Probabilidades como ferramentas de controle da quantidade de poluentes emitidos pelo tráfego de veículos motorizados

Tamanho: px
Começar a partir da página:

Download "Probabilidades como ferramentas de controle da quantidade de poluentes emitidos pelo tráfego de veículos motorizados"

Transcrição

1 XXV Ecotro Nac. de Eg. de Produção Porto Alegre, RS, Brasl, 29 out a 0 de ov de 2005 Probabldades coo ferraetas de cotrole da quatdade de poluetes etdos pelo tráfego de veículos otorzados Luz Delca Castllo Vllalobos (CEFET-PR) luz_delca@yahoo.co.br Resuo O obetvo do presete trabalho é apresetar u étodo alteratvo o cotrole da quatdade de polução etda o abete urbao, coo coseqüêca do tráfego de veículos. A etodologa apresetada utlza coo ferraeta de prevsão as probabldades. As probabldades fora costruídas a partr da freqüêca dos acotecetos, dado codções de fazer prevsões cosderado efetos de fatores que ão são possíves de ser cotrolados coo, por exeplo, os efetos provocados pela estrutura e coposção físca da área observada. A aplcação do presete trabalho te coo obetvo ostrar o procedeto de coo se aplca o étodo proposto. Palavras-chave: Polução, Tráfego, Probabldades.. Itrodução A teção do presete trabalho é desevolver ua etodologa que perta prever a quatdade de poluetes etdos pelo fluxo de veículos otorzados que passa por u deterado poto de ua va. A prevsão desses íves de polução oretará ao plaeador do tráfego da cdade a detectar os probleas de polução de aera splfcada e forular soluções para zar os efetos egatvos, elhorado a qualdade de vda da população. As quatdades de polução etdas serão eddas e quatdades de oóxdo de carboo (CO). A escolha da cocetração de oóxdo de carboo para represetar a quatdade de polução etda e ua deterada regão, deve-se a portâca que este tpo de poluete te para a qualdade do ar urbao e, tabé, pelas característcas eretes a ele cofore é ostrado a segur: é etda por todos os veículos otorzados, sua essão apreseta forte correlação co os reges de operação do tráfego e e áreas urbaas sua prcpal fote de essão é de orge vecular e pode ser usado coo u dcador dos íves de polução atosférca causada por outro tpo de poluetes (ex: hdrocarboetos e chubo) (FREITAS, 99). A etodologa utlza as probabldades coo ferraeta de prevsão, pertdo estabelecer ua relação etre quatdade de veículos e a quatdade de CO etdo o poto observado da va. Ua característca portate das probabldades é, que, ela se costruí a partr da freqüêca dos acotecetos, possbltado detectar efetos de outros fatores que ão são possíves de cotrolar, portato, para aplcação desta etodologa, é portate ater regstros peraetes de dados sobre quatdade de veículos e quatdade de CO, para poder obter resultados satsfatóros as prevsões. Estes regstros deve ser fetos para cada regão cosderada crítca, á que e cada ua delas a quatdade de CO etda pelos veículos otorzados é dferete. Esta deferêca está lgada às característcas do local pesqusado, coo, por exeplo, vas co aclves e declves, provocado aor e eor aceleração dos veículos, portato, as essão de poluetes. Outro exeplo é a exstêca de prédos altos fechado a regão, ão dexado que crcule o ar, tedo coo coseqüêca aor cocetração de poluetes. A qualdade dos dados é ua fase deterate esta etodologa para dar codções de provdecar alares útes, que prevêe stuações potecalete pergosas, coo ENEGEP 2005 ABEPRO 507

2 XXV Ecotro Nac. de Eg. de Produção Porto Alegre, RS, Brasl, 29 out a 0 de ov de 2005 epsódos de polução elevada. Portato a presete etodologa busca obter eddas de polução por regão que perta coparar co os padrões estabelecdos pelas oras acoas e teracoas. Os aspectos ecoôcos de cotrole ou da tolerâca de quatdade de poluetes pertdos e ua deterada regão são ecessaraete coplexos, as as buscas de ovos étodos que cotrbuía de algua fora co este f, deve ser cosderadas portates á que cotrbue para a qualdade de vda das pessoas. 2. Metodologa E prcípo serão defdas as varáves que partcpa a costrução da etodologa, que serão: a quatdade de veículos que passa pelo poto de observação e u deterado tervalo de tepo, que serão eddos e veículos por segudo (ve/seg.) e a quatdade de oóxdo de carboo (CO) regstrado o eso tervalo de tepo, eddos e úero de partículas por lhão de partes de stura (pp) (CETESB, 985). A partcpação destas duas varáves leva a costrur u odelo bvarável, portato a quatdade de cocetrações de CO represetado por C e a quatdade de veículos represetados por V são varáves aleatóras da fora (c, c 2,...c ) e (v, v 2,... v ) respectvaete. Ode: P(V=v ) = f(v ) >0; =,2,... () = f ( ) = (2) v P(C=c ) = g(c )>0; =, 2,. (3) = g( ) = (4) c A fução de probabldade couta das varáves aleatóras, quatdade de veículos e quatdade de CO se represeta por P(V, C) ode: P ( v, c ) 0, para todo (v,c). (5) = = P ( v, c ) = (6) = P( v, c ) = g( c ) (7) P ( v, c ) = = f ( v ) Partdo do suposto que V e C ão são learete depedetes pelo coportaeto característco delas, etão a fução codcoal ou probabldade codcoal de ua (8) ENEGEP 2005 ABEPRO 508

3 XXV Ecotro Nac. de Eg. de Produção Porto Alegre, RS, Brasl, 29 out a 0 de ov de 2005 deterada quatdade de CO dado ua certa quatdade de veículos passado pelo poto observado é: P( v, c ) g ( C ) = (9) v f ( v ) Iforações sobre probabldade codcoal pode ser ecotradas e Barry Jaes (98). O valor esperado é: = E( V, C) = P( v, c )( v, c ) (0) = Por ser V e C duas varáves aleatóras ão learete depedetes, sua covarâca é: σ vc 0, etão: σ = E( V, C) E( V ) E( C) () vc Ode: E(V), é o valor esperado da quatdade de veículos que passa pelo poto observado. E(C), é o valor esperado da quatdade de cocetrações de CO regstrados o poto observado. Coo o estudo se basea a depedêca de C e relação a V, será ecessáro estabelecer esta relação, que parte do suposto que é ua relação lear, para poder aplcar as propredades da regressão lear. E caso de estar frete a ua relação ão lear, recoeda-se trasforar e ua fora lear, usado os étodos coveetes, ver e Kaeta (990), Box e Cox (964), Box e Tdwell (962) e Motgoery (992). A relação lear será estabelecda etre a quatdade de veículos que passa pelo poto de observação e a quatdade de CO regstrado. A varável cosderada depedete é represetada por ua éda codcoal da quatdade de poluetes etdos, dado ua certa quatdade de veículos, expressa coo: P( vc) µ C / v = E (2) f ( v ) Etão a relação etre C e V será dada pelo couto dos potos ( v C / ) lear é: bv, µ, cua expressão v µ C / v = a + (3) Ode: a e b são os parâetros do odelo cuos valores são calculados através das expressões: ENEGEP 2005 ABEPRO 509

