ESTATÍTICA I. Professora: Diana Andrade-Pilling.
|
|
- Eliza Filipe Felgueiras
- 8 Há anos
- Visualizações:
Transcrição
1 ESTATÍTICA I Profssora: Diana Andrad-Pilling dianaa@univap.br
2 INTRODUÇÃO Esta apostila dstina-s ao curso d Estatística I, aplicado na Univrsidad do Val do Paraíba (UNIVAP), para os cursos d Engnharia Aronáutica, Engnharia ambintal, Engnharia Civil, Engnharia Elétrica, Engnharia Química, Arquittura Urbanismo. O matrial é basado nos livros: Estatística Básica - Probabilidad Infrência, d Luiz Gonzaga Morttin Volum único, Editora Parson Education; Probabilidad & Estatística para ngnharia ciências, Ronald E. Walpol, Raymond H. Myrs, Sharon L. Myrs Kying Y 8 ª dição, 009.
3 Índic Capítulo Rprsntação opraçõs com dados: Tabla d frqüências, Tablas d frqüências rlativas, Histogramas. Capítulo Variávis alatórias Probabilidads: Variávis alatórias, Espaço amostral, Função d probabilidad, Rgra da adição, Rgra da multiplicação, Esprança (ou valor sprado), Variância, Dsvio Padrão, Probabilidad condicional, Torma d Bays. Capítulo 3 Distribuiçõs d probabilidad para variávis alatórias discrtas: Distribuição binomial, Variância sprança d uma variávl alatória binomial, Distribuição d Poisson, Variância Esprança na distribuição d Poisson. Capítulo 4 Variávis alatórias Contínuas: Distribuição Exponncial, Distribuição Normal, Distribuição normal rduzida. 3
4 CAPÍTULO REPRESENTAÇÃO E OPERAÇÕES COM DADOS TABELAS Tablas d Frqüências: é uma tabla qu rlaciona catgoria d valors, juntamnt com contagns do númro d valors qu s nquadram m cada catgoria. Como xmplo, suponhamos qu numa dtrminada class d alunos tmos a sguint tabla com o númro d faltas: O objtivo é organizar mlhor sta tabla, ou sja, qurmos construir uma tabla qu rlacion o númro d faltas com o númro d vzs qu la ocorru. Por isso, faz ncssário sguir os sguints passos: Passo : Dcidir o númro d classs da tabla d frqüência. Est númro dv ficar ntr 5 0, gralmnt dpnd das quantidads qu dispomos. Vamos scolhr 0 classs como xmplo. Passo : Dtrminar a amplitud (A) das classs. Para isso, tomamos o maior valor d falta, subtraímos plo mnor valor, finalmnt, dividimos plo númro d classs scolhidas. Maior valor 6 Mnor valor 4
5 A Passo 3: Escolhr o limit infrior da tabla como sndo o mnor valor ncontrado na tabla. No nosso caso, o mnor valor é. Passo 4: Adicionar a amplitud no mnor valor para ncontrar o sgundo limit infrior. Rpita isso para ncontrar o trciro limit suprior assim por diant. Passo 5: Mont a tabla com as classs a squrda cont o númro d vzs qu aqula class aparcu na sua primira tabla. Faltas Frqüências -,4 9,5-3,9 3 4,0-5,4 0 5,5-6,9 6 7,0-8,4 5 8,5-9,9 3 0,0-,4 6,5-,9 0 3,0-4,4 4,5-6 5
6 Tabla d Frqüências Rlativas: É uma tabla smlhant a tabla d frqüências, mas é obtida através da divisão da frqüência d cada class pla frqüência total. A tabla acima possui frqüência total 45, qu é a soma d todos os númros a dirita da tabla. Assim, a tabla d frqüências rlativas srá a tabla acima com sua coluna a dirita dividida por 45. Faltas Frqüências Rlativas -,4 0,,5-3,9 0,067 4,0-5,4 0, 5,5-6,9 0,33 7,0-8,4 0, 8,5-9,9 0,067 0,0-,4 0,33,5-,9 0 3,0-4,4 0,0 4,5-6 0,044 GRÁFICOS O uso d tablas para rsumir um contúdo d dados nm smpr é útil para tirar algumas conclusõs. Assim, o uso d gráficos s faz ncssário para mlhor rprsntar os dados da tabla. Histograma: é o primiro gráfico d grand importância. A laboração dst gráfico ncssita d uma tabla d frqüências ou frqüências rlativas. Portanto, sgum-s abaixo os passos para a construção d um histograma. Passo : Construa uma tabla d frqüências ou d frqüências rlativas; Passo : Coloqu no ixo vrtical as informaçõs sobr as frqüências; Passo 3: Coloqu no ixo horizontal as informaçõs sobr as classs utilizadas. Passo 4: é d xtrma importância colocar um Título, as lgndas nos ixos. 6
7 Utilizarmos como xmplo a tabla já fita sobr as faltas comtidas plos alunos d uma dtrminada class. Not qu utilizarmos a tabla d frqüências rlativas, mas podria sr também a tabla d frqüências. Figura : histograma fito sobr os dados da tabla d frqüências rlativas d faltas comtidas plos alunos d uma class. Figura : histog comtidas plos Exrcício.) Os dados abaixo rfrm-s ao salário (m salários mínimos) d 0 funcionários administrativos m uma indústria. a) construa uma tabla d frquência agrupando os dados m intrvalos d amplitud ;,0,0 b) construa o histograma. 7
8 Exrcício.) Com o intuito d mlhor a vida dos moradors da cidad d São paulo, a prfitura fz uma psquisa com usuários d transport coltivo na cidad indagando sobr os difrnts tipos usados nas suas locomoçõs diárias. Dntr mtro, ônibus trm, o númro d difrnts mios d transport utilizados foi o sguint: 3,,,,,,,,,, 3, 3,,,,,, 3,,,,,,,,,,,,,, 3. a) complt a tabla d frquência; b) faça uma rprsntação gráfica; c) admitindo qu ssa amostra rprsnt bm o comportamnto do usuário paulistano, você acha qu a porcntagm dos usuários qu utilizam mais d um tipo d transport é grand? 8
