Aula 03 Erros experimentais Incerteza. Aula 03 Prof. Valner Brusamarello

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamanho: px
Começar a partir da página:

Download "Aula 03 Erros experimentais Incerteza. Aula 03 Prof. Valner Brusamarello"

Transcrição

1 Aula 03 Erros epermentas Incerteza Aula 03 Prof. Valner Brusamarello

2 Incerteza Combnada Efeto da Incerteza sobre = f ± u, ± u, L, ± u, L ( ) 1 1 Epansão em Sére de Talor: k k L f = f 1,, 3, + ± uk + L,,, k k 1 3 f( 1,,...) ( ) ( ) L u c k u c Varação em ncerteza u k

3 Análse de Incertezas Eemplo: Suponha que medmos a corrente (I) e a resstênca (R) de um resstor. Pela le de Ohm: V = IR Se nós conhecemos as ncertezas (ou desvos padrões) em I e R,qual a ncerteza em V? Mas formalmente, dada uma relação funconal entre algumas varáves (,, z), Q=f(,, z) Qual é a ncerteza em conhecendo as ncertezas em,, e z? Geralmente consderamos a ncerteza padrão em, e escrevemos: ±s. Na maora dos casos assummos a ncerteza Gaussana e como vsto anterormente, 68% das vezes, esperamos que o valor de esteja no ntervalo [-s, +s]. Nem todas as meddas podem ser representadas por dstrbuções Gaussanas! Para calcular a a varânca de Q como função das varâncas em e, então usamos: Q Q σ Q = σ + σ + σ Q Q

4 Análse de Incertezas Se as varáves e não são correlaconadas, então σ = 0 e o últmo termo na equação anteror é zero. Podemos deduzr essa equação da sequnte manera: Assumndo que temos algumas quantdades meddas (1,...N) e (1,,...N). As médas de e : N 1 1 = e = N = 1 N = 1 Q f (, ) defna: Q f (, ) avalada nos valores médos epandndo Q sobre estes valores médos: N Q Q Q = Q(, ) + ( ) ( ) + termos de ordens altas +,, assumndo que os valores meddos encontram-se prómos das médas, e desprezando termos de ordens mas elevadas:

5 á Análse de Incertezas + = N Q Q Q Q Q Q,, ) ( 1 ) ( ) ( = + + = = N N N Q Q Q N Q N Q N Q Q N 1 ) )( ( ) ( 1 ) ( 1 ) ( σ = = = = + + = N N Q Q Q Q N N N 1 1, 1,, 1, ) )( ( σ σ Se as meddas não são correlaconadas o últmo termo na equação acma é zero:,,,, Q Q Uma vez que as dervadas são avaladas nas médas (, ), podemos trá-las da soma,, Q Q Q σ σ σ + = Meddas não correlaconados

6 Análse de Incertezas Se e são correlaconados, defnmos σ como: N σ ) )( 1 ( Q Q Q Q Q N σ σ σ σ σ 1 ) )( ( + + = = = Eemplo: Potênca em um crcuto elétrco. Q,,,, P = I R Faça I = 1.0 ± 0.1 A e R = 10. ± 1.0 Ω P = 10 W Calcule a varânca na potênca usando a propagação de ncertezas d I R ã ã l d assumndoquei e R não sãocorrelaconados σ P = σ I P I +σ R P R = σ I (IR) +σ R (I ) = (0.1) ( 1 10) + (1) (1 ) = 5 watts P I I I=1 R R R=10 I ( ) R ( ) ( ) ( ) ( ) ( )

7 Análse de Incertezas P = 10± watts Se o valor verdadero da potêca for de 10 W e nós medrmos a mesma com Se o valor verdadero da potêca for de 10 W e nós medrmos a mesma com uma ncerteza padrão (s) de ± W, consderando uma dstrbução Gaussana, então 68% das meddas fcará dentro do ntervalo [8,1] W Podemos anda, fazer o cálculo anteror com erros relatvos: 1) (4 1) ( P P R I R I P σ σ σ σ σ Observe que se a corrente for medda com mas precsão, a ncerteza na potênca ca mas rapdamente 1) (4 (0.1) = + = + = + = R I R P I P P R I R I P ncerteza na potênca ca mas rapdamente. Pode-se mostrar que em uma função do tpo: f(,,z)= a b z c, a varânca relatva de f(,,z) é: f(,, ) c b a σ σ σ σ + + = z c b a f z f σ σ σ σ

8 Análse de Incertezas O desvo na méda A méda de algumas meddas com a mesma ncerteza (σ) é dada por: = 1 ( n ) n σ = σ σ +...σ = σ 1 n n n +σ 1 n +...σ 1 n = nσ 1 n σ = σ n desvo padrão na méda ou ncerteza padrão A precsão aumenta com a raz quadrada do número de epermentos. Não confunda σ com σ! σ está relaconado com a largura da função densdade probabldade ( e.: Gaussana) da qual as meddas são orgnadas. σ não dmnu quando se aumenta o número de elementos.

9 Incertezas combnadas Depos do procedmento matemátco, das smplfcações e consderações, pode-se obter a epressão para a ncerteza padrão na grandeza G : σ G G G G = σ + σ + σ z z +... Esta equação permte calcular a ncerteza mas provável da grandeza G em função das ncertezas de cada uma das varáves, das quas a mesma é dependente.

10 Combnação das Incertezas Relatvas z w = ) ( u u u u w z c ) ( + + = w z u w z c

11 Propagação de Incertezas Todas as grandezas físcas,,quando meddas devem ser representadas por um valor numérco, uma ncerteza e uma undade (se a grandeza não for admensonal). Eemplo: temperatura ndcada no panel de um forno : 700 C C. A epressão grandeza físca mplca na determnação de um número que representa a grandeza e tem pouco valor caso não seja conhecda a ncerteza correspondente. Assm, no caso da temperatura do forno, consderando a precsão do sensor de temperatura, do nstrumento de ndcação e dos cabos poder-se-a chegar a uma nformação do tpo: ( 700 ± 5) o C Onde o valor 700 ndca a grandeza nomnal medda ou estmada e o valor 5 a ncerteza (em ºC) relaconada a esta medda.

12 Propagação de Incertezas Um ar condconado d de BTU tem uma tensão elétrca medda de E = ( 0 ± 10) V e corrente I = ( 6± 1) A.Pretende-se determnar a potênca real dsspada neste aparelho de ar condconado: P = ( )( ) = W Pma = ( )( 6 + 1) = 1610 W mn P= VI = 00.6 = 130 W Entretanto, apesar de possível, é bastante mprovável que a ncerteza da potênca seja dada por essas quantdades, uma vez que dos maores ou menores valores de medda d smultâneos devem ocorrer. Segundo o método apresentado anterormente, o resultado do cálculo da ncerteza fnal é uma função das varáves ndependentes,, z,... para: σ = G,, z,... ( ) G

13 Incerteza Epandda Especfcando a Incerteza da Medda (Precsão) Medda Ideal = Medda Real ± U U é a Incerteza Epandda k = Fator de Cobertura Determna o Nível de Confdênca U = ±kuk Grau de crença de que o valor deal da medda se encontra no ntervalo Se a quantdade z apresentar uma dstrbução normal, com Fator de Cobertura espectânca z e desvo p(z) padão σ, o ntervalo z ±kσ abarca 68,7%; 90%; 95,45%; 99% Área = e 99,73% P( z kσ <z< (nível z + kσ de ) confdênca) dos possíves valores de z, para k=1; k=1,645; k=; k=,576 e k=3 respectvamente (consderando nível graus de confdênca de lberdade ) Área Para outras dstrbuções os valores z são dferentes z kσ z z + kσ c

14 Propagação de Incertezas Consdere, nos prómos eemplos, erros com dstrbução gaussana. Se nada for nformado sobre o nível de confdênca, o mesmo corresponde a 68,3% (±σ). No eemplo da potênca, calcule a ncerteza resultante mas provável. A superfíce juntamente t com a ncerteza total t de um paralelepípedo l deve ser calculada. Os resultados das meddas das dmensões são: = ( 100 ± 1% ) mm = ( 300 ± 3% ) z = ( 5 ± ) mm mm

15 eercícos Aplca-se uma Tensão de = 100. V ± 1%. a um resstor de R = 10. Ω ±, sendo a corrente medda gual a I = 10. A ± 1%. Deseja-se calcular a potênca dsspada de três modos dferentes: V P = R V 10 ± 1 % P = RI P = V. I Qual dos modos você consdera mas adequado?

16 eercícos ( )Ω ( )Ω Dados dos resstores, R = 300 ±., R 1 = 0 ± 4., determne o valor da resstênca equvalente, quando: (a) Os resstores estverem em sére; (b) Os resstores estverem em paralelo.

17 eercícos A resstênca elétrca de um fo de cobre, em função da temperatura, é dada por: R = R0 1+ α ( T T0) onde, Ro = 6,00 Ω ± % ( na temperatura To) α = 0,0004 C -1 ± 5% T = 40 C C ± C To = 0 C ± C Calcule R com a sua ncerteza relatva

18 Análse de ncerteza - Eemplo Incerteza Combnada Eemplo: 600 Condconador de Snal 1 1 Condconador d de Snal =. + = = m ± dstrbução normal nível de confdênca 300 =99,73% graus de lberdade d u =/3=0,66 00 e 1 = 5 ± dstrbução normal nível de confdênca =95,45% graus de lberdade 0 u e1 =1/=0,5 u e 1 Varável espúra e 1 c u c U =10. (+e1)-3 =, + 1 0,0 u u e m e 1 m = [ ( 0 ) 0,66 ] + [ ( 10 ) 0,5 ] = =(0 m +47) ± 4 k=3 Grau de confdênca 99,73%

19 Análse de ncerteza - Eemplo Incerteza Combnada Eemplo: 600 Condconador 500 de Snal =.e. 400 e 300 Fonte de Almentação =m±0,4 e=10 ± 3, dstrbução 100normal nível de confdênca =95,45% graus de lberdade u =0,4/=0, u e =3,/=1,6 u c, 10 u +,10 u e m = e m c [(.10) 0,] [( ) 1,6 ] u = + 00 U(1) m u = + c 16 10,4m = 0 m ± 3. (16+10,4 m ) k=3 Grau de confdênca 99,73%

20 Propagação de Incerteza A ncerteza se propaga p de um estágo para outro do Sstema de Medção A função de transferênca de cada estágo afeta a ncerteza Condconador de Snal 1 1 Condconador de Snal + 1=. + = e 1 Varável espúra e 1 u 1=. u 1 = u 1= 1 +e 1 = + e u u u = u =10 u 1 u e 1

21 Propagação de ncerteza - Eercíco Eercíco Determne a ncerteza epandda em cada estágo. 3 + e + 1 ^ ex + e ln ^3 0,5 =m±0,05 (99,73%) e 1 = ± 0,1 (95,45%) e =0 ± 0,4 (99%) e 3 =1 ± 0,1 (99,73%) Qual das fontes de ncerteza é predomnante?

