Representação Computacional de Distribuições de Medidas de Laboratório
|
|
- Isadora Chagas
- 5 Há anos
- Visualizações:
Transcrição
1 SCIENTIA PLENA VOL., NUM Represetação Computacioal de Distribuições de Medidas de Laboratório (Computatioal Represetatio of Distributios of Laboratory Measuremets) Adré V. R. P. Nascimeto e Cláudio A. Macedo Departameto de Física, Uiversidade Federal de Sergipe São Cristóvão, SE, Brasil cmacedo@ufs.br (Recebido em 5 de abril de 005; aceito em 0 de maio de 005) Diversas experiêcias de laboratório didático de física geral exploram distribuições de medidas visado o cálculo de valores médios, valores de dispersão e fuções de distribuição, porém, tais experiêcias, muitas vezes, ão são auxiliadas por ferrametas que ajudem uma melhor compreesão dos parâmetros que caracterizam uma distribuição de medidas de laboratório. Visado ateder tal ecessidade e observado que a computação gráfica tem um papel fudametal o esio cietífico, desevolvemos um programa computacioal com iterface gráfica objetivado dispoibilizar um istrumeto de apoio às práticas de laboratório. Detalhamos a estrutura do programa e apresetamos os códigos com os algoritmos utilizados. O programa parte da etrada de diversas medidas de uma experiêcia e mota um histograma de freqüêcias através de um processo de diâmica visual, calculado o valor médio e o desvio padrão, e ajusta a curva da fução de distribuição gaussiaa correspodete, igualado a área ocupada pelo histograma com a área sob a curva. Palavras-chave: valores de dispersão, fuções de distribuição, histograma de freqüêcias. Several experieces of geeral physics for didactic laboratory explore distributios of measuremets aimig at the calculatio of average values, values of dispersio ad distributio fuctios. However, such experieces, quite frequetly, are ot assisted by tools that help to a better uderstadig of the parameters that characterize a distributio of laboratory measuremets. Aimig at takig care of such ecessity ad observig that the graphical computatio has a basic role i scietific educatio, we develop a computatioal program with graphical iterface makig available a istrumet of support to the laboratory classes. We detail the structure of the program ad preset the codes with the use of algorithms. The program starts with the etrace of several measuremets of a experiece ad builds up a histogram of frequecies by meas of a process of visual dyamics, calculatig the average value ad the sample stadard deviatio, ad adjusts the curve of the correspodig Gaussia distributio fuctio, equatig the occupied area for the histogram to the area uder the curve. Keywords: values of dispersio, distributio fuctios, histogram of frequecies.. INTRODUÇÃO Várias experiêcias didáticas de laboratórios de física geral uiversitária tratam de distribuições de medidas visado o cálculo de médias, variâcias, desvios padrão, histogramas e fuções de distribuição. As medidas em geral, são afetadas por erros de causas diversas. Existem os erros grosseiros que são causados pela imperícia ou displicêcia do operador; os erros sistemáticos que sempre ocorrem o mesmo setido e são ligados à exatidão dos istrumetos ou à utilização iapropriada de procedimetos e de coceitos físicos; e os erros acidetais que são reflexos das flutuações ormais, que tato variam para mais quato para meos, de uma medida para outra, mesmo quado estas medidas são realizadas em codições similares. Os erros acidetais são ligados à precisão dos istrumetos ou a modificações istatâeas as codições experimetais e, ormalmete, obedecem a leis estatísticas bem determiadas. Excluido-se os erros grosseiros e os erros sistemáticos, o procedimeto seguido em laboratório é calcular o valor médio (<x>) das diversas medidas de uma gradeza, realizadas de 5
2 A. V. R. P. Nascimeto, C. A. Macedo, Scietia Plea (): 5-57, forma idepedete, e a seguir calcular valores de dispersão, como o desvio padrão (σ), que dão uma idicação da largura do itervalo, em toro do valor médio, que cotém as medidas. Uma forma iteressate de estudar a distribuição de medidas é a costrução de um histograma de freqüêcias das várias medidas obtidas,3. Observa-se que à medida que mais e mais resultados são obtidos, uma forma bem defiida começa a se esboçar o histograma, mostrado que a freqüêcia do aparecimeto de uma dada medida é tato meor quato maior for o seu afastameto do valor médio. O limite do histograma para um grade úmero de medidas é uma curva em uma forma aalítica chamada distribuição ormal ou gaussiaa. A implicação disso é que ao se fazer uma medida da gradeza, haverá uma probabilidade de 68,3% de uma dada medida x i estar o itervalo (<x> - σ) x i (<x>+ σ), uma probabilidade de 95,4% de x i estar o itervalo (<x>- σ) x i (<x>+ σ), e de 99,7% de x i estar o itervalo (<x>- 3σ) x i (<x>+ 3σ),4. Cosiderado que o desevolvimeto de programas cietíficos de iteresse didático em ambietes computacioais gráficos 5 é atualmete objeto de itesa pesquisa pela eficiêcia demostrada os processos iterativos que promovem a cocetração o assuto em estudo, e coseqüete aceleração da apredizagem 6, e visado forecer uma ferrameta auxiliar que ajude o estudate a obter uma melhor compreesão dos parâmetros que caracterizam uma distribuição de medidas de laboratório, apresetamos este trabalho um programa computacioal com iterface gráfica, DistriMed 7, destiado aos aluos de física geral uiversitária. O programa DistriMed parte da etrada de diversas medidas de uma experiêcia e mota um histograma de freqüêcias através de um processo de diâmica visual, calculado o valor médio e o desvio padrão, e ajusta a curva da fução de distribuição gaussiaa correspodete, igualado a área ocupada pelo histograma com a área sob a curva. Na seção apresetamos a metodologia empregada, os algoritmos desevolvidos e explicamos a estrutura do programa; os resultados, icluido as descrições dos dados de etrada e saída, são apresetados a seção 3. As coclusões são expressas a seção 4.. METODOLOGIA E ALGORITMOS O valor médio de uma gradeza é o valor de tedêcia cetral mais usado e é determiado a partir das leituras obtidas de