4 XXV Ecotro Nac. de Eg. de Produção Porto Alegre, RS, Brasl, 29 out a 0 de ov de 2005 b = ( vc ) P( v, c ) f ( v ) vg( c = = = = σ 2 v ) (4) a = f ( v ) µ C / v b f ( v ) v (5) = = É portate ates de cosderar o odelo coo váldo, verfcar se as suposções da regressão lear ão fora voladas, usar para tato aálses dos resíduos, ver Chatteree & Prce (977). Outra fora de verfcar se o auste é bo cosste e que as soas das varâcas codcoas teda a zero. E caso de u auste perfeto esta soa é zero (MODE, 970). = 2 2 σ C / v = E( C µ C / v ) = 0 (6) = Quado exste u auste adequado, a soa das varâcas é relatvaete grade. 3. Aplcação A presete etodologa fo aplcada usado dados obtdos de ua terseção salzada co seáforo localzada a cdade de Floraópols SC. Etre as ruas Otho Gaa Deça e Nereu Raos. O odelo bvarável está coposta pelas varáves cosderadas a etodologa e são: Fluxo de veículos eddos e veículos por segudo, e cocetrações de CO eddos e pp. Os fluxos veculares e as quatdades de CO fora eddos os esos horáros e os esos das, co tervalos de tepo de 0 utos. O odelo parte do cálculo das probabldades argas f(v ) e g(p ), ode =,2,...7 e =, 2,...7, cuos valores são dados o quadro. Veículos /seg v = 55 v 2 = 80 v 3 = 206 v 4 = 23 v 5 = 257 v 6 = 282 v 7 = 308 Probabldades argas dos veículos f(v ) = 0, f(v 2 ) = 0,222 f(v 3 ) = 0, f(v 4 ) = 0,222 f(v 5 ) = 0,222 f(v 6 ) = 0, f(v 7 ) = 0, Cocetrações de CO e pp c =,3 c 2 = 2,5 c 3 = 3,7 c 4 = 4,9 c 5 = 6, c 6 = 7,3 c 7 = 8,5 Probabldades argas de CO g(c ) = 0, g(c 2 ) = 0,222 g(c 3 ) = 0, g(c 4 ) = 0,222 g(c 5 ) = 0, g(c 6 ) = 0, g(c 7 ) = 0, Quadro Probabldades argas das varáves fluxos veculares e cocetrações de CO Segudo o quadro a quatdade de oóxdo de carboo as freqüete regstrada a terseção observada é e éda 3,7 pp. ENEGEP 2005 ABEPRO 5020

5 XXV Ecotro Nac. de Eg. de Produção Porto Alegre, RS, Brasl, 29 out a 0 de ov de 2005 As probabldades coutas das varáves aalsadas estão apresetadas o quadro 2. P(v, c ) P(v 2, c.) P(v 3, c.) P(v 4, c.) P(v 5, c.) P(v 6, c.) P(v 7, c.) P(v, c ) 0,06060 P(v, c 2 ) 0, , , ,09090 P(v, c 3 ) 0, ,88 0, ,03030 P(v, c 4 ) 0, , , ,09090 P(v, c 5 ) 0,03030 P(v, c 6 ) P(v, c 7 ) 0,06060 Quadro 2 Probabldades coutas das varáves fluxos veculares e cocetrações de CO O fato que acotece este cruzaeto co aor probabldade (0,82) é a passage de 206 ve/seg e éda, produzdo ua polução edda e cocetrações de CO de 3,7 pp. Coo o teresse da etodologa ão é só deterar as probabldades potuas de cada state observado, se ão tabé de costrur u odelo que coplete o obetvo de prevsão. Etão a relação costruída é: µ C / v = 3, , 0372v Usado as propredades da regressão lear fo possível calcular o coefcete de deteração do odelo austado, cuo valor é gual 0,87, o qual dca que a reta de regressão austa-se be às observações. Tabé fo provado que exste u efeto lear etre as varáves que partcpa o odelo, para tato fo utlzado o teste estatístco F, cuos valores são, F 0 = 39,638 > F 0,05 (,5) = 6,6. Para verfcar se as suposções da regressão ão fora voladas fo utlzado o gráfco de resíduos, os quas ostrara que ão exste falta de leardade, os erros te varâca costate e ão fo detectada observação extrea, ver aexo, fgura. E quato a oraldade dos resíduos ão fora obtdas dcações de volação a este suposto, ver aexo, fgura Coclusões O obetvo do presete trabalho de passar u ovo étodo que srva coo ferraeta de cotrole sobre o coportaeto do tráfego de veículos otorzados que passa pelo poto observado e relação à quatdade de CO etdo por eles fo alcaçado. O uso das probabldades pertu através das freqüêcas observadas deterar o grau de cdêca de u deterado volue édo de veículos sobre a quatdade de polução exstete a área. Usado as probabldades, tabé fo possível costrur ua relação que perta fazer provsões dretas para certa quatdade de veículos que passa pelo poto observado e relação à quatdade de CO regstrado a regão. ENEGEP 2005 ABEPRO 502

6 XXV Ecotro Nac. de Eg. de Produção Porto Alegre, RS, Brasl, 29 out a 0 de ov de 2005 O estudo de caso pode-se caracterzar coo ua stuação ão crítca coo ostra as probabldades coutas cuos valores são baxos, sedo que a quatdade, as alta de polução regstrada o cruzaeto fo de 8,5 pp co ua probabldade de 0,06 produzda por ua quatdade éda de 308 ve/seg. Tabé se pode ter coclusões parcas dos acotecetos, coo por exeplo, a probabldade que o local de pesqusa passe 206 ve/seg. é 0,27. Coo se pode observar os quadros e 2, as probabldades argas e coutas tê valores baxos, sgfca que exste varabldade sgfcatva da quatdade de veículos e a quatdade de polução regstrada durate o tervalo de tepo de observação. Isto é exste udaça peraete as característcas do tráfego e a quatdade de CO etda a área durate o da. Referêcas BARRY, R. J. (98) Probabldade. Isttuto de Mateátca Pura e Aplcada (IMPA). BOX, G. E. & COX D. R. (964) - A Aalyss of Trasforatos. Joural of the Royal Statstcal Socety, sere B, v. 26,. 2, p BOX, G. E. & TIDWELL P.W. (962) - Trasforato of the Idepedet Varables. Techoetrcs, Vol. 4,.4 p CETESB. (985) Ivetaro de Essão Vecular: Metodologa de calculo. São Paulo. CHATTERJEE, S. & PRICE B. (977) Regresso Aalyss by Exaple. Joh Wley & Sos, Ic. New York. FREITAS, I. M. D. P. (99) - Método para Deterar a Capacdade Abetal e Vas Urbaas: O Caso das Iterseções Seaforzadas. Tese de Mestrado COPPE/UFRJ, Ro de Jaero. KAMENTA, J. (990) - Eleetos de Ecooetra. Vol. 2, ed. Atlas S. A. São Paulo. MODE, E. B. (970) Eleetos de Probabldades y Estadstca. Ed. Reverte Mexcaa, S. A. MONTGOMERY, D.C. & PECK E. A. (992) - Itroducto to Lear Rrgresso Aalyss. 2 a ed. Joh Wley e Sos, Ic., New York. ENEGEP 2005 ABEPRO 5022