9 CAPÍTULO Variávis alatórias: VARIÁVEL ALEATÓRIA E PROBABILIDADE Uma variávl alatória é tal qu não sabmos ao crto qu valor tomará, mas para a qual podmos calcular a probabilidad d tomar dtrminado valor. Nos xprimntos alatórios, msmo qu as condiçõs iniciais sjam smpr as msmas, os rsultados finais d cada tntativa do xprimnto srão difrnts não prvisívis. Exmplos: lançamnto d um dado, lançamnto d duas modas. Embora, m gral, não podmos dizr xatamnt qual srá o valor d uma variávl alatória, frqüntmnt podmos liminar alguns valors. Por xmplo, o númro (W) d vzs qu um rpórtr falou a palavra calor durant uma smana não pod sr 5/8, nm π, nm, nm qualqur outro númro stranho; W dv sr um númro intiro. O númro Y no dado também dv sr um númro intiro, mas dv sr um dos sis valors,, 3, 4, 5, 6. As variávis alatórias qu só podm tomar valors isolados são chamados variávis alatórias discrtas. Elas não prcisam sr intiras. Por xmplo: suponha qu jogumos um dado duas vzs, sja T a média dos dois númros qu aparcm. Então, T admit os valors ;,5; ;,5; 3; 3,5; 4; 4,5; 5; 5,5; 6. Espaço amostral: Espaço amostral d um xprimnto alatório é o conjunto dos rsultados do xprimnto. Os lmntos do spaço amostral srão chamados também d pontos amostrais. No lançamnto d um dado, o spaço amostral Ω {,, 3, 4, 5, 6}. No lançamnto d uma moda, o spaço amostral Ω {cara (K), coroa (C)} No lançamnto d duas modas, o spaço amostral Ω {CC, CK, KC, KK}; 9
10 Exmplo.) Sja uma população d N pssoas. Dssas, M têm olhos azuis. S não sabmos o valor d M, como podmos stimá-lo? Solução: Obsrvamos uma amostra alatória d n dssas pssoas sja x o númro d lmntos da amostra qu tm aqula caractrística. Então, x é uma variávl alatória, pois su valor dpnd dos indivíduos scolhidos para formar a amostra. Exrcício ) Lançam-s três modas. Escrva o spaço amostral. Funçõs d Probabilidad A função d probabilidad é uma função qu associa a cada vnto d F um númro ral prtncnt ao intrvalo [0,]. No caso d uma variávl comum, praticamnt tudo quanto prcisamos sabr é su valor. Com variávis alatórias, ntrtanto, a situação é um pouco difrnt. Primiro, dvmos sabr quais valors são possívis, quais não o são. Por xmplo, s uma variávl a alatória X nunca pod tomar o valor 3/, scrvmos qu a probabilidad d X 3/ é zro, ou d forma mais concisa: P(X3/) 0 Fita a rlação d todos os valors possívis, o qu dvmos sabr a sguir é: - Quão viávl é cada um dsss divrsos valors? No caso da jogada d um dado, a situação é muito simpls: há apnas sis valors possívis ls são igualmnt provávis. Então: P(Y) /6; P(Y) /6; P(Y3) /6; P(Y4) /6; P(Y5) /6; 0
11 P(Y6) /6; No caso d um lançamnto d uma moda uma única vz, sja X o númro d vzs qu aparc cara. Qual a probabilidad d tirarmos cara? P(X0) ½ coroa P(X) ½ cara Quando fazmos dois lançamntos, tmos quatro rsultados possívis: Cara-Cara (KK) Cara-Coroa (KC) Coroa-Cara (CC) Coroa-Coroa (CC) Vamos usar K para cara C para coroa. Qual a probabilidad d cair duas caras m dois lançamntos? P(KK). (K K) 4 Qual a probabilidad d cair Zro cara? P(CC). 4 Então, tmos tanta chanc d obsrvar nnhuma cara como d obsrvar duas caras. -Qual a probabilidad d cara apnas uma vz m duas jogadas? P((KC) ou (CK)) P(KC) + P(CK) Qual a probabilidad d cair cara m nnhuma das vzs? P(C C). 4 Dsts xmplos, podmos rlmbrar duas rgras m probabilidad:
12 Rgra da adição: i) para calcular a probabilidad do vnto A ou B ocorrr,. P(A U B) P(A) + P(B), s A B são mutuamnt xclusivos. Exmplo.) Qual a probabilidad d um computador scolhr 0 ou num conjunto d númros qu vai d 0 a 9? Os vntos possívis são {0,,, 3, 4, 5, 6, 7, 8, 9} 0 possívis rsultados. A probabilidad d sair qualqur um dos númros m uma única scolha é igual para todos os valors val /0. Assim, a probabilidad d sair 0 ou srá a soma das probabilidads d sair um dos dois. P(0 ou ) P(0) + P() Uma forma simpls d lmbrar é prcbr qu s você scolh dois númros m dz, você tm uma probabilidad maior d acrtar do qu s você scolhss apnas um númro. Isso porqu as probabilidads são somadas nst caso. ATENÇÃO: Agora, vamos supor qu qurmos sabr qual a probabilidad d sr scolhido algum númro ímpar ou númros supriors a 6. Como rsultados possívis tmos: Númros ímpars: {, 3, 5, 7, 9} Númros supriors a 6: {7, 8, 9} Aqui, dv-s tomar o cuidado d não contar duas vzs a msma probabilidad d ocorrr o msmo númro. Tmos qu scrvr mlhor o nosso conjunto d rsultados procurados: {, 3, 5, 7, 8, 9}, ou sja, tmos um total d sis rsultados procurados dntro do dz possívis valors. Então: 6 P(ímpars ou supriors a 6} 0, 6 0 Podríamos tr ncontrado fazndo: P(ímpars ou supriors a 6} P(impar} + P(suprior a 6} P(ímpar suprior a 6}