forma idepedete, x, x,..., x, como < x >= x i, i= em que x i é o valor da i-ésima leitura efetuada. Os valores de dispersão idicam o quato um cojuto de leituras de uma gradeza física flutua em toro do valor médio. Para um dado cojuto de leituras, quato maior for o valor de dispersão, mais dispersas serão as leituras em toro da média e, quato meor, mais compactado estará o cojuto, isto é, mais próximas da média estarão as leituras. Os pricipais valores de dispersão são a variâcia e o desvio padrão. A variâcia (σ ) é defiida como a média dos quadrados dos desvios de cada leitura em relação ao valor médio das leituras (xi - <x>), cosiderado que apeas - desses desvios são idepedetes, pois podemos obter qualquer um deles a partir da soma de todos os outros 3. Por exemplo, ós podemos determiar o desvio da última leitura a partir da relação ( x Explicitamete a variâcia σ é dada por < x > ) = σ = i= i= ( x < x > ). i ( x i < x > ). Devido à forma com que a variâcia é defiida, ela apreseta o icoveiete de ser expressa em uma uidade dada pelo quadrado da uidade das leituras efetuadas. O desvio padrão (σ) corrige esse problema, retorado às uidades origiais das medidas, pois é defiido pela raiz quadrada da variâcia. Assim escrevemos
3 A. V. R. P. Nascimeto, C. A. Macedo, Scietia Plea (): 5-57, σ = ( x i < x > ) i = Para a costrução do histograma, primeiramete lemos todas as medidas e calculamos a média e o desvio padrão das medidas, que serão utilizados tato como resultados da amostra como para a costrução da curva da fução de distribuição. Com base as medidas, elaboramos um histograma lógico, que permitirá o cálculo das dimesões dos blocos que represetarão o histograma a tela do microcomputador. O histograma apresetado é costruído diamicamete através de blocos (que represetam as medidas) que caem os seus respectivos itervalos. Assumido-se que a determiação das medidas foram excluídos os erros grosseiros e os erros sistemáticos, podemos cosiderar com boa aproximação que as variáveis evolvidas a determiação do histograma de freqüêcias serão idepedetes e igualmete distribuídas o limite de um grade úmero de leituras e pouco variarão os valores da média <x> e do desvio padrão σ com o crescimeto do úmero de medidas da gradeza. Assim, para um grade úmero de leituras podemos cosiderar o teorema do limite cetral que estabelece que a fução de distribuição de um úmero elevado de variáveis idepedetes igualmete distribuídas é aproximadamete ormal e é caracterizada pelo valor médio <x> e pelo desvio padrão σ. O traçado da curva ormal subjacete ao histograma de freqüêcias é etão feito utilizado a fução de distribuição ormal observado que x < x> σ f ( x) = e, σ π + f ( x) dx =, e multiplicado f (x) por um fator de coversão (área dos blocos do histograma) a fim de igualar a área sob a curva gaussiaa com a área ocupada por todos os blocos. Desta maeira, apresetamos a tela uma curva ormal com os parâmetros da distribuição de medidas que se ajusta ao histograma apresetado.. MOUSE MENUS JANELAS DIALOGS PROGRAMA PRINCIPAL INTER LEITURA DE DADOS MOSTRAR RESULTADOS CONSTRUÇÃO DO HISTOGRAMA TRAÇADO DA CURVA NORMAL LEITURA PELO TECLADO LEITURA POR ARQUIVOS HISTOGRAMA LÓGICO DINÂMICA DOS BLOCOS DETERMINAÇÃO DOS INTERVALOS Figura. Diagrama de blocos da estrutura do programa.
4 A. V. R. P. Nascimeto, C. A. Macedo, Scietia Plea (): 5-57, Desevolvemos o programa DistriMed a liguagem Borlad Pascal 7.0 com uma tecologia orietada a evetos. Todas as opções desejadas são selecioadas através de evetos gerados pelo mouse do computador. Os evetos estão ligados aos procedimetos que jutos costituem o fucioameto do programa: procedimetos de etrada de dados, de saída de dados, de costrução do histograma, e de traçado da curva ormal. A figura apreseta o diagrama de blocos da estrutura do programa. As estruturas de dados utilizadas, e os algoritmos de leitura dos dados, de determiação dos itervalos, de costrução do histograma lógico, e de costrução da diâmica dos blocos são apresetados os códigos a seguir: Lista_de_Numeros = [..] of REAL Lista_de_Itervalos = [..] of INTERVALOS INTERVALOS = object ed; MeorValorReal MaiorValorReal Quatidade_de_Medidas MeorValorTela MaiorValorTela PROCEDURE LEITURA_DOS_DADOS; for I:= to N do LeiaValor(Lista_de_Numeros[I]) LeiaValor(Numero_de_Itervalos) PROCEDURE DETERMINACAO_INTERVALOS; var ValorMaximo ValorMiimo PosicaoTela Itervalo = (ValorMaximo - ValorMiimo) / Numero_de_Itervalos for I:= to Numero_de_Itervalos Lista_de_Itervalos[I].MeorValorReal := ValorMiimo; Lista_de_Itervalos[I].MaiorValorReal := ValorMiimo + Itervalo; Lista_de_Itervalos[I].Quatidade_de_Medidas := 0; Lista_de_Itervalos[I].MeorValorTela := PosicaoTela Lista_de_Itervalos[I].MaiorValorTela := PosicaoTela + Itervalo_a_Tela ValorMiimo := Lista_de_Itervalos[I].MaiorValorReal PosicaoTela : = Lista_de_Itervalos[I].MaiorValorTela PROCEDURE HISTOGRAMA_LOGICO; for I:= to Lista_de_Numeros.Cout do IsiraNaListadeItervalos(Lista_de_Numeros[I]) PROCEDURE DESENHAR_BLOCOS_DINAMICAMENTE; GetMem(Bloco, ImageSize(X,Y,X,Y) GetMem(Fudo_da_Tela, ImageSize(X,Y,X,Y) GetImage(Fudo_da_Tela); DesehaBloco; GetImage(Bloco); repeat PutImage(Fudo,Posicao.X,Posicao.Y) Posicao = Posicao + Costate PutImage(Bloco) util Posicao = Base_do_Grafico
5 A. V. R. P. Nascimeto, C. A. Macedo, Scietia Plea (): 5-57, RESULTADOS O programa computacioal com iterface gráfica desevolvido, DistriMed, foi escrito em liguagem Borlad Pascal 7.0. O tema pricipal do programa é a distribuição de medidas de laboratório e costitui uma ferrameta visual para melhorar o etedimeto dos aluos. O programa possui uma iterface padrão e amigável, utilizado-se de meus, opções e botões para executar suas fuções. Os dados que servem para a costrução do histograma podem ser lidos através de arquivos tipo texto que coteham uma medida por liha (figura ) ou através do teclado (figura 3). Essa restrição é imposta para fis de seguraça em relação aos dados de etrada. As duas opções são facilmete selecioadas através de opções de meu. Figura. Tela de etrada de dados por um arquivo. Figura 3. Tela de etrada de dados pelo teclado.
