Ramos Energia e Automação

Tamanho: px
Começar a partir da página:

Download "Ramos Energia e Automação"

Transcrição

1 Mestrado Integrado em Engenhara Electrotécnca e de Computadores Investgação Operaconal Ramos Energa e Automação Prova com consulta Alunos admtdos a exame com avalação contínua Duração: 2h30 Partda da UnEng5/FND/UNIFIL para o Teatro de Operações do Líbano Partu no da 01 de Dezembro de 2008, em aeronave fretada pelas Nações Undas, o grosso da Undade de Engenhara N o 5 (UnEng5) para render o contngente naconal que está estaconado no Teatro de Operações no Líbano. A UnEng5, comandada pelo Tenente-Coronel de Engenhara Antóno José Soares Perera, do Exércto Português, num total de 141 mltares, ncou o seu Aprontamento e Treno Operaconal a 02 de Julho de Esta Força Naconal Destacada tem como mssão executar trabalhos de Construções Horzontas e Vertcas em apoo às undades da Unted Natons Interm Force n Lebanon (UNIFIL) em toda a Área de Operações, de Dezembro de 2008 a Junho de Prepara-se anda para contrbur para garantr a lberdade de movmentos em toda a Área de Operações e apoar as Forças Armadas Lbanesas e Agêncas cvs em actvdades de Ajuda Humantára dentro das suas capacdades, de acordo com as orentações do Comando da Força. A UNIFIL fo crada pela ONU em 1978 com o objectvo de apoar o governo lbanês, assegurando a retrada das forças sraeltas e a manutenção de paz no país. O Exércto português ncou, em Novembro de 2006, o seu contrbuto para a mssão da UNIFIL, no Líbano. Sendo esta a qunta Força para este Teatro de Operações, já perto de 750 mltares portugueses partcparam nesta mssão de apoo à reconstrução do Sul do Líbano. retrado de 1

2 1. (20/3 valores) A UnEng5 ntegra 12 ofcas, 37 sargentos e 92 praças, sendo 15 por cento dos efectvos (21) mulheres e 55 por cento já com experênca anteror em mssões nternaconas. Esse contngente mltar fcará nstalado no sul do Líbano, em Camp Ubque e será a partr dessa base que partrão para o Teatro das Operações. O contngente de 141 mltares ntegra também um conjunto de veículos e 40 equpamentos que vsam permtr a execução dos trabalhos de engenhara que ncluem, entre outros, a construção de vas de comuncações, terraplanagens, remoção de obstáculos, construção de abrgos, aeródromos e helportos, trabalhos de desmatação, escavação, aterro e drenagem, recuperação de edfícos públcos, fornecmento e dstrbução de energa eléctrca, e também a nactvação de engenhos explosvos. Antes da partda da UnEng5 fo necessáro fazer o levantamento de todas as ntervenções realzáves, para se poder fazer um planeamento agregado das ntervenções para o período da mssão. Esse levantamento ncluu as durações estmadas (em meses), os recursos a utlzar, custos de operação e também uma medda do retorno dos trabalhos realzados (em valor monetáro), que reflecte a melhora das condções de vda das populações locas e é também uma medda de prestígo da mssão portuguesa. O resultado desse levantamento está representado na tabela 1. Tabela 1: Lsta de ntervenções Duração Ofcas Sargentos Praças Equpamentos Custo Retorno (meses) (quant.) (quant.) (quant.) (quant.) (Ke) (Ke) t o s p e cus ret Int A Int B Int C Int D Int E Int F Int G Int H O comando operaconal em Portugal, após analsar as ntervenções a realzar e após longas conversações com o comando da UNIFIL no Líbano, alertou para as seguntes stuações: De entre as ntervenções A, B e C é necessáro realzar pelo menos duas. Se for realzada pelo menos uma das ntervenções D ou E, é necessáro que se realze a ntervenção F. 2

3 O orçamento global para as ntervenções é de 1500 Ke. Durante todo o período da mssão, deverão permanecer em Camp Ubque 2 ofcas, 5 sargentos e 10 praças. (a) Escreva o modelo de Programação Matemátca que permta determnar as ntervenções a serem realzadas pela UnEng5 durante a sua mssão de 6 meses no Líbano. (b) Anda antes da partda para o Líbano, já depos de terem sdo decddas as ntervenções a realzar no Teatro das Operações, fo necessáro decdr qual a sequênca para a realzação dessas ntervenções. Para tal fo construído o segunte modelo de Programação Matemátca: Índces Constantes {0,..., I} Intervenção a realzar; m {1,..., 6} Mês; t Duração da ntervenção o Número de ofcas necessáros para realzar a ntervenção O Número total de ofcas s Número de sargentos necessáros para realzar a ntervenção S Número total de sargentos p Número de praças necessáros para realzar a ntervenção P Número total de praças e Número de equpamentos necessáros para realzar a ntervenção E Número total de equpamentos Varáves de decsão Função objectvo x m {0, 1} Igual a 1 se ntervenção decorre durante o mês m M Folga de recursos max M Restrções m O (o x m ) M (1) m S (s x m ) M (2) m P (p x m ) M (3) m E (e x m ) M (4) x m = t (5) ) Descreva o que se pretende com a função objectvo. ) Descreva o que se pretende modelzar com as restrções 1, 2, 3 e 4. ) Descreva o que que se pretende modelzar com a restrção 5. v) Consdera a função objectvo adequada? Sugra, justfcadamente uma função objectvo alternatva. v) Que problemas antevê na solução óptma obtda por este modelo, tendo em conta a varável de decsão x m e as restrções apresentadas? m 3

