Planejamento e Otimização de Experimentos
|
|
- Jonathan Gama
- 5 Há anos
- Visualizações:
Transcrição
1 Planejamento e Otimização de Experimentos Metodologia de Superfície de Resposta Prof. Dr. Anselmo E de Oliveira anselmo.quimica.ufg.br anselmo.disciplinas@gmail.com
2 Visão geral técnicas matemáticas estatísticas modelar analisar resposta muitas variáveis
3 Objetivo otimizar a resposta superfície de resposta resposta esperada
4 Resposta esperada
5 Resposta esperada
6 Resposta esperada
7 Modelos Resposta modelada de modo adequado por uma função linear das variáveis independentes modelo de 1ª ordem Se há uma curvatura no sistema: polinômio de grau maior modelo de 2ª ordem
8 Modelos mínimos quadrados parâmetros do polinômio análise da superfície de resposta
9 Modelos os modelos dos parâmetros podem ser estimados de modo mais efetivo se planejamentos experimentais adequados são utilizados planejamentos de superfície de resposta
10 Planejamento de superfície de resposta natureza sequencial condições de operação caminho condição ótima
11 Natureza sequencial Procedimento sequencial O objetivo é conduzir, de modo rápido e eficiente, ao caminho em ascensão em direção à vizinhança do ótimo Modelo de 1 a ordem Modelo de 2 a ordem Subir o morro
12 Natureza sequencial Ou descer o morro
13 Exemplo Como encontrar as condições ótimas para o tempo, t, e a temperatura, T, que resultam em um maior rendimento para um processo? Condições iniciais: t = 75 min T = 130 o C s = 1,5 Planejamento de 1ª ordem t = 70 e 80 min T = 127,5 e 132,5 o C
14 Planejamento fatorial 2 2 com três pontos centrais experimento t /min T / o C y /g variáveis codificadas, x 1 e x ,5 54, ,5 60, ,5 64, ,5 68, , , ,3 ordem: 5,4,2,6,1,7,3
15 Planejamento fatorial 2 2 com três pontos centrais Modelo Ajuste dos mínimos quadrados Inclusão do erro a partir de b 12 (σ) como b 12 < σ b Ou seja, o modelo planar supõe que os efeitos das variáveis são aditivos
16 Planejamento fatorial 2 2 com três pontos centrais Os efeitos calculados nessa regressão correspondem ao dobro dos valores dos coeficientes t = 4,7 T = 9,0 t x T = -1,3
17 Verificação da curvatura Estimativa da curvatura da superfície, E c E c = y f y pc experimento t /min T / o C y /g média dos pontos do fatorial 2 2 média dos pontos centrais ,5 54, ,5 60, ,5 64, ,5 68, ,3 64,3 y pc = 62, ,3
18 Verificação da curvatura Com = 1,5 V E c = V y f y pc = V y f + V y pc = σ N f σ N pc 2 2 = 1, ,5 3 V E c = 1,31 s c = 1,15 Logo, não há motivo para questionar a adequação do modelo planar
19 Estimativa do erro experimental considerando as replicatas no ponto central s c = 2,0 com u c = 2 = 1,5 (série histórica) Equação ajustada do modelo
20 Estimado x Observador
21 Resíduos
22 Superfície de resposta Octave Gráficos 3D > x1=-1:0.1:1; > x2=x1; > [X1,X2]=meshgrid(x1,x2); > y= *x1+4.5.*x2;
23 plot3 > plot3(x1,x2,y)
24 mesh > mesh(x1,x2,y)
25 meshc > meshc(x1,x2,y)
26 meshz > meshz(x1,x2,y)
27 surf > surf(x1,x2,y)
28 surf > shading interp
29 surfc > surfc(x1,x2,y)
30 contour > contour(x1,x2,y)
31 surface > surface(x1,x2,y)
32 Representação Gráfica: 4D
33 Impressão > help print > title( Modelo Linear ) > xlabel( x1 ) > ylabel( x2 ) > zlabel( y ) > print color djpg linear_mesh.jpg > print deps linear_mesh.eps
34 Caminho em ascensão perpendicular às linhas de contorno
35 Caminho em ascensão caminho em ascensão x 2 região da superfície de 1ª ordem ajustada x 1
36 Caminho em ascensão Nas unidades do planejamento Ou seja, 1,91 unidades de x 2 para cada 1,0 unidade de x 1 centro caminho em ascensão x 1 x 2 t T experimento y obs ,6,7 62,3 1 1, ,8 8 73,3 2 3, ,6 3 5, , ,8 4 7, ,1 5 9, ,9 9 58,2
37 Caminhar na superfície Antes de caminhar na superfície de um modelo de 1ª ordem deve-se obter uma estimativa do erro verificar as interações verificar a curvatura
38 2º planejamento Melhor condição: experimento 10 Logo, planejamento fatorial 2 2 próximo ao experimento 10, com dois pontos centrais t = 90 min T = 145 o C Variáveis codificadas
39 2º planejamento x 1 x 2 t T experimento y obs , , , , , ,8 2 2 pontos centrais
40 Modelo de 1ª ordem o intervalo de confiança não inclui o zero b 12 0 t x T = -9,76 >> = 1,5 modelo aditivo não se aplica
41 Análise da curvatura E c 0 Logo, o modelo de 1ª ordem é inadequado para representar a função resposta local
42 Estimativa do erro Pontos centrais: s c = 2,05 com u 2 = 1 Estimativa conjunta dos dois planejamentos estimativa inicial com base na série histórica era de 1,5
43 Second-order Model 06 parameters: b 0, b 1, b 2, b 11, b 22 e b leves: --, -+, +-, ++, 00 Since the number of parameters is higher than the levels, the design must be augmented Central Composite Design
44 Central Composite Design (CCD) a = 1.414
45 Central Composite Design (CCD) The initial design is augmented with a group of star points 04 axial points 02 central points , ,
46 Central Composite Design (CCD) x 1 x 2 t T run y obs , , , , , ,0 The design matrix consists of runs 11 to 22; The resulting model equation is y = x x x x x 1 x 2
47 Error Estimates Coefficient standard errors o b 0 = 0,75 o b 1, b 2, b 11, b 22, and b 12 = 0,53 Standard deviation of center runs o s c = 0.5/ υ c = 1 Pooled variance s 2 = = 1.78 having υ = 4
48 Surface Model b 2 = 0,36 0,53 means that b 2 can be considered as noise. The resulting surface model equation is y = x x x x 1 x 2
49 mesh
50 surf
51 surf
52 surfc
53 contour 79,5 91,2 77,4 1st design: T and t y x 2 83,3 87,4 81,2 2nd design: T and t y 78,8 84,5 81,2 x 1
