SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GRUPO VII GRUPO DE ESTUDO DE PLANEJAMENTO DE SISTEMAS ELÈTRICOS GPL

Tamanho: px
Começar a partir da página:

Download "SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GRUPO VII GRUPO DE ESTUDO DE PLANEJAMENTO DE SISTEMAS ELÈTRICOS GPL"

Transcrição

1 SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GPL 04 4 a 7 Outubro de 2007 Ro de Jaero - RJ GRUPO VII GRUPO DE ESTUDO DE PLANEJAMENTO DE SISTEMAS ELÈTRICOS GPL PREMISSAS DEMOGRÁFICAS PARA PROJEÇÂO DO CONSUMO DE ENERGIA ELÈTRICA DOS SISTEMAS ISOLADOS DA AMAZÔNIA José Fracsco Morera Pessaha* Nelso Leo Paulo de Marto Jauzz CEPEL ELETROBRÁS ENCE/IBGE RESUMO Em 2004, a Eletrobrás e o Cepel caram o desevolvmeto de uma metodologa para a projeção do º de domcílos para o Brasl e Udades da Federação com o objetvo de estabelecer as premssas demográfcas adotadas o plao deceal da expasão elétrca. Dado prossegumeto a este trabalho, o presete artgo apreseta uma metodologa para estabelecer projeções da população e do º de domcílos para os mucípos ateddos por sstemas solados. PALAVRAS-CHAVE Projeções demográfcas, projeção de mercado, classe resdecal, sstemas solados, mucípos.0 - INTRODUÇÃO Os sstemas solados para atedmeto ao cosumo de eerga elétrca estão cocetrados a Regão Norte. Em geral, estes sstemas são de pequeo porte e a maora das vezes um mesmo mucípo abrga mas de uma localdade atedda soladamete. As projeções de população e º de domcílos formam as premssas demográfcas ecessáras às projeções do mercado de eerga elétrca. No caso dos sstemas solados, a projeção deceal defe as estratégas de suprmeto, que podem ser uma smples amplação dos sstemas ou a tegração dos mesmos ao Sstema Iterlgado Nacoal (SIN). As projeções de população (OLIVEIRA et al., 2004) e úmero de domcílos (LEON et al., 2006), agregadas por Udades da Federação, costtuem as premssas demográfcas cosderadas as projeções de mercado de eerga elétrca, realzadas pelo grupo Eletrobrás, para o Brasl, Grades Regões, subsstemas elétrcos e Udades da Federação (UFs). Estas projeções ão satsfazem as ecessdades específcas dos estudos de plaejameto dos sstemas solados em que cada rede elétrca atede apeas uma localdade. As projeções demográfcas para pequeas áreas como mucípos, dstrtos e até mesmo barros vêm sedo cada vez mas demadadas pelos setores públcos (prefeturas e órgãos goverametas de plaejameto urbao e regoal) e prvados (prcpalmete cocessoáras de servço publco de trasporte urbao, telefoa, eerga, água e saeameto) com o objetvo de subsdar o plaejameto e motorameto de suas atvdades (JANNUZZI, 2006). Segudo esta tedêca, este artgo apreseta uma espacalzação das premssas demográfcas, a qual são projetadas, ao ível mucpal, a população e o º de domcílos para os próxmos dez aos. A metodologa proposta forece as premssas ecessáras para as cocessoáras da Regão Norte melhor embasarem seus plaos deceas e permte uma avalação mas precsa dos recursos ecessáros à uversalzação do atedmeto. (*) Av. Horáco Macedo 354, Cdade Uverstára, CEP 294-9, Ro de Jaero, RJ Brasl Tel: (+55 2) Emal: fracsc@cepel.br

