Estimativas e Erros. Propagação de erros e Ajuste de funções
|
|
- Emanuel Duarte
- 5 Há anos
- Visualizações:
Transcrição
1 Estimativas e Erros Propagação de erros e Ajuste de funções 1
2 Algumas referências Estimativas e Erros em Experimentos de Física - Vitor Oguri et al (EdUERJ) Fundamentos da Teoria de Erros - José Henrique Vuolo Statistical Data Analysis - Glen Cowan (Inglês) 2
3 Valor esperado de uma grandeza Valor esperado: valor hipotético, μ, de uma grandeza, equivalente ao valor médio de medições repetidas indefinidamente 3
4 Valor esperado de uma grandeza Valor esperado: valor hipotético, μ, de uma grandeza, equivalente ao valor médio de medições repetidas indefinidamente Fazemos uma estimativa para o valor esperado, a partir de um conjunto finito de medidas da grandeza Chamamos esse conjunto finito de uma amostra de todos os possíveis valores para as medidas, ou população 3
5 Estimativa do valor esperado 4
6 Estimativa do valor esperado 4
7 Estimativa do valor esperado 4
8 Estimativa do valor esperado 4
9 Estimativa do valor esperado 4
10 Estimativa do valor esperado 4
11 Estimativa do valor esperado 4
12 Estimativa do valor esperado 4
13 Estimativa do valor esperado 4
14 Erro da média 5
15 Erro da média 5
16 Erro da média 5
17 Erro da média 5
18 Erro da média Distribuição das médias de 100 experimentos, cada um com 100 medidas Note que o erro da média é menor que o erro da medida 6
19 Estimativa do erro da medida e da média Podemos também estimar o erro da média a partir de uma única bateria de N medidas diretas. Vamos estimar primeiramente o erro de cada medida como: s x = v ux N t (x i x) 2 N 1 = r N N 1 x O erro da média pode ser aproximado por: x = s x p N 7
20 Estimativa do erro da medida e da média Podemos também estimar o erro da média a partir de uma única bateria de N medidas diretas. Vamos estimar primeiramente o erro de cada medida como: s x = v ux N t desvio padrão experimental ou amostral (x i x) 2 N 1 = r N N 1 x O erro da média pode ser aproximado por: x = x = s x p N v u t 1 N NX ( x i ) 2 = desvio padrão s (x 1 x) (x N x) 2 N 7
21 Estimativa do erro da medida e da média Podemos também estimar o erro da média a partir de uma única bateria de N medidas diretas. Vamos estimar primeiramente o erro de cada medida como: s x = v ux N t desvio padrão experimental ou amostral (x i x) 2 N 1 = r N N 1 x O erro da média pode ser aproximado por: x = s x p N desvio padrão Note: O desvio padrão experimental (sx) será comumente representado igualmente por σx dependendo do contexto. 8
22 Estimativa do erro da medida e da média Para um número grande de medidas: N!1)s x x x x p N 9
23 Estimativa do erro da medida e da média Para um número grande de medidas: N!1)s x x x x p N Quanto maior o número de medidas em um experimento, menor o erro estimado da média 9
24 Resultado de uma medição: Estimativa do valor esperado de um conjunto de medidas estimativa do valor esperado ± incerteza (unidade) 10
25 Resultado de uma medição: Estimativa do valor esperado de um conjunto de medidas estimativa do valor esperado ± incerteza (unidade) x 10
26 Resultado de uma medição: Estimativa do valor esperado de um conjunto de medidas estimativa do valor esperado ± incerteza (unidade) x x = s x p N 10
27 Resultado de uma medição: Estimativa do valor esperado de um conjunto de medidas estimativa do valor esperado ± incerteza (unidade) x x = s x p N Note que aqui estamos estimando o que definimos antes como incertezas aleatórias. Incertezas aleatórias podem ser reduzidas por repetição (maior número N de medidas). Incertezas sistemáticas, no entanto, não podem em geral ser reduzidas por mera repetição. Elas dependem do entendimento do instrumento e das técnicas de medição. A partir de um número suficientemente grande de medidas, elas passam a ser dominantes. 10
28 Resultado de uma medição: Estimativa do valor esperado de um conjunto de medidas estimativa do valor esperado ± incerteza (unidade) x x = s x p N Exemplo: x = 10,0835 x = 10,08 ± 0,07(unid.) x =0,072 11
29 Resultado de uma medição: Estimativa do valor esperado de um conjunto de medidas estimativa do valor esperado ± incerteza (unidade) x x = s x p N Exemplo: x = 10,0835 x = 10,08 ± 0,07(unid.) x =0,072 Número de algarismos significativos determinado pelo valor da incerteza 11
30 Exercício: Dado um conjunto de medidas da aceleração da gravidade g: {9,90; 9,68; 9,57; 9,72; 9,80} (m/s 2 ) Determine a estimativa padrão para a aceleração da gravidade 12
31 Exercício: Dado um conjunto de medidas da aceleração da gravidade g: {9,90; 9,68; 9,57; 9,72; 9,80} (m/s 2 ) Determine a estimativa padrão para a aceleração da gravidade i) A melhor estimativa para o valor esperado é a média: Média: 9,734 x = 1 N NX x i 12
32 Exercício: Dado um conjunto de medidas da aceleração da gravidade g: {9,90; 9,68; 9,57; 9,72; 9,80} (m/s 2 ) Determine a estimativa padrão para a aceleração da gravidade i) A melhor estimativa para o valor esperado é a média: Média: 9,734 ii) A estimativa padrão para a incerteza é dada por: Erro padrão: 0, x = x = 1 N v ux t N NX x i (x i x) 2 N(N 1) 12
33 Exercício: Dado um conjunto de medidas da aceleração da gravidade g: {9,90; 9,68; 9,57; 9,72; 9,80} (m/s 2 ) Determine a estimativa padrão para a aceleração da gravidade i) A melhor estimativa para o valor esperado é a média: Média: 9,734 ii) A estimativa padrão para a incerteza é dada por: Erro padrão: 0, x = x = 1 N v ux t N (x i x) 2 N(N 1) iii) Representamos o erro com um algarismo significativo e a medida com o mesmo número de casa decimais: Estimativa padrão para o resultado da medição: (9,73 ± 0,06) m/s 2 NX x i 12
34 Distribuição Gaussiana f (x; µ, x) =A e (x µ) x Fração de occorrências σx μ σx 13
35 Distribuição Gaussiana 14
36 Distribuição Gaussiana σx σx 14
37 Distribuição Gaussiana σx σx 2σx 2σx 14
38 Distribuição Gaussiana 68,3% da área entre (μ - σx) e (μ + σx) 95,5% da área entre (μ - 2σx) e (μ + 2σx) 99,7% da área entre (μ - 3σx) e (μ + 3σx)... σx σx 2σx 2σx 14
39 Lei dos Erros Lei dos Erros : Para um número indefinidamente grande de medidas a distribuição das frequências das médias se aproxima de uma distribuição Gaussiana Frequencia f (x; µ, x) =A e (x µ) x x (u.a.)