54 Analysis of a Second-Order Response Surface When the experiment is relatively close to the optimum, a model that incorporates curvature is usually required to approximate the response k k k k y = b 0 + b i x i + b ii x ii 2 + b ij x i x j + ε i=1 i=1 i<j j
55 Location of the Stationary Points Stationary point Let X be a function differentiable and continuous, and X D a subset of R n X 0 D is a stationary point if X 0 = 0 x k X 0 = x k x 0,1, x 0,2,, x 0,n = 0, k = 1,2,, n
56 Location of the Stationary Points Stationary point coordinates Stationary point o Maximum response o Minimum response o Saddle point Response Surface
57 Location of the Stationary Points Model y = x x x x 1 x 2 The maximum is out of the design region x 1 = time 90 min 10 min x 2 = Temperature 145 o C 5 o C
58 Response Surface y x 2 x 1
59 Response Surface 89,307 Stationary point x 2 x 1
60 Location of the Stationary Points Model y = 87,375 1,38x 1 5,14x 1 2 2x 2 2 2x 1 x 2 Gradients y x 1 = 1,38 10,28x 1 2x 2 = 0 y x 2 = 4x 2 2x 1 = 0 roots x 1 = 0,074 x 2 = 0,149 y = 87,478
61 Response Surface y x 1 x 2
62 Location of the Stationary Points > x1=-1:.05:1; > x2=x1; > [X1,X2]=meshgrid(x1,x2); > y= *x *x1.*x1-2.*x2.*x2-2.*x1.*x2; > surf(x1,x2,y) > contour(x1,x2,y) > hold on > X1=-1.38/18.56*2 > X2=1.38/18.56 > plot(x1,x2)
63 Location of the Stationary Points y x 2 87,023 x 1
64 Response Surfaces maximum
65 Response Surfaces Saddle point
66 Response Surfaces minimum
67 Response Surfaces
68 Multiple Response Optimization Desirability Objective Function o It is one of the most widely used methods in industry for the optimization of multiple response processes o For each response y i x, a desirability function d i y i assigns numbers between 0 and 1 to the possible values of y i d i y i = 0 represents a completely undesirable value of y i d i y i = 1 represents a completely desirable or ideal response value
69 Multiple Response Optimization o The individual desirabilities are then combined using the geometric mean, which gives the overall desirability n D = d i y i i=1 1 n with n denoting the number of responses o It determines the best combination of responses
70 Multiple Response Optimization o The desirability approach consists of the following steps Conduct experiments and fit response models for all n responses Define individual desirability functions for each response Maximize the overall desirability D with respect to the controllable factors
71 Experimental Designs for Fitting Response Surfaces Orthogonal First-Order Designs o Simplex design k y = b 0 + b i x i + e i=1 k = 2 k = 3
72 Second-Order Models Central Composite Design o 2 k Factorial (or fractional factorial of resolution V) o n f factorial runs o 2 k axial or star runs o n c center runs k = 2 k = 3
73 Second-Order Models Rotability o V y x is the same at all points x that are at the same distance from the design center o α = n f 1 4, where nf is the number of points used in the factorial portion of the design
74 Second-Order Models circumscribed n f = 4 α = 2 1,4 face centered inscribed
75 Second-Order Models
76 Second-Order Models Box-Behnken Design o Spherical design o 2 radius o It does not contain any points at the vertices This could be advantageous when the points on the corners are prohibitively expensive or impossible to test
77 Second-Order Models
78 Second-Order Models Runs X 1 X 2 X
79 Second-Order Models Cuboidal Region of Interest o Face-centered central composite design
80 Second-Order Models Equiradial Designs x 2 x 1
81 Second-Order Models x 2 x 1
82 Simplex Optimization x 2 x 1
83 Simplex Optimization
84 Simplex Optimization
85 Simplex Optimization Variable-size
86 Simplex Optimization Spyridon Konstantinidis, Sunil Chhatre, Ajoy Velayudhan, Eva Heldin, Nigel Titchener-Hooker, Analytica Chimica Acta 743 (2012) 19 32
87 Simplex Optimization
88 Simplex Optimization 4 vertexes x 2 x 1 x 3
Planejamento e Otimização de Experimentos
Planejamento e Otimização de Experimentos Metodologia de Superfície de Resposta e Simplex Prof. Dr. Anselmo E de Oliveira anselmo.quimica.ufg.br anselmo.disciplinas@gmail.com Visão geral técnicas matemáticas
Leia maisPlanejamento e Otimização de Experimentos Métodos de Superfície de Resposta
Planejamento e Otimização de Experimentos Métodos de Superfície de Resposta Prof. Dr. Anselmo E de Oliveira www.quimica.ufg.br/docentes/anselmo elcana@quimica.ufg.br Visão geral técnicas matemáticas estatísticas
Leia maisVariável dependente Variável independente Coeficiente de regressão Relação causa-efeito
Unidade IV - Regressão Regressões Lineares Modelo de Regressão Linear Simples Terminologia Variável dependente Variável independente Coeficiente de regressão Relação causa-efeito Regressão correlação Diferença
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semana Conteúdo 1 Apresentação da disciplina. Princípios de modelos lineares
Leia maisPlanejamento e Otimização de Experimentos Ajuste de Modelos de Regressão e Outros Planejamentos
Planejamento e Otimização de Experimentos Ajuste de Modelos de Regressão e Outros Planejamentos Prof. Dr. Anselmo E de Oliveira anselmo.quimica.ufg.br anselmo.disciplinas@gmail.com.br Ajuste de modelos
Leia maisPlanejamento e Otimização de Experimentos
Planejamento e Otimização de Experimentos Planejamentos 3 k, Box-Behnken e Plackett-Burman Prof. Dr. Anselmo E de Oliveira anselmo.quimica.ufg.br anselmo.disciplinas@gmail.com Planejamento Fatorial 3 k
Leia maisBIOESTATÍSTICA. Análise de regressão
BIOESTATÍSTICA Análise de regressão Análise de correlação Existe uma associação estatística entre duas variáveis? As duas variáveis são independentes ( ou seja, qual o grau da variação das duas juntas)?
