Manual de laboratório e tratamento de erros em Técnicas Laboratoriais de Análise
|
|
- Arthur Lucas Rodrigues Cipriano
- 8 Há anos
- Visualizações:
Transcrição
1 Departamento de Química e Bioquímica Manual de laboratório e tratamento de erros em Técnicas Laboratoriais de Análise Isabel Cavaco Ana Rosa Garcia 2003/2004
2 Preâmbulo Estas folhas destinam-se aos alunos da Faculdade de Ciências e Tecnologia da Universidade do Algarve que frequentem as disciplinas da área científica de Química Analítica. O capítulo I descreve os princípios de boas práticas de laboratório na medição rigorosa de massas e volumes, que devem ser seguidos nas aulas práticas da disciplina. As regras descritas neste capítulo são básicas, mas essenciais para os bons resultados em qualquer trabalho prático de análise química. O capítulo II descreve os procedimentos para tratamento e apresentação de números e resultados experimentais. As secções A e B sistematizam os conceitos de erros aleatórios e sistemáticos, precisão e exactidão. devem ser lidas cuidadosamente pelos alunos de todos os níveis. Estes conceitos são fundamentais para a compreensão do tratamento de resultados. Na secção C descreve-se o conceito de algarismos significativos, e as regras de tratamento de números. Deve ser lida cuidadosamente pelos alunos do primeiro ano, e consultado posteriormente em caso de dúvida. A secção D descreve o tratamento estatístico de conjuntos simples de resultados. A secção E descreve o tratamento estatístico de conjuntos de resultados binários. A secção F descreve o método de cálculo do erro associado a um valor resultante de uma ou mais operações aritméticas (propagação de erros).
3 Índice I. Medições de volumes e massas... 3 A. Medição de volumes de líquidos Material para medição de volumes:... 3 B. Medição de massas... 4 II. Tratamento de resultados... 5 A. Tipos de erros... 5 B. Precisão e exactidão... 5 C. Algarismos significativos Regras de arredondamento Manuseamento dos dados experimentais (operações matemáticas elementares):... 7 D. Intervalos de confiança... 8 E. Determinação da melhor recta que passa pelos pontos experimentais F. Propagação de erros... 12
4 I. Medições de volumes e massas A. Medição de volumes de líquidos 1. Material para medição de volumes: (1) Material de Vidro A medição de volumes é uma das acções mais frequentes num laboratório de análises. Entre o material volumétrico existente, distinguem-se: Pipetas, existem dois tipos fundamentais: volumétricas e graduadas. Volumétricas - têm uma só marca indicadora do nível a que o líquido se deve ajustar de modo a que o valor vazado seja o valor fixo indicado na pipeta (mais rigorosas). Graduadas têm uma escala que permite o vazamento de quantidades variáveis de líquido (menos rigorosas). Balões volumétricos, o volume final deve ser ajustado, com o solvente, até ao traço. Buretas, tubo cilindrico graduado com uma válvula e com o qual é possivel controlar o fluxo e a quantidade de líquido vazado. O volume é lido na escala da bureta. Provetas, graduadas de modo a permitir a medição de volumes variáveis e lídos até ao valor máximo da sua escala. Rigor das medições: Pipetas volumétricas Pipetas graduadas Balões volumétricos Buretas Provetas + rigor rigor As leituras de volume devem ser efectuadas tendo em conta a posição do menisco, considerando que o volume é o correspondente à sua base, tal como indicado na figura: (a) Procedimento para utilização de pipetas volumétricas: Ajustar uma "pompete" à ponta superior da pipeta, segurando sempre a pipeta pela ponta superior (e nunca pelo meio!). Mantendo a pipeta na posição vertical, mergulhá-la no líquido e enchê-la, por aspiração, utilizando a "pompette", até ligeiramente acima do traço superior. Remover quaisquer gotas de água aderentes ao exterior da pipeta, limpando-a num movimento descendente com papel absorvente. Deixar escorrer a água lentamente e ajustar convenientemente o menisco. Eliminar qualquer gota em excesso que se encontre na extremidade da pipeta, encostando-a à parede molhada dum recipiente. Assegurar-se que não existem gotas de água aderentes ao exterior da pipeta ou às paredes internas acima do menisco e que não há bolhas de ar nem espuma no líquido. Deixar escoar livremente o líquido contido na pipeta para o recipiente, mantendo a pipeta na vertical, com a extremidade encostada à parede interna do recipiente, sem a deixar escorregar. Quando terminar o escoamento visível (o menisco deve permanecer imóvel ligeiramente acima da extremidade), manter a pipeta na mesma posição durante 3 segundos (ou, se a pipeta tiver tempo de espera, mantê-la durante o tempo indicado).
5 (2) Micropipetas automáticas A necessidade de medição de pequenos volumes de líquidos, na gama do mililitros ou microlitros, levou ao desenvolvimento de uma gama de pipetas automáticas de pontas descartáveis. A fiabilidade destes sistemas depende em grande parte da qualidade do instrumento, mas também de outros factores como a qualidade das pontas, o ambiente e o operador. Pontas descartáveis - a forma, propriedades do material e o ajuste da ponta à pipeta influenciam o rigor da medição. É importante verificar que a ponta encaixa bem na pipeta, testar a forma como se molha, e verificar se ficam gotas remanescentes depois de escoar o líquido. Condições ambientais - As fontes de erro do meio ambiente incluem a temperatura (diferença de temperatura entre a pipeta, o fluido e a temperatura ambiente), a pressão atmosférica e a humidade do ar. A maior contribuição para os erros ambientais é a temperatura. É importante garantir que todos os componentes estão à mesma temperatura, dentro de ±1ºC. (a) Procedimento para utilização de micropipetas: Ajustar a ponta na pipeta e ajustar o volume a medir. Pressionar com o polegar o manípulo até à primeira paragem; Segurando a pipeta verticalmente, introduzir a ponta cerca de 2-3 mm na amostra; Soltar gradualmente o manípulo e observar o processo de enchimento (deve evitar-se a turbulência no interior da ponta, para minimizar o risco de formação de aerossóis). Quando o manípulo estiver na posição inicial, remover o polegar completamente (a ausência de pressão melhora a precisão). Lentamente, retirar a ponta da pipeta da amostra, e limpar quaisquer gotas de água que tenham ficado aderentes ao exterior. Para escoar o volume medido, encostar a ponta da pipeta na parede do recipiente, num ângulo de 10-45º. Colocar o polegar sobre o manípulo e pressionar de forma uniforme até à primeira paragem. Esperar 1 segundo. Pressionar rapidamente até à segunda paragem. Cuidados a ter ao usar micropipetas: a pipeta e respectiva ponta devem ser escolhidas de forma a minimizar o espaço de ar entre o pistão e o líquido; a ponta deve ser mergulhada apenas à superfície da solução (2-3mm de profundidade); deve molhar-se previamente a ponta com a solução a medir, para melhorar a precisão e exactidão; deve segurar-se a pipeta na vertical; a aspiração deve ser feita de forma suave, e não bruscamente. B. Medição de massas Uma das operações mais frequentes num laboratório é a pesagem, operação pela qual se determina a massa de uma substância. O grau de exactidão e precisão que é necessário satisfazer numa pesagem dependem da sua finalidade. Uma balança analítica, muito rigorosa, ±0,0001 g, tem uma capacidade que pode variar de 50 a 200 g. Uma balança técnica é menos rigorosa, ±0,01 g, mas tem uma capacidade elevada que pode ser de ~1000 g. (a) Cuidados a ter durante as pesagens: A balança deve ser mantida sempre limpa, ou seja, não se devem colocar reagentes directamente no prato mas sim sobre uma cápsula de pesagem (ex: vidro de relógio). As substâncias voláteis ou corrosivas devem ser pesadas em recipientes fechados. A temperatura do objecto a pesar deve ser razoavelmente próxima da temperatura da balança. As janelas da balança devem estar fechadas durante a pesagem. Cada passo na pesagem - taragem, colocação do objecto no prato, leitura - deve ser feito lentamente, dando tempo suficiente à balança para atingir o equilíbrio. O objecto a pesar deve ser cuidadosamente colocado no centro do prato da balança, para evitar erros de excentricidade. Terminada a pesagem, a balança deve ser limpa, se necessário, as janelas fechadas e desligada se não for utilizada de imediato.