7 XXV Ecotro Nac. de Eg. de Produção Porto Alegre, RS, Brasl, 29 out a 0 de ov de 2005 ANEXO,4,0 0,6 Resíduos 0,2-0,2-0,6 -,0 -,4,0 2,5 4,0 5,5 7,0 8,5 Valores austados Fgura - Gráfco de resíduos cotra valores austados,6,2 Valor esperado da oral 0,8 0,4 0,0-0,4-0,8 -,2 -,6 -,4 -,0-0,6-0,2 0,2 0,6,0,4 Resíduos Fgura 2 - Gráfco de oraldade dos resduos ENEGEP 2005 ABEPRO 5023

MÉTODO PRATICO USADO EM SISTEMAS DE CONTROLE DE POLUENTES EMITIDOS POR VEÍCULOS MOTORIZADOS

MÉTODO PRATICO USADO EM SISTEMAS DE CONTROLE DE POLUENTES EMITIDOS POR VEÍCULOS MOTORIZADOS MÉTODO PRATICO USADO EM SISTEMAS DE CONTROLE DE POLUENTES EMITIDOS POR VEÍCULOS MOTORIZADOS Luz Delca Castllo Vllalobos Doutora, luz_delca@yahoo.co.br Uversdade Tecológca Federal do Paraá - UTFPR Resuo:

Leia mais

16 - PROBLEMA DO TRANSPORTE

16 - PROBLEMA DO TRANSPORTE Prof. Volr Wlhel UFPR TP05 Pesqusa Operacoal 6 - PROBLEMA DO TRANSPORTE Vsa zar o custo total do trasporte ecessáro para abastecer cetros cosudores (destos) a partr de cetros forecedores (orges) a, a,...,

Leia mais

Bioestatística Curso de Saúde. Linha Reta 2 Parábola ou curva do segundo grau. terceiro grau curva do quarto. grau curva de grau n Hipérbole

Bioestatística Curso de Saúde. Linha Reta 2 Parábola ou curva do segundo grau. terceiro grau curva do quarto. grau curva de grau n Hipérbole Teora da Correlação: Probleas relatvos à correlação são aqueles que procura estabelecer quão be ua relação lear ou de outra espéce descreve ou eplca a relação etre duas varáves. Se todos os valores as

Leia mais

8. INFERÊNCIA PARA DUAS POPULAÇÕES

8. INFERÊNCIA PARA DUAS POPULAÇÕES 8 INFERÊNCIA PARA UA POPULAÇÕE 8 Populações depedetes co dstrbução oral População População, L, Y, L,Y ~ N, σ Y ~ N, σ σ σ Y ~ N, Obs e a dstrbução de e/ou Y ão for oral, os resultados são váldos aproxadaete

Leia mais

Capítulo 2. Aproximações de Funções

Capítulo 2. Aproximações de Funções EQE-358 MÉTODOS NUMÉRICOS EM ENGENHARIA QUÍMICA PROFS. EVARISTO E ARGIMIRO Capítulo Aproações de Fuções Há bascaete dos tpos de probleas de aproações: ) ecotrar ua fução as sples, coo u polôo, para aproar

Leia mais

INFERÊNCIA ESTATÍSTICA PARA DUAS POPULAÇÕES

INFERÊNCIA ESTATÍSTICA PARA DUAS POPULAÇÕES INFERÊNCIA ESTATÍSTICA PARA DUAS POPULAÇÕES . Populações depedetes co dstrbução oral População População,, Y,,Y ~ N, Y ~ N, Y ~ N, Obs. Se a dstrbução de e/ou Y ão for oral, os resultados são váldos aproxadaete.

Leia mais

CAPÍTULO III. Aproximação de funções pelo método dos Mínimos Quadrados

CAPÍTULO III. Aproximação de funções pelo método dos Mínimos Quadrados Métodos Nuércos CAPÍULO III C. Balsa & A. Satos Aproxação de fuções pelo étodo dos Míos Quadrados. Algus cocetos fudaetas de Álgebra Lear Relebraos esta secção algus cocetos portates da álgebra Lear que

Leia mais

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento. Prof. Lorí Val, Dr. val@pucrs.r http://www.pucrs.r/famat/val/ Em mutas stuações duas ou mas varáves estão relacoadas e surge etão a ecessdade de determar a atureza deste relacoameto. A aálse de regressão

Leia mais

3- Autovalores e Autovetores.

3- Autovalores e Autovetores. MÉTODOS NUMÉRICOS PARA EQUAÇÕES DIFERENCIAIS PARCIAIS 3- Autovalores e Autovetores. 3.- Autovetores e Autovalores de ua Matrz. 3.- Métodos para ecotrar os Autovalores e Autovetores de ua Matrz. 3.- Autovetores

Leia mais

6. Inferência para Duas Populações USP-ICMC-SME 2013

6. Inferência para Duas Populações USP-ICMC-SME 2013 6. Iferêca ara Duas Poulações UP-ICMC-ME 3 8.. Poulações deedetes co dstrbução oral Poulação Poulação,,,, ~ N, ~ N, ~ N, Obs. e a dstrbução de e/ou ão for oral, os resultados são váldos aroxadaete. Testes

Leia mais

Cap. 5. Testes de Hipóteses

Cap. 5. Testes de Hipóteses Cap. 5. Testes de Hpóteses Neste capítulo será estudado o segudo problema da ferêca estatístca: o teste de hpóteses. Um teste de hpóteses cosste em verfcar, a partr das observações de uma amostra, se uma

Leia mais

Centro de massa Dinâmica do corpo rígido

Centro de massa Dinâmica do corpo rígido Cetro de assa Dâca do corpo rígdo Nota: As fotografas assaladas co () fora retradas do lvro () A. Bello, C. Portela e H. Caldera Rtos e Mudaça, Porto edtora. As restates são retradas de Sears e Zeasky

Leia mais

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø.