Leia maisRSM MÉTODO DA SUPERFÍCIE DE RESPOSTA
RSM MÉTODO DA SUPERFÍCIE DE RESPOSTA É UMA TÉCNICA ESTATÍSTICA MUITO ÚTIL PARA A MODELAÇÃO E ANÁLISE DE PROBLEMAS NOS QUAIS A (S) RESPOSTA (S) É INFLUENCIADA POR VÁRIAS VARIÁVEIS (FACTORES) E O GRANDE
Leia maisBibliografia Recomendada
Bibliografia Recomendada Barros Neto, B.; Scarminio, I. S.; Bruns, R. E. Como Fazer Experimentos. Montgomery, D. C. Design and Analysis of Experiments. Box, G. E. P.; Hunter, J. S.; Hunter, W. G. Statistics
Leia maisPlanejamento e Otimização de Experimentos
Planejamento e Otimização de Experimentos Planejamentos Fatoriais Prof. Dr. Anselmo E de Oliveira anselmo.quimica.ufg.br anselmo.disciplinas@gmail.com Fatores e Níves Fatores ou Variáveis Temperatura Pressão
Leia maisComputação e Programação 2009 / 2010
Computação e Programação 2ª Aula de Problemas Instituto Superior Técnico, Dep. de Engenharia Mecânica - ACCAII Exercícios Resolvidos [Livro 1] (Ver referências no slide 20) 3.3 Write a program to convert
Leia maisAnalise discriminante rácios Económico - Financeiros - VI Page 1
Frequencies ANALISE DOS RÁCIOS Notes Missing Value Handling Syntax Definition of Missing Cases Used Userdefined missing values are treated as missing. Statistics are based on all cases with valid data.
Leia maisTÉCNICAS EXPERIMENTAIS APLICADAS EM CIÊNCIA DO SOLO
TÉCNICAS EXPERIMENTAIS APLICADAS EM CIÊNCIA DO SOLO Mario de Andrade Lira Junior lira.pro.br\wordpress REGRESSÃO X CORRELAÇÃO Diferença Regressão - equação ligando duas ou mais variáveis Correlação medida
Leia mais[DataSet11] D:\Fmh\Doutoramento\Tese\Dados\Quantitativos\Questionário Prof essores.sav
USE ALL. FILTER BY filter_$. EXECUTE. CLUSTER CondRelativa ImpRelativa IntegRelativa /METHOD SINGLE /MEASURE=SEUCLID /ID=Id.Prof /PRINT SCHEDULE /PRINT DISTANCE /PLOT DENDROGRAM. [DataSet] D:\Fmh\Doutoramento\Tese\Dados\Quantitativos\Questionário
Leia maisPLANEJAMENTOS FATORIAIS E SUPERFÍCIE DE RESPOSTAS
Delineamento de experimentos e ferramentas estatísticas aplicadas às ciências farmacêuticas Felipe Rebello Lourenço PLANEJAMENTOS FATORIAIS E SUPERFÍCIE DE RESPOSTAS PARTE 6 PLANEJAMENTOS FATORIAIS E SUPERFÍCIE
Leia maisModelagem em Experimentos Mistura-Processo para Otimização de Processos Industriais
Luiz Henrique Abreu Dal Bello Modelagem em Experimentos Mistura-Processo para Otimização de Processos Industriais Tese de Doutorado Tese apresentada como requisito parcial para obtenção do título de Doutor
Leia maisAVALIAÇÃO DE UM PROCESSO DE SOLDAGEM A PONTO UTILIZANDO UM PLANEJAMENTO COMPOSTO CENTRAL EM 3 NÍVEIS
AVALIAÇÃO DE UM PROCESSO DE SOLDAGEM A PONTO UTILIZANDO UM PLANEJAMENTO COMPOSTO CENTRAL EM 3 NÍVEIS Márcio de Andrade Batista Eng.MSc.Universidade Federal de Uberlândia (Laprosolda), Campus Santa Mônica.
Leia maisAVALIAÇÃO DE UM PROCESSO DE SOLDAGEM A PONTO UTILIZANDO UM PLANEJAMENTO COMPOSTO CENTRAL EM 3 NÍVEIS
AVALIAÇÃO DE UM PROCESSO DE SOLDAGEM A PONTO UTILIZANDO UM PLANEJAMENTO COMPOSTO CENTRAL EM 3 NÍVEIS Márcio de Andrade Batista Eng. MSc, Universidade Federal de Uberlândia (Laprosolda), Campus Santa Mônica.