6 II. Tratamento de resultados A. Tipos de erros Todas as medições experimentais estão sujeitas a erros. O resultado de uma análise pode ser quantitativo ou qualitativo. Quando o resultado é quantitativo, é extremamente importante fazer uma estimativa dos erros envolvidos na medição. Um resultado é inútil se não for acompanhado de uma estimativa dos erros envolvidos na sua medição. Podemos classificar os erros em três tipos: Grosseiros (irremediáveis) Aleatórios Sistemáticos Erros grosseiros: Não entram no padrão normal dos erros associados a uma análise. Não devem ocorrer, e, se ocorrem e são detectados, normalmente é necessário repetir toda a análise. Ex: avaria de um instrumento; distracção do operador; contaminação macroscópica de um reagente, etc. Erros Aleatórios (ou Indeterminados): As suas fontes podem ser incerteza instrumental, do método ou do operador; Não são elimináveis, mas podem minimizar-se com trabalho cuidadoso; Reconhecem-se como uma dispersão dos valores em torno de uma média; Afectam a precisão; Podem quantificar-se pela medição da precisão (p. ex., através do desvio-padrão). Erros Sistemáticos (ou Determinados): As suas fontes podem ser erros instrumentais, do método ou do operador; Em princípio, são reconhecíveis e podem reduzir-se parcial ou completamente; Reconhecem-se pelo afastamento entre o valor verdadeiro e o valor médio; Afectam a exactidão; Podem quantificar-se pela medição da diferença entre o valor verdadeiro e valor médio. B. Precisão e exactidão Exactidão: Concordância entre o valor obtido e o valor aceite como verdadeiro Precisão: Concordância entre os valores obtidos no mesmo ensaio repetido várias vezes A B C D
7 (1) Repetibilidade Precisão obtida nas mesmas condições: mesmo laboratório mesmo operador mesmo equipamento curto intervalo de tempo Exactidão erros sistemáticos erro Média: x x x v n i n x i (a) Reprodutibilidade Precisão obtida fazendo variar as condições: diferentes laboratórios diferentes operadores diferentes equipamentos espaçamento no tempo Precisão erros aleatórios desvio-padrão s n i ( x x) i n variância: s 2 s desvio padrão relativo(rsd): s r x coeficiente de variação (CV): s r x100 C. Algarismos significativos O conceito de algarismos significativos permite introduzir de um modo simples a precisão de uma medida sem explicitar a sua incerteza. Este conceito permite também estimar a precisão de um valor que é calculado por combinação de diferentes tipos de medida, pois a incerteza de um valor é propagado em todas as contas que com ele forem feitas. Contagem do número de algarismos significativos: Valor Número de algarismos significativos Obs: 5,630 4 Zero à direita da vírgula com significado 0,270 3 Zero à direita com significado mas o zero à esquerda da virgula sem significado 0, Todos os zeros à esquerda da virgula sem significado 1, Todos os algarismos com significado 8,1x x ,60x Valor em notação científica. Apenas se consideram os algarismos antes do expoente ou 3 ou 4 Os zeros podem estar apenas a indicar a posição da virgula (ex. 36,0x10 2 ) 2,3 6 2 O número em índice indica um valor estimado (ex. 2,3 6 cm medidos com uma régua graduada em mm)
8 1. Regras de arredondamento (de acordo com a norma Portuguesa NP-37/1961): Os arredondamentos devem ser feitos de acordo com o valor do algarismo seguinte ao qual se pretende arredondar, ou seja, quando se arredondar um algarismo à casa de ordem n, deve ser ter-se em conta o algarismo que está na casa de ordem n-1. Se o algarismo correspondente à casa de ordem n-1 é menor que 5, o número arredondado mantém inalterado o algarismo de ordem n (ex.: arredondado às dezenas é 11340, ou 342,53 arredondado às décimas é 342,5). Se o algarismo correspondente à casa de ordem n-1 é maior que 5, o número arredondado tem o aumento de uma unidade no algarismo de ordem n (ex.: arredondado às dezenas é 11350, ou 342,57 arredondado às décimas é 342,6) Se o algarismo correspondente à casa de ordem n-1 é 5, e nas casa n-2, n-3... pelo menos um algarismo é diferente de zero, o número arredondado tem também o aumento de uma unidade no algarismo de ordem n (ex.: 11345,01 arredondado às dezenas é 11350, ou 342,552 arredondado às décimas é 342,6). Se o algarismo correspondente à casa de ordem n-1 é 5, e nas casa n-2, n-3... não há algarismos, ou são zeros, existem três modos de proceder ao arredondamento: (a) O valor a arredondar apresenta, com maior probabilidade, erro por excesso do que por defeito (é o caso dos valores resultantes de certos métodos de medida), neste caso o número arredondado mantém inalterado o algarismo de ordem n. (b) O valor a arredondar apresenta, com maior probabilidade, erro por defeito do que por excesso (é o caso dos valores resultantes de divisões, interrompidas quando ainda deixavam resto; e dos que resultam de certos métodos de medida), neste caso o número arredondado tem o aumento de uma unidade no algarismo de ordem n. (c) Não há motivos para supor que o valor a arredondar apresenta, com maior probabilidade, erro por excesso ou por defeito, neste caso o valor arredondado é obtido somando uma unidade ao algarismo de ordem n se este for ímpar (ex.: arredondado à dezenas é 11340; se 342,55 arredondado às décimas é 342,6; se 43,735 arredondado às centésimas é 43,74) ou mantendo inalterado o algarismo de ordem n se este for par (ex.: arredondado à dezenas é 11340; se 342,65 arredondado às décimas é 342,6; se 43,745 arredondado às centézimas é 43,74). 2. Manuseamento dos dados experimentais (operações matemáticas elementares): Adição e subtração: nos cálculos são utilizados todas as casa decimais, mas o número de casa decimais significativas do resultado não pode ultrapassar o menor número de casas significativas das parcelas. Ex.: 22,33 2,23 3 0, , ,79 arredondamento Multiplição e divisão: o resultado tem o número de algarismos significativos idêntico ao do factor com menor número de algarismos significativos (ex.: 0,2x103,4 20,68 ou seja 0,2x10 2 ou 0,2 1 x10 2 ; 0,2x140,7 28,14 ou seja 0,3x10 2 ou 0,2 8 x10 2 ). Neste último caso é notário a informação dada pela numenclatura com índice. NOTA: os números inteiros quando multiplicados por reais não afectam o
9 número de algarismos significativos, ou seja se um computador custar euros, dois computadores custam euros e não 1x10 4 euros... Logaritmos: o argumento do logaritmo e a mantissa do seu resultado deverão ter o mesmo número de algarismos significativos (ex.: log 2,02 0,305) D. Intervalos de confiança É importante quantificar os erros aleatórios numa medição experimental. Isto faz-se determinando um intervalo de confiança para o resultado final. O intervalo de confiança representa-se como "x ± x, para um nível de confiança de α %" e significa que há uma probabilidade α de o valor que medimos se encontrar entre x- x e x+ x. A forma mais simples de estimar um intervalo de confiança é fazer a mesma medição repetidas vezes. Os erros aleatórios que ocorrem em cada medição serão diferentes. Uns serão por excesso, outros por defeito. Fazendo a média de todos os resultados, estaremos a compensar os erros por excesso com os erros por defeito, e, portanto, a minimizar os erros aleatórios de forma geral. Quanto mais medições fizermos, melhor. O valor médio de n repetições da mesma medição, x m, é uma estimativa do valor verdadeiro da propriedade