6 A. V. R. P. Nascimeto, C. A. Macedo, Scietia Plea (): 5-57, A saída do programa mostra o processo de costrução do histograma através do deslocameto diâmico dos blocos que represetam as medidas (figura 4) e fialmete o histograma completo com a curva ormal traçada sobre o histograma e os resultados das medidas de dispersão e tedêcia cetral (figura 5). Figura 4. Deslocameto diâmico dos blocos que represetam as medidas. Figura 5. Histograma completo com a curva ormal traçada.
7 A. V. R. P. Nascimeto, C. A. Macedo, Scietia Plea (): 5-57, CONCLUSÕES O programa desevolvido este trabalho possui como objetivos a costrução de histograma de freqüêcias de medidas, o traçado de uma curva ormal ajustada ao histograma e o cálculo dos valores de tedêcia cetral e de dispersão. Ele utiliza os seguites procedimetos: (i) leitura, via teclado ou arquivo, das medidas e do úmero de itervalos desejado; (ii) cálculo para determiar as dimesões do histograma a tela do computador; (iii) cálculo do valor médio e do desvio padrão; (iv) costrução diâmica do histograma; (v) traçado da curva ormal comparado a distribuição de medidas com a distribuição ormal. O programa foi testado com diversos aluos dos cursos de Física e de Ciêcia da Computação da Uiversidade Federal de Sergipe. O pricipal objetivo dos testes foi avaliar a eficiêcia do programa com estudates com o perfil do usuário em potecial. Foram apotadas diversas críticas e sugestões. Observou-se uma tedêcia por parte dos aluos de Ciêcia da Computação de apresetarem sugestões com relação à parte gráfica do programa e à itegridade da mesma. Por outro lado, os aluos de Física tiveram maior preocupação com os algoritmos utilizados e a aálise dos resultados. Detre as sugestões dadas pelos aluos, podemos apotar: (a) criação de mais opções de meu, como, por exemplo, Salvar Arquivos e Verificar Dados Digitados, e (b) criação de mais opções de gráficos para que o programa se molde a outras práticas de laboratório de física. Algumas falhas ecotradas durate os testes foram imediatamete corrigidas e as sugestões estão sedo cosideradas para desevolvimetos futuros do trabalho. Os testes realizados idicaram que o uso do referido programa por estudates das primeiras disciplias de física geral uiversitária poderá cotribuir para aumetar a compreesão destes sobre processos físicos e estatísticos evolvidos em experiêcias que reúem uma grade quatidade de medidas para determiação do valor de uma gradeza física. Em particular, ficou evidete que o uso do programa provocou uma clara melhoria o ível de etedimeto por parte dos aluos dos coceitos de distribuição de medidas de laboratório e de fuções de distribuição. 5. AGRADECIMENTOS Agradecemos aos professores Mário E. de Souza, Adré M. C. de Souza e Marcelo A. Macêdo por úteis discussões, e o CNPq pelo apoio fiaceiro.. SILVA, W. P.; SILVA, C. M. D. P. S. Tratameto de Dados Experimetais. João Pessoa: UFPB, ALONSO, N.; FINN, E. J. Física: um curso uiversitário. v.. São Paulo: Edgard Blücher, HOGG, R. V.; LEDOLTER, J. Applied Statistics for Egieers ad Physical Scietists. New York: Macmilla, SOBOL, I. O Método de Mote Carlo. Moscou: Mir, WEISKAMP, K.; HEINY, L. Programação Gráfica em Turbo Pascal 6. Rio de Jaeiro: Ciêcia Modera, GOULD, H.; SPORNICK, L.; TOBOCHNIK, J. Thermal ad Statistical Physics Simulatios. New York: Joh Wiley, NASCIMENTO, A. V. R. P.; MACEDO, C. A. DistriMed. cam/cmacedo.htm, 003.
Universidade São Judas Tadeu Faculdade de Tecnologia e Ciências Exatas Laboratório de Física e Química
Uiversidade São Judas Tadeu Faculdade de Tecologia e Ciêcias Exatas Laboratório de Física e Química Aálise de Medidas Físicas Quado fazemos uma medida, determiamos um úmero para caracterizar uma gradeza
Leia maisUNIVERSIDADE ESTADUAL PAULISTA JÚLIO DE MESQUITA FILHO Campus de Bauru
EXPERIMENTO - MEDIDAS E ERROS ****************************************************************************. Objetivos: Propiciar ao estudate a compreesão dos coceitos básicos de medidas; Avaliação e propagação
Leia maisDistribuições Amostrais
9/3/06 Uiversidade Federal do Pará Istituto de Tecologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Egeharia Mecâica 3/09/06 3:38 ESTATÍSTICA APLICADA I - Teoria
Leia maisPROJETO E ANÁLISES DE EXPERIMENTOS (PAE) PROJETO FATORIAL 2 k COMPLETO E REPLICADO. Dr. Sivaldo Leite Correia
PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) PROJETO FATORIAL 2 k COMPLETO E REPLICADO Dr. Sivaldo Leite Correia CONCEITOS, LIMITAÇÕES E APLICAÇÕES Nos tópicos ateriores vimos as estratégias geeralizadas para
Leia maisCap. 4 - Estimação por Intervalo
Cap. 4 - Estimação por Itervalo Amostragem e iferêcia estatística População: cosiste a totalidade das observações em que estamos iteressados. Nº de observações a população é deomiado tamaho=n. Amostra:
Leia maisDistribuições Amostrais
7/3/07 Uiversidade Federal do Pará Istituto de Tecologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Egeharia Mecâica 3/07/07 09:3 ESTATÍSTICA APLICADA I - Teoria
Leia maisDESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL. todas as repetições). Então, para todo o número positivo ξ, teremos:
48 DESIGUALDADES, LEIS LIMITE E TEOREMA DO LIMITE CENTRAL LEI DOS GRANDES NÚMEROS Pretede-se estudar o seguite problema: À medida que o úmero de repetições de uma experiêcia cresce, a frequêcia relativa
Leia mais1 Amintas engenharia
1 Amitas egeharia 2 Cálculo Numérico 1. Itrodução Amitas Paiva Afoso 3 1. Itrodução O que é o Cálculo Numérico? 4 1. Itrodução O Cálculo Numérico correspode a um cojuto de ferrametas ou métodos usados
Leia maisSumário. 2 Índice Remissivo 19
i Sumário 1 Estatística Descritiva 1 1.1 Coceitos Básicos.................................... 1 1.1.1 Defiições importates............................. 1 1.2 Tabelas Estatísticas...................................