13 , Nst caso, os vntos não são mutuamnt xclusivos. Assim dvmos aplicar a rgra gral para a soma: P(A ou B) P(A) + P(B) P(A B), ou sja, P(A U B) P(A) + P(B) P(A B), Exmplo.3) Rtira-s uma carta d um baralho complto d 5 cartas. Qual a probabilidad d asir um ri ou uma carta d spadas? Sja A: saída d um ri; Sja B: saída d uma carta d spadas; P(A) 4/5; P(B) 3/5; P(A B) /5 prob. d sair um ri prob d sair uma carta d spadas prob d sair um ri d spadas Assim: P(A U B) P(A) + P(B) P(A B) P(A U B) 4/5 + 3/5 - /5 6/5. Rgra da multiplicação: i) para calcular a probabilidad d ocorrr o vnto A, m sguida, B. P(A B) P(A). P(B), sndo A B indpndnts. Exmplo.3) Na xtração d duas cartas d um baralho bm misturado, dtrmin a probabilidad d qu a primira carta sja um ás a sgunda sja um ri. Baralho normal: 5 cartas, sndo 04 ass 04 ris. Então: 4 P(ás) 4 ass m 5 cartas 5 3
14 Agora, s já tiri uma carta, o baralho ficou com 5 cartas. E a probabilidad d tirar o ri na sgunda vz, lvando m conta qu não coloqui a primira carta tirada d volta no baralho é: 4 P(ri) 5 Assim, a probabilidad d tirar um ás um ri srá: P P(ás).P(ri). 0, Uma outra fórmula bastant útil é a fórmula gral para o númro d rsultados qu aprsntam h caras m n jogadas d uma moda. Para isso, dvmos primiro calcular o númro d rsultados possívis. No caso da moda: Númro d rsultados possívis n Rpar qu o númro stá rlacionado com o fato do spaço amostral sr cara ou coroa, ou sja, tm lmntos. S tivéssmos um dado sndo lançado, o spaço amostral tria 6 lmntos, nss caso, o númro possívl d rsultados sria 6 n, ond n é o númro d jogadas. Em sguida prcisamos sabr o númro d maniras possívis d s obtr h caras. n! Ess númro é dado por:, ond n! n (n-) (n-)...3 x x. h!( n h)! Assim, a probabilidad d obtr h caras m n jogadas d uma moda quilibrada (não viciada) é: P n n h!( n h)! Exmplo.4) Qual a probabilidad d obtr 5 caras m 6 jogadas d moda? Ess problma pod sr rsolvido d duas manira: Na primira: P 6! !(6 5)! 5!!
15 Na sgunda, qurmos sabr a probabilidad d dar 5 caras (indpndnt da ordm) m 6 jogada d moda. As combinaçõs possívis são: KKKKKC KKKKCK KKKCKK KKCKKK KCKKKK CKKKKK Para cada uma das combinaçõs acima, tríamos uma probabilidad d P Assim, P (KKKKKC ou KKKKCK ou KKKCKK ou KKCKKK ou KCKKKK ou CKKKKK) (msma rsposta da primira manira). Para tornar as coisas mais convnints, dfinirmos uma função d probabilidad para uma variávl alatória. O valor da função d probabilidad para um númro particular é a função qu associa a cada valor assumido pla variávl alatória a probabilidad do vnto corrspondnt. Utilizarmos uma ltra minúscula f para rprsntar a função d probabilidad (f.d.p., ou função dnsidad d probabilidad, ou ainda, função d massa d probabilidad). f(a) P(Xa) Quando stivrmos lidando com mais d uma variávl alatória d uma vz, scrvmos a função dnsidad d probabilidad como f x (a) para dixar claro qu é a f.d.p. da variávl alatória X. Eis a função dnsidad d probabilidad para a jogada d um dado: f() 6 f() 6 f(3) 6 f(4) 6 f(5) 6 f(6) 6 E a f.d.p. d dar cara para três jogadas d uma moda: 5
16 f(0) nnhuma cara 8 3 f() cara 8 3 f() caras 8 f(3) 3 caras. 8 Podmos stablcr duas propridads d imdiato, as quais a f. d. p. dv satisfazr: f(a) 0 a f(a) a ou sja, 0 f(a). m gral, como já vimos, quando dsjamos sabr a probabilidad d X a ou X b, tmos: f f(a) + f(b). É important vrificar qu para qu haja uma distribuição d probabilidads d uma variávl alatória X é ncssário qu: f(a ) + f(a ) + f(a 3 ) f(a n ), ou sja, f ( a ) Exmplo.5) Lançam-s dados. Sja X: soma das facs. Dtrminar a distribuição d probabilidads d X. Rsultados possívis X P(X) ( ) ( ) ou ( ) ( 3), ou ( ) ou (3 ) ( 4), ou ( 3) ou (3 ) ou (4 5 4 ) 36 ( 5) ou (5 ) ou (3 3) ou (4 6 5 ) ou ( 4) 36 ( 6) ou (6 ) ou (3 4) ou ( ) ou ( 5) ou (5 ) 36 n
17 (3 5) ou (5 3) ou ( 7) ou (7 8 ) ou (4 4) (3 6) ou (4 5) ou (6 3) ou (5 9 4) (4 6) ou (5 5) ou (6 4) 0 (6 5) ou (5 6) (6 6) Rpar qu P(X). E o gráfico da distribuição tm a forma: Existm caractrísticas numéricas qu são muito importants m uma distribuição d probabilidads d uma variávl alatória discrta. São os parâmtros das distribuiçõs. Por isso, vamos falar dsss parâmtros abaixo. 7
18 ESPERANÇA (OU VALOR ESPERADO) O valor sprado da variávl alatória X (ou sprança matmática d X), rprsntado por E(X), é uma média pondrada d todos os valors d X. O pso, ou pondração, d cada valor é igual a probabilidad d X tomar ss valor. O valor sprado é smpr um númro ral. E(X) a.f(a ) + a.f(a ) + a 3.f(a 3 ) a n.f(a n ) n Ou E(X) ai. f ( ai ), i Ou ainda: n E(X) xi. P( xi ) i Outra notaçõs para o valor sprado d X: μ X, μ(x), μ. O valor sprado d uma variávl alatória não é ncssariamnt um d sus possívis valors. Exmplo: qual o valor sprado d númro Y qu aparc num dado: E(X) , 5, Mas Y não assum o valor d 3,5. Exmplo.6) Uma sguradora paga R$ ,00 m caso d acidnt d carro cobra uma taxa d R$.000,00. Sab-s qu as chancs d qu um carro sofra um acidnt é d 3%, quanto a sguradora spra ganhar por carro sgurado? Solução: A sguradora ganha R$.000,00 por carro prd R$ ( ) 9.000,00 por carro acidntado. Quando vamos pondrar as mdidas, sabmos qu há 3% d chanc (P 0,03) d prdr o rstant, (-0,03) 0,97 d ganhar. X P(X) X.P(X).000 0,