22 Incertezas combnadas Como vsto anterormente, é mportante saber se as varáves de entrada são correlaconadas, pos sso muda a forma da abordagem!

23 Covarânca A covarânca mede a relação entre duas varáves: COV X Y E X Y E XY (, ) =σ ( ) ( ) ( ) XY = Y = X Y Se X e Y são ndependentes então COV(X,Y)=0 porque E(X.Y)=E(X).E(Y)= ( ) ( ) A covarânca estmada de duas estmatvas de entrada, and j, são denotadas por u(, j ). A correlação é um parâmetro que mede a relação entre duas varáves geralmente mas fácl de nterpretar: COV ( X, Y ) ρ = XY V X V Y ( ) ( )

24 Incerteza combnada não correlaconada - resumo Se f é a função que descreve um modelo da medda. Cada u() é uma ncerteza padrão avalada. A ncerteza padrão combnada u() é um desvo padrão estmado dos valores que poderam, razoavelmente,ser atrbuídos ao mensurando Y;

25 As dervadas parcas df /d são guas a df /d X avaladas para X = ; Estas dervadassão denomnadas coefcentes de sensbldade e descrevem como a estmatva de saída vara com alterações nos valores das estmatvas de entrada,,,..., N. Se esta alteração é gerada pela ncerteza padrão da estmatva, a varação correspondente em, a varânca combnada pode ser vsta como a soma de termos,onde cada um deles representa a varânca estmada assocada com a estmatva de saída gerada pela varânca estmada, assocada com cada estmatva de entrada, ou onde

26 Eemplo Se uma dferença de potencal V é aplcada aos temnas de um resstor dependente da temperatura que tem uma resstênca Ro, à uma temperatura t defnda dfd to e um coefcente f de temperatura t lnear da resstênca α, a potênca P (o mensurando) dsspada pelo resstor, à temperatura t, depende de V, Ro, α e t, de acordo com:

27 Eemplo

28 GUM A sensbldade pode ser avalada numercamente, nesse caso consulte o GUM! A sensbldade também pode ser avalada epermentalmente varando uma das entradas, mantendo as demas constantes e verfcando a saída; Num eemplo anteror, a estmatva do valor do mensurando V = V + V, onde v = 0, V, u(v) = 1 pv, a correção adtva V =0, e u( V)=8,7 pv. Uma vez que dv/dv = 1 e dv/d( V) = 1, a varânca combnada assocada com V é dada por: Este é um eemplo do caso em que o mensurando é uma função lnear Este é um eemplo do caso em que o mensurando é uma função lnear das grandezas das quas depende, com coefcentes c= +l. se Y = c1x1 + c1x CNXN e se as constantes c =+1 ou -1,

29 Correlações A covarânca assocada com as estmatvas de duas grandezas de entrada X e Xj podem ser tomadas como nulas ou tratadas como nsgnfcantes, se: a) X e Xj forem não-correlaconadas b) qualquer das grandezas X ou Xj puder ser tratada como constante c) não estrem nformações sufcentes para avalar a covarânca assocada às estmatvas de X e Xj. Pode-se avalar se duas grandezas de entrada observadas smultânea e repetdamente são ou não correlaconadas por meo da equação:

30 Correlações Na prátca, as grandezas de entrada são, freqüentemente, correlaconadas, porque o mesmo padrão de medção físco, nstrumento de medção, dado de referênca, ou até mesmo o método de medção, tendo uma ncerteza sgnfcatva, são usados na estmatva de seus valores. Consderando duas varáves X1 e X A varânca de X1: A covarânca para as varáves de entrada 1 e :

31 Grandezas de entrada correlaconadas Quando as grandezas de entrada são correlaconadas, a epressão aproprada para a varânca combnada uj (), assocada com o resultado de uma medção é: Onde e j são as estmatvas de X e Xj u(, j )=u(j, ) a covarânca estmada, assocada com e j. O grau de correlação entre e j é caracterzado pelo coefcente de correlação estmado:

32 Grandezas correlaconadas A equação anteror pode ser reescrta em termos da correlação: Para o caso muto especal em que todas as estmatvas de entrada são correlaconadas, com coefcentes de correlação r ( ), j = + 1 a equação se reduz a:

33 Eemplo Dez resstores, cada um com uma resstênca nomnal de R=1000 Ω,, são calbrados com uma ncerteza de comparação desprezível, em termos de um mesmo resstor padrão Rs de 1000 Ω, caracterzada por uma ncerteza padrão u(rs) = 100 m Ω, tal como apresentado em seu certfcado de calbração. Os resstores são conectados em sére com fos de resstênca desprezível, de forma a se obter uma resstênca de referênca Rref de valor nomnal de 10 kω 10 Assm, Assm, ( ) = = = 1 ( j ) ( j ) R f R R ref r, = r R, R = 1 Já que para cada par de resstores, a equação do eemplo anteror se aplca. f Como para cada resstor = Rref = 1 e u ( ) =u ( R ) =u ( R S ) R 10 esta equação produz: ( ) ( ) ( ) u R = u R = m Ω = 1 Ω c ref S = / c ref S ( ) ( ) u R = u R = 0, 3 O resultado =11 é ncorreto, pos não leva em conta que todos os valores calbrados dos dez resstores são correlaconados.

34 Covarânca e correlação Consdere duas médas artmétcas qm e rm que estmam as esperanças q e r de duas grandezas q e r, varando aleatoramente, e calcule qm e rm a partr de n pares ndependentes e de observações smultâneas de q e r, fetas sob as mesmas condções de medção. Então a covarânca de qm e rm é estmada por: Onde qk e rk são as observações ndvduas das grandezas q e r; Se as observações não são correlaconadas, espera-se se que a covarânca calculada fque próma de 0. coefcente de correlação:

35 Grandezas correlaconadas Correlações entre grandezas de entrada não podem ser gnoradas, se estão presentes e são sgnfcatvas. As covarâncas assocadas devem ser avaladas epermentalmente,se possível, varando-se as grandezas de entrada correlaconadas ou usando-se o conjunto de nformações dsponíves sobre a varabldade correlaconada das grandezas em questão. A ntução, baseada em eperênca anteror e no conhecmento geral é especalmente requerda quando se estma o grau de correlação entre grandezas de entrada decorrentes do efeto de nfluêncas comuns, tas como temperatura ambente, pressão barométrca e umdade. Felzmente, em mutos casos, os efetos de tas nfluêncas têm nterdependênca desprezível, e as grandezas de entrada afetadas podem ser supostas como não-correlaconadas.

36 Tamanho da amostra Uma das grandes preocupações do ponto de vsta epermental é como determnar o tamanho da amostra, ou seja, como responder a segunte pergunta: Quantas amostras ou ensaos devem ser realzados para garantr um bom sgnfcado estatístcos dos meus dados? A resposta a esta pergunta não é smples, pos depende do tpo de epermento, do planejamento estatístco do epermento, dos parâmetros ou efetos que serão estmados e da ncerteza padrão desses efetos que depende da varabldade ntrínseca do epermento, da eatdão do epermento e do tamanho da amostra. Repetções não reduzem o desvo padrão, mas reduz a ncerteza padrão do epermento. Portanto, o erro padrão pode ser pequeno aumentando-se o número de repetções.

37 Tamanho da amostra O ntervalo de confança para a méda é dado por ± ε sendo σ ε = zα n O tamanho da amostra n é dado por : n z α σ = ε sendo z a varável aleatóra normal, α o nível de sgnfcânca, σ o desvo padrão e ε o erro mámo usando para estmar a méda. n é arredondado d d para o prómo número ntero. Esta epressão consdera que a amostragem é aleatóra e que é grande n>30, tal que, a dstrbução normal pode ser usada para defnr o ntervalo de confança

38 Tamanho da amostra Para tamanho de amostras pequeno (n<30), a dstrbução t é usada. A dstrbução t de Student é uma dstrbução de probabldade teórca. É smétrca, campanforme, e semelhante à curva normal padrão, porém com caudas mas largas, ou seja, uma smulação da t de Student pode gerar valores mas etremos que uma smulação da normal. O únco parâmetro v que a defne e caracterza a sua forma é o número de graus de lberdade. Quanto maor for esse parâmetro, mas próma da normal ela será. A dstrbução t de Student aparece naturalmente no problema de se determnar a méda de uma população (que segue a dstrbução normal) a partr de uma amostra. Neste problema, não se sabe qual é a méda ou o desvo padrão da população, mas ela deve ser normal.

39 A dstrbução-t e os graus de lberdade Para obter uma melhor apromação do que smplesmente usar um valor kp da dstrbução normal, para defnr um ntervalo de confança requer, não a dstrbução da varável [Y - E(Y)]/σ(), mas a dstrbução da varável ( -Y)/u(). Isto se dá porque, na prátca, tudo que está geralmente dsponível é, a estmatva de Y e a estmatva do desvo padrão; Se z é uma varável aleatóra normalmente dstrbuída com esperança z, e desvo padrão σ e z é a méda artmétca de n observações ndependentes zk de z e s( z ) o desvo padrão epermental de z, então a dstrbução da varável É a dstrbução-t ou dstrbução de Student com v = n-1 graus de lberdade.