40 Intervalo e nível de confiança (Dist. Gaussiana) Intervalo de Confiança Nível de Confiança (cl) (x 0,67 x, x + 0,67 x ) 50,0% (x 1,00 x, x + 1,00 x ) 68,3% (x 1,65 x, x + 1,65 x ) 90,0% (x 1,96 x, x + 1,96 x ) 95,0% (x 2,00 x, x + 2,00 x ) 95,5% (x 3,00 x, x + 3,00 x ) 99,7% Intervalo de confiança a nível de confiança de 68,3% Intervalo de confiança a nível de confiança de 95,5% Em geral para um intervalo de confiança [a,b], o nível de confiança pode ser interpretado como a fração de ocorrências em que o valor esperado μ se encontra neste intervalo, se o experimento for repetido um grande número de vezes. 16
41 Propagação de erros Propagação de erros u = f (x) Estimativa da grandeza associada (medida indireta) Medidas diretas de uma grandeza x: {x 1,x 2,...,x N } 17
42 Propagação de erros u = f (x) x 18
43 Propagação de erros u = f (x) ū + u ū x x + x x 18
44 Propagação de erros u = f (x) x 19
45 Propagação de erros u = f (x) ū + u ū x x + x x 19
46 Propagação de erros u = f (x) ū + u u = df dx x ū x x + x x 19
47 Propagação de erros u = x 2 = f (x) u =( x +(x x)) 2 =( x + x) 2 u = x 2 +2 x (x x)+ x 2 u x 2 +2 x (x ) ū x 2 x) u 2 x x 2 (x x) 2 +4 x 3 (x x) ) u 2 ū 2 +4 x 2 2 x ) 2 u =4 x 2 2 x $ u =2 x x 20
48 Propagação de erros u = x 2 = f (x) u =( x +(x x)) 2 =( x + x) 2 u = x 2 +2 x (x x)+ x 2 u x 2 +2 x (x ) ū x 2 x) u 2 x x 2 (x x) 2 +4 x 3 (x x) ) u 2 ū 2 +4 x 2 2 x ) 2 u =4 x 2 2 x $ u =2 x x (x x) = 1 N NX NX (x i x) =0 (x x) 2 = 1 N (x i x) 2 = 2 x 20
49 Propagação de erros u = x 2 = f (x) u =( x +(x x)) 2 =( x + x) 2 u = x 2 +2 x (x x)+ x 2 u x 2 +2 x (x ) ū x 2 x) u 2 x x 2 (x x) 2 +4 x 3 (x x) ) u 2 ū 2 +4 x 2 x 2 ) u 2 =4 x 2 x 2 $ u =2 x x u = df dx x= x x =2 x x (x x) = 1 N (x x) 2 = 1 N NX NX (x i x) =0 (x i x) 2 = 2 x 20
50 Propagação de erros u = f (x) ū + u ū α x x + x x 21
51 Propagação de erros u = f (x) ū + u u = tan x tan = f (x + x) f (x) x x!0! df (x) dx ū α x x + x x 21
52 Propagação de erros u = f ( x)+ u f ( x)+ df (x) dx x= x (x x) u 2 [f ( x)] 2 + ) u 2 [f ( x)] 2 + ) 2 u = u = 2 df dx df dx x= x 2 df dx 2 df dx x= x x 2 x x= x x= x (x x) 2 +2f ( x) df dx x= x (x 2 x x) 22
53 Propagação de erros u = f ( x)+ u f ( x)+ df (x) dx x= x (x x) u 2 [f ( x)] 2 + ) u 2 [f ( x)] 2 + ) 2 u = u = 2 df dx df dx x= x 2 df dx 2 df dx x= x x 2 x x= x x= x (x x) 2 +2f ( x) df dx x= x (x 2 x (x x) = 1 N (x x) 2 = 1 N NX NX (x i x) =0 (x i x) 2 = 2 x x) 22
54 Propagação de erros Estimativa padrão da incerteza Exemplo: u = x ) ū = x u = x ) ū = x 2 x 23
55 Propagação de erros Propagação de erros u = f (x, y) Estimativa da grandeza associada (medida indireta) Medidas de duas grandezas x e y: {(x 1,y 1 ), (x 2,y 2 ),...,(x N,y N )} 24
56 Propagação de erros Propagação de erros u = f (x, y) Estimativa da grandeza associada (medida indireta) Medidas de duas grandezas x e y: {(x 1,y 1 ), (x 2,y 2 ),...,(x N,y N )} Queremos obter: ū ± ū 24
57 Propagação de erros u = x ± y = f (x, y) u =( x ± ȳ)+(x x) ± (y ȳ) ) ū =( x ± ȳ) =f ( x, ȳ) u 2 =[f ( x, ȳ)] 2 +(x x) 2 +(y ȳ) 2 ± 2(x x)(y ȳ)+ +2f ( x, ȳ)[(x x) ± (y ȳ)] ) u 2 =[f ( x, ȳ)] 2 + x 2 + y 2 ± 2 xy (x x)(y ȳ) = 1 N NX (x i x)(y i ȳ)= xy ) 2 u = 2 x + 2 y ± 2 xy 2ū = 2 x + 2 ȳ ± 2 N xy 25
58 Propagação de erros u = xy = f (x, y) u =[ x +(x x)] [ȳ +(y ȳ)] = ( x + x)(ȳ + y) u = xȳ +ȳ (x x)+ x (y ȳ)+ x y u xȳ +ȳ (x x)+ x (y ȳ) ) ū xȳ = f ( x, ȳ) u 2 [f ( x, ȳ)] 2 +ȳ 2 (x x) 2 + x 2 (y ȳ) 2 +2ȳ x (x x)(y ȳ)+ +2f ( x, ȳ)[ȳ (x x)+ x (y ȳ)] ) u 2 ū 2 +ȳ 2 x 2 + x 2 y 2 +2ȳ x xy ) u 2 =ȳ 2 x 2 + x 2 y 2 +2ȳ x xy 26
59 Propagação de erros u = xy = f (x, y) u =[ x +(x x)] [ȳ +(y ȳ)] = ( x + x)(ȳ + y) u = xȳ +ȳ (x x)+ x (y ȳ)+ x y u xȳ +ȳ (x x)+ x (y ȳ) ) ū xȳ = f ( x, ȳ) u 2 [f ( x, ȳ)] 2 +ȳ 2 (x x) 2 + x 2 (y ȳ) 2 +2ȳ x (x x)(y ȳ)+ +2f ( x, ȳ)[ȳ (x x)+ x (y ȳ)] ) u 2 ū 2 +ȳ 2 2 x + x 2 2 y +2ȳ x xy ) 2 u =ȳ 2 2 x + x 2 2 y +2ȳ x xy r = x xy y 2 u ū 2 = 2 x x y xy +2 ȳ2 xȳ = 2 x x y y ȳ 2 +2r x xȳ 26
60 u = x/y = f (x, y) u = u ( x + x +(x x) ȳ +(y ȳ) x) 1 ȳ ( x + x) = (ȳ + y) y ȳ 1 u x ȳ + 1 ȳ (x x) x (y ȳ) ȳ2 Propagação de erros ) ū x ȳ = f ( x, ȳ) u 2 [f ( x, ȳ)] ȳ 2 (x apple 1 +2f ( x, ȳ) x)2 + x2 ȳ 4 (y ȳ)2 2 x (x x)(y ȳ)+ ȳ3 ȳ (x x) x (y ȳ) ȳ2 ) u 2 ū ȳ 2 2 x + x2 ȳ 4 2 y 2 x ȳ 3 xy ) 2 u = 1 ȳ 2 2 x + x2 ȳ 4 2 y 2 x ȳ 3 xy 27
61 Propagação de erros u = x/y = f (x, y) u = u ( x + x +(x x) ȳ +(y ȳ) x) 1 ȳ ( x + x) = (ȳ + y) y ȳ 1 u x ȳ + 1 ȳ (x x) x (y ȳ) ȳ2 1 1+x 1 x (x 1) ) ū x ȳ = f ( x, ȳ) u 2 [f ( x, ȳ)] ȳ 2 (x apple 1 +2f ( x, ȳ) x)2 + x2 ȳ 4 (y ȳ)2 2 x (x x)(y ȳ)+ ȳ3 ȳ (x x) x (y ȳ) ȳ2 ) u 2 ū ȳ 2 2 x + x2 ȳ 4 2 y 2 x ȳ 3 xy ) 2 u = 1 ȳ 2 2 x + x2 ȳ 4 2 y 2 x ȳ 3 xy 27
62 Propagação de erros u = x/y = f (x, y) u = u ( x + x +(x x) ȳ +(y ȳ) x) 1 ȳ ( x + x) = (ȳ + y) y ȳ 1 u x ȳ + 1 ȳ (x x) x (y ȳ) ȳ2 1 1+x 1 x (x 1) ) ū x ȳ = f ( x, ȳ) u 2 [f ( x, ȳ)] ȳ 2 (x apple 1 +2f ( x, ȳ) x)2 + x2 ȳ 4 (y ȳ)2 2 x (x x)(y ȳ)+ ȳ3 ȳ (x x) x (y ȳ) ȳ2 ) u 2 ū ȳ 2 2 x + x2 ȳ 4 2 y 2 x ȳ 3 xy ) 2 u = 1 ȳ 2 2 x + x2 ȳ 4 2 y 2 x ȳ 3 xy 2 u ū 2 = 27 2 x x y ȳ 2 2 xy xȳ = 2 x x y ȳ 2 2r x y xȳ
63 Propagação de erros Em geral: u = f (x, y) f ( ( x,ȳ) ( x,ȳ) (y ȳ) 28
64 Propagação de erros Em geral: u = f (x, y) f ( ( x,ȳ) ( x,ȳ) (y ȳ) Derivada parcial de f (x, y) em função de x, com y constante, aplicada no ponto ( x, ȳ) 28
65 Propagação de erros Em geral: u = f (x, y) f ( ( x,ȳ) ( x,ȳ) (y ȳ) Derivada parcial de f (x, y) em função de x, com y constante, aplicada no ponto ( x, ȳ) ) ū f ( x, ȳ) 28
66 u 2 [f ( x, ȳ)] 2 +2f ( x, ȳ) + Propagação de ( x,ȳ) N ( x,ȳ) 1 N NX (x ( x,ȳ) 1 N (x i x) " 1 N ( x,ȳ) 2 ( x,ȳ) NX 1 N NX NX (y i ȳ) # (y i ȳ) 2 (x i x)(y i ȳ) # ) u 2 [f ( x, ȳ)] 2 + ) 2 ( 2 x x y +2 ( x,ȳ) 2 ( x,ȳ) xy ( x,ȳ) xy 29
67 Propagação de erros Em geral: u = f (x, y) 2 u ( x,ȳ) 2 2 ( x,ȳ) 2 ( x,ȳ) xy 2ū ( x,ȳ) 2 2 ( x,ȳ) 2ȳ + ( x,ȳ) xy 30
