Formas de Apuração de Indicadores da Central de Análise da Gestão e Qualidade da Energia Elétrica da LIGHT

Tamanho: px
Começar a partir da página:

Download "Formas de Apuração de Indicadores da Central de Análise da Gestão e Qualidade da Energia Elétrica da LIGHT"

Transcrição

1 1 Formas de Apuração de Idcadores da Cetral de Aálse da Gestão e Qualdade da Eerga Elétrca da LIGHT R.P.Gomes; M. Frade (LIGHT); J. Camargo; E.F.Nues; V.H. Perera; R.Fradse; F.P.Marafão ; H.K. M.Paredes; E.K. Lua; O.C.Braquho (Expertse Egehara) Resumo - Este trabalho apreseta Formas de Apuração de Idcadores de Qualdade da Eerga Elétrca e o Sstema de Gestão deomado de CAG_Q Cetral de Aálse e Gestão da Qualdade, da LIGHT. Também apreseta os resultados do estudo para apuração dos Idcadores, cosderado formações advdas de dferetes tpos de Motores de QEE stalados as redes da cocessoára e as cabes de cletes. Tas formações são covertdas automatcamete um formato padrão, de forma a permtr a apuração automátca dos dcadores. Para o cotrole e emssão automátca de relatóros gerecas e operacoas, fo estabelecda a relação: parâmetros regulados x ecessdades reas de processos dustras sesíves. Vsado mater sob cotrole a QEE o Sstema da LIGHT, para se mater as faxas estabelecdas pelo Órgão Regulador. Tomado por base os trabalhos cas do PRODIST e os resultados de motorametos efetuados em oto dústras, sedo duas têxtes, duas almetícas, duas químcas e duas metalúrgcas. Palavras chaves - Sstema de Gestão da Qualdade da Eerga Elétrca, Idcadores de Qualdade da Eerga Elétrca. A I. INTRODUÇÃO QEE - Qualdade da Eerga Elétrca tem se torado uma preocupação crescete para cocessoáras e cosumdores de modo geral. O progressvo teresse pela QEE deve-se, prcpalmete, à evolução tecológca dos equpametos eletro-eletrôcos, hoje amplamete utlzados os segmeto dustral, comercal e também resdecal. Com o crescmeto e a vasta aplcação da eletrôca, de um modo geral, em equpametos desde eletrodoméstcos até em lhas de processos dustras automatzados, vem aumetado expressvamete a sesbldade dos equpametos em relação à QEE [1-3]. Desta forma a eerga elétrca tem dexado de ser vsta apeas como um bem gerdo e forecdo, para ser tratado como um "bem comum" ou "produto de comercalzação" etre geradoras, trasmssoras, dstrbudoras e cosumdores de eerga [4]. Estes aspectos motvaram as cocessoáras a vestrem em pesqusa e desevolvmeto, vsado melhorar a efcáca de cotrole e supervsão dos seus sstemas, promovedo a automação dos procedmetos de coleta e aálse das formações ecessára para cotrolar a qualdade do produto eerga elétrca. Neste setdo, vsado padrozar todo tpo de formação de QEE, o que cocere a coformdade da potêca, advda de qualquer tpo de motor, fo dealzada, desevolvda e mplemetada, detro do PD-48, a fgura da EAQ Estação Avaçada de Qualdade. A EAQ, que devera ser stalada uma subestação chave, mas ada mpede de ser stalada em qualquer poto, como por exemplo, um escrtóro admstratvo, recebe formações, sob qualquer tpo de mída, clusve redes sem fo, de motores de outras subestações ou da cabe de medções dos cletes, desde que estes teham motores de QEE, cadastrados o sstema. A EAQ é composta por Mcro Computador, Ferrameta Coversora de Dados, Multplexador e o Vsualzador Local. Com sto o papel da EAQ é cetralzar as formações advdas dos motores stalados uma regão ao redor do local da sua stalação, fazer a apuração dos dcadores e trasmtr os resultados para a CAG_Q. A metodologa desevolvda, a qual cosdera as regras estabelecdas pelo PRODIST [5] e os parâmetros defdos o cotrole da CAG_Q, defe que a apuração dos dcadores deve cosderar crtéros estatístcos relacoados com a totaldade das meddas e o úmero máxmo de volações permtdas. A maora dos dcadores se obtém através do cálculo de percets matemátcos dos dados coletados, utlzado a fução acumulatva de probabldades. Neste cotexto fo utlzada a técca de hstograma de observações, para apuração e cosoldação dos dcadores de QEE, para avalação frete aos lmtes estabelecdos. A aplcação deste sstema é baseada a extração das formações possíves e passves de aálse tedo como objetvo: Cofrotar os dcadores apurados com os valores de referêca tato do PRODIST, como da LIGHT, destacado os potos do Sstema da LIGHT que precsam ser avalados. A técca de hstogramas de observações também deu codções para se mplemetar rotas de aálses cotuas e automátcas, detro do Sstema de Gestão da QEE desde a tegração de pré-processameto as EAQ's, amplado a capacdade de aálse, que deu uma caracterzação mas ampla do Sstema da Cocessoára o âmbto da problemátca da QEE, permtdo que os dcadores de Dstorção Harmôca,

2 2 Desequlíbro, Flcker, VTCD's e íves de tesão em regme permaete sejam aalsados harmôca total, e a Fgura 1-b mostra como o processo de dscretzação por íves é feto. Assm a técca de hstogramas de observações permte a: Aálse e apuração dos dcadores de QEE frete ao PRODIST; Caracterzação do Sstema Gestão da QEE da LIGHT com uma ferrameta de aalse; Ferrameta auxlar para determação de dcadores e lmtes para LIGHT. II. HISTOGRAMA DE OBSERVAÇÕES Um dos problemas típcos com varáves elétrcas é verfcar se uma determada gradeza volou um lmte préfxado durate o tempo de observação. Para sso utlza-se uma técca especalmete adequada para mplemetação em computador, trata-se do hstograma de observações, que dvde o tervalo total dos valores da sere de dados (do valor mímo ao máxmo) em subtervalos de gual ampltude, deomados de classes (íves). O úmero de classes depederá da magtude do tervalo total e do úmero de classes que se deseja aalsar. As característcas de alta capacdade de compactação de formação e a facldade de automatzação do processameto, de hstogramas de observação, são essecas para a elaboração de programas de motorameto da qualdade da eerga, a partr dos ídces extraídos das gradezas elétrcas. De modo geral, exstem ormas que prevêem lmtes de varação para as gradezas elétrcas, como: flcker, tesão de regme permaete, varação de freqüêca, etre outros. Como podemos observar as ormas teracoas IEEE [7], IEC [8], etc. e o Brasl, o Sub-Módulo 2.2 dos Procedmetos de Rede [6]. Nos trabalhos cas do PRODIST [5] ão é dferete, pos a metodologa utlzada para apuração dos dcadores prevê uma aálse ao logo do tempo, para que se permta verfcar se um determado dcador fcou acma ou abaxo, durate um determado tempo de apuração volado ou ão as referêcas. Essa metodologa de apuração basea-se a poderação de uma gradeza um tervalo de apuração, verfcado se a gradeza fcou fora de determados lmtes ta% de um período de apuração. 1 ta % = tv 100 < Lm % T (1) Ode: ta % tv Lm % = 0 é a Porcetagem do tempo fora do lmte o Tempo de volação é o Lmte estabelecdo a) Regstro de Dstorção Harmôca Total (DHT). b) Dscretzação dos regstros por íves Fg. 1 Processo de dscretzação. A Fgura 2 mostra o procedmeto de amostragem do sal da Fgura 1, a escolha do tervalo de tempo que se deseja amostrar ( t) se basea em dos prcípos: 1. Freqüêca máxma que se deseja dscrmar tem um suporte o prcpo da máxma freqüêca observável: f 1 = 2 t max (2) 2. Número máxmo de amostras que se deseja obter, é o úmero máxmo de amostras resultates, em que se deseja lmtar o umero de amostras o período de observação: T N = 0 t (3) A técca de hstogramas de observações passa por um processo de classfcação de amostragem baseado o úmero de classes que se deseja ter a caracterzação da gradeza em aalse, A Fgura 1-a mostra os regstros dáros de Dstorção