que queremos medir (chamemos a este µ ). Se fosse possível fazer infinitas medições, conseguiríamos eliminar totalmente os erros aleatórios. Só nesse caso é que teríamos a certeza de que o valor médio das medições seria igual ao valor verdadeiro. Na prática, isto é impossível. Nunca conseguimos saber o valor µ com rigor absoluto. O melhor que podemos fazer é estimar um intervalo que tenha uma probabilidade elevada de o conter. Sabemos que o desvio padrão é uma medida dos erros aleatórios que ocorreram nas medições. A maior parte dos erros aleatórios obedece a um tipo comportamento estatístico, a que chamamos "distribuição normal" ou "distribuição de Gauss". Se representássemos num histograma 1 infinitas medições sujeitas a erros aleatórios, este teria a forma de uma "boca de sino" designada por "curva de distribuição normal". Estas curvas são simétricas, e são definidas por dois parâmetros: a média (µ) e o desvio padrão (σ) 2. Na figura seguinte representam-se duas curvas de distribuição normal com a mesma média (µ200) e desvios padrão diferentes (σ 1 1,0 e σ 2 2,5). É de salientar que: - os valores ocorrem mais frequentemente próximo da média, e são progressivamente menos frequentes quando nos afastamos para os extremos (o máximo da curva está em µ); - quanto maior o desvio padrão σ (maior é a dispersão dos valores em torno da média µ) mais "larga" é a curva.! σ 1 < σ µ Um histograma é um gráfico que traduz a frequência com que ocorre cada valor. No eixo das abcissas representam-se os valores, e no eixo das ordenadas o número de vezes que cada um ocorreu. σ 1 σ 2
10 Uma das propriedades mais úteis das curvas de distribuição normal é que, qualquer que seja µ e σ, cerca de 95% de todas as medições encontram-se no intervalo µ-2σ e µ+2σ. Da mesma forma, encontra-se sempre uma percentagem (p%) bem definida de todas as medições em qualquer intervalo µ±zσ. Isto significa que, quando faço uma medição x, há p% de probabilidade de o valor verdadeiro, µ, estar dentro do intervalo x±zσ. Os valores de z encontram-se tabelados em função da probabilidade (nível de confiança). Os mais vulgarmente usados são: p% z 95,0% 1,96 99,0% 2,58 99,7% 2,97 Para calcular o intervalo de confiança, já só preciso de saber o valor de σ. Há duas hipóteses: - se fizer um número elevado de medições 3, posso calcular o desvio padrão s e dizer que σ s. - se não for possível fazer um número suficientemente grande de medições, calculo o desvio padrão, s, e em vez de multiplicar por z multiplico por outro factor, o t de student. O valor t de student encontra-se tabelado em função do nível de risco, (100-p), e do número de graus de liberdade, gl. Este é dado por gl n - 1 quando estamos a fazer uma média de n medições. Na Tabela 1 encontram-se alguns valores deste parâmetro 4. Tabela 1 - Distribuição t de student para níveis de risco de 5% e 1% gl Passaremos a designar por µ e por σ a média e o desvio padrão de uma curva de distribuição normal, que seriam teoricamente obtidos através de infinitas medições e corresponderiam aos valores "verdadeiros", e por x m e por s a média e desvio padrão calculados com um conjunto finito de n pontos experimentais. 3 O que é um "número elevado de medições" varia, conforme os casos. Em geral, considera-se n>30 suficientemente elevado. 4 Também pode calcular-se t numa folha de cálculo excel (versão inglesa) com a função TINV(risco, gl).
11 O intervalo de confiança obtido para uma única medição x será então ± No entanto, geralmente fazem-se n medições (são necessárias para determinar s), e o valor médio dessas medições, x m, é uma aproximação melhor ao valor verdadeiro do que as medições individuais. Demonstra-se que o desvio-padrão da média, s m é igual ao desvio-padrão dos valores individuais, s, dividido pela raiz quadrada do número de valores usados na média. O melhor intervalo de confiança que conseguimos assim obter com n medições será: ± E. Determinação da melhor recta que passa pelos pontos experimentais Frequentemente fazem-se medições de uma propriedade que varia linearmente com outra (por exemplo, a absorvência de uma solução pode variar linearmente com a sua concentração, segundo a lei de lambert-beer). No entanto, as medições estão sempre sujeitas a erros aleatórios, pelo que, em geral, os pontos experimentais não coincidem com uma recta. Nestes casos, é necessário determinar a equação (ymx+b) da recta que melhor se ajusta ao conjunto do dados experimentais. A este tipo de cálculo chama-se "regressão linear". Um dos métodos mais usados para fazer regressão linear é o método dos mínimos quadrados. Neste método, procura-se minimizar a distância "vertical" de cada ponto experimental x a uma recta teórica, mx+b (ver figura). O método parte de dois pressupostos muito importantes: 1. os erros aleatórios ocorrem apenas nas ordenadas (y), e não nas abcissas (x) 2. a ordem de grandeza dos erros aleatórios não varia ao longo da recta. Com estes pressupostos, o método calcula os "residuais", que são a distância, na vertical, de cada ponto experimental, y i, à recta: onde ý i representa o valor esperado de y, valor que y i teria se não tivesse erro, ou seja, se tivesse "caído" sobre a recta). A função U é a soma dos quadrados dos residuais, e é uma medida do afastamento de todos os pontos experimentais a uma recta teórica de declive m e ordenada na origem b: ( ) ( ) Na função U, as incógnitas são m (o declive da recta) e b (a ordenada na origem). Pode calcular-se o mínimo desta função derivando e igualando a zero. O resultado deste cálculo dá as seguintes fórmulas para m e b: onde N é o número de pontos experimentais (x i, y i ). Os parâmetros S xx, S yy e S xy podem calcular-se por:
12 ( ) ( ) ( ) ( ) ( )( ) ( )( ) Da regressão linear retira-se outro parâmetro muito importante, o desvio padrão dos residuais, s y : ( ) O desvio padrão dos residuais é uma quatificação dos erros aleatórios que afastam os pontos da recta. Pode usar-se para determinar o desvio padrão do declive, s m e da ordenada na origem, s b : ( ) ( ) Assim, podemos determinar a equação da recta que melhor passa pelos pontos experimentais, com intervalo de confiança para o declive e ordenada na origem: ± + ± (Note-se que, neste caso, o número de graus de liberdade para o t de student é n-2, e não n-1) Um parâmetro que traduz de forma simples se o ajuste da recta é bom ou não é o coeficiente de correlação. O cálculo deste pode ser feito utilizando a expressão: O coeficiente de correlação pode tomar valores entre +1 e 1, quando r 1 então existe uma relação linear entre x e y (os resultados experimentais podem ser descritos por uma recta), se r0 existe uma independência completa entre os valores de x e y (os resultados não apresentam qualquer relação linear). Em métodos instrumentais de análise a regressão linear é frequentemente usada para construir com soluções padrão uma recta de calibração, que posteriormente é usada para determinar a concentração de uma amostra. Nestes casos, o desvio padrão s c associado à concentração C determinada a partir da recta é: ( ) + + onde L é o número de réplicas da amostra que foram lidas, c é a média das L leituras da amostra, e é a média das leituras das N soluções padrão que foram usadas para construir a recta. O intervalo para a concentração da amostra será então C ± 2 s C, para 95% de confiança.