4 2. (20/3 valores) O Tenente-Coronel Alves Caetano, responsável pela gestão dos materas para a reabltação de edfícos exstentes, defronta-se no momento com um problema de logístca. Assm, sabendo que brevemente lhe serão envadas 50 ton de area, 15 ton de brta, 20 ton de cmento e 7 ton de terra, espera decdr que quantdades armazenar em cada um dos dos estaleros que a sua base mltar, o Ubque Camp, possu. O Estalero Norte do Ubque Camp possu uma capacdade de armazenagem de 40 ton, enquanto que o Estalero Sul possu uma capacdade de 65 ton. Os custos mensas de armazenagem dos materas, por tonelada, em cada um dos estaleros estão ndcados na tabela segunte: Materal Area Brta Cmento Terra Estalero Norte 2,0 e 1,0 e 3,5 e 1,5 e Estalero Sul 2,5 e 1,2 e 3,0 e 2,1 e Pretende-se então saber que quantdade de cada tpo de materal deve ser armazenada em cada estalero de forma a mnmzar os custos de armazenagem. (a) ) Formule o problema como um problema de transportes; ) determne uma solução ncal pela Regra dos Custos Mínmos; ) faça uma prmera teração pelo Algortmo de Transportes; v) verfque se a solução obtda após essa prmera teração é óptma ou não e explque porquê; v) apresente a solução obtda; v) calcule o valor da função objectvo para a solução obtda. (b) Admta agora que o Estalero Norte não possu as condções de armazenagem necessáras para garantr a manutenção das propredades do cmento e, como tal, não se poderá armazenar o cmento neste. Admta anda que se deverá usar a capacdade máxma de armazenagem do Estalero Sul. Apresente o novo quadro ncal de transporte que apresentou na alínea anteror por forma a contemplar estas restrções. Atenção: deve só apresentar o quadro ncal e não deve fazer nenhuma teração. 4

5 3. (20/3 valores) No âmbto das suas actvdades de construções vertcas, a UnEng5 tem como mssão a reconstrução da escola prmára de Naqoura, parcalmente destruída nos confrontos com Israel em Este não é um projecto complcado em termos de engenhara, mas dado o seu carácter urgente, tem lugar de destaque nas prordades da Undade portuguesa. A rede segunte representa a relação entre as váras actvdades dentfcadas como essencas para concretzar o projecto, bem como as suas durações (valor médo e desvo padrão). (a) Determne a duração e o camnho crítco do projecto. (b) Indque todas as folgas (total e lvre) de cada uma das actvdades do projecto. (c) Um atraso de 2 das no níco da actvdade F comprometerá a duração total do projecto? Justfque. (d) Qual a probabldade do projecto se prolongar por 3 ou mas das? 5

6 Resolução 1. (a) Índces {A,..., H} Intervenção a realzar; Constantes t Duração da ntervenção (em meses) 6 Duração total da mssão (em meses) o Número de ofcas necessáros para realzar a ntervenção 2 Número de ofcas que se devem manter em Camp Ubque 12 Número total de ofcas s Número de sargentos necessáros para realzar a ntervenção 5 Número de sargentos que se devem manter em Camp Ubque 37 Número total de sargentos p Número de praças necessáros para realzar a ntervenção 10 Número de praças que se devem manter em Camp Ubque 92 Número total de praças e Número de equpamentos necessáros para realzar a ntervenção 40 Número total de equpamentos cus Custo assocado à realzação da ntervenção ret Retorno assocado à realzação da ntervenção Varáves de decsão x {0, 1} Igual a 1 se ntervenção for planeada para ocorrer durante a mssão Função objectvo max (ret cus ) x 6

7 Restrções Não exceder os ofcas mês dsponíves (o t x ) (12 2) 6 Não exceder os sargentos mês dsponíves (s t x ) (37 5) 6 Não exceder os praças mês dsponíves (p t x ) (92 10) 6 Não exceder os equpamentos mês dsponíves (e t x ) 40 6 De entre as ntervenções A, B e C é necessáro realzar pelo menos duas. x A + x B + x C 2 Se for realzada pelo menos uma das ntervenções D ou E, é necessáro que se realze a ntervenção F. x F x D + x E O orçamento global para as ntervenções é de 1500 Ke. (cus x ) 1500Ke (b) Note-se que se consderaram de forma ndependente as restrções de capacdade de cada um dos recursos, pos o modelo que se pretende é um modelo de planeamento agregado. Num nível mas fno de planeamento sera necessáro resolver um modelo de sequencamento das ntervenções. ) Com a função objectvo pretende-se que o recurso com menor folga num determnado mês tenha a maor folga possível (MaxMn). Como no modelo não se lmta a varável de decsão M a valores maores ou guas a zero, um valor nferor a zero para a função objectvo sgnfca que não há recursos sufcentes (de um ou mas tpos, num ou mas meses) para realzar as operações planeadas para o Líbano e anda assm essa ser a solução óptma para o problema. ) Com as restrções 1, 2, 3 e 4 pretende-se, em cada mês, restrngr a utlzação de cada um dos recursos, contrbundo anda para o objectvo MaxMn através da varável M. O facto de a varável M não estar restrta a valores maores ou guas a zero, permte que o problema tenha solução mesmo quando a quantdade de um ou mas tpos de recursos não for sufcente num determnado mês. ) Com as restrções 5 pretende-se garantr que todas as ntervenções decorrem exactamente no número de meses prevsto. v) Ao consderar a folga de todos os recursos gualmente mportante (uma folga de um ofcal gualmente mportante que uma folga de um equpamento) a função objectvo não parece estar a reproduzr a mportânca dos recursos em causa. Uma função objectvo alternatva poda por exemplo medr separadamente essas folgas e dar-lhe valores (pesos) dferentes, a decdr pelo agente de decsão. v) Com a varável de decsão defnda neste modelo pode acontecer que uma ntervenção que tenha que decorrer em város meses não decorra em meses consecutvos. Isto é: decorre durante um mês, pára no mês segunte e só recomeça num outro mês. 7

