STE SESSÃO TÉCNICA ESPECIAL DE INTERFERÊNCIAS, COMPATIBILIDADE ELETROMAGNÉTICA E QUALIDADE DE ENERGIA

Tamanho: px
Começar a partir da página:

Download "STE SESSÃO TÉCNICA ESPECIAL DE INTERFERÊNCIAS, COMPATIBILIDADE ELETROMAGNÉTICA E QUALIDADE DE ENERGIA"

Transcrição

1 SCQ/2 2 a 26 de Outubro de 2 Campas - São Paulo - Brasl STE SESSÃO TÉCNICA ESPECIAL DE INTERFERÊNCIAS, COMPATIBILIDADE ELETROMAGNÉTICA E QUALIDADE DE ENERGIA ALOCAÇÃO ÓTIMA DE FILTROS, CAPACITORES E CARGAS NO CONTEXTO DA QUALIDADE DA ENERGIA ELÉTRICA José Rubes Macedo Jr. ESCELSA / ENERSUL José Wlso Resede, Ph.D. UFU RESUMO Este trabalho trata da alocação ótma de bacos de capactores e fltros harmôcos stozados (o que dz respeto à dstorção harmôca de tesão), bem como, da obteção de regões ótmas para a alocação de cargas sesíves aos afudametos de tesão de curta duração em uma rede de eerga elétrca. PALAVRAS-CHAVE: Alocação ótma, capactores, fltros harmôcos passvos.. CONSIDERAÇÕES GERAIS A motvação para o desevolvmeto deste trabalho decorre das segutes costatações: A alocação ótma de fltros stozados, mesmo os trabalhos mas recetes, utlzam téccas pouco satsfatóras - como, por exemplo, a técca elemetar de tetatva e erro empregada a referêca [] - a busca dos melhores barrametos de alocação dos equpametos; Em relação à alocação de bacos de capactores, o que cocere à frequêca fudametal, exstem dversas téccas de aálse, etretato, a grade maora delas evolve processos complcados e robustos de programação lear e ão-lear [2]; Falmete, em se tratado da alocação de cargas sesíves afudametos de tesão de curta duração, poucas são as téccas atualmete exstetes. Para solucoar estes problemas de uma maera mas obetva, adotou-se a Teora de Estruturas Aplcadas a Redes Elétrcas (TEARE). Desevolvda em 964 por M.A. Laughto [3], essa teora fo aplcada, com êxto, a solução de dversos problemas relacoados aos sstemas elétrcos de potêca. Em lhas geras, a TEARE evolve a reformulação da matrz admtâca de rede em termos de seus autovalores e autovetores. Baseada o domío da frequêca, essa teora, até o presete mometo, abordava tão somete a frequêca fudametal dos sstemas de eerga. Etretato, com o surgmeto de ovas tecologas verfcou-se a ecessdade de aálse dos sstemas elétrcos em frequêcas múltplas da fudametal (as chamadas frequêca harmôcas). A utlzação da Teora de Estruturas Ieretes a Redes Elétrcas a solução dos problemas assocados às frequêcas harmôcas somete fo vestgada recetemete através dos trabalhos de G. Carpell [4], os quas abordam estudos de alocação ótma de fltros harmôcos passvos stozados. O trabalho ora proposto, apresetará estudos de casos obtdos através de um programa computacoal, especfcamete desevolvdo para a mplemetação da Teora Ierete à Estrutura. Tal programa aborda ão somete a frequêca fudametal dos sstemas de eerga, como também as frequêcas harmôcas. Dessa forma, realzam-se os estudos de alocação ótma de fltros e capactores, assm como, a aálse das regões de vulerabldade quado da ocorêca de afudametos mometâeos de tesão os sstemas elétrcos. Os resultados foram comparados com outros obtdos através de metodologas de aálse atualmete exstetes e se mostraram grademete satsfatóros.

2 2 2. FUNDAMENTOS TEÓRICOS Os cálculos que evolvem tesões e corretes em sstemas elétrcos requerem, em geral, o cohecmeto da correspodete matrz admtâca da rede. A Teora de Estruturas Aplcadas a Redes Elétrcas utlza a matrz admtâca como prcpal elemeto de aálse. Bascamete, como doravate mecoado, a TEARE se resume a reestruturação da matrz admtâca da rede em termos de seus autovalores e autovetores. A matrz admtâca da rede é, como se sabe, costtuída das porções passvas do sstema. Nesse cotexto, vale a pea relembrar que qualquer perturbação a topologa de um sstema elétrco, como a serção de um ramo shut ou de uma ova lha, provocará alterações a matrz admtâca da rede. Com sso, os autovalores e autovetores correspodetes também sofrerão alterações e, por cosegute, dcarão modfcações a sesbldade dos barrametos do sstema elétrco. Na represetação da matrz de admtâcas da rede em termos de seus autovalores e autovetores, cosderase, para a frequêca fudametal, a matrz dcada a equação (). ( ).[ ] [ Y ] = [ P]. dag λ P () [Y] = Matrz admtâca da rede; dag(λ) = Matrz dagoal de autovalores da matrz [Y]; [P] = Matrz de trasção, cuas coluas são os autovetores correspodetes da matrz [Y]. A matrz de trasção [P] é represetada coforme a equação (2). ( θ, θ,, ) [ 2 P] θ θ = -ésmo autovetor da matrz [Y]. = (2) Partdo-se da equação (), pode-se escrever a matrz de mpedâcas da rede da segute forma: Com os equacoametos apresetados até o mometo, pode-se rescrever a equação lear tradcoal para estudos de curtos-crcutos e de peetração harmôca, dcada em (4), de modo a cotemplar a ova represetação da matrz de mpedâcas da rede. [ V ] = [ Z].[ I] (4) Substtudo-se a matrz de mpedâcas, dcada em (3), a equação (4), tem-se: [ V ] = [ P]. dag.[ P] λ.[ I] De acordo com [], a equação (5) pode ser reescrta como apresetado a segur: [ V ] = N = T.[ S].[ I] λ N = Número de barras do sstema elétrco em aálse; = -ésmo barrameto do sstema elétrco; [S] = Matrz de sesbldade de rede, represetada de acordo com a equação (7). [ S ] θ ] (5) (6) T = θ.[ (7) O sgfcado físco da matrz de sesbldade [S] fo verfcado por M.A. Laughto em 964, o qual demostrou em [6], a gualdade apresetada em (8). [ S] = θ.[ θ ] T λ y = λ y N λ y N λ N y NN (8) [ Z] = [ P]. dag.[ P] λ (3) Cada elemeto da matrz de sesbldade, dcada em (6), represeta o coefcete de sesbldade relacoado às modfcações -ésmo autovalor em relação ao elemetos y da matrz de admtâcas da rede. dag(/λ) = Matrz de autovalores versos, ode cada elemeto ão ulo é o recíproco dos elemetos da matrz dagoal de autovalores orgal. No tópco segute, estas formulações serão aplcadas a determação de potos de alocação ótma para fltros e capactores em sstemas elétrcos de potêca. 2