13 F. Propagação de erros Na maior parte das análises é necessário efectuar operações aritméticas sobre os resultados de uma medição, ou combinar os resultados de várias medições, cada uma sujeita a erros aleatórios, de forma a obter um resultado final. O desvio padrão deste resultado final pode calcular-se a partir dos desvios padrão de cada medição, aplicando a lei de propoagação de erros de Gauss. Dada um função yf(x 1, x 2, x 3,...,x n ), em que x i são variáveis aleatórias independentes, descritas por desvios padrão s xi, então o desvio-padrão da função y será dado por: n i 1 y xi Resolvendo esta equação para os casos mais simples, obtém-se a tabela seguinte: Função desvio padrão Função desvio padrão y x 1 + x 2 ou y x 1 - x 2 s y y x 1 x 2 ou y x 1 / x 2 y x a 2 s + y ln x s y 2 xi + y log x s y y e x e x y e x s x y 10 x (ln 10) e x
MEDIÇÃO EM QUÍMICA ERROS E ALGARISMOS SIGNIFICATIVOS
MEDIÇÃO EM QUÍMICA ERROS E ALGARISMOS SIGNIFICATIVOS 2 O que são e Por que se usam algarismos significativos? O valor 1,00 não é igual a 1? Do ponto de vista matemático, sim. Mas sempre que se façam medições
Leia maisAnálise de Regressão Linear Simples e Múltipla
Análise de Regressão Linear Simples e Múltipla Carla Henriques Departamento de Matemática Escola Superior de Tecnologia de Viseu Carla Henriques (DepMAT ESTV) Análise de Regres. Linear Simples e Múltipla
Leia maisDatas Importantes 2013/01
INSTRUMENTAÇÃO CARACTERÍSTICAS DE UM SISTEMA DE MEDIÇÃO PROBABILIDADE PROPAGAÇÃO DE INCERTEZA MÍNIMOS QUADRADOS Instrumentação - Profs. Isaac Silva - Filipi Vianna - Felipe Dalla Vecchia 2013 Datas Importantes
Leia maisAnálise de regressão linear simples. Departamento de Matemática Escola Superior de Tecnologia de Viseu
Análise de regressão linear simples Departamento de Matemática Escola Superior de Tecnologia de Viseu Introdução A análise de regressão estuda o relacionamento entre uma variável chamada a variável dependente
Leia maisfx-82ms fx-83ms fx-85ms fx-270ms fx-300ms fx-350ms
O uso da Calculadora Científica (Casio fx) fx-82ms fx-83ms fx-85ms fx-270ms fx-300ms fx-350ms Prof. Ms. Renato Francisco Merli 2013 1 Sumário 1. Antes de Começar... 2 2. Cálculos Básicos... 8 3. Cálculos
Leia maisCotagem de dimensões básicas
Cotagem de dimensões básicas Introdução Observe as vistas ortográficas a seguir. Com toda certeza, você já sabe interpretar as formas da peça representada neste desenho. E, você já deve ser capaz de imaginar
Leia maisNotas sobre a Fórmula de Taylor e o estudo de extremos
Notas sobre a Fórmula de Taylor e o estudo de etremos O Teorema de Taylor estabelece que sob certas condições) uma função pode ser aproimada na proimidade de algum ponto dado) por um polinómio, de modo
Leia maisCURSO E COLÉGIO APOIO. Professor: Ronaldo Correa
CURSO E COLÉGIO APOIO Professor: Ronaldo Correa Holiday - Christmas.mpg medidas 1-Medidas Grandeza tudo aquilo que pode ser medido. Medir comparar com um padrão. No Brasil e na maioria dos países as unidades
Leia maisAula 4 Estatística Conceitos básicos
Aula 4 Estatística Conceitos básicos Plano de Aula Amostra e universo Média Variância / desvio-padrão / erro-padrão Intervalo de confiança Teste de hipótese Amostra e Universo A estatística nos ajuda a
Leia maisMedições e suas incertezas
Medições e suas incertezas Ação no âmbito do PEC 115 UTAD, 6 de setembro de 2013 Joaquim Anacleto Programa da ação Apresentação dos conceitos(1 h) Pausa para café (15 min) Medições e discussão (1 h) Massa
Leia maisNão é permitido o uso de corrector. Em caso de engano, deve riscar, de forma inequívoca, aquilo que pretende que não seja classificado.
Teste Intermédio de Matemática B 2010 Teste Intermédio Matemática B Duração do Teste: 90 minutos 13.04.2010 10.º Ano de Escolaridade Decreto-Lei n.º 74/2004, de 26 de Março Utilize apenas caneta ou esferográfica
Leia maisCapítulo 3 Modelos Estatísticos
Capítulo 3 Modelos Estatísticos Slide 1 Resenha Variáveis Aleatórias Distribuição Binomial Distribuição de Poisson Distribuição Normal Distribuição t de Student Distribuição Qui-quadrado Resenha Slide
Leia maisAlgoritmo. Iniciação do Sistema e Estimativa do consumo. Perfil do utilizador. Recolha de dados
Algoritmo Iniciação do Sistema e Estimativa do consumo Recolha de dados O algoritmo do sistema de gestão, necessita obrigatoriamente de conhecer todos (ou grande maioria) os aparelhos ligados numa habitação
Leia maisEstatística descritiva. Também designada Análise exploratória de dados ou Análise preliminar de dados
Estatística descritiva Também designada Análise exploratória de dados ou Análise preliminar de dados 1 Estatística descritiva vs inferencial Estatística Descritiva: conjunto de métodos estatísticos que
Leia maisO comportamento conjunto de duas variáveis quantitativas pode ser observado por meio de um gráfico, denominado diagrama de dispersão.