3 3 Fg. 2 Dscretzação temporal (Amostragem) O que fo apresetado aterormete correspode a técca de coversão de sal de uma gradeza observada o tempo em um hstograma de observações, mostrado a Fgura 3, o que equvale a cotar o úmero de vezes em que cada ível é observado, dado como resultado o hstograma de ocorrêcas. Fg. 4 Hstograma ormalzado dos regstros. Falmete é precso a extração dos lmtes de uma determada gradeza observada, para sto utlzará a curva das freqüêcas acumulada e complemetar, como mostrado as Fguras 5 e 6. Fg. 5 Fução acumulatva de probabldades dos regstros. Fg. 3 Hstograma de observações por ível dos regstros. A Fgura 3 mostra qual a dstrbução das observações sobre os dferetes íves de dscretzação. Notar que se perdeu o vículo temporal das amostras, ou seja, ão se sabe mas quado cada amostra fo observada. Uma vez tedo o hstograma de ocorrêcas é precso ormalzar o hstograma, para obter a curva de dstrbução de freqüêcas, ou seja, as durações estatístcas dos íves da gradeza dscretzada. Como a soma do coteúdo da todas as classes deve ser gual ao úmero total de observações: = 1 = N A ormalzação do hstograma cosste em dvdr todos os valores por N, resultado: = 1 (5) = 1 N A Fgura 4 apreseta o hstograma ormalzado da Fgura 3, observe que o perfl do hstograma ão muda, o que já era esperado, somete houve alteração a escala. (4) A Fgura 5 permte verfcar e determar a soma acumulada das freqüêcas ormalzadas que produz a curva de probabldade de estar abaxo de um ível dado, FA (6) = 1 N A terpretação de estar abaxo decorre do fato de que qualquer valor de FA expressa a probabldade de uma amostra estar abaxo do ível, e, portato é uma curva de volações de lmtes mímos. No etato, a Fgura 6 é terpretada como probabldade de estar acma, e por sso é uma curva de volações de lmtes máxmos. FAC = 1 (7) FA O valor de FAC expressa a probabldade de uma amostra estar acma do ível, ou de ultrapassar o lmte.

4 pré-defda pela LIGHT. Podedo esta avalação ter duas codções: 4 Caso o Idcador seja avalado através do P95%, a QFE será classfcada como QA quado o Idcador P95% estver detro e o Idcador P97,5% estver fora da faxa dos lmtes estabelecdos pelo PRODIST. Caso o Idcador seja avalado pelo valor máxmo dos regstros do período amostrado, a QFE será classfcada como QA quado o máxmo valor regstrado estver detro da faxa dos lmtes estabelecdos pelo PRODIST. Fg. 6 Curva acumulatva complemetar dos regstros O uso da técca de hstograma de observações apreseta as segutes vatages: Automação do processameto dreto dos sas; Compactação dos dados armazeados para cada eveto; Padrozação das gradezas extraídas para aalse; Flexbldade a escolha do período de aalse; Facldade para fazer comparações estatístcas etre evetos; Facldade de terpretação dos resultados; Verfcação dreta dos lmtes mímos e máxmos. Uma outra vatagem mportate dessa abordagem é ser depedete de ormas e lmtes exstetes ou que veham a ser defdo. III. FORMA DE OBTENÇÃO DOS INDICADORES Para efeto de classfcação dos parâmetros de cotrole do CAG_Q serão utlzados três estados operatvos referete a QEE, sedo eles: Qualdade Ótma (QO): Receberá esta classfcação quado o dcador apurado estver detro dos lmtes estabelecdos pelo PRODIST, com uma folga maor que uma margem pré-defda pela LIGHT. Podedo ser avalada através de duas codções: Caso o Idcador seja avalado através do P95% - Percetl 95%, a QFE Qualdade do Forecmeto de Eerga será classfcada como QO quado o Idcador P97,5% - Percetl 97,5% estver detro da faxa dos lmtes estabelecdos pelo PRODIST. Caso o Idcador seja avalado pelo valor máxmo dos regstros do período amostrados, a QFE será classfcada como QO quado o máxmo valor regstrado estver o máxmo 20% abaxo do lmte superor e o mímo 20% acma do lmte feror da faxa dos lmtes estabelecdos pelo PRODIST. Qualdade Adequada (QA): Receberá esta classfcação quado o dcador apurado estver detro dos lmtes estabelecdos pelo PRODIST, com uma folga até uma margem Qualdade Iadequada (QI): Receberá esta classfcação quado o dcador apurado estver fora dos lmtes estabelecdos pelo PRODIST. Podedo esta avalação ter duas codções: Caso o Idcador seja avalado através do P95%, a QFE será classfcada como QI quado o Idcador P 95% estver fora da faxa dos lmtes estabelecdos pelo PRODIST. Caso o Idcador seja avalado pelo valor máxmo dos regstros do período amostrados, a QFE será classfcada como QI quado o máxmo valor regstrado estver fora da faxa dos lmtes estabelecdos pelo PRODIST. IV. INDICADORES DA QUALIDADE DA ENERGIA ELÉTRICA - VALORES DE REFERÊNCIA Dstorção Harmôca: A tabela 4.1 segur stetza os valores de referêca PRODIST para a DHTT Dstorção Harmôca Total de Tesão que são defdos em fução da tesão omal do barrameto. Tabela 4.1 Valores de Referêca para DHTT DHTT em [%] Tesão omal do barrameto Dstorção Harmôca Total de Tesão V < 1kV 10,0 1kV < V < 13,8 kv 8,0 13,8 kv < V < 69 kv 6,0 69kV < V < 138 kv 3,0 Os valores de referêca PRODIST para a DHIT Dstorção Harmôca Idvdual de Tesão também são defdos em fução da tesão omal do barrameto e estão expressos a Tabela 4.2.

