Uma avaliação do consumo de
energia em rede de sensores sem fio
André Palhares(avap)
Kalil Bispo (kab)
Petrônio Júnior (pglj)
Roteiro
 Introdução
 Metodologia
 Testes sobre os dados
 Testes de normalidade
 Testes de hipótese
 Regressão
 Conclusão
Introdução
Metodologia
Testes de Normalidade
 Alguns gráficos e testes foram utilizados para indicar a
tendência da distribuição dos dados
 Histograma
 Boxplot
 Q-Q plot
 Teste de aderência
 Todos os procedimentos foram realizados para todos os
conjuntos de dados
 Inicialmente, os gráficos e, posteriormente, o teste de aderência
Testes de Normalidade
 Histograma para taxa de coleta de 200ms
Testes de Normalidade
 Boxplot para taxa de coleta de 500ms
Testes de Normalidade
 Q-Q plot para taxa de coleta de 750ms
Testes de Normalidade
 Teste de aderência
 Teste Kolmogorov-Smirnov
 Com o auxílio do R, através da função ks.test
 O valor do p-value (0.968) próximo de 1 indica a normalidade
dos dados
Testes de hipótese
 A fim de demonstrar que, de fato, taxas de amostragem
diferentes resultam em níveis de energia diferentes, foi
realizado um teste de hipótese
 Utilizando o teste t de duas amostras
 Hipótese nula: As médias amostrais são iguais
 Hipótese alternativa: As médias amostrais são diferentes
 Nível de significância de 1%
Testes de hipótese
 Em todos os casos, a hipótese de que as médias são iguais
(hipótese nula) é rejeitada
 Diante dos casos estudados, a taxa de amostragem dos
sensores é um fator diferencial na quantidade de energia
consumida pelo sensor
Regressão
 Estimação da energia consumida dada a taxa de coleta de
informações
 O coeficiente de correlação entre a taxa de coleta e a energia
utilizada obteve um valor de R = 99,51%
 Uma regressão cúbica obteve melhores resultados com R² =
99,97%
Regressão
Regressão
 Foi utilizado um teste de normalidade sobre os erros da
regressão cúbica, sendo rejeitada a normalidade
 Além disso, os erros apresentam uma tendência, indicando
variância não constante
 Visando o tratamento desse comportamento anômalo, foi
criado outro modelo, transformando a variável de energia.
Regressão
-1
-1.5
-2
Dados
Regressão Cúbica
-2.5
200
300
400
500
600
700
Taxa de amostragem
800
900
1000
300
350
400
0.04
0.03
0.02
Erro
Log da energia consumida
-0.5
0.01
0
-0.01
-0.02
-0.03
0
50
100
150
200
Amostra
250
Regressão
 Teste de aderência sobre os erros, cuja hipótese nula é a
normalidade dos dados.
 P-value obtido de 49,87%, indicando a não rejeição da
hipótese nula
 Esse novo modelo possui diversas características que o
favorecem, sendo o melhor obtido durante nossas pesquisas,
com R² = 99,99%
Conclusão
 Os dados coletados se distribuem com alto grau de certeza
como uma Normal
 De fato há evidência de que a taxa de amostragem altera o
consumo médio de energia
 Um modelo de estimação foi construido com sucesso,
obtendo ótimos resultados na região estudada