GERAÇÃO DE RUÍDO ROSA A PARTIR DE RUÍDO BRANCO

Tamanho: px
Começar a partir da página:

Download "GERAÇÃO DE RUÍDO ROSA A PARTIR DE RUÍDO BRANCO"

Transcrição

1

2 SMA I Semáro Bralero de gehara de Áudo, 9 a de Juho,, Belo Horzote MG GRAÇÃO D RUÍDO ROSA A PARTIR D RUÍDO BRANCO Sde Nocet Flho e Adré L. Dalcatagê LINS: Crcuto e Proceameto de Sa Departameto de gehara létrca, UFSC Campu Uvertáro, 8849 Floraópol SC Bral Tel: (xx48) 954, Fax: (xx48) 99 de@le.ufc.br adre@le.ufc.br Reumo Nete trabalho é motrado como obter ruído roa a partr de ruído braco. A razão de e obter ruído roa dea forma e deve ao fato do memo er ecotrado a atureza juto com outro ruído como ruído de exceo e, tpcamete, e apreetar dtrbuído o epectro de freqüêca de forma dferete da deal. O ruído roa tem aplcaçõe em ítee de o da atureza e a medçõe de tema eletroacútco. Abtract Th paper troduce a method of geeratg pk oe from whte oe. The ma purpoe of obtag pk oe by th way, that th type of oe foud ature alog wth other oe ort a exce oe. Moreover, uch a oe preet a power pectral dety whch dfferet from the deal dtrbuto. Pk oe ha applcato everal doma, uch a ythee of ature oud, electroacoutc meauremet, amog other ue. I. INTRODUÇÃO O ruído ão quaquer a que têm a capacdade de reduzr a telgbldade de uma formação de om, magem ou dado. No etato, o ruído têm eu lado útl. Devdo à ua rqueza epectral, algu tpo de ruído ervem de fote para a ítee da fala, de o da atureza e de o de trumeto muca. m adção, ão úte para a calbração de equpameto eletrôco, como a de tete, e a medda da caracterítca de tema de áudo eletroacútco. m medçõe de tema eletroacútco, trê tpo de a têm do uado: ) a uoda (uualmete 6 freqüêca por otava); ) ruído braco (quado e utlza bada de largura cotate); ) ruído roa (quado e utlza bada relacoada por um fator cotate como, por exemplo, / de otava ou / de década). A vatagem da utlzação de ruído roa ao vé de a uoda ou ruído braco erá jutfcada a Seção II dete trabalho. Um ruído roa deal apreeta uma Dedade pectral de Potêca (DP) (eta gradeza erá defda a Seção II) proporcoal a / f, ou eja, a potêca do ruído tem uma varação veramete proporcoal à freqüêca. te tpo de ruído também é chamado de ruído de exceo, por etar preete em dpotvo eletrôco juto com outro tpo de ruído. Além do, A DP do ruído de exceo ecotrado a atureza tpcamete apreetam uma caracterítca proporcoal a / f a e tem do obervado que o expoete a aume valore de,8 a, em váro dpotvo []. Por ea razão, é uual gerar um ruído roa com DP proporcoal a / f, a partr de um ruído braco. É poível ecotrar a lteratura propota de rede equalzadora aalógca [] que pobltam a geração de ruído roa a partr de ruído braco utlzado fuçõe de traferêca com gulardade (pólo e zero) rea. Porém, a precão obtda pode ão er ufcete para alguma aplcaçõe. Nete trabalho, prmeramete e motra a clação obtda a magtude da repota em freqüêca em fução da relação etre a freqüêca do pólo e zero quado a ordem é ufcetemete alta de tal forma que a deformaçõe próxma do prmero pólo e do últmo zero ão deprezíve a regão de medda da clação. Nete cao, a ordem do tema ão é preetabelecda. O outro reultado apreetado ete trabalho ão baeado em técca de otmzação. Coderado a faxa de áudo, determoue a melhor poção para o pólo e zero em fução da ordem do tema. É também apreetada a forma de projetar do tpo de rede, que permtem obter ruído roa quae deal a partr de um ruído braco. A prmera da rede é eecalmete atva, e tem do apreetada a lteratura pertete []. A eguda rede, propota ete trabalho, pode er pava, dede que ão eja eceára uma amplfcação. te trabalho etá orgazado da egute forma: a Seção II, apreetae alguma defçõe báca que pobltam um melhor etedmeto dete trabalho; a Seção III, motrae uma da poíve forma de e obter ruído roa a partr de ruído braco; a Seção IV, etudae a clação da repota em freqüêca da rede equalzadora, em fução da relação etre o eu pólo e zero, quado a ordem é lvre; a Seção V; é motrada a melhor poção da gulardade da fução equalzadora em fução da ordem, para a faxa de aúdo; a Seção VI, é motrado como projetar a rede equalzadora para geração de ruído roa a partr de ruído braco; a Seção VII, ão apreetada a cocluõe. II. DFÇÕS BÁSICAS A. Dedade pectral de Potêca A fução DP ( Sx ( w ) ou Sx ( f ) ) de um al xt ( ) defe a dedade de potêca por udade de bada em fução da freqüêca (potêca méda por udade de bada) do memo. A ua udade é Watt por radao por egudo ( W/rad/ ) ou Watt por Hertz ( W/Hz ). A ua tegral em uma determada bada o forece a potêca méda do al [].

