INTERFACE GRÁFICA PARA TRATAMENTO ESTATÍSTICO COMO SUPORTE À ANÁLISE DE CONFIABILIDADE ESTRUTURAL
|
|
- Regina Borges
- 5 Há anos
- Visualizações:
Transcrição
1 INTERFACE GRÁFICA PARA TRATAMENTO ESTATÍSTICO COMO SUPORTE À ANÁLISE DE CONFIABILIDADE ESTRUTURAL Igor de Melo Nery Oliveira Eduardo Toledo de Lima Junior João Paulo Lima Santos Lucas Pereira de Gouveia William Wagner Matos Lira Laboratório de Computação Científica e Visualização, Universidade Federal de Alagoas Campus A. C. Simões, Tabuleiro dos Martins, , Maceió, Alagoas, Brasil Abstract. A crescente evolução dos materiais estruturais, e o consequente aumento da complexidade das estruturas, demandam um maior conhecimento dos níveis de segurança para os quais são projetadas. A análise de confiabilidade aplicada ao projeto estrutural pode ser construída com base na avaliação das incertezas das variáveis de projeto, de forma que a probabilidade de falha da estrutura pode ser prevista, com valor adequado, ainda na fase de projeto. Nesse contexto, as variáveis de projeto são descritas de forma estatística a partir da escolha de um modelo de distribuição estatística que represente os dados amostrados. Apresenta-se uma ferramenta computacional para tratamento estatístico de dados, dando suporte à análise de confiabilidade estrutural. Visando adotar uma distribuição estatística que caracterize apropriadamente uma variável aleatória, guardado um nível de significância definido, testes de aderência Chi-quadrado e Kolmogorov-Smirnov são aplicados às séries de dados. Esta ferramenta estatística é usada em conjunto com um código implementado para análise confiabilística, onde é possível incorporar a variabilidade das variáveis de projeto como variáveis aleatórias. Um exemplo numérico é apresentado para ilustrar a aplicabilidade e eficácia das ferramentas desenvolvidas. Palavras-chave: Inferência estatística, Confiabilidade estrutural, FORM, Monte-Carlo
2 Interface Gráfica para Tratamento Estatístico como Suporte à Análise de Confiabilidade Estrutural 1 INTRODUÇÃO A crescente evolução dos materiais estruturais e dos modelos de análise, e o consequente aumento na complexidade e arrojo das estruturas, demandam um maior conhecimento dos níveis de segurança para os quais estas são projetadas. Os códigos que normatizam o projeto de estruturas apresentam, em sua maioria, procedimentos determinísticos ou semi-probabilísticos, baseados em coeficientes parciais de segurança, não permitindo uma avaliação precisa dos estados limites das estruturas. Nesse contexto, a teoria de confiabilidade estrutural se apresenta como uma importante ferramenta. A análise de confiabilidade estrutural aplicada ao projeto estrutural permite a avaliação da probabilidade de falha da estrutura para um determinado estado limite, de forma que essa pode ser prevista ainda na fase de projeto. Ainda, incertezas inerentes aos projetos de Engenharia, relacionadas à variabilidade dimensional de peças e à variabilidade de resistência de materiais estruturais, induzem incertezas no desempenho mecânico das estruturas. Dessa forma, o trabalho versa sobre uma interface gráfica para tratamento estatístico. Esta ferramenta gráfica auxilia a análise de confiabilidade estrutural, visto ser possível criar modelos confiabilísticos com base na avaliação das incertezas das variáveis de projeto, as quais são descritas de forma estatística, como variáveis aleatórias. 2 CARACTERIZAÇÃO DAS VARIÁVEIS DE PROJETO Para caracterizar uma variável aleatória a partir de uma amostra representativa da mesma, é necessário encontrar um modelo de distribuição estatística que se adeque à amostra. O procedimento de ajuste de uma distribuição estatística a uma amostra envolve três etapas, descritas abaixo. 2.1 Seleção de um modelo de distribuição estatística Diversos modelos teóricos de distribuição podem ser empregados na representação de variáveis aleatórias, a depender da natureza e do comportamento destas. Alguns modelos clássicos, amplamente difundidos na literatura, são descritos a seguir. Modelo de distribuição Normal. Modelo amplamente difundido, rotineiramente utilizado para prever e modelar fenômenos da natureza. O teorema do limite central prova que toda soma de variáveis aleatórias independentes de média finita e variância limitada é aproximadamente Normal, desde que o número de termos da soma seja suficientemente grande. Um caso particular deste modelo é a chamada distribuição normal padrão, caracterizada por possuir média nula e desvio padrão unitário. Modelo de distribuição Log-Normal. Muito utilizada para caracterizar o tempo de vida de produtos e materiais. O logaritmo de uma variável com distribuição Log-Normal é uma distribuição Normal. O teorema do limite central prova que todo produto de variáveis aleatórias independentes e positivas de média finita e variância limitada é aproximadamente Log-Normal, desde que o número de termos do produto seja suficientemente grande.
3 I. MI. M. N. Oliveira, E. T. Lima Junior, J. P. L. Santos, L. P. Gouveia, W. W. M. Lira Figura 1. Comportamento do modelo de distribuição Normal mediante variação dos parâmetros Modelo de distribuição Logístico. Modelo semelhante à distribuição Normal, possuindo valores extremos com maior significância e consequentemente valores centrais menos significantes. Modelo de distribuição Gamma. Muito utilizada na análise de tempo de vida de produtos e materiais, é uma das distribuições mais gerais por diversas distribuições serem apenas casos particulares desta. Alguns casos particulares são a distribuição Exponencial e a distribuição Chi-Quadrado, oriundas da distribuição Gamma. Modelo de distribuição Weibull. Popular devido a sua grande adaptabilidade, frequentemente utilizada para descrever tempo de vida de produtos industriais. Proposta originalmente por W. Weibull em estudos relacionados ao tempo de falha devido à fadiga de metais. Figura 2. Comportamento do modelo de distribuição weibull mediante variação dos parâmetros 2.2 Parametrização dos modelos estatísticos hipotéticos A determinação de parâmetros do modelo estatístico hipotético é frequentemente realizada de três formas distintas, são elas:
4 Interface Gráfica para Tratamento Estatístico como Suporte à Análise de Confiabilidade Estrutural Comparação visual. Método impreciso e subjetivo onde o modelo é ajustado por meio da modificação dos parâmetros de acordo com a visualização de gráficos, procurando minimizar a distância entre a curva do modelo e da amostra de dados. Método dos momentos. Método rápido e preciso onde se mantêm os momentos (de forma geral a média e o desvio padrão) entre o modelo hipotético e a amostra de dados. A depender do modelo de distribuição, a obtenção analítica de seus parâmetros em função dos momentos da amostra pode não ser direta. Método de estimação. Busca-se os parâmetros do modelo cuja curva melhor se adeque à curva da amostra de dados, mediante o uso de uma função estimadora. Este é um método mais geral que pode ser exemplificado com o uso da função estimadora mínimos quadrados, onde se busca minimizar o somatório dos quadrados das distâncias verticais entre o modelo e a amostra. Este método necessita de um estudo mais refinado para seleção de uma boa função estimadora, e necessita de um maior tempo computacional, mas quando corretamente utilizado, fornece melhores resultados. Na interface gráfica, faz-se o uso do método dos momentos para todos os modelos hipotéticos, com exceção da distribuição Weibull, parametrizada mediante ajuste via mínimos quadrados. Esta exceção foi devida à dificuldade de solucionar analiticamente seus parâmetros em função dos momentos da amostra. Na interface, faz-se o uso ainda da comparação visual, mas apenas como confirmação visual dos resultados obtidos. 