40 DISTRIBUIÇÃO t de STUDENT n1>n>n3>>n4 n1, σ1 σ1<σ<σ3<σ4< < < n, σ n3, σ3 n4, σ4

41 DISTRIBUIÇÃO t de STUDENT -t 0 +t t t = s / n

42 Tamanho da amostra A varável aleatóra t segue uma dstrbução t de student com v=n-1 graus de lberdade Eemplo: determnar o tamanho da amostra consderando d um epermento onde estmamos a méda de um processo com erro mámo de 8. Assumr que o ntervalo de confança é de 95% e que é necessáro uma amostra grande. z α σ n = α = z = 1, 96 ε ε 1 95% = 8

43 Tamanho da amostra Porém normalmente o desvo padrão é desconhecdo, pos o ensao não fo realzado em função de não termos determnado o número ou tamanho a da amostra. a. Uma boa solução é realzar algumas medções aleatóras, ou seja, alguns ensaos aleatóros e determnar o desvo padrão estmado ndcado por s, ou seja, para esse eemplo, dez medções aleatóras foram realzadas para estmar o desvo padrão: 450, 458, 437, 45, 399, 405, 407, 409, 469, 461. A méda artmétca obtda é 43 e o desvo padrão: s n z σ ( X) α 1,96 6,4 n = = = 41, 83 = 1 6, 4 ε 8 = n 1

44 Tamanho da amostra Para uma quantdade pequena de amostras n e assumndo que a méda das amostras segue uma dstrbução apromadamente normal se utlza a dstrbução t para determnar o ntervalo de confança. Nesse caso, a equação é s ε = t Cabe observar, que o valor da dstrbução t dmnu com o aumento de n α n

45 Graus de lberdade Nt Note que o d dvsor da varânca da amostra é é o tamanho da amostra menos 1 (n-1), enquanto para a varânca da população, é o tamanho da população p n. Se soubéssemos o valor verdadero da méda populaconal, então poderíamos encontrar a varânca da amostra como a méda dos quadrados dos desvos das observações da amostra em torno de. Na prátca, o valor de quase nunca é conhecdo, e dessa forma, a soma dos quadrados dos desvos em torno da méda X tem que ser usada. No entanto as observações X tendem a estar mas prómas do seu valor médo X, do que a méda populaconal. Para compensar sso, usamos n-1 como dvsor ao nvés de n. Se usássemos n como dvsor na varânca da amostra, obteríamos uma medda de varabldade que sera, em méda, consstentemente menor que σ da população.

46 Graus de lberdade Outra manera de pensar acerca dsso é consderar a varânca s, da amostra como estando baseada emn-1 graus de lberdade. O termo graus de lberdade d resulta do fato de quen desvos X 1 -X, X X,...,X n X sempre somam zero e assm, especfcar os valores de quasquer n-1 dessas quantdades determna automatcamente aquele restante. Dessa forma, somente n-1 nos n desvos X X, estão lvremente determnados.

47 df t.60 t.70 t.80 t.90 t.95 t.975 t.99 t

48 Dstrbução t Alguns valores apromados da dstrbução versus valores de com ntervalo de confança de 95% -α = 0,05 = 0, ,7 1,00 1,7 4,30 1,41 3,05 3 3,18 1,73 1,84 4,78,00 1,39 5,57,4 1,15 6,45,45 1,00 7,36,65 0,890 8,31,83 0,816 9,31 3,00 0,770 10,3 3,16 0,706 15,13 3,87 0,550 0,09 4,48 0,466 5,06 5,00 0,41

49 Dstrbução t Eemplo: suponha outro epermento com 15 amostras prelmnares de méda artmétca 91,3 e desvo padrão s=63. Determnar o ntervalo de confança de 95%. Como a amostra é pequena, o ntervalo de confança será obtdo usando a dstrbução t t 15 amostras e 15 ; α ntervalo de confança de 95% 1 α = 0,95 α = 0, 05 ( ) s 63 ε = t α = t0,05 = t n 15 0, ,13 16,8 34,67

50 EXEMPLO = 0 C = 0, 1 C σ = 01 0,1 C 0 Coordenada Z 0,1 0 z = = = 1 σ 0,1 z =1 p = 84,13%( 0,1) p = 15,87%( 0,1)

51 EXEMPLO 0 0 = 0 C = 01 0, C s = 01 0, C n = 10 Coordenada t 0,1 0 t = = = 3,16 s 0,1 n 10 0 t p p (?) = 99,4%( 0,1), ,16? 3,50 99,5 p 0,6%( 0,1) =

52 DISTRIBUÍÇÕES NORMAL PADRONIZADA E t DE SUDENT Coordenada Z z = σ Coordenada t t = s n

53 Graus de lberdade efetvos Consdere que Y=f(X1,X,X3)=bX1XX3 X X3)=bX1XX3 e que as estmatvas de X1, X e X3 são as médas artmétcas de n1=10, n=5 e n3=15 repetções de observações ndependentes com ncertezas relatvas padrão u1/1=0,5%,u/=0,57% e u3/3=0,8%. Nesse caso a resposta da ncerteza da varável Y de saída é [u()/]=(1,03%); assm procedemos... ν eff u 4 ( ) u = c = c u 4 ( ) N N = 1 = 1 4 ( ) ( c u( ) 1 ν ν 4

54 Graus de lberdade efetvos u ( ) 4 4 c uc ( ) 4 1, 03 N u ( ) ( u ( ) 0, 5 0, 57 0, = 1 ν = = = = 19, 0 eff ν ν = O valor de tp para p=95% e v=19 é t95(19)=,09 A ncerteza relatva epandda d é U95=,09(1,03%)=,% Y=±U95=(1±0,0)

55 CRITÉRIOS DE REJEIÇÃO

56 CRITÉRIO DE REJEIÇÃO NÃO EXISTE CRITÉRIO QUE SEJA SUPERIOR AO JULGAMENTO DE UM TÉCNICO EXPERIENTE, QUE ESTEJA FAMILIARIZADO COM SEU PROCESSO DE MEDIÇÃO. AS REGRAS ESTATÍSTICAS SÃO PRINCIPALMENTE PARA AUXÍLIO AOS TÉCNICOS INEXPERIENTES, QUE ESTEJAM TRABALHANDO COM UM NOVO PROCESSO DE MEDIÇÃO OU PARA AQUELES QUE SIMPLESMENTE DESEJAM JUSTIFICAR PORQUE ELES TOMARAM AQUELA DECISÃO Natrella M.G Epermental Statstcs ; Natonal Bureau of Standards Handbook 91,1963

57 CRITÉRIO DE CHAUVENET Condção para Rejeção de qualquer q valor de um conjunto: > k( n) s n k (n) 1, ,35 4 1,54 5 1,65 6 1,73 7 1,80 8 1,86 9 1,9 10 1,96

58 CRITÉRIO DE CHAUVENET Y(mm),547,549 Será rejetado =,597,553 n,555, ,557,559,561,565,567 1 =, 547,597 s = 0,014 =,561,561 > 1,96 0,014,547,561 < 1,96 0,014

59 CRITÉRIO DE DIXON quantdade de repetções n 3 n 7 r10 8 n 10 r11 r j r 11 n n 5 r r j n suspeto 1 suspeto r 10 ( n - n1 n-1 )/( n - 1 ) ( - 1 )/( n - 1 ) r 11 ( n - n-1 )/ ( n - ) ( - 1 )/ ( n-1-1 ) r 1 ( n - n n- )/( n - ) ( 3-1 )/( n1 n-1-1 ) r ( n - n- )/ ( n - 3 ) ( 3-1 )/ ( n- - 1 ) r > j(calculado) r j(tabelado) Rejeta-se o respectvo valor

60 CRITERIA FOR REJECTION OF OUTLYING OBSERVATIONS Statstc Number of Observatons, Upper Percentles n r r r r

61 CRITÉRIO DE DIXON n =10 r j = r 11 Y(mm) n, ,549,597 r = n n 1 =,553 n 11,597,555 n,557,549,559 r = 1, ,567,565 n ,567,597 r = 0, 477 j ( tabelado) = Rejetado,597 j =,,567 = 0, 65,, n,549,547 = = 0,, ,65> 0,477 0,100< 0,477

62 Para um valor CRITÉRIO DE GRUBBS UM VALOR ou n G = = = s = Valor suspeto Méda Amostral Desvo padrão s Um Valor Dos Valores 1-p n 0,05 0,01 0,05 0, , , ,481 1,496 0, ,715 1,764 0,009 0, ,887 1,973 0,0349 0,0116 7,0,139 0, , ,16,74 0,1101 0,0563 9,15,387 0,149 0, ,9,8 0,1864 0,115 Condção de Rejeção para um valor G calculado> G tabelado

63 s Y(mm) CRITÉRIO DE GRUBBS UM VALOR Será rejetado n =,597,547,549,553,597,555 G = 0, ,557,559,561 =, 1 547,565,567,547 =,597 = 0,014 =,561,561 =,571,571 >,90,561 G = ,000 1,000 <, 90 0,014

64 Esquema de um arranjo ordenado das quantdades d estmadas, ncertezas padrão, coefcentes de sensbldade e contrbução de ncertezas usadas na análse de ncertezas de uma medda. Quantdade d Estmatva Incerteza Coefcente de Contrbução da padrão sensbldade ncerteza padrão

65 Calbração de um Multímetro Dgtal de mão em 100 V DC Como parte de uma calbração geral, um multímetro dgtal (DMM) de mão é calbrado para uma entrada de 100 V utlzando um calbrador multfunconal como um padrão de trabalho. O segunte procedmento de medda é utlzado: os termnas de saída do calbrador são conectados aos termnas de entrada do DMM utlzando cabos de meddas adequados. O calbrador é ajustado em 100 V e depos de um período adequado de establzação o valor ndcado no DMM é regstrado. O erro de ndcação do DMM é calculado utlzando as leturas do DMM e os ajustes do calbrador. Deve ser percebdo que o erro de ndcação do DMM que é obtdo utlzando este procedmento de medção nclu o efeto de offset e também os desvos de lneardade. O erro de ndcação do DMM a ser calbrado é obtdo de

66 Calbração de um Multímetro Dgtal de mão em 100 V DC V X E = V V + δv δv X X S IX S é a tensão elétrca ndcada pelo DMM (o índce sgnfca ndcação); V S é a tensão elétrca gerada pelo calbrador; δv X é a correção da tensão ndcada devdo a resolução fnta do DMM; δv S é a correção do calbrador de tensão devdo a: derva desde a últma calbração; desvos resultantes de efetos combnados de offset, não lneardade e dferenças no ganho; desvos na temperatura ambente; desvos na tensão de almentação; efetos de carga resultantes da entrada de resstênca fnta do DMM a ser calbrado.

