UNIVERSIDADE DE PERNAMBUCO. Física Experimental. Prof o José Wilson Vieira
|
|
- Bernardo Caldas
- 5 Há anos
- Visualizações:
Transcrição
1 UNIVERSIDADE DE PERNAMBUCO ESCOLA POLITÉCNICA DE PERNAMBUCO Físca Expermental Prof o José Wlson Vera wlson.vera@upe.br AULA 01: PROCESSOS DE ANÁLISE GRÁFICA E NUMÉRICA MODELO LINEAR Recfe, agosto de 2015
2 ATIVIDADES NESTA AULA Físca Expermental: Metodologa e Avalações Referêncas e Softwares Dsponíves Introdução à Modelagem de dados Modelo Lnear Análse Gráfca Modelo Lnear Análse Numérca Prmero Relatóro de Físca Expermental (Parcal)
3 METODOLOGIA E AVALIAÇÕES
4 METODOLOGIA E AVALIAÇÕES Duas prmeras semanas: Aulas expostvas sobre os processos de análse gráfca e numérca usados no curso. 1º Relatóro: Resumo das duas aulas (parte da nota da 1ª undade). Tercera semana: Apresentação das experêncas da 1ª undade. Recolhmento do 1º relatóro. Demas semanas: Experêncas sobre mecânca, termologa, eletromagnetsmo e ótca.
5 METODOLOGIA E AVALIAÇÕES AVALIAÇÕES Em cada undade, 50% da nota são os relatóros semanas + 50% o relatóro especal do da marcado para a prova da undade.
6 REFERÊNCIAS E SOFTWARES
7 REFERÊNCIAS E SOFTWARES Arquvo PDF dsponível
8 REFERÊNCIAS E SOFTWARES
9 REFERÊNCIAS E SOFTWARES
10 REFERÊNCIAS E SOFTWARES
11 INTRODUÇÃO À MODELAGEM DE DADOS
12 INTRODUÇÃO À MODELAGEM DE DADOS Um procedmento comum adotado por pesqusadores consste em coletar dados (pesqusa, meddas, nformações de bancos de dados, etc); organzá-los em planlhas; analsá-los numérca e grafcamente; sntetzar resultados; testar e valdar resultados.
13 COLETA DE DADOS INTRODUÇÃO À MODELAGEM DE DADOS Em cêncas com vertentes expermentas como físca e químca, é comum dscplnas báscas como Físca Expermental, onde o estudante precsa medr alguma grandeza em função de valores conhecdos de varáves ndependentes como tempo, dstânca, temperatura, etc. Neste ambente, a coleta de dados é organzada a partr de uma montagem que permta avalar alguma grandeza em função de outra. Por exemplo, é comum medr tempo de queda de um corpo para dversas alturas e fazer uma tabela d(m) x t(s).
14 INTRODUÇÃO À MODELAGEM DE DADOS ORGANIZAÇÃO DOS DADOS PRIMÁRIOS Dados coletados, ou dados prmáros, devem ser organzados para facltar a análse. Com o advento dos computadores, programas como o EXCEL se tornaram ferramenta de laboratóro ndspensável porque permtem a organzação em planlhas dos dados a serem analsados.
15 Excel 2003 INTRODUÇÃO À MODELAGEM DE DADOS
16 INTRODUÇÃO À MODELAGEM DE DADOS
17 INTRODUÇÃO À MODELAGEM DE DADOS ANÁLISE DOS DADOS Em geral, o pesqusador coleta e organza seus dados pensando em algum modelo para analsá-los. De um modo mas geral anda, ele pode ter em mente um conjunto de modelos possíves para o problema abordado. Por exemplo, ao analsar um gás rarefeto, e juntar dados sobre as varáves PV e T, somos tentados a verfcar uma modelagem lnear do tpo PV a * T + b e dscutrmos o quanto nosso gás se aproxma do modelo do gás deal. Só não é possível começarmos a pesqusa sem déa alguma sobre como modelar nossos dados!
18 INTRODUÇÃO À MODELAGEM DE DADOS Podemos utlzar métodos numércos e/ou gráfcos na nossa análse de dados. Nesta aula faremos um exemplo de físca expermental onde utlzaremos a análse gráfca lnear para obter a Le de Hooke para meddas no sstema massa-mola. Posterormente, usaremos o mesmo exemplo, porém fazendo uma análse numérca conhecda como regressão lnear.