19 , Assim, E(X) x n i i p( x ) x p( x ) + x p( x ) R$ 00,00. i Então, R$ 00,00 é o lucro médio por carro. Exmplo.7) Dada a distribuição abaixo na forma d tabla, dê o valor sprado d X: X P(X) E(X).(/36) + 3.(/36) + 4.(3/36) + 5.(4/36) + 6.(5/36) + 7. (6/36) + 8.(5/36) + 9. (4/36) + 0. (3/36) +.(/36) + (/36) E(X) (/36) + (6/36) + (/36) + (0/36) + (30/36) + (4/36) + (40/36) + (36/36) + (30/36) + (/36) + (/36) E(X) 7 Exmplo.8) Suponha qu um númro sja sortado d a 0, intiros positivos. Sja X: númro d divisors do númro sortado. Calcular o númro médio d divisors do númro sortado. 9
20 Para isso, vamos montar uma tabla para organizar os nossos dados: N 0 N 0 d divisors Rpar qu X é o númro d divisors, qu variam d até 4. Então, é ncssário montar uma sgunda tabla com os valors possívis d X suas rspctivas probabilidads. X P(X) X.P(X) /0 /0 4/0 8/0 3 /0 6/0 4 3/0 /0 E(X) (/0) + (8/0) + (6/0) + (/0) (7/0) E(X),7. Exmplo.9) Num jogo d dados, Cláudio paga R$0,00 a Lúcio lança 3 dados. S sair fac m um dos dados apnas, Cláudio ganha R$ 0,00. S sair fac m dois dados apnas, Cláudio ganha R$ 50,00 s sair nos três dados, Cláudio ganha R$ 80,00. Calcul o lucro médio d Cláudio m uma jogada. Rsolução: Para rsolvr ss problma, vamos organizar nossos dados numa tabla. Para isso prcisamos lmbrar: P( ) (/6).(/6).(/6) /6 todas as facs Sja Y qualqur númro difrnt d, a probabilidad d sair duas facs é: P( Y) + P( Y ) + P(Y ) (/6).(/6).(5/6) + (/6).(/6).(5/6) + (/6).(/6).(5/6) 5/6 Da msma forma qu o antrior, a probabilidad d sair apnas uma fac srá: P( Y Y) 3. (/6).(5/6).(5/6) 75/6 E a probabilidad d não sair nnhuma fac : P(Y Y Y) (5/6).(5/6).(5/6) 5/6 0
21 X P(X) X.P(X) +60 /6 60/ /6 450/6 0 75/ /6-500/6 E(X) ( )/6-9, Exmplo.0) Suponha qu você ganh R$ 00,00 multiplicado plo númro qu aparc quando s joga um dado. S Y é variávl alatória qu rprsnta o númro do dado, W rprsnta o su ganho, ntão W 00.Y. podmos calcular: E(W) E(00.Y) 00.E(Y) 350 E(W) R$ 350,00. Propridads do valor sprado: a) S k é uma constant (não uma variávl alatória), ntão: b) E(k) k E(kX) k.e(x) c) Sjam X Y variávis alatórias, E(X±Y) E(X) ± E(Y) VARIÂNCIA O conhcimnto da média d uma distribuição é important, mas não nos dá idéia do grau d disprsão da probabilidad m torno da média. A mdida qu dá o grau d disprsão (ou d concntração) d probabilidad m torno da média é a Variância. Dfinição: VAR(X) E{ [X E(X)] } Ou sja:
22 VAR (X) ( xi μ x ) n i. p( x ) i Dfinirmos uma fórmula mais fácil d sr aplicada: VAR(X) E{ [X- E(X)] } E{ [X XE(X) + E (X)} E(X ) E(XE(X)) + E(E (X)) E(X ) E(X)E(X) + E ( X) E(X ) -E (X) + E (X) E(X ) E (X) Ond E(X ) ( x ) n i. p( i x i Outras notaçõs para VAR(X): V(X), σ (X), σ X, σ. Exmplo.) ) Calculmos a VAR(Y) para a distribuição: ) Y P(Y) Y.P(Y) Y.P(Y) - /5 -/5 4/5 - /5 -/5 /5 0 / /5 3/5 9/5 5 /5 5/5 5/5 E(X) E(Y ) 39/5 Gráfico da distribuição d probabilidads
23 Assim, VAR(Y) E(X ) E (X) 39 6, 8 5. Exmplo.) Vamos agora calcular a variância para a distribuição abaixo: X P(X) X.P(X) X.P(X) 0 / /8 6/8 6/8 /8 /8 4/8 E(X) 0/8 Cujo gráfico é: 0 8 VAR(X) E(X ) E (X) 0, Obsrvando os gráficos os valors d VAR(Y), concluímos qu: Quanto mnor a Variância, mnor o grau d disprsão d probabilidads m torno da média vic-vrsa; quanto maior a variância, maior o grau d disprsão da probabilidad m torno da média. A variância é uma mdida quadrada, muitas vzs torna-s artificial. Por xmplo: altura média d um grupo d pssoas é,70 m a variância é 5 cm. Fica um tanto quanto squisito cm d altura. Contornarmos ss problma dfinindo o dsvio padrão. 3
24 DESVIO PADRÃO Dfinição: Dsvio Padrão da variávl X é a raiz quadrada da variância d X, isto é: σ x VAR(X ) σ x Nos xmplos antriors: σ x 0,5 0,5 6,8,6 Exmplos d aplicação: Exmplo.3) Os mprgados A, B, C D ganham,, 4 salários mínimos, rspctivamnt. Rtiram-s amostras com rposição d dois indivíduos md-s o salário médio da amostra rtirada. Qual a média dsvio padrão do salário médio amostral? Emprgado X (salário) P(A) A ¼ B ¼ C ¼ D 4 ¼ Amostras Salário P(X) médio A, A /6 A, B,5 /6 A, C,5 /6 A, D,5 /6 B, A,5 /6 B, B /6 B, C /6 B, D 3 /6 C, A,5 /6 C, B /6 C, C /6 C, D 3 /6 D, A,5 /6 D, B 3 /6 D, C 3 /6 D, D 4 /6 /6 Rpar qu todas as amostras têm probabilidad d /6, mas alguns salários médios s rptm. Como qurmos fazr a média dos salários médio, tmos qu construir outra tabla. Salário P(X) X.P(X) X.P(X) Médio (X) /6 /6 /6,5 4/6 6/6 9/6 4/6 8/6 6/6,5 /6 5/6,5/6 3 4/6 /6 36/6 3, /6 4/6 6/6 4