2 2 A área atedda por um sstema solado ão correspode aos lmtes geográfcos dos mucípos. Estas dfereças os recortes geográfcos prejudcam sobremaera a estmação e projeção das varáves demográfcas ao ível de sstema solado, uma vez que as estatístcas demográfcas e varáves stomátcas são, em geral, dspoblzadas ao ível mucpal. A solução deal para este problema cosste em agrupar as estatístcas demográfcas dos setores cestáros ateddos pelos sstemas solados. No etato, a mplemetação desta solução é complexa e bastate oerosa, pos ecesstara de um mapeameto precso dos setores cestáros que são ateddos por cada sstema solado. Assm, cocetrou-se a obteção de projeções demográfcas para os mucípos. Este recorte geográfco é o mesmo adotado a defção das metas de uversalzação estpuladas pela Resolução ANEEL º 223/2003, com base o ídce de atedmeto para os domcílos ocupados, observados o ceso A título de lustração, a Tabela apreseta o º de mucípos do Estado do Amazoas a serem uversalzados até 205 para ateder as metas determadas pela ANEEL: Tabela Metas de uversalzação ANEEL em úmero de mucípos Ao da meta de uversalzação Nº de mucípos (Maaus) As projeções de população e de º de domcílos para os mucípos, em cojuto com as metas de uversalzação, permtem formular uma projeção deceal do total de udades cosumdoras da classe resdecal em cada mucípo. Coseqüetemete, pela agregação das projeções mucpas, pode-se melhorar a projeção do úmero de udades cosumdoras por UF e também por cocessoára de dstrbução de eerga elétrca. Dado que o Isttuto Braslero de Geografa e Estatístca (IBGE) dspoblza projeções populacoas para o Brasl e UFs e que já se tem uma projeção do º de domcílos por UF (LEON & PESSANHA, 2005), a abordagem utlzada é do tpo top-dow, a qual cosste a repartção das projeções demográfcas (população e º de domcílos) da UF de teresse os seus respectvos mucípos. A mesma abordagem é utlzada em modelos demográfcos tegrados, os quas partem de uma projeção populacoal para o Brasl, obtda pelo método das compoetes demográfcas, que é sucessvamete repartda etre as UFs e as suas respectvas pequeas áreas: mcrorregões e mucípos. Este artgo está orgazado em quatro seções, sedo a prmera esta trodução. A segur, a seção 2 apresetase uma breve descrção das téccas de repartção: a b e o sstema dâmco utlzado o modelo ProjPeq (JANNUZZI, 2006), bem como uma comparação etre as projeções populacoas para os mucípos do Amazoas obtdas pelas duas téccas de repartção. Na seção 3, apreseta-se o modelo de repartção adotado a projeção do º de domcílos ocupados para os mucípos e os prcpas resultados obtdos para os mucípos do Amazoas. Por fm, a seção 4 são apresetadas as prcpas coclusões do trabalho PROJEÇÃO POPULACIONAL PARA OS MUNICÍPIOS Um tem fudametal a abordagem top dow é o modelo resposável pela repartção das projeções demográfcas da área maor as suas áreas meores. Neste caso, a área maor é uma UF e as áreas meores são os seus mucípos. BORGES et al. (2006) fazem uma teressate dscussão acerca de ses téccas que podem ser utlzados a costrução de projeções populacoas para pequeas áreas: extrapolação de fução matemátca, modelo de repartção e correlação baseado em varáves stomátcas (JARDIM, 2000), método a b (MADEIRA & SIMÕES, 972), método de parâmetros demográfcos proporcoas para pequeas áreas, relação de coortes de Duschese (JARDIM, 2000; IPARDES, 2000) e, por fm, o modelo dâmco ProjPeq (JANNUZZI, 2006). Segudo BORGES et al. (2006), cada um destes métodos tem vatages e lmtações e um modelo mas sofstcado ão produz ecessaramete as melhores projeções populacoas, uma vez que demada formações cuja cofabldade é baxa e requer um cojuto de hpóteses do comportameto futuro dfícl de atever. A escolha da técca mas adequada depede da dspobldade de dados cofáves e das hpóteses acerca da dâmca populacoal das pequeas áreas. Quado as úcas estatístcas mucpas cofáves são os regstros cestáros, stuação muto comum os mucípos da regão Norte, BORGES et al. (2006) recomedam o método a b ou o modelo ProjPeq. O a b (MADEIRA & SIMÕES, 972) é a técca utlzada pelo IBGE o cálculo das estmatvas populacoas para os mucípos em de julho do ao correte. A data de referêca das últmas estmatvas efetuadas é 0/07/2006. A técca requer apeas os regstros populacoas de dos cesos, pos se admte que a tedêca futura está fortemete codcoada pela tedêca passada. Por esta razão, BORGES et al. (2006) recomedam que o a b ão seja utlzado a formulação de projeções populacoas de logo-prazo para os mucípos e dcam sua utlzação apeas para projeções de até cco aos à frete. O ProjPeq (JANNUZZI, 2006) é um modelo tegrado para projeção populacoal de pequeas áreas. O modelo tegra téccas específcas, cada uma adequada a um ível geográfco dferete, por exemplo, o método das