ESTATÍSTICA INDUTIVA 1. CORRELAÇÃO LINEAR 1.1 Diagrama de dispersão O comportamento conjunto de duas variáveis quantitativas pode ser observado por meio de um gráfico, denominado diagrama de dispersão.
Leia maisUniversidade Federal de São João Del Rei - UFSJ
Universidade Federal de São João Del Rei - UFSJ Instituída pela Lei 0.45, de 9/04/00 - D.O.U. de /04/00 Pró-Reitoria de Ensino de Graduação - PROEN Disciplina: Cálculo Numérico Ano: 03 Prof: Natã Goulart
Leia maisANÁLISE NUMÉRICA DEC - 1996/97
ANÁLISE NUMÉRICA DEC - 996/97 Teoria de Erros A Teoria de Erros fornece técnicas para quantificar erros nos dados e nos resultados de cálculos com números aproximados. Nos cálculos aproximados deve-se
Leia maisME-30 MÉTODOS DE ENSAIO DETERMINAÇÃO DO EFEITO DO CALOR E DO AR SOBRE MATERIAIS ASFÁLTICOS (MÉTODO DA PELÍCULA DELGADA)
ME-30 MÉTODOS DE ENSAIO DETERMINAÇÃO DO EFEITO DO CALOR E DO AR SOBRE MATERIAIS ASFÁLTICOS DOCUMENTO DE CIRCULAÇÃO EXTERNA 1 ÍNDICE PÁG. 1. INTRODUÇÃO... 3 2. OBJETIVO... 3 3. S E NORMAS COMPLEMENTARES...
Leia maisIntrodução ao estudo de equações diferenciais
Matemática (AP) - 2008/09 - Introdução ao estudo de equações diferenciais 77 Introdução ao estudo de equações diferenciais Introdução e de nição de equação diferencial Existe uma grande variedade de situações
Leia maisAula 4 Conceitos Básicos de Estatística. Aula 4 Conceitos básicos de estatística
Aula 4 Conceitos Básicos de Estatística Aula 4 Conceitos básicos de estatística A Estatística é a ciência de aprendizagem a partir de dados. Trata-se de uma disciplina estratégica, que coleta, analisa
Leia maisNotas de Cálculo Numérico
Notas de Cálculo Numérico Túlio Carvalho 6 de novembro de 2002 2 Cálculo Numérico Capítulo 1 Elementos sobre erros numéricos Neste primeiro capítulo, vamos falar de uma limitação importante do cálculo
Leia maisAfinal o que são e como se calculam os quartis? Universidade do Algarve Departamento de Matemática
Afinal o que são e como se calculam os quartis? Susana Fernandes Mónica Pinto Universidade do Algarve Departamento de Matemática Introdução Imaginemos que queremos calcular os quartis de um conjunto de
Leia maisTruques e Dicas. = 7 30 Para multiplicar fracções basta multiplicar os numeradores e os denominadores: 2 30 = 12 5
Truques e Dicas O que se segue serve para esclarecer alguma questão que possa surgir ao resolver um exercício de matemática. Espero que lhe seja útil! Cap. I Fracções. Soma e Produto de Fracções Para somar
Leia maisMÓDULO 1. I - Estatística Básica
MÓDULO 1 I - 1 - Conceito de Estatística Estatística Técnicas destinadas ao estudo quantitativo de fenômenos coletivos e empíricamente observáveis. Unidade Estatística nome dado a cada observação de um
Leia maisExperimento. Técnicas de medição de volumes em Laboratório. Prof. Honda Experimento Técnicas de medição de volumes em Laboratório Página 1
Experimento Técnicas de medição de volumes em Laboratório Objetivo: Conhecer os materiais volumétricos e as técnicas de utilização desses materiais. I. Introdução teórica: Medir volumes de líquidos faz
Leia maisMedidas e Incertezas
Medidas e Incertezas O que é medição? É o processo empírico e objetivo de designação de números a propriedades de objetos ou eventos do mundo real de forma a descreve-los. Outra forma de explicar este
Leia maisCapítulo 5: Aplicações da Derivada
Instituto de Ciências Exatas - Departamento de Matemática Cálculo I Profª Maria Julieta Ventura Carvalho de Araujo Capítulo 5: Aplicações da Derivada 5- Acréscimos e Diferenciais - Acréscimos Seja y f
Leia maisCAP. I ERROS EM CÁLCULO NUMÉRICO
CAP. I ERROS EM CÁLCULO NUMÉRICO 0. Introdução Por método numérico entende-se um método para calcular a solução de um problema realizando apenas uma sequência finita de operações aritméticas. A obtenção
Leia maisABSORÇÃO ATÓMICA E FOTOMETRIA DE CHAMA SÃO DOIS MÉTODOS QUANTITATIVOS DE ANÁLISE ELMENTAR, QUE PODEM SER USADOS PARA QUANTIFICAR APROXIMADAMNETE 70 ELEMENTOS. AS APLICAÇÕES SÃO NUMEROSAS, E AS CONCENTRAÇÕES
Leia maisRevisão: Noções básicas de estatística aplicada a avaliações de imóveis
Curso de Avaliações Prof. Carlos Aurélio Nadal cnadal@ufpr.br 1 AULA 03 Revisão: Noções básicas de estatística aplicada a avaliações de imóveis 2 OBSERVAÇÃO: é o valor obtido durante um processo de medição.
Leia maisSensor de Nível por Medida de Pressão Diferencial com Sensor SMART
INSTRUMENTAÇÃO II Engenharia de Automação, Controlo e Instrumentação 2006/07 Trabalho de Laboratório nº 4 Sensor de Nível por Medida de Pressão Diferencial com Sensor SMART Realizado por Paulo Alvito 26
Leia maisCapítulo SETE Números em Ponto Fixo e Ponto Flutuante
Capítulo SETE Números em Ponto Fixo e Ponto Flutuante 7.1 Números em ponto fixo Observação inicial: os termos ponto fixo e ponto flutuante são traduções diretas dos termos ingleses fixed point e floating
Leia mais15-11-2013. Sumário. Teoria de erros
Sumário Erros que afetam as medições. Média, desvios e incertezas. As operações com os algarismos significativos exigem o conhecimento da teoria de erros. Mas, algumas regras simples podem ajudar a evitar
Leia maisTEXTO DE REVISÃO: Uso da calculadora científica e potências de 10.