8 Em certas stuações de sequencamento essa stuação não pode acontecer e terá que ser acautelada defnndo uma varável de decsão dferente e/ou acrescentando restrções, de tal forma que, se uma ntervenção começar deverá ser realzada até ao fm. 8

9 2. (a) ) Para formular este problema como um problema de transportes vamos consderar como orgens os materas e como destnos os estaleros. É necessáro para equlbrar a capacdade de armazenagem com a quantdade a armazenar e acrescentar um materal fctíco que absorverá o excesso de capacdade. Estalero Norte Estalero Sul Area 50 Brta 15 1,0 1,2 Cmento 20 3,5 3,0 Terra 7 1,5 2,1 X 13 0,0 0, ) Determnando uma solução ncal pela regra dos custos mínmos tem-se: Estalero Norte Estalero Sul Area Brta ,0 1,2 Cmento ,5 3,0 Terra 7-7 1,5 2,1 X ,0 0, ) Fazendo uma teração pelo algortmo de transportes: 2 2,5 0,0 18+θ 32-θ -1,0 15-θ θ 1,0 1,2 0,5-20 3,5 3,0-0,5 7-1,5 2,1-2,5-13 0,0 0,0 Com θ=mn(15,32)=15, dando orgem ao segunte quadro: 2 2,5 0, ,0-15 1,0 1,2 0,5-20 3,5 3,0-0,5 7-1,5 2,1-2,5-13 0,0 0,0 v) A solução obtda é óptma porque não exstem dferenças j = c j U V nãonegatvas, conforme apresentado no quadro abaxo. 9

10 2 2,5 0, ,3-15 0,3 1,0 1,2 0,5-20 1,0 3,5 3,0-0,5 7-1,5 0,1 2,1-2,5-13 0,5 0,0 0,0 v) O armazenamento deverá ser feto da segunte forma: Armazem Norte: 33 ton. de area; 7 ton. de terra; Armazem Sul: 17 ton. de area; 15 ton. de brta; 20 ton. de cmento. v) A função objectvo terá um valor de 197e. (b) Dado que não é permtda a armazenagem do cmento no Estalero Norte, o problema pode ser reformulado consderando um custo nfnto para o armazenamento deste materal neste estalero. Por outro lado, dado que a capacdade de armazenamento do Estalero Sul deve ser usada na totaldade, não poderá haver qualquer materal fctíco assocado a este estalero, daí se consderar um custo nfnto de armazenamento. Estalero Norte Estalero Sul Area 50 Brta 15 1,0 1,2 Cmento ,0 Terra 7 1,5 2,1 X 13 0,

11 3. (a) A rede do projecto está desenhada na fgura segunte: Duração prevsta: 18 das Camnho crítco: A C E G I (b) Folgas Totas e Lvres ndcadas na fgura anteror. (c) Tendo em conta que para a actvdade F: FT = FL = 1 da, um atraso de 2 das no níco desta actvdade mplcara um atraso de 1 da na conclusão do projecto, que demorara 19 das a ser concluído. (d) Duração méda do projecto: Varânca da duração do projecto: µ T = µ A + µ C + µ E + µ G + µ I = 18 σ 2 T = σ 2 A + σ 2 C + σ 2 E + σ 2 G + σ 2 I = 8 P rob(d T 21) = P rob(z ) = P rob(z 1, 06) = 0, , 46% 11

Exercícios de CPM e PERT Enunciados

Exercícios de CPM e PERT Enunciados Capítulo 7 Exercícos de CPM e PERT Enuncados Exercícos de CPM e PERT Enuncados 106 Problema 1 O banco TTM (Tostão a Tostão se faz um Mlhão) decdu transferr e amplar a sua sede e servços centras para a

Leia mais

Responda às questões utilizando técnicas adequadas à solução de problemas de grande dimensão.

Responda às questões utilizando técnicas adequadas à solução de problemas de grande dimensão. Departamento de Produção e Sstemas Complementos de Investgação Operaconal Exame Época Normal, 1ª Chamada 11 de Janero de 2006 Responda às questões utlzando técncas adequadas à solução de problemas de grande

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

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

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC) UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade

Leia mais

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD1507 Estatístca Aplcada à Admnstração I Prof. Dr. Evandro Marcos adel Rbero

Leia mais

4 Critérios para Avaliação dos Cenários

4 Critérios para Avaliação dos Cenários Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia 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

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

Programa de Certificação de Medidas de um laboratório

Programa de Certificação de Medidas de um laboratório Programa de Certfcação de Meddas de um laboratóro Tratamento de dados Elmnação de dervas Programa de calbração entre laboratóros Programa nterno de calbração justes de meddas a curvas Tratamento dos resultados

Leia mais

4.1 Modelagem dos Resultados Considerando Sazonalização

4.1 Modelagem dos Resultados Considerando Sazonalização 30 4 METODOLOGIA 4.1 Modelagem dos Resultados Consderando Sazonalzação A sazonalzação da quantdade de energa assegurada versus a quantdade contratada unforme, em contratos de fornecmento de energa elétrca,