3 Ma por que defr ma eta gradeza Sx ( w )? Como e abe, a traformada de Fourer de um al é uma mportatíma ferrameta matemátca que o auxla a terpretar fcamete a e tema, am como aalar e tetzar tema. Sabemo que e um tema etável, lear e varate (amplfcador, fltro ou tema eletroacútco) com uma repota em freqüêca H ( w ) é exctado com um al xt ( ), com traformada de Fourer X ( w ), ua aída apreeta um al rt ( ), com traformada de Fourer R( w ) dada por: R( w ) = H( w) X( w ) () Porém, em todo o a têm traformada de Fourer. A extêca dea traformada etá codcoada a uma repreetação do al por uma fução matemátca. Como algu a ão pouem tal repreetação (a maora do ruído, por exemplo), utlzae a fução DP como uma forma de caracterzálo. Se um al com DP Sx ( w ) é aplcado a um tema etável, lear e varate, com repota em freqüêca H ( w ), a DP do al de aída do tema, Sr ( w ), é dada por: S ( w ) = H( w) S ( w ) (.a) ou r x S ( f) = H( f) S ( f) (.b) r A fução Dedade pectral de Potêca Sx ( f) também é comumete exprea a udade A/Hz e V /Hz. Ou eja, também é defda como potêca méda por udade de bada, em um retor de W. Io e deve ao fato de que algu ruído e apreetam a atureza ob a forma de correte ou teõe. Como, para um retor de W, o valore efcaze de teão e de correte ão a raz quadrada potva da potêca méda, o ruído também ão apreetado a forma de valor rm de correte ou valor rm de teão por raz de Hertz, a udade A/ Hz e V/ Hz, repectvamete. B. Ruído Braco O ruído braco é, por defção, aquele que tem a ua potêca dtrbuída uformemete o epectro de freqüêca, ou eja, Sw( f) = Nw, que é uma cotate. O ome ruído braco advém da aaloga com o epectro eletromagétco a faxa de luz. A luz braca cotém toda a freqüêca do epectro vível, daí o ome adotado. C. Ruído Roa O ruído roa é, por defção, aquele cuja DP é proporcoal ao vero da freqüêca, a forma Sp( f) = Np / f. O ome ruído roa vem também de uma aaloga com o epectro lumoo. A luz vermelha pou a ma baxa freqüêca do epectro vível e o ruído roa tem ma eerga a baxa freqüêca. Detre todo o ruído, o ruído roa é o que ma tem relação com o o da atureza. Se coveetemete x equalzado, pode er uado para gerar o de chuva, cachoera, veto, ro caudaloo e outro o atura. A fução DP em uma bada B = f f o forece a potêca méda da fução. tão, para a DP S ( f) = N / f, a tegral o forece uma potêca méda p p P p do ruído dada por: f df f Pp = Npò = Np l. () f f f Vamo determar agora qual é a potêca méda do ruído roa em uma bada que é veze a bada aterormete coderada ( B = B = f f): f f P = N l = N l = P. (4) p p p p f f te reultado dca que a potêca méda do ruído roa é cotate e a medda ão feta em bada que e relacoam por um fator cotate. Io também acotece com o ruído braco e a medda ão feta com largura de bada cotate. Coderemo o cao de medda a faxa de áudo, prmeramete com medda em / de otava e com freqüêca aumetado com fator cotate (ou com um percetual fxo % = ( ) % ). Chamado a freqüêca cal da prmera bada de uma otava qualquer de f, a freqüêca cal da eguda bada erá f. A freqüêca cal da tercera bada erá f e a freqüêca fal erá f. Como a freqüêca fal de uma otava é, teme que: f f = f \ = =, (5) Coderado, por mplcdade de cálculo, que a bada total de áudo teme f = Hz e f = khz, teríamo cerca de otava e portato um total de bada de freqüêca. A orma ISO Iteratoal Stadard Orgazato etabelece freqüêca em toro de 5Hz e 5 khz para f e f, repectvamete. Logo, o úmero uual de bada de freqüêca é maor do que. Coderemo agora medda em / de década e com freqüêca aumetado com fator cotate '. Chamado a freqüêca cal da prmera bada de uma década qualquer de f, a freqüêca cal da eguda bada erá ' f. De forma aáloga ao deevolvmeto feto aterormete, teme que: ( ') f f = \ ' = (6) Logo, o aumeto percetual ao e atuar em ecala de / de década, é aproxmadamete gual à atuação em ecala de / de otava. Se pearmo em bada de largura cotate com o tuto de utlzar o ruído braco como al de etrada para

4 a medda e tomado como bae a largura da prmera bada B =, 6 Hz Hz = 5, Hz, teríamo um úmero aproxmado de (. ) 5, =.84 bada! No fal da bada, o acrécmo eram de aproxmadamete (5,.) % =,6 %. Se tomáemo valore de bada cotate, fxado em o eu úmero máxmo, a bada teram a largura de aproxmadamete (. ) = 666 Hz. A varação percetual o íco da bada era de (666 ) % =. %! III. DTRMINAÇÃO D RUÍDO ROSA A PARTIR D UM RUÍDO BRANCO Para f ddátco, vamo vetgar calmete o que acotece quado paamo um ruído braco atravé de um fltro paabaxa de a ordem, coforme é lutrado a Fgura. Ruído braco V I (w) R C V O (w) (w) H V O (w) = V I (w) Fgura Aplcação do ruído braco em um fltro paabaxa de a ordem. Pode er motrado que a magtude da repota em freqüêca ao quadrado é: H ( w ) = (7) ( w RC) Se a faxa de freqüêca de teree for forçada a codção ( w RC)?, teme: /( RC) H ( w = ( wrc) w Logo, obtéme a aída do fltro um ruído do tpo / f uma vez que a Dedade pectral do ruído braco é S ( w ) = N. w w /( RC) NB SO( w ) = Sw( w). H( w ) = Nw = (9) w w O fltro paabaxa de a ordem apreeta uma clação de 6 /otava quado ( w RC)? e com ele e obtém ruído / f. Sedo am, para e obter um ruído roa com Dedade pectral / f a partr de um ruído braco era eceáro um fltro tal que H ( w / w ou H ( w / w, que apreetara uma clação de /otava. a fução ão é fcamete realzável a ua forma exata, porém é poível obter uma boa aproxmação em uma determada faxa de freqüêca. Uma da forma poíve para a obteção de uma repota em freqüêca cuja magtude apreete uma clação de /otava, é projetar um fltro com pólo e zero rea alterado, com fução de traferêca dada por: (8) Hf ( z)( z) ( z ) H() = ( p )( p ) ( p ) () ode é a ordem do tema; z,, z ão o zero em rad/, p,, p ão o pólo em rad/; H f é o valor da fução de traferêca quado. O gaho a orgem dea fução de traferêca é: Hf zz z H () = pp p () Fxado e a freqüêca lmte da bada deejada, exte uma poção ótma para o pólo e zero de H( ) de modo que a clação de H( w ) e aproxma ao máxmo de /otava. Quato maor a quatdade de pólo e zero, H( w ) erá ma próxma da fução deal. IV. DTRMINAÇÃO DA RLAÇÃO ÓTIMA NTR AS SINGULARIDADS RAIS Nete etudo, da melhor relação etre o pólo e zero ( k ) e a clação ( I ), fo feto com um úmero relatvamete grade de gulardade ( gulardade ou = ), para melhorar a precão do reultado. O pólo p fo fxado e a dema gulardade foram calculada da egute forma: z = k p, p = k p, z = k p e am por date até e chegar em z, ou eja: p k p = ; : = () z k p = ; : = () Quado o zero e o pólo etão muto próxmo, k pequeo, o efeto do pólo e zero tede a e cacelar. No lmte, para k = todo o pólo e zero e aulam e am H( w ) = Hf, o que quer dzer que teríamo uma clação gual a zero. Se k for muto grade, a gulardade etão dtate uma da outra, e com o pratcamete ão há fluêca de uma obre a outra. Am, a clação de H( w ) tede a de um fltro de prmera ordem, 6 /otava, apó um pólo e para clação ula apó um zero. Portato exte um valor ótmo para k, para o qual H( w ) pou a clação ma próxma da deejada. O parâmetro k fo varado etre e 5 e a clação baeada em H( f) H( f). Fo arbtrada a relação f = f (uma otava) com freqüêca cetral calculada como a méda geométrca do prmero pólo p e o últmo zero z. Deta forma, teme que: f p z p f f (4) = = Como f = f, podee faclmete motrar que: f = f (5)