Leia maisAnálise de Regressão
Análise de Regressão Nos planejamentos fatoriais os fatores são estudados em dois níveis. Modelo Linear MAIS INFORMAÇÕES!!! Níveis Intermediários Planejamentos Fatoriais com dois níveis são uma etapa inicial!!!
Leia maisMétodos Estatísticos Avançados em Epidemiologia
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística Métodos Estatísticos Avançados em Epidemiologia Aula 2-2 Regressão de Poisson: Modelando Contagens Distribuição
Leia mais4.1 Introdução. 4. Metodologia de superfícies de resposta. 4.2 Modelagem inicial (Exemplo) 17/08/2016
4. Metodologia de superfícies de resposta 4.1 Introdução 4.2 Modelagem inicial 4.3 Caminho de máxima inclinação 4.4 Exemplos 4.1 Introdução Segundo Barros Neto, Scarminio e Bruns (2010, cap. 6), a metodologia
Leia maisNOÇÕES SOBRE EXPERIMENTOS FATORIAIS
3 NOÇÕES SOBRE EXPERIMENTOS FATORIAIS Planejamento de Experimentos Design of Experiments - DOE Em primeiro lugar devemos definir o que é um experimento: Um experimento é um procedimento no qual alterações
Leia maisRELATÓRIO DO EXEMPLO DO MONTGOMERY (1997, p. 291)
RELATÓRIO DO EXEMPLO DO MONTGOMERY (1997, p. 291) options nodate ls=80; data fat2p2; input A B @; do rep=1 to 3; input y @; output; end; cards; 15 1 28 25 27 25 1 36 32 32 15 2 18 19 23 25 2 31 30 29 *proc
Leia maisi j i i Y X X X i j i i i
Mario de Andrade Lira Junior lira.pro.br\wordpress lira.pro.br\wordpress Diferença Regressão - equação ligando duas ou mais variáveis Correlação medida do grau de ligação entre duas variáveis Usos Regressão
Leia maisBibliografia Recomendada.
Bibliografia Recomendada http://paginapessoal.utfpr.edu.br/ebona Bibliografia Recomendada Montgomery, D. C. Design and Analysis of Experiments. Bibliografia Recomendada Barros Neto, B.; Scarminio, I. S.;
Leia maisPlanejamento de experimentos (DOE)
Planejamento de experimentos (DOE) 1 Terminologia Independent vs. Dependent variables Categorical vs. Continuous variables Between- vs. Within-subjects manipulations Experimental vs. Control conditions
Leia maisMétodo do Lugar das Raízes
Método do Lugar das Raízes 1. Esboçando o Lugar das Raízes (LR) pag.1 Controle de Sistemas Lineares Aula 9 O procedimento para esboçar o gráfico do Lugar das Raízes é realizado em 12 passos ordenados a
Leia maisi j i i Y X X X i j 1 i 2 i i
Mario de Andrade Lira Junior lira.pro.br\wordpress lira.pro.br\wordpress Diferença Regressão - equação ligando duas ou mais variáveis Correlação medida do grau de ligação entre duas variáveis Usos Regressão
Leia maisDivisão de Engenharia Mecânica. Programa de Pós-Graduação em Engenharia Aeronáutica e Mecânica. Prova de Seleção para Bolsas 1 o semestre de 2014
Divisão de Engenharia Mecânica Programa de Pós-Graduação em Engenharia Aeronáutica e Mecânica Prova de Seleção para Bolsas 1 o semestre de 2014 07 de março de 2014 Nome do Candidato Observações 1. Duração
Leia maisCurso de MINITAB Universidade Federal de Ouro Preto. Planejamento de Experimentos (DOE)
Planejamento de Experimentos (DOE) - Introdução Um experimento é um procedimento no qual as alterações propositais são feitas nas variáveis de entrada de um processo ou sistema, de modo que se possa avaliar
Leia maisAula Prática 02 Estatística Experimental DELINEAMENTO CASUALIZADO EM BLOCOS. *Planejamento do Experimento Delineamento Casualizado em Blocos (DBC);
Aula Prática 02 Estatística Experimental DELINEAMENTO CASUALIZADO EM BLOCOS *Planejamento do Experimento Delineamento Casualizado em Blocos (DBC); proc plan; factors blocos=3 ordered parcelas=9 ordered;
Leia maisProjeto de Experimentos e Superfícies de Resposta (Design of Experiments DOE Response Surfaces - RS) (ENG03024-Análise de Sistemas Mecânicos)
UFRGS - Universidade Federal do Rio Grande do Sul EE - Escola de Engenharia DEMEC - Departamento de Engenharia Mecânica e Superfícies de Resposta (Design of Experiments DOE Response Surfaces - RS) (ENG0304-Análise
Leia maisProf. Dr. Marcone Augusto Leal de Oliveira UFJF CURSO INTRODUTÓRIO DE 12 HORAS OFERECIDO PARA A PÓS-GRADUAÇÃO DA UFABC EM NOVEMBRO DE 2017
Prof. Dr. Marcone Augusto Leal de Oliveira UFJF CURSO INTRODUTÓRIO DE 2 HORAS OFERECIDO PARA A PÓS-GRADUAÇÃO DA UFABC EM NOVEMBRO DE 207 SUMÁRIO - BREVE DESCRIÇÃO, FUNDAMENTOS, CONCEITOS, CARACTERÍSTICAS,
Leia maisGrupo A: Ana Catarina Aperta, Daniel Peixeiro, Pedro Antunes
Grupo A: Ana Catarina Aperta, Daniel Peixeiro, Pedro Antunes b) Para valores C, T, α, β e funções a, b, z escolhidas (inclua um caso C = 1, α = 1, β = 0 com a(t) = b(t) = (t + 1) 1, z(x) = x 2 ), apresente
Leia maisBibliografia Recomendada. Cornell, J. A. A Primer on Experiments with Mixtures.