3 3 3. RESULTADOS DE SIMULAÇÃO A segur, utlzado-se um sstema radal típco dos sstemas de dstrbução, proceder-se-á ao estudo da otmzação da alocação de fltros stozados utlzado-se a TEARE. O sstema radal utlzado é costtuído de 9 barras, sedo que em duas delas estão coectadas cargas ão-leares, como pode ser observado pela fgura. As tesões omas do sstema são de 38/3,8 kv. dag ( λ ) 43,52 = 28,2 23,52 5,74 9,59,65 3,95 2,2 2,43 () Como á lustrado aterormete, cada autovalor apresetado em () será assocado ao seu autovetor correspodete. Por outro lado, a matrz de trasção [P], cuas coluas são compostas pelos autovetores da matrz admtâca, é apresetada em (). Fgura - Dagrama uflar do sstema elétrco para estudo de alocação de fltros stozados. Retorado-se à equação (5), tem-se que a mesma dca que a tesão em um determado barrameto de um sstema elétrco é depedete tato dos autovalores da matrz admtâca, quato de seus autovetores. Com o propósto de verfcar esta depedêca, retoremos ao sstema elétrco da fgura ou, mas especfcamete, à sua matrz admtâca para a frequêca de 3Hz, apresetada o aexo I. Os autovalores da matrz admtâca represetatva do sstema elétrco em estudo, cuos elemetos estão relacoados à frequêca de 3 Hz, foram calculados através de um programa computacoal especfcamete desevolvdo para este propósto. Os valores ecotrados são apresetados em o aexo II, equação (9), sob a forma de uma matrz dagoal. Observa-se que os autovalores são úmeros complexos, uma vez que os elemetos da matrz admtâca também o são. Etretato, a aplcação da Teora de Estruturas Ieretes a Redes Elétrcas, tato os autovalores quato os elemetos dos autovetores correspodetes, serão cosderados em módulo. Coforme á mecoado, a TEARE é capaz de formar se um determado barrameto é mas, ou meos, sesível em relação a alguma alteração a topologa da rede. Ou sea, a teora forece formações qualtatvas da rede. A matrz apresetada em (9), o aexo II, será, em seguda, escrta em termos dos módulos dos autovalores.,2,2,37,767 P =,297,54,386,49,27,7,248,436,6,2,37,576,595,82,6,437,563,233,537,22,23,277,8,5,266,34,323,559,4,238,42,34,37,356,43,32,4,38,538,248,549,7,324,339,35,355,358,357,36,365,276,597,425,84,226,556,2,52,29,779,552,257,34,66,3,47,9,99,292,46,459,34,7,28,32,42,492 () Um dos autovetores da matrz de trasção [P] assume um sgfcado de grade mportâca a TEARE. Trata-se do autovetor assocado ao autovalor de meor módulo. Para o caso em estudo, a matrz dagoal apresetada em () observa-se que o meor autovalor da matrz admtâca é o elemeto λ 6,6 com módulo gual a,65. Dessa forma, o autovetor assocado a este autovalor de meor módulo será o vetor correspodete à sexta colua da matrz de trasção [P], dcada em (). Para uma maor facldade de observação, apreseta-se este vetor, em (2), soladamete da matrz de trasção [P]. θ 6,7,324,339,35 =,355,358,357,36,365 (2) A grade partculardade deste autovetor é que a dfereça percetual etre o maor e o meor de seus elemetos é a míma ecotrada detre todos os outros autovetores. 3

4 4 Para exemplfcar este fato, realza-se em seguda o cálculo das dfereças percetuas etre o maor e o meor elemeto de cada autovetor. Este cálculo é realzado através da equação (3). % max θ mθ = m θ.% (3) ode: % = varação percetual etre os elemetos do -ésmo autovetor; θ = -ésmo autovetor. Os resultados obtdos para os autovetores apresetados a matrz () são mostrados a tabela (). Tabela Varação percetual etre os elemetos do -ésmo autovetor. AUTOVETOR MAIOR ELEMENTO DE Θι MAIOR ELEMENTO DEΘι % Θ,767, Θ2,595,7 84 Θ3,537, Θ 4,559, Θ5,549, Θ6,365,7 24 Θ7,597, Θ8,779, Θ9,552,9 2 Em termos prátcos, a cada barrameto do sstema de eerga pode ser assocado um autovalor correspodete. Desse modo, o elemeto λ, da matrz dagoal apresetada em () correspode ao barrameto do sstema, o elemeto λ 2,2 ao barrameto 2 e, assm, sucessvamete. Para os autovetores também é válda esta correspodêca, ou sea, o autovetor θ correspode à barra do sstema elétrco, o autovetor θ 2 à barra 2 e, assm, sucessvamete. Além dos autovetores propramete dtos, os elemetos de cada autovetor também podem ser assocados aos barrametos do sstema de eerga. Dessa forma, por exemplo, para o autovetor θ 6, o prmero elemeto correspode ao barrameto, o segudo elemeto ao barrameto 2 e, assm por date. Coforme mecoado aterormete, os elemetos do autovetor assocado ao autovalor de meor módulo, possu uma forte lgação com as tesões os barrametos da rede. Assm sedo, com o tuto de demostrar a correspodêca etre os autovetores da matrz admtâca e as tesões os barrametos do sstema mostrado a fgura, represetou-se, calmete, os módulos dos elemetos do autovetor θ 6 (de meor varação percetual etre seus elemetos) o gráfco lustrado a fgura 3.,4 Como observado a tabela, o autovetor θ 6 apreseta a meor varação percetual (24%) etre o maor e o meor de seus elemetos. Este fato também pode ser observado através do gráfco apresetado a fgura (2). VARIAÇÃO PERCENTUAL(%) M ÓDULO DOS ELEMENTOS DO AUTOVETOR,35,3,25,2,5,,5, BARRA Fgura 3 Módulos dos elemetos do autovetor θ AUTOVETOR 5 Fgura 2 Varação percetual etre o maor e o meor elemeto de cada autovetor. Como será vsto mas adate, o módulo dos elemetos do autovetor, que apreseta a meor varação percetual etre seus elemetos (correspodete ao autovalor de meor módulo) terá forte lgação com as tesões os barrametos do sstema de eerga Em seguda, calculou-se, através do programa de peetração harmôca deomado HARMFLOW, as tesões de 5 a ordem em todos as barras da mesma rede, a qual possu fotes harmôcas coectadas às barras 3 e 9. Em termos de 5 a harmôca, as corretes etadas pelas fotes estas barras foram de,276 4,79 o p.u. Os resultados obtdos para as tesões de 5 a harmôca, em módulo, os barrametos do sstema são mostrados a fgura 4. 4