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø. Professor Maurco Lutz 1 EGESSÃO LINEA SIMPLES A correlação lear é uma correlação etre duas varáves, cujo gráfco aproma-se de uma lha. O gráfco cartesao que represeta essa lha é deomado dagrama de dspersão.

Leia mais

Econometria: 3 - Regressão Múltipla

Econometria: 3 - Regressão Múltipla Ecoometra: 3 - Regressão Múltpla Prof. Marcelo C. Mederos mcm@eco.puc-ro.br Prof. Marco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo de regressão

Leia mais

Física 1 - Experiência 4 Lei de Hooke Prof.: Dr. Cláudio S. Sartori INTRODUÇÃO: Forma Geral dos Relatórios. Referências:

Física 1 - Experiência 4 Lei de Hooke Prof.: Dr. Cláudio S. Sartori INTRODUÇÃO: Forma Geral dos Relatórios. Referências: Físca 1 - Experêca 4 Le de Hooe Prof.: Dr. Cláudo S. Sartor ITRODUÇÃO: Fora Geral dos Relatóros É uto desejável que seja u cadero grade (forato A4) pautada co folhas eueradas ou co folhas eueradas e quadrculadas,

Leia mais

CAPÍTULO III MÉTODOS DE RUNGE-KUTTA

CAPÍTULO III MÉTODOS DE RUNGE-KUTTA PMR 40 Mecâca Coputacoal CAPÍTULO III MÉTODOS DE RUNGE-KUTTA São étodos de passo sples requere apeas dervadas de prera orde e pode forecer aproxações precsas co erros de trucaeto da orde de, 3, 4, etc.

Leia mais

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA REGRESSÃO LINEAR CUIABÁ, MT 6/ INTRODUÇÃO Relação dos valores da varável depedete (varável resposta) aos valores de regressoras ou exógeas). SIMPLES MÚLTIPLA (varáves depedetes,... =,,, K=,,, k em que:

Leia mais

Construção e Análise de Gráficos

Construção e Análise de Gráficos Costrução e Aálse de Gráfcos Por que fazer gráfcos? Facldade de vsualzação de cojutos de dados Faclta a terpretação de dados Exemplos: Egehara Físca Ecooma Bologa Estatístca Y(udade y) 5 15 1 5 Tabela

Leia mais

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS ANÁLISE DE ERROS A oservação de um feómeo físco ão é completa se ão pudermos quatfcá-lo. Para é sso é ecessáro medr uma propredade físca. O processo de medda cosste em atrur um úmero a uma propredade físca;

Leia mais

3 Experimento com Mistura com Respostas Não-Normais

3 Experimento com Mistura com Respostas Não-Normais Modelagem em Epermetos Mstura-Processo para Otmzação de Processos Idustras 5 Epermeto com Mstura com Respostas Não-Normas Neste capítulo é apresetado o plaejameto e aálse de um EM com respostas ão ormas,

Leia mais

Macroeconometria Aula 3 Revisão de estatística e teste de hipótese

Macroeconometria Aula 3 Revisão de estatística e teste de hipótese Macroecoometra 008. Aula 3 Revsão de estatístca e teste de hpótese 3.5. Estmação No estudo das probabldades, o objetvo é calcular a probabldade de evetos préespecfcados. De agora em date o objetvo muda.

Leia mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou expermetal. Numa relação expermetal os valores de uma das varáves

Leia mais

Modelo de Regressão Simples

Modelo de Regressão Simples Modelo de Regressão Smples Hstora Hstóra Termo regressão fo troduzdo por Fracs Galto (8-9). Estudo sobre altura de pas e flhos. Karl Pearso coletou mas de ml regstros e verfcou a le de regressão uversal

Leia mais

Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira INEP Ministério da Educação MEC. Índice Geral de Cursos (IGC)

Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira INEP Ministério da Educação MEC. Índice Geral de Cursos (IGC) Isttuto Nacoal de Estudos e Pesqusas Educacoas Aíso exera INEP stéro da Educação EC Ídce Geral de Cursos (IGC) O Ídce Geral de Cursos (IGC) é ua éda poderada dos cocetos dos cursos de graduação e pós-graduação

Leia mais

7 Análise de covariância (ANCOVA)

7 Análise de covariância (ANCOVA) Plejameto de Expermetos II - Adlso dos Ajos 74 7 Aálse de covarâca (ANCOVA) 7.1 Itrodução Em algus expermetos, pode ser muto dfícl e até mpossível obter udades expermetas semelhtes. Por exemplo, pode-se

Leia mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental.

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental. É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou Prof. Lorí Val, Dr. val@mat.ufrgs.r http://www.mat.ufrgs.r/~val/ expermetal. Numa relação expermetal os valores de uma das varáves

Leia mais

Centro de massa Dinâmica do corpo rígido

Centro de massa Dinâmica do corpo rígido Cetro de assa Dâca do corpo rígdo Nota: As fotografas assaladas co () fora retradas do lvro () A. Bello, C. Portela e H. Caldera Rtos e Mudaça, Porto edtora. As restates são retradas de Sears e Zeasky

Leia mais

SUBSTITUIÇÕES ENVOLVENDO NÚMEROS COMPLEXOS Diego Veloso Uchôa

SUBSTITUIÇÕES ENVOLVENDO NÚMEROS COMPLEXOS Diego Veloso Uchôa Nível Avaçado SUBSTITUIÇÕES ENVOLVENDO NÚMEROS COMPLEXOS Dego Veloso Uchôa É bastate útl e probleas de olpíada ode teos gualdades ou quereos ecotrar u valor de u soatóro fazeros substtuções por úeros coplexos

Leia mais

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1.

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1. Iterpolação Iterpolação é um método que permte costrur um ovo cojuto de dados a partr de um cojuto dscreto de dados potuas cohecdos. Em egehara e cêcas, dspõese habtualmete de dados potuas, obtdos a partr

Leia mais

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD Dstrbuções Amostras Estatístca 8 - Dstrbuções Amostras 08- Dstrbuções Amostras Dstrbução Amostral de Objetvo: Estudar a dstrbução da população costtuída de todos os valores que se pode obter para, em fução

Leia mais

Tabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f

Tabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f Lsta de exercícos Gabarto e chave de respostas Estatístca Prof.: Nelse 1) Calcule 1, e para o segute cojuto de valores. A,1,8,0,11,,7,8,6,,9, 1 O úmero que correspode a 5% do rol é o valor. O úmero que

Leia mais

Consideremos a fórmula que nos dá a área de um triângulo: = 2

Consideremos a fórmula que nos dá a área de um triângulo: = 2 6. Cálculo Derecal e IR 6.. Fução Real de Varáves Reas Cosdereos a órula que os dá a área de u trâulo: b h A( b h) Coo podeos vercar a área de u trâulo depede de duas varáves: base (b) e altura (h) Podeos

Leia mais

A ciência de coletar, organizar, apresentar, analisar e interpretar dados numéricos com o objetivo de tomar melhores decisões.