25 Assim, tmos qu: E(X) E VAR(X) E(X ) E (X) para ncontrá-la, prcisamos ncontrar E(X ) E(X ) , ,5 6 E 90,5 9 9,5 VAR(X) 0, Dsta forma, o dsvio padrão do salário médio amostral é: σ VAR ( X ) 0, ,77 PROPRIEDADES DA VARIÂNCIA ) VAR(k) 0, s k constant. Dmonstração: VAR(k) E(k E(k)) E(k-k) 0. ) VAR(k.X) k.var(x) VAR(kX) E{ [kx E(kX)] } E[ kx ke(x) ] E[ k (X - E(X) ) k E [(X E(X)] VAR(kX) k VAR(X) 3) VAR (X ± Y) VAR (X) + VAR (Y) ± cov (X, Y) 5
26 PROBABILIDADE CONDICIONAL Para introduzir a noção d probabilidad condicional, considrmos o xmplo: Considrmos 50 alunos qu cursam o primiro ciclo d uma faculdad. Dsts alunos, 00 são homns (H) 50 são mulhrs (M); 0 cursam física (F) 40 cursam química (Q). A distribuição d alunos é a sguint: Sxo Disciplina F Q Total H M Total Um aluno é sortado ao acaso. Qual a probabilidad d qu stja cursando química, dado qu é mulhr? Obsrvando o quadro, vmos qu P(Q/M) 80/50 Probabilidad d star cursando química, condicionado ao fato d mulhr. Obsrvamos porém, qu P(M Q) 80/50 P (M) 50/50. Para obtrmos o rsultado do problma, basta considrar qu: P( Q / M ) ou sja, P( Q / M ) P( M Q) P( M ) Assim, a probabilidad condicional d A dado qu B ocorr (A/B) srá dada por: P( A/ B) P( A B) P( B), s P(B) 0. P( B / P( B A) A) P( A) 6
27 Exmplo.4) Duas bolas vão sr rtiradas sm rposição d uma urna qu contém bolas brancas (B), 3 prtas (P) 4 vrds (V). Qual a probabilidad d qu ambas: a) Sjam vrds? Nst caso, os vntos não são indpndnts. O fato d uma bola sr rtirada não rposta, indica qu na sgunda rtirada, havrá apnas 8 bolas na urna. P(V na primira) 4/9 P(V na sgunda) 3/8 P(V na primira V na sgunda) (4/9).(3/8) (/7) (/6) b) Sjam da msma cor? P(B U B) (/9).(/8) (/7) P(P U P) (3/9).(/8) (6/7) P(V U V) (4/9).(3/8) (/7) Assim, a probabilidad qu procuramos srá: P P(BUB ou PUP ou VUV) P(BUB) + P(PUP) + P(VUV) (/7) + (6/7) + (/7) P 0/7 5/8 0,78. TEOREMA DE BAYES O torma d Bays é também chamado d torma da probabilidad a postriori. El rlaciona uma das parclas da probabilidad total com a própria probabilidad total. Considr uma quantidad d intrss dsconhcida A (tipicamnt não obsrvávl). A informação d qu dispomos sobr A, rsumida probabilisticamnt através d P(A), pod sr aumntada obsrvando-s uma quantidad alatória B rlacionada com A. A distribuição amostral P(A B) dfin sta rlação. A idéia d qu após obsrvar o vnto B a quantidad d informação sobr o vnto A aumnta é bastant intuitiva o torma d Bays é a rgra d atualização utilizada para quantificar st aumnto d informação. Assim, a quação é dada por: P(A B) P( AB) P( B) 7
28 Ou sja, é a probabilidad Condicional já studada. Entrtanto, uma gnralização disso é considrar qu xistam mais do qu dois sistmas: A i com i,, 3,..., n qurmos sabr qual a probabilidad d um P( A dls, A 3, por xmplo, 3). P( B A) acontcr sabndo qu o vnto B P( A ). P( B A ) + P( A ) P( B A ) + P( A3 ) P( B A3 ) acontcu. Então, trmos: P(A 3 B) Gnralizando, tmos: P(A j B) P( A j ). P( B A j ) n P( A ). P( B A ) i i i P( A P( A ). P( B A ) + P( A j ). P( B A ). P( B A j ) ) P( A n ) P( B A n ) Significa o númro d subsistmas do sistma total, tal como o númro d urnas ou caixas. Not qu o dnominador rflt a probabilidad d acontcr o vnto B, qu já acontcu, m todos os vntos A i com i,,..., n., ou sja: P(B) P(A ).P(B A ) + P(A ).P(B A ) + P(A n ).P(B A n ) Então: P(A j B) P( BA j P( B) ) Rtornamos a quação da Probabilidad Condicional. Exmplo.5) Uma urna A contém 3 fichas vrmlhas azuis, a urna B contém vrmlhas 8 azuis. Joga-s uma moda, s dr cara, xtrai-s uma ficha da urna A; s dr coroa, xtrai-s uma ficha d B. Uma ficha vrmlha é xtraída. Qual a probabilidad d tr saído cara no lançamnto, ou sja, d tr sido sortada a urna A? Sja P(A) a probabilidad d sortar a urna A ½ Sja P(B) a probabilidad d sortar a urna B ½ 8
29 P(A) ½ P(B), pois xist uma chanc d 50% da moda cair cara 50 % d cair coroa. A probabilidad d tirar uma ficha vrmlha da urna A é: P(V A) 3/5 A probabilidad d tirar uma ficha vrmlha da urna B é: P(V B) /0 /5 Então, a probabilidad d sair uma vrmlha é: P(V) P(A).P(V A) + P(B).P(V B) (/).(3/5) + (/).(/5) (4/0) 0,4. Calculando P(V A) P(A). P(V A) (/).(3/5) 3/0 0,3 P( VA ) P(A V) P( V ) ,75 Exmplo.6) A caixa A tm 9 cartas numradas d a 9. A caixa B tm 5 cartas numradas d a 5. Uma caixa é scolhida ao acaso uma carta é rtirada. S o númro é par, qual a probabilidad d qu a carta sortada tnha vindo d A? Eu quro sabr P(A par). Caixa A:,, 3, 4, 5, 6, 7, 8, 9 4 númros pars. Caixa B:,, 3, 4, 5 númros pars. Então, P(A) P(B) ½ P(par A) 4/9 P(par B) /5 P(par) P(A).P(par A) + P(B).P(par B) (/).(4/9) + (/).(/5) (4/8) + (/5) 9/45. Assim, 4. P( para ) P( A). P( par A) P(A par) 0, 53 P( par) 9 9 P( par)