5 Pode er determado a partr da tabela geradora da Fgura (b) que a melhor relação k é aproxmadamete,56 (para o valor deejado de /otava ). I (/o) (a).98 I (/o).99. k ( / ) ( ) k = z p (8) Portato, é eceáro ecotrar (va método umérco) o parâmetro a, de modo que H( f ) eja o ma próxmo poível da fução deal / f, detro da faxa de teree. Coderoue um vetor de freqüêca dcreta f = [ f, f,, f N ], ode N é o úmero de poto utlzado, detro da faxa de áudo. A etratéga utlzada fo mmzar o erro médo quadrátco, dado por: erro( a) = éc / f H ( f, a) ù N = N å ë û (9) O método umérco utlzado fo o Sequetal Quadratc Programmg [4], que é um método de programação ãolear. O gaho da fução H( f ) a orgem é varável com a, porque a fução a orgem H () é depedete da poção da gulardade, como motra a equação (). Por mplcdade e em perda de geeraldade, adotoue H () = ( ). A cada ova teração, o gaho o fto H era ovamete calculado como: f H f = pp zz p z ().. Feto o, ajutae a fução / c, dado pela egute equação: f atravé de um gaho (b) k Fgura Iclação I em fução de k : (a) Iclação I a faxa k 5; (b) Detalhe de I a faxa, k. V. DTRMINAÇÃO DA MLHOR POSIÇÃO DAS SINGULARIDADS COM FIXAÇÃO DA BANDA DA ORDM Quado e deeja H( w ) com clação de /otava detro de uma determada faxa de freqüêca (o cao a faxa de áudo, de Hz), devee ecolher uma ordem e pocoar a gulardade de modo a mmzar o erro médo quadrátco. Nee cao, ão é coveete fxar a freqüêca do pólo p. Seu valor erá obtdo atravé de otmzação. Para pocoar a gulardade, fo adotada a egute etratéga: z p = p / a (6) = p a (7) A dema gulardade ão calculada atravé da equaçõe e, podedo er motrado que: c = f H( f ) () ode f = Hz. O cálculo da poção da gulardade fo feto para 8 e o reultado etão a Tabela I. Além de p, z e k, é também motrado o valor de H( f ) em Hz. Podee perceber pelo reultado apreetado a Tabela I que à medda que a ordem aumeta, o erro dmu, o que é eperado, e k dmu, o que já hava do cotatado a Seção IV. TABLA I Reultado do programa de otmzação para vára orde p (rad/) z(krad/) k H( f = ) erro 6,54 48,65 5,9,95648,77x 76,8 89,6,47777,8979,747x ,786 6,488,88,6656 8,878x ,998 8,999,668,476,66x 7 6,5 47,9,885,468,4784z 8 7,6497 4,75,7,4848 5,7554x 9 8 7,95 879,646,548,4695,74x 9 A Fgura apreeta a magtude da repota em freqüêca para a vára orde, detro da faxa de áudo, jutamete com a curva correpodete à fução / c f.

6 (a) (f) f (Hz) 4 4 f (Hz) 4 (b) (c) (d) 4 (e) 4 f (Hz) 4 f (Hz) 4 f (Hz) 4 f (Hz) 4 (g) 4 f (Hz) 4 Fgura Repota em freqüêca para vára orde: (a) =; (b) =; (c) =4; (d) =5; (e) =6; (f) =7; (g) =8. VI. RDS QUALIZADORAS A Fgura 4 motra dua realzaçõe poíve para obteção da fuçõe de traferêca propota a Seção V. R V( jw) I (ruído braco) C C R V( jw) R C R C C R C R R R A R B (a) R I R I (ruído braco) (b) Fgura 4 Rede equalzadora. V ( jw ) O (ruído roa) (ruído roa) V ( jw ) O A fução de traferêca da rede (a) e (b) é dada pela equação (), com H() = ( RA RB) / RA para a rede (a) e H() = R / RI para a rede (b). / R H() = H() () / R Y ( ) å ode: Y () = () R / RC O valore do compoete da dua rede, que ão gua, foram obtdo atravé de otmzação e etão apreetado a Tabela II (ecalado para R = W). =