3 3 compoetes demográfcas para o Brasl, a repartção das coortes para os exos acoas de tegração e desevolvmeto, o sstema dâmco para as mcrorregões e, por fm, o método da repartção proporcoal para os mucípos. Destaca-se que este modelo fo o mesmo utlzado a formulação das projeções populacoas cosderadas pelo Mstéro do Plaejameto o estudo de atualzação do portfólo dos exos acoas de tegração de desevolvmeto de para (BRASIL, 2002) e, cujas projeções populacoas para os mucípos foram tomadas como referêca este artgo. Bascamete, as duas abordages repartem as estmatvas e projeções populacoas para uma determada área maor, por exemplo, uma UF, as suas sub-áreas meores, de tal forma que a soma das parcelas em cada uma das sub-áreas resulte o total cohecdo da área maor. Coforme observa JANNUZZI (2006), estes métodos oferecem uma alteratva que prescde de vestmetos ou esforços téccos vultosos a produção de projeções populacoas para os mucípos. 2. Método a b Seja P(t) a população da área maor (UF) em um ao t e p(,t) a população da -ésma área meor (um mucípo da UF) cotda a área maor, ambas em um mesmo state t. O método a b estabelece a segute relação etre os totas da área maor e da -ésma área meor: ( t) = a P( t) b p +, () ode a e b são parâmetros a serem determados. Como a soma das populações das áreas meores é gual a população da área maor, tem-se que os parâmetros a e b devem satsfazer as segutes gualdades: = a = b = 0 (2) Os coefcetes a e b da -ésma área meor são determados pela solução do segute sstema de equações leares, ode p(,t ), p(,t 2), P(t ) e P(t 2) são as populações regstradas os cesos realzados os aos t e t 2 : p p = (, t ) = a P( t ) (, t ) = a P( t ) 2 Com os parâmetros a e b determados, a equação () é utlzada para obter estmatvas tercestáras da população da -esma área meor, em qualquer ao do período etre t e t 2, em fução da estmatva populacoal para a área maor referete ao mesmo período. Dada uma projeção da população da área maor, a equação () também fucoa como uma equação de prevsão para a população da área meor, cosderado como tedêca de crescmeto a tedêca observada o período etre os cesos em t e t 2. Por exemplo, a projeção da população dos mucípos após o ao 2000, cosdera a tedêca defda pelos cesos de 99 e Modelo ProjPeq O modelo ProjPeq (JANNUZZI, 2006) tegra toda a metodologa de projeção populacoal, desde a projeção para uma área maor (Brasl, Regões e UFs) até a sua repartção etre as pequeas áreas (mcrorregões e mucípos). O modelo estabelece uma projeção populacoal para a área maor que em seguda é repartda sucessvamete etre as suas pequeas áreas, com base em dferetes métodos de repartção. O modelo ProjPeq é uma proposta de aprmorameto da metodologa de projeções demográfcas mucpas usada pelo IBGE (JANNUZZI, 2006), pos esta últma o método a b é utlzado duas vezes: prmero para repartr a estmatva ou projeção populacoal para o Brasl etre as UFs e, em seguda, para repartr o resultado obtdo para UF etre os seus respectvos mucípos. Coforme lustrado a Fgura, o ProjPeq propõe uma etapa termedára a qual a projeção populacoal para a UF é repartda etre as suas mcrorregões, ates da repartção etre os mucípos. A etapa termedára aumeta o ível de formação o processo de repartção da projeção populacoal por mucípo, pos para as mcrorregões é possível dspor de estmatvas ajustadas e comparáves das taxas de ataldade, mortaldade e atratvdade mgratóra. A partr destas estmatvas é possível traçar hpóteses acerca do crescmeto vegetatvo da população e da atratvdade mgratóra em cada mcrorregão e, portato, pode-se obter uma boa espacalzação da dâmca demográfca o teror de uma UF. Dessa forma, podem-se corporar as projeções, as avalações e perspectvas de téccos e pesqusadores quato ao desevolvmeto ecoômco as mcrorregões brasleras, chegado possvelmete a estmatvas populacoas mas cosstetes (JANNUZZI, 2006). 2 + b + b (3)

4 4 Projeção populacoal para o Brasl, Regões e UFs (área maor) Hpótese sobre evolução da fecuddade e mortaldade regoal Repartção da projeção populacoal etre as mcrorregões Hpótese de evolução do crescmeto vegetatvo populacoal para as mcrorregões Repartção da projeção populacoal etre os mucípos Projeção demográfca para a área maor pelo método das compoetes ou IBGE Hpótese sobre a evolução do saldo mgratóro regoal População da área maor Resolução umérca do sstema de equações dferecas do modelo ProjPeq Hpótese sobre a evolução da atratvdade mgratóra para as mcrorregões População por mcrorregão Método a b, repartção proporcoal ou outra metodologa mas aproprada População por mucípo FIGURA - Modelo ProjPeq (JANNUZZI, 2006) A segur, apreseta-se o método de repartção utlzado a etapa termedára do ProjPeq e que correspode a um modelo ecológco da dâmca populacoal de espéces compettvas. A modelagem é efetuada por meo de um sstema de equações dferecas, o qual o crescmeto populacoal de cada espéce depede da sua taxa de crescmeto vegetatvo (ascmetos meos óbtos) e da teração com as demas espéces exstetes (competção, predação ou parastsmo). Na aplcação do modelo ecológco como método de repartção populacoal, as populações das áreas meores (p (t),=,) são as espéces que competem pelo tamaho lmtado do estoque de recursos, este caso, o tamaho da população da área maor (P(t)). A segur, tem-se o sstema de equações dferecas do modelo ecológco: dp dt dp dt = [ c d P( t) ] p ( t) = p =... (4) [ c d P( t) ] p ( t) ( t) = P( t) = codção de cotoro No sstema em (4), os coefcetes c e d deotam, respectvamete, os coefcetes relacoados ao crescmeto vegetatvo populacoal e à atratvdade mgratóra da -ésma área meor. Dada uma projeção populacoal para a área maor (UF), jutamete com os valores cas para os coefcetes de atratvdade e as projeções das taxas de ataldade e mortaldade em cada pequea área (mcrorregão), a solução do sstema pode ser obtda, recursvamete, pelo algortmo proposto por SZWARCWALD & CASTILHO (989) e JANNUZZI (2006) apresetado a segur. Cada equação dferecal em (4) pode ser reescrta da segute forma: p ( t) dp dt = c d P ( t) =, (5) Admtdo-se um crescmeto geométrco para a população da área maor, a tegração da equação (5), sujeta à codção de cotoro em t=t 0, produz o segute resultado para cada mcrorregão: p ( t) p ( ) expc ( t t ) ( t) ( 0) P = 0 0 dl P = P ( P( t) ( 0) ), (6) ode P(0) e p (0) são, respectvamete, as populações da área maor e das áreas meores em t=t 0. Os coefcetes c são determados pelas dfereças etre as projeções das taxas de ataldade e mortaldade e, portato, expressam o crescmeto vegetatvo da população a -ésma área meor: Por sua vez, os coefcetes ( + Taxa _ ataldade Taxa _ mortaldade ) =, c (7) = L d são calculados pela segute equação: p d = + c L p * ( t ) ( t ) 0 * * ( ) P( t ) P( t ) P t * t t 0 0 L P t ( ) 0 (8)