30 CAPÍTULO 3 DISTRIBUIÇÕES DE PROBABILIDADE DISTRIBUIÇÃO BINOMIAL É uma distribuição discrta d probabilidad aplicávl quando um xprimnto é ralizado n vzs, cada prova tndo uma probabilidad d sucsso p sndo indpndnt d qualqur outra prova antrior. Imagin um cintista qu raliza um xprimnto com dois rsultados possívis: sucsso ou falha. A probabilidad d sucsso m cada prova é p, a probabilidad d falha é -p. S o xprimnto é ralizado 0 vzs, m quantas provas podmos sprar sucsso? Formulmos primiro a sguint qustão: s o cintista raliza o xprimnto duas vzs, qual a probabilidad d ambas as provas rsultarm m sucsso? S A é o vnto sucsso na primira prova B o vnto sucsso na sgunda prova, ntão P(A) p P(B) p. O vnto sucsso m ambas as provas pod sr scrito como A B (A intrsção B). Adotarmos uma hipóts important: cada prova é indpndnt. Então, podmos multiplicar as probabilidads. P(A B) P(AB) P(A).P(B) p Plo msmo raciocínio, podmos mostrar qu a probabilidad d obtr sucsso nas 0 provas srá p 0. Por xmplo, s p 0,8 (ou, sja, 80 % d chanc d sucsso), a probabilidad d 0 sucssos, srá 0,8 0 0,07. Embora as chancs d sucsso sja m qualqur prova m particular sja boa, a chanc d qu haja 0 sucssos sguidos é pquna. 30
31 Agora! Qual a probabilidad d 9 sucssos uma falha? Essa qustão é um pouquinho mais complicada! Formularmos ntão, uma qustão mais simpls para comçar: qual a probabilidad d sucsso na primira prova falha nas outras nov provas? P 0,8 x 0, 9 4,096 x 0-7. Agora, prst atnção nas difrnças abaixo: qual a probabilidad d sucsso apnas na primira prova? Qual a probabilidad d sucsso xatamnt m uma das 0 provas? Para achar a probabilidad d xatamnt um sucsso, dvmos adicionar a probabilidad d sucsso apnas na primira prova (4,096 x 0-7 ) mais a probabilidad d sucsso apnas na sgunda prova (4,096 x 0-7 ) assim por diant. Como há dz possibilidads: P(xatamnt um sucsso m 0 tntativas) 0 x 0,8 x 0, 9 4,096 x 0-6. Calculmos a probabilidad d d xatamnt dois sucssos d manira análoga. P(d dois primiros sucssos oito falhas subsqünts) 0,8 x 0, 8,638 x 0-6. Ess é também a probabilidad d qualqur padrão spcificado d ocorrência d sucssos 8 falhas. A próxima qustão é: quantos dsss padrõs xistm? Em outras palavras, quantas maniras há d scolhr ntr 0 posiçõs possívis? Podmos aplicar a anális combinatória Tmos qu lmbrar qu: A B A! B!( A B)! Assim, a probabilidad d xatamnt dois sucssos, é 0 x 0,8 x 0, 8 7,373 x 0-5 Estamos agora m condiçõs d dar a fórmula gral para a distribuição d um tipo spcial d variávl alatória: a distribuição binomial. A distribuição binomial s aplica a qualqur situação m qu s ralizm várias provas indpndnts, cada uma das 3
32 quais comporta apnas um dntr dois rsultados possívis. Esss dois rsultados chamam-s sucsso falha, mbora, m alguns casos, possam sr dsignados d modos difrnts. Suponha qu o cintista raliz o xprimnto n vzs. Sja X o númro d sucssos. S a probabilidad d sucsso m cada prova é p, ntão a probabilidad d i sucssos é: P(X i) n p i i ( p) ni Essa é a fórmula da função d probabilidad para a variávl alatória binomial. Formalmnt diz-s qu X é uma variávl alatória qu tm distribuição binomial com parâmtros n p. S n é muito grand, os cálculos podm tornar-s difícis é possívl utilizar uma outra distribuição, chamada distribuição normal qu vrmos mais tard. Exmplo 3.) Uma moda é lançada 0 vzs. Qual a probabilidad d saírm 8 caras? Rsolução: X: númro d sucssos (caras) X 0,,,..., 0 p ½ n 0 i P(X8) 0, 03 8 Exmplo 3.) Numa criação d colhos, 40 % são machos. Qual a probabilidad d qu nasçam plo mnos dois colhos machos num dia m qu nascram 0 colhos? Rsolução: X: númro d colhos machos (cm) p 0,4 pois 40% são machos Para calcularmos, dvríamos somar as probabilidads d qu nasçam, ou 3, ou 4, ou 5,... ou 0. Mas isso daria muito trabalho. Então, fazmos o sguint: P(X ) { P(X ) + P(X 0) } 3
33 0 0 0 Lmbrando qu P(X0) 0,4 x 0,6 0, P(X) 0,4 x 0,6 0, Assim, P(X ) 0, , ,99948 Exmplo 3.3) Uma prova tipo tst tm 50 qustõs indpndnts. Cada qustão tm 5 altrnativas. Apnas uma das altrnativas é a corrta. S um aluno rsolv a prova rspondndo a smo as qustõs, qual a probabilidad d tirar nota 5? X: númro d acrtos X: 0,,..., 50 p /5 0,0 P(X5) 50 0,0 5 5 x0,8 5 0,00000 Esprança (valor sprado) Variância d uma variávl alatória binomial E(X) n.p Na toria da probabilidad na statística, a variância d uma variávl alatória é uma mdida da sua disprsão statística, indicando quão long m gral os sus valors s ncontram do valor sprado. A Variância é dfinida como: Var (X) E ((X - μ x ) ) E (X E(X)) E[ X XE(X) + E (X) ] E(X ) E(XE(X)) + E (X) E(X ) E(X)E(X) + E (X) E(X ) E (X) + E (X) E(X ) E (X) 33