2.3 Testes de verificação da qualidade do ajuste (testes de aderência) Denominados testes de aderência, estes medem a qualidade do ajuste do modelo hipotético parametrizado por meio de um valor denominado valor observado. Os testes de aderência realizam um teste de hipótese, onde avaliam se o valor hipotético (valor observado) referente ao ajuste está abaixo do valor esperado. O valor esperado, por sua vez, quantifica o valor máximo admissível que o modelo hipotético pode apresentar de forma a ser fiel à amostra de dados. Os testes contemplam um nível de significância α, que pode ser visto como a margem de erro admissível do teste, usualmente adotado como 5% em problemas de Engenharia. Esse valor significa que dentre todos os dados observados na amostra, apenas 5% destes podem não estar bem ajustados pelo modelo de distribuição escolhido. Encontra-se na literatura valores admissíveis entre 1% e 10%, a depender do nível de precisão requerida e da natureza dos dados da amostra. Dois testes de aderência são amplamente difundidos na literatura, são eles: Teste Chi-Quadrado. Compara a frequência de ocorrências da amostra (a partir de um histograma) com a função densidade de probabilidade do modelo hipotético parametrizado, sendo portanto sensível ao número de intervalos ao qual o histograma será subdividido. Sua formulação é apresentada na Eq. (1). k χ² = (O i n (CDF(x i+1 ) CDF(x i ))) 2 n (CDF(x i+1 ) CDF(x i )) i=1 (1) sendo k o número total de intervalos do histograma e O i o total de observações no i-ésimo intervalo do histograma de ocorrências. O termo no denominador fornece o total de indivíduos observados, sendo então o produto do número de observações totais (n) com a probabilidade
5 I. MI. M. N. Oliveira, E. T. Lima Junior, J. P. L. Santos, L. P. Gouveia, W. W. M. Lira do i-ésimo intervalo do histograma (este por sua vez é a diferença entre as funções de probabilidade acumulada nos extremos do intervalo do histograma). Teste Kolmogorov-Smirnov. Calcula a máxima distância entre a função de probabilidade acumulada do modelo e o histograma cumulativo da amostra, fornecendo um resultado mais confiável por não depender do número de intervalos do histograma, visto que utiliza a amostra de dados pré-processados de forma direta, sem nenhum tratamento intermediário. Sua formulação é apresentada na Eq. (2). ks = max i n CDF(x i) (2) 1 i n sendo x i o i-ésimo termo da amostra ordenada e i n a chamada função cumulativa da amostra, razão entre a ordem da observação e o número total de amostras. Os valores esperados dos testes Chi-Quadrado e Kolmogorov-Smirnov são dependentes do tamanho da amostra e do nível de significância adotado, possibilitando então realizar o teste de hipótese para validação do ajuste obtido com um modelo de distribuição hipotético. 3 TEORIA DE CONFIABILIDADE ESTRUTURAL Descreve-se brevemente a teoria da análise de confiabilidade estrutural, base do código implementado para análise confiabilística. Vale ressaltar a dependência do código a uma representação fiel das amostras de dados como variáveis aleatórias, objetivo da interface gráfica apresentada neste trabalho. De acordo com Beck (2011), confiabilidade é o grau de confiança (probabilidade subjetiva) de que um sistema não falhe dentro de um período de tempo especificado e respeitado as condições de operação (projeto) do mesmo. Ainda, o autor define o evento complementar à confiabilidade, chamado de probabilidade de falha, como sendo a probabilidade (subjetiva) de que o sistema falhe, não atendendo às especificações de projeto. Um dos primeiros trabalhos em que se identifica o uso de conceitos de probabilidade no projeto estrutural é devido a Benjamim (1968). Os principais interesses da análise de confiabilidade segundo Mohamed (1999), são: Fornecer um bom conhecimento das incertezas no comportamento estrutural; Proporcionar um tratamento realístico das incertezas e calibrar os coeficientes parciais de segurança; Poder oferecer uma real medida de segurança e consequentemente poder melhorar a estimativa do risco; Melhor dimensionamento do projeto, que será consequentemente mais econômico, possibilitando uma distribuição ótima de materiais entre os elementos estruturais; Possibilitar a administração de um sistema existente com um custo ótimo. A avaliação da probabilidade de falha é baseada numa função de desempenho do sistema em estudo, conhecida também como função de falha. Geralmente essa função é denotada por G(U), onde U é um vetor com as variáveis aleatórias consideradas na análise. O formato da função de falha costuma seguir o padrão presente na Eq. (3).
6 Interface Gráfica para Tratamento Estatístico como Suporte à Análise de Confiabilidade Estrutural G(U) = R(U 1 ) S(U 2 ) (3) neste formato, tem-se que U 1 e U 2 são subvetores do vetor U onde as variáveis aleatórias associadas à resistência da estrutura estão em U 1 e as variáveis aleatórias associadas às solicitações estão em U 2. Note que valores positivos da função de falha representam a zona de segurança da estrutura e valores negativos sua zona de falha. Denomina-se então como limite de falha de uma estrutura a região limite da zona de falha, representada matematicamente pelos pontos que zeram a função de falha. Para o caso de uma única variável aleatória, a região no limite de falha recai num ponto no eixo da variável aleatória. No caso de duas variáveis aleatórias, a superfície de falha é uma curva. Desta forma, a probabilidade de falha pode ser definida pela integral representada na Eq. (4). P f = f U (u)du Ω f (4) sendo Ω f o domínio de falha para G(U) 0 e f U a função densidade de probabilidade conjunta das variáveis aleatórias. Entretanto, encontrar a probabilidade de falha para N variáveis aleatórias significa avaliar uma integral N-dimensional, o que não é simples quando N é grande ou quando a função densidade de probabilidade conjunta apresenta forma complexa. Desta maneira, métodos analíticos e numéricos são apresentados como alternativa para encontrar a probabilidade de falha. O cálculo da probabilidade de falha pode ser feito através da integração da função densidade de probabilidade correspondente ao estado de falha analisado, conforme Sagrilo (2003). Podem-se ainda utilizar métodos numéricos de integração, baseados em simulações de Monte-Carlo, devendo-se ressaltar que esses métodos exigem um número elevado de simulações de forma a calcular a probabilidade de falhar por amostragem. Métodos analíticos como o First Order Reliability Method (FORM) ou Second Order Reliability Method (SORM) podem também ser empregados, demandando uma formulação matemática mais complexa, porém permitindo estimar o índice de confiabilidade de uma estrutura com poucas iterações. Descrições detalhadas dos diversos métodos podem ser encontradas em Melchers (1999) e Ang & Tang (2007). Método de simulação de Monte-Carlo. Um método numérico que pode ser aplicado para resolver um problema de confiabilidade é o método de Monte-Carlo. Esse método consiste em gerar randomicamente vários valores para cada variável aleatória e combiná-los pela formulação da função de falha do modelo em análise, simulando assim possíveis valores para a função de falha. Desta forma, os valores simulados da função de falha serão analisados para o cálculo da probabilidade de falha através do percentual de valores menores que zero (representam a falha da estrutura) em relação ao número total de simulações. Métodos de transformação. Os métodos analíticos mais conhecidos para estimar o índice de confiabilidade de um problema são o FORM e o SORM. O FORM possui aplicabilidade para variáveis aleatórias que possuam distribuição bem definida, entretanto, o método é baseado numa aproximação de primeira ordem da função de falha em torno do ponto de uma iteração corrente, mesmo que a função não seja bem representada por uma reta, o que introduz um erro na probabilidade de falha calculada.