5 5 Fazedo t 0 e t * guas aos aos dos dos últmos cesos obtém-se uma projeção tedecal para a compoete mgratóra em cada mcrorregão. Modfcado os aos t 0 e t * pode-se calbrar a estmatva do coefcete d em fução de um ceáro futuro da atratvdade mgratóra ou resdecal. Substtudo os coefcetes c e d a equação (6), obtém-se as estmatvas populacoas ~ ( t) e ~ ( t + ) p partr das quas calcula-se o valor relatvo do cremeto populacoal a -ésma mcrorregão: F ( t) ( t + ) ~ p ( t) ~ p ( t) As estmatvas populacoas ~ ( t) e ~ ( t + ) ( ) ( 0) ~ p P t = = exp c + d l P P p ( P( t) ( 0) ) p ão totalzam as populações da área maor em t e t+, respectvamete. Este ajuste é realzado ao fal, quado as estmatvas populacoas das áreas meores, para o ao t+, são obtdas pela segute equação recursva: p ( t ) = p ( t) + [ P( t + ) P( t) ] F ( t) p ( t) F ( t) p ( t) + (0) = ode P(t+)-P(t) é o cremeto populacoal a área maor etre os aos t e t+. Por fm, destaca-se que além da projeção populacoal para a área maor (UF), a resolução recursva do sstema dâmco requer hpóteses acerca das trajetóras futuras dos íves de ataldade e mortaldade, a partr das quas derva-se uma trajetóra de evolução do crescmeto vegetatvo da população para cada mcrorregão (coefcetes c ). Os parâmetros do modelo são calbrados de acordo com ceáros futuros mas abragetes para cada uma das mcrorregões. Coforme dcado a Fgura, aplca-se o método a b para repartr as projeções populacoas das mcrorregões etre os seus respectvos mucípos. 2.3 Projeções populacoas para os mucípos do Amazoas Para lustrar a aplcação do método a b e do modelo ProjPeq apresetam-se os resultados de um esao o qual são calculadas as projeções populacoas para os mucípos do Amazoas. Neste caso, as estatístcas cestáras (população e domcílos) se ecotram orgazadas sob a mesma dvsão admstratva para os dos últmos cesos, requsto básco para aplcação dos métodos de repartção. O mesmo ão acotece em outros Estados da Regão Norte, cujas respectvas dvsões admstratvas foram modfcadas ao logo da últma década. Para estes Estados é ecessáro compatblzar as estatístcas cestáras do ceso de 99 com a dvsão admstratva de 2000, ates de aplcar qualquer método de repartção. Para as projeções populacoas, a compatblzação das estatístcas cestáras fo empreedda pelo IPEA e os resultados obtdos ecotram-se dspoíves o Atlas do Desevolvmeto Humao o Brasl, tas como a população total, a população por stuação e a população por faxa etára. No etato, este mesmo esforço ão fo realzado para as estatístcas cestáras referetes aos domcílos, o que mplca a ecessdade de agrupar os regstros mucpas do ceso 2000, segudo a dvsão admstratva de 99. Os regstros cestáros revelam que ao logo da década de oveta algus mucípos do Amazoas passaram por um processo de esvazameto populacoal. Tal fato compromete a utlzação do método a b a projeção populacoal destes mucípos, pos ao admtr que a dâmca tedecal futura é fortemete codcoada pela dâmca tedecal passada, o método a b extrapola o esvazameto dos mucípos para o futuro, descartado a possbldade de reversão da tedêca o logo-prazo. A segur, a Fgura 2, são apresetadas as projeções populacoas obtdas pelo método a b e pelo modelo ProjPeq. Estas projeções foram ajustadas com a últma revsão da projeção da população braslera efetuada pelo IBGE (OLIVEIRA et. al, 2004). A meos dos mucípos de Sata Isabel do Ro Negro, Novo Arão e Urcurtuba, a Fgura 2 revela que os dos métodos produzram projeções bastate aproxmadas. Na Fgura 3, as taxas de crescmeto das projeções populacoas covergem para a taxa de crescmeto méda da população do Estado do Amazoas, com exceção dos mucípos acma mecoados e que mas uma vez dvergem do cojuto de mucípos. A projeção populacoal obtda com base o método a b para estes três mucípos carece de uma hpótese plausível que justfque a forte dvergêca das respectvas trajetóras em relação aos demas mucípos do Estado. Neste setdo, as projeções obtdas pelo ProjPeq são superores e com base elas serão projetados o º de domcílos ocupados. p, a (9)