34 No caso da distribuição binomial: E(X ) n.(n-).p +np Var (X) E(X ) E (X) n.(n-).p + n.p n.p (n n)p + n.p n p n p np + n.p n p n.p - np n.p.(-p) Var (X) n.p.(-p) Em statística, o concito d variância também pod sr usado para dscrvr um conjunto d obsrvaçõs. Quando o conjunto das obsrvaçõs é uma população, é chamada d variância da população. S o conjunto das obsrvaçõs é (apnas) uma amostra statística, chamamos-lh d variância amostral (ou variância da amostra). A variância da população d uma população y i ond i,,..., N é dada por ond μ é a média da população. Na prática, quando lidando com grands populaçõs, é quas smpr impossívl achar o valor xato da variância da população, dvido ao tmpo, custo outras rstriçõs aos rcursos. Um método comum d stimar a variância da população é através da tomada d amostras. Quando stimando a variância da população usando n amostras alatórias x i ond i,,..., n, a fórmula sguint é um stimador não nvisado: ond é a média da amostra. 34
35 Notar qu o dnominador n- acima contrasta com a quação para a variância da população. Uma font d confusão comum é qu o trmo variância da amostra a notação s pod rfrir-s qur ao stimador não nvisado da variância da população acima como também àquilo qu é m trmos stritos, a variância da amostra, calculada usando n m vz d n-. Intuitivamnt, o cálculo da variância pla divisão por n m vz d n- dá uma sub-stimativa da variância da população. Isto porqu usamos a média da amostra como uma stimativa da média da população μ, o qu não conhcmos. Na prática, porém, para grands n, sta distinção é gralmnt muito pquna. Exmplo 3.4) Achar a média a variância da variávl alatória Y 3X +, sndo o xprimnto rptido 0 vzs a probabilidad d sucsso m X é d 0,3. E(Y) 3.E(X) + E(). Lmbrando qu E(), pois é uma constant (não é uma variávl alatória), tmos: E(Y) 3.np + [(3.0).0,3] E das propridads da variância, tmos: VAR(k) 0, s k constant VAR(k.X) k.var(x) Tmos: Var (Y) Var (3.X + ) Var (3.X) + Var () 3 Var (X) Var (X) Var (X) n.p.(-p) Assim, Var (Y) ,3. ( - 0,3) ,3. 0,7 37,8 Rsumindo: 35
SISTEMA DE PONTO FLUTUANTE
Lógica Matmática Computacional - Sistma d Ponto Flutuant SISTEM DE PONTO FLUTUNTE s máquinas utilizam a sguint normalização para rprsntação dos númros: 1d dn * B ± 0d L ond 0 di (B 1), para i = 1,,, n,
Leia mais4.1 Método das Aproximações Sucessivas ou Método de Iteração Linear (MIL)
4. Método das Aproimaçõs Sucssivas ou Método d Itração Linar MIL O método da itração linar é um procsso itrativo qu aprsnta vantagns dsvantagns m rlação ao método da bisscção. Sja uma função f contínua
Leia maisEm cada ciclo, o sistema retorna ao estado inicial: U = 0. Então, quantidade de energia W, cedida, por trabalho, à vizinhança, pode ser escrita:
Máquinas Térmicas Para qu um dado sistma raliz um procsso cíclico no qual rtira crta quantidad d nrgia, por calor, d um rsrvatório térmico cd, por trabalho, outra quantidad d nrgia à vizinhança, são ncssários
Leia maisCONTINUIDADE A idéia de uma Função Contínua
CONTINUIDADE A idéia d uma Função Contínua Grosso modo, uma função contínua é uma função qu não aprsnta intrrupção ou sja, uma função qu tm um gráfico qu pod sr dsnhado sm tirar o lápis do papl. Assim,
Leia maisO que são dados categóricos?
Objtivos: Dscrição d dados catgóricos por tablas gráficos Tst qui-quadrado d adrência Tst qui-quadrado d indpndência Tst qui-quadrado d homognidad O qu são dados catgóricos? São dados dcorrnts da obsrvação
Leia maisDesse modo, podemos dizer que as forças que atuam sobre a partícula que forma o pêndulo simples são P 1, P 2 e T.
Pêndulo Simpls Um corpo suspnso por um fio, afastado da posição d quilíbrio sobr a linha vrtical qu passa plo ponto d suspnsão, abandonado, oscila. O corpo o fio formam o objto qu chamamos d pêndulo. Vamos
Leia maisNOTA SOBRE INDETERMINAÇÕES
NOTA SOBRE INDETERMINAÇÕES HÉLIO BERNARDO LOPES Rsumo. Em domínios divrsos da Matmática, como por igual nas suas aplicaçõs, surgm com alguma frquência indtrminaçõs, d tipos divrsos, no cálculo d its, sja
Leia maisPSICROMETRIA 1. É a quantificação do vapor d água no ar de um ambiente, aberto ou fechado.
PSICROMETRIA 1 1. O QUE É? É a quantificação do vapor d água no ar d um ambint, abrto ou fchado. 2. PARA QUE SERVE? A importância da quantificação da umidad atmosférica pod sr prcbida quando s qur, dntr
Leia maisAlgumas distribuições de variáveis aleatórias discretas importantes:
Algumas distribuiçõs d variávis alatórias discrtas importants: Distribuição Uniform Discrta Enquadram-s aqui as distribuiçõs m qu os possívis valors da variávl alatória tnham todos a msma probabilidad
Leia maisEstatística. 6 - Distribuições de Probabilidade de Variáveis Aleatórias Contínuas
Estatística 6 - Distribuiçõs d Probabilidad d Variávis Alatórias Contínuas 06 - Distribuição Uniform Variávl alatória contínua podndo assumir qualqur valors dntro d um intrvalo [a,b] tal qu: f ( x) para
Leia maisDefinição de Termos Técnicos
Dfinição d Trmos Técnicos Eng. Adriano Luiz pada Attack do Brasil - THD - (Total Harmonic Distortion Distorção Harmônica Total) É a rlação ntr a potência da frqüência fundamntal mdida na saída d um sistma
Leia mais2 Mbps (2.048 kbps) Telepac/Sapo, Clixgest/Novis e TV Cabo; 512 kbps Cabovisão e OniTelecom. 128 kbps Telepac/Sapo, TV Cabo, Cabovisão e OniTelecom.