5 5 Tabela 4.2 Lmtes da DHIT Dstorção Harmôca Idvdual de Tesão [%] Ordem Harmôca Impares ão múltplas de 3 Impares múltplas de 3 Pares V < 1kV V > 1KV e V < 13,8kV V > 13,8 kv e V < 69 kv V > 69 kv e V < 230 kv 5 7,5 6,0 4,5 2,5 7 6,5 5,0 4,0 2,0 11 4,5 3,5 3,0 1,5 13 4,0 3,0 2,5 1,5 17 2,5 2,0 1,5 1,0 19 2,0 1,5 1,5 1,0 23 2,0 1,5 1,5 1,0 25 2,0 1,5 1,5 1,0 >25 1,5 1,0 1,0 0,5 3 6,5 5,0 4,0 2,0 9 2,0 1,5 1,5 1,0 15 1,0 0,5 0,5 0,5 21 1,0 0,5 0,5 0,5 >21 1,0 0,5 0,5 0,5 2 2,5 2,0 0,5 1,0 4 1,5 1,0 1,0 0,5 6 1,0 0,5 0,5 0,5 8 1,0 0,5 0,5 0,5 10 1,0 0,5 0,5 0,5 12 1,0 0,5 0,5 0,5 >12 1,0 0,5 0,5 0,5 Desequlíbro de Tesão (DT): O PRODIST defu como valor de referêca 2 % para o fator de desequlíbro (FD), para todos o sstema de dstrbução, com exceção da BT. Flutuação de Tesão (FT): O PRODIST defu como valores de referêcas para Flutuação de Tesão os barrametos do Sstema de Dstrbução, os valores apotados a Tabela 4.3. Tabela 4.3 Valores de Referêca para Flutuação de Tesão Classfcação PstD95% PltD95% Adequado < 1[pu] / FT < 0,8[pu] / FT Precáro 1 a 2 [pu] / FT 0,8 a 1,6 [pu] / FT Crítco > 2 [pu] / FT > 1,6 [pu] / FT Varação de Tesão de Curta Duração VTCD: O PRODIST classfca o feômeo VTCD por tpo de duração e ampltude, coforme costa a Tabela 4.4. Tpo Sgla Classfcação Duração (D) IMT Iterrupção Mometâea de D < 3 s Tesão Varação Mometâea de Tesão Varação Temporára de Tesão Tabela 4,4 Classfcação das Varações de Tesão de Curta Duração AMT EMT ITT ATT ETT Afudameto Mometâeo de Tesão Elevação Mometâea de Tesão Iterrupção Temporára de Tesão Afudameto Temporáro de Tesão Elevação Temporára de Tesão Tesão Resdual (Tr) Tr < 0,1 pu 1 cclo < D < 3 s 0,1 pu < Tr < 0,9 pu 1 cclo < D < 3 s Tr > 1,1 pu 3 s < D < 3 m Tr < 0,1 pu 3 s < D < 3 m 0,1 pu < Tr < 0,9 pu 3 s < D < 3 m Tr > 1,1 pu Tesão em regme permaete: Os valores mostrados a Tabelas 4.5 apresetam as faxas que devem ser cosderados para defção dos íves de tesão especfcados como adequados, precáros e crítcos, em fução da tesão omal o poto de etrega. Tabela 4.5 Valores de referêca para Tesão de Atedmeto (TA) Classfcação da Faxa de Varação da Tesão de Letura (TL) em Tesão de Atedmeto Relação à Tesão Cotratada (TC) Adequada 0,93 TC < TL <1,05 TC Precára 0,90 TC < TL < 0,93 TC ou 1,05 TC < TL < 1,07 TC Crítca TL < 0,90 TC ou TL >1,07 TC V. EXEMPLOS DE RESULTADOS OBTIDOS Daramete, a partr dos dados obtdos dos motores de QEE stalados em barrameto das SE s da LIGHT e de seus cletes, são apurados os Idcadores de Dstorção Harmôca de Tesão, Desequlíbro da Tesão, Varações de Tesão em Regme Permaete e VTCD s. Fg. 7 Relatóro do dcador desequlíbro de tesão. Fg. 8 Relatóro do dcador DHTT. A Fgura 7 apreseta os valores de dcadores do Desequlíbro de Tesão. Ode se pode observar que, em termos do Idcador DT, para os das 01/02/2005 e 30/08/2005, a QFE é cosderada Adequada, e para o da 31/08/2005 sera cosderada Iadequada. Equato fgura 8 apreseta um relatóro do Idcador DHTT Dstorção Harmôca Total de Tesão, ode fo apurado que a QFE, em termos de DHTT sera cosderada ótma. A Fgura 9 apreseta valores de VTCD para o mês de dezembro de Pode-se observar que o período