TEXTO DE REVISÃO: Uso da calculadora científica e potências de 10. Caro aluno (a): No livro texto (Halliday) cap.01 - Medidas alguns conceitos muito importantes são apresentados. Por exemplo, é muito importante
Leia maisIntrodução ao Estudo da Corrente Eléctrica
Introdução ao Estudo da Corrente Eléctrica Num metal os electrões de condução estão dissociados dos seus átomos de origem passando a ser partilhados por todos os iões positivos do sólido, e constituem
Leia mais3 Previsão da demanda
42 3 Previsão da demanda Este capítulo estuda o processo de previsão da demanda através de métodos quantitativos, assim como estuda algumas medidas de erro de previsão. Num processo de previsão de demanda,
Leia maisToleranciamento Geométrico João Manuel R. S. Tavares
CFAC Concepção e Fabrico Assistidos por Computador Toleranciamento Geométrico João Manuel R. S. Tavares Bibliografia Simões Morais, José Almacinha, Texto de Apoio à Disciplina de Desenho de Construção
Leia maisSessão 2 UFCD 0804 Algoritmos
Sessão 2 UFCD 0804 Algoritmos Revisões Sessão 1 Algoritmo - Definição Um algoritmo é formalmente uma sequência finita de passos que levam a execução de uma tarefa, é uma sequência de instruções para atingir
Leia maisTrabalho prático: O contador de Geiger-Muller. Descrição geral
Trabalho prático: O contador de Geiger-Muller Descrição geral Um dos primeiros tipos de detector desenvolvidos foi o chamado contador (ou tubo) de Geiger-Muller. Este contador permite detectar a presença
Leia maisFaculdade Sagrada Família
AULA 12 - AJUSTAMENTO DE CURVAS E O MÉTODO DOS MÍNIMOS QUADRADOS Ajustamento de Curvas Sempre que desejamos estudar determinada variável em função de outra, fazemos uma análise de regressão. Podemos dizer
Leia maisIncertezas de Medições em Calibrações: aplicações práticas no ambiente hospitalar
I Congresso Brasileiro de Engenharia Clínica Palestra: Incertezas de Medições em Calibrações: aplicações práticas no ambiente hospitalar São Paulo, 30 de Setembro de 2005 Gilberto Carlos Fidélis Instrutor
Leia maisDeterminação da Relação Entre a Pressão de Vapor e a Temperatura
Determinação da Relação Entre a Pressão de Vapor e a Temperatura Flávio Faccin, Pablo Ricardo Barrera, Paulo Cezar dos Santos QUI03319 - Físico-Química Experimental I - Grupo 62 UFRGS - Universidade Federal
Leia maisGuia 8 DETERMINAÇÃO INCERTEZA CALIBRAÇÃO DE MASSAS. Associação de Laboratórios Acreditados de Portugal
Guia 8 DETERMINAÇÃO DA INCERTEZA DA CALIBRAÇÃO DE MASSAS Associação de Laboratórios Acreditados de Portugal FICHA TÉCNICA TÍTULO: Guia RELACRE 8 DETERMINAÇÃO DA INCERTEZA DA CALIBRAÇÃO DE MASSAS EDIÇÃO:
Leia maisME-10 MÉTODOS DE ENSAIO DETERMINAÇÃO DA UMIDADE PELO MÉTODO EXPEDITO ( SPEEDY )
ME-10 MÉTODOS DE ENSAIO EXPEDITO ( SPEEDY ) DOCUMENTO DE CIRCULAÇÃO EXTERNA 1 ÍNDICE PÁG. 1. INTRODUÇÃO...3 2. OBJETIVO...3 3. S E NORMAS COMPLEMENTARES...3 4. DEFINIÇÕES...4 5. APARELHAGEM E MATERIAL...4
Leia maisAMOSTRAGEM ESTATÍSTICA EM AUDITORIA PARTE ll
AMOSTRAGEM ESTATÍSTICA EM AUDITORIA PARTE ll! Os parâmetros para decisão do auditor.! Tipos de planos de amostragem estatística em auditoria. Francisco Cavalcante(f_c_a@uol.com.br) Administrador de Empresas
Leia maisIntrodução à Análise Química QUI 094 ERRO E TRATAMENTO DE DADOS ANALÍTICOS
Introdução a Analise Química - II sem/2012 Profa Ma Auxiliadora - 1 Introdução à Análise Química QUI 094 1 semestre 2012 Profa. Maria Auxiliadora Costa Matos ERRO E TRATAMENTO DE DADOS ANALÍTICOS Introdução
Leia maisMatemática A. Fevereiro de 2010
Matemática A Fevereiro de 2010 Matemática A Itens 10.º Ano de Escolaridade No Teste intermédio, que se irá realizar no dia 5 de Maio de 2010, os itens de grau de dificuldade mais elevado poderão ser adaptações
Leia maisPreparação para o teste intermédio de Matemática 8º ano
Preparação para o teste intermédio de Matemática 8º ano Conteúdos do 7º ano Conteúdos do 8º ano Conteúdos do 8º Ano Teorema de Pitágoras Funções Semelhança de triângulos Ainda os números Lugares geométricos
Leia maisPotenciação no Conjunto dos Números Inteiros - Z
Rua Oto de Alencar nº 5-9, Maracanã/RJ - tel. 04-98/4-98 Potenciação no Conjunto dos Números Inteiros - Z Podemos epressar o produto de quatro fatores iguais a.... por meio de uma potência de base e epoente
Leia maisÍndice de Exercícios. Exercício 1.
Índice de Exercícios Exercício 1...1 Exercício 2...2 Exercício 3...4 Exercício 4...7 Exercício 5. (Ficha de trabalho de Metrologia e Qualidade módulo 4)...8 Exercício 6. (Ficha de trabalho de Metrologia
Leia maisTópico 2. Conversão de Unidades e Notação Científica
Tópico 2. Conversão de Unidades e Notação Científica Toda vez que você se refere a um valor ligado a uma unidade de medir, significa que, de algum modo, você realizou uma medição. O que você expressa é,
Leia maisQueda livre de um corpo
Experiência 3 Dizemos que um corpo se encontra em queda livre quando a única força que actua nele é a força gravítica terrestre. Não pode haver actuação de outras forças; em particular, não pode existir
Leia maisMétodos Quantitativos Prof. Ms. Osmar Pastore e Prof. Ms. Francisco Merlo. Funções Exponenciais e Logarítmicas Progressões Matemáticas
Métodos Quantitativos Prof. Ms. Osmar Pastore e Prof. Ms. Francisco Merlo Funções Exponenciais e Logarítmicas Progressões Matemáticas Funções Exponenciais e Logarítmicas. Progressões Matemáticas Objetivos
Leia maisGráficos de funções em calculadoras e com lápis e papel (*)
Rafael Domingos G Luís Universidade da Madeira/Escola Básica /3 São Roque Departamento de Matemática Gráficos de funções em calculadoras e com lápis e papel (*) A difusão de calculadoras gráficas tem levado
Leia maisEspresso 3000 - Cod. M0S04159 - Edizione 1H10
10 2 3 6 4 5 15 8 7 9 14 16 11 12 1 13 18 17 19 20 Espresso 3000 - Cod. M0S04159 - Edizione 1H10 PORTOGUÊS Espresso 3000 1) Interruptor geral 2) Luz de aviso de funcionamento ON: máquina ligada 3) Luz
Leia mais4. RESULTADOS E DISCUSSÃO
4. RESULTADOS E DISCUSSÃO 4.1. Energia cinética das precipitações Na Figura 9 estão apresentadas as curvas de caracterização da energia cinética aplicada pelo simulador de chuvas e calculada para a chuva
Leia maisResolução de sistemas lineares
Resolução de sistemas lineares J M Martínez A Friedlander 1 Alguns exemplos Comecemos mostrando alguns exemplos de sistemas lineares: 3x + 2y = 5 x 2y = 1 (1) 045x 1 2x 2 + 6x 3 x 4 = 10 x 2 x 5 = 0 (2)
Leia maisAnálise de Arredondamento em Ponto Flutuante
Capítulo 2 Análise de Arredondamento em Ponto Flutuante 2.1 Introdução Neste capítulo, chamamos atenção para o fato de que o conjunto dos números representáveis em qualquer máquina é finito, e portanto
Leia maisCCI-22 CCI-22. 2) Erros de arredondamento. Matemática Computacional
Matemática Computacional 2) Erros de arredondamento Carlos Alberto Alonso Sanches Erros de representação e de cálculo Tipos de erros Erro inerente: sempre presente na incerteza das medidas experimentais
Leia maisDossiês Didácticos LUÍSA CANTO E CASTRO LOURA MARIA EUGÉNIA GRAÇA MARTINS
www.alea.pt Dossiês Didácticos XIII Estatística Descritiva com Excel Complementos. LUÍSA CANTO E CASTRO LOURA MARIA EUGÉNIA GRAÇA MARTINS Departamento de Estatística e Investigação Operacional da Faculdade
Leia maisCapítulo 8 - Testes de hipóteses. 8.1 Introdução
Capítulo 8 - Testes de hipóteses 8.1 Introdução Nos capítulos anteriores vimos como estimar um parâmetro desconhecido a partir de uma amostra (obtendo estimativas pontuais e intervalos de confiança para
Leia maisAula 9 ESCALA GRÁFICA. Antônio Carlos Campos
Aula 9 ESCALA GRÁFICA META Apresentar as formas de medição da proporcionalidade entre o mundo real e os mapas através das escalas gráficas. OBJETIVOS Ao final desta aula, o aluno deverá: estabelecer formas
Leia maisutilizados para os relatórios estão em: http://www.fisica.ufs.br/scaranojr/labfisicaa/
Paquímetro, Micrômetro e Propagação de Incertezas Sergio Scarano Jr 19/12/2012 Links para as Apresentações e Modelos Para o Laboratório de Física A, os materiais i das aulas e os modelos utilizados para
Leia maisDiretrizes para determinação de intervalos de comprovação para equipamentos de medição.