7 Como exemplo de aplcação, fo projetada uma rede de ordem 5 (pava em o etágo de gaho ou atva com R = RI ). Com o tuto de dmur o devo a fuçõe de traferêca, a mpedâca foram ecalada de tal forma que alguma capactâca cocdem com o valore da ére comercal [5], já que o grau de lberdade para a ecolha da retêca (ére 96 [5]) é maor. A capactâca de C fo arbtrada em 47 F, gerado um fator 9 de ecalameto gual a, = 54, 4. O dema capactore ão dvddo e o retore multplcado por ee fator. O valore reultate ão: R = 6, kw R = 8,87 kw R =, 4 kw R 4 =,8 kw R 5 = 4 W R =,9 kw, C = (7 7) F, C = (, ) F, C = 47 F, C 4 = 8 F, C 5 = (4,7 4,7) F. Se for eceáro um gaho, ee deve er calculado em fução da ampltude do ruído braco de etrada e do ível de ruído roa deejado. O capactore devem, preferecalmete, er meddo com precão de % e apreetar baxa perda de polarzação do delétrco (delétrco de polpropleo ou mca). A Fgura 5 apreeta a magtude da repota em freqüêca da rede da Fgura 4 (a). Note que etre Hz e khz a clação da curva é pratcamete de /otava. VII. CONCLUSÕS Nete trabalho, fo apreetado um etudo obre a geração de ruído roa a partr de ruído braco, utlzado equalzadore aalógco compoto por pólo e zero rea alterado. Fo motrado que exte uma relação ótma etre o pólo e zero, coderado a ordem do tema lvre. m adção, foram apreetado projeto otmzado de rede f (Hz) Fgura 5 Magtude da repota em freqüêca da rede de ordem 5. pava e atva ormalzada de vára orde, para utlzação de ruído roa em medçõe de tema eletroacútco. É motrado um exemplo prátco de projeto de um equalzador de ordem 5, com valore de compoete comerca de retore (ére 96) e capactore (ére ). TABLA II Valore do compoete para vára orde RFRÊNCIAS BIBLIOGRÁFICAS [] C. D. Motchebacher ad J. A. Coelly, LowNoe lectroc Sytem Deg, Joh Wley & So, 99. [] Audo Hadbook, Natoal Semcoductor Corporato. [] llot Soud Product, Pk Noe Geerator for Audo Tetg, Dpoível em < Aceo em: ov.. [4] T. Colema; M. A. Brach ad A. Grace, Optmzato Toolbox, 999, CDROM. [5] S. Nocet Flho, Fltro Seletore de Sa, Floraópol: dtora da UFSC, 998. AGRADCIMNTOS O autore agradecem a Roalfoo Borto, M.Sc., pela frutífera dcuõe R,58,48,84 8,577x 7,85x 5,865x,779x C,769x,87x,55x 9,8x 4,847x,998x,89x R 6,45x 5,865x 4,465x,9x,445x,44x 4,76x C 9,985x 5,895x 5,457x,7649x,8x 6,88x 4,854x 4 R,9x,698x,665x,7x 7,846x,x C 5,89x,866x,x,454x 6,5649x 4,466x R4,468x,654x 6,9x,886x,59x C4,457x,679x 9,8975x 4 5,576x 4,78x 4 R5 7,4x 5,9x,779x,576x C5,9x 6,56x 4 4,484x 4,879x 4 R6,46x,68x 8,9x C6 5,97x 4,997x 4,59x 4 R7,5559x 8,495x C7,87x 4,998x 4 R8 5,99x C8,7x 4

MODELOS DE REGRESSÃO NÃO LINEARES

MODELOS DE REGRESSÃO NÃO LINEARES M. Mede de Olvera Excerto da ota peoa obre: MODELOS DE REGRESSÃO NÃO LINEARES Obervação No modelo de regreão dto leare, a varável depedete é exprea como fução lear do coefcete de regreão. É rrelevate,

Leia mais

1- RESPOSTA TEMPORAL EM FUNÇÃO DA POSIÇÃO DOS POLOS

1- RESPOSTA TEMPORAL EM FUNÇÃO DA POSIÇÃO DOS POLOS - RESPOSTA TEMPORAL EM FUNÇÃO DA POSIÇÃO DOS POLOS Seja R( F( E( a repota de u tea lear, cocetrado e varate. Se F ( e E () ão fuçõe rea racoa, etão R ( é real racoal e pode er exprea coo: N() R( a / b

Leia mais

13 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL

13 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL 3 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL Como vto em amotragem o prmero bmetre, etem fatore que fazem com que a obervação de toda uma população em uma pequa eja mpratcável, muta veze em vrtude

Leia mais

= n. Observando a fórmula para a variância, vemos que ela pode ser escrita como, i 2

= n. Observando a fórmula para a variância, vemos que ela pode ser escrita como, i 2 Etatítca II Atoo Roque Aula 4 O Coefcete de Correlação de Pearo O coefcete de correlação de Pearo é baeado a déa de varâca, dada o curo de Etatítca I Como vto aquele curo, quado temo uma amotra compota

Leia mais

Escola Secundária de Jácome Ratton

Escola Secundária de Jácome Ratton Ecola Secudára de Jácome Ratto Ao Lectvo / Matemátca Aplcada à Cêca Soca Na Ecola Secudára do Suceo aualmete é premado o aluo que tver melhor méda a ua clafcaçõe a dferete dcpla. No ao lectvo 9/, o do

Leia mais

Grande Conjuntos de Dados. Organização; Resumo; Apresentação. Amostra ou População. Defeitos em uma linha de produção

Grande Conjuntos de Dados. Organização; Resumo; Apresentação. Amostra ou População. Defeitos em uma linha de produção Prof. Lorí Val, Dr. val@pucr.br http://www.pucr.br/~val/ Grade Cojuto de Dado Orgazação; Reumo; Apreetação. Amotra ou População Defeto em uma lha de produção Lacado Deeho Torto Deeho Torto Lacado Torto

Leia mais

Uma coleção de todos os possíveis elementos, objetos ou medidas de interesse.

Uma coleção de todos os possíveis elementos, objetos ou medidas de interesse. Prof. Lorí Val, Dr. val@mat.ufrg.br http://www.ufrg.br/~val/ Etatítca: uma defção Coleção de úmero etatítca O úmero de carro veddo o paí aumetou em %. A taa de deemprego atge, ete mê, 7,%. A açõe da Telebrá

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

sticas Estatística (divisão) População stica: uma definição Estatística:

sticas Estatística (divisão) População stica: uma definição Estatística: Coleção de úmero etatítca tca O úmero de carro veddo o paí aumetou em 30%. A taa de deemprego atge, ete mê, 7,5%. A açõe da Telebrá ubram R$,5, hoje. Reultado do Caraval o trâto: 45 morto, 430 ferdo. Etatítca:

Leia mais

1- Qual a diferença entre amostragem probabilística e não-probabilística? Qual é a mais recomendada?