68 Ajuste de funções Ajuste de funções y = f (x; a 1,a 2,...,a p ) Medidas de duas grandezas x e y: {(x 1,y 1 ), (x 2,y 2 ),...,(x N,y N )} Estimativa dos parâmetros (a partir de uma relação funcional postulada) 31
69 Ajuste de funções Ajuste de funções y = f (x; a 1,a 2,...,a p ) Medidas de duas grandezas x e y: {(x 1,y 1 ), (x 2,y 2 ),...,(x N,y N )} Estimativa dos parâmetros (a partir de uma relação funcional postulada) Queremos obter: a 1 ± a1,...,a p ± ap 31
70 Método dos Mínimos Quadrados: Ajuste linear Queremos minimizar a soma dos quadrados das distâncias entre a medidas observadas e os valores previstos pela relação funcional entre y e x: S (a, b) = NX (y i y (x i )) 2 = NX [y i (ax i + b)] 2 Medida observada y = f (x i ; a, b) =ax i + b 32
71 Método dos Mínimos Quadrados: @b = 2 N X 2 N X x i (y i ax i b)=0 (y i ax i b)=0 N xy ax 2 b x =0 N (ȳ a x b) =0 ) a = b =ȳ xy xȳ x 2 x 2 = xy 2 x a x 33
72 Método dos Mínimos Quadrados: Ajuste linear As estimativas dos parâmetros e suas incertezas são dadas por: a = r y x b =ȳ = xy 2 x a x a = 1 x b = y p N a p x 2 y = v ux t N [y i (ax i + b)] 2 N 2 = y r N N 2 (1 r2 ) 34
73 Método dos Mínimos Quadrados: Ajuste linear y y(x) = ax + b ε i y i y(x ) i y i y(x ) i x x 2 i x 35
74 Método dos Mínimos Quadrados: Ajuste linear No caso anterior assumimos que as incertezas nas medidas de y são desconhecidas. Em geral consideramos o erro em cada medida (σi): NX yi y (x i ) 2 = NX apple yi (ax i + b) 2 S (a, b) = i i Erro em cada medida Questões: Deduza as expressões para as estimativas dos parâmetros segundo o Método dos Mínimos Quadrados. Como incertezas de medição da variável x podem ser incluídas no método? 36
75 Método dos Mínimos Quadrados: Ajuste linear NX yi y (x i ) 2 = NX apple yi (ax i + b) 2 S (a, b) = i i N X 2 (x i x) y i = xy x y a = 1 2 x NX i 2 y i 2 x b = i ax 37
76 Método dos Mínimos Quadrados: Ajuste linear N X 2 (x i x) y i = xy x y a = 1 2 x NX i 2 y i 2 x b = i ax x = 2 x = NX NX i i 2 x i = NX w i x i w i = 2 (x i x) 2 = x 2 x = N X i 2! 1 2 i NX w i =1
77 Método dos Mínimos Quadrados: Ajuste linear N X 2 (x i x) y i = xy x y a = 1 2 x NX i 2 y i 2 x b = i ax 2 a = 2 4 x 2 b = x 2 NX 2 a 2 2 i (x i x) 2 = 2 2 x a = b = x a p x 2 39
78 Método dos Mínimos Quadrados: Ajuste linear y (u.a.) 100 Ajuste linear simples Ajuste linear com peso x (u.a) 40
79 Método dos Mínimos Quadrados: Ajuste linear y (u.a.) 100 Ajuste linear simples Ajuste linear com peso y (u.a.) 100 Ajuste linear simples Ajuste linear com peso x (u.a) x (u.a) 41
80 y (u.a.) 100 Ajuste linear simples Ajuste linear com peso y (u.a.) 100 Ajuste linear simples Ajuste linear com peso y (u.a.) Ajuste linear simples Ajuste linear com peso x (u.a) y (u.a.) Ajuste linear simples Ajuste linear com peso x (u.a) x (u.a) x (u.a) 42
81 Reta de calibração e interpolação y reta de ajuste y obs x obs! y ± y Interpolação direta x = y a y obs! x ± x Interpolação indireta 8 >< > x obs (y obs b) a x 43
82 Faixa de confiança y y = ax + b ε y y obs 40 ε x 30 y obs! x ± x (y obs b) a x = y a x 44
83 Exemplo: dinamômetro de mola F (gf) l (mm) l F 3 9,2 4 12,2 5 15, , , , ,1 45
84 Exemplo: dinamômetro de mola F (gf) l (mm) 3 9,2 4 12,2 5 15, , , , ,1 l (mm) F(gf) 46
85 Exemplo: dinamômetro de mola O comportamento ideal de uma mola nos diz que a sua elongação é relacionada com a magnitude da força aplicada na mesma: l = a F + b Equação de uma reta y = f (x; a, b) =a x + b Queremos obter estimativas para os parâmetros da reta (a e b). Para isso utilizamos o Método dos Mínimos Quadrados. 47
86 Exemplo: dinamômetro de mola F (gf) l (mm) a =(2.983 ± 0.013) mm/gf 3 9,2 4 12,2 5 15, , , , ,1 b =(0.14 ± 0.18) mm y = l =0.27 mm Equação da reta: l (mm) = F (gf)
87 Exemplo: Lei de Ohm I V + - R V = RI I = V R = 1 R V +0 49
88 Exemplo: Lei de Ohm I V + - R V = RI I = V R = 1 R V +0 y = f (x; a, b) =a x + b 49
89 Exemplo: Lei de Ohm x y I V (Volts) I (ma) VI + - R V Medida 1 Medida 2 Medida 3 Medida 4 Medida 5 50
90 Exemplo: Lei de Ohm x y I V (Volts) I (ma) VI + - R V Medida 1 1,98 2,02 Medida 2 3,87 3,99 Medida 3 5,82 6,00 Medida 4 7,76 8,02 Medida 5 9,70 10,05 51
91 Extras 52
92 Parâmetros de posição i) Média: Valor médio de um conjunto de dados {x1, x2,..., xn}: x x 1 + x 2 + x x N N = 1 N NX x i Dados em M classes (intervalos) com ponto médio {x1, x2,..., xm} e frequência {n1, n2,..., nm}: x n 1x 1 + n 2 x n M x M N = 1 N MX j=1 n j x j ii) Moda: Valor mais frequente de um conjunto de dados {x1, x2, x3,..., xn} iii) Média quadrática: x rms r x x x x2 N N = v u t 1 N NX x 2 i iv) Mediana (Mesma quantidade de dados abaixo e acima da mediana): N(ímpar)! x med = x (N+1)/2 N(par)! x med = x N/2 + x (N/2+1) 2 53
93 Parâmetros de dispersão Variância: Média dos quadrados dos desvios (δxi) 2 x = 1 N NX ( x i ) 2 = 1 N NX (x i x) 2 = (x 1 x) (x N x) 2 N Note que a expressão para a variância pode ser simplificada por: 2 x = 1 N NX x 2 i 1 N NX x i! 2 = x 2 x 2 54
94 Parâmetros de dispersão Desvio padrão: Raiz quadrada da variância, ou média quadrática dos desvios x = v u t 1 N NX ( x i ) 2 = s (x 1 x) (x N x) 2 N x = q x 2 x 2 55
95 Representando duas variáveis Diagrama de dispersão: Gráfico representando medidas em duas variáveis {(x1, y1), (x2, y2),..., (xn, yn)} Exemplo: Considere N = 1 um conjunto de dados de duas variáveis (x,y) (x1, y1) 56
96 Representando duas variáveis Diagrama de dispersão: Gráfico representando medidas em duas variáveis {(x1, y1), (x2, y2),..., (xn, yn)} Exemplo: Considere N =3 (x3, y3) um conjunto de dados de duas variáveis (x,y) (x1, y1) (x2, y2) 57
97 Representando duas variáveis Diagrama de dispersão: Gráfico representando medidas em duas variáveis {(x1, y1), (x2, y2),..., (xn, yn)} Exemplo: Considere um conjunto de dados de duas variáveis (x,y) N = 6 58