Leia maisExercício: Mediu-se os ângulos internos de um quadrilátero e obteve-se 361,4. Qual é o erro de que está afetada esta medida?
1. Tratameto estatísticos dos dados 1.1. TEORIA DE ERROS O ato de medir é, em essêcia, um ato de comparar, e essa comparação evolve erros de diversas origes (dos istrumetos, do operador, do processo de
Leia mais1 a Lista de PE Solução
Uiversidade de Brasília Departameto de Estatística 1 a Lista de PE Solução 1. a) Qualitativa omial. b) Quatitativa discreta. c) Quatitativa discreta. d) Quatitativa cotíua. e) Quatitativa cotíua. f) Qualitativa
Leia maisCap. VI Histogramas e Curvas de Distribuição
TLF /11 Capítulo VI Histogramas e curvas de distribuição 6.1. Distribuições e histogramas. 6 6.. Distribuição limite 63 6.3. Sigificado da distribuição limite: frequêcia esperada e probabilidade de um
Leia maisMATEMÁTICA MÓDULO 6 ESTATÍSTICA. Professor Haroldo Filho
MATEMÁTICA Professor Haroldo Filho MÓDULO 6 ESTATÍSTICA 1.1 ESTATÍSTICA É a ciêcia que utiliza a coleta de dados, sua classificação, sua apresetação, sua aálise e sua iterpretação para se tomar algum tipo
Leia maisAPLICAÇÃO NO ENSINO DE CÁLCULO NUMÉRICO NA ENGENHARIA DE ALIMENTOS: CONTROLE DO CRESCIMENTO MICROBIANO
APLICAÇÃO NO ENSINO DE CÁLCULO NUMÉRICO NA ENGENHARIA DE ALIMENOS: CONROLE DO CRESCIMENO MICROBIANO 1. INRODUÇÃO Quado os defrotamos com um problema que ão possui solução aalítica tora-se imprescidível
Leia maisDistribuições Amostrais
Distribuições Amostrais O problema da iferêcia estatística: fazer uma afirmação sobre os parâmetros da população θ (média, variâcia, etc) através da amostra. Usaremos uma AAS de elemetos sorteados dessa
Leia maisAMOSTRAGEM ALEATÓRIA DISTRIBUIÇÕES POR AMOSTRAGEM
6 AMOSTRAGEM ALEATÓRIA DISTRIBUIÇÕES POR AMOSTRAGEM Quado se pretede estudar uma determiada população, aalisam-se certas características ou variáveis dessa população. Essas variáveis poderão ser discretas
Leia maisbinomial seria quase simétrica. Nestas condições será também melhor a aproximação pela distribuição normal.
biomial seria quase simétrica. Nestas codições será também melhor a aproximação pela distribuição ormal. Na prática, quado e p > 7, a distribuição ormal com parâmetros: µ p 99 σ p ( p) costitui uma boa
Leia maisMétodo alternativo para calcular a constante de Apéry
SCIENTIA PLENA VOL. 7, NUM. 4 0 www.scietiaplea.org.br Método alterativo para calcular a costate de Apéry S. R. Cruz; J. B. Oliveira; D. T. Feitosa; C. M. Silva Departameto de Matemática, Uiversidade de
Leia maisUMA EXPERIÊNCIA COM MODELAGEM MATEMÁTICA NA LICENCIATURA EM MATEMÁTICA
ISBN 978-85-7846-516-2 UMA EXPERIÊNCIA COM MODELAGEM MATEMÁTICA NA LICENCIATURA EM MATEMÁTICA Resumo Alisso Herique dos Satos UEL Email: alisso_hs612@hotmail.com Ferada Felix Silva UEL Email: ferada.f.matematica@gmail.com
Leia maisTRABALHO1 MEDIÇÕES, ALGARISMOS SIGNIFICATIVOS E ERROS.
TRABALHO1 MEDIÇÕES, ALGARISMOS SIGNIFICATIVOS E ERROS. 1.1 Objectivos Medir gradezas físicas, utilizado os istrumetos adequados. Apresetar correctamete os resultados das medições, ao ível da utilização
Leia mais5. ANÁLISE DE SISTEMAS DA CONFIABILIADE DE SISTEMAS SÉRIE-PARALELO
5. ANÁLISE DE SISTEMAS DA CONFIABILIADE DE SISTEMAS SÉRIE-PARALELO 5.1 INTRODUÇÃO Um sistema é defiido como todo o cojuto de compoetes itercoectados, previamete determiados, de forma a realizar um cojuto
Leia maisTeorema do limite central e es/mação da proporção populacional p
Teorema do limite cetral e es/mação da proporção populacioal p 1 RESULTADO 1: Relembrado resultados importates Seja uma amostra aleatória de tamaho de uma variável aleatória X, com média µ e variâcia σ.temos
Leia maisDistribuições de Estatísticas Amostrais e Teorema Central do Limite
Distribuições de Estatísticas Amostrais e Teorema Cetral do Limite Vamos começar com um exemplo: A mega-sea de 996 a N 894 úmeros de a 6: Média: m 588 Desvio padrão: 756 49 amostras de 6 elemetos Frequêcia
Leia maisESTATÍSTICA. PROF. RANILDO LOPES U.E PROF EDGAR TITO
ESTATÍSTICA PROF. RANILDO LOPES http://ueedgartito.wordpress.com U.E PROF EDGAR TITO Medidas de tedêcia cetral Medidas cetrais são valores que resumem um cojuto de dados a um úico valor que, de alguma
Leia maisAnálise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos. Análise de Algoritmos
Aálise de Algoritmos Aálise de Algoritmos Prof Dr José Augusto Baraauskas DFM-FFCLRP-USP A Aálise de Algoritmos é um campo da Ciêcia da Computação que tem como objetivo o etedimeto da complexidade dos
Leia maisAvaliação de Desempenho de Sistemas Discretos
Distribuições Comus Avaliação de Desempeho de Sistemas Discretos Probabilidade e Estatística 2 Uiforme Normal Poisso Hipergeométrica Biomial Studet's Geométrica Logormal Expoecial Beta Gamma Qui-Quadrado
Leia maisDETERMINANDO A SIGNIFICÂNCIA ESTATÍSTICA PARA AS DIFERENÇAS ENTRE MÉDIAS
DTRMINANDO A SIGNIFIÂNIA STATÍSTIA PARA AS DIFRNÇAS NTR MÉDIAS Ferado Lag da Silveira Istituto de Física - UFRGS lag@if.ufrgs.br O objetivo desse texto é apresetar através de exemplos uméricos como se
Leia maisEstimação da média populacional
Estimação da média populacioal 1 MÉTODO ESTATÍSTICO Aálise Descritiva Teoria das Probabilidades Iferêcia Os dados efetivamete observados parecem mostrar que...? Se a distribuição dos dados seguir uma certa
Leia maisEscola de Engenharia de Lorena EEL USP Departamento de Engenharia Química DEQUI Disciplina: Normalização e Controle da Qualidade NCQ
1 Escola de Egeharia de orea EE SP Departameto de Egeharia Química DEQI Disciplia: Normalização e Cotrole da Qualidade NCQ Capítulo : Amostragem por Variáveis (MI STD 1) SEÇÃO A.1 Objetivo Este capítulo
Leia maisn ) uma amostra aleatória da variável aleatória X.