7 I. MI. M. N. Oliveira, E. T. Lima Junior, J. P. L. Santos, L. P. Gouveia, W. W. M. Lira Apesar disso, o FORM é amplamente utilizado em diversos problema da análise de confiabilidade, uma vez que seus resultados já possuem precisão suficientemente boa para diversas aplicações. O SORM por sua vez, faz uma aproximação de segunda ordem da função de falha, podendo levar a uma maior precisão em comparação ao FORM, entretanto o aumento de custo computacional decorrente do uso desse método deve ser considerado. O índice de confiabilidade β, de extrema importância na confiabilidade estrutural, é uma medida geométrica correspondente à mínima distância entre o limite de falha e a origem do espaço normal padrão, obtido através de transformações das variáveis aleatórias. Este resultado é muito importante pois permite estender a solução de problemas de confiabilidade para problemas multidimensionais, possibilitando a resolução do problema por meio de algoritmos de otimização. A solução de problemas de confiabilidade por um método de transformação consiste em achar o ponto da superfície de falha mais próximo da origem, através da resolução de um problema de otimização não linear cuja restrição é a própria função de falha. Para resolver esse problema existem diversos algoritmos que podem ser utilizados, dentre eles destaca-se o algoritmo HLRF (Hassofer e Lind, 1974; Rackwitz e Fiessler, 1978). Figura 3. Solução iterativa para busca do ponto de projeto. Fonte: Beck (2011) 3.1 Equação de estado limite adotada A fim de ilustrar a aplicação da análise de confiabilidade estrutural, propõe-se um problema relacionado à resistência à pressão interna de tubos utilizados no revestimento de poços de óleo e gás. Em diversas operadoras de óleo e gás, o projeto dos revestimentos de poços é realizado seguindo os preceitos da norma API 5C3:1994, de forma determinística. A Eq. (5) apresenta a expressão que fornece a resistência à pressão interna de um tubo de revestimento recomendado pela norma. P i = 0,875 ( 2 Y p t D ) (5)
8 Interface Gráfica para Tratamento Estatístico como Suporte à Análise de Confiabilidade Estrutural sendo P i a pressão interna mínima de escoamento, dependente da tensão de escoamento mínima do aço representada por Y p, da espessura nominal do tubo t e do diâmetro externo nominal D. Deve-se atentar à presença do fator de 0,875, correspondente à tolerância de 12,5% para o valor mínimo da espessura. Por mais que a resistência à pressão interna seja apresentada na norma de forma determinística, recomendações de projeto mais recentes apontam para a incorporação da análise de probabilidade de falha estrutural no projeto. Propõe-se estimar o índice de confiabilidade β, e a probabilidade de falha correspondente, da equação de resistência à pressão interna do tubo em relação ao seu valor determinístico. Assim, pode-se verificar a influência da consideração da aleatoriedade das variáveis de projeto na formulação usualmente adotada, proposta na norma supracitada. A função de falha que representa a condição descrita acima pode ser escrita da forma presente na Eq. (6). G(Y p, D, t ) = ( 2 Y p t D ) 0,875 (2 Y p t D ) (6) A presença de um traço acima da variável indica que a aleatoriedade da mesma será considerada. Vale ressaltar a eliminação do fator de 0,875 no termo confiabilístico, considerando-se que a incerteza inerente ao processo de produção é considerada de forma mais robusta, como variável aleatória. 4 RESULTADOS A fim de apresentar um exemplo numérico, de forma a demonstrar uma aplicação da ferramenta gráfica no contexto apresentado, uma análise de confiabilidade será apresentada para avaliar a probabilidade de um tubo de revestimento falhar ao ser solicitado por uma pressão interna determinística igual à sua resistência preconizada por norma. Adota-se um tubo da classe C ¾, com peso linear de 1245 N/m. Para ilustrar o problema, simulou-se a variabilidade inerente à produção da espessura, diâmetro e tensão de escoamento do tubo, com base em dados de produção disponíveis na literatura. A Tabela 1, a Tabela 2 e a Tabela 3 apresentam os dados simulados, representando dados de produção que serão processados na interface gráfica. Tabela 1. Simulação dos dados de produção da espessura da parede do tubo Espessura da parede do tubo (x10-2 m) 1,883 1,895 1,94 1,971 1,978 1,987 1,988 1,993 1,997 1,998 1,998 2,005 2,011 2,017 2,017 2,018 2,02 2,021 2,033 2,034 2,036 2,036 2,042 2,043 2,044 2,044 2,048 2,051 2,051 2,052 2,052 2,053 2,053 2,053 2,054 2,068 2,068 2,072 2,075 2,077 2,077 2,079 2,085 2,092 2,095 2,097 2,098 2,121 2,135 2,157
9 I. MI. M. N. Oliveira, E. T. Lima Junior, J. P. L. Santos, L. P. Gouveia, W. W. M. Lira Tabela 2. Simulação dos dados de produção do diâmetro externo Diâmetro externo (x10-2 m) 27,323 27,335 27,377 27,407 27,413 27,422 27,423 27,428 27,431 27,432 27,432 27,439 27,444 27,45 27,45 27,451 27,453 27,454 27,465 27,466 27,468 27,468 27,473 27,475 27,475 27,475 27,479 27,482 27,482 27,483 27,483 27,484 27,484 27,484 27,485 27,498 27,498 27,502 27,504 27,506 27,507 27,509 27,514 27,521 27,523 27,526 27,526 27,548 27,561 27,582 Tabela 3. Simulação dos dados de produção da tensão de escoamento Tensão de escoamento (x10 6 Pa) 741,92 748,31 773,09 790,19 793,87 798,96 799,26 802,16 804,40 804,48 804,74 808,69 811,83 815,13 815,19 815,73 816,89 817,37 823,57 824,24 825,47 825,51 828,57 829,42 829,66 829,73 831,86 833,65 833,66 834,29 834,33 834,78 834,81 834,84 835,38 842,67 842,89 845,1 846,56 847,71 847,95 849,03 852,26 856,02 857,6 858,85 859,18 871,53 879,22 891,53 Ao ser realizada a inferência estatística através da interface gráfica implementada, percebese que a variável tensão de escoamento é adequadamente representada por 4 das 5 distribuições testadas. Com base nos resultados dos testes de aderência, nota-se que a distribuição Normal é a mais representativa, possuindo valor médio de 826,681 MPa e desvio padrão de 28,592 MPa, testes de aderência realizados para um nível de significância de 5%. A Fig. 4 apresenta uma captura de tela da interface gráfica, onde é possível ter uma confirmação visual da análise realizada. Pode-se observar pela Fig. 4, que é possível modificar através da interface o número de intervalos de subdivisão do histograma, como também selecionar os modelos estatísticos hipotéticos que se deseja visualizar no gráfico, escolhe-se ainda pela visualização clássica das funções de densidade de probabilidade ou pelas funções de probabilidade acumulada. Os resultados são mostrados na direita, apresentando os valores esperados e observados do ajuste dos modelos hipotéticos. Após confirmar visualmente (via gráfico) e analiticamente (via testes de aderência) os resultados da inferência, é possível salvar a análise ou apenas abrir uma nova janela com a tabela-resumo da mesma.
