Probabilidades como ferramentas de controle da quantidade de poluentes emitidos pelo tráfego de veículos motorizados
|
|
- Alícia Antunes Ramires
- 5 Há anos
- Visualizações:
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 Luz Delca Castllo Vllalobos Doutora, luz_delca@yahoo.co.br Uversdade Tecológca Federal do Paraá - UTFPR Resuo:
Leia mais16 - 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 maisBioestatística 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 mais8. 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 maisCapítulo 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 maisINFERÊNCIA 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 maisCAPÍTULO 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 maisEm 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 mais3- 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 mais6. 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 maisCap. 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 maisCentro 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 maisProfessor 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 maisEconometria: 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 maisFísica 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 maisCAPÍTULO 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 maisREGRESSÃO 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 maisConstrução 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 maisANÁLISE 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 mais3 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 maisMacroeconometria 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 maisÉ 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 maisModelo 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 maisInstituto 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 mais7 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 maisÉ 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 maisCentro 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 maisSUBSTITUIÇÕES 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 maisInterpolação. 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 maisDistribuições 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 maisTabela 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 maisConsideremos 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 maisA 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 maisCálculo 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 maisCAPÍTULO 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 maisEstatística: 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 mais3- 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 maisMédia. 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 maisEstatística - 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 maisRegressão 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 maisESTATÍSTICA 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 maisEstatística: 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 maisA 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
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 maisCAPÍTULO 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 maisDISPOSITIVOS 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 maisDepartamento 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 mais6 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 maisDifusão 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 maisCentro 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 maisRelatório 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 maisII. 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 maisHIDROLOGIA 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 maisCAPÍTULO 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 maisRegressao 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 maisDesenvolvimento 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 maisProgramação 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 maisSOLUÇÃO 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 maisProf. 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 maisINTRODUÇÃO 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 maisHipóteses 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 maisRegressão 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 maisFaculdade 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 maisForma 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 maisObjetivos. 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 maisControle 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 maisNOTAS 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 maisRegressão 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 mais5 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 maisTópicos 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 maisProbabilidade 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 maisComo 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 maisEstudo 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 maisCapítulo 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 maisTotal 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 maisTESTES 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 maisCAPÍTULO 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 maisEstatística. 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 maisQUESTÕES 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 maisVOLUME 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 maisDados 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 maisREGESD 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 maisANÁLISE 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 maisCONHECIMENTOS 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 maisA 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 maisRepresentação 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 maisMEDIDAS 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 maisDISTRIBUIÇÃO 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 maisÉ 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 maisEstudo 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 maisAvaliação 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 maisParte 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 maisMÓDULO 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 mais5. 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 maisBalanço 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 maisCADERNO 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 maisAlgoritmos 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 maisDetermine 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 maisEconometria: 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