- Distribuições amostrais Cosidere uma população de objetos dos quais estamos iteressados em estudar uma determiada característica. Quado dizemos que a população tem distribuição FX ( x ), queremos dizer
Leia maisPROVA 1 27/10/ Os dados apresentados na seqüência mostram os resultados de colesterol
PROVA 1 7/10/009 Nome: GABARITO 1. Os dados apresetados a seqüêcia mostram os resultados de colesterol mg /100ml em dois grupos de aimais. O grupo A é formado por 10 total ( ) aimais submetidos a um cotrole
Leia maisNOTAS DE AULA: DISTRIBUIÇÃO AMOSTRAL E INTERVALOS DE CONFIANÇA
NOTAS DE AULA: DISTRIBUIÇÃO AMOSTRAL E INTERVALOS DE CONFIANÇA Objetivos da aula: Compreeder que um estimador é uma variável aleatória e, portato, pode-se estabelecer sua distribuição probabilística; Estabelecer
Leia maisExperimento 1 Estudo da Lei de Hooke
Experimeto 1 Estudo da Lei de Hooke 1.1 Objetivos Físicos Verificação experimetal da lei de Hooke para uma mola helicoidal: Medida experimetal do módulo de rigidez do material μ. 1. Objetivos Didáticos
Leia maisStela Adami Vayego DEST/UFPR
Resumo 3 Resumo dos dados uméricos por meio de úmeros. Medidas de Tedêcia Cetral A tedêcia cetral da distribuição de freqüêcias de uma variável em um cojuto de dados é caracterizada pelo valor típico dessa
Leia maisMAE Introdução à Probabilidade e Estatística II Resolução Lista 1
MAE 229 - Itrodução à Probabilidade e Estatística II Resolução Lista 1 Professor: Pedro Moretti Exercício 1 (a) Fazer histograma usado os seguites dados: Distribuição de probabilidade da variável X: X
Leia mais4 Teoria da Probabilidade
48 4 Teoria da Probabilidade Apresetam-se este capítulo coceitos de probabilidade e de estimação de fuções desidade de probabilidade ecessários ao desevolvimeto e compreesão do modelo proposto (capítulo
Leia maisObtemos, então, uma amostra aleatória de tamanho n de X, que representamos por X 1, X 2,..., X n.
Vamos observar elemetos, extraídos ao acaso e com reposição da população; Para cada elemeto selecioado, observamos o valor da variável X de iteresse. Obtemos, etão, uma amostra aleatória de tamaho de X,
Leia maisSEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO DE CIÊNCIAS BIOLÓGICAS DECB
Govero do Estado do Rio Grade do Norte Secretaria de Estado da Educação e da Cultura - SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO
Leia maisQuantas pétalas tem a rosácea r = sin(nθ)?
http://dx.doi.org/10.4322/gepem.2015.009 Quatas pétalas tem a rosácea r = si(θ)? Nota de Aula 1 Elisadra Bar de Figueiredo Professora, Uiversidade do Estado de Sata Cataria- UDESC elis.b.figueiredo@gmail.com
Leia maisProf. Fabrício Maciel Gomes Departamento de Engenharia Química Escola de Engenharia de Lorena EEL
Prof. Fabrício Maciel Gomes Departameto de Egeharia Química Escola de Egeharia de Lorea EEL Referêcias Bibliográficas Sistema de Avaliação Duas Provas teóricas Um Trabalho em Grupo MédiaFial 0,4 P 0,4
Leia maisA DESIGUALDADE DE CHEBYCHEV
A DESIGUALDADE DE CHEBYCHEV Quado se pretede calcular a probabilidade de poder ocorrer determiado acotecimeto e se cohece a distribuição probabilística que está em causa o problema, ão se colocam dificuldades
Leia mais10 - Medidas de Variabilidade ou de Dispersão
10 - Medidas de Variabilidade ou de Dispersão 10.1 Itrodução Localizado o cetro de uma distribuição de dados, o próximo passo será verificar a dispersão desses dados, buscado uma medida para essa dispersão.
Leia maisA Computação e as Classificações da Ciência
A Computação e as Classificações da Ciêcia Ricardo de Almeida Falbo Metodologia de Pesquisa Departameto de Iformática Uiversidade Federal do Espírito Sato Ageda Classificações da Ciêcia A Computação e
Leia maisMedidas de Posição. É igual ao quociente entre a soma dos valores do conjunto e o número total dos valores.