5 5,6,5 TENSÃO DE ORDEM 5 (P.U.),4,3,2,, BARRA Fgura 4 Tesões harmôcas de 5 a ordem as barras do sstema. Fgura 5 Elemeto shut coectado aos barrametos do sstema. Ode, R =,965 ohm; L = 33,47 mh e C = 8,49 µf. Comparado-se estas fguras, é fácl verfcar a grade smlardade o comportameto dos gráfcos das fguras 3 (relatvo ao módulo dos elemetos do autovetor θ 6) e 4 (relatvo às tesões as barras do sstema cosderado). Em outros termos, pode-se dzer que, o que se refere à 5 a harmôca, os módulos dos elemetos do autovetor θ 6 se comportam pratcamete da mesma forma que as tesões os barrametos da rede de eerga cosderada. Desse modo, o comportameto qualtatvo das tesões em um sstema elétrco pode, em geral, ser observado pela smples aálse dos autovetores da matrz admtâca da rede. Esta aálse é efetuada com equacoametos e cálculos computacoas muto mas smples que as metodologas tradcoas, que utlzam programas de fluxo de carga e/ou peetração harmôca. Na evetual ocorrêca de uma perturbação que cause alterações a topologa de um sstema, é bastate provável que as tesões as barras do referdo sstema de eerga sofram mudaças. Isso pode, também, ser verfcado qualtatvamete utlzado-se a TEARE. A aálse da correspodêca etre os autovalores da matrz admtâca (sem cosderar a exstêca de perturbação) e o comportameto das tesões do sstema elétrco está dretamete relacoada à sesbldade da rede. Através das aálses dos autovalores pode-se verfcar o quato um determado barrameto é sesível em relação a uma determada perturbação o mesmo. No presete caso (sstema elétrco mostrado a fgura ) cosderar-se-á a serção de um elemeto shut em uma barra do sstema. O elemeto shut cosderado para tal propósto será um arrao sére composto por uma resstêca, uma dutâca e uma capactâca, coforme mostrado a fgura 5. A mesma aálse podera ser realzada cosderado-se capactores de potêca. Alocado-se esse elemeto shut em todas as barras do sstema (uma vez em cada barra), ter-se-á dferetes varações as tesões de cada barra cosderada. Pode-se, assm, dagar: em qual barra, quado da ocorrêca da perturbação, as varações de tesão serão maores (ou meores)? As tesões de 5 a harmôca as barras, ates e depos da serção do ramo RLC, assm como, a varação percetual etre elas, estão dcadas a tabela 2. Tabela 2 Tesões de 5 a harmôca as barras do sstema ates e depos da serção do ramo RLC. BARRA DE ALOCAÇÃO TENSÃO DE 5 a. HARMÔNICA NA BARRA VARIAÇÃO DO RAMO RLC ANTES (p.u.) DEPOIS (p.u.) PERCENTUAL (%),44,99 56,89 2,454, ,798 3,4745, ,8337 4,4852,29 3,3234 5,4846,54 39,937 6,4839,8 348,556 7,4965,86 38,634 8,587,63 337,433 9,5276,3 335,673 O gráfco apresetado a fgura 6 mostra a varação percetual da tesão de 5 a ordem devdo à mudaça do local de serção do ramo RLC. Varação % da tesão de 5 a ordem Barra de alocação do ramo RLC Fgura 6 Varação percetual da tesão de 5 a ordem de acordo com a varação da barra de alocação do ramo RLC. 5