6 6 motorado foram regstrados, o sstema da LIGHT, 4 tpos de VTCD, sedo que o predomate e a Iterrupção Mometâea de Tesão (IMT) com 23 ocorrêcas, correspodedo a 57,5% do total de ocorrêca de VTCD, depos temos 13 ocorrêcas de Afudameto Mometâeo de Tesão (AMT) seguda por 2 ocorrêcas de Iterrupção Temporára de Tesão (ITT) e 2 ocorrêcas de Elevação Mometâea de Tesão (EMT), correspodedo o 5% do total de ocorrêcas de VTCD. Fg. 9 Quatdade de VTCD`s ocorrdas durate um período e classfcadas por tpo. A fgura 10 apreseta um Relatóro do Idcador de Tesão em Regme Permaete para os Trafos da SE Esperaça. Note que para todas as amostras dos Trafos 5, 2 e 4 a QFE esta Ótma, equato o Trafo 3 temos mutas amostras ode a QFE é Adequada, com destaque para a Fase C que apresetou 104 amostras, e em 2 amostras com QFE Iadequada as 3 Fases. VI. CONCLUSÕES O trabalho mostrou que a partr de formações de motores de mercado, podem ser obtdos Idcadores de Qualdade da Eerga Elétrca para se fazer a Gestão da Qualdade da Eerga Elétrca. Isto fo feto a LIGHT, ode fo desevolvda, mplemetada e testada a CAG_Q Cetral de Aalse e Gestão da Qualdade. A CAG_Q corpora as aalses e gestão da QEE, para motorametos tato da LIGHT como de seus cletes. Nos cletes os motores fcam stalados jutos aos meddores de faturameto. Apesar de ada serem poucos, especalmete autoprodutores, sstema está preparado para corporar um úmero elevado de clete, desde que utlzem motores de QEE cadastrados a LIGHT. No Sstema da LIGHT, o sstema agrega formações de todos os motores de QEE exstetes em barrametos de 13, KV, como ION-3720, ION-7650 e NEXUS. A EAQ Estação Avaçada de Qualdade tem papel mportate, pos recebe formações de motores stalados um rao tão maor quato maor for o desempeho da mída de trasmssão de dados, em geral as formações vdas das dústras, podem ser trasmtdas através de rede sem fo, apura os Idcadores de QEE e eva para a CAG-Q. A metodologa apresetada para apuração dos dcadores de QEE atede tato as especfcações de Motores que atedem ao PRODIST como para qualquer outro tpo de Motor. O sstema de gestão desevolvdo pela LIGHT é totalmete ovador e é capaz de mostrar de forma atualzada e precsa as codções do Sstema Elétrco da LIGHT frete à Qualdade da Eerga Elétrca, tato por SE como por regão, permtdo que esta possa adequar seu Sstema Elétrco às ovas cofgurações do setor o Brasl. VII. REFERÊNCIAS BIBLIOGRÁFICAS [1] M.H.J. Bolle. Uderstadg Power Qualty Problems: Voltage Sags ad Iterruptos IEEE Press, [2] A. Ghosh e G. Ledwch, "Power Qualty Ehacemet usg Custom Power Devces", Kluwer Academc Publshers (Power Electrocs ad Power Systems Seres), USA, [3] R.C. Duga, M.F. McGraagha, H.W. Beaty Electrcal Power Systems Qualty McGraw-Hll, [4] F.P. Marafão, "Aálse e Cotrole da Eerga Elétrca através de Téccas de Processameto Dgtal de Sas", Tese de Doutorado, UNICAMP, Campas SP, [5] Módulo 8, Procedmetos de Dstrbução de Eerga Elétrca o Sstema Elétrco Nacoal (PRODIST, ANEEL Agêca Nacoal de Eerga Elétrca, versão atualzada agosto de [6] Módulo 2, Padrões de Desempeho da Rede Básca e Requstos Mímos Para sua Istalação, ONS Operador Nacoal do Sstema Elétrco, [7] IEEE Std IEEE Recommeded Practce for Motorg Electrc Power Qualty, New York [8] IEE Power Qualty Measuremet Methods. Fg. 10 Relatóro de tesão em regme permaete.

8 Programação linear 78

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

Leia mais

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística BAC 0 - Estatístca Uversdade Federal de Itajubá - Campus Itabra BAC0 - ESTATÍSTICA ESTATÍSTICA DESCRITIVA MEDIDAS DE CENTRO Méda Medda de cetro ecotrada pela somatóra de todos os valores de um cojuto,

Leia mais

Estatística - exestatmeddisper.doc 25/02/09

Estatística - exestatmeddisper.doc 25/02/09 Estatístca - exestatmeddsper.doc 5/0/09 Meddas de Dspersão Itrodução ão meddas estatístcas utlzadas para avalar o grau de varabldade, ou dspersão, dos valores em toro da méda. ervem para medr a represetatvdade

Leia mais

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

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

Leia mais

3 Procedimento Experimental

3 Procedimento Experimental 3 Procedmeto Expermetal 3. Sstema de medção de vazão com extesômetro A Fg. 9 mostra o sstema de medção de vazão com extesômetro, o qual fo motado o laboratóro da PUC-Ro. este sstema, duas tubulações com,5

Leia mais

5 Critérios para Análise dos Resultados

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

Leia mais

MEDIDAS DE TENDÊNCIA CENTRAL I

MEDIDAS DE TENDÊNCIA CENTRAL I Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, edca Veterára, uscoterapa, Odotologa, Pscologa EDIDAS DE TENDÊNCIA CENTRAL I 7 7. EDIDAS DE

Leia mais

Perguntas Freqüentes - Bandeiras

Perguntas Freqüentes - Bandeiras Pergutas Freqüetes - Baderas Como devo proceder para prestar as formações de quatdade e valor das trasações com cartões de pagameto, os casos em que o portador opte por lqudar a obrgação de forma parcelada

Leia mais

Construção e Análise de Gráficos

Construção e Análise de Gráficos Costrução e Aálse de Gráfcos Por que fazer gráfcos? Facldade de vsualzação de cojutos de dados Faclta a terpretação de dados Exemplos: Egehara Físca Ecooma Bologa Estatístca Y(udade y) 5 15 1 5 Tabela

Leia mais

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento. Prof. Lorí Val, Dr. val@pucrs.r http://www.pucrs.r/famat/val/ Em mutas stuações duas ou mas varáves estão relacoadas e surge etão a ecessdade de determar a atureza deste relacoameto. A aálse de regressão

Leia mais

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS ANÁLISE DE ERROS A oservação de um feómeo físco ão é completa se ão pudermos quatfcá-lo. Para é sso é ecessáro medr uma propredade físca. O processo de medda cosste em atrur um úmero a uma propredade físca;

Leia mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental.

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental. É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou Prof. Lorí Val, Dr. val@mat.ufrgs.r http://www.mat.ufrgs.r/~val/ expermetal. Numa relação expermetal os valores de uma das varáves

Leia mais

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12 MEDIDAS DE POSIÇÃO: São meddas que possbltam represetar resumdamete um cojuto de dados relatvos à observação de um determado feômeo, pos oretam quato à posção da dstrbução o exo dos, permtdo a comparação

Leia mais

Tabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f

Tabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f Lsta de exercícos Gabarto e chave de respostas Estatístca Prof.: Nelse 1) Calcule 1, e para o segute cojuto de valores. A,1,8,0,11,,7,8,6,,9, 1 O úmero que correspode a 5% do rol é o valor. O úmero que

Leia mais

Difusão entre Dois Compartimentos

Difusão entre Dois Compartimentos 59087 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 4 Dfusão etre Dos Compartmetos A le de Fck para membraas (equação 4 da aula passada) mplca que a permeabldade de uma membraa a um soluto é dada pela razão

Leia mais

Controle Estatístico de Qualidade. Capítulo 6 (montgomery)

Controle Estatístico de Qualidade. Capítulo 6 (montgomery) Cotrole Estatístco de Qualdade Capítulo 6 (motgomery) Gráfcos de Cotrole para Atrbutos Itrodução Mutas característcas da qualdade ão podem ser represetadas umercamete. Nestes casos, classfcamos cada tem

Leia mais

Cap. 5. Testes de Hipóteses

Cap. 5. Testes de Hipóteses Cap. 5. Testes de Hpóteses Neste capítulo será estudado o segudo problema da ferêca estatístca: o teste de hpóteses. Um teste de hpóteses cosste em verfcar, a partr das observações de uma amostra, se uma

Leia mais

Prof. Janete Pereira Amador 1

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

Leia mais

Avaliação da qualidade do ajuste

Avaliação da qualidade do ajuste Avalação da qualdade do ajuste 1 Alguma termologa: Modelo ulo: é o modelo mas smples que pode ser defdo, cotedo um úco parâmetro ( µ) comum a todos os dados; Modelo saturado: é o modelo mas complexo a

Leia mais

2.0 - MODELAGEM DA CARGA

2.0 - MODELAGEM DA CARGA GAT-23 2 a 26 de ubro de 2 Campas - São Paulo - Brasl G R U P O I V GRUPO DE ESTUDO DE ANÁLISE E TÉCNICAS DE SISTEMAS DE POTÊNCIA GAT RESERVA DE POTÊNCIA OPERATIVA - UMA METODOLOGIA DE TRANSIÇÃO A. A.