1- Qual a diferença entre amostragem probabilística e não-probabilística? Qual é a mais recomendada? VIII-AMOSTRAGEM A Etatítca Iferecal ou Iferêca Etatítca tem como objetvo bucar cocluõe robablítca obre oulaçõe com bae o reultado obervado em amotra etraída dea oulaçõe Am, certo cudado báco devem er tomado

Leia mais

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12 MEDIDAS DE POSIÇÃO: São meddas que possbltam represetar resumdamete um cojuto de dados relatvos à observação de um determado feômeo, pos oretam quato à posção da dstrbução o exo dos, permtdo a comparação

Leia mais

EAD Métodos Estatísticos de Projeção

EAD Métodos Estatísticos de Projeção EAD 655 - Método Etatítco de Projeção Prof. Cear Aleadre de Souza 2º. Semetre - 207 Modelagem Quattatva em Admtração Na admtração, a matemátca e a etatítca cotrbuem para a cração de modelo para auílo a

Leia mais

Capítulo III Medidas Estatísticas

Capítulo III Medidas Estatísticas 8 Capítulo III Medda Etatítca III. Medda de Tedêca Cetral A apreetação de dado em tabela e gráco motra a orma da dtrbução. A medda de tedêca cetral dcam o valor do poto em toro do qual o dado e dtrbuem.

Leia mais

i 2 i= = n Observando a fórmula para a variância, vemos que ela pode ser escrita como, i 2

i 2 i= = n Observando a fórmula para a variância, vemos que ela pode ser escrita como, i 2 O Coefcete de Correlação de Pearo O coefcete de correlação de Pearo é baeado a déa de varâca, dada a aula 6 Como vto aquela aula, quado temo uma amotra compota por dado, a varâca da amotra é dada por,

Leia mais

MEDIDAS DE DISPERSÃO:

MEDIDAS DE DISPERSÃO: MEDID DE DIPERÃO: fução dessas meddas é avalar o quato estão dspersos os valores observados uma dstrbução de freqüêca ou de probabldades, ou seja, o grau de afastameto ou de cocetração etre os valores.

Leia mais

Extensão da Termodinâmica a sistemas abertos

Extensão da Termodinâmica a sistemas abertos Exteão da ermodâmca a tema aberto I tema homogéeo ex: mtura de gae dea oluçõe dea reacçõe químca homogéea Cottudo por uma ó ae ma pode er mult-compoete otulado de Gbb ou otulado da aráve de Etado de um

Leia mais

ser modeladas como redes lineares de dois acessos (figura 4.1);

ser modeladas como redes lineares de dois acessos (figura 4.1); 4 Repota em emfrequênca Funçõe de de Tranferênca n A rede de nteree, para o etudo deenvolvdo na dcplna, podem er modelada como rede lneare de do aceo fgura 4.; V V o T Fgura 4. Rede lnear de do aceo. na

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

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

MIEEC Supervisão e Controlo de Sistemas Eléctricos. Despacho Óptimo (incluindo limites de produção e perdas) Introdução

MIEEC Supervisão e Controlo de Sistemas Eléctricos. Despacho Óptimo (incluindo limites de produção e perdas) Introdução MIEEC Supervão e Cotrolo de Stema Eléctrco Depacho Óptmo (cludo lmte de produção e perda Itrodução Relembrado o problema de depacho óptmo: M cuto de produção M Z ΣC(g Suj. Σg load (ão havedo retrçõe de

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

Exame 2ª ÉPoca h00 Parte Prática. GRUPO 1 (3,0 val.)

Exame 2ª ÉPoca h00 Parte Prática. GRUPO 1 (3,0 val.) Departameto de Egehara Cvl, Arqutetura e Georrecuro TRANSPORTES MEC - 3º Ao - 2º Semetre Prof. Repoável: Luí de Pcado Sato Ao Letvo 2013/2014 Duração máxma: 120 muto NOME: Exame 2ª ÉPoca 2014-07-01 08h00

Leia mais

16/03/2014. IV. Juros: taxa efetiva, equivalente e proporcional. IV.1 Taxa efetiva. IV.2 Taxas proporcionais. Definição:

16/03/2014. IV. Juros: taxa efetiva, equivalente e proporcional. IV.1 Taxa efetiva. IV.2 Taxas proporcionais. Definição: 6// IV. Juros: taxa efetva, equvalete e proporcoal Matemátca Facera Aplcada ao Mercado Facero e de Captas Professor Roaldo Távora IV. Taxa efetva Defção: É a taxa de juros em que a udade referecal de seu

Leia mais

d s F = m dt Trabalho Trabalho

d s F = m dt Trabalho Trabalho UNIVERSIDADE DO ESTADO DE MATO GROSSO CAMPUS UNIVERSITÁRIO DE SINOP FACULDADE DE CIÊNCIAS EXATAS E TECNOLÓGICAS CURSO DE ENGENHARIA CIVIL DISCIPLINA: CÁLCULO DIFERENCIAL E INTEGRAL I Trabalho 1. Itrodução

Leia mais

(1) no domínio : 0 x < 1 Sujeita às condições de contorno: (2-a) CC1: (2-b) CC2: x dx

(1) no domínio : 0 x < 1 Sujeita às condições de contorno: (2-a) CC1: (2-b) CC2: x dx EXEMPLO MOTIVADOR I Método da Aproxmação Polomal Aplcado a Problema Udrecoa com Smetra. Eqaçõe Dfereca Ordára Problema de Valor o Cotoro Etrtra Geral do Problema: d dy( x) x f x, yx x dx dx o domío : x

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

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População ESTATÍSTICA STICA DESCRITIVA Prof. Lorí Val, Dr. val@mat.ufrgs.br http://.ufrgs.br/~val/ Orgazação; Resumo; Apresetação. Cojuto de dados: Amostra ou População Um cojuto de dados é resumdo de acordo com

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

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

Etapas para a construção de uma distribuição de frequências por ponto

Etapas para a construção de uma distribuição de frequências por ponto Dtrbuçõe de Frequêca Uma dtrbução de requêca é uma tabela que reúe o cojuto de dado, coorme a requêca ou a repetçõe de eu valore o capítulo ateror, vmo como ão eta ea tabela quado a varável é qualtatva

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

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

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

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

Confiabilidade Estrutural

Confiabilidade Estrutural Professor Uversdade de Brasíla Departameto de Egehara Mecâca Programa de Pós graduação em Itegrdade Estrutural Algortmo para a Estmatva do Idce de Cofabldade de Hasofer-Ld Cofabldade Estrutural Jorge Luz