Leia mais

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de

Leia mais

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu Programação Lnear (PL) Aula : Dualdade. Defnção do Problema Dual. Defnção do problema dual. O que é dualdade em Programação Lnear? Dualdade sgnfca a exstênca de um outro problema de PL, assocado a cada

Leia mais

DETERMINAÇÃO DE VALORES LIMITE DE EMISSÃO PARA SUBSTÂNCIAS PERIGOSAS DA LISTA II DA DIRECTIVA 76/464/CEE

DETERMINAÇÃO DE VALORES LIMITE DE EMISSÃO PARA SUBSTÂNCIAS PERIGOSAS DA LISTA II DA DIRECTIVA 76/464/CEE DETERMINAÇÃO DE VALORES LIMITE DE EMISSÃO PARA SUBSTÂNCIAS PERIGOSAS DA LISTA II DA DIRECTIVA 76/464/CEE Anabela R. S. REBELO Lc. Químca Industral, CCDR Algarve, Rua Dr. José de Matos n.º 13, 800-503 Faro,

Leia mais

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas 3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas

Leia mais

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro. Aplcação Por exemplo, se prepararmos uma área expermental com todo cudado possível e fzermos, manualmente, o planto de 100 sementes seleconadas de um mlho híbrdo, cudando para que as sementes fquem na

Leia mais

Microeconomia II. Cursos de Economia e de Matemática Aplicada à Economia e Gestão AULA 5.3. Afectação de Bens Públicos: a Condição de Samuelson

Microeconomia II. Cursos de Economia e de Matemática Aplicada à Economia e Gestão AULA 5.3. Afectação de Bens Públicos: a Condição de Samuelson Mcroeconoma II Cursos de Economa e de Matemátca Aplcada à Economa e Gestão AULA 5.3 Afectação de Bens Públcos: a Condção de Isabel Mendes 2007-2008 5/3/2008 Isabel Mendes/MICRO II 5.3 Afectação de Bens

Leia mais

2ª Atividade Formativa UC ECS

2ª Atividade Formativa UC ECS I. Explque quando é que a méda conduz a melhores resultados que a medana. Dê um exemplo para a melhor utlzação de cada uma das meddas de localzação (Exame 01/09/2009). II. Suponha que um professor fez

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca

Leia mais

1 a chamada Duração: 2 horas e 30 minutos Com Consulta

1 a chamada Duração: 2 horas e 30 minutos Com Consulta Lcencatura em Engenhara Electrotécnca e de Computadores Investgação Operaconal 1 a chamada 2002.01.08 Duração: 2 horas e 30 mnutos Com Consulta Responda a cada questão numa folha separada 1. Quem pensou

Leia mais

Programação Dinâmica. Fernando Nogueira Programação Dinâmica 1

Programação Dinâmica. Fernando Nogueira Programação Dinâmica 1 Programação Dnâmca Fernando Noguera Programação Dnâmca A Programação Dnâmca procura resolver o problema de otmzação através da análse de uma seqüênca de problemas mas smples do que o problema orgnal. A

Leia mais

UNIVERSIDADE NOVA DE LISBOA Faculdade de Economia Análise de Dados e Probabilidade 2º Semestre 2008/2009 Exame Final 1ª Época. Grupo I (4 Valores)

UNIVERSIDADE NOVA DE LISBOA Faculdade de Economia Análise de Dados e Probabilidade 2º Semestre 2008/2009 Exame Final 1ª Época. Grupo I (4 Valores) UNIVERSIDADE NOVA DE LISBOA Faculdade de Economa Análse de Dados e Probabldade º Semestre 008/009 Exame Fnal ª Época Clara Costa Duarte Data: 8/05/009 Graça Slva Duração: h0 Grupo I (4 Valores) A gelatara

Leia mais

FUNDAMENTOS DE INVESTIGAÇÃO OPERACIONAL. 2.º teste 21 de Maio de Duração: 1h:30. Resolução indicativa

FUNDAMENTOS DE INVESTIGAÇÃO OPERACIONAL. 2.º teste 21 de Maio de Duração: 1h:30. Resolução indicativa INSIUO SUPERIOR ÉNIO LEGI (Lcencatura em Engenhara e Gestão Industral) FUNDAMENOS DE INVESIGAÇÃO OPERAIONAL 2.º teste 21 de Mao de 2016 Duração: 1h:30 Resolução ndcatva 1. Um estabelecmento de ensno superor

Leia mais

Testes não-paramétricos

Testes não-paramétricos Testes não-paramétrcos Prof. Lorí Val, Dr. http://www.mat.ufrgs.br/val/ val@mat.ufrgs.br Um teste não paramétrco testa outras stuações que não parâmetros populaconas. Estas stuações podem ser relaconamentos,

Leia mais

3 A técnica de computação intensiva Bootstrap

3 A técnica de computação intensiva Bootstrap A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.

Leia mais

Mestrado Integrado em Engenharia Civil. Disciplina: TRANSPORTES Prof. Responsável: José Manuel Viegas

Mestrado Integrado em Engenharia Civil. Disciplina: TRANSPORTES Prof. Responsável: José Manuel Viegas Mestrado Integrado em Engenhara Cvl Dscplna: TRANSPORTES Prof. Responsável: José Manuel Vegas Sessão Prátca 7 (Tpo A): Dmensonamento de ntersecções semaforzadas smples Curso 2008/09 1/22 INTERSECÇÕES Introdução