Medidas de Posição São as estatísticas que represetam uma série de dados orietado-os quato à posição da distribuição em relação ao eixo horizotal do gráfico da curva de freqüêcia As medidas de posições
Leia mais6.1 Estimativa de uma média populacional: grandes amostras. Definição: Um estimador é uma característica amostral (como a média amostral
6 ESTIMAÇÃO 6.1 Estimativa de uma média populacioal: grades amostras Defiição: Um estimador é uma característica amostral (como a média amostral x ) utilizada para obter uma aproximação de um parâmetro
Leia maisProbabilidade II Aula 9
Coteúdo Probabilidade II Aula 9 Maio de 9 Môica Barros, D.Sc. Estatísticas de Ordem Distribuição do Máximo e Míimo de uma amostra Uiforme(,) Distribuição do Máximo e Míimo caso geral Distribuição das Estatísticas
Leia maisEstimativa de Parâmetros
Estimativa de Parâmetros ENG09004 04/ Prof. Alexadre Pedott pedott@producao.ufrgs.br Trabalho em Grupo Primeira Etrega: 7/0/04. Plao de Amostragem - Cotexto - Tipo de dado, frequêcia de coleta, quatidade
Leia maisEstimadores de Momentos
Estimadores de Mometos A média populacioal é um caso particular daquilo que chamamos de mometo. Na realidade, ela é o primeiro mometo. Se X for uma v.a. cotíua, com desidade f(x; θ 1,..., θ r ), depededo
Leia maisPopulação x Amostra. statística descritiva X inferência estatística. Revisão de Estatística e Probabilidade
Revisão de Estatística e Probabilidade Magos Martiello Uiversidade Federal do Espírito Sato - UFES Departameto de Iformática DI Laboratório de Pesquisas em Redes Multimidia LPRM statística descritiva X
Leia maisCONHECIMENTOS ESPECÍFICOS
Acerca dos coceitos de estatística e dos parâmetros estatísticos, julgue os ites seguites. CONHECIMENTOS ESPECÍFICOS CESPE/UB STM 67 A partir do histograma mostrado a figura abaixo, é correto iferir que
Leia maisESTATÍSTICA- II DISTRIBUIÇÃO DE FREQUÊNCIA. 1- CONCEITO É a série estatística que tem o tempo, o espaço e a espécie como variáveis dependentes.
ESTATÍSTICA- II DISTRIBUIÇÃO DE FREQUÊNCIA 1- CONCEITO É a série estatística que tem o tempo, o espaço e a espécie como variáveis depedetes. - DISTRIBUIÇÃO DE FREQUÊNCIA a) Dados Brutos É um cojuto resultate
Leia maisA finalidade de uma equação de regressão seria estimar valores de uma variável, com base em valores conhecidos da outra.
Jaete Pereira Amador Itrodução A aálise de regressão tem por objetivo descrever através de um modelo matemático, a relação existete etre duas variáveis, a partir de observações dessas viráveis. A aálise
Leia maisEQUAÇÃO ESCALAR DE LEIS DE CONSERVAÇÃO
EQUAÇÃO ESCALAR DE LEIS DE CONSERVAÇÃO Miquéias Gomes dos Satos 1 ; Douglas Azevedo Castro 2 1 Aluo do Curso de Egeharia de Bioprocessos e Biotecologia; Campus de Gurupi; e-mail:miqueias@uft.edu.br PIVIC/UFT
Leia maisMestrado Integrado em Engenharia Civil. Disciplina: TRANSPORTES. Sessão Prática 4: Amostragem
Mestrado Itegrado em Egeharia Civil Disciplia: TRNSPORTES Prof. Resposável: José Mauel Viegas Sessão Prática 4: mostragem Istituto Superior Técico / Mestrado Itegrado Egª Civil Trasportes ulas Práticas
Leia maisO jogo MAX_MIN - Estatístico
O jogo MAX_MIN - Estatístico José Marcos Lopes Resumo Apresetamos este trabalho um jogo (origial) de treiameto para fortalecer os coceitos de Média, Mediaa, Moda, Desvio Padrão e Desvio Médio da Estatística
Leia maisEstatística. Estatística II - Administração. Prof. Dr. Marcelo Tavares. Distribuições de amostragem. Estatística Descritiva X Estatística Inferencial
Estatística II - Admiistração Prof. Dr. Marcelo Tavares Distribuições de amostragem Na iferêcia estatística vamos apresetar os argumetos estatísticos para fazer afirmações sobre as características de uma
Leia maisMEDIDAS DE TENDÊNCIA CENTRAL E MEDIDAS DE DISPERSÃO Í N D I C E
MEDIDAS DE TENDÊNCIA CENTRAL E MEDIDAS DE DISPERSÃO Í N D I C E Medidas de Tedêcia Cetral Itrodução... 1- Média Aritmética... - Moda... 3- Mediaa... Medidas de Dispersão 4- Amplitude Total... 5- Variâcia
Leia maisLista de Exercícios #6 Assunto: Propriedade dos Estimadores e Métodos de Estimação
Assuto: Propriedade dos Estimadores e Métodos de Estimação. ANPEC 08 - Questão 6 Por regulametação, a cocetração de um produto químico ão pode ultrapassar 0 ppm. Uma fábrica utiliza esse produto e sabe
Leia maisO termo "linear" significa que todas as funções definidas no modelo matemático que descreve o problema devem ser lineares, isto é, se f( x1,x2
MÓDULO 4 - PROBLEMAS DE TRANSPORTE Baseado em Novaes, Atôio Galvão, Métodos de Otimização: aplicações aos trasportes. Edgar Blücher, São Paulo, 978..CONCEITOS BÁSICOS DE PROGRAMAÇÃO LINEAR É uma técica
Leia maisQuantificando os Fenômenos Biológicos
1 ECOSSISTEMA Os ecossistemas estão costituídos por comuidades. A comuidade é uma uidade ecológica de visualização meos clara a atureza que outros coceitos como o de idivíduo ou mesmo o de população, que
Leia maisAjuste de Curvas pelo Método dos Quadrados Mínimos
Notas de aula de Métodos Numéricos. c Departameto de Computação/ICEB/UFOP. Ajuste de Curvas pelo Método dos Quadrados Míimos Marcoe Jamilso Freitas Souza, Departameto de Computação, Istituto de Ciêcias
Leia maisIntrodução à Estatística. Computacional. UFMG-ICEx-EST /02/ :43. Cap. 0 - Introdução à Estatística. Computacional 1
0 ESQUEMA DO CAPÍTULO Itrodução à Estatística 0.1 VISÃO GERAL DOS MÉTODOS COMPUTACIONALMENTE INTENSIVOS EM ESTATÍSTICA 1 mete Itesivos Defiição: Do Hadbook of Computatioal Statistics: Cocepts ad Methods,
Leia maisPREVISÃO DE PRECIPITAÇÃO
4 PREVISÃO DE PRECIPITAÇÃO PROBABILIDADE NOS PROJETOS Em Egeharia o cohecimeto das magitudes das precipitações apreseta grade iteresse prático por sua freqüete aplicação os projetos hidráulicos. Nos projetos
Leia maisEstimativa de intervalo de confiança para tempo de sobrevida usando desigualdade de Chebyshev via método bootstrap
SCIENTIA PLENA VOL. 8, NUM. 4 0 www.scietiaplea.org.br Estimativa de itervalo de cofiaça para tempo de sobrevida usado desigualdade de Chebyshev via método bootstrap C. M. Silva, ; R. S. Amaral ; J. W.