A ciência de coletar, organizar, apresentar, analisar e interpretar dados numéricos com o objetivo de tomar melhores decisões. .pucrs.br/faat/val/.at.ufrgs.br/~val/ Prof. Lorí Val, Dr. val@at.ufrgs.br val@pucrs.br Coleção de úeros estatístcas O úe ro de carros ve ddos o país auetou e 30%. A taa de deseprego atge, este ês, 7,%.

Leia mais

Cálculo Numérico Interpolação Polinomial Ajuste de Curvas (Parte II)

Cálculo Numérico Interpolação Polinomial Ajuste de Curvas (Parte II) Cálulo Nuéro Iterpolação Poloal Ajuste de Curvas (Parte II) Pro Jore Cavalat joreavalat@uvasedubr MATERIAL ADAPTADO DOS SLIDES DA DISCIPLINA CÁLCULO NUMÉRICO DA UFCG - wwwdsuedubr/~u/ Ajuste de Curvas

Leia mais

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados 3.1. Meddas de Tedêca Cetral CAPÍTULO 3 MEDIDA DE TENDÊNCIA CENTRAL E VARIABILIDADE UFRG 1 Há váras meddas de tedêca cetral. Etre elas ctamos a méda artmétca, a medaa, a méda harmôca, etc. Cada uma dessas

Leia mais

Estatística: uma definição

Estatística: uma definição Prof. Lorí Val, Dr. val@pucrs.br http://.pucrs.br/faat/val/ Estatístca: ua defção Coleção de úeros estatístcas O úero de carros veddos auetou e 30%. o país A taa de deseprego atge, este ês, 7,%. As ações

Leia mais

3- Autovalores e Autovetores.

3- Autovalores e Autovetores. MÉTODOS NUMÉRICOS PARA EQUAÇÕES DIFERENCIAIS PARCIAIS - Autovalores e Autovetores..- Autovetores e Autovalores de ua Matrz..- Métodos para ecotrar os Autovalores e Autovetores de ua Matrz. Cotuação da

Leia mais

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística BAC 0 - Estatístca Uversdade Federal de Itajubá - Campus Itabra BAC0 - ESTATÍSTICA ESTATÍSTICA DESCRITIVA MEDIDAS DE CENTRO Méda Medda de cetro ecotrada pela somatóra de todos os valores de um cojuto,

Leia mais

Estatística - exestatmeddisper.doc 25/02/09

Estatística - exestatmeddisper.doc 25/02/09 Estatístca - exestatmeddsper.doc 5/0/09 Meddas de Dspersão Itrodução ão meddas estatístcas utlzadas para avalar o grau de varabldade, ou dspersão, dos valores em toro da méda. ervem para medr a represetatvdade

Leia mais

Regressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança

Regressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança Regressão Smples Parte III: Coefcete de determação, regressão a orgem e método de máxma verossmlhaça Coefcete de determação Proporção da varabldade explcada pelo regressor. R Varação explcada Varação total

Leia mais

ESTATÍSTICA Exame Final 1ª Época 3 de Junho de 2002 às 14 horas Duração : 3 horas

ESTATÍSTICA Exame Final 1ª Época 3 de Junho de 2002 às 14 horas Duração : 3 horas Faculdade de cooma Uversdade Nova de Lsboa STTÍSTIC xame Fal ª Época de Juho de 00 às horas Duração : horas teção:. Respoda a cada grupo em folhas separadas. Idetfque todas as folhas.. Todas as respostas

Leia mais

Estatística: uma definição

Estatística: uma definição Prof. Lorí Val, Dr. val@at.ufrgs.br http://.at.ufrgs.br/~val/ Estatístca: ua defção Coleção de úeros estatístcas O úero de carros veddos o país auetou e 30%. A taa de deseprego atge, este ês, 7,%. As ações

Leia mais

A ciência de coletar, organizar, apresentar, analisar e interpretar dados numéricos com o objetivo de tomar melhores decisões.

A ciência de coletar, organizar, apresentar, analisar e interpretar dados numéricos com o objetivo de tomar melhores decisões. Prof. Lorí Val, Dr. val@at.ufrgs.br http://.at.ufrgs.br/~val/ Coleção de úeros estatístcas stcas O úero de carros veddos o país auetou e 30%. A taa de deseprego atge, este ês, 7,%. As ações a da Telebrás

Leia mais

(1) no domínio : 0 x < 1, : constante não negativa. Sujeita às condições de contorno: (2-a) (2-b) CC2: 0

(1) no domínio : 0 x < 1, : constante não negativa. Sujeita às condições de contorno: (2-a) (2-b) CC2: 0 EXEMPLO MOTIVADO II EXEMPLO MOTIVADO II Método da Apromação Polomal Aplcado a Problemas Udrecoas sem Smetra. Equações Dferecas Ordáras Problemas de Valores o otoro Estrutura Geral do Problema: dy() d y()

Leia mais

CAPÍTULO 1 SEMICONDUTORES HOMOGÉNEOS

CAPÍTULO 1 SEMICONDUTORES HOMOGÉNEOS CAPÍTULO 1 SEMICONDUTORES HOMOGÉNEOS Ca. 1 1 Problea SH1 Cosderar ua resstêca de gerâo de to co 1 de secção e 1 c de coreto que a 300 K areseta ua resstêca de 0 Ω. a) Calcular o valor da desdade de urezas,

Leia mais

DISPOSITIVOS ELECTRÓNICOS. Problemas Resolvidos

DISPOSITIVOS ELECTRÓNICOS. Problemas Resolvidos DISPOSITIVOS ELECTRÓNICOS Probleas Resolvdos CAPÍTULO 1 SEMICONDUTORES HOMOGÉNEOS Ca. 1 1 Problea SH1 Cosderar ua resstêca de gerâo de to co 1 de secção e 1 c de coreto que a 300 K areseta ua resstêca

Leia mais

Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. P x t i x t i x t i x t i

Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. P x t i x t i x t i x t i Departaeto de Iforátca Dscpla: do Desepeho de Ssteas de Coputação Cadeas de Marov I Processos de Marov (ou PE Marovao) Sea u processo estocástco caracterzado pela seüêca de v.a s X(t ),,,, Sea X(t ) a