98 Representando duas variáveis Diagrama de dispersão: Gráfico representando medidas em duas variáveis {(x1, y1), (x2, y2),..., (xn, yn)} Exemplo: Considere um conjunto de dados de duas variáveis (x,y) N = 12 59
99 Representando duas variáveis Diagrama de dispersão: Gráfico representando medidas em duas variáveis {(x1, y1), (x2, y2),..., (xn, yn)} Exemplo: Considere um conjunto de dados de duas variáveis (x,y) N = 20 60
100 Representando duas variáveis Diagrama de dispersão: Gráfico representando medidas em duas variáveis {(x1, y1), (x2, y2),..., (xn, yn)} Exemplo: Considere um conjunto de dados de duas variáveis (x,y) N = 50 61
101 Representando duas variáveis Diagrama de dispersão: Gráfico representando medidas em duas variáveis {(x1, y1), (x2, y2),..., (xn, yn)} Exemplo: Considere um conjunto de dados de duas variáveis (x,y) N =
102 Parâmetros de correlação i) Covariância: média dos produtos dos desvios nas duas variáveis (δxi e δyi) xy = 1 N NX x i y i = 1 N NX (x i x)(y i ȳ) = (x 1 x)(y 1 ȳ)+... +(x N x)(y N ȳ) N 63
103 Parâmetros de correlação i) Covariância: média dos produtos dos desvios nas duas variáveis (δxi e δyi) xy = 1 N NX x i y i = 1 N NX (x i x)(y i ȳ) = (x 1 x)(y 1 ȳ)+... +(x N x)(y N ȳ) N Note que a expressão para a covariância pode ser simplificada por: xy = xy xȳ 63
104 Parâmetros de correlação i) Covariância: média dos produtos dos desvios nas duas variáveis (δxi e δyi) xy = 1 N NX x i y i = 1 N NX (x i x)(y i ȳ) = (x 1 x)(y 1 ȳ)+... +(x N x)(y N ȳ) N Note que a expressão para a covariância pode ser simplificada por: xy = xy xȳ e que não importa a ordem das variáveis: xy = yx 63
105 Parâmetros de correlação: covariância Covariância: xy = 1 N NX (x i x)(y i ȳ) 64
106 Parâmetros de correlação: covariância Covariância: xy = 1 N NX (x i x)(y i ȳ) ȳ 0 x 0 64
107 Parâmetros de correlação: covariância Covariância: xy = 1 N NX (x i x)(y i ȳ) ȳ 0 xy > 0 x 0 64
108 Parâmetros de correlação: covariância Covariância: xy = 1 N NX (x i x)(y i ȳ) 65
109 Parâmetros de correlação: covariância Covariância: xy = 1 N NX (x i x)(y i ȳ) ȳ 0 x 0 65
110 Parâmetros de correlação: covariância Covariância: xy = 1 N NX (x i x)(y i ȳ) ȳ 0 xy < 0 x 0 65
111 Parâmetros de correlação ii) Coeficiente de correlação linear de Pearson: covariância entre duas variáveis, dividida por seus desvios padrão r = x xy y 1 r apple 1 Correlação linear, perfeita e positiva: r =1 Correlação linear, perfeita e negativa: r = 1 66
112 Propagação de erros Estimativa padrão da incerteza Exemplo: Adição ou subtração de variáveis u = x ± y 2ū = 2 x + 2 ȳ ± 2 N xy ū = r ou 2 x + ȳ 2 ± 2 N xy ū = q 2 x + 2 ȳ ± 2r x ȳ 67
113 Propagação de erros Estimativa padrão da incerteza Exemplo: Adição ou subtração de variáveis u = x ± y 2ū = 2 x + 2 ȳ ± 2 N xy ū = r ou 2 x + ȳ 2 ± 2 N xy ū = q 2 x + 2 ȳ ± 2r x ȳ q Se x e y são independentes (correlação nula) ū = 2 x + 2 ȳ 67
114 Propagação de erros Estimativa padrão da incerteza Exemplo: Multiplicação ou divisão de variáveis Se x e y são independentes (correlação nula): u = xy ou ū ū = s x x 2 + ȳ ȳ 2 u = x/y Se a correlação não é nula: ū ū = s x x 2 + ȳ ȳ 2 ± 2r x x ȳ ȳ 68
Física Geral - Laboratório. Aula 8: Estimativas e erros em medidas indiretas: Ajuste de funções
Física Geral - Laboratório Aula 8: Estimativas e erros em medidas indiretas: Ajuste de funções 1 Medidas indiretas: Ajuste de funções Ajuste de funções y = f (x; a 1,a 2,...,a p ) Medidas de duas grandezas
Leia maisFísica Geral (2012/2) Aula 9: Estimativas e erros em medidas indiretas: Ajuste de funções
Física Geral (2012/2) Aula 9: Estimativas e erros em medidas indiretas: Ajuste de funções 1 Medidas indiretas: Ajuste de funções Ajuste de funções y = f (x; a 1,a 2,...,a p ) Medidas de duas grandezas
Leia maisFísica Geral - Laboratório. Estimativas e erros em medidas indiretas: Ajuste de funções
Física Geral - Laboratório Estimativas e erros em medidas indiretas: Ajuste de funções 1 Medidas indiretas: Ajuste de funções Ajuste de funções y = f (x; a 1,a 2,...,a p ) Medidas de duas grandezas x e
Leia maisFísica Geral - Laboratório. Aula 2: Organização e descrição de dados e parâmetros de dispersão e correlação
Física Geral - Laboratório Aula 2: Organização e descrição de dados e parâmetros de dispersão e correlação 1 Física Geral - Objetivos Ao final do período, o aluno deverá ser capaz de compreender as principais
Leia maisFísica Geral - Laboratório. Aula 3: Estimativas e erros em medidas diretas (I)
Física Geral - Laboratório Aula 3: Estimativas e erros em medidas diretas (I) 1 Experimentos: medidas diretas Experimento de medidas diretas de uma grandeza: Aquisição de um conjunto de dados através de
Leia maisFísica Geral - Laboratório. Estimativas e erros em medidas indiretas: Ajuste de funções
Física Geral - Laboratório Estimativas e erros em medidas indiretas: Ajuste de funções 1 Medidas indiretas: Ajuste de funções Ajuste de funções y = f (x; a 1,a 2,...,a p ) Medidas de duas grandezas x e
Leia maisFísica Geral (2013/1) Aula 3: Estimativas e erros em medidas diretas (I)
Física Geral (2013/1) Aula 3: Estimativas e erros em medidas diretas (I) 1 Experimentos: medidas diretas Experimento de medidas diretas de uma grandeza: Aquisição de um conjunto de dados através de medições
Leia maisFísica Geral - Laboratório (2015/2) Estimativas e erros em medidas diretas (I)
Física Geral - Laboratório (2015/2) Estimativas e erros em medidas diretas (I) 1 Parâmetros de correlação Resumo da última aula i) Covariância: média dos produtos dos desvios nas duas variáveis (δxi e
Leia maisFísica Geral - Laboratório (2013/1) Aula 2: Organização e descrição de dados e parâmetros de dispersão e correlação