Bibliografia Recomendada Cornell, J. A. A Primer on Experiments with Mixtures. Bibliografia Recomendada Barros Neto, B.; Scarminio, I. S.; Bruns, R. E. Como Fazer Experimentos. Bibliografia Recomendada
Leia maisUNIVERSIDADE FEDERAL DE MINAS GERAIS. Confiabilidade Lista 4. Professor: Enrico Colosimo Aluno: Augusto Filho Belo Horizonte - MG
UNIVERSIDADE FEDERAL DE MINAS GERAIS ESPECIALIZAÇÃO EM ESTATÍSTICA Confiabilidade Lista 4 Professor: Enrico Colosimo Belo Horizonte - MG 2 Exercício 1. Os dados abaixo foram apresentados por Nelson & Schmee
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semana Conteúdo 1 Apresentação da disciplina. Princípios de modelos lineares
Leia maisPlanejamento de Misturas
Na maioria dos planejamentos os níveis dos fatores são independentes. As propriedades de uma mistura são determinadas pelas proporções de seus ingredientes, e não por valores absolutos. Planejamento de
Leia maisAnálise de dados em Geociências
Análise de dados em Geociências Regressão Susana Barbosa Mestrado em Ciências Geofísicas 2014-2015 Resumo Introdução Regressão linear dados independentes séries temporais Regressão de quantis Regressão
Leia maisAjustando parâmetros livres de um Algoritmo Genético: uso da metodologia Response Surface
Ajustando parâmetros livres de um Algoritmo Genético: uso da metodologia Response Surface Hélcio Vieira Junior, Fabiano Luis de Sousa. Instituto Tecnológico de Aeronáutica, Pça Mal. Eduardo Gomes, 5. 8-9,
Leia maisIncerteza, exatidão, precisão e desvio-padrão
1 Incerteza, exatidão, precisão e desvio-padrão Incerteza ( uncertainty or margin of error ) A incerteza, segundo a Directiva Comunitária 2007/589/CE, é: parâmetro associado ao resultado da determinação
Leia maisPesquisador. Planejamento de Experimentos Design of Experiments - DOE NOÇÕES SOBRE EXPERIMENTOS FATORIAIS. 1 - Fixar T e variar P até > Pureza
3 NOÇÕES SOBRE EXPERIMENTOS FATORIAIS Planeamento de Experimentos Design of Experiments - DOE Em primeiro lugar devemos definir o que é um experimento: Um experimento é um procedimento no qual alterações
Leia maisDELINEAMENTO FATORIAL DUPLO
DELINEAMENTO FATORIAL DUPLO LAURO BOECHAT BATISTA 1 ELIZA HELENA DE SOUZA FARIA 1 MARIA EUN1CE O.C. RODRIGUES 2 KELLEN MOREIRA BATISTA 3 VANDEIR FRANCISCO GUIMARÃES 4 BATISTA, L.B.; FARIA, E.H. de S.;
Leia maisEstatística Experimental
Estatística Experimental Prof. Dr. Evandro Bona ebona@utfpr.edu.br paginapessoal.utfpr.edu.br/ebona Bibliografia Recomendada Barros Neto, B.; Scarminio, I. S.; Bruns, R. E. Como Fazer Experimentos. 4ª
Leia maisInstituto Superior Técnico, Dep. de Engenharia Mecânica - ACCAII Objectivos e tarefas
Instituto Superior Técnico, Dep. de Engenharia Mecânica - ACCAII Objectivos e tarefas Aplicar os passos do processo de desenvolvimento para a construção de um algoritmo 1 Exercícios Resolvidos 1 - EXERCÍCIO
Leia maisINSTITUTO SUPERIOR DE CONTABILIDADE E ADMINISTRAÇÃO PORTO Ano lectivo 2009/20010 EXAME: DATA 24 / 02 / NOME DO ALUNO:
INSTITUTO SUPERIOR DE CONTABILIDADE E ADMINISTRAÇÃO PORTO Ano lectivo 2009/20010 Estudos de Mercado EXAME: DATA 24 / 02 / 20010 NOME DO ALUNO: Nº INFORMÁTICO: TURMA: PÁG. 1_ PROFESSOR: ÉPOCA: Grupo I (10
Leia maisALGEBRA 2 PRACTICE FINAL EXAM
ALGEBRA 2 PRACTICE FINAL EXAM 1) Write the slope-intercept form of the equation of the line through the point (-3, ( -5) with slope. 2) Write the slope-intercept form of the equation of the line through
Leia maisPlanejamento de Misturas
Na maioria dos planejamentos os níveis dos fatores são independentes. As propriedades de uma mistura são determinadas pelas proporções de seus ingredientes, e não por valores absolutos. Planejamento de
Leia maisExame de Recorrência de Métodos Estatísticos. Departamento de Matemática Universidade de Aveiro
Exame de Recorrência de Métodos Estatísticos Departamento de Matemática Universidade de Aveiro Data: 6/6/6 Duração: 3 horas Nome: N.º: Curso: Regime: Declaro que desisto Classificação: As cotações deste
Leia maisINSTITUTO SUPERIOR TÉCNICO Sistemas de Apoio à Decisão
Número: Nome: -------------------------------------------------------------------------------------------------------------- INSTITUTO SUPERIOR TÉCNICO Sistemas de Apoio à Decisão Exame: 6 January 207
Leia maisAula no SAS. Planejamento do Experimento - Delineamento inteiramente casualizado. Saídas
Aula no SAS Planejamento do Experimento - Delineamento inteiramente casualizado Saídas title "Antes da Casualização"; data plano; do parc=1 to 20;*DEVE SER MÚLTIPLO DO NÚMERO DE TRATAMENTOS; trat=int((parc-1)/5)+1;*tratamentos+1=5;
Leia maisPlanejamento de Experimentos
Planejamento de Experimentos 6. Os Modelos fatoriais 2 k Trataremos agora de um caso especial de experimentos fatoriais no qual todos os fatores têm apenas dois níveis. Tais níveis podem ser quantitativos