10 Interface Gráfica para Tratamento Estatístico como Suporte à Análise de Confiabilidade Estrutural Figura 4. Realização da inferência estatística via interface gráfica Realizando a inferência para as demais variáveis de projeto, obtêm-se a Tabela 4 que apresenta o comportamento dos dados de produção dos tubos de revestimento GRADE C ¾, todas adequadamente representadas pela distribuição Normal. Os valores nominais fornecidos também estão presentes na tabela. Tabela 4. Parâmetros estatísticos considerados na análise Valor nominal Valor médio Desvio padrão Tensão de Escoamento (x10 6 Pa) Diâmetro (x10-2 m) Espessura (x10-2 m) 758, ,681 28,592 27,309 27,470 0,049 2,024 2,038 0,052 Após a inferência estatística, que caracterizou o comportamento das variáveis aleatórias, e desde que a função de falha esteja bem definida para o problema, pode-se realizar a análise confiabilística. Mediante Tabela 4 e a função de falha presente na Eq. (6), o código implementado gerou o resultado da análise de confiabilidade por dois métodos distintos.
11 I. MI. M. N. Oliveira, E. T. Lima Junior, J. P. L. Santos, L. P. Gouveia, W. W. M. Lira Para o método de simulação Monte-Carlo, simulações foram necessárias a fim de garantir convergência do resultado, fornecendo uma estimativa da probabilidade de que o tubo falhe quando submetido a sua carga nominal crítica entre 6, e 7, A vantagem da simulação de Monte-Carlo é de ser possível visualizar o comportamento da variável aleatória resistência, visto que simula-se valores desta variável. Por conseguinte, o tempo de processamento do método é elevado. Na Fig. 5, é possível observar a convergência do método em função do tamanho da simulação, a reta em laranja apresenta o valor encontrado para a probabilidade de falha via FORM. Para realização das simulações dez nós do cluster disponível no laboratório foram utilizados, a coloração das simulações da Fig. 5 correspondem ao nó utilizado, nota-se pela boa dispersão dos pontos que o algoritmo não é viciado. Figura 5. Probabilidade de falha da simulação de Monte Carlo por tamanho da simulação O método de transformação FORM também foi implementado, sendo necessário apenas 3 iterações para chegar numa probabilidade de falha de 6, , referente a um índice de confiabilidade de 4,832. Como resultado do método, é possível observar o valor mais provável de cada variável aleatória de forma que em conjunto, levem à falha da estrutura (chamado ponto de projeto). Ainda, obtém-se o fator de sensibilidade das variáveis aleatórias, este fator quantifica a influência da aleatoriedade de cada variável no processo. Tabela 5. Fatores de influência das variáveis aleatórias Tensão de escoamento (%) Diâmetro (%) Espessura (%) 68,01 0,14 31,85 Nota-se que a tensão de escoamento possui a maior influência nesse processo aleatório, seguida da espessura da parede dos tubos. Neste processo, a variável aleatória diâmetro externo possui influência pouco significativa, o que se explica por seu comportamento pouco disperso, com coeficiente de variação baixo. Neste caso, se o diâmetro externo for considerado uma variável determinística, os resultados de probabilidade de falha pouco devem variar.
12 Interface Gráfica para Tratamento Estatístico como Suporte à Análise de Confiabilidade Estrutural Para comprovação do resultado do fator de influência, fez-se a análise de confiabilidade (via FORM) considerando o diâmetro como variável determinística de valor igual ao seu valor médio. A probabilidade de falha na análise foi semelhante ao teste anterior, convergindo para 6, com 3 iterações. 5 CONCLUSÃO Observa-se com este trabalho que a incorporação das incertezas das variáveis de projeto e a avaliação da probabilidade de falha durante a elaboração do projeto fazem da análise de confiabilidade uma importante ferramenta para dimensionamento de uma estrutura. Ainda, evidencia-se a dependência da análise a uma representação fiel do comportamento das variáveis de projeto. No âmbito da caracterização das variáveis de projeto, salienta-se a importância dos testes de aderência como avaliadores da fidelidade do ajuste realizado no modelo de distribuição hipotético. Entre os dois testes de aderência apresentados neste trabalho, atenta-se à maior confiabilidade do teste Kolmogorov-Smirnov por não depender do número de subdivisões do histograma, dependência esta presente no teste Chi-Quadrado. Dentre os métodos apresentados para análise de confiabilidade, observa-se a robustez dos métodos de transformação (representados neste trabalho pelo método FORM) em relação aos métodos de simulação. Os métodos de transformação possuem uma maior complexidade, mas estimam de forma precisa e em poucas iterações a probabilidade de falha. Os métodos de simulação são interessantes pela possibilidade de visualização da resistência simulada. Aliados à baixa complexidade do método, este torna-se interessante para uma primeira estimativa da probabilidade de falha. Sua precisão e agilidade deixam de se pronunciar ao analisar projetos com baixa probabilidade de falha, como o presente neste trabalho. Atenta-se ainda que atualmente a segurança de uma estrutura é claramente uma função dos coeficientes parciais de segurança, utilizados nas equações de dimensionamento. Porém, os coeficientes das normas semi-probabilísticas são determinados a partir da análise de confiabilidade a nível probabilístico. Este avanço evidencia a aceitação da análise e a crescente convergência das normas de projeto para análises baseadas em confiabilidade. AGRADECIMENTOS Ao CNPq e à PETROBRAS pelo apoio financeiro, ao Eng. Jorel L. R. Anjos pelo apoio técnico acerca da metodologia de dimensionamento de revestimentos de poços. REFERÊNCIAS American Petroleum Institute; API Bull 5C3: Bulletin on formulas and calculations for casing, tubing, drill pipe, and line pipe properties. Ang, A. H-S., Tang, W. H.; Probability concepts in engineering: emphasis on applications to civil and environmental engineering. Hoboken: John Wiley & Sons. Beck, A. T.; Curso de confiabilidade estrutural: notas de aula. Escola de Engenharia de São Carlos Universidade de São Paulo, São Carlos. Benjamin, J. R.; Probabilistic structural analysis and design. Journal of the structural division, ASCE, vol. 94, pp
13 I. MI. M. N. Oliveira, E. T. Lima Junior, J. P. L. Santos, L. P. Gouveia, W. W. M. Lira Hasofer, A. M., Lind, N. C.; Exact and Invariant Second Moment Code Format. Journal of Engineering Mechanics, vol. 100(1), pp Melchers, R. E.; Structural reliability analysis and prediction. Chichester: John Wiley & Sons. Mohamed, A.; RYFES Theoretical manual. version 1.0. LaRAMA Laboratoire de Recherches et Applications en Mécanique Avancée, Clermont Ferrant. Rackwitz, R., Fiessler, B.; Structural Reliability Under Combined Load Sequences, Computers and Structures. vol. 9, pp Sagrilo, L. V. S; Confiabilidade estrutural: notas de aula. Instituo Alberto Luiz Coimbra de Pós-graduação e Pesquisa de Engenharia Universidade Federal do Rio de Janeiro, Rio de Janeiro.
Capítulo 2. Distribuições de Probabilidade Estimativas de parâmetros e tempos-atéfalha. Flávio Fogliatto
Capítulo 2 Distribuições de Probabilidade Estimativas de parâmetros e tempos-atéfalha Flávio Fogliatto 1 Ajustes de distribuições Em estudos de confiabilidade, dados são amostrados a partir de uma população
Leia maisESTUDO DE CASO PARA VERIFICAR A SEGURANÇA EM DUTOS COM DEFEITOS DE CORROSÃO
ESTUDO DE CASO PARA VERIFICAR A SEGURANÇA EM DUTOS COM DEFEITOS DE CORROSÃO Maylon Dieferson Silva de Sobral 1 ; Juliana Von Schmalz Torres 2 1 Estudante do Curso de Engenharia Civil CAA UFPE. E-mail:
Leia mais2 Conceitos de confiabilidade estrutural
2 Conceitos de confiabilidade estrutural As estruturas projetadas pelos engenheiros, geralmente são dimensionadas de forma conservadora, já que sobre elas são impostos fatores de segurança que são recomendados
Leia mais4 Confiabilidade Estrutural 4.1. Introdução
4 Confiabilidade Estrutural 4.1. Introdução Os principais requisitos de um projeto de engenharia são: funcionalidade, adequação de custos, segurança, durabilidade e minimização de impactos ambientais,
Leia maisModelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2014
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2014 Análise de desempenho São disponíveis duas abordagens para realizar a análise de desempenho:
Leia maisIdentificação da Distribuição Teórica de Probabilidades
Identificação da Distribuição Teórica de Probabilidades A utilização de gráficos, tais como um histograma, são muito úteis para a identificação ou delineamento da distribuição teórica de probabilidades.