Física Geral - Laboratório (2013/1) Aula 2: Organização e descrição de dados e parâmetros de dispersão e correlação 1 Lembrando: Bibliografia Estimativas e Erros em Experimentos de Física (EdUERJ) 2 Resumo:
Leia maisFísica Geral - Laboratório (2014/1) Estimativas e erros em medidas diretas (I)
Física Geral - Laboratório (2014/1) Estimativas e erros em medidas diretas (I) 1 Experimentos: medidas diretas Experimento de medidas diretas de uma grandeza: Aquisição de um conjunto de dados através
Leia maisFísica Geral - Laboratório. Organização e descrição de dados
Física Geral - Laboratório Organização e descrição de dados 1 Física Geral - Laboratório A nota de laboratório de Física Geral será composta dos resultados das provas e atividades de laboratório: Média
Leia maisFísica Geral - Laboratório (2014/1) Estimativas e erros em medidas diretas (I)
Física Geral - Laboratório (2014/1) Estimativas e erros em medidas diretas (I) 1 Medida L (cm) 1 150.0 2 150.1 3 150.8 4 150.0 5 150.0 6 144.1 7 150.0 8 150.3 9 149.9 10 150.0 11 150.0 12 150.1 13 150.2
Leia maisFísica Geral - Laboratório. Aula 2: Organização e descrição de dados e parâmetros de dispersão e correlação
Física Geral - Laboratório Aula 2: Organização e descrição de dados e parâmetros de dispersão e correlação 1 Física Geral - Objetivos Ao final do período, o aluno deverá ser capaz de compreender as principais
Leia maisFísica Geral - Laboratório. Aula 2: Organização e descrição de dados e parâmetros de dispersão e correlação
Física Geral - Laboratório Aula 2: Organização e descrição de dados e parâmetros de dispersão e correlação 1 Física Geral - Objetivos Ao final do período, o aluno deverá ser capaz de compreender as principais
Leia maisFísica Geral - Laboratório (2016/2) Organização e descrição de dados
Física Geral - Laboratório (2016/2) Organização e descrição de dados 1 Física Geral - 2016/2 Bibliografia: Estimativas e Erros em Experimentos de Física (EdUERJ) 2 Dados e medidas Todo experimento em física
Leia maisFísica Geral - Laboratório. Organização e descrição de dados
Física Geral - Laboratório Organização e descrição de dados 1 Física Geral - Laboratório A nota de laboratório de Física Geral será composta dos resultados das provas e atividades de laboratório: Média
Leia maisFísica Geral - Laboratório (2015/2) Estimativas e erros em medidas diretas (I)
Física Geral - Laboratório (2015/2) Estimativas e erros em medidas diretas (I) 1 Experimentos: medidas diretas Experimento de medidas diretas de uma grandeza: Aquisição de um conjunto de dados através
Leia maisFísica Geral - Laboratório (2015/2) Organização e descrição de dados...continuação
Física Geral - Laboratório (2015/2) Organização e descrição de dados...continuação 1 Física Geral - 2015/2 Bibliografia: Estimativas e Erros em Experimentos de Física (EdUERJ) 2 Dados e medidas Dados:
Leia maisFísica Geral - Laboratório (2013/2) Aula 3: Estimativas e erros em medidas diretas (I)
Física Geral - Laboratório (2013/2) Aula 3: Estimativas e erros em medidas diretas (I) 1 Experimentos: medidas diretas Experimento de medidas diretas de uma grandeza: Aquisição de um conjunto de dados
Leia maisFísica Geral - Laboratório. Estimativas e erros em medidas diretas (I)
Física Geral - Laboratório Estimativas e erros em medidas diretas (I) 1 Experimentos: medidas diretas Experimento de medidas diretas de uma grandeza: Aquisição de um conjunto de dados através de medições
Leia maisFísica Geral - Laboratório. Estimativas e erros em medidas diretas (II) Níveis de confiança, compatibilidade e combinação
Física Geral - Laboratório Estimativas e erros em medidas diretas (II) Níveis de confiança, compatibilidade e combinação 1 Resumo: estimativa do valor esperado estimativa do valor esperado ± erro (unidade)
Leia maisFísica Geral. Incertezas em Medidas Diretas
Física Geral Incertezas em Medidas Diretas Experimento Simples Medidas diretas: valores resultantes de medições de uma mesma grandeza, realizadas por um mesmo experimentador, com o mesmo instrumento de
Leia maisLaboratório Física Geral
Laboratório Física Geral 1 Lab Física Geral Professora Helena Malbouisson Sala 3018A. email da turma: labfisicageraluerj@gmail.com 2 Objetivos do curso Organizar e descrever conjuntos de dados (histogramas);
Leia maisFísica Geral - Laboratório (2013/1) Aula 4: Estimativas e erros em medidas diretas (II)
Física Geral - Laboratório (2013/1) Aula 4: Estimativas e erros em medidas diretas (II) 1 Resumo: estimativa do valor esperado estimativa do valor esperado ± erro (unidade) x x = s x p N Estimativa do
Leia maisFísica Geral - Laboratório 2016/2. Estimativas e erros em medidas diretas (II) Níveis de confiança, compatibilidade e combinação
Física Geral - Laboratório 206/2 Estimativas e erros em medidas diretas (II) Níveis de confiança, compatibilidade e combinação Resumo aula II: Medidas diretas Resultado = estimativa do valor esperado ±
Leia maisFísica Geral - Laboratório. Estimativas e erros em medidas indiretas: Propagação de erros
Física Geral - Laboratório Estimativas e erros em medidas indiretas: Propagação de erros 1 Experimentos de medidas indiretas Medidas diretas: Estimativa do valor esperado de uma grandeza a partir de experimentos
Leia maisFísica Geral - Laboratório Aula 1: Organização e descrição de dados
Física Geral - Laboratório http://dfnae.fis.uerj.br/twiki/bin/view/dfnae/fisicageral Aula 1: Organização e descrição de dados 1 Física Geral - Objetivos Ao final do período, o aluno deverá ser capaz de
Leia maisFísica IV. Aula 1. Baseado no material preparado por Sandro Fonseca Helena Malbouisson Clemencia Mora
Física IV Aula 1 1 Baseado no material preparado por Sandro Fonseca Helena Malbouisson Clemencia Mora Normas e Datas Presença é obrigatória as aulas de lab. e os alunos somente podem faltar a uma* prática.