19 INTRODUÇÃO À MODELAGEM DE DADOS OBTENÇÃO DE RESULTADOS Em físca expermental básca, os resultados geralmente são resumdos em forma de uma equação onde os parâmetros são estatstcamente arredondados e testados.
20 TESTES DOS RESULTADOS INTRODUÇÃO À MODELAGEM DE DADOS Os testes dos resultados utlzam uma função estatístca aproprada (geralmente o erro relatvo ou o coefcente de correlação) para: Verfcar o quanto um valor encontrado se aproxma de um valor conhecdo (se houver); Obter um erro relatvo médo da varável dependente, utlzando a equação encontrada na análse.
21 INTRODUÇÃO À MODELAGEM DE DADOS MODELOS USADOS EM FÍSICA EXPERIMENTAL BÁSICA Quase todos os problemas dscutdos em físca básca, nos cursos de engenhara, podem ser modelados satsfatoramente utlzando um modelo LINEAR y Ax + B EXPONENCIAL y Be Ax POTENCIAL y Bx A
22 O MODELO LINEAR ANÁLISE GRÁFICA - MEDIR - ANALISAR - OBTER RESULTADOS - TESTAR
23 MEDIR O MODELO LINEAR ANÁLISE GRÁFICA Ex.: Le de Hooke, págna 1, do Relatóro PAGN. Dado adconal: k 32 N/m 32 gf/cm
24 ANALISAR: GRÁFICO LINEAR O MODELO LINEAR ANÁLISE GRÁFICA MÓDULOS M M y x comprmento vertcal do papel em ux ymax. comprmento horzontal do papel em uy x max Obs: 1) Ao nvés de arredondar, sempre truncar os modelos. 2) ux, uy Undades lneares (~mm) no papel.
25 O MODELO LINEAR ANÁLISE GRÁFICA PAPEL LINEAR NO FscaExpermental
26 O MODELO LINEAR ANÁLISE GRÁFICA
27 O gráfco deve ser a lnha méda entre os pontos representados (gráfco de dspersão). Deve conter Título, Autor, Data, Varáves e suas undades. Também devemos escrever os módulos dos exos como no exemplo. O MODELO LINEAR ANÁLISE GRÁFICA
28 O MODELO LINEAR ANÁLISE GRÁFICA
29 OBTER RESULTADOS Nossos resultados são os coefcentes A e B da Le de Hooke, F Ax + B arredondados apropradamente. O MODELO LINEAR ANÁLISE GRÁFICA
30 O MODELO LINEAR ANÁLISE GRÁFICA Dados obtdos do gráfco (x f, F f ) (C.O.) uy (x, F ) (C.A.) ux
31 Dados obtdos do gráfco (x, F ) e (x f, F f ) (C.O.) uy e (C.A.) uy O MODELO LINEAR ANÁLISE GRÁFICA A ( C.O. ) M ( C.A. ) M y x uy ux ( ) gf / cm F B Ax + B F Ax ( )gf
32 TESTAR RESULTADOS O MODELO LINEAR ANÁLISE GRÁFICA 1º PROCESSO: Testar uma constante do problema Erro Relatvo ER k k k A 100 ( )%
33 2º PROCESSO: Testar a varável dependente do problema Erro Relatvo Médo x(cm) F(gf) F c (gf) Erro(%) 5, , , , , , , , , , , , , , , Méda 2,55 O MODELO LINEAR ANÁLISE GRÁFICA ER F F F F c 100 ER N 1 ( ER ) N F
34 x(cm) F(gf) 5, , , , , OBS: ARREDONDAMENTOS O MODELO LINEAR ANÁLISE GRÁFICA REGRA DO MAIS POBRE OU MAIS POBRE + 1 Meddas realzas com uma régua (precsão de mm) e uma balança (precsão de g. Fo usado o valor de referênca da gravdade da Terra para obtenção de F). Esta tabela de entrada tem: 1 medda com 2 Algarsmos sgnfcatvos 8 meddas com 3 Algarsmos sgnfcatvos 1 medda com 4 Algarsmos sgnfcatvos A regra estabelece que devemos arredondar os resultados (A, B e os ERs) com 3 algarsmos sgnfcatvos.
35 DESVIO-PADRÃO DA MÉDIA O MODELO LINEAR ANÁLISE GRÁFICA σ k N 1 N ( k k ) ( N 1) 2 Fazer a tabela com x, F e k, para calcular a méda de k. Ex : k 33, e σ k 0,
36 O MODELO LINEAR ANÁLISE GRÁFICA ALGARISMOS SIGNIFICATIVOS E ARREDONDAMENTOS Em geral, o erro é expresso com um únco algarsmo sgnfcatvo e a medda (ou estmatva), com gual número de casas decmas. Uma medda (ou um estmador) deve ser expressa apenas com algarsmos sgnfcatvos. O últmo algarsmo é chamado de duvdoso.