Leia mais

DEPARTAMENTO DE ENGENHARIA NAVAL E OCEÂNICA ESCOLA POLITÉCNICA DA UNIVERSIDADE DE SÃO PAULO PNV3324 FUNDAMENTOS DE CONTROLE EM ENGENHARIA

DEPARTAMENTO DE ENGENHARIA NAVAL E OCEÂNICA ESCOLA POLITÉCNICA DA UNIVERSIDADE DE SÃO PAULO PNV3324 FUNDAMENTOS DE CONTROLE EM ENGENHARIA DEPARTAENTO DE ENGENHARIA NAVAL E OCEÂNICA ESCOLA POLITÉCNICA DA UNIVERSIDADE DE SÃO PAULO PNV334 FUNDAENTOS DE CONTROLE E ENGENHARIA NOTAS DE AULA* Prof. Helio itio orihita * Ete texto é um mero roteiro

Leia mais

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão Estatístca Descrtva Meddas estatístcas: Localzação, Dspersão Meddas estatístcas Localzação Dspersão Meddas estatístcas - localzação Méda artmétca Dados ão agrupados x x Dados dscretos agrupados x f r x

Leia mais

ESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano

ESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano ESTATÍSTICA Aula 7 Prof. Dr. Marco Atoo Leoel Caetao Dstrbuções de Probabldade DISCRETAS CONTÍNUAS (Números teros) Bomal Posso Geométrca Hper-Geométrca Pascal (Números reas) Normal t-studet F-Sedecor Gama

Leia mais

1) Planejamento da Produção - Modelos de dimensionamento de lotes (lot sizing)

1) Planejamento da Produção - Modelos de dimensionamento de lotes (lot sizing) Departameto de Egehara de Produção UFPR 28 1) Plaeameto da Produção - Modelos de dmesoameto de lotes (lot szg) É cohecdo horzote de plaeameto T, dvddo em períodos; demada (geralmete varável) de cada tem

Leia mais

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo.

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo. 5910187 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 6 Equlíbro e o Potecal de Nerst Nesta aula, vamos utlzar a equação para o modelo de eletrodfusão o equlíbro obtda a aula passada para estudar o trasporte

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

Sumário. Mecânica. Sistemas de partículas

Sumário. Mecânica. Sistemas de partículas umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - stemas de partículas e corpo rígdo. - Cetro de massa. - Como determar o cetro de massa dum sstema de partículas. - Vetor

Leia mais

3 Seleção de Variáveis Baseada em Informação Mútua sob Distribuição de Informação Uniforme (MIFS-U)

3 Seleção de Variáveis Baseada em Informação Mútua sob Distribuição de Informação Uniforme (MIFS-U) 3 Seleção de Varáve Baeada em nformação Mútua ob trbução de nformação Unforme MFS-U 3.1 Seleção de Varáve de Entrada para Problema de Clafcação A eleção de varáve de entrada deempenha um mportante papel

Leia mais

Centro de massa, momento linear de sistemas de partículas e colisões

Centro de massa, momento linear de sistemas de partículas e colisões Cetro de massa, mometo lear de sstemas de partículas e colsões Prof. Luís C. Pera stemas de partículas No estudo que temos vdo a fazer tratámos os objectos, como, por exemplo, blocos de madera, automóves,

Leia mais

6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS

6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS 7 6 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS A medção dreta é aquela cuja dcação resulta aturalmete da aplcação do sstema de medção sobre o mesurado Há apeas uma gradeza de etrada evolvda

Leia mais

ANÁLISE ESTATÍSTICA DO USO DE UM FILTRO DE KALMAN A UM SISTEMA DE MEDIÇÃO COM RUÍDOS

ANÁLISE ESTATÍSTICA DO USO DE UM FILTRO DE KALMAN A UM SISTEMA DE MEDIÇÃO COM RUÍDOS V CONGRESSO RASILEIRO DE METROLOGIA Metrologa para a compettvdade em área etratégca 9 a 3 de ovembro de 9. Salvador, aha ral. ANÁLISE ESTATÍSTICA DO USO DE UM ILTRO DE KALMAN A UM SISTEMA DE MEDIÇÃO COM

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

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo.

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo. Equlíbro e o Potecal de Nerst 5910187 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 11 Nesta aula, vamos utlzar a equação para o modelo de eletrodfusão o equlíbro obtda a aula passada para estudar o trasporte

Leia mais

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro RESUMO

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro RESUMO UNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINISTRAÇÃO RAD507 Etatítca Aplcada à Admtração I Prof. Dr. Evadro Marco Sadel Rbero RESUMO

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

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

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

Física IV Poli Engenharia Elétrica: 8ª Aula (28/08/2014)

Física IV Poli Engenharia Elétrica: 8ª Aula (28/08/2014) Físca IV Pol Egehara Elétrca: 8ª Aula (8/08/014) Prof. Alvaro Vaucc Na últma aula vmos: Resolução de Images: segudo o crtéro estabelecdo por Raylegh que quado o máxmo cetral devdo à dfração das odas do

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

Aula Condições para Produção de Íons num Gás em Equilíbrio Térmico

Aula Condições para Produção de Íons num Gás em Equilíbrio Térmico Aula 2 Nesta aula, remos formalzar o coceto de plasma, rever osso etedmeto sobre temperatura de um gás e falmete, cohecer algus processos de ozação. 1.3 Codções para Produção de Íos um Gás em Equlíbro

Leia mais

Atividades Práticas Supervisionadas (APS)

Atividades Práticas Supervisionadas (APS) Uversdade Tecológca Federal do Paraá Prof: Lauro Cesar Galvão Campus Curtba Departameto Acadêmco de Matemátca Cálculo Numérco Etrega: juto com a a parcal DATA DE ENTREGA: da da a PROVA (em sala de aula

Leia mais

Instituto Politécnico de Bragança Escola Superior de Tecnologia e de Gestão

Instituto Politécnico de Bragança Escola Superior de Tecnologia e de Gestão Isttuto oltécco de Bragaça Escola Superor de ecologa e de Gestão 2º Ao de Egehara Electrotécca Istrumetação Electróca e Meddas Exame (ª Chamada) 2 de Juho de 200 SUGESÃO DE RESOLUÇÃO ) retede-se vsualzar,