6 6 Fgura 2 - Logartmo das projeções populacoas para os mucípos do Amazoas Fgura 3 Taxas de crescmeto das projeções populacoas para os mucípos do Amazoas MODELO PARA PROJEÇÂO DO Nº DE DOMICÌLIOS OCUPADOS NOS MUNICÌPIOS A projeção do º de domcílos ocupados deve estar de alguma forma vculada à projeção do cotgete populacoal. Esta característca está presete em qualquer modelo para projeção do º de domcílos, por exemplo, os que utlzam a desdade domclar (FRIAS, 987) e os baseados a taxa de chefa (KONO, 987). A projeção do total de domcílos em cada mucípo pelo método da desdade domclar ou pelo método da taxa de chefa é um desafo, pos mpõe a ecessdade de formular hpóteses futuras acerca da desdade ou da estrutura etára em cada mucípo. Assm, propõe-se um modelo para repartr a projeção do º de domcílos para uma área maor (UF) etre as suas respectvas áreas meores (mucípos). A técca de repartção usual é o a b, o etato, BORGES et al. (2006) ão recomedam a utlzação deste método a formulação de projeções de logo-prazo para os mucípos. Portato, fo ecessáro desevolver um método de repartção alteratvo para obter a projeção do º de domcílos ocupados para os mucípos, o qual basea-se a relação etre a taxa de crescmeto populacoal e a taxa de crescmeto do úmero de domcílos ocupados. Coforme se observa a Fgura 4, as taxas geométrcas de crescmeto da população e do º de domcílos, o período 99/2000, são aderetes às retas ajustadas para cada mesorregão (vde Fgura 5) do Estado do Amazoas. Os coefcetes de correlação ecotrados as mesorregões foram sgfcatvos, coforme as estatístcas R 2 cotdas a fgura 4. As dferetes clações destas retas refletem característcas específcas de cada mesorregão, em partcular mostram as dsttas tedêcas de desdade domclar (razão habtate por domcílo Hab/Dom). Com base este ajuste é possível projetar as taxa de crescmeto do º de domcílos ocupados em uma fução das taxas de crescmeto populacoal.

7 7 Taxa geométrca de crescmeto do º de domcílos ocupados (Tx Dom ) 0,3 0, 0,09 0,07 R 2 = 0,9466 R 2 = 0,8825 R 2 = 0,7548 R 2 = 0,872 0,05 0,03 0,0-0,05-0,03-0,0-0,0 0,0 0,03 0,05 0,07 0,09 0, Taxa geométrca de crescmeto populacoal (Tx Pop ) -0,03-0,05 Cetro Amazoese Norte Amazoese Sudoeste Amazoese Sul Amazoese Fgura 4 - Regressões etre as taxas geométrcas de crescmeto da população e do º de domcílos Fgura 5 Mesorregões do Estado do Amazoas Aplcado as projeções das taxas de crescmeto dos domcílos (TxDom) os respectvos totas de domcílos ocupados regstrados o ceso 2000, obtém-se as projeções do º de domcílos ocupados para os mucípos, com base a segute equação: ( TxDom ) Domcílo, = Domcílo +, ode Domcílo,t é o total de domcílos ocupados o -ésmo mucípo o ao t. t +, t t (3) Na Fgura 6, têm-se as trajetóras das projeções do º de domcílos para os mucípos e as respectvas taxas de crescmeto. Por fm, a Fgura 7, as trajetóras decrescetes e covergetes para as desdades domclares mostram que as projeções seguem tedêcas semelhates às projetadas para o Brasl (LEON & PESSANHA, 2005). Fgura 6 - Logartmo das projeções do º de domcílos ocupados e taxas de crescmeto