37 REGRA PARA ARREDONDAMENTOS Quando os dígtos são retrados de um número, o últmo algarsmo sgnfcatvo (o duvdoso) deve ser arredondado, usando as regras: 1) Se o valor do dígto após o algarsmo duvdoso for maor que 5, o duvdoso deve ser ncrementado de 1. Ex.: 8, ,37 2) Se o valor do dígto após o algarsmo duvdoso for menor que 5, o duvdoso não se altera (o número é smplesmente truncado). Ex.: 8, ,36 O MODELO LINEAR ANÁLISE GRÁFICA
38 O MODELO LINEAR ANÁLISE GRÁFICA 3) Se o valor do dígto após o algarsmo duvdoso for gual a 5, por convenção, o duvdoso deve ser ncrementado de 1 se for par. Ex.: a) 8,36 5 8,37 b) 8,35 5 8,35 Obs.: Esta convenção arbtrára reduz a ncdênca de efetos sstemátcos. Ex : k 33, e σ k 0, ( 33,1 ± 0,7) gf cm k /
39 O MODELO LINEAR ANÁLISE NUMÉRICA
40 O MODELO LINEAR ANÁLISE NUMÉRICA Na análse numérca de dados coletados em Físca Expermental, vamos aplcar a técnca estatístca da regressão lnear no modelo matemátco utlzado (uma reta, uma potênca ou uma exponencal) para obter a melhor equação com base em uma função-teste chamada coefcente de correlação. A regressão lnear é realzada sobre um conjunto de pontos (x, y) que pode ser descrto pela expressão y Ax + B
41 ALGORITMO DA ANÁLISE NUMÉRICA O que desejamos obter são os coefcentes angular e lnear da equação. O método consste no segunte: PASSO 1: A equação y Ax + B é montada para cada um dos N pares (x, y) meddos. A segur somamos, membro a membro, os resultados: y y y 1 2 Ax Ax Ax B... n B B y A x n O MODELO LINEAR ANÁLISE NUMÉRICA NB
42 PASSO 2: Multplcamos cada equação pela -ésma abscssa e somamos, membro a membro, os resultados: x x x 1 2 n y 1 y y 2 n xy Ax 2 1 Ax Ax n Bx Bx... 1 Bx 2 n 2 A x + O MODELO LINEAR ANÁLISE NUMÉRICA B x
43 PASSO 3: Resolvemos o sstema lnear, + + x B x A xy BN x A y 2 obtendo N y y N x x Ax y B x x N y x y x N A N N N N N N N e O MODELO LINEAR ANÁLISE NUMÉRICA
44 Para teste estatístco, usamos o coefcente de correlação, defndo por R A 1 N ( x x) ( y ) y 1 onde (x, y ) é o -ésmo par dos N pares meddos. N O MODELO LINEAR ANÁLISE NUMÉRICA 2 2
45 Quanto mas próxmo de 1 estver R, mas ajustado o conjunto de dados ao modelo lnear. Isto porque a raz quadrada que aparece na fórmula de R é, essencalmente, uma razão x / y, sto é, o nverso do coefcente angular da reta modelada. R x A y y x 1 A N ( x x) ( y ) y Esta técnca de modelagem também pode ser usada para alguns modelos não-lneares como as potêncas e as exponencas como veremos nas próxmas aulas. O MODELO LINEAR ANÁLISE NUMÉRICA R x y 1 N 1 2 2
46 O MODELO LINEAR ANÁLISE NUMÉRICA IMPLEMENTAÇÃO DA ANÁLISE NUMÉRICA - EXCEL y Ax + B Se os valores de x estverem nas 10 prmeras lnhas da coluna A e os de y nas 10 prmeras lnhas de B, o coefcente angular A é obtdo, no EXCEL, usando a função INCLINAÇÃO($B$1:$B$10;$A$1:$A$10)
47 O MODELO LINEAR ANÁLISE NUMÉRICA INCLINAÇÃO($B$1:$B$10;$A$1:$A$10) No Excel, podemos nomear os ntervalos que aparecem no argumento da função INCLINAÇÃO para facltar novas dgtações: $A$1:$A$10 vt $B$1:$B$10 vp INCLINAÇÃO(vp;vt)
48 O MODELO LINEAR ANÁLISE NUMÉRICA O coefcente lnear B é obtdo usando a função INTERCEPÇÃO(vp;vt) O teste da equação pode ser feto, calculando-se o coefcente de correlação R, usando a função CORREL(vp;vt)
49 IMPLEMENTAÇÃO DA ANÁLISE NUMÉRICA - FscaExpermental y Ax + B O MODELO LINEAR ANÁLISE NUMÉRICA
50 N N N N N x x N y x y x N A O MODELO LINEAR ANÁLISE NUMÉRICA
51 O MODELO LINEAR ANÁLISE NUMÉRICA B y Ax
52 O MODELO LINEAR ANÁLISE NUMÉRICA R N 1 A N ( x x) ( y ) y 1 2 2
53 PRIMEIRO RELATÓRIO DE FÍSICA EXPERIMENTAL
54 1º RELATÓRIO DE FÍSICA EXPERIMENTAL
55 1º RELATÓRIO DE FÍSICA EXPERIMENTAL