Leia mais

EXERCÍCIO: VIA EXPRESSA CONTROLADA

EXERCÍCIO: VIA EXPRESSA CONTROLADA EXERCÍCIO: VIA EXPRESSA CONTROLADA Engenhara de Tráfego Consdere o segmento de va expressa esquematzado abaxo, que apresenta problemas de congestonamento no pco, e os dados a segur apresentados: Trechos

Leia mais

ESTATÍSTICA APLICADA II ANO LECTIVO 2011/2012. Exame Final 26 de Julho de 2012

ESTATÍSTICA APLICADA II ANO LECTIVO 2011/2012. Exame Final 26 de Julho de 2012 ETATÍTICA APLICADA II ANO LECTIVO / Exame Fnal 6 de Julho de Duração : H 3 M Nota: Responder um grupo por folha (utlze frente e verso de cada folha) Em todas as questões apresentar os cálculos efectuados

Leia mais

3 Algoritmos propostos

3 Algoritmos propostos Algortmos propostos 3 Algortmos propostos Nesse trabalho foram desenvolvdos dos algortmos que permtem classfcar documentos em categoras de forma automátca, com trenamento feto por usuáros Tas algortmos

Leia mais

Introdução a Processos Estocásticos:Exercícios

Introdução a Processos Estocásticos:Exercícios lvroexerccos 2017/3/19 11:24 page #1 Introdução a Processos Estocástcos:Exercícos Luz Antono Baccalá Escola Poltécnca da USP Departamento de Engenhara de Telecomuncações e Controle 2016 lvroexerccos 2017/3/19

Leia mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média. Estatístca Dscplna de Estatístca 0/ Curso de Admnstração em Gestão Públca Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos uns dos

Leia mais

SÉRIE DE PROBLEMAS: CIRCUITOS DE ARITMÉTICA BINÁRIA. CIRCUITOS ITERATIVOS.

SÉRIE DE PROBLEMAS: CIRCUITOS DE ARITMÉTICA BINÁRIA. CIRCUITOS ITERATIVOS. I 1. Demonstre que o crcuto da Fg. 1 é um half-adder (semsomador), em que A e B são os bts que se pretendem somar, S é o bt soma e C out é o bt de transporte (carry out). Fg. 1 2. (Taub_5.4-1) O full-adder

Leia mais

TRANSPORTES. Sessão Prática 11 Dimensionamento de Interseções Semaforizadas

TRANSPORTES. Sessão Prática 11 Dimensionamento de Interseções Semaforizadas Mestrado Integrado em Engenhara Cvl TRANSPORTES Prof. Responsável: Lus Pcado Santos Sessão Prátca 11 Dmensonamento de Interseções Semaforzadas Insttuto Superor Técnco / Mestrado Integrado Engenhara Cvl

Leia mais

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo 3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas

Leia 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 entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

2. VARIÁVEIS ALEATÓRIAS

2. VARIÁVEIS ALEATÓRIAS VARIÁVEIS ALEATÓRIAS 0 Varável aleatóra Ω é o espaço amostral de um epermento aleatóro Uma varável aleatóra é uma função que atrbu um número real a cada resultado em Ω Eemplo Retra- ao acaso um tem produzdo

Leia mais

Sistema de informação para suporte da decisão de curto prazo em cascatas hídricas

Sistema de informação para suporte da decisão de curto prazo em cascatas hídricas Sstema de nformação para suporte da decsão de curto prazo em cascatas hídrcas Sílvo Marano, Vctor Mendes, Lus Ferrera UBI ISEL IST CEEL - Centro de Engenhara Electrotécnca de Lsboa da UTL Resumo: Na exploração

Leia mais

PROVA 2 Cálculo Numérico. Q1. (2.0) (20 min)

PROVA 2 Cálculo Numérico. Q1. (2.0) (20 min) PROVA Cálculo Numérco Q. (.0) (0 mn) Seja f a função dada pelo gráfco abaxo. Para claro entendmento da fgura, foram marcados todos os pontos que são: () raízes; () pontos crítcos; () pontos de nflexão.

Leia 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

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu 1 Programação Não Lnear com Restrções Aula 9: Programação Não-Lnear - Funções de Váras Varáves com Restrções Ponto Regular; Introdução aos Multplcadores de Lagrange; Multplcadores de Lagrange e Condções

Leia mais

INSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO

INSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO Área Centfca Curso Matemátca Engenhara Electrotécnca º Semestre º 00/0 Fcha nº 9. Um artgo da revsta Wear (99) apresenta dados relatvos à vscosdade do óleo e ao desgaste do aço maco. A relação entre estas

Leia mais

7 - Distribuição de Freqüências

7 - Distribuição de Freqüências 7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste

Leia mais

Laboratório de Mecânica Aplicada I Estática: Roldanas e Equilíbrio de Momentos

Laboratório de Mecânica Aplicada I Estática: Roldanas e Equilíbrio de Momentos Laboratóro de Mecânca Aplcada I Estátca: Roldanas e Equlíbro de Momentos 1 Introdução O conhecmento das condções de equlíbro de um corpo é mprescndível em númeras stuações. Por exemplo, o estudo do equlíbro

Leia mais

Gestão e Teoria da Decisão

Gestão e Teoria da Decisão Gestão e Teora da Decsão Logístca e Gestão de Stocks Estratégas de Localzação Lcencatura em Engenhara Cvl Lcencatura em Engenhara do Terrtóro 1 Estratéga de Localzação Agenda 1. Classfcação dos problemas