67 Calbração de um Multímetro Dgtal de mão em 100 V DC Devdo à lmtação na resolução de ndcação do DMM, não fo observado dspersão nos valores observados. Leturas do DMM ( V X ): o DMM ndca a tensão de 100,1 V quando o ajuste do calbrador é de 100 V. A letura do DMM é consderada eata. Padrão de Trabalho ( V S ): o certfcado de calbração para o calbrador multfunconal dz que a tensão gerada é o valor ndcado pelo ajuste do calbrador e a ncerteza relatva epandda assocada de medda é de W=0,0000 (com um fator de cobertura k= ), resultando uma ncerteza epandda de medda assocada com o ajuste de 100 V de U=0,00 V (fator de cobertura k=). Resolução do DMM a ser calbrado ( δv X ): o dígto menos sgnfcatvo do dspla do DMM corresponde a 0,1 V. Cada letura do DMM possu uma correção devdo à resolução fnta do dspla, a qual é estmada em 0,0 V com lmtes de ± 0,05 (sto é, metade da magntude do dígto menos sgnfcatvo).

68 Calbração de um Multímetro Dgtal de mão em 100 V DC Outras correções ( δv S ): a ncerteza de medda assocada com as dferentes fontes é coletada das especfcações nformadas pelo fabrcante do calbrador. Estas especfcações dzem que a tensão gerada pelo calbrador concde com o ajuste do calbrador dentro de ± ( 0, 0001 V 1 sob as seguntes condções de + mv S ) medda: a temperatura ambente está entre a faa de 18 C a 3 C; a tensão de almentação do calbrador está dentro da faa de 10 V a 50 V; a carga resstva dos termnas do calbrador é maor que 100 kω. o calbrador fo calbrado no últmo ano. Uma vez que estas condções de medda são atenddas, e a hstóra de calbração do calbrador mostra que as especfcações do fabrcante são confáves, faz-se então, a correção a ser aplcada na tensão gerada pelo calbrador de 0,00 V com ± 0, V. Correlação: As quantdades de entrada não são consderadas correlaconadas com algum grau de etensão sgnfcatvo.

69 Calbração de um Multímetro Dgtal de mão em 100 V DC Quantda Estmat Incerte Dstrbuçã Coefcent Contrbuç de va za o de e de ão da X padrão probablda sensbld ncerteza u( ) des ade u ( ) c V X 100,1 V V S 100,0 V 0,001 V normal -1,0-0,001 V δ V X 0,0 V 0,09 V Retangular 1,0 0,09 V δ V S 0,0 V 0,0064 Retangular -1,0-0,0064 V V EX 0,1 V 0, V

70 Calbração de um Multímetro Dgtal de mão em 100 V DC Incerteza epandda: a ncerteza de medda padrão assocada com o resultado é claramente domnada pelo efeto da resolução fnta do DMM. A dstrbução fnal não é normal, mas essencalmente retangular. Portanto, o método de graus de lberdade efetvos não é aplcável. O fator de cobertura aproprado para uma dstrbução retangular é calculado da relação: ( ) 1,65 0,030 0,05 U = k u E = V V X Resultado: O erro de ndcação meddo do voltímetro dgtal em 100 V é de (0,10 ± 0,05) V. O resultado da ncerteza epandda de medda é a ncerteza padrão de medda multplcada pelo fator de cobertura deduzdo de uma dstrbução de probabldades consderada retangular para uma cobertura de probabldade de 95%.

71 INTERVALO DE CONFIANÇA n,, s A A A n,, s D D D n,, s, σ B B B n, s C, C, C n,, s E E E IC = ± tν p ν s n

72 Graus de Fração p em porcentagem lberdade v 68,7 (a) ,45 (a) 99 99,73 (a) 1 1,84 6,31 1,71 13,97 63,66 35, ,3 9, , , ,9 19,1 3 1,,35 3,18 3,31 5,84 9, 4 1,14,13,78,87 4,6 6,6 5 1,11,0,57,65 4,03 5,51 6 1,09 1,94,45,5 3,71 4,90 7 1,08 1,89,36,43 3,5 4,53 8 1,07 1,86,31,37 3,36 4,8 9 1,06 1,83,6,3 3,5 4, , ,81 3,3 8, , , ,05 1,80,0,5 3,11 3,85 1 1,04 1,78,18,3 3,05 3, ,04 1,77,16,1 3,01 3, ,04 1,76,14,,98 3, ,03 1,75,13,18,95 3, ,03 1,75,1,17,9 3, , ,74 11,11 16,16 9, , ,03 1,73,10,15,88 3, ,03 1,73,09,14,86 3,45 0 1,03 1,7,09,13,85 3,4 5 1,0 1,71,06,11,79 3, ,0 1,70,04,09,75 3,7 35 1,01 1,70,03,07,7 3,3 40 1,01 1,68,0,06,7 3,0

73 COMPARAÇÃO ENTRE E MÉDIAS Comparação de uma méda atual com um valor consderado como referênca ts < < + ref n ts n Onde: = méda ref = valorde referênca

74 n Massa Esp(g/cm³) 1 0,746 0,746 ref = 0, , ,747,78 0, LI = 0,747 = 0, ,747 5 Méda 0,747 s 0, ,78 0, t (95%;ν=4),78 LI = 0,747+ = 0, 747 0,745 < 0,746 A méda amostra 0,747 g/cm³ não é compatível com o valor de referênca 0,745 g/cm³, para uma probabldade de 95% 5

TEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma.

TEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma. UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO DE CIÊNCIAS EXATAS DEPARTAMENTO DE FÍSICA AV. FERNANDO FERRARI, 514 - GOIABEIRAS 29075-910 VITÓRIA - ES PROF. ANDERSON COSER GAUDIO FONE: 4009.7820 FAX: 4009.2823

Leia mais

Introdução à Análise de Dados nas medidas de grandezas físicas

Introdução à Análise de Dados nas medidas de grandezas físicas Introdução à Análse de Dados nas meddas de grandezas físcas www.chem.wts.ac.za/chem0/ http://uregna.ca/~peresnep/ www.ph.ed.ac.uk/~td/p3lab/analss/ otas baseadas nos apontamentos Análse de Dados do Prof.

Leia mais

7. Resolução Numérica de Equações Diferenciais Ordinárias

7. Resolução Numérica de Equações Diferenciais Ordinárias 7. Resolução Numérca de Equações Dferencas Ordnáras Fenômenos físcos em dversas áreas, tas como: mecânca dos fludos, fluo de calor, vbrações, crcutos elétrcos, reações químcas, dentre váras outras, podem

Leia mais

METROLOGIA E ENSAIOS

METROLOGIA E ENSAIOS METROLOGIA E ENSAIOS Incerteza de Medção Prof. Aleandre Pedott pedott@producao.ufrgs.br Freqüênca de ocorrênca Incerteza da Medção Dstrbução de freqüênca das meddas Erro Sstemátco (Tendênca) Erro de Repettvdade

Leia mais

NOTA II TABELAS E GRÁFICOS

NOTA II TABELAS E GRÁFICOS Depto de Físca/UFMG Laboratóro de Fundamentos de Físca NOTA II TABELAS E GRÁFICOS II.1 - TABELAS A manera mas adequada na apresentação de uma sére de meddas de um certo epermento é através de tabelas.

Leia mais

Regressão e Correlação Linear

Regressão e Correlação Linear Probabldade e Estatístca I Antono Roque Aula 5 Regressão e Correlação Lnear Até o momento, vmos técncas estatístcas em que se estuda uma varável de cada vez, estabelecendo-se sua dstrbução de freqüêncas,

Leia mais

INTRODUÇÃO AO CÁLCULO DE ERROS NAS MEDIDAS DE GRANDEZAS FÍSICAS

INTRODUÇÃO AO CÁLCULO DE ERROS NAS MEDIDAS DE GRANDEZAS FÍSICAS Físca Laboratoral Ano Lectvo 003/04 ITRODUÇÃO AO CÁLCULO DE ERROS AS MEDIDAS DE GRADEAS FÍSICAS. Introdução.... Erros de observação: erros sstemátcos e erros fortutos ou acdentas... 3. Precsão e rgor...3

Leia mais

Introdução e Organização de Dados Estatísticos

Introdução e Organização de Dados Estatísticos II INTRODUÇÃO E ORGANIZAÇÃO DE DADOS ESTATÍSTICOS 2.1 Defnção de Estatístca Uma coleção de métodos para planejar expermentos, obter dados e organzá-los, resum-los, analsá-los, nterpretá-los e deles extrar

Leia mais

Covariância e Correlação Linear

Covariância e Correlação Linear TLF 00/ Cap. X Covarânca e correlação lnear Capítulo X Covarânca e Correlação Lnear 0.. Valor médo da grandeza (,) 0 0.. Covarânca na propagação de erros 03 0.3. Coecente de correlação lnear 05 Departamento

Leia mais

ÍNDICE NOTA INTRODUTÓRIA

ÍNDICE NOTA INTRODUTÓRIA OGC00 05-0-06 ÍDICE. Introdução. Âmbto e defnções 3. Avalação da ncerteza de medção de estmatvas das grandezas de entrada 4. Cálculo da ncerteza-padrão da estmatva da grandeza 5 de saída 5. Incerteza de

Leia mais

Escolha do Consumidor sob condições de Risco e de Incerteza

Escolha do Consumidor sob condições de Risco e de Incerteza 9/04/06 Escolha do Consumdor sob condções de Rsco e de Incerteza (Capítulo 7 Snyder/Ncholson e Capítulo Varan) Turma do Prof. Déco Kadota Dstnção entre Rsco e Incerteza Na lteratura econômca, a prmera

Leia mais

Estimativa da Incerteza de Medição da Viscosidade Cinemática pelo Método Manual em Biodiesel

Estimativa da Incerteza de Medição da Viscosidade Cinemática pelo Método Manual em Biodiesel Estmatva da Incerteza de Medção da Vscosdade Cnemátca pelo Método Manual em Bodesel Roberta Quntno Frnhan Chmn 1, Gesamanda Pedrn Brandão 2, Eustáquo Vncus Rbero de Castro 3 1 LabPetro-DQUI-UFES, Vtóra-ES,

Leia mais

Sempre que surgir uma dúvida quanto à utilização de um instrumento ou componente, o aluno deverá consultar o professor para esclarecimentos.