56 1º RELATÓRIO DE FÍSICA EXPERIMENTAL
57 1º RELATÓRIO DE FÍSICA EXPERIMENTAL
Algarismos Significativos Propagação de Erros ou Desvios
Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisCORRELAÇÃO E REGRESSÃO
CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ Em mutas stuações duas ou mas varáves estão relaconadas e surge então a necessdade de determnar a natureza deste relaconamento. A análse
Leia maisNOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES
NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES 1 O nosso objetvo é estudar a relação entre duas varáves quanttatvas. Eemplos:. Idade e altura das cranças.. v. Tempo de prátca de esportes e rtmo cardíaco
Leia maisCurso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos
Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca
Leia mais1. CORRELAÇÃO E REGRESSÃO LINEAR
1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação
Leia maisAnálise Exploratória de Dados
Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: traçar dagramas de dspersão, para avalar possíves relações entre as duas varáves; calcular o coefcente de correlação entre as duas
Leia maisRegressão Múltipla. Parte I: Modelo Geral e Estimação
Regressão Múltpla Parte I: Modelo Geral e Estmação Regressão lnear múltpla Exemplos: Num estudo sobre a produtvdade de trabalhadores ( em aeronave, navos) o pesqusador deseja controlar o número desses
Leia maisVariação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.
Aplcação Por exemplo, se prepararmos uma área expermental com todo cudado possível e fzermos, manualmente, o planto de 100 sementes seleconadas de um mlho híbrdo, cudando para que as sementes fquem na
Leia maisAula Características dos sistemas de medição
Aula - Característcas dos sstemas de medção O comportamento funconal de um sstema de medção é descrto pelas suas característcas (parâmetros) operaconas e metrológcas. Aqu é defnda e analsada uma sére destes
Leia maisAnálise de Regressão
Análse de Regressão método estatístco que utlza relação entre duas ou mas varáves de modo que uma varável pode ser estmada (ou predta) a partr da outra ou das outras Neter, J. et al. Appled Lnear Statstcal
Leia mais7 - Distribuição de Freqüências
7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste
Leia maisTEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma.
UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO DE CIÊNCIAS EXATAS DEPARTAMENTO DE FÍSICA AV. FERNANDO FERRARI, 514 - GOIABEIRAS 29075-910 VITÓRIA - ES PROF. ANDERSON COSER GAUDIO FONE: 4009.7820 FAX: 4009.2823
Leia maisGráficos de Controle para Processos Autocorrelacionados
Gráfcos de Controle para Processos Autocorrelaconados Gráfco de controle de Shewhart: observações ndependentes e normalmente dstrbuídas. Shewhart ao crar os gráfcos de controle não exgu que os dados fossem
Leia maisUNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)
UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade
Leia maisPROVA 2 Cálculo Numérico. Q1. (2.0) (20 min)
PROVA Cálculo Numérco Q. (.0) (0 mn) Seja f a função dada pelo gráfco abaxo. Para claro entendmento da fgura, foram marcados todos os pontos que são: () raízes; () pontos crítcos; () pontos de nflexão.
Leia maisAo se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.
Estatístca Dscplna de Estatístca 0/ Curso de Admnstração em Gestão Públca Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos uns dos
Leia mais3 A técnica de computação intensiva Bootstrap
A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.
Leia maisAo se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.