Leia mais

INTERVALO DE CONFIANÇA

INTERVALO DE CONFIANÇA INTERVALO DE CONFIANÇA Supoha que etejamo itereado um parâmetro populacioal verdadeiro (ma decohecido) θ. Podemo etimar o parâmetro θ uado iformação de oa amotra. Chamamo o úico úmero que repreeta o valor

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

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

Estatística 15 - Comparação entre Duas Populações

Estatística 15 - Comparação entre Duas Populações Etatítca 5 - Comaração etre Da Polaçõe 5- Comaração de Méda de Da Polaçõe µ Méda da olação µ Méda da olação Tete µ - µ µ - µ > µ - µ µ - µ < µ - µ µ - µ. Dado Emarelhado EemloVte cobaa bmetda drate ma

Leia mais

Amplificadores Operacionais Aula 2

Amplificadores Operacionais Aula 2 mplfcadores peracoas ula PS/EPUSP 3 ula Matéra Cap./pága ª 6/ ª 9/ 3ª 3/ 4ª 6/ 5ª /3 6ª 4/3 7ª 8/3 8ª /3 9ª 5/3 ª 8/3 PS/EPUSP Eletrôca PS33 Programação para a Prmera Proa trodução, esão de crcutos com

Leia mais

8 Programação linear 78

8 Programação linear 78 8 Programação lear 78 8 Programação lear A programação lear cosderou duas fuções objetvo: (a) maxmzação da comercalzação do gás e (b) mmzação das perdas (recetas e multas cotratuas). Foram dealzados dos

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

Arquitetura da ART Controle 1 Controle 2

Arquitetura da ART Controle 1 Controle 2 Teora de Ressoâca Adaptatva - ART Arqutetura da ART Cotrole Cotrole 2 Desevolvda por Carpeter e Grossberg como uma alteratva para resolver o dlema establdade-plastcdade (rede ão aprede ovos padrões). Realme

Leia mais

Aula 9. Aula de hoje. Aula passada. Self-normalized Importance Sampling Gerando amostras complicadas Variância amostral Simulação

Aula 9. Aula de hoje. Aula passada. Self-normalized Importance Sampling Gerando amostras complicadas Variância amostral Simulação Aula 9 Aula passada Método da rejeção (rejecto samplg) Exemplos Importace Samplg Exemplos Geeralzação Aula de hoje Self-ormalzed Importace Samplg Gerado amostras complcadas Varâca amostral Smulação Importace

Leia mais

? Isso é, d i= ( x i. . Percebeu que

? Isso é, d i= ( x i. . Percebeu que Estatístca - Desvo Padrão e Varâca Preparado pelo Prof. Atoo Sales,00 Supoha que tehamos acompahado as otas de quatro aluos, com méda 6,0. Aluo A: 4,0; 6,0; 8,0; méda 6,0 Aluo B:,0; 8,0; 8,0; méda 6,0

Leia mais

Momento Linear duma partícula

Momento Linear duma partícula umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - Mometo lear de uma partícula e de um sstema de partículas. - Le fudametal da dâmca para um sstema de partículas. - Impulso

Leia mais

CIRCUITOS ELÉTRICOS CONCEITOS BÁSICOS

CIRCUITOS ELÉTRICOS CONCEITOS BÁSICOS CCUTOS ELÉTCOS CONCETOS BÁSCOS Prof. Marcos Fergütz jul/07 - Carga Elétrca (Q, q) [ Udade: Coulomb C ] e - Quado se forece ou retra eerga do elétro (e - ), pode-se movmetá-lo por etre as camadas (K, L,

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

PLANO PROBABILIDADES Professora Rosana Relva DOS. Números Inteiros e Racionais COMPLEXOS NÚMEROS COMPLEXOS NÚMEROS COMPLEXOS NÚMEROS COMPLEXOS

PLANO PROBABILIDADES Professora Rosana Relva DOS. Números Inteiros e Racionais COMPLEXOS NÚMEROS COMPLEXOS NÚMEROS COMPLEXOS NÚMEROS COMPLEXOS Professor Luz Atoo de Carvalho PLANO PROBABILIDADES Professora Rosaa Relva DOS Números Iteros e Racoas COMPLEXOS rrelva@globo.com Número s 6 O Número Por volta de 00 d.c a mpressão que se tha é que, com

Leia mais

Revisão de Estatística X = X n

Revisão de Estatística X = X n Revsão de Estatístca MÉDIA É medda de tedêca cetral mas comumete usada ara descrever resumdamete uma dstrbução de freqüêca. MÉDIA ARIMÉTICA SIMPLES São utlzados os valores do cojuto com esos guas. + +...

Leia mais

ESTATÍSTICA APLICADA À ZOOTECNIA

ESTATÍSTICA APLICADA À ZOOTECNIA ESTATÍSTICA APLICADA À ZOOTECNIA Eucldes Braga MALHEIROS *. INTRODUÇÃO.a) Somatóras e Produtóros Sejam,, 3,...,, valores umércos. A soma desses valores (somatóra) pode ser represetada por: = = = =. e o

Leia mais

Organização; Resumo; Apresentação.

Organização; Resumo; Apresentação. Prof. Lorí Val, Dr. val@ufrgs.br http://www.ufrgs.br/~val/ Grade Cojutos de Dados Orgazação; Resumo; Apresetação. Amostra ou População Defetos em uma lha de produção Lascado Deseho Torto Deseho Torto Lascado

Leia mais

Capítulo V - Interpolação Polinomial

Capítulo V - Interpolação Polinomial Métodos Numércos C Balsa & A Satos Capítulo V - Iterpolação Polomal Iterpolação Cosdere o segute couto de dados: x : x0 x x y : y y y 0 m m Estes podem resultar de uma sequêca de meddas expermetas, ode

Leia mais

PROBABILIDADE E ESTATÍSTICA UNIDADE IV - MEDIDAS DE DISPERSÃO OU VARIAÇÃO

PROBABILIDADE E ESTATÍSTICA UNIDADE IV - MEDIDAS DE DISPERSÃO OU VARIAÇÃO PROBABILIDADE E ESTATÍSTICA UNIDADE IV - MEDIDAS DE DISPERSÃO OU VARIAÇÃO 0 INTRODUÇÃO A medda de varação ou dperão, avalam a dperão ou a varabldade da eqüênca numérca em anále, ão medda que fornecem nformaçõe