8 8 Fgura 7 - Projeções da desdade domclar (Hab/Dom) para os mucípos segudo as quatro mesorregões CONCLUSÃO Este trabalho apreseta uma metodologa para a espacalzação por mucípo das premssas demográfcas (população e º de domcílos) para um horzote ceceal. A abordagem utlzada é do tpo top dow, a qual cosste a repartção das projeções demográfcas da UF de teresse os seus respectvos mucípos. A metodologa apresetada para a população é partcularmete adequada para regões de forte potecal de desevolvmeto, evolvedo mudaças estruturas mportates. A explctação dos coefcetes de atratvdade de mgração ou resdêca para as mcrorregões permte corporar resultados proveetes de pesqusas de tedêcas recetes e aalsar o seu mpacto as projeções populacoas. A aplcação desta metodologa permte a corporação das tedêcas mas recetes de crescmeto regoal, efetos de grades vestmetos e, prcpalmete, os resultados da cotagem populacoal que deve ser cada em abrl deste ao REFERÊNCIAS BIBLIOGRÁFICAS () BORGES, A.S.; MARQUES, C.S.; BRITO, L.P.G.; SILVA, V.R.L.; JANNUZZI, P.M. Projeções populacoas o Brasl: subsídos para o seu aprmorameto, Aas do XV Ecotro Nacoal de Estudos Populacoas, ABEP, (2) FRIAS, L.A.M. Projeções da população resdete e do úmero de domcílos partculares ocupados por stuação urbaa e rural, segudo as udades da federação o período , Futuro da População Braslera: Projeções, Prevsões e Téccas, orgazadores: Wog, Laura Rodrguez, Hakkert, Raplh, Lma, Rcardo Araújo, Assocação Braslera de Estudos Populacoas, Embu, ovembro, 987. (4) KONO, S. The Headshp Rate Method for Projectg Households, I: Famly Demography, Bogaarts, Burch, Wacher, Oxford, 987. (5) IPARDES. Paraá projeção das populações mucpas , Curtba, (6) JANNUZZI, P.M. Projeções populacoas para pequeas áreas: método e aplcações, Textos para dscussão, Escola Nacoal de Cêcas Estatístcas,. 22, Ro de Jaero, (7) JARDIM, M.L. Metodologas de estmatvas e projeções populacoas para áreas meores: a experêca do Ro Grade do Sul, Aas do XIII Ecotro Nacoal de Estudos Populacoas, (8) LEON, N.; PESSANHA, J.F.M. Projeções da população e do º de domcílos: uma certeza para a projeção do mercado de eerga elétrca em um horzote de dez aos?, Workshop Demografa dos Negócos, Salvador, (9) LEON, N.; PESSANHA, J.F.M.; RIBEIRO, P.M. Estmatvas tercestáras e projeções do úmero de domcílos para os estudos de prevsão do mercado de eerga elétrca da classe resdecal, X SEPOPE, Floraópols, (0) MADEIRA, J.L.; SIMÕES, C.C.S. Estmatvas prelmares da População Urbaa e Rural segudo Udades da Federação de 960 a 980, por uma ova metodologa, Revsta Braslera de Estatístca, v.33, º 29, pp 3 - ja./mar. de 972. () OLIVEIRA, J.C.; ALBUQUERQUE, F.R.P.C.; LINS, I.B. Projeção da população do Brasl por sexo e dade para o período Revsão 2004, Metodologa, Resultados e Estmatvas Auas e Mesas da População do Brasl e das udades da Federação: , Metodologa Estmatvas das Populações Mucpas, IBGE, outubro, (2) SZWARCWALD, C.L.; CASTILHO, E.A. Proposta de um modelo para desagregar projeções demográfcas de grades áreas em seus compoetes geográfcos, Revsta Saúde Públca, São Paulo, 23(4), pp , 989.

8 Programação linear 78

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

Leia mais

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

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

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

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

Leia mais

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

Projeção Populacional 2013-2020 para a Cidade do Rio de Janeiro: uma aplicação do método AiBi

Projeção Populacional 2013-2020 para a Cidade do Rio de Janeiro: uma aplicação do método AiBi ISSN 1984-7203 Projeção Populacoal 2013-2020 para a Cdade do Ro de Jaero: uma aplcação do método AB Nº 20130102 Jaero - 2013 Iva Braga Ls 1, Marcelo Pessoa da Slva, Atoo Carlos Carero da Slva, Sérgo Gumarães

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

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

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

O delineamento amostral determina os processos de seleção e de inferência do valor da amostra para o valor populacional.

O delineamento amostral determina os processos de seleção e de inferência do valor da amostra para o valor populacional. Curso Aperfeçoameto em Avalação de Programas Socas ª Turma Dscpla: Téccas quattatvas de levatameto de dados: prcpas téccas de amostragem Docete: Claudete Ruas Brasíla, ovembro/005 Pesqusa por amostragem

Leia mais

Monitoramento ou Inventário Florestal Contínuo

Monitoramento ou Inventário Florestal Contínuo C:\Documets ad Settgs\DISCO_F\MEUS-DOCS\LIVRO_EF_44\ef44_PDF\CAP XIV_IFCOTIUO.doc 6 Motorameto ou Ivetáro Florestal Cotíuo Agosto Lopes de Souza. ITRODUÇÃO Parcelas permaetes de vetáro florestal cotíuo

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

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

Macroeconometria Aula 3 Revisão de estatística e teste de hipótese

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

Leia mais

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão

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

Leia mais

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

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

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

Leia mais

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

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

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

A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: enchentes

A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: enchentes Mostra Nacoal de Icação Cetífca e Tecológca Iterdscplar VI MICTI Isttuto Federal Catarese Câmpus Camború 30 a 3 de outubro de 03 A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: echetes Ester Hasse

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

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

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

AJUSTE DE CURVAS E MODELAGEM POPULACIONAL DE PETRÓPOLIS NO PERÍODO DE 1982 A 1990

AJUSTE DE CURVAS E MODELAGEM POPULACIONAL DE PETRÓPOLIS NO PERÍODO DE 1982 A 1990 27XVI Ecotro de Modelagem Computacoal IV Ecotro de Cêca e Tecologa de Materas III Ecotro Regoal de Matemátca Aplcada e Computacoal Uversdade Estadual de Sata Cruz (UESC), Ilhéus/BA, Brasl. 23-25 out. 2013.

