medidas com uma incerteza de
5 mm e que a MVC das coordenadas do ponto 1 é mm2, mostre como calcular a MVC
das coordenadas do ponto 3.

Cvar 3 =

Matriz J:
2x4

Fazendo J * Cvar. * Jt obtemos a CXY do ponto 3

18) Considerando a Figura 6, esboço de uma rede de nivelamento, com os dados, observações e valores a
serem estimados no quadro ao lado,

∆hAC Dado: hA = 100,000 m

C Observações: ∆hAB. ∆hAC, ∆hAD, ∆hCB, ∆hBD, ∆hCD
A Estimar: hB, hC, hD e seus desvios padrão.
∆hAD ∆hCD

∆hAB ∆hCB D
B
∆hBD
 Figura 6
Pede-se: ( OBS: Sempre mostre as dimensões das matrizes e vetores e as unidades envolvidas)
a) Monte os vetores Lb e Xa;

b) Escreva o modelo funcional para as observações contidas em Lb;

c) Atribua valores aproximados às altitudes dos pontos B, C e D (Vetor X0) ;

d) Monte a matriz das derivadas parciais, matriz A;

e) Após calcular as correções aos valores aproximados, há necessidade de realizar iterações? Por
quê?
- Sim, pois o método paramétrico, até que o vetor dos resíduos tenda a zero, itera-se para
garantir que os valores se aproximaram ao máximo do que o ajustamento pode chegar.

f) Qual é o grau de liberdade deste experimento? ;

- 6 eq. de observação (m=6) e 3 parâmetros (n=3), grau de liberdade GL= m - n = 3

g) Se e , como calcular a MVC das observações a posteriori? A qualidade

das observações foi sub ou superestimadas? Por quê? ;
 - Calculada a variância a posteriori, para obtermos MVC a posteriori, devemos
multiplicar a MVC a priori por essa nova variância. A qualidade foi superestimada,
pois o valor de variância indicado a posteriori é maior que o anteriori.

19) Considerando a Figura 7, esboço do levantamento de uma poligonal apoiada e fechada em pontos e
direções distintas, com os dados, observações e valores a serem estimados no quadro abaixo,

N α2

α1 AZF
2 F
DH23 α3
I
1 DH12
3
AZI

Dados: XI, YI, X1, Y1, X3, Y3, XF e YF Figura 7

Observações: DH12, DH23, α1, α2 e α3
Estimar: As coordenadas do ponto 2 e sua MVC

Pede-se: (OBS: Sempre mostre as dimensões das matrizes e vetores e as unidades envolvidas)
a) Monte os vetores Lb e Xa;
b) Escreva o modelo Funcional para as observações contidas em Lb;
c) Considerando que os ângulos e as distâncias foram observados com uma incerteza de 10” e 5
mm, respectivamente, monte o modelo estocástico;
d) Mostre como calcular valores aproximados dos parâmetros (Vetor X0);
e) Após calcular as correções aos valores aproximados, há necessidade de realizar iterações? Por
quê?
f) Qual é o grau de liberdade deste experimento?

20) Em torno de uma única estação foram medidos os ângulos horizontais mostrados na Figura 8. As
observações estão na Tabela ao lado.

α Ident Valor ângulo Desvio Padrão(”)

α 134º 38’ 56” 6,7”
β 83º 17’ 35” 9,9”
β 142º 03’ 14” 4,3”
γ
γ

Fig. 8

A fim de estimar os valores mais prováveis destes ângulos, seguindo o princípio do MMQ, pede-se:
(OBS: Mostre sempre as dimensões das matrizes e as unidades dos valores envolvidos)
a) Escreva o modelo funcional;
b) Escreva o modelo estocástico;
c) Calcule os elementos da matriz B. Calcule as derivadas algebricamente;
d) Qual é o grau de liberdade deste experimento?

21) As observações contidas na Tabela a seguir se referem à uma curva vertical de uma estrada. Nesta
tabela,
 S = distância horizontal a partir da estaca 10 + 00;
σS = desvio padrão de S;
h = Cota dos pontos e
σh = desvio padrão de h.

Pto S (m) h (m) σS (m) σh (m)

1 100,0 51,23 0,1 0,01
2 150,0 49,51 0,1 0,01
3 200,0 48,25 0,1 0,01
4 250,0 47,32 0,1 0,01
5 300,0 46,89 0,1 0,01
6 350,0 46,97 0,1 0,01

A fim de estimar, seguindo o princípio do MMQ, os coeficientes da parábola mais

provável, bem como os resíduos das observações que se ajustam à curva

a1 · S 2 + a2 · S + a3 − h = 0
pede-se:

(OBS: Mostre sempre as dimensões das matrizes e as unidades dos valores envolvidos)
f) Monte os vetores das observações (Lb) e dos parâmetros (Xa) considerando todas as
observações realizadas;
g) Escreva o modelo funcional;
h) Mostre como calcular os elementos da matriz B. Calcule as derivadas algebricamente;
i) Mostre como calcular os elementos da matriz A. Calcule as derivadas algebricamente;
j) Qual é o grau de liberdade deste experimento?