Diretrizes para determinação de intervalos de comprovação para equipamentos de medição. De acordo com a Norma NBR 1001, um grande número de fatores influência a freqüência de calibração. Os mais importantes,
Leia mais3 - CONJUNTO DOS NÚMEROS RACIONAIS
3 - CONJUNTO DOS NÚMEROS RACIONAIS Introdução É o conjunto de todos os números que estão ou podem ser colocados em forma de fração. Fração Quando dividimos um todo em partes iguais e queremos representar
Leia maisAula 3 CONSTRUÇÃO DE GRÁFICOS EM PAPEL DILOG. Menilton Menezes. META Expandir o estudo da utilização de gráficos em escala logarítmica.
Aula 3 CONSTRUÇÃO DE GRÁFICOS EM PAPEL DILOG META Expandir o estudo da utilização de gráficos em escala logarítmica. OBJETIVOS Ao final desta aula, o aluno deverá: Construir gráficos em escala di-logarítmica.
Leia maisDistribuição de probabilidades
Luiz Carlos Terra Para que você possa compreender a parte da estatística que trata de estimação de valores, é necessário que tenha uma boa noção sobre o conceito de distribuição de probabilidades e curva
Leia maisCAPÍTULO 1 MEDIÇÃO E O ERRO DE MEDIÇÃO
CAPÍTULO 1 MEDIÇÃO E O ERRO DE MEDIÇÃO 1.1. Definições do Vocabulário Internacional de Metrologia (VIM) Metrologia: Ciência das medições [VIM 2.2]. Medição: Conjunto de operações que têm por objectivo
Leia maisAjuste de Curvas. Ajuste de Curvas
Ajuste de Curvas 2 AJUSTE DE CURVAS Em matemática e estatística aplicada existem muitas situações em que conhecemos uma tabela de pontos (x; y). Nessa tabela os valores de y são obtidos experimentalmente
Leia maisINSTRUMENTAÇÃO. Eng. Marcelo Saraiva Coelho
INSTRUMENTAÇÃO CONCEITOS E DEFINIÇÕES Nas indústrias, o termo PROCESSO tem um significado amplo. Uma operação unitária, como por exemplo, destilação, filtração ou aquecimento, é considerado um PROCESSO.
Leia maisTipos de malha de Controle
Tipos de malha de Controle SUMÁRIO 1 - TIPOS DE MALHA DE CONTROLE...60 1.1. CONTROLE CASCATA...60 1.1.1. Regras para Selecionar a Variável Secundária...62 1.1.2. Seleção das Ações do Controle Cascata e
Leia mais1 Propagação de Onda Livre ao Longo de um Guia de Ondas Estreito.
1 I-projeto do campus Programa Sobre Mecânica dos Fluidos Módulos Sobre Ondas em Fluidos T. R. Akylas & C. C. Mei CAPÍTULO SEIS ONDAS DISPERSIVAS FORÇADAS AO LONGO DE UM CANAL ESTREITO As ondas de gravidade
Leia mais(Testes intermédios e exames 2005/2006)
158. Indique o conjunto dos números reais que são soluções da inequação log 3 (1 ) 1 (A) [,1[ (B) [ 1,[ (C) ], ] (D) [, [ 159. Na figura abaio estão representadas, em referencial o. n. Oy: parte do gráfico
Leia maisMÓDULO 4 DISTRIBUIÇÃO DE FREQÜÊNCIAS
MÓDULO 4 DISTRIBUIÇÃO DE FREQÜÊNCIS Como vimos no módulo 1, para que nós possamos extrair dos dados estatísticos de que dispomos a correta análise e interpretação, o primeiro passo deverá ser a correta
Leia maisUnidade 5: Sistemas de Representação
Arquitetura e Organização de Computadores Atualização: 9/8/ Unidade 5: Sistemas de Representação Números de Ponto Flutuante IEEE 754/8 e Caracteres ASCII Prof. Daniel Caetano Objetivo: Compreender a representação
Leia maisdefi departamento de física www.defi.isep.ipp.pt
defi departamento de física Laboratórios de Física www.defi.isep.ipp.pt Condensador de Placas Paralelas Instituto Superior de Engenharia do Porto- Departamento de Física Rua Dr. António Bernardino de Almeida,
Leia maisActividade 2 Intensidade da luz
Actividade 2 Intensidade da luz Conceitos matemáticos Materiais Representação gráfica dos dados Comparação de previsões de dados Relações: o quadrado do inverso Origens de erro e respectivos efeitos Conceitos
Leia maisEstatística Descritiva I
Estatística Descritiva I Bacharelado em Economia - FEA - Noturno 1 o Semestre 2016 Profs. Fábio P. Machado e Gilberto A. Paula MAE0219 (Economia-FEA-Noturno) Estatística Descritiva I 1 o Semestre 2016
Leia maisEvolução Constante MANUAL DE INSTRUÇÕES E CATÁLOGO DE PEÇAS PENETRÔMETRO
Evolução Constante MANUAL DE INSTRUÇÕES E CATÁLOGO DE PEÇAS PENETRÔMETRO ÍNDICE APRESENTAÇÃO...01 1 - PARTES COMPONENTES...02 2 - MEDIDAS DE SEGURANÇA...02 3 - RECOMENDAÇÕES DE USO DO PENETRÔMETRO...03
Leia maisFICHA DE TRABALHO DERIVADAS I PARTE. 1. Uma função f tem derivadas finitas à direita e à esquerda de x = 0. Então:
FICHA DE TRABALHO DERIVADAS I PARTE. Uma função f tem derivadas finitas à direita e à esquerda de = 0. Então: (A) f tem necessariamente derivada finita em = 0; (B) f não tem com certeza derivada finita
Leia maisEscola Superior de Tecnologia de Setúbal. Modelação e Identificação de Sistemas. Controlo. Ângelo Carmo - 1579 Luis Santos - 2717
Escola Superior de Tecnologia de Setúbal Curso de Licenciatura em Engenharia de Automação, Controlo e Instrumentação Modelação e Identificação de Sistemas Controlo Sistema de Transporte e Compactação de
Leia mais"SISTEMAS DE COTAGEM"
AULA 6T "SISTEMAS DE COTAGEM" Embora não existam regras fixas de cotagem, a escolha da maneira de dispor as cotas no desenho técnico depende de alguns critérios. A cotagem do desenho técnico deve tornar
Leia mais... Altamente eficiente. Fatiadora totalmente automática A 510 da Bizerba com balança integrada
