Algoritmos e Estrutura de Dados · FGV · 2024 | Questão sqc-fg086282

Algoritmos e Estrutura de DadosComplexidade de Algoritmos

Código: fg086282
Banca: FGV
Órgão: INPE
Ano: 2024
Nível: Superior

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

O problema de previsão numérica de tempo em escala global é de altíssima dimensionalidade, envolvendo, por exemplo, representações de estados com centenas de milhões de variáveis.Essa alta dimensionalidade impõe grandes dificuldades para a aplicação de filtros de partículas (PF) em problemas de assimilação de dados com muitas observações independentes, porque nessas situações o número de partículas necessárias para representar as distribuições de probabilidade cresce exponencialmente.Técnicas recentemente desenvolvidas que visam contornar essas dificuldades baseiam-se em combinar filtros de partículas e filtros de Kalman por conjunto (EnKF), criando-se soluções híbridas PF-EnKF.Assinale a opção que indica a principal vantagem de se utilizar filtros híbridos PF-EnKF.

AA redução do número de partículas necessárias para representar distribuições, que passam a ser caracterizadas apenas pelo primeiro e pelo segundo momentos.
BA seleção de faixas específicas das variáveis de estado, reduzindo a dimensionalidade momentaneamente a cada passo de assimilação.
CSua adequação a distribuições não gaussianas quando necessário, ao mesmo tempo que se tenta manter a eficiência dos EnKF quando as distribuições são gaussianas.
DSua convergência mais rápida, em que uma partícula se sobressai com relação às demais em poucos passos de assimilação.
ESua maior simplicidade de implementação, pois o processo de reamostragem por importância torna-se uma etapa desnecessária nos passos de assimilação, podendo ser evitado.

Revelar gabarito e comentário

GabaritoC — Sua adequação a distribuições não gaussianas quando necessário, ao mesmo tempo que se tenta manter a eficiência dos EnKF quando as distribuições são gaussianas.

Comentário gerado por IA. É um apoio ao estudo, ancorado em fontes, mas pode conter imprecisões — confira sempre na fonte oficial (lei, súmula, edital e gabarito da banca). Encontrou um erro? Use “Reportar”.

Filtros Híbridos PF-EnKF

Gabarito: letra C. A principal vantagem dos filtros híbridos PF-EnKF é combinar a capacidade dos filtros de partículas (PF) de lidar com distribuições não gaussianas com a eficiência computacional dos filtros de Kalman por conjunto (EnKF) quando as distribuições são gaussianas, conforme discutido no texto de apoio.

Alternativa A — ❌ Incorreta

Afirma redução do número de partículas e caracterização apenas pelo primeiro e segundo momentos. Isso é próprio de filtros de Kalman (gaussianos), não dos híbridos. O híbrido mantém a representação por partículas quando necessário.

Alternativa B — ❌ Incorreta

Seleção de faixas específicas de variáveis de estado não é uma vantagem típica dos híbridos e não é mencionada no contexto.

Alternativa C — ✅ Correta ⟵ GABARITO

Conforme o texto, a filtragem de partículas (PF) é consistente e pode representar distribuições não gaussianas, mas requer muitas partículas em altas dimensões. O EnKF é eficiente para distribuições gaussianas. O híbrido busca unir o melhor dos dois: usar PF para não gaussianas e EnKF para gaussianas, mantendo eficiência.

Alternativa D — ❌ Incorreta

Convergência mais rápida onde uma partícula se sobressai não é vantagem; isso descreve degeneração de partículas, um problema a ser evitado.

Alternativa E — ❌ Incorreta

A reamostragem por importância é etapa essencial nos PF e não é eliminada nos híbridos; continua necessária para evitar degeneração.

PEGA ESSA DICA!

Lembre-se que a combinação PF-EnKF visa equilibrar flexibilidade (não gaussiana) e eficiência (gaussiana). A banca testa o entendimento da motivação principal do híbrido.

Gabarito: letra C

Link permanente: /questoes/fg086282