22) Dada a seguinte MVC de dois pontos, P1 e P2:

Pede-se:
a) Mostre como calcular os semi-eixos maior e menor da elipse de confiança no ponto P2, com
um nível de confiança de 95%. Apenas coloque os valores nas equações.
b) Mostre como calcular o azimute do semi-eixo maior da elipse no ponto P1. Coloque os valores
na equação e analise o quadrante.
c) Mostre como calcular os elementos da elipse de confiança relativa entre os pontos P1 e P2;

23) As questões 23.1, 23.2 e 23.3 se baseiam na Figura 9 onde são mostrados os ângulos e as distâncias
horizontais medidas. As coordenadas dos pontos 0, 1, 3 e 4, bem como suas MVCs, são dadas e devem
ser consideradas.
 α3 4

d2 3
α2

α2a
α1 d1 2 αa αb
d2a
A da B
1
db
C

0
Figura 9

23.1) A fim de estimar as coordenadas do ponto 2 e sua MVC, considerando as incertezas nas
coordenadas dos pontos 0, 1, 3 e 4, pede-se:

(OBS: Mostre sempre as dimensões das matrizes e as unidades dos valores envolvidos)

a) Sabendo que o instrumento empregado, calibrado de acordo com a norma DIN, mede direções
com 5” de incerteza; que foi empregada somente PD; que as incertezas nas centragens do
prisma e da estação são 5 e 3 mm, respectivamente; que a = 3mm e b = 3 ppm, montar o
modelo estocástico a priori;
b) Mostre como calcular os elementos da matriz A. Para as derivadas diferentes de 0 ou 1, basta
mostrar o que se vai derivar e em relação a que.

23.2) Após estimar as coordenadas do ponto 2 e sua MVC, pede-se:

a) Como determinar o azimute do ponto 2 para o ponto A? Explique matematicamente, cada passo,
em detalhe.
b) Explique matematicamente, em detalhe, como estimar a variância do azimute do ponto 2 para o
ponto A, considerando todas as incertezas existentes.
c) Explique matematicamente, em detalhe, como determinar os azimutes de A para B e de B para
C.
d) Explique matematicamente, em detalhe, como estimar MVC dos azimutes de A para B e de B
para C.

23.3) A fim de estimar as coordenadas planimétricas do ponto C e sua MVC, após estimar as
coordenadas do ponto 2 e sua MVC, pede-se:

(OBS: Mostre sempre as dimensões das matrizes e as unidades dos valores envolvidos)
 a) Montar o modelo funcional que permite calcular as coordenadas do ponto C, partindo das
coordenadas do ponto 2;
b) Montar a MVC das variáveis contidas no modelo funcional do item a;
c) Mostrar matematicamente, em detalhe, como calcular a MVC das coordenadas do ponto C;

24) A Figura 10 representa um levantamento por triangulateração onde foram medidas as distâncias e os
ângulos mostrados. As coordenadas dos pontos 1 e 2 são conhecidas, mas possuem consideráveis
incertezas.

α2

d23
1 α1

α3
d 13

3
Figura 10

A fim de estimar as coordenadas planimétricas do ponto 3, bem como sua MVC, empregando o
método paramétrico e considerando as MVCs dos pontos 1 e 2, pede-se:

(OBS: Mostre sempre as dimensões das matrizes e as unidades dos valores envolvidos)

c) Monte os vetores das observações (Lb) e dos parâmetros (Xa);

d) Monte o modelo estocástico;

e) Monte o modelo funcional;
f) Mostre como calcular os elementos da matriz A.
g) Qual é o grau de liberdade deste processo?

25) A Figura 11 representa um levantamento por triangulação onde foram medidos os ângulos
mostrados.

α2

1 α1

α3

3
Figura 11
 A fim de estimar as coordenadas planimétricas dos 3 pontos, bem como sua MVC, pede-se:

(OBS: Mostre sempre as dimensões das matrizes e as unidades dos valores envolvidos)

a) Monte os vetores das observações (Lb) e dos parâmetros (Xa);

b) Mostre como calcular os elementos da matriz A;
c) Escreva as equações de injunção inercial necessárias;
d) Qual é o grau de liberdade deste processo?