Sempre que surgir uma dúvida quanto à utilização de um instrumento ou componente, o aluno deverá consultar o professor para esclarecimentos. Insttuto de Físca de São Carlos Laboratóro de Eletrcdade e Magnetsmo: Transferênca de Potênca em Crcutos de Transferênca de Potênca em Crcutos de Nesse prátca, estudaremos a potênca dsspada numa resstênca

Leia mais

Sistemas Robóticos. Sumário. Introdução. Introdução. Navegação. Introdução Onde estou? Para onde vou? Como vou lá chegar?

Sistemas Robóticos. Sumário. Introdução. Introdução. Navegação. Introdução Onde estou? Para onde vou? Como vou lá chegar? Sumáro Sstemas Robótcos Navegação Introdução Onde estou? Para onde vou? Como vou lá chegar? Carlos Carreto Curso de Engenhara Informátca Ano lectvo 2003/2004 Escola Superor de Tecnologa e Gestão da Guarda

Leia mais

RESOLUÇÃO NUMÉRICA DE EQUAÇÕES DIFERENCIAIS

RESOLUÇÃO NUMÉRICA DE EQUAÇÕES DIFERENCIAIS Defnções RESOLUÇÃO NUMÉRICA DE EQUAÇÕES DIFERENCIAIS Problemas de Valor Incal PVI) Métodos de passo smples Método de Euler Métodos de sére de Talor Métodos de Runge-Kutta Equações de ordem superor Métodos

Leia mais

Objetivos da aula. Essa aula objetiva fornecer algumas ferramentas descritivas úteis para

Objetivos da aula. Essa aula objetiva fornecer algumas ferramentas descritivas úteis para Objetvos da aula Essa aula objetva fornecer algumas ferramentas descrtvas útes para escolha de uma forma funconal adequada. Por exemplo, qual sera a forma funconal adequada para estudar a relação entre

Leia mais

Expressão da Incerteza de Medição para a Grandeza Energia Elétrica

Expressão da Incerteza de Medição para a Grandeza Energia Elétrica 1 a 5 de Agosto de 006 Belo Horzonte - MG Expressão da ncerteza de Medção para a Grandeza Energa Elétrca Eng. Carlos Alberto Montero Letão CEMG Dstrbução S.A caletao@cemg.com.br Eng. Sérgo Antôno dos Santos

Leia mais

www.obconcursos.com.br/portal/v1/carreirafiscal

www.obconcursos.com.br/portal/v1/carreirafiscal www.obconcursos.com.br/portal/v1/carrerafscal Moda Exercíco: Determne o valor modal em cada um dos conjuntos de dados a segur: X: { 3, 4,, 8, 8, 8, 9, 10, 11, 1, 13 } Mo 8 Y: { 10, 11, 11, 13, 13, 13,

Leia mais

As tabelas resumem as informações obtidas da amostra ou da população. Essas tabelas podem ser construídas sem ou com perda de informações.

As tabelas resumem as informações obtidas da amostra ou da população. Essas tabelas podem ser construídas sem ou com perda de informações. 1. TABELA DE DISTRIBUIÇÃO DE FREQÜÊNCIA As tabelas resumem as normações obtdas da amostra ou da população. Essas tabelas podem ser construídas sem ou com perda de normações. As tabelas sem perda de normação

Leia mais

Influência dos Procedimentos de Ensaios e Tratamento de Dados em Análise Probabilística de Estrutura de Contenção

Influência dos Procedimentos de Ensaios e Tratamento de Dados em Análise Probabilística de Estrutura de Contenção Influênca dos Procedmentos de Ensaos e Tratamento de Dados em Análse Probablístca de Estrutura de Contenção Mara Fatma Mranda UENF, Campos dos Goytacazes, RJ, Brasl. Paulo César de Almeda Maa UENF, Campos

Leia mais

REGRESSÃO LOGÍSTICA. Seja Y uma variável aleatória dummy definida como:

REGRESSÃO LOGÍSTICA. Seja Y uma variável aleatória dummy definida como: REGRESSÃO LOGÍSTCA. ntrodução Defnmos varáves categórcas como aquelas varáves que podem ser mensurados usando apenas um número lmtado de valores ou categoras. Esta defnção dstngue varáves categórcas de

Leia mais

Cálculo do Conceito ENADE

Cálculo do Conceito ENADE Insttuto aconal de Estudos e Pesqusas Educaconas Aníso Texera IEP Mnstéro da Educação ME álculo do onceto EADE Para descrever o cálculo do onceto Enade, prmeramente é mportante defnr a undade de observação

Leia mais

14. Correntes Alternadas (baseado no Halliday, 4 a edição)

14. Correntes Alternadas (baseado no Halliday, 4 a edição) 14. orrentes Alternadas (baseado no Hallday, 4 a edção) Por que estudar orrentes Alternadas?.: a maora das casas, comérco, etc., são provdas de fação elétrca que conduz corrente alternada (A ou A em nglês):

Leia mais

1 Princípios da entropia e da energia

1 Princípios da entropia e da energia 1 Prncípos da entropa e da energa Das dscussões anterores vmos como o conceto de entropa fo dervado do conceto de temperatura. E esta últma uma conseqüênca da le zero da termodnâmca. Dentro da nossa descrção

Leia mais

Professor Mauricio Lutz CORRELAÇÃO

Professor Mauricio Lutz CORRELAÇÃO Professor Maurco Lutz 1 CORRELAÇÃO Em mutas stuações, torna-se nteressante e útl estabelecer uma relação entre duas ou mas varáves. A matemátca estabelece város tpos de relações entre varáves, por eemplo,

Leia mais

Apostila de Estatística Curso de Matemática. Volume II 2008. Probabilidades, Distribuição Binomial, Distribuição Normal. Prof. Dr. Celso Eduardo Tuna

Apostila de Estatística Curso de Matemática. Volume II 2008. Probabilidades, Distribuição Binomial, Distribuição Normal. Prof. Dr. Celso Eduardo Tuna Apostla de Estatístca Curso de Matemátca Volume II 008 Probabldades, Dstrbução Bnomal, Dstrbução Normal. Prof. Dr. Celso Eduardo Tuna 1 Capítulo 8 - Probabldade 8.1 Conceto Intutvamente pode-se defnr probabldade

Leia mais

Princípios do Cálculo de Incertezas O Método GUM

Princípios do Cálculo de Incertezas O Método GUM Prncípos do Cálculo de Incertezas O Método GUM João Alves e Sousa Laboratóro Regonal de Engenhara Cvl - LREC Rua Agostnho Perera de Olvera, 9000-64 Funchal, Portugal. E-mal: jasousa@lrec.pt Resumo Em anos

Leia mais

Análise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA

Análise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA Análse de Regressão Profa Alcone Mranda dos Santos Departamento de Saúde Públca UFMA Introdução Uma das preocupações estatístcas ao analsar dados, é a de crar modelos que explctem estruturas do fenômeno

Leia mais

Termodinâmica e Termoquímica

Termodinâmica e Termoquímica Termodnâmca e Termoquímca Introdução A cênca que trata da energa e suas transformações é conhecda como termodnâmca. A termodnâmca fo a mola mestra para a revolução ndustral, portanto o estudo e compreensão

Leia mais

ELEMENTOS DE CIRCUITOS

ELEMENTOS DE CIRCUITOS MINISTÉRIO D EDUCÇÃO SECRETRI DE EDUCÇÃO PROFISSIONL E TECNOLÓGIC INSTITUTO FEDERL DE EDUCÇÃO, CIÊNCI E TECNOLOGI DE SNT CTRIN CMPUS DE SÃO JOSÉ - ÁRE DE TELECOMUNICÇÕES CURSO TÉCNICO EM TELECOMUNICÇÕES

Leia mais

2 Máquinas de Vetor Suporte 2.1. Introdução

2 Máquinas de Vetor Suporte 2.1. Introdução Máqunas de Vetor Suporte.. Introdução Os fundamentos das Máqunas de Vetor Suporte (SVM) foram desenvolvdos por Vapnk e colaboradores [], [3], [4]. A formulação por ele apresentada se basea no prncípo de

Leia mais

Universidade do Estado do Rio de Janeiro Instituto de Matemática e Estatística Econometria

Universidade do Estado do Rio de Janeiro Instituto de Matemática e Estatística Econometria Unversdade do Estado do Ro de Janero Insttuto de Matemátca e Estatístca Econometra Revsão de modelos de regressão lnear Prof. José Francsco Morera Pessanha professorjfmp@hotmal.com Regressão Objetvo: Estabelecer

Leia mais

01. Em porcentagem das emissões totais de gases do efeito estufa, o Brasil é o quarto maior poluidor, conforme a tabela abaixo:

01. Em porcentagem das emissões totais de gases do efeito estufa, o Brasil é o quarto maior poluidor, conforme a tabela abaixo: PROCESSO SELETIVO 7 RESOLUÇÃO MATEMÁTICA Rosane Soares Morera Vana, Luz Cláudo Perera, Lucy Tem Takahash, Olímpo Hrosh Myagak QUESTÕES OBJETIVAS Em porcentagem das emssões totas de gases do efeto estufa,

Leia mais

Controle Estatístico de Qualidade. Capítulo 8 (montgomery)

Controle Estatístico de Qualidade. Capítulo 8 (montgomery) Controle Estatístco de Qualdade Capítulo 8 (montgomery) Gráfco CUSUM e da Méda Móvel Exponencalmente Ponderada Introdução Cartas de Controle Shewhart Usa apenas a nformação contda no últmo ponto plotado