Estatístca Dscplna de Estatístca 0/ Curso Superor de tecnólogo em Gestão Ambental Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos
Leia mais2 Incerteza de medição
2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr
Leia maisContabilometria. Aula 8 Regressão Linear Simples
Contalometra Aula 8 Regressão Lnear Smples Orgem hstórca do termo Regressão Le da Regressão Unversal de Galton 1885 Galton verfcou que, apesar da tendênca de que pas altos tvessem flhos altos e pas axos
Leia maisLaboratório de Mecânica Aplicada I Estática: Roldanas e Equilíbrio de Momentos
Laboratóro de Mecânca Aplcada I Estátca: Roldanas e Equlíbro de Momentos 1 Introdução O conhecmento das condções de equlíbro de um corpo é mprescndível em númeras stuações. Por exemplo, o estudo do equlíbro
Leia maisIntrodução às Medidas em Física a Aula
Introdução às Meddas em Físca 4300152 8 a Aula Objetvos: Experênca Curvas Característcas Meddas de grandezas elétrcas: Estudar curvas característcas de elementos resstvos Utlzação de um multímetro Influênca
Leia mais3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo
3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRGS Insttuto de Matemátca
Leia maisRAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro
UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD1507 Estatístca Aplcada à Admnstração I Prof. Dr. Evandro Marcos adel Rbero
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional. ou experimental.
Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~vall/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal http://www.mat.ufrgs.br/~vall/ ou expermental. Numa relação
Leia maisREGRESSÃO NÃO LINEAR 27/06/2017
7/06/07 REGRESSÃO NÃO LINEAR CUIABÁ, MT 07/ Os modelos de regressão não lnear dferencam-se dos modelos lneares, tanto smples como múltplos, pelo fato de suas varáves ndependentes não estarem separados
Leia maisDIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS
DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS 1 A análse de dagnóstco (ou dagnóstco do ajuste) confgura uma etapa fundamental no ajuste de modelos de regressão. O objetvo prncpal da análse de dagnóstco
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-14 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Prncípos de cração de modelos empírcos: Modelos (matemátcos, lógcos, ) são comumente utlzados na
Leia maisRegressão Linear Simples by Estevam Martins
Regressão Lnear Smples by Estevam Martns stvm@uol.com.br "O únco lugar onde o sucesso vem antes do trabalho, é no dconáro" Albert Ensten Introdução Mutos estudos estatístcos têm como objetvo estabelecer
Leia maisFigura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma
Capítulo 8 Dferencação Numérca Quase todos os métodos numércos utlzados atualmente para obtenção de soluções de equações erencas ordnáras e parcas utlzam algum tpo de aproxmação para as dervadas contínuas
Leia maisAssociação entre duas variáveis quantitativas
Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa
Leia maisCAPÍTULO 2 - Estatística Descritiva
INF 16 Prof. Luz Alexandre Peternell CAPÍTULO - Estatístca Descrtva Exercícos Propostos 1) Consderando os dados amostras abaxo, calcular: méda artmétca, varânca, desvo padrão, erro padrão da méda e coefcente
Leia maisMOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES
MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES 1. Obtenha os estmadores dos coefcentes lnear e angular de um modelo de regressão lnear smples utlzando o método
Leia maisMétodos Avançados em Epidemiologia
Unversdade Federal de Mnas Geras Insttuto de Cêncas Exatas Departamento de Estatístca Métodos Avançados em Epdemologa Aula 5-1 Regressão Lnear Smples: Estmação e Interpretação da Reta Tabela ANOVA e R
Leia maisAnálise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA
Análse de Regressão Profa Alcone Mranda dos Santos Departamento de Saúde Públca UFMA Introdução Uma das preocupações estatístcas ao analsar dados, é a de crar modelos que explctem estruturas do fenômeno
Leia maisUMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EATAS DEPARTAMENTO DE ESTATÍSTICA UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR
Leia maisEstatística II Antonio Roque Aula 18. Regressão Linear
Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão
Leia maisINTRODUÇÃO À CALIBRAÇÃO MULTIVARIADA
INTRODUÇÃO À CALIBRAÇÃO MULTIVARIADA APLICAÇÃO NO CONTROLE DE QUALIDADE DE FÁRMACOS Prof. Dr. Marcelo Martns de Sena MÓDULO 04 Undade Unverstára de Cêncas Eatas e Tecnológcas UnUCET Anápols 1 MÓDULO 04
Leia maisAnálise Exploratória de Dados
Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: obter uma reta que se ajuste aos dados segundo o crtéro de mínmos quadrados; apresentar outros crtéros para a determnação de uma
Leia maisEventos coletivamente exaustivos: A união dos eventos é o espaço amostral.