Leia mais

Total Bom Ruim Masculino

Total Bom Ruim Masculino UNIDADE I - ESTUDO DIRIGIDO Questão - Classfque as varáves em qualtatva (omal ou ordal ou quattatva (cotíua ou dscreta: a. População: aluos de uma Uversdade. Varável: cor dos cabelos (louro, castaho, ruvo,

Leia mais

MÓDULO 8 REVISÃO REVISÃO MÓDULO 1

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

Leia mais

Estabilidade no Domínio da Freqüência

Estabilidade no Domínio da Freqüência Establdade o Domío da Freqüêca Itrodução; apeameto de Cotoros o Plao s; Crtéro de Nyqust; Establdade Relatva; Crtéro de Desempeho o Domío do Tempo Especfcado o Domío da Freqüêca; Bada Passate de Sstema;

Leia mais

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População ESTATÍSTICA STICA DESCRITIVA Prof. Lorí Val, Dr. val@mat.ufrgs.br http://.ufrgs.br/~val/ Orgazação; Resumo; Apresetação. Cojuto de dados: Amostra ou População Um cojuto de dados é resumdo de acordo com

Leia mais

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø.

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø. Professor Maurco Lutz 1 EGESSÃO LINEA SIMPLES A correlação lear é uma correlação etre duas varáves, cujo gráfco aproma-se de uma lha. O gráfco cartesao que represeta essa lha é deomado dagrama de dspersão.

Leia mais

Atividades Práticas Supervisionadas (APS)

Atividades Práticas Supervisionadas (APS) Uversdade Tecológca Federal do Paraá Prof: Lauro Cesar Galvão Campus Curtba Departameto Acadêmco de Matemátca Cálculo Numérco Etrega: juto com a a parcal DATA DE ENTREGA: da da a PROVA (em sala de aula

Leia mais

TESTES DE PROPORÇÕES TESTE DE UMA PROPORÇÃO POPULACIONAL

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

Leia mais

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

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

Leia mais

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados 3.1. Meddas de Tedêca Cetral CAPÍTULO 3 MEDIDA DE TENDÊNCIA CENTRAL E VARIABILIDADE UFRG 1 Há váras meddas de tedêca cetral. Etre elas ctamos a méda artmétca, a medaa, a méda harmôca, etc. Cada uma dessas

Leia mais

INTELIGÊNCIA COMPUTACIONAL APLICADA NA IDENTIFICAÇÃO E CLASSIFICAÇÃO DE PROBLEMAS DE MEDIÇÃO DE ENERGIA ELÉTRICA

INTELIGÊNCIA COMPUTACIONAL APLICADA NA IDENTIFICAÇÃO E CLASSIFICAÇÃO DE PROBLEMAS DE MEDIÇÃO DE ENERGIA ELÉTRICA INTELIGÊNCIA COMPUTACIONAL APLICADA NA IDENTIFICAÇÃO E CLASSIFICAÇÃO DE PROBLEMAS DE MEDIÇÃO DE ENERGIA ELÉTRICA Adré Nues de Souza, Lucas Imazum Perera, Mara Gorett Zago, Pedro da Costa Juor 4, João Paulo

Leia mais

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão

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

Leia mais

ESTIMATIVA DA INCERTEZA DE MEDIÇÃO DE MÉTODOS ANALÍTICOS

ESTIMATIVA DA INCERTEZA DE MEDIÇÃO DE MÉTODOS ANALÍTICOS 1/15 1. CAMPO DE APLICAÇÃO 1.1. Este procedmeto se aplca aos laboratóros de cotrole de qualdade.. OBJETIVO.1. Defr a capacdade de medção para cada método aalítco.. DOCUMENTOS COMPLEMENTARES.1. Valdação

Leia mais

Apêndice 1-Tratamento de dados

Apêndice 1-Tratamento de dados Apêdce 1-Tratameto de dados A faldade deste apêdce é formar algus procedmetos que serão adotados ao logo do curso o que dz respeto ao tratameto de dados epermetas. erão abordados suctamete a propagação

Leia mais

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD Dstrbuções Amostras Estatístca 8 - Dstrbuções Amostras 08- Dstrbuções Amostras Dstrbução Amostral de Objetvo: Estudar a dstrbução da população costtuída de todos os valores que se pode obter para, em fução

Leia mais

Ex: Cálculo da média dos pesos dos terneiros da fazenda Canoas-SC, à partir dos dados originais: x = 20

Ex: Cálculo da média dos pesos dos terneiros da fazenda Canoas-SC, à partir dos dados originais: x = 20 . MEDIDAS DE TENDÊNCIA CENTRAL (OU DE POSIÇÃO) Coceto: São aquelas que mostram o alor em toro do qual se agrupam as obserações.. MÉDIA ARITMÉTICA ( ) Sea (x, x,..., x ), uma amostra de dados: Se os dados

Leia mais

Caracterização de Partículas. Prof. Gerônimo

Caracterização de Partículas. Prof. Gerônimo Caracterzação de Partículas Prof. Gerômo Aálse Graulométrca de partículas Tabela: Sére Padrão Tyler Mesh Abertura Lvre (cm) âmetro do fo () 2 ½ 0,7925 0,088 0,6680 0,070 ½ 0,56 0,065 4 0,4699 0,065

Leia mais

Instituto Politécnico de Bragança Escola Superior de Tecnologia e de Gestão

Instituto Politécnico de Bragança Escola Superior de Tecnologia e de Gestão Isttuto oltécco de Bragaça Escola Superor de ecologa e de Gestão 2º Ao de Egehara Electrotécca Istrumetação Electróca e Meddas Exame (ª Chamada) 2 de Juho de 200 SUGESÃO DE RESOLUÇÃO ) retede-se vsualzar,