Leia maisFísica Geral - Laboratório (2014/1) Estimativas e erros em medidas diretas (II) Níveis de confiança, compatibilidade e combinação
Física Geral - Laboratório (2014/1) Estimativas e erros em medidas diretas (II) Níveis de confiança, compatibilidade e combinação 1 Resumo: estimativa do valor esperado estimativa do valor esperado ± erro
Leia maisFísica Geral - Laboratório (2015/2) Organização e descrição de dados
Física Geral - Laboratório (2015/2) Organização e descrição de dados 1 Física Geral - 2015/2 Bibliografia: Estimativas e Erros em Experimentos de Física (EdUERJ) 2 Dados e medidas Dados: Valores ou qualificações
Leia maisFísica Geral - Laboratório. Estimativas e erros em medidas diretas (II) Níveis de confiança, compatibilidade e combinação
- Laboratório Estimativas e erros em medidas diretas (II) Níveis de confiança, compatibilidade e combinação 1 Resumo: estimativa do valor esperado estimativa do valor esperado ± erro (unidade) x x = s
Leia maisFÍSICA EXPERIMENTAL C ( )
FÍSICA EXPERIMENTAL C (4323301) REPRESENTAÇÃO DE INCERTEZAS EM RESULTADOS EXPERIMENTAIS Medida, erro e incerteza Qualquer medida física possui sempre um valor verdadeiro, que é sempre desconhecido, e um
Leia maisAST203-CVR 4-1 AST203-CVR. Observação eletromagnética. Processamento de sinais importante em várias áreas, além da astronomia telecomunicações
Bloco 4 Estatística Atualizado: 2012 4-1 Bibliografia Lena Cap. 4 (parte) - só a inspiração... Wall & Jenkins, Practical statistics for astronomers Brandt Statistical and computacional methods in data
Leia maisTratamento de dados e representação das incertezas em resultados experimentais
Tratamento de dados e representação das incertezas em resultados experimentais Medida, erro e incerteza Qualquer medida física sempre possui um valor verdadeiro, que é sempre desconhecido e um valor medido.
Leia maisFísica Geral - Laboratório Aula 1: Organização e descrição de dados
Física Geral - Laboratório http://dfnae.fis.uerj.br/twiki/bin/view/dfnae/fisicageral Aula 1: Organização e descrição de dados 1 Física Geral - Objetivos Ao final do período, o aluno deverá ser capaz de
Leia maisTratamento Estatístico de Dados em Física Experimental
Tratamento Estatístico de Dados em Física Experimental Prof. Zwinglio Guimarães o semestre de 06 Tópico 7 - Ajuste de parâmetros de funções (Máxima Verossimilhança e Mínimos Quadrados) Método da máxima
Leia maisMáxima Verossimilhança Método dos Mínimos Quadrados (Al
Departamento de Física Experimental Máxima Verossimilhança (Alexandre Grothendieck) 20-21 de maio de 2014 Alexandre Grothendieck - 1928 Recherche, 486 (2014) 26-41. 1951 1991? Prólogo Nesta apresentação
Leia maisMedidas em Laboratório
Medidas em Laboratório Prof. Luis E. Gomez Armas Lab. de Física Unipampa, Alegrete 1 o Semestre 2014 Sumário O que é fazer um experimento? Medidas diretas e indiretas Erros e sua classificação Algaritmos
Leia maisAnálise de Regressão Linear Simples e
Análise de Regressão Linear Simples e Múltipla Carla Henriques Departamento de Matemática Escola Superior de Tecnologia de Viseu Introdução A análise de regressão estuda o relacionamento entre uma variável
Leia maisVirgílio A. F. Almeida DCC-UFMG 2005
Virgílio A. F. Almeida DCC-UFMG 005 O que é um bom modelo? Como estimar os parâmetros do modelo Como alocar variações Intervalos de Confiança para Regressões Inspeção Visual ! "# Para dados correlacionados,
Leia maisMétodo dos mínimos quadrados - ajuste linear
Apêndice A Método dos mínimos quadrados - ajuste linear Ao final de uma experiência muitas vezes temos um conjunto de N medidas na forma de pares (x i, y i ). Por exemplo, imagine uma experiência em que
Leia maisAnálise de regressão linear simples. Diagrama de dispersão
Introdução Análise de regressão linear simples Departamento de Matemática Escola Superior de Tecnologia de Viseu A análise de regressão estuda o relacionamento entre uma variável chamada a variável dependente
Leia maisAGA Análise de Dados em Astronomia I 7. Modelagem dos Dados com Máxima Verossimilhança: Modelos Lineares
1 / 0 AGA 0505- Análise de Dados em Astronomia I 7. Modelagem dos Dados com Máxima Verossimilhança: Modelos Lineares Laerte Sodré Jr. 1o. semestre, 018 modelos modelagem dos dados dado um conjunto de dados,
Leia maisDE INCERTEZA. UNESP - Faculdade de Engenharia de Guaratinguetá 1
INCERTEZA DE MEDIÇÃO E PROPAGAÇÃO DE INCERTEZA UNESP - Faculdade de Engenharia de Guaratinguetá 1 0.1. Introdução Ao se atribuir um valor numérico a uma grandeza temos associado ao mesmo uma incerteza.