6 6 Da aálse da fgura 6, verfca-se que, quado o ramo RLC é alocado a barra 6, a varação percetual da tesão de 5 a ordem é a maor observada. Em outras palavras, o barrameto de úmero 6, para o sstema elétrco da fgura, é o mas sesível para a perturbação cosderada. Buscado-se uma correspodêca etre estas varações e os autovalores da matrz admtâca orgal (sem a carga RLC), para o sstema elétrco cosderado, represetou-se, através de um gráfco, os módulos dos respectvos autovalores (fgura 7) da matrz admtâca. Módulo do autovalor Barra de alocação do ramo RLC Fgura 7 Módulo dos autovalores da matrz admtâca. Da aálse dos gráfcos das fguras 6 e 7, observa-se claramete a correspodêca versa etre os mesmos. Em termos prátcos, pode-se dzer que a curva represetada a fgura 6 é a magem em espelho daquela apresetada a fgura 7. Em outras palavras, quato meor o módulo do autovalor assocado a uma determada barra, maor será a varação percetual da tesão de 5 a ordem a referda barra, quado da alocação do ramo RLC. Até o presete mometo, os fudametos prcpas da Teora de Estruturas Ieretes a Redes Elétrcas á foram apresetados. Etretato, ecessta-se ada de um equacoameto mas abragete, capaz de sstematzar as correspodêcas etre os autovalores e autovetores de uma matrz admtâca e a sesbldade de um sstema elétrco. Na busca deste equacoameto, M. A. Laugtho [4] desevolveu a matrz de sesbldade para autovalores. Os elemetos desta matrz são formados λ por dervadas parcas do tpo, ode λ é o - ésmo autovalor da matrz admtâca [Y] e y é um elemeto dessa mesma matrz. Desse modo, cada um desses elemetos, a partr da defção de dervadas parcas, dca o quato um determado autovalor que pode ser assocado a um determado barrameto de um sstema de eerga vara quado da varação de um elemeto da matrz admtâca. y O equacoameto ecessáro para a costrução da matrz de sesbldade para autovalores, coforme apresetada a seção 2 deste trabalho, é apresetada em maores detalhes a segur. A matrz de sesbldade para autovalores pode ser verfcada, calmete, através de algumas mapulações a equação (3), abaxo reproduzda como equação (4): Z = P λ ( P). dag.( ) (4) É possível, com algumas mapulações matemátcas reescrever a equação (4) sob a forma expadda, como dcado em (5). Z = N =. θ. λ ( θ ) T (5) N = úmero de barras do sstema elétrco; λ = -ésmo autovalor da matrz admtâca; θ = -ésmo autovetor da matrz admtâca ou, ada, -ésma colua da matrz P; (θ ) T = -ésmo autovetor, trasposto, da matrz admtâca. Fo exatamete através da aálse da equação (5) que M.A. Laugtho [6] desevolveu a matrz de sesbldade para autovalores. Essa matrz é costtuída pelo produto de dos dos fatores presetes a equação (5), como pode ser observado em (6). S ( θ ) T = θ. (6) O sgfcado físco da equação (6) fo verfcado por M.A. Laugtho em 964, o qual demostrou em [6], a gualdade apresetada em (7). S = θ. ( θ ) T λ y = λ y N λ yn λ y NN (7) S = matrz de sesbldade assocada ao autovetor ; λ = -ésmo autovalor; θ = -ésmo autovetor; y, = elemeto, da matrz de admtâcas. 6

7 7 Substtudo-se a equação (6) em (5), pode-se represetar a matrz de mpedâcas da rede em termos da matrz de sesbldade [S], coforme mostrado em (8). [ Z] = N =, N. S λ (8) Matrcalmete, S 6,3,345,36,345,53,99,36,99,47,374,39,89 =,378,52,23,38,62,23,38,58,29,385,72,224,388,83,235,374,39,89,233,247,258,253,268,28,378,52,23,247,262,272,268,283,295,38,62,23,258,272,283,279,294,36,38,58,29,,253,268,279,275,29,32,385,72,224,268,283,294,29,246,37,388,83,235,28,295,36,32,37,27 De posse de (8), a equação matrcal lear [V] = [Z].[I] pode agora ser rescrta em termos de autovalores e da matrz de sesbldade [S], coforme observado em (9). N [ V ] =, N = λ. S.[ I] (9) Verfca-se, assm, a depedêca etre as tesões os barrametos de um sstema elétrco e a matrz de sesbldade [S]. Pela observação da equação (7), ota-se que cada elemeto da matrz S represeta o coefcete de sesbldade etre o autovalor λ e o respectvo elemeto da matrz de admtâcas. Desse modo, quato maor for um determado elemeto S, a matrz de sesbldade, maor será a sesbldade do autovalor λ para modfcações o elemeto y, correspodete da matrz admtâca. Com o tuto de lustrar a aplcabldade da matrz de sesbldade, vamos retorar ao sstema elétrco da fgura. Pela aálse da equação (6), verfca-se que o úmero de matrzes de sesbldade será gual ao úmero de autovetores da matrz admtâca, ou ada, ao úmero de barras do sstema elétrco. Dessa forma, para o sstema da fgura, ter-se-á 9 (ove) matrzes de sesbldade. Porém, do mesmo modo como realzado para a verfcação da correspodêca etre autovetores e tesões do sstema, será cosderada apeas a matrz de sesbldade correspodete ao autovalor de meor módulo, ou sea, λ 6,6 =,65, pelas mesmas razões aterormete. Assm, tem-se para o sstema elétrco cosderado a matrz de sesbldade correspodete ao autovetor θ 6, que, por sua vez, está assocado ao autovalor de meor módulo. Para o cálculo da matrz de sesbldade S 6 utlza-se a equação (6). Dessa forma, tem-se: ( ) T S6 = θ 6. θ 6 (9) Como á se vu este trabalho, a alteração a topologa da rede, o caso a serção de um ramo shut em um determado barrameto de um sstema elétrco, rá causar apeas a varação do elemeto y, da dagoal prcpal da matrz admtâca da rede. Pode-se afrmar, gualmete, que a sesbldade do sstema pode ser observada pela smples aálse dos elemetos da dagoal prcpal da matrz de sesbldade [S]. Neste cotexto, quato maor for o valor de um determado elemeto da dagoal prcpal da matrz [S], ode s = λ y,, maor será a sesbldade do barrameto correspodete à uma determada perturbação [3]. A fgura 8 destaca os elemetos da dagoal prcpal da matrz de sesbldade (9), do sstema elétrco da fgura, em fução dos barrametos do sstema. MÓDULO DO ELEMENTO S,4,2,,8,6,4,2, BARRA Fgura 8 Elemetos da dagoal prcpal da matrz de sesbldade relatva ao sstema elétrco da fgura Coforme pode ser verfcado pela fgura ateror, a barra úmero 6 apreseta o maor coefcete de sesbldade. Estes resultados, em comparação aos resultados aterormete obtdos por métodos tradcoas, dcam a barra 6 como a mas sesível sob o poto de vsta de tesão harmôca quado da ocorrêca de uma perturbação o sstema. Vale ressaltar que todo o procedmeto aqu realzado é gualmete aplcado para estudos de alocação ótma de capactores e cargas o cotexto da qualdade da eerga elétrca. 7