Leia mais

Diferença entre a classificação do PIB per capita e a classificação do IDH

Diferença entre a classificação do PIB per capita e a classificação do IDH Curso Bem Estar Socal Marcelo Ner - www.fgv.br/cps Metas Socas Entre as mutas questões decorrentes da déa de se mplementar uma proposta de metas socas temos: Qual a justfcatva econômca para a exstênca

Leia mais

Nome: Nº: Estatística para Economia e Gestão Licenciaturas em Economia e Gestão. 2.º Semestre de 2008/2009

Nome: Nº: Estatística para Economia e Gestão Licenciaturas em Economia e Gestão. 2.º Semestre de 2008/2009 Estatístca para Economa e Gestão Lcencaturas em Economa e Gestão.º Semestre de 008/009 Exame Fnal (.ª Época) 16 de Junho de 009; 17h30m Duração: 10 mnutos INSTRUÇÕES Escreva o nome e número de aluno em

Leia mais

Teoria Elementar da Probabilidade

Teoria Elementar da Probabilidade 10 Teora Elementar da Probabldade MODELOS MATEMÁTICOS DETERMINÍSTICOS PROBABILÍSTICOS PROCESSO (FENÓMENO) ALEATÓRIO - Quando o acaso nterfere na ocorrênca de um ou mas dos resultados nos quas tal processo

Leia mais

Eventos coletivamente exaustivos: A união dos eventos é o espaço amostral.

Eventos coletivamente exaustivos: A união dos eventos é o espaço amostral. DEFINIÇÕES ADICIONAIS: PROBABILIDADE Espaço amostral (Ω) é o conjunto de todos os possíves resultados de um expermento. Evento é qualquer subconjunto do espaço amostral. Evento combnado: Possu duas ou

Leia mais

TESTES DE CONTROLO Teste 6

TESTES DE CONTROLO Teste 6 TESTES DE CNTRL Teste 6 GRUP I Na resposta a cada um dos cnco tens deste grupo selecona a únca opção correta. Escreve na tua fola de respostas apenas o número de cada tem e a letra que dentfca a únca opção

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

2ª ACTIVIDADE ESCRITA DE MATEMÁTICA A 12.º C 2009 NOVEMBRO 20 Duração da prova: 45 minutos VERSÃO 1. Grupo I

2ª ACTIVIDADE ESCRITA DE MATEMÁTICA A 12.º C 2009 NOVEMBRO 20 Duração da prova: 45 minutos VERSÃO 1. Grupo I ª ATIVIDADE ESRITA DE MATEMÁTIA A.º 009 NOVEMBRO 0 Duração da prova 4 mnutos VERSÃO Grupo I Para cada uma das três questões deste grupo, seleccone a resposta correcta de entre as alternatvas que lhe são

Leia mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média. Estatístca Dscplna de Estatístca 0/ Curso Superor de tecnólogo em Gestão Ambental Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos

Leia mais

Cap. IV Análise estatística de incertezas aleatórias

Cap. IV Análise estatística de incertezas aleatórias TLF 010/11 Cap. IV Análse estatístca de ncertezas aleatóras Capítulo IV Análse estatístca de ncertezas aleatóras 4.1. Méda 43 4.. Desvo padrão 44 4.3. Sgnfcado do desvo padrão 46 4.4. Desvo padrão da méda

Leia mais

EXERCÍCIOS SUPLEMENTARES

EXERCÍCIOS SUPLEMENTARES PROBABILIDADES E ESTATÍSTICA PROBABILIDADES E ESTATÍSTICA I EXERCÍCIOS SUPLEMENTARES Secção de Estatístca e Aplcações Departamento de Matemátca Insttuto Superor Técnco 2004/2005 Adenda A1. De um lote de

Leia mais

Variável discreta: X = número de divórcios por indivíduo

Variável discreta: X = número de divórcios por indivíduo 5. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas

Leia mais

CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues

CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogéro Rodrgues I) TABELA PRIMITIVA E DISTRIBUIÇÃO DE FREQÜÊNCIA : No processo de amostragem, a forma de regstro mas

Leia mais

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência. MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,

Leia mais

37 [C] Verdadeira. Veja justificativa do item [B]. Moda = 8

37 [C] Verdadeira. Veja justificativa do item [B]. Moda = 8 Resposta da questão 1: [C] Calculando:,5 + 10 + 8 + 9,4 + 8 +,4 + x + 7,4 = 8, 8,5 + 10 + 8 + 9,4 + 8 +,4 + x + 7,4 = 5, x = 9,9 Moda = 8 8+ 8 Medana = = 8,5 + 10 + 8 + 9,4 + 8 +,4 + 7,4 Méda das outras

Leia mais

2 Metodologia de Medição de Riscos para Projetos

2 Metodologia de Medição de Riscos para Projetos 2 Metodologa de Medção de Rscos para Projetos Neste capítulo remos aplcar os concetos apresentados na seção 1.1 ao ambente de projetos. Um projeto, por defnção, é um empreendmento com metas de prazo, margem

Leia mais

PUCPR- Pontifícia Universidade Católica Do Paraná PPGIA- Programa de Pós-Graduação Em Informática Aplicada PROF. DR. JACQUES FACON

PUCPR- Pontifícia Universidade Católica Do Paraná PPGIA- Programa de Pós-Graduação Em Informática Aplicada PROF. DR. JACQUES FACON 1 PUCPR- Pontfíca Unversdade Católca Do Paraná PPGIA- Programa de Pós-Graduação Em Informátca Aplcada PROF. DR. JACQUES FACON LIMIARIZAÇÃO ITERATIVA DE LAM E LEUNG Resumo: A proposta para essa sére de