Leia maisMineração de Dados em Biologia Molecular
Mieração de Dados em Biologia Molecular Tópicos Adré C. P. L. F. de Carvalho Moitor: Valéria Carvalho Preparação de dados Dados Caracterização de dados Istâcias e Atributos Tipos de Dados Exploração de
Leia maisTRANSPORTES. Sessão Prática 4 Amostragem de escalares
Mestrado Itegrado em Egeharia Civil TRNPORTE Prof. Resposável: Luis Picado atos essão Prática 4 mostragem de escalares Istituto uperior Técico / Mestrado Itegrado Egeharia Civil Trasportes ulas Práticas
Leia maisEstimar uma proporção p (desconhecida) de elementos em uma população, apresentando certa característica de interesse, a partir da informação
ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p 1 Objetivo Estimar uma proporção p (descohecida) de elemetos em uma população, apresetado certa característica de iteresse, a partir da iformação forecida por uma
Leia maisMétodos Quantitativos para Ciência da Computação Experimental Aula #4
Métodos Quatitativos para Ciêcia da Computação Experimetal Aula #4 Jussara Almeida DCC-UFMG 2017 Measuremets are ot to provide umbers, but isights Metodologia de Comparação de Sistemas Experimetais Comparado
Leia maisEstatística Descritiva. 3. Estatísticas Medidas de posição Medidas de dispersão
Estatística Descritiva 3. Estatísticas 3.1. Medidas de posição 3.. Medidas de dispersão 1 Exemplo 1: Compare as 4 colheitadeiras quato às porcetages de quebra de semetes de milho. Tabela 1. Porcetagem
Leia maisEstatística: Aplicação ao Sensoriamento Remoto SER ANO Teste de Hipótese
Estatística: Aplicação ao Sesoriameto Remoto SER 4 - ANO 18 Teste de Hipótese Camilo Daleles Reó camilo@dpi.ipe.br http://www.dpi.ipe.br/~camilo/estatistica/ Estimação de Parâmetros Como já foi visto,
Leia mais3ª Lista de Exercícios de Programação I
3ª Lista de Exercícios de Programação I Istrução As questões devem ser implemetadas em C. 1. Desevolva um programa que leia dois valores a e b ( a b ) e mostre os seguites resultados: (1) a. Todos os úmeros
Leia maisEstimação da média populacional
Estimação da média populacioal 1 MÉTODO ESTATÍSTICO Aálise Descritiva Teoria das Probabilidades Iferêcia Os dados efetivamete observados parecem mostrar que...? Se a distribuição dos dados seguir uma certa
Leia maisESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p
ESTIMAÇÃO DA PROPORÇÃO POPULACIONAL p Objetivo Estimar uma proporção p (descohecida) de elemetos em uma população, apresetado certa característica de iteresse, a partir da iformação forecida por uma amostra.
Leia maisCF358 Física BásicaExperimental I
CF358 Física BásicaExperimetal I CONFIGURAÇÃO MÓDULO TEÓRICO MÓDULO EXPERIMENTAL => BLOCO 1-4 EXPERIMENTOS => BLOCO 2-4 EXPERIMENTOS PRESENÇA (muito importate) NO MÍNIMO 75% AVALIAÇÃO 01 PROVA -BLOCO TEÓRICO
Leia maisEstudo da precipitação pluviométrica no período seco e chuvoso do município de Sete Lagoas, MG
Estudo da precipitação pluviométrica o período seco e chuvoso do muicípio de Sete Lagoas, MG Aa Paula Coelho Madeira Silva 13 Jailso de Araujo Rodrigues 2 Jaime dos Satos Filho 2 1 Itrodução A precipitação
Leia maisCONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA
1 CONCEITOS BÁSICOS E PRINCÍPIOS DE ESTATÍSTICA 1. Coceitos Básicos de Probabilidade Variável aleatória: é um úmero (ou vetor) determiado por uma resposta, isto é, uma fução defiida em potos do espaço
Leia maisApresentação do Cálculo. Apresentação do Cálculo
UNIVERSIDADE DO ESTADO DE MATO GROSSO CAMPUS UNIVERSITÁRIO DE SINOP FACULDADE DE CIÊNCIAS EXATAS E TECNOLÓGICAS CURSO DE ENGENHARIA CIVIL DISCIPLINA: CÁLCULO DIFERENCIAL E INTEGRAL I Apresetação do Cálculo
Leia maisContabilometria. Prof.: Patricia Maria Bortolon, D. Sc.
Cotabilometria Prof.: Patricia Maria Bortolo, D. Sc. Teste para Duas Amostras Fote: LEVINE, D. M.; STEPHAN, D. F.; KREHBIEL, T. C.; BERENSON, M. L.; Estatística Teoria e Aplicações, 5a. Edição, Editora
Leia maisCapítulo 5- Introdução à Inferência estatística. (Versão: para o manual a partir de 2016/17)
Capítulo 5- Itrodução à Iferêcia estatística. (Versão: para o maual a partir de 2016/17) 1.1) Itrodução.(222)(Vídeo 39) Na iferêcia estatística, aalisamos e iterpretamos amostras com o objetivo de tirar
Leia maisDURAÇÃO 1:30. (o teste consta de 3 páginas com questões, um formulário e uma tabela - 5 folhas no total)
DURAÇÃO 1:30 (o teste costa de 3 págias com questões, um formulário e uma tabela - 5 folhas o total) Leia atetamete o euciado ates de respoder a cada questão. as questões de escolha múltipla seleccioe
Leia maisRevisando... Distribuição Amostral da Média
Estatística Aplicada II DISTRIBUIÇÃO AMOSTRAL MÉDIA AULA 08/08/16 Prof a Lilia M. Lima Cuha Agosto de 016 Revisado... Distribuição Amostral da Média Seja X uma v. a. de uma população com média µ e variâcia
Leia maisIncerteza nas medidas realizadas pela prática da Câmara de Ionização.
Icerteza as medidas realizadas pela prática da Câmara de Ioização. Emer Sales 1,2, Ferado Sadi Pito 1,2 ; Samuel Façaha Sousa Juior 1,2 ; Dayslo Luiz Gaudareto Freitas 1,2 ; Lucio das Chagas de Adrade
Leia maisDISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL INTRODUÇÃO ROTEIRO POPULAÇÃO E AMOSTRA. Estatística Aplicada à Engenharia
ROTEIRO DISTRIBUIÇÃO AMOSTRAL E ESTIMAÇÃO PONTUAL 1. Itrodução. Teorema Cetral do Limite 3. Coceitos de estimação potual 4. Métodos de estimação potual 5. Referêcias Estatística Aplicada à Egeharia 1 Estatística
Leia maisCapítulo 5- Introdução à Inferência estatística.