8 8 O elemeto básco de aálse para qualquer estudo é a matrz admtâca de rede do sstema elétrco cosderado. A dfereça exstete em cada tpo de aálse refere-se smplesmete à frequêca para qual a matrz admtâca fo motada. Para estudos de alocação ótma de capactores e cargas serão cosderados smplesmete admtâcas de frequêca fudametal. Para aálses o domío harmôco, as admtâcas serão cosderadas em frequêcas múltplas da fudametal. 4. CONCLUSÕES A aálse dos autovalores da matrz admtâca da rede dos sstemas elétrcos de potêca dcou o comportameto das tesões as barras. Tal estudo leva à possbldade da cração da matrz de sesbldade assocada a autovalores, a qual se mostrou ser efcete para estudos dos efetos de perturbações em um sstema elétrco. Proceedgs of the 7 th Iteratoal Coferece PEMC 96, Budapest, Hugary, September 996, pp [6] - M. A. LAUGHTON, The structure of power etwork voltage profles, Proceedgs of 7 th PSCC, Lausae, July 982, pp [7] PESONEN, M. A. et al., Harmocs, characterstc, parameters, methods of study, estmates of exstg values the etwork, Electra, No. 77, July 98. [8] - M. A. LAUGHTON, Sestvty dyamcal system aalyss, J. Electro. Cotrol, 964, 7, pp X Neste setdo, a Teora de Estruturas Aplcadas a Redes Elétrcas pode ser largamete aplcada a aálse de alocação ótma de fltros, capactores e cargas, o cotexto da qualdade da eerga elétrca, em substtução a város métodos usuas, os quas a grade maora das vezes se mostram complexos e de dfícl aplcação 5. REFERÊNCIAS BIBLIOGRÁFICAS [] EMANUEL, A. E., PILEGI, D. J., GENTILE, Optmum placemet of sgle-tued shut flters dstrbuto feeders wth dspersed olear loads, Proc. of IEEE ICHPS VI, Bologa, September, 2-23, 994. [2] ERTEM, S., TUDOR, J. R., Optmal shut capactor allocato by olear programmmg, IEEE Tras. o Power Delvery, Vol. PWRD-2, No. 4, October 987. [3] LAUGTHON, M. A., EL ISKANDARANI, O the Iheret Network Structure, Proc. of 6 th PSCC, Darmstad, August 978, pp [4] CARPINELLI, G., RUSSO, M., RUSSO, A., VERDE, P., Iheret Structure Theory of etworks ad power system harmocs, IEE Proc. Geer. Trasm. Dstrb., Vol. 45, No. 2, March 998. [5] CARPINELLI, G., RUSSO, M., VERDE, P., O the optmum placemet of passve flters, 8

9 9 ANEXO I Matrz admtâca de rede do sstema elétrco da fgura = 9,9,99 6,6372,4425 6,543,4334 9,9,99 9,9,99 29,73 2,973 9,9,99 9,9,99 9,83,9827 9,9,99,659,997,7499,6,7499,6 2,3499,6 Y 6,5534,8742 6,552,8734 6,552,8734 6,465,866 9,9,99 9,9,99 9,875,9843 6,6465,445 6,6372,4425 9,9,99 ANEXO II Matrz dagoal de autovalores complexos ( ) = 2,42,7 2,2,96 3,94,3,64,2 9,53,3 5,67,47 23,42 2,24 28,5 2,92 43,3 4,3 dag λ (9)

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

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

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

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

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

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

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

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

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

Leia mais

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

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

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

Sumário. Mecânica. Sistemas de partículas

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

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

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

Avaliação da qualidade do ajuste

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

Leia mais

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

MA12 - Unidade 4 Somatórios e Binômio de Newton Semana de 11/04 a 17/04

MA12 - Unidade 4 Somatórios e Binômio de Newton Semana de 11/04 a 17/04 MA1 - Udade 4 Somatóros e Bômo de Newto Semaa de 11/04 a 17/04 Nesta udade troduzremos a otação de somatóro, mostrado como a sua mapulação pode sstematzar e facltar o cálculo de somas Dada a mportâca de

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

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

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

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

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

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

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

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

Leia mais

Como CD = DC CD + DC = 0

Como CD = DC CD + DC = 0 (9-0 www.eltecampas.com.br O ELITE RESOLVE IME 008 MATEMÁTICA - DISCURSIVAS MATEMÁTICA QUESTÃO Determe o cojuto-solução da equação se +cos = -se.cos se + cos = se cos ( se cos ( se se.cos cos + + = = (

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

DISTRIBUIÇÃO HIPERGEOMÉTRICA

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

Leia mais

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

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

Leia mais

(c) Para essa nova condição de operação, esboce o gráfico da variação da corrente no tempo.

(c) Para essa nova condição de operação, esboce o gráfico da variação da corrente no tempo. CONVERSÃO ELETROMECÂNICA DE ENERGIA Lsta de exercícos sobre crcutos magétcos Questão A fgura 1(a mostra um acoador projetado para produzr força magétca. O mesmo possu um úcleo em forma de um C e uma armadura

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

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

2.0 - MODELAGEM DA CARGA

2.0 - MODELAGEM DA CARGA GAT-23 2 a 26 de ubro de 2 Campas - São Paulo - Brasl G R U P O I V GRUPO DE ESTUDO DE ANÁLISE E TÉCNICAS DE SISTEMAS DE POTÊNCIA GAT RESERVA DE POTÊNCIA OPERATIVA - UMA METODOLOGIA DE TRANSIÇÃO A. A.