Leia mais

Distribuição de Massa Molar

Distribuição de Massa Molar Químca de Polímeros Prof a. Dr a. Carla Dalmoln carla.dalmoln@udesc.br Dstrbução de Massa Molar Materas Polmércos Polímero = 1 macromolécula com undades químcas repetdas ou Materal composto por númeras

Leia mais

UTILIZAÇÃO DO MÉTODO DE TAGUCHI NA REDUÇÃO DOS CUSTOS DE PROJETOS. Uma equação simplificada para se determinar o lucro de uma empresa é:

UTILIZAÇÃO DO MÉTODO DE TAGUCHI NA REDUÇÃO DOS CUSTOS DE PROJETOS. Uma equação simplificada para se determinar o lucro de uma empresa é: UTILIZAÇÃO DO MÉTODO DE TAGUCHI A REDUÇÃO DOS CUSTOS DE PROJETOS Ademr José Petenate Departamento de Estatístca - Mestrado em Qualdade Unversdade Estadual de Campnas Brasl 1. Introdução Qualdade é hoje

Leia mais

RM 68 INCERTEZA DE MEDIÇÃO: GUIA PRÁTICO DO AVALIADOR DE LABORATÓRIOS SUMÁRIO 1 OBJETIVO E CAMPO DE APLICAÇÃO 2 REFERÊNCIAS 3 DEFINIÇÕES 4 METODOLOGIA

RM 68 INCERTEZA DE MEDIÇÃO: GUIA PRÁTICO DO AVALIADOR DE LABORATÓRIOS SUMÁRIO 1 OBJETIVO E CAMPO DE APLICAÇÃO 2 REFERÊNCIAS 3 DEFINIÇÕES 4 METODOLOGIA RM 68 INCERTEZA DE MEDIÇÃO: GUIA PRÁTICO DO AVALIADOR DE LABORATÓRIOS PROCEDIMENTO DO SISTEMA DE GESTÃO DA QUALIDADE REVISÃO: 05 ABR/013 SUMÁRIO 1 OBJETIVO E CAMPO DE APLICAÇÃO REFERÊNCIAS 3 DEFINIÇÕES

Leia mais

Associação de resistores em série

Associação de resistores em série Assocação de resstores em sére Fg.... Na Fg.. está representada uma assocação de resstores. Chamemos de I, B, C e D. as correntes que, num mesmo nstante, passam, respectvamente pelos pontos A, B, C e D.

Leia mais

PROPOSIÇÃO, VALIDAÇÃO E ANÁLISE DOS MODELOS QUE CORRELACIONAM ESTRUTURA QUÍMICA E ATIVIDADE BIOLÓGICA

PROPOSIÇÃO, VALIDAÇÃO E ANÁLISE DOS MODELOS QUE CORRELACIONAM ESTRUTURA QUÍMICA E ATIVIDADE BIOLÓGICA 658 Gaudo & Zandonade Qum. Nova Qum. Nova, Vol. 4, No. 5, 658-671, 001. Dvulgação PROPOSIÇÃO, VALIDAÇÃO E ANÁLISE DOS MODELOS QUE CORRELACIONAM ESTRUTURA QUÍMICA E ATIVIDADE BIOLÓGICA Anderson Coser Gaudo

Leia mais

Rastreando Algoritmos

Rastreando Algoritmos Rastreando lgortmos José ugusto aranauskas epartamento de Físca e Matemátca FFCLRP-USP Sala loco P Fone () - Uma vez desenvolvdo um algortmo, como saber se ele faz o que se supõe que faça? esta aula veremos

Leia mais

Física. Física Módulo 1 Vetores, escalares e movimento em 2-D

Física. Física Módulo 1 Vetores, escalares e movimento em 2-D Físca Módulo 1 Vetores, escalares e movmento em 2-D Vetores, Escalares... O que são? Para que servem? Por que aprender? Escalar Defnção: Escalar Grandea sem dreção assocada. Eemplos: Massa de uma bola,

Leia mais

Despacho Econômico de. Sistemas Termoelétricos e. Hidrotérmicos

Despacho Econômico de. Sistemas Termoelétricos e. Hidrotérmicos Despacho Econômco de Sstemas Termoelétrcos e Hdrotérmcos Apresentação Introdução Despacho econômco de sstemas termoelétrcos Despacho econômco de sstemas hdrotérmcos Despacho do sstema braslero Conclusões

Leia mais

Capítulo. Associação de resistores. Resoluções dos exercícios propostos. P.135 a) R s R 1 R 2 R s 4 6 R s 10 Ω. b) U R s i U 10 2 U 20 V

Capítulo. Associação de resistores. Resoluções dos exercícios propostos. P.135 a) R s R 1 R 2 R s 4 6 R s 10 Ω. b) U R s i U 10 2 U 20 V apítulo 7 da físca Exercícos propostos Undade apítulo 7 ssocação de resstores ssocação de resstores esoluções dos exercícos propostos 1 P.15 a) s 1 s 6 s b) U s U 10 U 0 V c) U 1 1 U 1 U 1 8 V U U 6 U

Leia mais

MAE5778 - Teoria da Resposta ao Item

MAE5778 - Teoria da Resposta ao Item MAE5778 - Teora da Resposta ao Item Fernando Henrque Ferraz Perera da Rosa Robson Lunard 1 de feverero de 2005 Lsta 2 1. Na Tabela 1 estão apresentados os parâmetros de 6 tens, na escala (0,1). a b c 1

Leia mais

PROBABILIDADE E ESTATÍSTICA APLICADAS À HIDROLOGIA

PROBABILIDADE E ESTATÍSTICA APLICADAS À HIDROLOGIA PROBABILIDADE E ESTATÍSTICA APLICADAS À HIDROLOGIA Mauro aghettn Mara Manuela Portela DECvl, IST, 0 PROBABILIDADE E ESTATÍSTICA APLICADAS À HIDROLOGIA Mauro aghettn Professor Assocado, Escola de Engenhara

Leia mais

UNIVERSIDADE DO ESTADO DA BAHIA - UNEB DEPARTAMENTO DE CIÊNCIAS EXATAS E DA TERRA COLEGIADO DO CURSO DE DESENHO INDUSTRIAL CAMPUS I - SALVADOR

UNIVERSIDADE DO ESTADO DA BAHIA - UNEB DEPARTAMENTO DE CIÊNCIAS EXATAS E DA TERRA COLEGIADO DO CURSO DE DESENHO INDUSTRIAL CAMPUS I - SALVADOR Matéra / Dscplna: Introdução à Informátca Sstema de Numeração Defnção Um sstema de numeração pode ser defndo como o conjunto dos dígtos utlzados para representar quantdades e as regras que defnem a forma

Leia mais

INTRODUÇÃO À ANÁLISE DE DADOS NAS MEDIDAS DE GRANDEZAS FÍSICAS

INTRODUÇÃO À ANÁLISE DE DADOS NAS MEDIDAS DE GRANDEZAS FÍSICAS Físca Laboratoral Ano Lectvo 003/04 ITRODUÇÃO À AÁLISE DE DADOS AS MEDIDAS DE GRADEZAS FÍSICAS. Introdução.... Erros de observação: erros sstemátcos e erros fortutos ou acdentas... 3. Precsão e rgor...4

Leia mais

Sinais Luminosos 2- CONCEITOS BÁSICOS PARA DIMENSIONAMENTO DE SINAIS LUMINOSOS.

Sinais Luminosos 2- CONCEITOS BÁSICOS PARA DIMENSIONAMENTO DE SINAIS LUMINOSOS. Snas Lumnosos 1-Os prmeros snas lumnosos Os snas lumnosos em cruzamentos surgem pela prmera vez em Londres (Westmnster), no ano de 1868, com um comando manual e com os semáforos a funconarem a gás. Só

Leia mais

1 a Lei de Kirchhoff ou Lei dos Nós: Num nó, a soma das intensidades de correntes que chegam é igual à soma das intensidades de correntes que saem.

1 a Lei de Kirchhoff ou Lei dos Nós: Num nó, a soma das intensidades de correntes que chegam é igual à soma das intensidades de correntes que saem. Les de Krchhoff Até aqu você aprendeu técncas para resolver crcutos não muto complexos. Bascamente todos os métodos foram baseados na 1 a Le de Ohm. Agora você va aprender as Les de Krchhoff. As Les de

Leia mais

ASSOCIAÇÃO DE RESISTORES

ASSOCIAÇÃO DE RESISTORES Prof(a) Stela Mara de arvalho Fernandes SSOIÇÃO DE ESISTOES ssocação de esstores em Sére Dos ou mas resstores estão assocados em sére quando são percorrdos pela mesma corrente elétrca. omo U D Somando

Leia mais

Universidade Federal da Bahia Instituto de Física Departamento de Física da Terra e do Meio Ambiente TEXTOS DE LABORATÓRIO T E O R I A D E E R R O S

Universidade Federal da Bahia Instituto de Física Departamento de Física da Terra e do Meio Ambiente TEXTOS DE LABORATÓRIO T E O R I A D E E R R O S Unversdade Federal da Baha Insttuto de Físca Departamento de Físca da Terra e do Meo Ambente TEXTOS DE LABORATÓRIO T E O R I A D E E R R O S Físca I SALVADOR, BAHIA 013 1 Prefáco Esta apostla é destnada

Leia mais

O que heterocedasticidade? Heterocedasticidade. Por que se preocupar com heterocedasticidade? Exemplo de heterocedasticidade.