Leia mais

6 Formulação probabilística para problemas de acoplamento fluido mecânico

6 Formulação probabilística para problemas de acoplamento fluido mecânico 6 Forulação probablístca para probleas de acoplaeto ludo ecâco 6.. Itrodução Nesse capítulo do trabalho apreseta-se a orulação probablístca para probleas de acoplaeto ludo ecâco. Nu prero oeto são descrtos

Leia mais

Difusão entre Dois Compartimentos

Difusão entre Dois Compartimentos 59087 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 4 Dfusão etre Dos Compartmetos A le de Fck para membraas (equação 4 da aula passada) mplca que a permeabldade de uma membraa a um soluto é dada pela razão

Leia mais

Centro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola

Centro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola Cetro de Cêcas Agráras e Ambetas da UFBA Departameto de Egehara Agrícola Dscpla: AGR Boestatístca Professor: Celso Luz Borges de Olvera Assuto: Estatístca TEMA: Somatóro RESUMO E NOTAS DA AULA Nº 0 Seja

Leia mais

Relatório 2ª Atividade Formativa UC ECS

Relatório 2ª Atividade Formativa UC ECS Relatóro 2ª Atvdade Formatva Eercíco I. Quado a dstrbução de dados é smétrca ou apromadamete smétrca, as meddas de localzação méda e medaa, cocdem ou são muto semelhates. O mesmo ão acotece quado a dstrbução

Leia mais

II. Propriedades Termodinâmicas de Soluções

II. Propriedades Termodinâmicas de Soluções II. Propredades Termodâmcas de Soluções 1 I. Propredades Termodâmcas de Fludos OBJETIVOS Eteder a dfereça etre propredade molar parcal e propredade de uma espéce pura Saber utlzar a equação de Gbbs-Duhem

Leia mais

HIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia

HIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia Aálse estatístca aplcada à hdrologa. Séres hdrológcas oções complemetares HIDROLOGIA E RECURSOS HÍDRICOS Aálse estatístca aplcada à hdrologa O Egehero HIDRÁULICO Echerá? Que população pode abastecer e

Leia mais

CAPÍTULO 5. Ajuste de curvas pelo Método dos Mínimos Quadrados

CAPÍTULO 5. Ajuste de curvas pelo Método dos Mínimos Quadrados CAPÍTULO Ajuste de curvas pelo Método dos Mímos Quadrados Ajuste Lear Smples (ou Regressão Lear); Ajuste Lear Múltplo (ou Regressão Lear Múltpla); Ajuste Polomal; Regressão Não Lear Iterpolação polomal

Leia mais

Regressao Simples. Parte II: Anova, Estimação Intervalar e Predição

Regressao Simples. Parte II: Anova, Estimação Intervalar e Predição egressao Smples Parte II: Aova, Estmação Itervalar e Predção Aálse de Varâca Nem todos os valores das amostras estão cotdos a reta de regressão, e quato mas afastados estverem por, a reta represetará a

Leia mais

Desenvolvimento de Modelo de Cargas Móveis para Verificação de Fadiga em Pontes Rodoviárias

Desenvolvimento de Modelo de Cargas Móveis para Verificação de Fadiga em Pontes Rodoviárias Desevolveto de Modelo de Cargas Móves para Verfcação de Fadga e Potes Rodováras Líva Ferades Satos 1, Mchèle Schubert Pfel 2 1 lva_ferades@pol.ufrj.br 2 POLI COPPE / UFRJ / pfel@coc.ufrj.br Resuo As potes

Leia mais

Programação Paralela

Programação Paralela rograação aralela FEU 4. Avalação de steas aralelos Defções Razão etre a velocdade de processaeto coseguda o sstea paralelo e a velocdade coseguda co u processador (pouca foração...) Efcêca Quocete do

Leia mais

SOLUÇÃO DE EQUAÇÕES DIFERENCIAIS POR DIFERENÇAS FINITAS-JM Balthazar- Maio Resolvendo um Problema de Condução de Calor

SOLUÇÃO DE EQUAÇÕES DIFERENCIAIS POR DIFERENÇAS FINITAS-JM Balthazar- Maio Resolvendo um Problema de Condução de Calor SOLUÇÃO DE EQUAÇÕES DIFERENCIAIS POR DIFERENÇAS FINIAS-JM Balthazar- Mao 3 Resolvedo u Problea de Codução de Calor Para troduzr o étodo das dfereças ftas de ua fora prátca vaos cosderar u problea de codução

Leia mais

Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística

Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Val, Dr. http://www.pucrs.br/famat/val/ val@pucrs.br Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Obetvos A Aálse de

Leia mais

INTRODUÇÃO À PROBABILIDADE E ALGUNS RESULTADOS IMPORTANTES

INTRODUÇÃO À PROBABILIDADE E ALGUNS RESULTADOS IMPORTANTES Uversdade do Estado do Ro de Jaero UERJ Isttuto de Mateátca e Estatístca - IME Cursos: Estatístca e Atuára Dscpla: Tecologa da Aostrage I Professor: Marcelo Rubes ITRODUÇÃO À PROBABILIDADE E ALGUS RESULTADOS

Leia mais

Hipóteses do Modelo de Regressão Linear Clássico

Hipóteses do Modelo de Regressão Linear Clássico Uversdade Federal da Baha Facldade de Cêcas coômcas Departameto de cooma CO 66 Itrodção à coometra Hpóteses do Modelo de Regressão Lear Clássco Gerváso F. Satos Propredades dos estmadores de MQO As estmatvas

Leia mais

Regressão e Correlação

Regressão e Correlação Regressão e Correlação Júlo Osóro Regressão & Correlação: geeraldades Em mutas stuações de pesqusa cetífca, dspomos de uma amostra aleatóra de pares de dados (x, ), resultates da medda cocomtate de duas

Leia mais

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL Faculdade de Tecologa de Cataduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL 5. Meddas de Posção cetral ou Meddas de Tedêca Cetral Meddas de posção cetral preocupam-se com a caracterzação e a

Leia mais

Forma padrão do modelo de Programação Linear

Forma padrão do modelo de Programação Linear POGAMAÇÃO LINEA. Forma Padrão do Modelo de Programação Lear 2. elações de Equvalêca 3. Suposções da Programação Lear 4. Eemplos de Modelos de PPL 5. Suposções da Programação Lear 6. Solução Gráfca e Iterpretação

Leia mais

Objetivos. O Modelo Linear Geral (GLM - General Linear Model) suporta, também, variáveis categóricas dependentes.