DEFINIÇÕES ADICIONAIS: PROBABILIDADE Espaço amostral (Ω) é o conjunto de todos os possíves resultados de um expermento. Evento é qualquer subconjunto do espaço amostral. Evento combnado: Possu duas ou
Leia mais2ª Atividade Formativa UC ECS
I. Explque quando é que a méda conduz a melhores resultados que a medana. Dê um exemplo para a melhor utlzação de cada uma das meddas de localzação (Exame 01/09/2009). II. Suponha que um professor fez
Leia maisNOTA II TABELAS E GRÁFICOS
Depto de Físca/UFMG Laboratóro de Fundamentos de Físca NOTA II TABELAS E GRÁFICOS II.1 - TABELAS A manera mas adequada na apresentação de uma sére de meddas de um certo epermento é através de tabelas.
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-4 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Programa do curso: Semana Conteúdo Apresentação da dscplna. Prncípos de modelos lneares de regressão.
Leia maisExperiência V (aulas 08 e 09) Curvas características
Experênca (aulas 08 e 09) Curvas característcas 1. Objetvos 2. Introdução 3. Procedmento expermental 4. Análse de dados 5. Referêncas 1. Objetvos Como no expermento anteror, remos estudar a adequação de
Leia maisDELINEAMENTOS EXPERIMENTAIS
SUMÁRIO 1 Delneamentos Expermentas 2 1.1 Delneamento Interamente Casualzado..................... 2 1.2 Delneamento Blocos Casualzados (DBC).................... 3 1.3 Delneamento Quadrado Latno (DQL)......................
Leia maisModelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados
Modelo lnear normal com erros heterocedástcos O método de mínmos quadrados ponderados Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal
Leia maisOs modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.
MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,
Leia maisTabela 1. Porcentagem de crianças imunizadas contra DPT e taxa de mortalidade de menores de 5 anos para 20 países, 1992.
Regressão Lnear Algumas vezes estamos nteressados não apenas se exste assocação entre duas varáves quanttatvas x e y, mas nós temos também uma hpótese a respeto de uma provável relação de causa e efeto
Leia maisPRESSUPOSTOS DO MODELO DE REGRESSÃO
PREUPOTO DO MODELO DE REGREÃO A aplcação do modelo de regressão lnear múltpla (bem como da smples) pressupõe a verfcação de alguns pressupostos que condensamos segudamente.. Os erros E são varáves aleatóras
Leia mais3. Estatística descritiva bidimensional
3. Estatístca descrtva bdmensonal (Tabelas, Gráfcos e números) Análse bvarada (ou bdmensonal): avala o comportamento de uma varável em função da outra, por exemplo: Quantas TV Phlps são venddas na regão
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
Leia maisMETODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL. Iran Carlos Stalliviere Corrêa RESUMO
Semnáro Anual de Pesqusas Geodéscas na UFRGS, 2. 2007. UFRGS METODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL Iran Carlos Stallvere Corrêa Insttuto de Geocêncas UFRGS Departamento
Leia maisCapítulo 2. Modelos de Regressão
Capítulo 2 Modelos de regressão 39 Capítulo 2 Modelos de Regressão Objetvos do Capítulo Todos os modelos são errados, mas alguns são útes George E P Box Algumas vezes fcamos assustados quando vemos engenheros
Leia maisTestes não-paramétricos
Testes não-paramétrcos Prof. Lorí Val, Dr. http://www.mat.ufrgs.br/val/ val@mat.ufrgs.br Um teste não paramétrco testa outras stuações que não parâmetros populaconas. Estas stuações podem ser relaconamentos,
Leia maisCAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA
CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de
Leia maisTermo-Estatística Licenciatura: 4ª Aula (08/03/2013)
Termo-Estatístca Lcencatura: 4ª Aula (08/03/013) Prof. Alvaro Vannucc RELEMBRADO Dstrbução dscreta (hstogramas) x contínua (curvas de dstrbução): Dada uma Função de Dstrbução de Densdade de Probabldade,
Leia maisCONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues
CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogéro Rodrgues I) TABELA PRIMITIVA E DISTRIBUIÇÃO DE FREQÜÊNCIA : No processo de amostragem, a forma de regstro mas
Leia maisIntrodução à Análise de Dados nas medidas de grandezas físicas
Introdução à Análse de Dados nas meddas de grandezas físcas www.chem.wts.ac.za/chem0/ http://uregna.ca/~peresnep/ www.ph.ed.ac.uk/~td/p3lab/analss/ otas baseadas nos apontamentos Análse de Dados do Prof.