Leia maisPlanejamento de experimentos (DOE)
Planejamento de experimentos (DOE) 1 Terminologia Independent vs. Dependent variables Categorical vs. Continuous variables Between- vs. Within-subjects manipulations Experimental vs. Control conditions
Leia maisIntrodução Regressão linear Regressão de dados independentes Regressão não linear. Regressão. Susana Barbosa
Regressão Susana Barbosa Mestrado em Ciências Geofísicas 2012-2013 Regressão linear x : variável explanatória y : variável resposta Gráfico primeiro! Gráfico primeiro! Gráfico primeiro! Modelo linear x
Leia maisPlanejamento de Experimentos
Planejamento de Experimentos Exercício 6.17 Um pesquisador rodou uma única replicação de um plano 2 4, tendo obtido as seguintes estimativas dos efeitos: A = 76, 95, B = 67, 52, C = 7, 84 e D = 18, 73
Leia maisAula Prática 03 Estatística Experimental DELINEAMENTO QUADRADO LATINO. *Planejamento do Experimento Delineamento Quadrado Latino (DQL);
Aula Prática 03 Estatística Experimental DELINEAMENTO QUADRADO LATINO *Planejamento do Experimento Delineamento Quadrado Latino (DQL); ods rtf; title 'Planejamento do Experimento - Quadrados Latinos';
Leia maisPlanejamento de Experimentos
Planejamento de Experimentos 1 6.4 Os Modelos fatoriais 2 k : o caso geral. O modelo estatístico para um plano 2 k inclui k ( k 2 ( k ) ) efeitos principais efeitos de interação de ordem 2 efeitos de interação
Leia maisMódulo 16- Análise de Regressão
Módulo 6 Análise de Regressão Módulo 6- Análise de Regressão Situação Problema Um grupo de investidores estrangeiros deseja aumentar suas atividades no Brasil. Considerando a conjuntura econômica de moeda
Leia maisTópicos Extras 1ª parte. Testes Não Paramétricos, Análise Multivariada, Outras Técnicas
Tópicos Extras 1ª parte Testes Não Paramétricos, Análise Multivariada, Outras Técnicas 1 2 Técnicas de dependência 3 4 Situações Comparar 3 tipos de rede de computadores, C1, C2 e C3, em termos do tempo
Leia maisExame Final de Métodos Estatísticos
Exame Final de Métodos Estatísticos Data: de Junho de 26 Duração: 3h. Nome: Curso: Declaro que desisto N. Mec. Regime: As cotações deste exame encontram-se na seguinte tabela. Responda às questões utilizando
Leia maisTrabalho 5. Gustavo Mello Reis Página 1
Trabalho 5 Gustavo Mello Reis Página ) a) Uma empresa fabricante de pentes deseja melhorar seu controle de qualidade. Para isto, a empresa selecionou 5 lotes de 00 unidades. Para cada lote foram amostrados
Leia maisInstituto Tecnológico de Aeronáutica
Instituto Tecnológico de Aeronáutica Programa de Pós-Graduação em Engenharia de Infraestrutura Aeronáutica Programa de Pós-Graduação em Engenharia Aeronáutica e Mecânica Prova de Seleção o semestre de
Leia maisPREVISÃO DE TEMPERATURAS MÁXIMAS PARA PELOTAS
PREVISÃO DE TEMPERATURAS MÁXIMAS PARA PELOTAS Natalia Fedorova; Maria Helena de Carvalho; André M. Gonçalves; Eliane P. Alves; Elizabeth Signorini; Gilsane M. C. Pinheiro; Júlio R. Q. Marques; Vladair
Leia maisEFICIÊNCIA FERTILIZANTE DE ESTRUMES DE BOVINOS DE LEITE E FRANGOS DE CORTE COMO FONTE DE FÓSFORO ÀS PLANTAS. PAULO CEZAR CASSOL (Eng. Agrônomo M. Sc.
EFICIÊNCIA FERTILIZANTE DE ESTRUMES DE BOVINOS DE LEITE E FRANGOS DE CORTE COMO FONTE DE FÓSFORO ÀS PLANTAS PAULO CEZAR CASSOL (Eng. Agrônomo M. Sc.) EFICIÊNCIA FERTILIZANTE DE ESTRUMES DE BOVINOS DE
Leia maisIntegração Numérica Regras de Newton-Cotes. Computação 2º Semestre 2016/2017
Integração Numérica Regras de Newton-Cotes Computação 2º Semestre 2016/2017 Integração e Diferenciação Integração é o inverso da diferenciação: a) Diferenciação d v( t) yt dt b) Integração y( t) t 0 vt
Leia maisPara calcular o polinómio de Lagrange noutros pontos Ficheiro polagrangeval.m
Análise Numérica LEC Help 13 Interpolação Método de Lagrange Ficheiro polagrange.m Determina o polinomio interpolador de Lagrange que aproxima a tabela (x,y). c=polagrange(x,y)- determina so as coordenadas
Leia maisRegressão Linear Simples
Regressão Linear Simples Mario Andrade Lira Junior Direitos autorais reservados segundo licença Creative Commons 3.0: com Atribuição; Não Comercial; Compartilha Igual Termos importantes Tipos de variáveis
Leia maisFACULDADE DE ECONOMIA DO PORTO. Licenciatura em Economia E C O N O M E T R I A II
FACULDADE DE ECONOMIA DO PORTO Licenciatura em Economia E C O N O M E T R I A II (LEC310) NOTAS PRÉVIAS: Exame Final Época Normal 9 de Junho de 2006 1. A primeira parte da prova tem duração de 75 minutos
Leia maisANÁLISE DA RUGOSIDADE EM FUNÇÃO DO AVANÇO E VELOCIDADE DE CORTE COM E SEM O FLUIDO DE CORTE
Proceedings of the 1 st Iberic Conference on Theoretical and Experimental Mechanics and Materials / 11 th National Congress on Experimental Mechanics. Porto/Portugal 4-7 November 218. Ed. J.F. Silva Gomes.