Leia mais

6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS

6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS 7 6 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS A medção dreta é aquela cuja dcação resulta aturalmete da aplcação do sstema de medção sobre o mesurado Há apeas uma gradeza de etrada evolvda

Leia mais

Conceitos básicos de metrologia. Prof. Dr. Evandro Leonardo Silva Teixeira Faculdade UnB Gama

Conceitos básicos de metrologia. Prof. Dr. Evandro Leonardo Silva Teixeira Faculdade UnB Gama Prof. Dr. Evadro Leoardo Slva Teera Faculdade UB Gama Metrologa: Cêca que abrage os aspectos teórcos e prátcos relatvos a medção; Descreve os procedmetos e métodos para determar as certezas de medções;

Leia mais

Distribuições de Probabilidades

Distribuições de Probabilidades Estatístca - aulasestdstrnormal.doc 0/05/06 Dstrbuções de Probabldades Estudamos aterormete as dstrbuções de freqüêcas de amostras. Estudaremos, agora, as dstrbuções de probabldades de populações. A dstrbução

Leia mais

Requisitos metrológicos de instrumentos de pesagem de funcionamento não automático

Requisitos metrológicos de instrumentos de pesagem de funcionamento não automático Requstos metrológcos de strumetos de pesagem de fucoameto ão automátco 1. Geeraldades As balaças estão assocadas de uma forma drecta à produção do betão e ao cotrolo da qualdade do mesmo. Se são as balaças

Leia mais

Confiabilidade Estrutural

Confiabilidade Estrutural Professor Uversdade de Brasíla Departameto de Egehara Mecâca Programa de Pós graduação em Itegrdade Estrutural Algortmo para a Estmatva do Idce de Cofabldade de Hasofer-Ld Cofabldade Estrutural Jorge Luz

Leia mais

Macroeconometria Aula 3 Revisão de estatística e teste de hipótese

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

Leia mais

2 Procedimentos para Ajuste e Tratamento Estatístico de Dados Experimentais

2 Procedimentos para Ajuste e Tratamento Estatístico de Dados Experimentais 48 Procedmetos para Ajuste e Tratameto Estatístco de Dados Expermetas. Itrodução Modelos matemátcos desevolvdos para descrever eômeos íscos a partr de observações expermetas devem ser baseados em dados

Leia mais

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1.

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1. Iterpolação Iterpolação é um método que permte costrur um ovo cojuto de dados a partr de um cojuto dscreto de dados potuas cohecdos. Em egehara e cêcas, dspõese habtualmete de dados potuas, obtdos a partr

Leia mais

7 Análise de covariância (ANCOVA)

7 Análise de covariância (ANCOVA) Plejameto de Expermetos II - Adlso dos Ajos 74 7 Aálse de covarâca (ANCOVA) 7.1 Itrodução Em algus expermetos, pode ser muto dfícl e até mpossível obter udades expermetas semelhtes. Por exemplo, pode-se

Leia mais

Projeto de rede na cadeia de suprimentos

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

Leia mais

Econometria: 3 - Regressão Múltipla

Econometria: 3 - Regressão Múltipla Ecoometra: 3 - Regressão Múltpla Prof. Marcelo C. Mederos mcm@eco.puc-ro.br Prof. Marco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo de regressão

Leia mais

UNIVERSIDADE FEDERAL DO PARANÁ WYRLLEN EVERSON DE SOUZA

UNIVERSIDADE FEDERAL DO PARANÁ WYRLLEN EVERSON DE SOUZA UNIVERSIDADE FEDERAL DO PARANÁ WYRLLEN EVERSON DE SOUZA ANÁLISE DAS DISTORÇÕES HARMÔNICAS DE TENSÃO A PARTIR DE CARACTERÍSTICAS DOS TRANSFORMADORES E DE DADOS DE CONSUMO CURITIBA 008 WYRLLEN EVERSON DE

Leia mais

ÍNDICE DE TERMOS: MOTOR DEDICADO, PADRONIZAÇÃO;

ÍNDICE DE TERMOS: MOTOR DEDICADO, PADRONIZAÇÃO; Aplcação de Motores de Méda esão dedcados acoados por versor de frequêca e utlzação de um úco projeto em dferetes solctações de carga. Gleuber Helder Perera Rodrgues Esp. Eg. WEG Brasl gleuber@weg.et Alex

Leia mais

Estatística. 2 - Estatística Descritiva

Estatística. 2 - Estatística Descritiva Estatístca - Estatístca Descrtva UNESP FEG DPD Prof. Edgard - 0 0- ESTATÍSTICA DESCRITIVA Possblta descrever as Varáves: DESCRIÇÃO GRÁFICA MEDIDAS DE POSIÇÃO MEDIDAS DE DISPERSÃO MEDIDAS DE ASSIMETRIA

Leia mais

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA REGRESSÃO LINEAR CUIABÁ, MT 6/ INTRODUÇÃO Relação dos valores da varável depedete (varável resposta) aos valores de regressoras ou exógeas). SIMPLES MÚLTIPLA (varáves depedetes,... =,,, K=,,, k em que:

Leia mais

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

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

Leia mais

3 Teoria de Microestrutura de Mercado

3 Teoria de Microestrutura de Mercado 3 Teora de Mcroestrutura de Mercado 3. Itrodução A aálse das mcroestruturas de mercado estuda a estrutura sttucoal, a qual as trasações evolvedo atvos faceros são, efetvamete, cocluídas. Na grade maora

Leia mais

ESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA

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

Leia mais

? Isso é, d i= ( x i. . Percebeu que

? Isso é, d i= ( x i. . Percebeu que Estatístca - Desvo Padrão e Varâca Preparado pelo Prof. Atoo Sales,00 Supoha que tehamos acompahado as otas de quatro aluos, com méda 6,0. Aluo A: 4,0; 6,0; 8,0; méda 6,0 Aluo B:,0; 8,0; 8,0; méda 6,0

Leia mais

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

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

Leia mais

RACIOCÍNIO LÓGICO / ESTATÍSTICA LISTA 2 RESUMO TEÓRICO

RACIOCÍNIO LÓGICO / ESTATÍSTICA LISTA 2 RESUMO TEÓRICO RACIOCÍIO LÓGICO - Zé Carlos RACIOCÍIO LÓGICO / ESTATÍSTICA LISTA RESUMO TEÓRICO I. Cocetos Icas. O desvo médo (DM), é a méda artmétca dos desvos de cada dado da amostra em toro do valor médo, sto é x

Leia mais

Correção das Instruções de Operação , , ,

Correção das Instruções de Operação , , , Tecologa do Acoameto \ Automação \ Sstemas Itegrados \ Servce Correção das Istruções de Operação 19701, 197809, 197600, 197400 Sstema de acoameto mecatrôco MOVIGEAR MGF..4/XT Versão torque elevado Edção