Capítulo 5- Itrodução à Iferêcia estatística. 1.1) Itrodução.(184) Na iferêcia estatística, aalisamos e iterpretamos amostras com o objetivo de tirar coclusões acerca da população de ode se extraiu a amostra.
Leia maisESTATÍSTICA E PROBABILIDADES
ESTATÍSTICA E PROBABILIDADES Aluo(a): Turma: Professores: Data: Edu/Vicete Noções de Estatística Podemos eteder a Estatística como sedo o método de estudo de comportameto coletivo, cujas coclusões são
Leia maisEstudando complexidade de algoritmos
Estudado complexidade de algoritmos Dailo de Oliveira Domigos wwwdadomicombr Notas de aula de Estrutura de Dados e Aálise de Algoritmos (Professor Adré Bala, mestrado UFABC) Durate os estudos de complexidade
Leia maisENGENHARIA DA QUALIDADE A ENG AULA 3 TEOREMA DO LIMITE CENTRAL INTRODUÇÃO AO CONTROLE ESTATÍSTICO DE PROCESSO
ENGENHARIA DA QUALIDADE A ENG 09008 AULA 3 TEOREMA DO LIMITE CENTRAL INTRODUÇÃO AO CONTROLE ESTATÍSTICO DE PROCESSO PROFESSOR: CARLA SCHWENGBER TEN CATEN Teorema do limite cetral A soma (e sua média) de
Leia maisEstimação de parâmetros da distribuição beta-binomial: uso do programa SAS e uma aplicação a dados obtidos da Escala P-DUREL
Estimação de parâmetros da distribuição beta-biomial: uso do programa SAS e uma aplicação a dados obtidos da Escala P-DUREL Diorgies Herculao da Silva Itrodução Edso Zagiacomi Martiez O modelo beta-biomial
Leia maisDISTRIBUIÇÕES DE PROBABILIDADE
DISTRIBUIÇÕES DE PROBABILIDADE DISTRIBUIÇÃO DE PROBABILIDADE Seja uma v.a. que assume os valores,,..., com probabilidade p, p,..., p associadas a cada elemeto de, sedo p p... p diz-se que está defiida
Leia maisProva Escrita de MATEMÁTICA A - 12o Ano a Fase
Prova Escrita de MATEMÁTICA A - 1o Ao 00 - a Fase Proposta de resolução GRUPO I 1. Como a probabilidade do João acertar em cada tetativa é 0,, a probabilidade do João acertar as tetativas é 0, 0, 0, 0,
Leia maisRogério da Silva Pimentel 1, 4 ; Emerson Wruck 2,4 ; Robson de Souza Vieira 3,4. Bolsista PBIC/UEG UEG.
UTILIZAÇÃO DE FERRAMENTAS DE ANÁLISE DE DADOS CATEGORIZADOS NA DESCRIÇÃO DA EVOLUÇÃO DO PERFIL DOS CANDIDATOS INSCRITOS NO VESTIBULAR DO CURSO DE BACHARELADO EM QUÍMICA INDUSTRIAL: EVOLUÇÃO DO PERFIL.
Leia maisNosso objetivo agora é estudar a média de uma variável quantitativa X. Denotamos a média desconhecida como E(X)=µ
TESTE DE HIPÓTESES PARA A MÉDIA POPULACIONAL µ Nosso objetivo agora é estudar a média de uma variável quatitativa X. Deotamos a média descohecida como E(X)µ Mais precisamete, estimamos a média µ, costruímos
Leia maisCAPÍTULO 8 - Noções de técnicas de amostragem
INF 6 Estatística I J.I.Ribeiro Júior CAPÍTULO 8 - Noções de técicas de amostragem. Itrodução A Estatística costitui-se uma excelete ferrameta quado existem problemas de variabilidade a produção. É uma
Leia maisVISUALIZANDO DESIGUALDADES E PROPRIEDADES DE SEQUÊNCIAS RACIONAIS COM APOIO NO GEOGEBRA
VISUALIZANDO DESIGUALDADES E PROPRIEDADES DE SEQUÊNCIAS RACIONAIS COM APOIO NO GEOGEBRA Katia Vigo Igar Potifícia Uiversidade Católica de São Paulo PUC/SP Fracisco Regis Vieira Alves Istituto Federal de
Leia maisINTERPOLAÇÃO POLINOMIAL
1 Mat-15/ Cálculo Numérico/ Departameto de Matemática/Prof. Dirceu Melo LISTA DE EXERCÍCIOS INTERPOLAÇÃO POLINOMIAL A aproximação de fuções por poliômios é uma das ideias mais atigas da aálise umérica,
Leia maisFUNDAÇÃO GETULIO VARGAS Programa de Certificação de Qualidade Curso de Graduação em Administração
FUNDAÇÃO GETULIO VARGAS Programa de Certificação de Qualidade Curso de Graduação em Admiistração PROVA DE ESTATÍSTICA II º Semestre / 00 - P - TIPO DADOS DO ALUNO: Nome: Assiatura INSTRUÇÕES: Você receberá
Leia maisCapítulo I Séries Numéricas
Capítulo I Séries Numéricas Capitulo I Séries. SÉRIES NÚMERICAS DEFINIÇÃO Sedo u, u,..., u,... uma sucessão umérica, chama-se série umérica de termo geral u à epressão que habitualmete se escreve u u...
Leia maisPROCESSO SELETIVO N 38/2018 PROVA 2 - CONHECIMENTOS ESPECÍFICOS
PROCESSO SELETIVO N 8/2018 PROVA 2 - CONHECIMENTOS ESPECÍFICOS LEIA ATENTAMENTE AS INSTRUÇÕES ABAIXO 1. Você recebeu do fiscal o seguite material: (a Este cadero, com o euciado das 20 (vite questões objetivas,
Leia maisVirgílio A. F. Almeida DCC-UFMG 1/2005
Virgílio A. F. Almeida DCC-UFMG 1/005 !" # Comparado quatitativamete sistemas eperimetais: Algoritmos, protótipos, modelos, etc Sigificado de uma amostra Itervalos de cofiaça Tomado decisões e comparado
Leia maisIntrodução ao Qui-Quadrado
Técicas Laboratoriais de Física Lic. Física e g. Biomédica 007/08 Capítulo X Teste do Qui-quadrado, Itrodução ao qui-quadrado Defiição geral do qui-quadrado Graus de liberdade e reduzido abilidade do 66
Leia mais