O que heterocedasticidade? Heterocedasticidade. Por que se preocupar com heterocedasticidade? Exemplo de heterocedasticidade. Heterocedastcdade y = β 0 + β + β + β k k + u O que heterocedastcdade? Lembre-se da hpótese de homocedastcdade: condconal às varáves eplcatvas, a varânca do erro, u, é constante Se sso não for verdade,

Leia mais

Análise Econômica da Aplicação de Motores de Alto Rendimento

Análise Econômica da Aplicação de Motores de Alto Rendimento Análse Econômca da Aplcação de Motores de Alto Rendmento 1. Introdução Nesta apostla são abordados os prncpas aspectos relaconados com a análse econômca da aplcação de motores de alto rendmento. Incalmente

Leia mais

2 Incerteza de medição

2 Incerteza de medição 2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr

Leia mais

Controlo Metrológico de Contadores de Gás

Controlo Metrológico de Contadores de Gás Controlo Metrológco de Contadores de Gás José Mendonça Das (jad@fct.unl.pt), Zulema Lopes Perera (zlp@fct.unl.pt) Departamento de Engenhara Mecânca e Industral, Faculdade de Cêncas e Tecnologa da Unversdade

Leia mais

Coordenação Geral de Acreditação

Coordenação Geral de Acreditação Coordenação Geral de Acredtação ORIENTAÇÕES PARA APLICAÇÃO DOS REQUISITOS TÉCNICOS DA ABNT NBR ISO/IEC 1705 NA ACREDITAÇÃO DE LABORATÓRIOS DE CALIBRAÇÃO PARA O GRUPO DE SERVIÇO DE FÍSICO-QUÍMICA Documento

Leia mais

Eletrônica Analógica CEL099 C

Eletrônica Analógica CEL099 C Depto. Crcutos Elétrcos Engenhara Elétrca Faculdade de Engenhara Eletrônca Analógca CEL099 C «Aula Prátca Expermental» Amplfcador Inversor de Pequenos Snas com BJT O amplfcador em estudo nesta prátca é

Leia mais

5.1 Seleção dos melhores regressores univariados (modelo de Índice de Difusão univariado)

5.1 Seleção dos melhores regressores univariados (modelo de Índice de Difusão univariado) 5 Aplcação Neste capítulo será apresentada a parte empírca do estudo no qual serão avalados os prncpas regressores, um Modelo de Índce de Dfusão com o resultado dos melhores regressores (aqu chamado de

Leia mais

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,

Leia mais

Modelos estatísticos para previsão de partidas de futebol

Modelos estatísticos para previsão de partidas de futebol Modelos estatístcos para prevsão de partdas de futebol Dan Gamerman Insttuto de Matemátca, UFRJ dan@m.ufrj.br X Semana da Matemátca e II Semana da Estatístca da UFOP Ouro Preto, MG 03/11/2010 Algumas perguntas

Leia mais

TRANSFERÊNCIA DE CALOR NA ENVOLVENTE DA EDIFICAÇÃO

TRANSFERÊNCIA DE CALOR NA ENVOLVENTE DA EDIFICAÇÃO UNIVERSIDADE FEDERAL DE SANA CAARINA CENRO ECNOLÓGICO DEPARAMENO DE ENGENHARIA CIVIL PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA CIVIL RANSFERÊNCIA DE CALOR NA ENVOLVENE DA EDIFICAÇÃO ELABORADO POR: Martn

Leia mais

Aula 7: Circuitos. Curso de Física Geral III F-328 1º semestre, 2014

Aula 7: Circuitos. Curso de Física Geral III F-328 1º semestre, 2014 Aula 7: Crcutos Curso de Físca Geral III F-38 º semestre, 04 Ponto essencal Para resolver um crcuto de corrente contínua, é precso entender se as cargas estão ganhando ou perdendo energa potencal elétrca

Leia mais

Energia de deformação na flexão

Energia de deformação na flexão - UNIVERSIDADE FEDERAL FLUMINENSE ESCOLA DE ENGENHARIA INDUSTRIAL METALÚRGICA DE VOLTA REDONDA PROFESSORA: SALETE SOUZA DE OLIVEIRA BUFFONI DISCIPLINA: RESISTÊNCIA DOS MATERIAIS Energa de deformação na

Leia mais

Física. Setor B. Índice-controle de Estudo. Prof.: Aula 23 (pág. 86) AD TM TC. Aula 24 (pág. 87) AD TM TC. Aula 25 (pág.

Física. Setor B. Índice-controle de Estudo. Prof.: Aula 23 (pág. 86) AD TM TC. Aula 24 (pág. 87) AD TM TC. Aula 25 (pág. Físca Setor Prof.: Índce-controle de studo ula 23 (pág. 86) D TM TC ula 24 (pág. 87) D TM TC ula 25 (pág. 88) D TM TC ula 26 (pág. 89) D TM TC ula 27 (pág. 91) D TM TC ula 28 (pág. 91) D TM TC evsanglo

Leia mais

Informação. Nota: Tradução feita por Cláudio Afonso Kock e Sérgio Pinheiro de Oliveira.

Informação. Nota: Tradução feita por Cláudio Afonso Kock e Sérgio Pinheiro de Oliveira. Informação Esta publcação é uma tradução do Gua de Calbração EURAMET Gua para a Estmatva da Incerteza em Medções de Dureza (EURAMET/cg-16/v.01, July 007). Os dretos autoras do documento orgnal pertencem

Leia mais

Ministério da Educação. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Cálculo do Conceito Preliminar de Cursos de Graduação

Ministério da Educação. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Cálculo do Conceito Preliminar de Cursos de Graduação Mnstéro da Educação Insttuto Naconal de Estudos e Pesqusas Educaconas Aníso Texera Cálculo do Conceto Prelmnar de Cursos de Graduação Nota Técnca Nesta nota técnca são descrtos os procedmentos utlzados

Leia mais

2 CONSIDERAÇÕES TEÓRICAS

2 CONSIDERAÇÕES TEÓRICAS 20 2 CONSIDERAÇÕES TEÓRICAS 2.1. Defnção de gás Um gás é defndo como um fludo cujas condções de temperatura e pressão são superores às do ponto crítco, não podendo haver duas fases presentes em um processo,

Leia mais

Eletricidade 3 Questões do ENEM. 8. Campo Elétrico 11 Questões do ENEM 13. Energia Potencial Elétrica 15 Questões do ENEM 20

Eletricidade 3 Questões do ENEM. 8. Campo Elétrico 11 Questões do ENEM 13. Energia Potencial Elétrica 15 Questões do ENEM 20 1 4º Undade Capítulo XIII Eletrcdade 3 Questões do ENEM. 8 Capítulo XIV Campo Elétrco 11 Questões do ENEM 13 Capítulo XV Energa Potencal Elétrca 15 Questões do ENEM 20 Capítulo XVI Elementos de Um Crcuto

Leia mais

Algarismos Significativos Propagação de Erros ou Desvios

Algarismos Significativos Propagação de Erros ou Desvios Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento

Leia mais

LQA - LEFQ - EQ -Química Analítica Complemantos Teóricos 04-05

LQA - LEFQ - EQ -Química Analítica Complemantos Teóricos 04-05 LQA - LEFQ - EQ -Químca Analítca Complemantos Teórcos 04-05 CONCEITO DE ERRO ALGARISMOS SIGNIFICATIVOS Embora uma análse detalhada do erro em Químca Analítca esteja fora do âmbto desta cadera, sendo abordada

Leia mais

Portaria Inmetro nº 248 de 17 de julho de 2008

Portaria Inmetro nº 248 de 17 de julho de 2008 INSTITUTO NACIONAL DE METROLOGIA, NORMALIZAÇÃO E QUALIDADE INDUSTRIAL - Portara Inmetro nº 248 de 17 de julho de 2008 O PRESIDENTE DO INSTITUTO NACIONAL DE METROLOGIA, NORMALIZAÇÃO E QUALIDADE INDUSTRIAL,

Leia mais

CENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS - UnilesteMG

CENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS - UnilesteMG 1 CENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS - UnlesteMG Dscplna: Introdução à Intelgênca Artfcal Professor: Luz Carlos Fgueredo GUIA DE LABORATÓRIO LF. 01 Assunto: Lógca Fuzzy Objetvo: Apresentar o

Leia mais

Eletricidade 3. Campo Elétrico 8. Energia Potencial Elétrica 10. Elementos de Um Circuito Elétrico 15. Elementos de Um Circuito Elétrico 20

Eletricidade 3. Campo Elétrico 8. Energia Potencial Elétrica 10. Elementos de Um Circuito Elétrico 15. Elementos de Um Circuito Elétrico 20 1 3º Undade Capítulo XI Eletrcdade 3 Capítulo XII Campo Elétrco 8 Capítulo XIII Energa Potencal Elétrca 10 Capítulo XIV Elementos de Um Crcuto Elétrco 15 Capítulo XV Elementos de Um Crcuto Elétrco 20 Questões

Leia mais

Capítulo 1. O plano complexo. 1.1. Introdução. Os números complexos começaram por ser introduzidos para dar sentido à 2

Capítulo 1. O plano complexo. 1.1. Introdução. Os números complexos começaram por ser introduzidos para dar sentido à 2 Capítulo O plano compleo Introdução Os números compleos começaram por ser ntrodudos para dar sentdo à resolução de equações polnomas do tpo Como os quadrados de números reas são sempre maores ou guas a

Leia mais

Motores síncronos. São motores com velocidade de rotação fixa velocidade de sincronismo.

Motores síncronos. São motores com velocidade de rotação fixa velocidade de sincronismo. Motores síncronos Prncípo de funconamento ão motores com velocdade de rotação fxa velocdade de sncronsmo. O seu prncípo de funconamento está esquematzado na fgura 1.1 um motor com 2 pólos. Uma corrente

Leia mais

Exercícios de Física. Prof. Panosso. Fontes de campo magnético

Exercícios de Física. Prof. Panosso. Fontes de campo magnético 1) A fgura mostra um prego de ferro envolto por um fo fno de cobre esmaltado, enrolado mutas vezes ao seu redor. O conjunto pode ser consderado um eletroímã quando as extremdades do fo são conectadas aos

Leia mais

PROJEÇÕES POPULACIONAIS PARA OS MUNICÍPIOS E DISTRITOS DO CEARÁ

PROJEÇÕES POPULACIONAIS PARA OS MUNICÍPIOS E DISTRITOS DO CEARÁ GOVERNO DO ESTADO DO CEARÁ SECRETARIA DO PLANEJAMENTO E GESTÃO - SEPLAG INSTITUTO DE PESQUISA E ESTRATÉGIA ECONÔMICA DO CEARÁ - IPECE NOTA TÉCNICA Nº 29 PROJEÇÕES POPULACIONAIS PARA OS MUNICÍPIOS E DISTRITOS

Leia mais

MAPEAMENTO DA VARIABILIDADE ESPACIAL

MAPEAMENTO DA VARIABILIDADE ESPACIAL IT 90 Prncípos em Agrcultura de Precsão IT Departamento de Engenhara ÁREA DE MECANIZAÇÃO AGRÍCOLA MAPEAMENTO DA VARIABILIDADE ESPACIAL Carlos Alberto Alves Varella Para o mapeamento da varabldade espacal