Leia mais

5 Critérios para Análise dos Resultados

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

Leia mais

ESTATÍSTICA APLICADA À ZOOTECNIA

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

Leia mais

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

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

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

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

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

Leia mais

Uso de covariáveis em modelos biométricos para estimação de altura total em árvores de Eucalyptus dunnii

Uso de covariáveis em modelos biométricos para estimação de altura total em árvores de Eucalyptus dunnii Uso de covaráves em modelos bométrcos para estmação de altura total em árvores de Eucalyptus du Oar Medes de Olvera Adrao Rbero de Medoça Fábo Mareto Glso Ferades da Slva Samuel de Pádua Chaves e Carvalho

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

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

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

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

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

Leia mais

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

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

Projeção da População e do Nº de Domicílios Metodologia e estudo de caso para os municípios do Estado do Amazonas

Projeção da População e do Nº de Domicílios Metodologia e estudo de caso para os municípios do Estado do Amazonas Dretora de Engenhara - DE Departamento de Estudos Energétco - DEN Dvsão de Estudos de Mercado - DEND Premssas para Prevsão do Consumo de Energa Elétrca para os sstemas Elétrcos Isolados da Regão Norte

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

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

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

Leia mais

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

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

Leia mais

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

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

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

Leia mais

ESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA

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

Leia mais

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

Projeto de rede na cadeia de suprimentos

Projeto de rede na cadeia de suprimentos Projeto de rede a cadea de suprmetos Prof. Ph.D. Cláudo F. Rosso Egehara Logístca II Esboço O papel do projeto de rede a cadea de suprmetos Fatores que fluecam decsões de projeto de rede Modelo para decsões

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

MAE0229 Introdução à Probabilidade e Estatística II

MAE0229 Introdução à Probabilidade e Estatística II Exercíco Cosdere a dstrbução expoecal com fução de desdade de probabldade dada por f (y; λ) = λe λy, em que y, λ > 0 e E(Y) = /λ Supor que o parâmetro λ pode ser expresso proporcoalmete aos valores de

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

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

9 Medidas Descritivas

9 Medidas Descritivas 1 9 Meddas Descrtvas Vmos aterormete que um cojuto de dados pode ser resumdo através de uma dstrbução de freqüêcas, e que esta pode ser represetada através de uma tabela ou de um gráfco. Se o cojuto refere-se

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

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

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

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

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

Apostila de Introdução Aos Métodos Numéricos

Apostila de Introdução Aos Métodos Numéricos Apostla de Itrodução Aos Métodos Numércos PARTE III o Semestre - Pro a. Salete Souza de Olvera Buo Ídce INTERPOAÇÃO POINOMIA...3 INTRODUÇÃO...3 FORMA DE AGRANGE... 4 Iterpolação para potos (+) - ajuste

Leia mais

Análise estatística dos resultados do modelo de previsão atmosférica RAMS para a região do lago de Ilha Solteira (SP)

Análise estatística dos resultados do modelo de previsão atmosférica RAMS para a região do lago de Ilha Solteira (SP) Aálse estatístca dos resultados do modelo de prevsão atmosférca RAMS para a regão do lago de Ilha Soltera (SP) Beatrz da Slva Berardo, Ismar de A. Satos, Claudo F. Neves 3., Uversdade Federal do Ro de

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

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

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

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

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

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

a) 1,8 e 4,6. b) 2,0 e 2,2. c) 1,8 e 5,2. d) 2,0 e 4,6. e) 2,0 e 1,9.

a) 1,8 e 4,6. b) 2,0 e 2,2. c) 1,8 e 5,2. d) 2,0 e 4,6. e) 2,0 e 1,9. Questão : As otas de dez aluos, um exame, estão dadas a segur:, 5, 8, 3, 6, 5, 8, 7, 6, 0 O desvo médo e a varâca dessas otas podem ser expressos, respectvamete, por: a),8 e 4,6 b),0 e, c),8 e 5, d),0

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

? 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

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

( k) Tema 02 Risco e Retorno 1. Conceitos Básicos

( k) Tema 02 Risco e Retorno 1. Conceitos Básicos FEA -USP Graduação Cêcas Cotábes EAC05 04_0 Profa. Joaíla Ca. Rsco e Retoro. Cocetos Báscos Rotero BE-cap.6 Tema 0 Rsco e Retoro. Cocetos Báscos I. O que é Retoro? II. Qual é o Rsco de um Atvo Idvdual

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

Inferência Estatística e Aplicações I. Edson Zangiacomi Martinez Departamento de Medicina Social FMRP/USP

Inferência Estatística e Aplicações I. Edson Zangiacomi Martinez Departamento de Medicina Social FMRP/USP Iferêca Estatístca e Aplcações I Edso Zagacom Martez Departameto de Medca Socal FMRP/USP edso@fmrp.usp.br Rotero Parte I Escola frequetsta Defções: parâmetros, estmatvas Dstrbuções de probabldade Estmação

Leia mais

x Ex: A tabela abaixo refere-se às notas finais de três turmas de estudantes. Calcular a média de cada turma:

x Ex: A tabela abaixo refere-se às notas finais de três turmas de estudantes. Calcular a média de cada turma: Professora Jaete Perera Amador 1 9 Meddas Descrtvas Vmos aterormete que um cojuto de dados pode ser resumdo através de uma dstrbução de freqüêcas, e que esta pode ser represetada através de uma tabela

Leia mais

Econometria: 4 - Regressão Múltipla em Notação Matricial

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

Leia mais

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

CAPÍTULO III - POLINÔMIOS DE JACOBI E QUADRATURA NUMÉRICA

CAPÍTULO III - POLINÔMIOS DE JACOBI E QUADRATURA NUMÉRICA Polômos de Jacob e CAPÍTULO III - POLINÔMIOS DE JACOBI E QUADRATURA NUMÉRICA III--)INTRODUÇÃO Para um melhor etedmeto do método da colocação ortogoal e sua relação com o método dos resíduos poderados (MRP),

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

II. Propriedades Termodinâmicas de Soluções

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

Leia mais

MÓDULO 8 REVISÃO REVISÃO MÓDULO 1

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

Leia mais

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

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

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

Teoria Elementar da Probabilidade. a) Cada experiência poderá ser repetida indefinidamente sob condições essencialmente inalteradas.