Leia maisLaboratório de Física Geral Profa Patricia Teles Sala 3006-A Aula3: Medidas diretas: valor esperado, incertezas e erros,
Laboratório de Física Geral Profa Patricia Teles Sala 3006-A Email: athenafma@gmail.com Aula3: Medidas diretas: valor esperado, incertezas e erros, exatidão e precisão. Atividade 2: medidas diretas com
Leia maisTeoria dos Erros. Figura 1 - Medida de um objeto com uma régua graduada em centímetros
3 Teoria dos Erros 1. Introdução As grandezas físicas são determinadas experimentalmente por medidas ou combinações de medidas. Essas medidas tem uma incerteza intrínseca que advém das características
Leia maisFísica IV. Prática 1 Helena Brandão Malbouisson, sala 3018A slides (modificados) do prof. Sandro Fonseca de Souza
Física IV Prática 1 Helena Brandão Malbouisson, sala 3018A email: slides (modificados) do prof. Sandro Fonseca de Souza 1 Regras Gerais 2 Regras Gerais 3 Normas e Datas P1 lab: 01/10/2018, na sala 3050F
Leia mais2 Medida de Incertezas: Fundamentos
2 Medida de Incertezas: Fundamentos 2. Introdução O resultado de um processo de medição fornece uma determinada informação que usualmente é chamada de conhecimento. A fim de quantificar quão completo é
Leia maisLaboratório de Física I. Prof. Paulo Vitor de Morais
Laboratório de Física I Prof. Paulo Vitor de Morais Introdução Inicialmente vamos abordar: Grandezas físicas e o Sistema Internacional de Unidades (SI); Conceito de exatidão e precisão; Algarismos significativos;
Leia mais08/12/97 Luiz Feijó Jr.
Cálculo da Incerteza da medição guia prático A Medição A palavra medição tem múltiplos significados: pode ser o processo de quantificação pode ser o número resultante Resultado de uma medição Para um leigo:
Leia mais3 3. Variáveis Aleatórias
ÍNDICE 3. VARIÁVEIS ALEATÓRIAS...49 3.. VARIÁVEIS ALEATÓRIAS UNIDIMENSIONAIS...49 3.2. VARIÁVEIS DISCRETAS FUNÇÃO DE PROBABILIDADE E FUNÇÃO DISTRIBUIÇÃO DE PROBABILIDADE...50 3.2.. Função de probabilidade...50
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.
Leia maisAula II Estatística Aplicada à Instrumentação Industrial -Avaliação da Incerteza de Medição
Aula II Estatística Aplicada à Instrumentação Industrial -Avaliação da Incerteza de Medição Universidade Federal da Bahia Escola Politécnica Disciplina: Instrumentação e Automação Industrial I(ENGF99)
Leia maisTópico 3. Estudo de Erros em Medidas
Tópico 3. Estudo de Erros em Medidas A medida de uma grandeza é obtida, em geral, através de uma experiência, na qual o grau de complexidade do processo de medir está relacionado com a grandeza em questão
Leia maisQuímica Analítica V 1S Prof. Rafael Sousa. Notas de aula:
Química Analítica V 1S 2013 Aula 3: 13-05 05-2013 Estatística Aplicada à Química Analítica Prof. Rafael Sousa Departamento de Química - ICE rafael.arromba@ufjf.edu.br Notas de aula: www.ufjf.br/baccan
Leia maisMEDIDAS DE DISPERSÃO. Os dados a seguir referem-se ao índice pluviométrico de três cidades no Estado de São Paulo, em 3 diferentes ocasiões
MEDIDAS DE DISPERSÃO Os dados a seguir referem-se ao índice pluviométrico de três cidades no Estado de São Paulo, em 3 diferentes ocasiões Cidade A: 185, 185, 185 x 185mm Cidade B: 18, 184, 189 x 185mm
Leia mais1- Medidas Simples e Diretas
1- Medidas Simples e Diretas Três regras básicas: 1) A incerteza (ou erro) associada a uma medida simples e direta é dada por: a) metade da menor divisão da escala do instrumento de medida, quando esta
Leia maisFísica IV - Laboratório! Apresentação, Estatística Básica e Incertezas
Física IV - Laboratório! Apresentação, Estatística Básica e Incertezas PROF.: HELIO NOGIMA DFNAE - Departamento de Física Nuclear e Altas Energias Sala 3030A (Bloco A) Email: nogima@uerj.br Estrutura e
Leia maisaula ANÁLISE DO DESEMPENHO DO MODELO EM REGRESSÕES
ANÁLISE DO DESEMPENHO DO MODELO EM REGRESSÕES 18 aula META Fazer com que o aluno seja capaz de realizar os procedimentos existentes para a avaliação da qualidade dos ajustes aos modelos. OBJETIVOS Ao final
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 maisModelos de Regressão Linear Simples - parte III
1 Modelos de Regressão Linear Simples - parte III Erica Castilho Rodrigues 20 de Setembro de 2016 2 3 4 A variável X é um bom preditor da resposta Y? Quanto da variação da variável resposta é explicada
Leia maisFísica Geral - Laboratório (2014/2) Aula 1: Introdução & Organização e descrição de dados
Física Geral - Laboratório (2014/2) Aula 1: Introdução & Organização e descrição de dados 1 Física Geral - 2013/1 Bibliografia: Estimativas e Erros em Experimentos de Física (EdUERJ) 2 A Física A mais
Leia maisProf. Paulo Vitor de Morais
Física Experimental I Prof. Paulo Vitor de Morais paulovitordmorais91@gmail.com Cronograma de práticas P1 tem 19 dias letivos; P2 tem 17 dias letivos; Serão aproximadamente 11 experimentos; A princípio
Leia maisSúmario APRESENTAÇÃO DA COLEÇÃO...13
Súmario APRESENTAÇÃO DA COLEÇÃO...13 CAPÍTULO I LÓGICA PROPOSICIONAL...15 1. Lógica Proposicional...15 2. Proposição...15 2.1. Negação da Proposição...18 2.2. Dupla Negação...19 2.3. Proposição Simples
Leia maisLABORATÓRIO DE FÍSICA I FSC5141 JOSÉ RICARDO MARINELLI
LABORATÓRIO DE FÍSICA I FSC5141 JOSÉ RICARDO MARINELLI 1 Método científico 2 Erros(ou incertezas) e Medidas Em ciências temos que medir grandezas MEDIR ------- comparar com padrão escolhido (UNIDADE) Exs.:
Leia maisExemplo 1. Conjunto de dados de uma amostra de 12 meninas da escola: y i x i
Exemplo 1 Y : peso (kg) de meninas de 7 a 11 anos de uma certa escola de dança X : altura (m) das meninas A partir de 3 valores prefixados de X, foram obtidas, para cada valor de X, 4 observações independentes
Leia maisContabilometria. Aula 9 Regressão Linear Inferências e Grau de Ajustamento
Contabilometria Aula 9 Regressão Linear Inferências e Grau de Ajustamento Interpretação do Intercepto e da Inclinação b 0 é o valor estimado da média de Y quando o valor de X é zero b 1 é a mudança estimada
Leia maisMINICURSO. Uso da Calculadora Científica Casio Fx. Prof. Ms. Renato Francisco Merli
MINICURSO Uso da Calculadora Científica Casio Fx Prof. Ms. Renato Francisco Merli Sumário Antes de Começar Algumas Configurações Cálculos Básicos Cálculos com Memória Cálculos com Funções Cálculos Estatísticos
Leia maisFísica IV. Prática 1 Clemencia MORA HERRERA. Baseado nos slides do Prof. Sandro Fonseca
Física IV Prática 1 Clemencia MORA HERRERA Baseado nos slides do Prof. Sandro Fonseca 1 Normas e Datas Atendimento ao estudante: 2a ou 6a a tarde na sala 3024 A esse semestre é fora do comum, vamos prezar
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 maisCorrelação e Regressão
Correlação e Regressão Exemplos: Correlação linear Estudar a relação entre duas variáveis quantitativas Ou seja, a força da relação entre elas, ou grau de associação linear. Idade e altura das crianças
Leia maisIncertezas de Medição
Incertezas de Medição Prof. Marcos Antonio Araujo Silva Dep. de Física "I can live with doubt and uncertainty and not knowing. I think it is much more interesting to live not knowing than to have answers
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 mais9 Correlação e Regressão. 9-1 Aspectos Gerais 9-2 Correlação 9-3 Regressão 9-4 Intervalos de Variação e Predição 9-5 Regressão Múltipla
9 Correlação e Regressão 9-1 Aspectos Gerais 9-2 Correlação 9-3 Regressão 9-4 Intervalos de Variação e Predição 9-5 Regressão Múltipla 1 9-1 Aspectos Gerais Dados Emparelhados há uma relação? se há, qual
Leia maisPREVISÃO. Prever o que irá. acontecer. boas decisões com impacto no futuro. Informação disponível. -quantitativa: dados.