Objetivos. O Modelo Linear Geral (GLM - General Linear Model) suporta, também, variáveis categóricas dependentes. Prof. Lorí Val, Dr. http://www. ufrgs.br/~val val/ val@mat.ufrgs.br Obetvos álse de varâca (NOV) É utlzada para mostrar os efetos prcpas de varáves categórcas depedetes (deomadas de fatores) sobre uma

Leia mais

Controle Estatístico de Qualidade. Capítulo 6 (montgomery)

Controle Estatístico de Qualidade. Capítulo 6 (montgomery) Cotrole Estatístco de Qualdade Capítulo 6 (motgomery) Gráfcos de Cotrole para Atrbutos Itrodução Mutas característcas da qualdade ão podem ser represetadas umercamete. Nestes casos, classfcamos cada tem

Leia mais

NOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling

NOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling 4 INFERÊNCIA SOBRE O VETOR DE MÉDIAS 4. TESTE PARA UM VETOR DE MÉDIAS µ Lembrado o caso uvarado: H : µ = µ H : µ µ Nível de sgfcâca: α Estatístca do teste: X µ t = s/ ~ t Decsão: se t > t - (α/) rejeta-se

Leia mais

Regressão Linear Múltipla

Regressão Linear Múltipla Prof. Lorí Val, Dr. http://www.pucrs.br/faat/val/ val@pucrs.br Regressão Lear Múltpla O odelo de regressão lear últpla Itrodução Defção e terologa Iterpretação Estação Iterpretação revstada Qualdade do

Leia mais

5 Critérios para Análise dos Resultados

5 Critérios para Análise dos Resultados 5 Crtéros para Aálse dos Resultados Este capítulo tem por objetvos forecer os crtéros utlzados para aálse dos dados ecotrados a pesqusa, bem como uma vsão geral dos custos ecotrados e a forma de sua evolução

Leia mais

Tópicos Extras 2ª parte. Análise de Correlação e Regressão

Tópicos Extras 2ª parte. Análise de Correlação e Regressão Tópcos Extras ª parte Aálse de Correlação e Regressão 1 Defções báscas ANÁLISE DE CORRELAÇÃO Mesurar a força da assocação etre as varáves (geralmete através do cálculo de algum coefcete). ANÁLISE DE REGRESSÃO

Leia mais

Probabilidade II Aula 10

Probabilidade II Aula 10 Probabldade II Aula 0 Mao de 009 Môca Barros, D.Sc. Coteúdo Esperaça Matemá (Valores esperados) Mometos e Mometos Cetras Valores esperados de uma fução de Covarâca e Correlação Matrz de covarâca, matrz

Leia mais

Como primeiro exemplo de uma relação de recorrência, consideremos a seguinte situação:

Como primeiro exemplo de uma relação de recorrência, consideremos a seguinte situação: Relações de Recorrêcas - Notas de aula de CAP Prof. José Carlos Becceer. Ao 6. Ua Relação de Recorrêca ou Equação de Recorrêca defe ua fução por eo de ua epressão que clu ua ou as stâcas (eores) dela esa.

Leia mais

Estudo do intervalo de confiança da regressão inversa utilizando o software R

Estudo do intervalo de confiança da regressão inversa utilizando o software R Estudo do tervalo de cofaça da regressão versa utlzado o software R Llae Lopes Cordero João Domgos Scalo. Itrodução Na maora das aplcações evolvedo regressão, determa-se o valor de Y correspodete a um

Leia mais

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados Capítulo : Ajuste de curvas pelo método dos mímos quadrados. agrama de dspersão No capítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas por uma taela de valores. Frequetemete o etato

Leia mais

Total Bom Ruim Masculino

Total Bom Ruim Masculino UNIDADE I - ESTUDO DIRIGIDO Questão - Classfque as varáves em qualtatva (omal ou ordal ou quattatva (cotíua ou dscreta: a. População: aluos de uma Uversdade. Varável: cor dos cabelos (louro, castaho, ruvo,

Leia mais

TESTES DE PROPORÇÕES TESTE DE UMA PROPORÇÃO POPULACIONAL

TESTES DE PROPORÇÕES TESTE DE UMA PROPORÇÃO POPULACIONAL TESTES DE PROPORÇÕES TESTE DE UMA PROPORÇÃO POPULACIONAL As hpóteses a serem testadas serão: H 0 : p p 0 H : p p 0 p > p 0 p < p 0 Estatístca do Teste: pˆ p0 z c p ( p ) 0 0 EXEMPLOS. Uma máqua está regulada

Leia mais

CAPÍTULO VIII DIFERENCIAIS DE ORDEM SUPERIOR FÓRMULA DE TAYLOR E APLICAÇÕES

CAPÍTULO VIII DIFERENCIAIS DE ORDEM SUPERIOR FÓRMULA DE TAYLOR E APLICAÇÕES CAPÍTULO VIII DIFERENCIAIS DE ORDEM SUPERIOR FÓRMULA DE TAYLOR E APLICAÇÕES. Dferecas de orde superor Tratareos apeas o caso das fuções de A R e R sedo que o caso geral das fuções de A R e R se obté a

Leia mais

Estatística. 2 - Estatística Descritiva

Estatística. 2 - Estatística Descritiva Estatístca - Estatístca Descrtva UNESP FEG DPD Prof. Edgard - 0 0- ESTATÍSTICA DESCRITIVA Possblta descrever as Varáves: DESCRIÇÃO GRÁFICA MEDIDAS DE POSIÇÃO MEDIDAS DE DISPERSÃO MEDIDAS DE ASSIMETRIA

Leia mais

QUESTÕES DISCURSIVAS Módulo

QUESTÕES DISCURSIVAS Módulo QUESTÕES DISCURSIVAS Módulo 0 009 D (FUVEST-SP 008 A fgura ao lado represeta o úero + o plao coplexo, sedo a udade agára Nessas codções, a detere as partes real e agára de e b represete e a fgura a segur

Leia mais

VOLUME Considerando a transformação isocórica: p T. = com T em Kelvin. T 1. N p = K. = 1, N/m 2. Logo, p 2.

VOLUME Considerando a transformação isocórica: p T. = com T em Kelvin. T 1. N p = K. = 1, N/m 2. Logo, p 2. Físca III Aual OLUME AULAS E : GASES ERFEIOS EXERCÍCIOS ROOSOS Cosderado a trasoração socórca: co e Kelv 5 N 7, ( 7 + 7) K ( 7 + 7) K Logo,,8 5 N/ Esse roblea ode ser resolvdo aalsado-se o úero de oléculas

Leia mais

Dados Experimentais. Isto é chamado de experimento controlado. Uma das vantagens

Dados Experimentais. Isto é chamado de experimento controlado. Uma das vantagens Dados xpermetas Para medr a produção de certa varedade de mlho, faremos um expermeto o qual a varedade de mlho semete é platada em váras parcelas homogêeas com o mesmo fertlzate, pestcda etc. Depos mede-se

Leia mais

REGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi

REGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi REGESD Prolc Matemátca e Realdade- Profª Suz Samá Pto e Profº Alessadro da Slva Saad Meddas de Posção ou Tedêca Cetral As meddas de posção ou meddas de tedêca cetral dcam um valor que melhor represeta

Leia mais

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS Físca Arqutectura Pasagístca Análse de erros ANÁLISE DE ERROS A ervação de u fenóeno físco não é copleta se não puderos quantfcá-lo Para é sso é necessáro edr ua propredade físca O processo de edda consste

Leia mais

CONHECIMENTOS ESPECÍFICOS

CONHECIMENTOS ESPECÍFICOS CONHECIMENTOS ESPECÍFICOS Uma uversdade oferece um curso para capactação profssoal de joves caretes. Ao fal do curso, cada jovem partcpate será avalado por meo de uma prova teórca e de uma prova prátca,

Leia mais

A análise de variância de uma classificação (One-Way ANOVA) verifica se as médias de k amostras independentes (tratamentos) diferem entre si.