Leia mais

Arquitetura da ART Controle 1 Controle 2

Arquitetura da ART Controle 1 Controle 2 Teora de Ressoâca Adaptatva - ART Arqutetura da ART Cotrole Cotrole 2 Desevolvda por Carpeter e Grossberg como uma alteratva para resolver o dlema establdade-plastcdade (rede ão aprede ovos padrões). Realme

Leia mais

Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira INEP Ministério da Educação MEC. Índice Geral de Cursos (IGC)

Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira INEP Ministério da Educação MEC. Índice Geral de Cursos (IGC) Isttuto Nacoal de Estudos e Pesqusas Educacoas Aíso exera INEP stéro da Educação EC Ídce Geral de Cursos (IGC) O Ídce Geral de Cursos (IGC) é ua éda poderada dos cocetos dos cursos de graduação e pós-graduação

Leia mais

MEDIDAS DE DISPERSÃO 9. MEDIDAS DE DISPERSÃO

MEDIDAS DE DISPERSÃO 9. MEDIDAS DE DISPERSÃO Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, Medca Veterára, Muscoterapa, Odotologa, Pscologa MEDIDAS DE DISPERSÃO 9 9. MEDIDAS DE DISPERSÃO

Leia mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou expermetal. Numa relação expermetal os valores de uma das varáves

Leia mais

9 Medidas Descritivas

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

Leia mais

Momento Linear duma partícula

Momento Linear duma partícula umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - Mometo lear de uma partícula e de um sstema de partículas. - Le fudametal da dâmca para um sstema de partículas. - Impulso

Leia mais

(c) Para essa nova condição de operação, esboce o gráfico da variação da corrente no tempo.

(c) Para essa nova condição de operação, esboce o gráfico da variação da corrente no tempo. CONVERSÃO ELETROMECÂNICA DE ENERGIA Lsta de exercícos sobre crcutos magétcos Questão A fgura 1(a mostra um acoador projetado para produzr força magétca. O mesmo possu um úcleo em forma de um C e uma armadura

Leia mais

II OCORRÊNCIA DE METANO NO EFLUENTE DE REATORES UASBs E SUA DISSIPAÇÃO EM CAIXA DE DISTRIBUIÇÃO DE VAZÃO DE ETE OPERANDO EM PLENA ESCALA

II OCORRÊNCIA DE METANO NO EFLUENTE DE REATORES UASBs E SUA DISSIPAÇÃO EM CAIXA DE DISTRIBUIÇÃO DE VAZÃO DE ETE OPERANDO EM PLENA ESCALA II-2 - OCORRÊNCIA DE METANO NO EFLUENTE DE REATORES UASBs E SUA DISSIPAÇÃO EM CAIXA DE DISTRIBUIÇÃO DE VAZÃO DE ETE OPERANDO EM PLENA ESCALA Bruo Sde da Slva () Egehero Satarsta e Ambetal graduado pela

Leia mais

Estatística: uma definição

Estatística: uma definição Prof. Lorí Val, Dr. - val@pucrs.br http://www.pucrs.br/famat/val/ Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Estatístca: uma defção Coleç Coleção de ú úmeros estatí estatístcas O ú ú mero

Leia mais

3 Fundamentação Teórica

3 Fundamentação Teórica 3 Fudametação Teórca A segur são apresetados os fudametos teórcos os quas é embasado o desevolvmeto do trabalho. 3.. Espectros de Resposta De acordo com Sampao [3], é descrta a resposta máxma de um osclador

Leia mais

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

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

Leia mais

( ) ( IV ) n ( ) Escolha a alternativa correta: A. III, II, I, IV. B. II, III, I, IV. C. IV, III, I, II. D. IV, II, I, III. E. Nenhuma das anteriores.

( ) ( IV ) n ( ) Escolha a alternativa correta: A. III, II, I, IV. B. II, III, I, IV. C. IV, III, I, II. D. IV, II, I, III. E. Nenhuma das anteriores. Prova de Estatístca Epermetal Istruções geras. Esta prova é composta de 0 questões de múltpla escolha a respeto dos cocetos báscos de estatístca epermetal, baseada os lvros BANZATTO, A.D. e KRONKA, S.N.

Leia mais

50 Logo, Número de erros de impressão

50 Logo, Número de erros de impressão Capítulo 3 Problema. (a) Sedo o úmero médo de erros por pága, tem-se: 5 + + 3 + 3 + 4 33,66 5 5 Represetado o úmero medao de erros por md, tem-se, pela ordeação dos valores observados, que os valores de

Leia mais

HIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia

HIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia Aálse estatístca aplcada à hdrologa. Séres hdrológcas oções complemetares HIDROLOGIA E RECURSOS HÍDRICOS Aálse estatístca aplcada à hdrologa O Egehero HIDRÁULICO Echerá? Que população pode abastecer e

Leia mais

Probabilidades e Estatística

Probabilidades e Estatística Departameto de Matemátca robabldades e Estatístca LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmb, MEBol, MEEC, MEMec 2 o semestre 20/202 2 o Teste B 08/06/202 :00 Duração: hora e 30 mutos Justfque coveetemete

Leia mais

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados Capítulo : Ajuste de curvas pelo método dos mímos quadrados. agrama de dspersão No capítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas por uma taela de valores. Frequetemete o etato

Leia mais

16/03/2014. IV. Juros: taxa efetiva, equivalente e proporcional. IV.1 Taxa efetiva. IV.2 Taxas proporcionais. Definição:

16/03/2014. IV. Juros: taxa efetiva, equivalente e proporcional. IV.1 Taxa efetiva. IV.2 Taxas proporcionais. Definição: 6// IV. Juros: taxa efetva, equvalete e proporcoal Matemátca Facera Aplcada ao Mercado Facero e de Captas Professor Roaldo Távora IV. Taxa efetva Defção: É a taxa de juros em que a udade referecal de seu

Leia mais

REGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi

REGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi REGESD Prolc Matemátca e Realdade- Profª Suz Samá Pto e Profº Alessadro da Slva Saad Meddas de Posção ou Tedêca Cetral As meddas de posção ou meddas de tedêca cetral dcam um valor que melhor represeta

Leia mais

A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: enchentes

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

Leia mais

A PROGRAMAÇÃO LINEAR FUZZY EM PROBLEMAS DE MISTURA

A PROGRAMAÇÃO LINEAR FUZZY EM PROBLEMAS DE MISTURA Pesqusa Operacoal a Socedade: Educação, Meo Ambete e Desevolvmeto a 5/09/06 Goâa, GO A PROGRAMAÇÃO LINEAR FUZZY EM PROBLEMAS DE MISTURA Adre Gadolpho Uversdade Católca de Petrópols alvesga@gbl.com.br Rcardo

Leia mais

Computação das Medidas de Tendência Central e Dispersão Intervalares em Java

Computação das Medidas de Tendência Central e Dispersão Intervalares em Java V ERMAC-R o Ecotro Regoal de Matemátca Aplcada e Computacoal 9- de outubro de 00 Uersdade Potguar Natal/RN Computação das Meddas de Tedêca Cetral e Dspersão Iteralares em Jaa Laís M. Nees, Elaqum L. S.