Leia mais5 Análise de Confiabilidade
5 Análise de Confiabilidade Nas últimas décadas houve uma aceitação da análise de confiabilidade como uma ferramenta complementar para avaliar a segurança e a confiabilidade de problemas geotécnicos. A
Leia mais1 Que é Estatística?, 1. 2 Séries Estatísticas, 9. 3 Medidas Descritivas, 27
Prefácio, xiii 1 Que é Estatística?, 1 1.1 Introdução, 1 1.2 Desenvolvimento da estatística, 1 1.2.1 Estatística descritiva, 2 1.2.2 Estatística inferencial, 2 1.3 Sobre os softwares estatísticos, 2 1.4
Leia maisMais Informações sobre Itens do Relatório
Mais Informações sobre Itens do Relatório Amostra Tabela contendo os valores amostrados a serem utilizados pelo método comparativo (estatística descritiva ou inferencial) Modelos Pesquisados Tabela contendo
Leia maisVALIDAÇÃO DA FALHA ESTRUTURAL PELO MÉTODO DE MONTE CARLO INCLUINDO ABORDAGEM BAYESIANA
Proceedings of the 1 st Iberic Conference on Theoretical and Experimental Mechanics and Materials / 11 th National Congress on Experimental Mechanics. Porto/Portugal 4-7 November 2018. Ed. J.F. Silva Gomes.
Leia maisModelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2018
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2018 Análise de desempenho São disponíveis duas abordagens para realizar a análise de desempenho:
Leia maisModelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2017
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2017 Análise de desempenho São disponíveis duas abordagens para realizar a análise de desempenho:
Leia maisEspecialização em Engenharia de Processos e de Sistemas de Produção
Especialização em Engenharia de Processos e de Sistemas de Produção Projetos de Experimento e Confiabilidade de Sistemas da Produção Prof. Claudio Luis C. Frankenberg 3ª parte Conforme foi apresentado
Leia mais3 Confiabilidade de Estruturas
3 Confiabilidade de Estruturas 3.1. Níveis dos Métodos de Projeto de Estruturas O problema fundamental da confiabilidade de estruturas é a avaliação da probabilidade de que a resistência de uma estrutura
Leia mais5 Agregação das Reservas das Entidades
5 Agregação das Reservas das Entidades Neste capítulo é apresentado o procedimento de agregação das reservas das entidades. É importante ressaltar que as entidades probabilísticas sofrem agregação probabilística,
Leia maisSexta Lista: Geração de Números Pseudo-Aleatórios e Método de Monte Carlo
Sexta Lista: Geração de Números Pseudo-Aleatórios e Método de Monte Carlo Antônio Carlos Roque da Silva Filho e Cristiano R. F. Granzotti 26 de junho de 2017 Os exercícios desta lista devem ser resolvidos
Leia mais4 Determinação Experimental das Propriedades Estatísticas das Fibras de Carbono
4 Determinação Experimental das Propriedades Estatísticas das Fibras de Carbono As propriedades dos compósitos de fibras de carbono mais importantes a determinar no caso do reforço à flexão e à força cortante
Leia maisCONHECIMENTOS ESPECÍFICOS
fonte de graus de soma de quadrado variação liberdade quadrados médio teste F regressão 1 1,4 1,4 46,2 resíduo 28 0,8 0,03 total 2,2 A tabela de análise de variância (ANOVA) ilustrada acima resulta de
Leia maisétodos uméricos AJUSTE DE FUNÇÕES Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
étodos uméricos AJUSTE DE FUNÇÕES Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA
Leia mais5 Resultados de Fadiga
5 Resultados de Fadiga 5.1 Método Proposto A tensão alternada equivalente, calculada pela Eq. (3.1), se refere à tensão de von Mises cujos parâmetros de entrada são as componentes alternadas em cada ciclo.
Leia mais)XQGDPHQWRVGHSUREDELOLGDGHHHVWDWtVWLFD
)XQGDPHQWRVGHUREDELOLGDGHHHVWDWtVWLFD,QWURGXomR A história da estatística pode ser dividida em três fases. De acordo com PEANHA (00), a estatística inicialmente não mantinha nenhuma relação com a probabilidade,
Leia maisAULA 09 Regressão. Ernesto F. L. Amaral. 17 de setembro de 2012
1 AULA 09 Regressão Ernesto F. L. Amaral 17 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario F. 2008. Introdução à
Leia maisResumo. Palavras-chave. Confiabilidade, concreto armado, segurança global. Introdução
Resumo Confiabilidade em Estruturas de Concreto Armado: Estudo Comparativo entre Enfoques de Estado Limite Último e de Segurança Global Claudia Interlandi 1, Luiz Fernando Martha 2, Sergio Hampshire de
Leia maisColeta e Modelagem dos Dados de Entrada
Slide 1 Módulo 02 Coleta e Modelagem dos Dados de Entrada Prof. Afonso C. Medina Prof. Leonardo Chwif Três Etapas Coleta Tratamento Inferência Coleta dos Dados 1. Escolha adequada da variável de estudo
Leia maisAVALIAÇÃO DA SEGURANÇA, PROJETO BASEADO EM CONFIABILIDADE E CALIBRAÇÃO DE PROJETOS ESPECÍFICOS DE DUTOS COM DEFEITOS DE CORROSÃO
AVALIAÇÃO DA SEGURANÇA, PROJETO BASEADO EM CONFIABILIDADE E CALIBRAÇÃO DE PROJETOS ESPECÍFICOS DE DUTOS COM DEFEITOS DE CORROSÃO Juliana von Schmalz Torres juliana@ufpe.br Universidade Federal de Pernambuco
Leia maisColeta e Modelagem dos Dados de Entrada
Coleta e Modelagem dos Dados de Entrada Capítulo 2 Páginas 24-52 Este material é disponibilizado para uso exclusivo de docentes que adotam o livro Modelagem e Simulação de Eventos Discretos em suas disciplinas.
Leia maisAnálise Multivariada Aplicada à Contabilidade
Mestrado e Doutorado em Controladoria e Contabilidade Análise Multivariada Aplicada à Contabilidade Prof. Dr. Marcelo Botelho da Costa Moraes www.marcelobotelho.com mbotelho@usp.br Turma: 2º / 2016 1 Agenda
Leia maisPalavras chaves: pórticos de aço; análise avançada; confiabilidade do sistema; segurança estrutural; efeitos não lineares.
AVALIAÇÃO DA SEGURANÇA ESTRUTURAL DE PÓRTICOS PLANOS DE AÇO PROJETADOS COM ANÁLISE AVANÇADA Structural safety assessment of steel frames designed by advanced analysis Danilo Luiz Santana Mapa (1); Marcílio
Leia mais3 Modelo Matemático Definições Iniciais. Denote-se, em geral, o desvio-padrão do processo por σ = γσ 0, sendo σ 0 o
Modelo Matemático 57 3 Modelo Matemático Este trabalho analisa o efeito da imprecisão na estimativa do desvio-padrão do processo sobre o desempenho do gráfico de S e sobre os índices de capacidade do processo.