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

PERFORMANCE ANALYSIS OF LOAD MODELLING STRATEGIES FOR HARMONIC DISTORTION SHARING

PERFORMANCE ANALYSIS OF LOAD MODELLING STRATEGIES FOR HARMONIC DISTORTION SHARING ANÁLISE DE DESEMPENHO DAS PRINCIPAIS ESTRATÉGIAS DE MODELAGEM DE CARGAS PARA OS ESTUDOS DO COMPARTILHAMENTO DAS RESPONSABILIDADES SOBRE AS DISTORÇÕES HARMÔNICAS Ferada He da Costa Iva Nues Satos José Carlos

Leia mais

Estabilidade no Domínio da Freqüência

Estabilidade no Domínio da Freqüência Establdade o Domío da Freqüêca Itrodução; apeameto de Cotoros o Plao s; Crtéro de Nyqust; Establdade Relatva; Crtéro de Desempeho o Domío do Tempo Especfcado o Domío da Freqüêca; Bada Passate de Sstema;

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

4 O Método de Análise Hierárquica

4 O Método de Análise Hierárquica 4 O Método de Aálse Herárquca 4.. Itrodução O método de aálse herárquca é um dos métodos multatrbuto mas utlzados e dfuddos o mercado mudal (Gomes, 007). Isso se deve, provavelmete, a duas razões. A prmera

Leia mais

Prof. Eugênio Carlos Stieler

Prof. Eugênio Carlos Stieler http://www.uemat.br/eugeo Estudar sem racocar é trabalho 009/ TAXA INTERNA DE RETORNO A taa tera de retoro é a taa que equalza o valor presete de um ou mas pagametos (saídas de caa) com o valor presete

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

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

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

Projeto e Análise de Algoritmos Recorrências. Prof. Humberto Brandão

Projeto e Análise de Algoritmos Recorrências. Prof. Humberto Brandão Projeto e Aálse de Algortmos Recorrêcas Prof. Humberto Bradão humberto@dcc.ufmg.br Uversdade Federal de Alfeas Laboratóro de Pesqusa e Desevolvmeto LP&D Isttuto de Cêcas Exatas ICEx versão da aula: 0.

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

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

Ivan G. Peyré Tartaruga. 1 Metodologia espacial

Ivan G. Peyré Tartaruga. 1 Metodologia espacial RELATÓRIO DE PESQUISA 5 Procedmetos o software ArcGIS 9. para elaborar os mapas da Regão Metropoltaa de Porto Alegre RMPA com as elpses de dstrbução drecoal etre 99 e 000 Iva G. Peré Tartaruga Metodologa

Leia mais

Bruno Hott Algoritmos e Estruturas de Dados I DECSI UFOP. Aula 10: Ordenação

Bruno Hott Algoritmos e Estruturas de Dados I DECSI UFOP. Aula 10: Ordenação Bruo Hott Algortmos e Estruturas de Dados I DECSI UFOP Aula 10: Ordeação O Crtéro de Ordeação Ordea-se de acordo com uma chave: typedef t TChave; typedef struct{ TChave chave; /* outros compoetes */ Item;

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

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

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

Leia mais

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

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

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

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

CAPÍTULO 5. Ajuste de curvas pelo Método dos Mínimos Quadrados

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

Leia mais

2. NOÇÕES MATEMÁTICAS

2. NOÇÕES MATEMÁTICAS . NOÇÕES MATEMÁTICAS Este capítulo retoma algumas oções matemátcas ecessáras para uma boa compreesão de algus aspectos que serão mecoados e detalhados o presete trabalho. Algus destes aspectos podem abstrar

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

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

Perguntas Freqüentes - Bandeiras

Perguntas Freqüentes - Bandeiras Pergutas Freqüetes - Baderas Como devo proceder para prestar as formações de quatdade e valor das trasações com cartões de pagameto, os casos em que o portador opte por lqudar a obrgação de forma parcelada

Leia mais

4 Técnicas de Seleção de Características Independentes do Modelo para os Sistemas Neuro-Fuzzy Hierárquicos

4 Técnicas de Seleção de Características Independentes do Modelo para os Sistemas Neuro-Fuzzy Hierárquicos 4 éccas de Seleção de Característcas Idepedetes do Modelo para os Sstemas Neuro-Fuzzy Herárqucos 4. Itrodução Na maora das aplcações reas de classfcação, prevsão e otmzação, as bases de dados cotém um

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

MÉTODO DOS MÍNIMOS QUADRADOS

MÉTODO DOS MÍNIMOS QUADRADOS MÉTODO DOS MÍNIMOS QUADRADOS I - INTRODUÇÃO O processo de medda costtu uma parte essecal a metodologa cetífca e também é fudametal para o desevolvmeto e aplcação da própra cêca. No decorrer do seu curso

Leia mais

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

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

Leia mais

( ) Editora Ferreira - Toque de Mestre. Olá Amigos!

( ) Editora Ferreira - Toque de Mestre. Olá Amigos! Olá Amgos! Hoje coloco à dsposção de vocês aqu a seção Toque de Mestre da Edtora Ferrera (www.edtoraferrera.com.br) as questões de Matemátca Facera cobradas o últmo cocurso da axa Ecoômca Federal (EF),

Leia mais

( x) Método Implícito. No método implícito as diferenças são tomadas no tempo n+1 ao invés de tomá-las no tempo n, como no método explícito.

( x) Método Implícito. No método implícito as diferenças são tomadas no tempo n+1 ao invés de tomá-las no tempo n, como no método explícito. PMR 40 Mecâca Computacoal Método Implícto No método mplícto as dfereças são tomadas o tempo ao vés de tomá-las o tempo, como o método explícto. O método mplícto ão apreseta restrção em relação ao valor

Leia mais

Prof. Eugênio Carlos Stieler

Prof. Eugênio Carlos Stieler UNEMAT Uversdade do Estado de Mato Grosso Matemátca Facera http://www2.uemat.br/eugeo SÉRIE DE PAGAMENTOS 1. NOÇÕES SOBRE FLUXO DE CAIXA Prof. Eugêo Carlos Steler Estudar sem racocar é trabalho perddo

Leia mais

AULA Os 4 espaços fundamentais Complemento ortogonal.