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
Leia maisMODELOS DE REGRESSÃO PARAMÉTRICOS
MODELOS DE REGRESSÃO PARAMÉTRICOS Às vezes é de nteresse nclur na análse, característcas dos ndvíduos que podem estar relaconadas com o tempo de vda. Estudo de nsufcênca renal: verfcar qual o efeto da
Leia maisEstatística Aplicada II CORRELAÇÃO. AULA 21 07/11/16 Prof a Lilian M. Lima Cunha
09//06 Estatístca Aplcada II CORRELAÇÃO AULA 07//6 Prof a Llan M. Lma Cunha CORRELAÇÃO: Identfcar a estênca ou não de assocação lnear entre varáves: -Preço de um produto em regões; -Frete e Km percorrdo;
Leia maisx Ex: A tabela abaixo refere-se às notas finais de três turmas de estudantes. Calcular a média de cada turma:
Professora Janete Perera Amador 1 8 Meddas Descrtvas Vmos anterormente que um conjunto de dados pode ser resumdo através de uma dstrbução de freqüêncas, e que esta pode ser representada através de uma
Leia mais1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de
Leia maisMedidas e resultados em um experimento.
Meddas e resultados em um expermento. I- Introdução O estudo de um fenômeno natural do ponto de vsta expermental envolve algumas etapas que, mutas vezes, necesstam de uma elaboração préva de uma seqüênca
Leia mais1 Objetivo da experiência: Medir o módulo da aceleração da gravidade g no nosso laboratório com ajuda de um pêndulo simples.
Departamento de Físca ICE/UFJF Laboratóro de Físca II Prátca : Medda da Aceleração da Gravdade Objetvo da experênca: Medr o módulo da aceleração da gravdade g no nosso laboratóro com ajuda de um pêndulo
Leia maisAnálise de Regressão Linear Múltipla VII
Análse de Regressão Lnear Múltpla VII Aula 1 Hej et al., 4 Seções 3. e 3.4 Hpótese Lnear Geral Seja y = + 1 x 1 + x +... + k x k +, = 1,,..., n. um modelo de regressão lnear múltpla, que pode ser escrto
Leia mais3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas
3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas
Leia maisAjuste de Curvas Regressão. Computação 2º Semestre 2016/2017
Ajuste de Curvas Regressão Computação 2º Semestre 2016/2017 Ajuste de Curvas Quando apenas sabemos alguns valores de uma função contínua e queremos estmar outros valores ntermédos Quando queremos obter
Leia maisCÁLCULO NUMÉRICO. Profa. Dra. Yara de Souza Tadano
CÁLCULO NUMÉRICO Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 7 e 8 06/204 Ajuste de Curvas AJUSTE DE CURVAS Cálculo Nuérco 3/64 INTRODUÇÃO E geral, experentos gera ua gaa de dados que
Leia maisX = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)
Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado
Leia maisIMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO
IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO Alne de Paula Sanches 1 ; Adrana Betâna de Paula Molgora 1 Estudante do Curso de Cênca da Computação da UEMS, Undade Unverstára de Dourados;
Leia maisLQA - LEFQ - EQ -Química Analítica Complemantos Teóricos 04-05
LQA - LEFQ - EQ -Químca Analítca Complemantos Teórcos 04-05 CONCEITO DE ERRO ALGARISMOS SIGNIFICATIVOS Embora uma análse detalhada do erro em Químca Analítca esteja fora do âmbto desta cadera, sendo abordada
Leia maisCovariância na Propagação de Erros
Técncas Laboratoras de Físca Lc. Físca e Eng. omédca 007/08 Capítulo VII Covarânca e Correlação Covarânca na propagação de erros Coefcente de Correlação Lnear 35 Covarânca na Propagação de Erros Suponhamos
Leia maisRedução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma
Redução dos Dados Júlo Osóro Meddas Característcas da Dstrbução Tendênca Central (Localzação) Varação (Dspersão) Forma 1 Meddas Característcas da Dstrbução Meddas Estatístcas Tendênca Central Dspersão
Leia maisCapítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES
Capítulo. Aproxmações numércas 1D em malhas unformes 9 Capítulo. AROXIMAÇÕS NUMÉRICAS 1D M MALHAS UNIFORMS O prncípo fundamental do método das dferenças fntas (MDF é aproxmar através de expressões algébrcas
Leia maisESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL
Revsta Matz Onlne ESTUDO DE MODELOS PARA AJUSTE E PREVISÃO DE UMA SÉRIE TEMPORAL Valera Ap. Martns Ferrera Vvane Carla Fortulan Valéra Aparecda Martns. Mestre em Cêncas pela Unversdade de São Paulo- USP.