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS 2003 2004 2005 2006 2007 2008 2009 2010 X 39,0 39,5 39,5 39,0 39,5 41,5 42,0 42,0 Y 46,5 65,5 86,0 100,0 121,0 150,5 174,0 203,0 A tabela acima mostra as quantidades, em milhões
Leia mais5 Avaliação dos estimadores propostos
5 valiação dos estimadores propostos Este capítulo apresenta as medidas estatísticas usuais para avaliar a qualidade de estimadores e as expressões utilizadas para a estimação destas medidas, a partir
Leia maisPROJETO E ANÁLISES DE EXPERIMENTOS (PAE) INTRODUÇÃO AOS MÉTODOS ESTATÍSTICOS EM ENGENHARIA
PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) INTRODUÇÃO AOS MÉTODOS ESTATÍSTICOS EM ENGENHARIA VARIABILIDADE NA MEDIDA DE DADOS CIENTÍFICOS Se numa pesquisa, desenvolvimento de um processo ou produto, o valor
Leia mais2 FUNDAMENTACÃO TEÓRICA
2 FUNDAMENTACÃO TEÓRICA Este capítulo apresenta os modelos de séries temporais chamados estruturais, nos quais o valor das observações é visto como composto de uma parte sistemática, modelada por uma equação
Leia maisMétodos Numéricos e Estatísticos Parte II-Métodos Estatísticos
Métodos Numéricos e Estatísticos Parte II-Métodos Estatísticos Lic. Eng. Biomédica e Bioengenharia-2009/2010 Modelos de regressão É usual estarmos interessados em estabelecer uma relação entre uma variável
Leia maisExercícios de programação
Exercícios de programação Estes exercícios serão propostos durante as aulas sobre o Mathematica. Caso você use outra linguagem para os exercícios e problemas do curso de estatística, resolva estes problemas,
Leia maisMOQ-13 PROBABILIDADE E ESTATÍSTICA. Professor: Rodrigo A. Scarpel
MOQ-13 PROBABILIDADE E ESTATÍSTICA Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semanas 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 e 16 Introdução à probabilidade (eventos,
Leia maisAjuste de Curvas. Universidade Tecnológica Federal do Paraná Campus Francisco Beltrão. Disciplina: Cálculo Numérico Professor: Jonas Joacir Radtke
Ajuste de Curvas Campus Francisco Beltrão Disciplina: Professor: Jonas Joacir Radtke Uma forma de se trabalhar com uma função definida por uma tabela de valores é a interpolação. Contudo, a interpolação
Leia maisSUMÁRIO. 1.1 Introdução, Conceitos Fundamentais, 2
SUMÁRIO 1 CONCEITOS BÁSICOS, 1 1.1 Introdução, 1 1.2 Conceitos Fundamentais, 2 1.2.1 Objetivo, 2 1.2.2 População e amostra, 2 1.3 Processos estatísticos de abordagem, 2 1.4 Dados estatísticos, 3 1.5 Estatística
Leia maisMonte Carlo Method. Peter Frank Perroni. December 1, Monte Carlo Simulation
Monte Carlo Simulation December 1, 2015 Histórico Técnica muito antiga porém somente recentemente oficializado como método estatístico. Foi muito importante nas simulações da bomba desenvolvida no Projeto
Leia mais6.Elaboração de algoritmos...13
Índice de conteúdos Capítulo 1. Computação Científica...1 1.Definição...1 2.Modelo genérico...2 3.Modelo matemático...2 4.Tipos de modelos matemáticos...3 5.Modelação matemática...5 5.1.Definição (formulação)
Leia maisA UTILIZAÇÃO DE MÉTODOS ESTATÍSTICOS NO PLANEJAMENTO E ANÁLISE DE ESTUDOS EXPERIMENTAIS EM ENGENHARIA DE SOFTWARE (FONTE:
A UTILIZAÇÃO DE MÉTODOS ESTATÍSTICOS NO PLANEJAMENTO E ANÁLISE DE ESTUDOS EXPERIMENTAIS EM ENGENHARIA DE SOFTWARE (FONTE: ESELAW 09 MARCOS ANTÔNIO P. & GUILHERME H. TRAVASSOS) 1 Aluna: Luana Peixoto Annibal
Leia maisModelo de Regressão Múltipla
Modelo de Regressão Múltipla Modelo de Regressão Linear Simples Última aula: Y = α + βx + i i ε i Y é a variável resposta; X é a variável independente; ε representa o erro. 2 Modelo Clássico de Regressão
Leia mais4 Análise de Confiabilidade em Sistemas de Potência
4 Análise de Confiabilidade em Sistemas de Potência 4.. Introdução Qualquer sistema de potência está sujeito à falhas em seus equipamentos, que muitas vezes não podem ser previstas. Estas falhas podem
Leia maisAULA 02 Distribuição de Probabilidade Normal
1 AULA 02 Distribuição de Probabilidade Normal Ernesto F. L. Amaral 20 de agosto de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario
Leia maisIntrodução. São duas técnicas estreitamente relacionadas, que visa estimar uma relação que possa existir entre duas variáveis na população.
UNIVERSIDADE FEDERAL DA PARAÍBA Correlação e Regressão Luiz Medeiros de Araujo Lima Filho Departamento de Estatística Introdução São duas técnicas estreitamente relacionadas, que visa estimar uma relação
Leia maisModelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2016
Modelagem e Avaliação de Desempenho Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2016 Simulação de Sistemas Simulação é a técnica de solução de um problema pela análise de
Leia maisRegression and Clinical prediction models
Regression and Clinical prediction models Session 6 Introducing statistical modeling Part 2 (Correlation and Linear regression) Pedro E A A do Brasil pedro.brasil@ini.fiocruz.br 2018 Objetivos Continuar
Leia maisInstrumentação Industrial. Fundamentos de Instrumentação Industrial: Caracterização Estática
Instrumentação Industrial Fundamentos de Instrumentação Industrial: Caracterização Estática Caracterização Estática de Instrumentos Definição: determinação da relação entre a entrada e a saída do instrumento,
Leia maisCÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano
CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 4 Ajuste de Curvas AJUSTE DE CURVAS Cálculo Numérico 3/55 Introdução Em geral, experimentos geram uma gama de dados que devem
Leia maisTestes de Hipóteses para. uma Única Amostra. Objetivos de Aprendizagem. 9.1 Teste de Hipóteses. UFMG-ICEx-EST-027/031 07/06/ :07
-027/031 07/06/2018 10:07 9 ESQUEMA DO CAPÍTULO 9.1 TESTE DE HIPÓTESES 9.2 TESTES PARA A MÉDIA DE UMA DISTRIBUIÇÃO NORMAL, VARIÂNCIA CONHECIDA 9.3 TESTES PARA A MÉDIA DE UMA DISTRIBUIÇÃO NORMAL, VARIÂNCIA
Leia maisComparação entre intervalos de confiança calculados com métodos bootstrap e intervalos assintóticos
Comparação entre intervalos de confiança calculados com métodos strap e intervalos assintóticos Selene Loibel Depto. de Estatística, Matemática Aplicada e Computação, IGCE, UNESP, Rio Claro, SP E-mail:sloibel@rc.unesp.br,
Leia maisSIMULAÇÃO EM CFD DE UM TANQUE DE MISTURA UTILIZANDO DIFERENTES TIPOS DE MALHA
SIMULAÇÃO EM CFD DE UM TANQUE DE MISTURA UTILIZANDO DIFERENTES TIPOS DE MALHA Victor Gabriel Santos Silva João Inácio Soletti José Luís Gomes Marinho Sandra Helena Vieira Carvalho victorgssilva92@gmail.com
Leia maisRegressão linear simples
Regressão linear simples Universidade Estadual de Santa Cruz Ivan Bezerra Allaman Introdução Foi visto na aula anterior que o coeficiente de correlação de Pearson é utilizado para mensurar o grau de associação
Leia maisDistribuições de Probabilidade
Distribuições de Probabilidade 7 6 5 4 3 2 1 0 Normal 1 2 3 4 5 6 7 8 9 10 11 Exemplos: Temperatura do ar 20 18 16 14 12 10 8 6 4 2 0 Assimetrica Positiva 1 2 3 4 5 6 7 8 9 10 11 Exemplos: Precipitação
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS As variáveis aleatórias X e Y seguem uma distribuição de Bernoulli com probabilidade de sucesso igual a 0,4. Considerando S = X + Y e que os eventos aleatórios A = [X = 1] e B
Leia mais3 Filtro de Kalman Discreto
3 Filtro de Kalman Discreto As medidas realizadas por sensores estão sujeitas a erros, como pode ser visto no Capítulo 2. Os filtros são aplicados aos sinais medidos pelos sensores para reduzir os erros,
Leia mais6 Análise Dinâmica. 6.1 Modelagem computacional
6 Análise Dinâmica O presente capítulo apresenta um estudo do comportamento dinâmico da coluna de aço estaiada, abrangendo análises modais para determinação da freqüência natural, com e sem protensão [32]
Leia maisCap. 4 - Estimação por Intervalo
Cap. 4 - Estimação por Intervalo Amostragem e inferência estatística População: consiste na totalidade das observações em que estamos interessados. Nº de observações na população é denominado tamanho=n.