AULA Os 4 espaços fundamentais Complemento ortogonal. Note bem: a letura destes apotametos ão dspesa de modo algum a letura ateta da bblografa prcpal da cadera Chama-se a ateção para a mportâca do trabalho pessoal a realzar pelo aluo resoledo os problemas

Leia mais

Apresenta-se em primeiro lugar um resumo da simbologia adoptada no estudo da quadratura de Gauss.

Apresenta-se em primeiro lugar um resumo da simbologia adoptada no estudo da quadratura de Gauss. CAÍTULO QUADRATURA DE GAUSS Mutos dos tegras que é eessáro alular o âmbto da aplação do Método dos Elemetos Ftos (MEF) ão são trvas,.e., ou a prmtva da ução tegrada ão exste expltamete, ou é demasado omplada

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

Ex: Cálculo da média dos pesos dos terneiros da fazenda Canoas-SC, à partir dos dados originais: x = 20

Ex: Cálculo da média dos pesos dos terneiros da fazenda Canoas-SC, à partir dos dados originais: x = 20 . MEDIDAS DE TENDÊNCIA CENTRAL (OU DE POSIÇÃO) Coceto: São aquelas que mostram o alor em toro do qual se agrupam as obserações.. MÉDIA ARITMÉTICA ( ) Sea (x, x,..., x ), uma amostra de dados: Se os dados

Leia mais

MEDIDAS DE DISPERSÃO 9. MEDIDAS DE DISPERSÃO

MEDIDAS DE DISPERSÃO 9. MEDIDAS DE DISPERSÃO Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, Medca Veterára, Muscoterapa, Odotologa, Pscologa MEDIDAS DE DISPERSÃO 9 9. MEDIDAS DE DISPERSÃO

Leia mais

Complexidade Computacional da Determinação da Correspondência entre Imagens

Complexidade Computacional da Determinação da Correspondência entre Imagens Complexdade Computacoal da Determação da Correspodêca etre Images Adraa Karlstroem Laboratóro de Sstemas Embarcados Departameto de Egehara Mecatrôca Escola Poltécca da Uversdade de São Paulo adraa.karlstroem@pol.usp.br

Leia mais

Material Teórico - Módulo de MATEMÁTICA FINANCEIRA. Financiamentos. Primeiro Ano do Ensino Médio

Material Teórico - Módulo de MATEMÁTICA FINANCEIRA. Financiamentos. Primeiro Ano do Ensino Médio Materal Teórco - Módulo de MATEMÁTICA FINANCEIRA Facametos Prmero Ao do Eso Médo Autor: Prof Fracsco Bruo Holada Autor: Prof Atoo Camha Muz Neto 20 de agosto de 2018 1 Itrodução Neste materal, remos aplcar

Leia mais

DESEMPENHO DE ESTIMADORES DA MÉDIA POPULACIONAL DE DISTRIBUIÇÕES ASSIMÉTRICAS BASEADOS EM AMOSTRAGEM POR CONJUNTOS ORDENADOS

DESEMPENHO DE ESTIMADORES DA MÉDIA POPULACIONAL DE DISTRIBUIÇÕES ASSIMÉTRICAS BASEADOS EM AMOSTRAGEM POR CONJUNTOS ORDENADOS DESEMPENHO DE ESTIMADORES DA MÉDIA POPULACIONAL DE DISTRIBUIÇÕES ASSIMÉTRICAS BASEADOS EM AMOSTRAGEM POR CONJUNTOS ORDENADOS Fracsco Juor PIGATO Mara Cecíla Medes BARRETO RESUMO: Um deleameto amostral

Leia mais

3 Fundamentação Teórica

3 Fundamentação Teórica 3 Fudametação Teórca A segur são apresetados os fudametos teórcos os quas é embasado o desevolvmeto do trabalho. 3.. Espectros de Resposta De acordo com Sampao [3], é descrta a resposta máxma de um osclador

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

Apêndice. Uso de Tabelas Financeiras

Apêndice. Uso de Tabelas Financeiras Apêdce C Uso de Tabelas Faceras 1. INTRODUÇÃO...2 2. SIMBOLOGIA ADOTADA E DIAGRAMA PADRÃO...2 3. RELAÇÃO ENTRE PV E FV...2 3.1. DADO PV ACHAR FV: FATOR (FV/PV)...3 3.1.1. EXEMPLOS NUMÉRICOS...5 3.2. DADO

Leia mais

4 Métodos Sem Malha Princípio Básico dos Métodos Sem Malha

4 Métodos Sem Malha Princípio Básico dos Métodos Sem Malha 4 Métodos Sem Malha Segudo Lu (9), os métodos sem malha trabalham com um cojuto de ós dstrbuídos detro de um domío, assm como com cojutos de ós dstrbuídos sobre suas froteras para represetar, sem dscretzar,

Leia mais

16 - PROBLEMA DO TRANSPORTE

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

Leia mais

Métodos iterativos. Capítulo O Método de Jacobi

Métodos iterativos. Capítulo O Método de Jacobi Capítulo 4 Métodos teratvos 41 O Método de Jacob O Método de Jacob é um procedmeto teratvo para a resolução de sstemas leares Tem a vatagem de ser mas smples de se mplemetar o computador do que o Método

Leia mais

( ) ( IV ) n ( ) Escolha a alternativa correta: A. III, II, I, IV. B. II, III, I, IV. C. IV, III, I, II. D. IV, II, I, III. E. Nenhuma das anteriores.

( ) ( IV ) n ( ) Escolha a alternativa correta: A. III, II, I, IV. B. II, III, I, IV. C. IV, III, I, II. D. IV, II, I, III. E. Nenhuma das anteriores. Prova de Estatístca Epermetal Istruções geras. Esta prova é composta de 0 questões de múltpla escolha a respeto dos cocetos báscos de estatístca epermetal, baseada os lvros BANZATTO, A.D. e KRONKA, S.N.