... Altamente eficiente Fatiadora totalmente automática A 510 da Bizerba com balança integrada A nova fatiadora totalmente automática A 510, combina apresentações apelativas de porções de produtos fatiados
Leia mais2aula TEORIA DE ERROS I: ALGARISMOS SIGNIFICATIVOS, ARREDONDAMENTOS E INCERTEZAS. 2.1 Algarismos Corretos e Avaliados
2aula Janeiro de 2012 TEORIA DE ERROS I: ALGARISMOS SIGNIFICATIVOS, ARREDONDAMENTOS E INCERTEZAS Objetivos: Familiarizar o aluno com os algarismos significativos, com as regras de arredondamento e as incertezas
Leia maisCaracterísticas de um fluido
FLUIDOS - Propriedades Características de um fluido Gases e liquídos podem ambos ser considerados fluidos. Há certas características partilhadas por todos os fluidos que podem usar-se para distinguir liquidos
Leia maisEduardo Camponogara. DAS-5103: Cálculo Numérico para Controle e Automação. Departamento de Automação e Sistemas Universidade Federal de Santa Catarina
Eduardo Camponogara Departamento de Automação e Sistemas Universidade Federal de Santa Catarina DAS-5103: Cálculo Numérico para Controle e Automação 1/48 Sumário Arredondamentos Erros 2/48 Sumário Arredondamentos
Leia maisAgrupamento de Escolas General Humberto Delgado Sede na Escola Secundária/3 José Cardoso Pires Santo António dos Cavaleiros
Agrupamento de Escolas General Humberto Delgado Sede na Escola Secundária/3 José Cardoso Pires Santo António dos Cavaleiros 2º ciclo PCA - 6º ano Planificação Anual 2013-2014 MATEMÁTICA METAS CURRICULARES
Leia maisMÉDIA ARITMÉTICA MÉDIA PONDERADA MODA MEDIANA
MÉDIA ARITMÉTICA MÉDIA PONDERADA MODA MEDIANA Em um amostra, quando se têm os valores de uma certa característica, é fácil constatar que os dados normalmente não se distribuem uniformemente, havendo uma
Leia maisDETERMINAÇÃO DA CONSTANTE UNIVERSAL DOS GASES, R.
DETERMINAÇÃO DA CONSTANTE UNIVERSAL DOS GASES, R. Aula 2 META Conhecer um pouco sobre estequiometria, reatividade de metais com ácido e como utilizar desses conceitos para determinar a constante universal
Leia mais1) O que entende por contaminação cruzada? Cite algumas medidas de prevenção da contaminação cruzada. 2) Quais as categorias de perigos que conhece? 3) Dê alguns exemplos de Perigos Biológicos. 4) Quais
Leia mais1. Os métodos Não-Paramétricos podem ser aplicados a uma ampla diversidade de situações, porque não exigem populações distribuídas normalmente.
TESTES NÃO - PARAMÉTRICOS As técnicas da Estatística Não-Paramétrica são, particularmente, adaptáveis aos dados das ciências do comportamento. A aplicação dessas técnicas não exige suposições quanto à
Leia maisEXCEL NA ANÁLISE DE REGRESSÃO
EXCEL NA ANÁLISE DE REGRESSÃO _2010_03_Exercicio _Regressão_exemplo O gerente de uma loja de artigos escolares, cada semana, deve decidir quanto gastar com propaganda e que atrativo (por exemplo preços
Leia maisCálculo Numérico Faculdade de Engenharia, Arquiteturas e Urbanismo FEAU
Cálculo Numérico Faculdade de Engenharia, Arquiteturas e Urbanismo FEAU Prof. Dr. Sergio Pilling (IPD/ Física e Astronomia) II Métodos numéricos para encontrar raízes (zeros) de funções reais. Objetivos:
Leia maisAproximações e Erros de Arredondamento. introdução. exactidão e precisão. Aula 2 Métodos Numéricos Aplicados à Engenharia
Aproximações e Erros de Arredondamento Aula 2 Métodos Numéricos Aplicados à Engenharia 23/02/07 João Noronha 1 introdução Em muitos problemas de engenharia não é possível a obtenção de soluções analíticas.
Leia maisC5. Formação e evolução estelar
AST434: C5-1/68 AST434: Planetas e Estrelas C5. Formação e evolução estelar Mário João P. F. G. Monteiro Mestrado em Desenvolvimento Curricular pela Astronomia Mestrado em Física e Química em Contexto
Leia maisVerificação e Validação em CFD
Erro de arredondamento. Erro iterativo. Erro de discretização. As três componentes do erro numérico têm comportamentos diferentes com o aumento do número de graus de liberdade (refinamento da malha). Erro
Leia maisCircuito RC: Processo de Carga e Descarga de Capacitores
Departamento de Física - IE - UFJF As tarefas desta prática têm valor de prova! Leia além deste roteiro também os comentários sobre elaboração de gráficos e principalmente sobre determinação de inclinações
Leia maisSistemas Lineares. Módulo 3 Unidade 10. Para início de conversa... Matemática e suas Tecnologias Matemática
Módulo 3 Unidade 10 Sistemas Lineares Para início de conversa... Diversos problemas interessantes em matemática são resolvidos utilizando sistemas lineares. A seguir, encontraremos exemplos de alguns desses
Leia mais2. Representação Numérica
2. Representação Numérica 2.1 Introdução A fim se realizarmos de maneira prática qualquer operação com números, nós precisamos representa-los em uma determinada base numérica. O que isso significa? Vamos
Leia maisAula 11 Root Locus LGR (Lugar Geométrico das Raízes) parte I
Aula 11 Root Locus LGR (Lugar Geométrico das Raízes) parte I Sistema de malha fechada G(s) G(s) G(s) Sistema de malha fechada K O Root Locus é o lugar geométrico dos polos do sistema de malha fechada,
Leia mais