A análise de variância de uma classificação (One-Way ANOVA) verifica se as médias de k amostras independentes (tratamentos) diferem entre si. Prof. Lorí Va, Dr. http://www. ufrgs.br/~va/ va@mat.ufrgs.br aáse de varâca de uma cassfcação (Oe-Way NOV) verfca se as médas de amostras depedetes (tratametos) dferem etre s. Um segudo tpo de aáse de

Leia mais

Representação dos padrões. Tipos de atributos. Etapas do processo de agrupamento. 7.1 Agrupamento clássico. 7. Agrupamento fuzzy (fuzzy clustering)

Representação dos padrões. Tipos de atributos. Etapas do processo de agrupamento. 7.1 Agrupamento clássico. 7. Agrupamento fuzzy (fuzzy clustering) 7. Agrupaeto fuzzy (fuzzy clusterg) 7. Agrupaeto clássco Agrupaeto é a classfcação ão-supervsoada de padrões (observações, dados, objetos, eeplos) e grupos (clusters). Itutvaete, padrões seelhates deve

Leia mais

MEDIDAS DE TENDÊNCIA CENTRAL I

MEDIDAS DE TENDÊNCIA CENTRAL I Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, edca Veterára, uscoterapa, Odotologa, Pscologa EDIDAS DE TENDÊNCIA CENTRAL I 7 7. EDIDAS DE

Leia mais

DISTRIBUIÇÃO HIPERGEOMÉTRICA

DISTRIBUIÇÃO HIPERGEOMÉTRICA 7 DISTRIBUIÇÃO HIPERGEOMÉTRICA Cosdere-se uma população fta costtuída por N elemetos dstrbuídos por duas categoras eclusvas e eaustvas de dmesões M e N M, respectvamete. Os elemetos da prmera categora

Leia mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental. É o grau de assocação etre duas ou mas varáves. Pode ser: Prof. Lorí Val, Dr. val@pucrs.br http://www.pucrs.br/famat/val www.pucrs.br/famat/val/ correlacoal ou expermetal. Numa relação expermetal os valores

Leia mais

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples.

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples. Estudo das relações etre peso e altura de estudates de estatístca através da aálse de regressão smples. Waessa Luaa de Brto COSTA 1, Adraa de Souza COSTA 1. Tago Almeda de OLIVEIRA 1 1 Departameto de Estatístca,

Leia mais

Avaliação da qualidade do ajuste

Avaliação da qualidade do ajuste Avalação da qualdade do ajuste 1 Alguma termologa: Modelo ulo: é o modelo mas smples que pode ser defdo, cotedo um úco parâmetro ( µ) comum a todos os dados; Modelo saturado: é o modelo mas complexo a

Leia mais

Parte 3 - Regressão linear simples

Parte 3 - Regressão linear simples Parte 3 - Regressão lear smples Defção do modelo Modelo de regressão empregado para eplcar a relação lear etre duas varáves (ajuste de uma reta). O modelo de regressão lear smples pode ser epresso a forma:

Leia mais

MÓDULO 8 REVISÃO REVISÃO MÓDULO 1

MÓDULO 8 REVISÃO REVISÃO MÓDULO 1 MÓDULO 8 REVISÃO REVISÃO MÓDULO A Estatístca é uma técca que egloba os métodos cetícos para a coleta, orgazação, apresetação, tratameto e aálse de dados. O objetvo da Estatístca é azer com que dados dspersos

Leia mais

5. Métricas para Definição de Níveis de Homogeneidade e Heterogeneidade em Sistemas Computacionais Distribuídos

5. Métricas para Definição de Níveis de Homogeneidade e Heterogeneidade em Sistemas Computacionais Distribuídos étrcas para Defção de Níves de Hoogeedade e Heterogeedade e steas Coputacoas Dstrbuídos 5. étrcas para Defção de Níves de Hoogeedade e Heterogeedade e steas Coputacoas Dstrbuídos A heterogeedade dos recursos

Leia mais

Balanço de Massa e Energia Aula 2

Balanço de Massa e Energia Aula 2 alaço de assa e Eerga ula Udades e Desão Desão: Quatdade que pode ser edda, são as gradezas báscas coo copreto, assa, tepo, teperatura etre outras, ou quatdades calculadas pela dvsão ou ultplcação de outras

Leia mais

CADERNO 1 (É permitido o uso de calculadora gráfica.)

CADERNO 1 (É permitido o uso de calculadora gráfica.) Proposta de teste de avalação [mao 09] Nome: Ao / Turma: N.º: Data: - - Não é permtdo o uso de corretor. Deves rscar aqulo que pretedes que ão seja classfcado. A prova clu um formuláro. As cotações dos

Leia mais

Algoritmos de Interseções de Curvas de Bézier com Uma Aplicação à Localização de Raízes de Equações

Algoritmos de Interseções de Curvas de Bézier com Uma Aplicação à Localização de Raízes de Equações Algortmos de Iterseções de Curvas de Bézer com Uma Aplcação à Localzação de Raízes de Equações Rodrgo L.R. Madurera Programa de Pós-Graduação em Iformátca, PPGI, UFRJ 21941-59, Cdade Uverstára, Ilha do

Leia mais

Determine a média de velocidade, em km/h, dos veículos que trafegaram no local nesse período.

Determine a média de velocidade, em km/h, dos veículos que trafegaram no local nesse período. ESTATÍSTICA - 01 1. (UERJ 01) Téccos do órgão de trâsto recomedaram velocdade máxma de 80 km h o trecho de uma rodova ode ocorrem mutos acdetes. Para saber se os motorstas estavam cumprdo as recomedações,

Leia mais

Econometria: 4 - Regressão Múltipla em Notação Matricial

Econometria: 4 - Regressão Múltipla em Notação Matricial Ecoometra: 4 - Regressão últpla em Notação atrcal Prof. arcelo C. ederos mcm@eco.puc-ro.br Prof. arco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo

Leia mais