Teoria Elementar da Probabilidade. a) Cada experiência poderá ser repetida indefinidamente sob condições essencialmente inalteradas. Estatístca 47 Estatístca 48 Teora Elemetar da Probabldade SPECTOS PERTINENTES À CRCTERIZÇÃO DE UM EXPERIÊNCI LETÓRI MODELOS MTEMÁTICOS DETERMINÍSTICOS PROBBILÍSTICOS PROCESSO (FENÓMENO) LETÓRIO - Quado

Leia mais

( Sistema Francês de Amortização )

( Sistema Francês de Amortização ) NA PRÁTICA A TEORIA É A MESMA ( Sstema Fracês de Amortzação ) Em um Cogresso, um Grupo de Professores e Autores composto por Admstradores, Ecoomstas, Cotadores e, todos Pertos Judcas, apresetam os segutes

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. 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

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

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

Leia mais

PROPOSTA DE UM MODELO PARA ANÁLISE DA ACESSIBILIDADE NO TRANSPORTE DE CARGAS

PROPOSTA DE UM MODELO PARA ANÁLISE DA ACESSIBILIDADE NO TRANSPORTE DE CARGAS PROPOSTA DE UM MODELO PARA ANÁLISE DA ACESSIBILIDADE NO TRANSPORTE DE CARGAS Alexadre Coelho Satos Programa de Pós-Graduação em Egehara Cvl - Trasportes Uversdade Federal do Espírto Sato Elaa Zadoade Departameto

Leia mais

Aula de Hoje. Introdução a Sistemas Inteligentes. Redes RBF. Redes RBF. Tópicos em Redes Neurais II: Redes Neurais RBF 1ª Parte

Aula de Hoje. Introdução a Sistemas Inteligentes. Redes RBF. Redes RBF. Tópicos em Redes Neurais II: Redes Neurais RBF 1ª Parte Itrodução a Sstemas Itelgetes ópcos em Redes Neuras II: Redes Neuras RBF ª Parte Prof. Rcardo J. G. B. Campello Aula de Hoje Neurôos de Resposta Radal Modelos Neuras RBF Úca Saída Múltplas Saídas Represetação

Leia mais

Capitulo 1 Resolução de Exercícios

Capitulo 1 Resolução de Exercícios S C J S C J J C FORMULÁRIO Regme de Juros Smples 1 1 S C 1 C S 1 1.8 Exercícos Propostos 1 1) Qual o motate de uma aplcação de R$ 0.000,00 aplcados por um prazo de meses, à uma taxa de 2% a.m, os regmes

Leia mais

Matemática C Semiextensivo V. 2

Matemática C Semiextensivo V. 2 Matemátca C Semetesvo V. Eercícos 0) Através da observação dreta do gráfco, podemos coclur que: a) País. b) País. c) 00 habtates. d) 00 habtates. e) 00 0 0 habtates. 0) C Através do gráfco, podemos costrur

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

GRUPO XII ASPECTOS TÉCNICOS E GERENCIAIS DE MANUTENÇÃO EM INSTALAÇÕES ELÉRTICAS - GMI

GRUPO XII ASPECTOS TÉCNICOS E GERENCIAIS DE MANUTENÇÃO EM INSTALAÇÕES ELÉRTICAS - GMI SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GMI - 5 6 a Outubro de 5 Curtba - Paraá GRUPO XII ASPECTOS TÉCNICOS E GERENCIAIS DE MANUTENÇÃO EM INSTALAÇÕES ELÉRTICAS - GMI APLICAÇÃO

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

Prof. Janete Pereira Amador 1

Prof. Janete Pereira Amador 1 Prof. Jaete Perera Amador 1 1 Itrodução Mutas stuações cotdaas podem ser usadas como expermeto que dão resultados correspodetes a algum valor, e tas stuações podem ser descrtas por uma varável aleatóra.

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

INTRODUÇÃO A ESTATÍSTICA

INTRODUÇÃO A ESTATÍSTICA Hewlett-Packard INTRODUÇÃO A ESTATÍSTICA Aulas 01 e 06 Elso Rodrgues, Gabrel Carvalho e Paulo Luz Sumáro Defções... 1 EXERCÍCIOS FUNDAMENTAIS... 1 Meddas de tedêca cetral... 1 Méda artmétca smples... 1

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

TESTES DE PROPORÇÕES TESTE DE UMA PROPORÇÃO POPULACIONAL

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

Leia mais

3. TESTES DE QUALIDADE DE AJUSTAMENTO

3. TESTES DE QUALIDADE DE AJUSTAMENTO Testes da qualdade de ajustameto 3 TESTES DE QULIDDE DE JUSTMENTO 3 Itrodução formação sobre o modelo da população dode se extra uma amostra costtu, frequetemete, um problema estatístco forma da dstrbução

Leia mais