Leia mais

8 Regime de transição

8 Regime de transição 8 Regme de transção Por delberação do Senado Unverstáro em reunão de 2 de Março de 2006 (Cf. Pág. 2 da Mnuta nº 10) consdera-se que, «a partr do ano lectvo de 2006/07, todos os cursos da Unversdade do

Leia mais

U N I V E R S I D A D E D O S A Ç O R E S D E P A R T A M E N T O D E M A T E M Á T I C A ARMANDO B MENDES ÁUREA SOUSA HELENA MELO SOUSA

U N I V E R S I D A D E D O S A Ç O R E S D E P A R T A M E N T O D E M A T E M Á T I C A ARMANDO B MENDES ÁUREA SOUSA HELENA MELO SOUSA U N I V E R S I D A D E D O S A Ç O R E S D E P A R T A M E N T O D E M A T E M Á T I C A CLASSIFICAÇÃO DE MONOGRAFIAS UMA PROPOSTA PARA MAIOR OBJECTIVIDADE ARMANDO B MENDES ÁUREA SOUSA HELENA MELO SOUSA

Leia mais

Desenho de uma rede Logística

Desenho de uma rede Logística Desenho de uma rede Logístca Desenho da rede Logístca ( Logístca empresaral) Desenho do sstema através do qual exste um fluxo de produtos entre os fornecedores e os clentes. Desenho da rede Logístca (

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de

Leia mais

Gráficos de Controle para Processos Autocorrelacionados

Gráficos de Controle para Processos Autocorrelacionados Gráfcos de Controle para Processos Autocorrelaconados Gráfco de controle de Shewhart: observações ndependentes e normalmente dstrbuídas. Shewhart ao crar os gráfcos de controle não exgu que os dados fossem

Leia mais

D- MÉTODO DAS APROXIMAÇÕES SUCESSIVAS

D- MÉTODO DAS APROXIMAÇÕES SUCESSIVAS D- MÉTODO DAS APROXIMAÇÕES SUCESSIVAS O método das apromações sucessvas é um método teratvo que se basea na aplcação de uma fórmula de recorrênca que, sendo satsfetas determnadas condções de convergênca,

Leia mais

18 e 20/Abr/2016 Aulas 12 e 13. Introdução à Física Estatística Postulados Equilíbrio térmico Função de Partição; propriedades termodinâmicas

18 e 20/Abr/2016 Aulas 12 e 13. Introdução à Física Estatística Postulados Equilíbrio térmico Função de Partição; propriedades termodinâmicas 01/Abr/2016 Aula 11 Potencas termodnâmcos Energa nterna total Entalpa Energas lvres de Helmholtz e de Gbbs Relações de Maxwell 18 e 20/Abr/2016 Aulas 12 e 13 Introdução à Físca Estatístca Postulados Equlíbro

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ Em mutas stuações duas ou mas varáves estão relaconadas e surge então a necessdade de determnar a natureza deste relaconamento. A análse

Leia mais

ECONOMETRIA Prova Intermediária PI 04/04/2014

ECONOMETRIA Prova Intermediária PI 04/04/2014 ECONOMETRIA Prova Intermedára PI 04/04/2014 Prezado(a) Aluno(a), Você terá 120 mnutos a partr do níco ofcal da prova para conclur esta avalação, admnstre bem o seu tempo. Lea atentamente as nstruções a

Leia mais

Física I LEC+LET Guias de Laboratório 2ª Parte

Física I LEC+LET Guias de Laboratório 2ª Parte Físca I LEC+LET Guas de Laboratóro 2ª Parte 2002/2003 Experênca 3 Expansão lnear de sóldos. Determnação de coefcentes de expansão térmca de dferentes substâncas Resumo Grupo: Turno: ª Fera h Curso: Nome

Leia mais

Variáveis Aleatórias

Variáveis Aleatórias Unversdade Federal do Pará Insttuto de Tecnologa Estatístca Aplcada I Prof. Dr. Jorge Teóflo de Barros Lopes Campus de Belém Curso de Engenhara Mecânca /08/06 7:39 ESTATÍSTICA APLICADA I - Teora das Probabldades

Leia mais

Introdução aos Problemas de Roteirização e Programação de Veículos

Introdução aos Problemas de Roteirização e Programação de Veículos Introdução aos Problemas de Roterzação e Programação de Veículos PNV-2450 André Bergsten Mendes Problema de Programação de Veículos Problema de Programação de Veículos Premssas Os roteros ncam e termnam

Leia mais

Mecanismos de Escalonamento

Mecanismos de Escalonamento Mecansmos de Escalonamento 1.1 Mecansmos de escalonamento O algortmo de escalonamento decde qual o próxmo pacote que será servdo na fla de espera. Este algortmo é um dos mecansmos responsáves por dstrbur

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

REGRESSÃO NÃO LINEAR 27/06/2017

REGRESSÃO NÃO LINEAR 27/06/2017 7/06/07 REGRESSÃO NÃO LINEAR CUIABÁ, MT 07/ Os modelos de regressão não lnear dferencam-se dos modelos lneares, tanto smples como múltplos, pelo fato de suas varáves ndependentes não estarem separados

Leia mais

6 Análises de probabilidade de ruptura de um talude

6 Análises de probabilidade de ruptura de um talude 6 Análses de probabldade de ruptura de um talude 6.. Introdução No presente capítulo, apresentam-se prevsões de probabldades de ruptura para o talude de jusante da Barragem de Benguê mostrada na fgura