Leia maisPROBLEMA DE DIFUSÃO DE CALOR RESOLVIDO POR MEIO DE EQUAÇÕES DIFERENCIAIS PARCIAIS PARABÓLICAS
PROBLEMA DE DIFUSÃO DE CALOR RESOLVIDO POR MEIO DE EQUAÇÕES DIFERENCIAIS PARCIAIS PARABÓLICAS Renato S. Gomde 1, Luz F. B. Loja 1, Edna L. Flôres 1 1 Unversdade Federal de Uberlânda, Departamento de Engenhara
Leia maisPrograma de Certificação de Medidas de um laboratório
Programa de Certfcação de Meddas de um laboratóro Tratamento de dados Elmnação de dervas Programa de calbração entre laboratóros Programa nterno de calbração justes de meddas a curvas Tratamento dos resultados
Leia maisProbabilidade e Estatística. Correlação e Regressão Linear
Probabldade e Estatístca Correlação e Regressão Lnear Correlação Este uma correlação entre duas varáves quando uma delas está, de alguma forma, relaconada com a outra. Gráfco ou Dagrama de Dspersão é o
Leia maisRISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%
Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $
Leia maisEletroquímica 2017/3. Professores: Renato Camargo Matos Hélio Ferreira dos Santos.
Eletroquímca 2017/3 Professores: Renato Camargo Matos Hélo Ferrera dos Santos http://www.ufjf.br/nups/ Data Conteúdo 07/08 Estatístca aplcada à Químca Analítca Parte 2 14/08 Introdução à eletroquímca 21/08
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
Leia maisCap. IV Análise estatística de incertezas aleatórias
TLF 010/11 Cap. IV Análse estatístca de ncertezas aleatóras Capítulo IV Análse estatístca de ncertezas aleatóras 4.1. Méda 43 4.. Desvo padrão 44 4.3. Sgnfcado do desvo padrão 46 4.4. Desvo padrão da méda
Leia maisINSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO
Área Centfca Curso Matemátca Engenhara Electrotécnca º Semestre º 00/0 Fcha nº 9. Um artgo da revsta Wear (99) apresenta dados relatvos à vscosdade do óleo e ao desgaste do aço maco. A relação entre estas
Leia mais4 Critérios para Avaliação dos Cenários
Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada
Leia maisFGE2255 Física Experimental para o Instituto de Química. Segundo Semestre de 2013 Experimento 1. Corrente elétrica
FGE2255 Físca Expermental para o Insttuto de Químca Segundo Semestre de 213 Expermento 1 Prof. Dr. Crstano Olvera Ed. Baslo Jafet, Sala 22 crslpo@f.usp.br Corrente elétrca q Defnção de Corrente elétrca
Leia maisConstrução 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 maisCURSO de ESTATÍSTICA Gabarito
UNIVERSIDADE FEDERAL FLUMINENSE TRANSFERÊNCIA o semestre letvo de 010 e 1 o semestre letvo de 011 CURSO de ESTATÍSTICA Gabarto INSTRUÇÕES AO CANDIDATO Verfque se este caderno contém: PROVA DE REDAÇÃO com
Leia maisELETROTÉCNICA (ENE078)
UNIVERSIDADE FEDERAL DE JUIZ DE FORA Graduação em Engenhara Cvl ELETROTÉCNICA (ENE078) PROF. RICARDO MOTA HENRIQUES E-mal: rcardo.henrques@ufjf.edu.br Aula Número: 19 Importante... Crcutos com a corrente
Leia maisCapítulo 1. Exercício 5. Capítulo 2 Exercício
UNIVERSIDADE FEDERAL DE GOIÁS CIÊNCIAS ECONÔMICAS ECONOMETRIA (04-II) PRIMEIRA LISTA DE EXERCÍCIOS Exercícos do Gujarat Exercíco 5 Capítulo Capítulo Exercíco 3 4 5 7 0 5 Capítulo 3 As duas prmeras demonstrações
Leia maisAnálise Descritiva com Dados Agrupados
Análse Descrtva com Dados Agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas descrtvas
Leia maisModelo linear clássico com erros heterocedásticos. O método de mínimos quadrados ponderados
Modelo lnear clássco com erros heterocedástcos O método de mínmos quadrados ponderados 1 Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal
Leia mais