Leia maisComputação e Programação 2009 / 2010
Computação e Programação 4ª Aula de Problemas Estruturas de selecção (if-, if-if, switch) Instituto Superior Técnico, Dep. de Engenharia Mecânica - ACCAII Problema 1 Escrevaum script quepedeaoutilizadorum
Leia maisEXERCÍCIO SOBRE TESTE T
EXERCÍCIO SOBRE TESTE T 1 Exercício Um estudo para avaliar a influência de um estímulo visual sobre a pressão sistólica em homens foi realizado com 12 indivíduos. Com os dados a seguir definir as hipóteses
Leia mais2 ou mais fatores são de interesse.
5. Experimentos Fatoriais 5.1 Definições e Princípios Básicos 2 ou mais fatores são de interesse. Experimentos Fatoriais: em cada replicação do experimento todas as combinações dos níveis de tratamento
Leia maisFaculdade de Engenharia. Transmission Lines ELECTROMAGNETIC ENGINEERING MAP TELE 2007/2008
Transmission ines EECTROMAGNETIC ENGINEERING MAP TEE 78 ast week eneral transmission line equations ( R jω)( G jωc) γ propaation constant and characteristic impedance finite transmission lines reflection
Leia maisPolynomials Prasolov
Polynomials Prasolov Theorem 1.1.1 (Rouché). Let and be polynomials, and γ a closed curve without self-intersections in the complex plane. If for all γ, then inside γ there is an equal number of roots
Leia maisEstatística Aplicada à Administração II
Estatística Aplicada à Administração II Tópico: Análise Discriminante (No SPSS e no Minitab) Bibliografia: R.A. Johnson, Applied Multivariate Statistical Analysis, Prentice Hall, 1992 L.J. Corrar; E. Paulo;
Leia maisUser-defined missing values are treated as missing. Statistics are based on all cases with valid data. VARIABLES=Ano /ORDER= ANALYSIS.
Frequencies Notes Missing Value Handling Syntax Definition of Missing Cases Used User-defined missing values are treated as missing. Statistics are based on all cases with valid data. FREQUENCIES VARIABLES=Ano
Leia maisModelos de Estrutura a Termo
Mestrado em Finanças e Economia Empresarial EPGE - FGV Derivativos Parte 12: Modelos para a Estrutura a Termo das Taxas de Juros Derivativos - Alexandre Lowenkron Pág. 1 Modelos de Estrutura a Termo Modelos
Leia maisENADE Exame Nacional de Desempenho de Estudantes. Instituições do Ensino Superior do Município de São Paulo
PONTIFÍCIA UNIVERSIDADE CATÓLICA DE SÃO PAULO PUC-SP MÉTODOS QUANTITATIVOS DE PESQUISA EMPÍRICA Prof. Dr. ARNOLDO HOYOS ENADE 9 Exame Nacional de Desempenho de Estudantes Instituições do Ensino Superior
Leia maisREGRESSÃO E CORRELAÇÃO
REGRESSÃO E CORRELAÇÃO A interpretação moderna da regressão A análise de regressão diz respeito ao estudo da dependência de uma variável, a variável dependente, em relação a uma ou mais variáveis explanatórias,
Leia maisDELINEAMENTO EM BLOCOS INCOMPLETOS BALAN CEADOS COM O NÚMERO DE VARIEDADES IGUAL AO NÚMERO DE BLOCOS (*)
DELINEAMENTO EM BLOCOS INCOMPLETOS BALAN CEADOS COM O NÚMERO DE VARIEDADES IGUAL AO NÚMERO DE BLOCOS (*) H. VAZ DE ARRUDA Engenheiro agrônomo, Seção de Técnica Experimental, Instituto Agronômico RESUMO
Leia maisUPGRADE Engineering Bulletin Dec 02
MVA Series UPGRADE Engineering Bulletin Dec 0 MVA Surface Mount High CV Vertical Chip Solvent Proof (-6V) 85 C Maximum Temperature Actual Size The MVA series is a general purpose 85 C surface mount capacitor
Leia maisEvolutionary Operation EVOP
Evolutionary Operation EVOP Projeto de Experimentos II Prof. Flávio Fogliatto 1 O que é EVOP? Método de monitoramento e melhoria contínua de processos: Objetivo é mover as condições operacionais na direção
Leia maisVOLUME DO TRONCO DE Corymbia citriodora EMPREGANDO O MÉTODO DA ALTURA RELATIVA.
1 Universidade Federal do Tocantins Campus Universitário de Gurupi Programa de Pós-Graduação em Ciências Florestais e Ambientais DAVID LUCAS CAMARGO VIEIRA TERRA VOLUME DO TRONCO DE Corymbia citriodora
Leia maisRendering Volumétrico Direto A versão resumida. Haim Levkowitz Maria Cristina F. de Oliveira Rosane Minghim
Rendering Volumétrico Direto A versão resumida Haim Levkowitz Maria Cristina F. de Oliveira Rosane Minghim Overview Rendering de superfícies vs. volumes Rendering Volumétrico Direto Ray casting Abordagens
Leia maisMATERIAL SUPLEMENTAR. Figura 1S. Espectros sobrepostos em refletância para as substâncias puras utilizadas no estudo
MATERIAL SUPLEMENTAR SiO Amido 3 8 7 6 4 Cetoprofeno 9 Sacarose Figura S. Espectros sobrepostos em refletância para as substâncias puras utilizadas no estudo..8.6 Cetoprofeno..4 SiO Amido Sacarose.4.3...9.8.7.6.