Leia maisDistribuição de frequências. Prof. Dr. Alberto Franke
Distribuição de frequências Prof. Dr. Alberto Franke E-mail: alberto.franke@ufsc.br 1 Distribuição de frequências Há necessidade de distinguir entre: Distribuição observada Distribuição verdadeira Distribuição
Leia maisIntrodução ao Projeto.
1 Notas de Aula: Prof. Gilfran Milfont As anotações, ábacos, tabelas, fotos e gráficos contidas neste texto, foram retiradas dos seguintes livros: -PROJETOS de MÁQUINAS-Robert L. Norton- Ed. BOOKMAN-2ª
Leia maisAnálise de Componentes Principais Simbólicas
Análise de Componentes Principais Simbólicas Universidade Federal de Pernambuco CIn.ufpe.br Análise de Componentes Principais O objetivo da análise de componentes principais é explicar a estrutura de variânciacovariância
Leia maisANÁLISE DO COMPORTAMENTO DE MANCAIS ELASTO-HIDRODINÂMICOS ATRAVÉS DO MÉTODO DOS ELEMENTOS FINITOS
ANÁLISE DO COMPORTAMENTO DE MANCAIS ELASTO-HIDRODINÂMICOS ATRAVÉS DO MÉTODO DOS ELEMENTOS FINITOS Bruno Luchini, Fábio Fernandes Valente e Mariano Eduardo Moreno UFSCar, Universidade Federal de São Carlos,
Leia maisCaros Alunos, segue a resolução das questões de Estatística aplicadas na prova para o cargo de Auditor Fiscal da Receita Municipal de Teresina.
Caros Alunos, segue a resolução das questões de Estatística aplicadas na prova para o cargo de Auditor Fiscal da Receita Municipal de Teresina. De forma geral, a prova manteve o padrão das questões da
Leia maisXIX CONGRESSO DE PÓS-GRADUAÇÃO DA UFLA 27 de Setembro a 01 de Outubro
COMPARAÇÃO DOS MÉTODOS DE VERIFICAÇÃO DO AJUSTE DA DISTRIBUIÇÃO GUMBEL A DADOS EXTREMOS CARLOS JOSÉ DOS REIS 1, LUIZ ALBERTO BEIJO 2,GILBERTO RODRIGUES LISKA 3 RESUMO A distribuição Gumbel é muito aplicada
Leia maisAnálise de Regressão EST036
Análise de Regressão EST036 Michel Helcias Montoril Instituto de Ciências Exatas Universidade Federal de Juiz de Fora Regressão sem intercepto; Formas alternativas do modelo de regressão Regressão sem
Leia maisétodos uméricos SISTEMAS DE EQUAÇÕES LINEARES (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
étodos uméricos SISTEMAS DE EQUAÇÕES LINEARES (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CENTRO
Leia maisIII AMOSTRAGEM E INTERVALO DE CONFIANÇA Conceito de Amostragem AMOSTRA ALEATÓRIA
III AMOSTRAGEM E INTERVALO DE CONFIANÇA 3.1- Conceito de Amostragem AMOSTRA ALEATÓRIA Consideremos uma população e observando alguns elementos queremos obter informações a respeito da mesma. Estes elementos
Leia maisAnálise Estatística de Sistema de Descontinuidades em Maciços Rochosos
Universidade de Brasília Departamento de Engenharia Civil e Ambiental / FT Pós-Graduação em Geotecnia Análise Estatística de Sistema de Descontinuidades em Maciços Rochosos Leandro Lima Rasmussen Doutorando
Leia maisExcel INTERMEDIÁRIO Estatística. Prof. Cassiano Isler Turma 3
Excel INTERMEDIÁRIO Prof. Cassiano Isler 2017.1 - Turma 3 s s Prof. Cassiano Isler Excel INTERMEDIÁRIO - Aula 4 2 / 29 s COSTA NETO, P. L. O.. 2. ed. São Paulo: Edgard Blücher (2002). GÓMEZ, Luis Alberto.