Leia mais

3 Procedimento Experimental

3 Procedimento Experimental 3 Procedmeto Expermetal 3. Sstema de medção de vazão com extesômetro A Fg. 9 mostra o sstema de medção de vazão com extesômetro, o qual fo motado o laboratóro da PUC-Ro. este sstema, duas tubulações com,5

Leia mais

Potenciais termodinâmicos, critérios de espontaneidade e condições de equilíbrio

Potenciais termodinâmicos, critérios de espontaneidade e condições de equilíbrio Potecas termodâmcos crtéros de espotaedade e codções de equlíbro O Prcípo da Etropa Máxma váldo para um sstema solado estabelece um crtéro para determarmos o setdo em que ocorrem os processos de forma

Leia mais

LCE2112 Estatística Aplicada às Ciências Sociais e Ambientais 2010/02. Exemplos de revisão

LCE2112 Estatística Aplicada às Ciências Sociais e Ambientais 2010/02. Exemplos de revisão LCE Etatítca Aplcada à Cêca Soca e Ambeta 00/0 Eemplo de revão Varável Aleatóra Cotíua Eemplo: Para e etudar o comportameto de uma plata típca de dua, a Hydrocotlle p., quato ao eu deevolvmeto, medu-e

Leia mais

Previsão de demanda quantitativa Regressão linear Regressão múltiplas Exemplos Exercícios

Previsão de demanda quantitativa Regressão linear Regressão múltiplas Exemplos Exercícios Objetvos desta apresetação Plaejameto de produção: de Demada Aula parte Mauro Osak TES/ESALQ-USP Pesqusador do Cetro de Estudos Avaçados em Ecooma Aplcada Cepea/ESALQ/USP de demada quattatva Regressão

Leia mais

ESTIMATIVA DA INCERTEZA DE MEDIÇÃO DE MÉTODOS ANALÍTICOS

ESTIMATIVA DA INCERTEZA DE MEDIÇÃO DE MÉTODOS ANALÍTICOS 1/15 1. CAMPO DE APLICAÇÃO 1.1. Este procedmeto se aplca aos laboratóros de cotrole de qualdade.. OBJETIVO.1. Defr a capacdade de medção para cada método aalítco.. DOCUMENTOS COMPLEMENTARES.1. Valdação

Leia mais

Estatística: uma definição

Estatística: uma definição Prof. Lorí Val, Dr. - val@pucrs.br http://www.pucrs.br/famat/val/ Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Estatístca: uma defção Coleç Coleção de ú úmeros estatí estatístcas O ú ú mero

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

ESTATÍSTICA MÓDULO 3 MEDIDAS DE TENDÊNCIA CENTRAL

ESTATÍSTICA MÓDULO 3 MEDIDAS DE TENDÊNCIA CENTRAL ESTATÍSTICA MÓDULO 3 MEDIDAS DE TEDÊCIA CETRAL Ídce. Meddas de Tedêca Cetral...3 2. A Méda Artmétca Smles ( μ, )...3 3. A Méda Artmétca Poderada...6 Estatístca Módulo 3: Meddas de Tedêca Cetral 2 . MEDIDAS

Leia mais

ESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA

ESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA ESTATÍSTICA MÓDULO OS RAMOS DA ESTATÍSTICA Ídce. Os Ramos da Estatístca...3.. Dados Estatístcos...3.. Formas Icas de Tratameto dos Dados....3. Notação por Ídces...5.. Notação Sgma ()...5 Estatístca Módulo

Leia mais

Distribuições de Probabilidades

Distribuições de Probabilidades Estatístca - aulasestdstrnormal.doc 0/05/06 Dstrbuções de Probabldades Estudamos aterormete as dstrbuções de freqüêcas de amostras. Estudaremos, agora, as dstrbuções de probabldades de populações. A dstrbução

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

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual Estatístca: Aplcação ao Sesorameto Remoto SER 04 - ANO 08 Estmação Potual Camlo Daleles Reó camlo@dp.pe.br http://www.dp.pe.br/~camlo/estatstca/ Iferêca Estatístca Cosdere o expermeto: retram-se 3 bolas

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

RACIOCÍNIO LÓGICO / ESTATÍSTICA LISTA 2 RESUMO TEÓRICO

RACIOCÍNIO LÓGICO / ESTATÍSTICA LISTA 2 RESUMO TEÓRICO RACIOCÍIO LÓGICO - Zé Carlos RACIOCÍIO LÓGICO / ESTATÍSTICA LISTA RESUMO TEÓRICO I. Cocetos Icas. O desvo médo (DM), é a méda artmétca dos desvos de cada dado da amostra em toro do valor médo, sto é x

Leia mais

15/03/2012. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações

15/03/2012. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações Itrodução.1 Juros Smples Juro: recompesa pelo sacrfíco de poupar o presete, postergado o cosumo para o futuro Maora das taxas de uros aplcadas o mercado facero são referecadas pelo crtéro smples Determa

Leia mais

Momento Linear duma partícula

Momento Linear duma partícula umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - Mometo lear de uma partícula e de um sstema de partículas. - Le fudametal da dâmca para um sstema de partículas. - Impulso

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

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

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

Oitava Lista de Exercícios

Oitava Lista de Exercícios Uversdade Federal Rural de Perambuco Dscpla: Matemátca Dscreta I Professor: Pablo Azevedo Sampao Semestre: 07 Otava Lsta de Exercícos Lsta sobre defções dutvas (recursvas) e prova por dução Esta lsta fo

Leia mais

AVALIAÇÃO DE DESEMPENHO

AVALIAÇÃO DE DESEMPENHO AVALIAÇÃO DE DESEMPENHO Itrodução Aálie o domíio do tempo Repota ao degrau Repota à rampa Repota à parábola Aálie o domíio da freqüêcia Diagrama de Bode Diagrama de Nyquit Diagrama de Nichol Eta aula EM

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

ÍNDICE DE TERMOS: MOTOR DEDICADO, PADRONIZAÇÃO;

ÍNDICE DE TERMOS: MOTOR DEDICADO, PADRONIZAÇÃO; Aplcação de Motores de Méda esão dedcados acoados por versor de frequêca e utlzação de um úco projeto em dferetes solctações de carga. Gleuber Helder Perera Rodrgues Esp. Eg. WEG Brasl gleuber@weg.et Alex

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