Leia maisResultados dos testes estatísticos
Resultados dos testes estatísticos Estudo da fiabilidade do instrumento para avaliação dos comportamentos e atitudes Factor Analysis Communalities Initial Extraction Item47 1,000,759 Item48 1,000,801 Item49
Leia maisAnálise da Média e Dispersão em Experimentos Fatoriais não Replicados para Otimização de Processos Industriais
Antonio Fernando de Castro Vieira Análise da Média e Dispersão em Experimentos Fatoriais não Replicados para Otimização de Processos Industriais Tese de Doutorado Tese apresentada como requisito parcial
Leia maisREGRESSÃO LOGÍSTICA E INDICADORES DE GOVERNANÇA GLOBAL
PONTIFÍCIA UNIVERSIDADE CATÓLICA DE SÃO PAULO FEA Faculdade de Economia e Administração Programa de Estudos Pós Graduados em Administração REGRESSÃO LOGÍSTICA E INDICADORES DE GOVERNANÇA GLOBAL Disciplina:
Leia maisPROVA DE EXATAS QUESTÕES EM PORTUGUÊS:
PROVA DE EXATAS QUESTÕES EM PORTUGUÊS: 1) Crie um programa (em alguma linguagem de programação que você conheça) que, dado N > 0 e uma seqüência de N números inteiros positivos, verifique se a seqüência
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 maisMÉTODOS DE ESTIMATIVA DE y PARA A FUNÇÃO DE NORMALIZAÇÃO DA DISTRIBUIÇÃO S B CARACTERÍSTICA DO SOLO ( 1 )
MÉTODOS DE ESTIMATIVA DE y E @ PARA A FUNÇÃO DE NORMALIZAÇÃO DA DISTRIBUIÇÃO S B DE CARACTERÍSTICA DO SOLO ( 1 ) VIOLETA NAGAI, Seção de Técnica Experimental e Cálculo, e JOÃO ROBERTO FERREIRA MENK ( 2
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 maisUMA PROPOSTA PARA DETERMINAR A INFLUÊNCIA DOS DADOS DE POSICIONAMENTO DOS TRENS DE POUSO NO ALINHAMENTO DIRECIONAL DE UMA AERONAVE GILSON S.
UMA PROPOSTA PARA DETERMINAR A INFLUÊNCIA DOS DADOS DE POSICIONAMENTO DOS TRENS DE POUSO NO ALINHAMENTO DIRECIONAL DE UMA AERONAVE GILSON S. GOMES 1. Instituto Tecnológico de Aeronáutica Pós- Graduação
Leia maisDIAGNÓSTICO DE MATEMÁTICA
Não esqueça de se cadastrar no site. Não utilize nenhum rascunho, deixe todas as suas anotações registradas e informe o tempo utilizado na resolução. NOME: TEL: TEMPO UTILIZADO NA RESOLUÇÃO: 1. Macey is
Leia maisASIP Conference 2007
Establishing Reliability of Inspection Interval for Structures Subjected to Fatigue Loads Maj ALBERTO W Mello, Ph.D Maj Abilio N GARCIA, Ph.D Maj Cesar DEMETRIO Santos, MSc ASIP Conference 2007 Establishing
Leia maisTeste F-parcial 1 / 16
Teste F-parcial Ingredientes A hipótese nula, H 0, define o modelo restrito. A hipótese alternativa, H a : H 0 é falsa, define o modelo irrestrito. SQR r : soma de quadrado dos resíduos associada à estimação
Leia maisAPLICAÇÃO DA ANÁLISE DE CUMEEIRA PARA A OTIMIZAÇÃO DE PROCESSOS, MODELADOS POR SUPERFÍCIES DE RESPOSTA, COM EXPERIMENTOS PLANEJADOS
APLICAÇÃO DA ANÁLISE DE CUMEEIRA PARA A OTIMIZAÇÃO DE PROCESSOS, MODELADOS POR SUPERFÍCIES DE RESPOSTA, COM EXPERIMENTOS PLANEJADOS Martin Guillermo Cornejo Sarmiento (PUC-RIO) martin.cornejo8@gmail.com
Leia maisEdenir Rodrigues Pereira Filho
Edenir Rodrigues Pereira Filho Professor Adjunto DQ-UFSCar Contatos 27/03/13 e-mail: erpf@uol.com.br ou erpf@ufscar.br Home page: http://www.ufscar.br/dq-gaia Experiência Profissional (1) Espectroanálise
Leia maisLucas de Assis Soares, Luisa Nunes Ramaldes, Taciana Toledo de Almeida Albuquerque, Neyval Costa Reis Junior. São Paulo, 2013
COMPARATIVE STUDY OF THE ATMOSPHERIC DISPERSION MODELS AND THROUGH THE ANALYSIS OF AIR QUALITY IN THE METROPOLITAN REGION OF GRANDE VITÓRIA Lucas de Assis Soares, Luisa Nunes Ramaldes, Taciana Toledo de
Leia maisTeste F-parcial 1 / 16
Teste F-parcial A hipótese nula, H 0, define o modelo restrito. Ingredientes SQR r : soma de quadrado dos resíduos sob H 0. R 2 r: coeficiente de determinação sob H 0. g: número de restrições a serem testadas
Leia mais