Leia mais

IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO

IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO Alne de Paula Sanches 1 ; Adrana Betâna de Paula Molgora 1 Estudante do Curso de Cênca da Computação da UEMS, Undade Unverstára de Dourados;

Leia mais

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma Capítulo 8 Dferencação Numérca Quase todos os métodos numércos utlzados atualmente para obtenção de soluções de equações erencas ordnáras e parcas utlzam algum tpo de aproxmação para as dervadas contínuas

Leia mais

Associação entre duas variáveis quantitativas

Associação entre duas variáveis quantitativas Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa

Leia mais

Estatística II Antonio Roque Aula 18. Regressão Linear

Estatística II Antonio Roque Aula 18. Regressão Linear Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão

Leia mais

Estudo quantitativo do processo de tomada de decisão de um projeto de melhoria da qualidade de ensino de graduação.

Estudo quantitativo do processo de tomada de decisão de um projeto de melhoria da qualidade de ensino de graduação. Estudo quanttatvo do processo de tomada de decsão de um projeto de melhora da qualdade de ensno de graduação. Rogéro de Melo Costa Pnto 1, Rafael Aparecdo Pres Espíndula 2, Arlndo José de Souza Júnor 1,

Leia mais

Capítulo XI. Teste do Qui-quadrado. (χ 2 )

Capítulo XI. Teste do Qui-quadrado. (χ 2 ) TLF 00/ Cap. XI Teste do Capítulo XI Teste do Qu-quadrado ( ).. Aplcação do teste do a uma dstrbução de frequêncas 08.. Escolha de ntervalos para o teste do.3. Graus de lberdade e reduzdo.4. Tabela de

Leia mais

CAPÍTULO 2 - Estatística Descritiva

CAPÍTULO 2 - Estatística Descritiva INF 16 Prof. Luz Alexandre Peternell CAPÍTULO - Estatístca Descrtva Exercícos Propostos 1) Consderando os dados amostras abaxo, calcular: méda artmétca, varânca, desvo padrão, erro padrão da méda e coefcente

Leia mais

DELINEAMENTOS EXPERIMENTAIS

DELINEAMENTOS EXPERIMENTAIS SUMÁRIO 1 Delneamentos Expermentas 2 1.1 Delneamento Interamente Casualzado..................... 2 1.2 Delneamento Blocos Casualzados (DBC).................... 3 1.3 Delneamento Quadrado Latno (DQL)......................

Leia mais

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

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16% Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $

Leia mais

Aula Características dos sistemas de medição

Aula Características dos sistemas de medição Aula - Característcas dos sstemas de medção O comportamento funconal de um sstema de medção é descrto pelas suas característcas (parâmetros) operaconas e metrológcas. Aqu é defnda e analsada uma sére destes

Leia mais

3.2. Solução livre de ciclos e solução como uma árvore geradora

3.2. Solução livre de ciclos e solução como uma árvore geradora Smplex Para Redes.. Noções Incas O algortmo Smplex para Redes pode ser entenddo como uma especalzação do método Smplex para aplcação em problemas de programação lnear do tpo fluxo de custo mínmo. O Smplex

Leia mais

Netuno 4. Manual do Usuário. Universidade Federal de Santa Catarina UFSC. Departamento de Engenharia Civil

Netuno 4. Manual do Usuário. Universidade Federal de Santa Catarina UFSC. Departamento de Engenharia Civil Unversdade Federal de Santa Catarna UFSC Departamento de Engenhara Cvl Laboratóro de Efcênca Energétca em Edfcações - LabEEE Netuno 4 Manual do Usuáro Enedr Ghs Marcelo Marcel Cordova Floranópols, Junho

Leia mais

Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina: Variável Aleatória

Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina: Variável Aleatória Departamento de Informátca Dscplna: do Desempenho de Sstemas de Computação Varável leatóra Prof. Sérgo Colcher colcher@nf.puc-ro.br Varável leatóra eal O espaço de amostras Ω fo defndo como o conjunto

Leia mais

CURSO de ESTATÍSTICA Gabarito

CURSO de ESTATÍSTICA Gabarito UNIVERSIDADE FEDERAL FLUMINENSE TRANSFERÊNCIA o semestre letvo de 010 e 1 o semestre letvo de 011 CURSO de ESTATÍSTICA Gabarto INSTRUÇÕES AO CANDIDATO Verfque se este caderno contém: PROVA DE REDAÇÃO com

Leia mais

4 ANÁLISE DE CONFIABILIDADE COM ANÁLISE LIMITE

4 ANÁLISE DE CONFIABILIDADE COM ANÁLISE LIMITE 4 ANÁLISE DE CONIABILIDADE COM ANÁLISE LIMITE A avalação da segurança das estruturas geotécncas tem sdo sempre um dos objetvos da Engenhara Geotécnca. A forma convenconal de quantfcar a segurança de uma

Leia mais

Neste capítulo abordam-se os principais conceitos relacionados com os cálculos de estatísticas, histogramas e correlação entre imagens digitais.

Neste capítulo abordam-se os principais conceitos relacionados com os cálculos de estatísticas, histogramas e correlação entre imagens digitais. 1 1Imagem Dgtal: Estatístcas INTRODUÇÃO Neste capítulo abordam-se os prncpas concetos relaconados com os cálculos de estatístcas, hstogramas e correlação entre magens dgtas. 4.1. VALOR MÉDIO, VARIÂNCIA,

Leia mais