Leia mais

Regressão. Pedro Paulo Balestrassi

Regressão. Pedro Paulo Balestrassi Regressão Pedro Paulo Balestrass www.pedro.ufe.edu.br ppbalestrass@gmal.com 5-696 / 88776958 (cel) Questoametos comus: Como mplemetar a equação Y=f(X) a partr de dados hstórcos ou epermetas? Como fazer

Leia mais

PERFORMANCE ANALYSIS OF LOAD MODELLING STRATEGIES FOR HARMONIC DISTORTION SHARING

PERFORMANCE ANALYSIS OF LOAD MODELLING STRATEGIES FOR HARMONIC DISTORTION SHARING ANÁLISE DE DESEMPENHO DAS PRINCIPAIS ESTRATÉGIAS DE MODELAGEM DE CARGAS PARA OS ESTUDOS DO COMPARTILHAMENTO DAS RESPONSABILIDADES SOBRE AS DISTORÇÕES HARMÔNICAS Ferada He da Costa Iva Nues Satos José Carlos

Leia mais

Probabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ

Probabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ Duração: 90 mutos Grupo I Probabldades e Estatístca LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBol, MEBom, MEEC, MEFT, MEMec, MEQ Justfque coveetemete todas as respostas 1 o semestre 018/019 10/01/019 09:00 o

Leia mais

Centro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola

Centro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola Cetro de Cêcas Agráras e Ambetas da UFBA Departameto de Egehara Agrícola Dscpla: AGR Boestatístca Professor: Celso Luz Borges de Olvera Assuto: Estatístca TEMA: Somatóro RESUMO E NOTAS DA AULA Nº 0 Seja

Leia mais

CAPITULO 1 CONCEITOS BÁSICOS

CAPITULO 1 CONCEITOS BÁSICOS DISCIPLIA: ESTATÍSTICA PROFESSOR: JOSELIAS SATOS DA SILVA - joselas@uol.com.br ÍDICE CAPITULO 1 COCEITOS BÁSICOS... 3 1.1 ESTATÍSTICA... 3 1. ESTATÍSTICA DESCRITIVA... 3 1.3 ESTATÍSTICA IFERECIAL... 3

Leia mais

d s F = m dt Trabalho Trabalho

d s F = m dt Trabalho Trabalho 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 Trabalho 1. Itrodução

Leia mais

CRA (Certificado de Recebíveis do Agronegócio) Guia para elaboração dos fluxos de pagamentos Data: 18/01/18

CRA (Certificado de Recebíveis do Agronegócio) Guia para elaboração dos fluxos de pagamentos Data: 18/01/18 CRA (Certfcado de Recebíves do Agroegóco) Gua para elaboração dos fluxos de pagametos Data: 18/01/18 Sumáro 1. OBJETIVO... 3 2. MONTAGEM DOS FLUXOS... 4 3. NOTAS... 24 4. REFERÊNCIA... 24 2 1. Objetvo

Leia mais

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

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

Leia mais

MAE0229 Introdução à Probabilidade e Estatística II

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

Leia mais

Oitava Lista de Exercícios

Oitava Lista de Exercícios Uversdade Federal Rural de Perambuco Dscpla: Matemátca Dscreta I Professor: Pablo Azevedo Sampao Semestre: 07 Otava Lsta de Exercícos Lsta sobre defções dutvas (recursvas) e prova por dução Esta lsta fo

Leia mais

Revisão de Estatística X = X n

Revisão de Estatística X = X n Revsão de Estatístca MÉDIA É medda de tedêca cetral mas comumete usada ara descrever resumdamete uma dstrbução de freqüêca. MÉDIA ARIMÉTICA SIMPLES São utlzados os valores do cojuto com esos guas. + +...

Leia mais

( ) Editora Ferreira - Toque de Mestre. Olá Amigos!

( ) Editora Ferreira - Toque de Mestre. Olá Amigos! Olá Amgos! Hoje coloco à dsposção de vocês aqu a seção Toque de Mestre da Edtora Ferrera (www.edtoraferrera.com.br) as questões de Matemátca Facera cobradas o últmo cocurso da axa Ecoômca Federal (EF),

Leia mais

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

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

Leia mais

Regressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança

Regressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança Regressão Smples Parte III: Coefcete de determação, regressão a orgem e método de máxma verossmlhaça Coefcete de determação Proporção da varabldade explcada pelo regressor. R Varação explcada Varação total

Leia mais

Estágio de Pré-Processamento Combinado com Rede Neural Aplicada a Classificação de Distúrbios de Qualidade de Energia Elétric em Sinais Janelados

Estágio de Pré-Processamento Combinado com Rede Neural Aplicada a Classificação de Distúrbios de Qualidade de Energia Elétric em Sinais Janelados Estágo de Pré-Processameto Combado com Rede eural Aplcada a Classfcação de Dstúrbos de Qualdade de Eerga Elétrc em Sas Jaelados Fábbo A S Borges, Rcardo A S Ferades e Iva da Slva Escola de Egehara de São

Leia mais

4 Métodos de Estimação da Entropia e da Informação Mútua

4 Métodos de Estimação da Entropia e da Informação Mútua 4 Métodos de Estmação da Etropa e da Iformação Mútua A estmação da etropa e da formação mútua, evolvedo apeas varáves aleatóras dscretas, é smples, com aplcação dreta da defção de Shao. No etato, quado

Leia mais

Introdução à Estatística

Introdução à Estatística Itrodução à Estatístca Júlo Cesar de C. Balero Estatístca É a cêca que se preocupa com: () Orgazação; () Descrção; () Aálses; (v) Iterpretações. Estatístca Descrtva Estatístca Idutva ou Estatístca Ierecal

Leia mais

Centro de massa, momento linear de sistemas de partículas e colisões

Centro de massa, momento linear de sistemas de partículas e colisões Cetro de massa, mometo lear de sstemas de partículas e colsões Prof. Luís C. Pera stemas de partículas No estudo que temos vdo a fazer tratámos os objectos, como, por exemplo, blocos de madera, automóves,

Leia mais

Organização; Resumo; Apresentação.

Organização; Resumo; Apresentação. Prof. Lorí Val, Dr. val@ufrgs.br http://www.ufrgs.br/~val/ Grade Cojutos de Dados Orgazação; Resumo; Apresetação. Amostra ou População Defetos em uma lha de produção Lascado Deseho Torto Deseho Torto Lascado

Leia mais

Monitoramento ou Inventário Florestal Contínuo

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

Leia mais