Leia mais

Departamento de Informática. Modelagem Analítica. Modelagem Analítica do Desempenho de Sistemas de Computação. Disciplina: Medida de Probabilidade

Departamento de Informática. Modelagem Analítica. Modelagem Analítica do Desempenho de Sistemas de Computação. Disciplina: Medida de Probabilidade Departaento de Inforátca Dscplna: do Desepenho de Ssteas de Coputação Medda de Probabldade Prof. Sérgo Colcher colcher@nf.puc-ro.br Teora da Probabldade Modelo ateátco que perte estudar, de fora abstrata,

Leia mais

Controle Estatístico de Processos: a questão da autocorrelação, dos erros de mensuração e do monitoramento de mais de uma característica de qualidade

Controle Estatístico de Processos: a questão da autocorrelação, dos erros de mensuração e do monitoramento de mais de uma característica de qualidade Controle Estatístco de Processos: a questão da autocorrelação, dos erros de mensuração e do montoramento de mas de uma característca de qualdade Docentes: Maysa S. de Magalhães; Lnda Lee Ho; Antono Fernando

Leia mais

Incerteza e propagação de Erros em sistemas de medição. Prof. Valner Material desenvolvido com notas de aulas e

Incerteza e propagação de Erros em sistemas de medição. Prof. Valner Material desenvolvido com notas de aulas e Incerteza e propagação de Erros em sstemas de medção Prof. Valner Materal desenvolvdo com notas de aulas e bblografa Incerteza de medção Documento mportante: Gude to the Epresson of Uncertant n Measurement

Leia mais

CAPÍTULO VI Introdução ao Método de Elementos Finitos (MEF)

CAPÍTULO VI Introdução ao Método de Elementos Finitos (MEF) PMR 40 - Mecânca Computaconal CAPÍTULO VI Introdução ao Método de Elementos Fntos (MEF). Formulação Teórca - MEF em uma dmensão Consderemos a equação abao que representa a dstrbução de temperatura na barra

Leia mais

CAPÍTULO 9 - Regressão linear e correlação

CAPÍTULO 9 - Regressão linear e correlação INF 6 Prof. Luz Alexadre Peterell CAPÍTULO 9 - Regressão lear e correlação Veremos esse capítulo os segutes assutos essa ordem: Correlação amostral Regressão Lear Smples Regressão Lear Múltpla Correlação

Leia mais

7.4 Precificação dos Serviços de Transmissão em Ambiente Desregulamentado

7.4 Precificação dos Serviços de Transmissão em Ambiente Desregulamentado 64 Capítulo 7: Introdução ao Estudo de Mercados de Energa Elétrca 7.4 Precfcação dos Servços de Transmssão em Ambente Desregulamentado A re-estruturação da ndústra de energa elétrca que ocorreu nos últmos

Leia mais

Probabilidade e Estatística. Correlação e Regressão Linear

Probabilidade e Estatística. Correlação e Regressão Linear Probabldade e Estatístca Correlação e Regressão Lnear Correlação Este uma correlação entre duas varáves quando uma delas está, de alguma forma, relaconada com a outra. Gráfco ou Dagrama de Dspersão é o

Leia mais

Prof. Antônio Carlos Fontes dos Santos. Aula 1: Divisores de tensão e Resistência interna de uma fonte de tensão

Prof. Antônio Carlos Fontes dos Santos. Aula 1: Divisores de tensão e Resistência interna de uma fonte de tensão IF-UFRJ Elementos de Eletrônca Analógca Prof. Antôno Carlos Fontes dos Santos FIW362 Mestrado Profssonal em Ensno de Físca Aula 1: Dvsores de tensão e Resstênca nterna de uma fonte de tensão Este materal

Leia mais

Instruções de segurança VEGAWELL WL51/52.A********C/D* VEGAWELL WELL72.A*******- C/D*

Instruções de segurança VEGAWELL WL51/52.A********C/D* VEGAWELL WELL72.A*******- C/D* Instruções de segurança VEGAWELL WL51/52.A********C/D* VEGAWELL WELL72.A*******- C/D* NCC 13.2121 X Ex a IIC T6 Ga, Gb 0044 Document ID: 46341 Índce 1 Valdade... 3 2 Geral... 3 3 Dados técncos... 3 4 Proteção

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 Físca Arqutectura Pasagístca Análse de erros ANÁLISE DE ERROS A ervação de u fenóeno físco não é copleta se não puderos quantfcá-lo Para é sso é necessáro edr ua propredade físca O processo de edda consste

Leia mais

Universidade Salvador UNIFACS Cursos de Engenharia Cálculo IV Profa: Ilka Rebouças Freire. Integrais Múltiplas

Universidade Salvador UNIFACS Cursos de Engenharia Cálculo IV Profa: Ilka Rebouças Freire. Integrais Múltiplas Unversdade Salvador UNIFACS Cursos de Engenhara Cálculo IV Profa: Ilka ebouças Frere Integras Múltplas Texto 3: A Integral Dupla em Coordenadas Polares Coordenadas Polares Introduzremos agora um novo sstema

Leia mais

UNIVERSIDADE FEDERAL DO PARANÁ DEPARTAMENTO DE ESTATÍSTICA CE 071 ANÁLISE DE REGRESSÃO LINEAR. Cesar Augusto Taconeli

UNIVERSIDADE FEDERAL DO PARANÁ DEPARTAMENTO DE ESTATÍSTICA CE 071 ANÁLISE DE REGRESSÃO LINEAR. Cesar Augusto Taconeli UNIVERSIDADE FEDERAL DO PARANÁ DEPARTAMENTO DE ESTATÍSTICA CE 7 ANÁLISE DE REGRESSÃO LINEAR Cesar Augusto Taconel Curtba-PR . INTRODUÇÃO Taconel, C.A. Análse de Regressão Lnear Ao se tratar da relação

Leia mais

XX SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA NOVO MODELO PARA O CÁLCULO DE CARREGAMENTO DINÂMICO DE TRANSFORMADORES

XX SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA NOVO MODELO PARA O CÁLCULO DE CARREGAMENTO DINÂMICO DE TRANSFORMADORES XX SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA Versão 1.0 22 a 25 Novembro de 2009 Recfe - PE GRUPO XIII GRUPO DE ESTUDO DE TRANSFORMADORES, REATORES, MATERIAIS E TECNOLOGIAS

Leia mais

Controle de qualidade de produto cartográfico aplicado a imagem de alta resolução

Controle de qualidade de produto cartográfico aplicado a imagem de alta resolução Controle de qualdade de produto cartográfco aplcado a magem de alta resolução Nathála de Alcântara Rodrgues Alves¹ Mara Emanuella Frmno Barbosa¹ Sydney de Olvera Das¹ ¹ Insttuto Federal de Educação Cênca

Leia mais

CURSO ON-LINE PROFESSOR: VÍTOR MENEZES

CURSO ON-LINE PROFESSOR: VÍTOR MENEZES O Danel Slvera pedu para eu resolver mas questões do concurso da CEF. Vou usar como base a numeração do caderno foxtrot Vamos lá: 9) Se, ao descontar uma promssóra com valor de face de R$ 5.000,00, seu

Leia mais

Física. Setor A. Índice-controle de Estudo. Prof.: Aula 25 (pág. 86) AD TM TC. Aula 26 (pág. 86) AD TM TC. Aula 27 (pág.

Física. Setor A. Índice-controle de Estudo. Prof.: Aula 25 (pág. 86) AD TM TC. Aula 26 (pág. 86) AD TM TC. Aula 27 (pág. Físca Setor Prof.: Índce-controle de studo ula 25 (pág. 86) D TM TC ula 26 (pág. 86) D TM TC ula 27 (pág. 87) D TM TC ula 28 (pág. 87) D TM TC ula 29 (pág. 90) D TM TC ula 30 (pág. 90) D TM TC ula 31 (pág.

Leia mais

O método de Equação Integral com Quadratura Gaussiana para otimizar os parâmetros do gráfico de controle multivariado de Somas Acumuladas

O método de Equação Integral com Quadratura Gaussiana para otimizar os parâmetros do gráfico de controle multivariado de Somas Acumuladas Unversdade Federal de Santa Catarna Centro Tecnológco Programa de Pós-Graduação em Engenhara de Produção O método de Equação Integral com Quadratura Gaussana para otmzar os parâmetros do gráfco de controle

Leia mais

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha) Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado

Leia mais

Hoje não tem vitamina, o liquidificador quebrou!

Hoje não tem vitamina, o liquidificador quebrou! A U A UL LA Hoje não tem vtamna, o lqudfcador quebrou! Essa fo a notíca dramátca dada por Crstana no café da manhã, lgeramente amenzada pela promessa de uma breve solução. - Seu pa dsse que arruma à note!

Leia mais

Lista de Exercícios de Recuperação do 2 Bimestre. Lista de exercícios de Recuperação de Matemática 3º E.M.

Lista de Exercícios de Recuperação do 2 Bimestre. Lista de exercícios de Recuperação de Matemática 3º E.M. Lsta de Exercícos de Recuperação do Bmestre Instruções geras: Resolver os exercícos à caneta e em folha de papel almaço ou monobloco (folha de fcháro). Copar os enuncados das questões. Entregar a lsta

Leia mais

Estatística I Licenciatura MAEG 2006/07

Estatística I Licenciatura MAEG 2006/07 Estatístca I Lcencatura MAEG 006/07 AMOSTRAGEM. DISTRIBUIÇÕES POR AMOSTRAGEM.. Em determnada unversdade verfca-se que 30% dos alunos têm carro. Seleccona-se uma amostra casual smples de 0 alunos. a) Qual

Leia mais

Experiência V (aulas 08 e 09) Curvas características

Experiência V (aulas 08 e 09) Curvas características Experênca (aulas 08 e 09) Curvas característcas 1. Objetvos 2. Introdução 3. Procedmento expermental 4. Análse de dados 5. Referêncas 1. Objetvos Como no expermento anteror, remos estudar a adequação de

Leia mais