PREVISÃO O problema: usar a informação disponível para tomar boas decisões com impacto no futuro Informação disponível -qualitativa Prever o que irá acontecer -quantitativa: dados t DEI/FCTUC/PGP/00 1
Leia maisErros em medidas e análises físicas e químicas
Erros em medidas e análises físicas e químicas Erros sistemáticos: têm um valor definido e uma causa identificável e são da mesma ordem de grandeza para réplicas de medidas realizadas de maneira semelhante.
Leia mais6 Estudos de incerteza
01 6 Estudos de incerteza O resultado de uma medição não pode ser caracterizado por um único valor, pois todo o processo possui fontes de incerteza que devem ser identificadas, quantificadas e, se possível,
Leia maisCorrelação e Regressão
Correlação e Regressão Vamos começar com um exemplo: Temos abaixo uma amostra do tempo de serviço de 10 funcionários de uma companhia de seguros e o número de clientes que cada um possui. Será que existe
Leia maisNOÇÕES RÁPIDAS DE ESTATÍSTICA E TRATAMENTO DE DADOS
NOÇÕES RÁPIDAS DE ESTATÍSTICA E TRATAMENTO DE DADOS Prof. Érica Polycarpo Bibliografia: Data reduction and error analysis for the physica sciences (Philip R. Bevington and D. Keith Robinson) A practical
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 maisEstatística Aplicada ao Serviço Social
Estatística Aplicada ao Serviço Social Módulo 7: Correlação e Regressão Linear Simples Introdução Coeficientes de Correlação entre duas Variáveis Coeficiente de Correlação Linear Introdução. Regressão
Leia maisPropagação de erros. Rever conceitos e procedimentos de como realizar a propagação dos erros
Propagação de erros J.Kogler/2008 Objetivos: Rever conceitos e procedimentos de como realizar a propagação dos erros A.1. Erros instrumentais versus erros aleatórios Erros instrumentais são intrínsecos
Leia maisQUÍMICA ANALÍTICA V 2S Prof. Rafael Sousa. Notas de aula:
QUÍMICA ANALÍTICA V 2S 2011 Aulas 1 e 2 Estatística Aplicada à Química Analítica Prof. Rafael Sousa Departamento de Química - ICE rafael.arromba@ufjf.edu.br Notas de aula: www.ufjf/baccan Discussão dos
Leia maisCORRETO DUVIDOSO. Introdução. Algarismo Significativo
Teoria de Erros Introdução As grandezas físicas são determinadas experimentalmente, por medidas ou combinações de medidas, as quais têm uma incerteza intrínseca advinda dos métodos de medidas, das características
Leia maisUNESP - Faculdade de Engenharia de Guaratinguetá 1
ANÁLISE GRÁFICA UNESP - Faculdade de Engenharia de Guaratinguetá 0.. Introdução Neste capítulo abordaremos princípios de gráficos lineares e logarítmicos e seu uso em análise de dados. Esta análise possibilitará
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 maisUniversidade de Mogi das Cruzes
Universidade de Mogi das Cruzes Relatório de Física I/Instruções TEORIA DE ERROS São Paulo - 2014 INTRODUÇÃO As grandezas físicas são determinadas experimentalmente, por medidas ou combinações de medidas,
Leia maisAnálise de Regressão Prof. MSc. Danilo Scorzoni Ré FMU Estatística Aplicada
Aula 2 Regressão Linear Simples Análise de Regressão Prof. MSc. Danilo Scorzoni Ré FMU Estatística Aplicada Conceitos Gerais A análise de regressão é utilizada para explicar ou modelar a relação entre
Leia maisFísica Geral LABORATÓRIO. Primeiro Semestre de 2019 Turma 4
Física Geral LABORATÓRIO Primeiro Semestre de 2019 Turma 4 1 Prof.: Helio Nogima Departamento de Física Nuclear e Altas Energias Sala 3030A Email: nogima@uerj.br Envie uma mensagem Assunto: Física Geral
Leia maisAvaliação e Expressão de Medições e de Suas Incertezas
Avaliação e Expressão de Medições e de Suas Incertezas INTRODUÇÃO A Física assim como todas as outras ciências é baseada em observações e medições quantitativas. A partir de observações e dos resultados
Leia maisTÉCNICAS DE AMOSTRAGEM
TÉCNICAS DE AMOSTRAGEM Ralph dos Santos Silva Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Definições e Notação Estimação Amostra Aleatória
Leia maisEstatística CORRELAÇÃO E REGRESSÃO LINEAR. Prof. Walter Sousa
Estatística CORRELAÇÃO E REGRESSÃO LINEAR Prof. Walter Sousa CORRELAÇÃO LINEAR A CORRELAÇÃO mede a força, a intensidade ou grau de relacionamento entre duas ou mais variáveis. Exemplo: Os dados a seguir
Leia maisLaboratório Física Geral
Laboratório Física Geral 1 Apresentação Professora Helena Malbouisson Graduação UFRJ Doutorado UERJ - Fermilab Pós doutorado Universidade de Nebraska - CERN Trabalho de pesquisa atual: Busca por Supersimetria
Leia maisANÁLISE ESTATÍSTICA DA RELAÇÃO ENTRE A ATITUDE E O DESEMPENHO DOS ALUNOS
ANÁLISE ESTATÍSTICA DA RELAÇÃO ENTRE A ATITUDE E O DESEMPENHO DOS ALUNOS Nível de significância No processo de tomada de decisão sobre uma das hipóteses levantadas num estudo, deve-se antes de tudo definir
Leia maisEstatística 1. Resumo Teórico
Estatística 1 Resumo Teórico Conceitos do Curso 1. Tipos de Variáveis e Representações Gráficas a. Tipos de Variáveis b. Distribuição de Frequências c. Histograma 2. Estatística Descritiva Medidas Estatísticas
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 maisObservamos no gráfico acima que não passa uma reta por todos os pontos. Com base nisso, podemos fazer as seguintes perguntas:
Título : B1 AJUSTE DE CURVAS Conteúdo : Em matemática e estatística aplicada existem muitas situações em que conhecemos uma tabela de pontos (x; y). Nessa tabela os valores de y são obtidos experimentalmente
Leia maisEstatística Aplicada II. } Correlação e Regressão
Estatística Aplicada II } Correlação e Regressão 1 Aula de hoje } Tópicos } Correlação e Regressão } Referência } Barrow, M. Estatística para economia, contabilidade e administração. São Paulo: Ática,
Leia maisMEDIDAS EXPERIMENTAIS
Experiência 0 MEDIDAS EXPERIMENTAIS Laboratórios de Física Medidas Experimentais 8 Medir e Comparar Para descrever os fenómenos naturais temos de fazer medições. Cada medição está associada com uma propriedade
Leia mais