Leia mais5 Implementação da Metodologia
5 Implementação da Metodologia A implementação da metodologia proposta no Capítulo 4 é possível devido ao importante avanço que os métodos numéricos e a capacidade de processamento computacional atuais
Leia maisCap. 8 - Intervalos Estatísticos para uma Única Amostra
Intervalos Estatísticos para ESQUEMA DO CAPÍTULO 8.1 INTRODUÇÃO 8.2 INTERVALO DE CONFIANÇA PARA A MÉDIA DE UMA DISTRIBUIÇÃO NORMAL, VARIÂNCIA CONHECIDA 8.3 INTERVALO DE CONFIANÇA PARA A MÉDIA DE UMA DISTRIBUIÇÃO
Leia maisMODELOS ESTATÍSTICOS DE FUNÇÃO DENSIDADE DE PROBABILIDADE PARA CRIAÇÃO DE SÉRIES TEMPORAIS
MODELOS ESTATÍSTICOS DE FUNÇÃO DENSIDADE DE PROBABILIDADE PARA CRIAÇÃO DE SÉRIES TEMPORAIS Renato S. Gomide, Ramon F. E. Campos, Marcus F. Vieira Programa de Pós-Gradução em Engenharia Elétrica e da Computação
Leia mais3 Aprendizado por reforço
3 Aprendizado por reforço Aprendizado por reforço é um ramo estudado em estatística, psicologia, neurociência e ciência da computação. Atraiu o interesse de pesquisadores ligados a aprendizado de máquina
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semana Conteúdo 1 Apresentação da disciplina. Princípios de modelos lineares
Leia maisProbabilidade e Estatística. Estimação de Parâmetros Intervalo de Confiança
Probabilidade e Estatística Prof. Dr. Narciso Gonçalves da Silva http://páginapessoal.utfpr.edu.br/ngsilva Estimação de Parâmetros Intervalo de Confiança Introdução A inferência estatística é o processo
Leia maisEstimação e Testes de Hipóteses
Estimação e Testes de Hipóteses 1 Estatísticas sticas e parâmetros Valores calculados por expressões matemáticas que resumem dados relativos a uma característica mensurável: Parâmetros: medidas numéricas
Leia maisNessa situação, a média dessa distribuição Normal (X ) é igual à média populacional, ou seja:
Pessoal, trago a vocês a resolução da prova de Estatística do concurso para Auditor Fiscal aplicada pela FCC. Foram 10 questões de estatística! Não identifiquei possibilidade para recursos. Considero a
Leia mais3. MODELOS MATEMÁTICOS PARA FORÇAS DE CONTATO E DE REMOÇÃO
3. MODELOS MATEMÁTICOS PARA FORÇAS DE CONTATO E DE REMOÇÃO Conforme mencionado na revisão bibliográfica, pesquisadores da PUC-Rio desenvolveram alguns modelos simplificados para previsão das forças de
Leia maisUNIVERSIDADE FEDERAL DE SANTA CATARINA DEPARTAMENTO DE ENGENHARIA DE PRODUÇAO E SISTEMAS
UIVERSIDADE FEDERAL DE SATA CATARIA DEPARTAMETO DE EGEHARIA DE PRODUÇAO E SISTEMAS EPS 5102 ITRODUÇÃO À PESQUISA OPERACIOAL TRABALHO GABARITO PROF. SÉRGIO MAYERLE 1. AÁLISE DA DEMADA (COSUMO DIÁRIO) Sejam
Leia mais2. Integridade Estrutural e Inspeção Baseada em Risco
. Integridade Estrutural e Inspeção Baseada em Risco No presente capítulo serão apresentadas algumas definições relacionadas ao processo de avaliação de Integridade Estrutural de máquinas. Também serão
Leia maisAvaliação de Desempenho de Sistemas Discretos
Avaliação de Desempenho de Sistemas Discretos Probabilidade Professor: Reinaldo Gomes reinaldo@dsc.ufcg.edu.br Planejamento Experimental 2 fatores manipuláveis x 1 x 2 x p entradas Processo...... saídas
Leia mais4 Cálculo de Equivalentes Dinâmicos
4 Cálculo de Equivalentes Dinâmicos 4.1. Introdução Os sistemas de potência interligados vêm adquirindo maior tamanho e complexidade, aumentando a dependência de sistemas de controle tanto em operação
Leia maisDelineamento e Análise Experimental Aula 3
Aula 3 Castro Soares de Oliveira Teste de hipótese Teste de hipótese é uma metodologia estatística que permite tomar decisões sobre uma ou mais populações baseando-se no conhecimento de informações da
Leia maisHIDROLOGIA AULA 14 HIDROLOGIA ESTATÍSTICA. 5 semestre - Engenharia Civil. Profª. Priscila Pini
HIDROLOGIA AULA 14 5 semestre - Engenharia Civil HIDROLOGIA ESTATÍSTICA Profª. Priscila Pini prof.priscila@feitep.edu.br INTRODUÇÃO Chuva e vazão Grande variabilidade no tempo! Estatística em Hidrologia:
Leia maisConceito de resistência de cálculo
Conceito de resistência de cálculo Introdução Na elaboração de projetos de estruturas, os elementos estruturais, sejam metálicos ou de concreto armado, devem ser todos dimensionados, ou seja, é função
Leia maisProf. Dr. Lucas Barboza Sarno da Silva
Prof. Dr. Lucas Barboza Sarno da Silva Medidas de grandezas físicas Valor numérico e sua incerteza, unidades apropriadas Exemplos: - Velocidade (10,02 0,04) m/s - Tempo (2,003 0,001) µs - Temperatura (273,3
Leia maisUniversidade Federal de Mato Grosso - UFMT Probabilidade e Estatística
Universidade Federal de Mato Grosso - UFMT Probabilidade e Estatística 1 Introdução Definição: Estatística é um conjunto de conceitos e métodos científicos para coleta, organização, descrição, análise
Leia mais1. Objetivo. Figura 1. Em (a) Roletes em correias transportadoras, em (b) detalhe dos roletes.
1. Objetivo Realizar o planejamento dos testes de vida acelerados, tendo como produtos os roletes de correias transportadoras de minério de ferro. Os testes de vida acelerados têm por finalidade determinar
Leia mais9DOXHDW5LVNHUHWRUQRGHXPLQYHVWLPHQWR
9DOXHDWLVNHUHWRUQRGHXPLQYHVWLPHQWR O Value at Risk (VaR) é um método de mensuração de risco de mercado que utiliza técnicas estatísticas amplamente difundidas. De outra forma o VaR mede a pior perda esperada
Leia mais4 ENSAIO DE FLEXÃO. Ensaios Mecânicos Prof. Carlos Baptista EEL
4 ENSAIO DE FLEXÃO Ensaio de Flexão: Bastante aplicado em materiais frágeis ou de alta dureza - Exemplos: cerâmicas estruturais, aços-ferramenta - Dificuldade de realizar outros ensaios, como o de tração
Leia mais1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3.
1 1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3. Modelo de Resultados Potenciais e Aleatorização (Cap. 2 e 3
Leia mais$QiOLVHGHVHQVLELOLGDGHHVWDWtVWLFD
$QiOLVHGHVHQVLELOLGDGHHVWDWtVWLFD,QWRGXomR Alguns métodos para a análise de sensibilidade e a importância destes foram apresentados no capítulo 3 O capítulo atual trata da análise de sensibilidade estatística
Leia maisExame de Segurança Estrutural Mestrado em Estruturas de Engenharia Civil Duração: 2horas 15/04/1998
Exame de Segurança Estrutural Mestrado em Estruturas de Engenharia Civil Duração: horas 5/04/998 De acordo com a nomenclatura corrente os métodos de verificação da segurança estrutural com base probabilística
Leia maisDimensionamento de amostras para regressão logística
Dimensionamento de amostras para regressão logística Arminda Lucia Siqueira 1 Flávia Komatsuzaki 1 Introdução Regressão logística é hoje padrão de análise para muitos estudos da área da saúde cuja variável
Leia maisTécnicas computacionais em probabilidade e estatística II
Técnicas computacionais em probabilidade e estatística II Universidade de São Paulo Instituto de Matemática e Estatística http:www.ime.usp.br/ mbranco AULA 1: Problemas Computacionais em Inferência Estatística.
Leia maisReferência Banco de dados FioCruz Doc LAB1_GEO.doc. Autor Eduardo C. G. Camargo Versão 1.0 Data DEZ / Revisão Versão Data
Ministério da Ciência e Tecnologia Instituto Nacional de Pesquisas Espaciais Análise Espacial de Dados Geográficos Laboratório Módulo: Geoestatística Linear Referência Banco de dados FioCruz Doc LAB_GEO.doc
Leia mais6 Geração de Cenários
6 Geração de Cenários O planejamento do setor elétrico para operações hidrotérmicas de longo prazo de cada subsistema, atualmente, está fundamentado na avaliação dos resultados da simulação de diversos
Leia maisCapítulo 9 - Regressão Linear Simples (RLS): Notas breves
Capítulo 9 - Regressão Linear Simples RLS: Notas breves Regressão Linear Simples Estrutura formal do modelo de Regressão Linear Simples RLS: Y i = β 0 + β 1 x i + ε i, 1 onde Y i : variável resposta ou
Leia mais