Leia mais

Problema geral de interpolação

Problema geral de interpolação Problema geral de terpolação Ecotrar p() que verfque as codções: f j ( ) y,,,,,, j,,, m ( j) ( ) dervada de ordem j ós valores odas Eemplo: ecotrar p() que verfque:, f () 4 3, f( 3) 3, f'(3) 4 3 p() 3

Leia mais

GRUPO IV GRUPO DE ESTUDOS DE ANÁLISE E TÉCNICAS DE SISTEMAS DE POTÊNCIA (GAT) DETERMINAÇÃO DA COERÊNCIA ENTRE BARRAS DE CARGA: NOVOS CONCEITOS

GRUPO IV GRUPO DE ESTUDOS DE ANÁLISE E TÉCNICAS DE SISTEMAS DE POTÊNCIA (GAT) DETERMINAÇÃO DA COERÊNCIA ENTRE BARRAS DE CARGA: NOVOS CONCEITOS GAT / 03 7 a de Outubro de 999 Foz do Iguaçu araá - Brasl GRUO I GRUO DE ESTUDOS DE ANÁLISE E TÉCNICAS DE SISTEMAS DE OTÊNCIA (GAT) DETERMINAÇÃO DA COERÊNCIA ENTRE BARRAS DE CARGA: NOOS CONCEITOS Luís

Leia mais

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

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

Leia mais

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

2. MODELO DETALHADO: Relações de Recorrência. Exemplo: Algoritmo Recursivo para Cálculo do Fatorial Substituição Repetida

2. MODELO DETALHADO: Relações de Recorrência. Exemplo: Algoritmo Recursivo para Cálculo do Fatorial Substituição Repetida . MODELO DETALHADO: Relações de Recorrêca Exemplo: Algortmo Recursvo para Cálculo do Fatoral Substtução Repetda T T ( ) ( ) t 1, T ( + t, > T ( ) T ( + t T ( ) ( T( ) + t + t ) + t T ( ) T ( ) T ( ) +

Leia mais

ANÁLISE DE REGRESSÃO E CORRELAÇÃO

ANÁLISE DE REGRESSÃO E CORRELAÇÃO ANÁLISE DE REGRESSÃO E CORRELAÇÃO Quado se cosderam oservações de ou mas varáves surge um poto ovo: O estudo das relações porvetura estetes etre as varáves. A aálse de regressão e correlação compreedem

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

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

SUMÁRIO GOVERNO DO ESTADO DO CEARÁ. Cid Ferreira Gomes Governador. 1. Introdução... 2. Domingos Gomes de Aguiar Filho Vice Governador

SUMÁRIO GOVERNO DO ESTADO DO CEARÁ. Cid Ferreira Gomes Governador. 1. Introdução... 2. Domingos Gomes de Aguiar Filho Vice Governador INSTITUTO DE PESQUISA E ESTRATÉGIA ECONÔMICA DO CEARÁ - IPECE GOVERNO DO ESTADO DO CEARÁ Cd Ferrera Gomes Goverador Domgos Gomes de Aguar Flho Vce Goverador SECRETARIA DO PLANEJAMENTO E GES- TÃO (SEPLAG)

Leia mais

Total Bom Ruim Masculino

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

Leia mais

Modelos de regressão linear: abordagem clássica

Modelos de regressão linear: abordagem clássica Modelos de regressão lear: abordagem clássca Prof. Marcelo Rubes mrubes@me.uerj.br Depto. Estatístca Aálse de Regressão Objetvo: Determar uma fução matemátca que descreva a relação etre uma varável cotíua

Leia mais

ANÁLISE MATRICIAL DE ESTRUTURAS: APLICADA A MODELOS LINEARES

ANÁLISE MATRICIAL DE ESTRUTURAS: APLICADA A MODELOS LINEARES ANÁLISE MATRICIAL E ESTRUTURAS: APLICAA A MOELOS LINEARES Luz erado Martha Potfíca Uversdade Católca do Ro de Jaero PUC-Ro epartameto de Egehara Cvl Rua Marquês de São Vcete - Gávea CEP - Ro de Jaero RJ

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

Capítulo 1. Introdução e Revisão Bibliográfica

Capítulo 1. Introdução e Revisão Bibliográfica Itrodução e Revsão Bblográfca Itrodução e Revsão Bblográfca INTRODUÇÃO. OBJETIVO O objetvo deste trabalho fo o de desevolver um estudo sstemátco para estabelecmeto de paralelsmo de almetadores (AL s) a

Leia mais

50 Logo, Número de erros de impressão

50 Logo, Número de erros de impressão Capítulo 3 Problema. (a) Sedo o úmero médo de erros por pága, tem-se: 5 + + 3 + 3 + 4 33,66 5 5 Represetado o úmero medao de erros por md, tem-se, pela ordeação dos valores observados, que os valores de

Leia mais

Análise de Regressão

Análise de Regressão Aálse de Regressão Prof. Paulo Rcardo B. Gumarães. Itrodução Os modelos de regressão são largamete utlzados em dversas áreas do cohecmeto, tas como: computação, admstração, egeharas, bologa, agrooma, saúde,

Leia mais

UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO UNIVERSITÁRIO NORTE DO ESPÍRITO SANTO DEPARTAMENTO DE ENGENHARIAS E TECNOLOGIA Plano de Ensino

UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO UNIVERSITÁRIO NORTE DO ESPÍRITO SANTO DEPARTAMENTO DE ENGENHARIAS E TECNOLOGIA Plano de Ensino Plao de Eso Uversdade Federal do Espírto Sato Campus: São Mateus Curso: Egehara de Produção Departameto Resposável: Departameto de Egeharas e Tecologa Data de Aprovação (Art. º 91): Docete resposável:

Leia mais

MUDANÇAS ESTRUTURAIS NA ECONOMIA MINEIRA: UMA ANÁLISE DE INSUMO-PRODUTO PARA O PERÍODO

MUDANÇAS ESTRUTURAIS NA ECONOMIA MINEIRA: UMA ANÁLISE DE INSUMO-PRODUTO PARA O PERÍODO MUDANÇAS ESTRUTURAIS NA ECONOMIA MINEIRA: UMA ANÁLISE DE INSUMO-PRODUTO PARA O PERÍODO 996 3 Rafael Moras de Souza Mestre em Ecooma Aplcada FEA/UFJF Faculdade de Ecooma e Admstração Uversdade Federal de

Leia mais