4 CONCLUSÕES Os Indicadors d Rndimnto avaliados nst studo, têm como objctivo a mdição d parâmtros numa situação d acsso a uma qualqur ára na Intrnt. A anális dsts indicadors, nomadamnt Vlocidads d Download
Leia maisOFICINA 9-2ºSementre / MATEMÁTICA 3ª SÉRIE / QUESTÕES TIPENEM Professores: Edu Vicente / Gabriela / Ulício
OFICINA 9-2ºSmntr / MATEMÁTICA 3ª SÉRIE / QUESTÕES TIPENEM Profssors: Edu Vicnt / Gabrila / Ulício 1. (Enm 2012) As curvas d ofrta d dmanda d um produto rprsntam, rspctivamnt, as quantidads qu vnddors
Leia maisAUTO CENTRAGEM DA PLACA DE RETENÇÃO DE UMA MÁQUINA DE PISTÕES AXIAIS TIPO SWASHPLATE. azevedoglauco@unifei.edu.br
AUTO CENTRAGEM DA PLACA DE RETENÇÃO DE UMA MÁQUINA DE PISTÕES AXIAIS TIPO SWASHPLATE Glauco José Rodrigus d Azvdo 1, João Zangrandi Filho 1 Univrsidad Fdral d Itajubá/Mcânica, Av. BPS, 1303 Itajubá-MG,
Leia maisExperiência n 2 1. Levantamento da Curva Característica da Bomba Centrífuga Radial HERO
8 Expriência n 1 Lvantamnto da Curva Caractrística da Bomba Cntrífuga Radial HERO 1. Objtivo: A prsnt xpriência tm por objtivo a familiarização do aluno com o lvantamnto d uma CCB (Curva Caractrística
Leia maisModelosProbabilísticos paravariáveis Discretas. Modelo de Poisson
ModlosProbabilísticos paravariávis Discrtas Modlo d Poisson Na aula passada 1 Dfinimos o concito d modlo probabilístico. 2 Aprndmos a utilizar o Modlo Binomial. 3 Vimos como o Modlo Binomial pod facilitar
Leia maisCoordenadas polares. a = d2 r dt 2. Em coordenadas cartesianas, o vetor posição é simplesmente escrito como
Coordnadas polars Sja o vtor posição d uma partícula d massa m rprsntado por r. S a partícula s mov, ntão su vtor posição dpnd do tmpo, isto é, r = r t), ond rprsntamos a coordnada tmporal pla variávl
Leia maisPROVA DE MATEMÁTICA APLICADA VESTIBULAR 2013 - FGV CURSO DE ADMINISTRAÇÃO RESOLUÇÃO: Profa. Maria Antônia C. Gouveia
PROVA DE MATEMÁTICA APLICADA VESTIBULAR 013 - FGV CURSO DE ADMINISTRAÇÃO Profa. Maria Antônia C. Gouvia 1. A Editora Progrsso dcidiu promovr o lançamnto do livro Dscobrindo o Pantanal m uma Fira Intrnacional
Leia maisEC1 - LAB - CIRCÚITOS INTEGRADORES E DIFERENCIADORES
- - EC - LB - CIRCÚIO INEGRDORE E DIFERENCIDORE Prof: MIMO RGENO CONIDERÇÕE EÓRIC INICII: Imaginmos um circuito composto por uma séri R-C, alimntado por uma tnsão do tipo:. H(t), ainda considrmos qu no
Leia maisEmerson Marcos Furtado
Emrson Marcos Furtado Mstr m Métodos Numéricos pla Univrsidad Fdral do Paraná (UFPR). Graduado m Matmática pla UFPR. Profssor do Ensino Médio nos stados do Paraná Santa Catarina dsd 1992. Profssor do Curso
Leia maisDesta maneira um relacionamento é mostrado em forma de um diagrama vetorial na Figura 1 (b). Ou poderia ser escrito matematicamente como:
ASSOCIAÇÃO EDUCACIONA DOM BOSCO FACUDADE DE ENGENHAIA DE ESENDE ENGENHAIA EÉICA EEÔNICA Disciplina: aboratório d Circuitos Elétricos Circuitos m Corrnt Altrnada EXPEIMENO 9 IMPEDÂNCIA DE CICUIOS SÉIE E
Leia maisA distribuição Beta apresenta
Prof. Lorí Viali, Dr. viali@pucrs.br http://www.pucrs.br/famat/viali/ Bta Cauchy Erlang Exponncial F (Sndkor) Gama Gumbl Laplac Logística Lognormal Normal Parto Qui-quadrado - χ Studnt - t Uniform Wibull
Leia maisRepresentação de Números no Computador e Erros
Rprsntação d Númros no Computador Erros Anális Numérica Patrícia Ribiro Artur igul Cruz Escola Suprior d Tcnologia Instituto Politécnico d Stúbal 2015/2016 1 1 vrsão 23 d Fvriro d 2017 Contúdo 1 Introdução...................................
Leia maisDinâmica Longitudinal do Veículo
Dinâmica Longitudinal do Vículo 1. Introdução A dinâmica longitudinal do vículo aborda a aclração frnagm do vículo, movndo-s m linha rta. Srão aqui usados os sistmas d coordnadas indicados na figura 1.
Leia maisResolução. Admitindo x = x. I) Ax = b
Considr uma população d igual númro d homns mulhrs, m qu sjam daltônicos % dos homns 0,% das mulhrs. Indiqu a probabilidad d qu sja mulhr uma pssoa daltônica slcionada ao acaso nssa população. a) b) c)
Leia maisINTRODUÇÃO À ESTATÍSTICA
INTRODUÇÃO À ESTATÍSTICA ERRATA (capítulos 1 a 6 CAP 1 INTRODUÇÃO. DADOS ESTATÍSTICOS Bnto Murtira Carlos Silva Ribiro João Andrad Silva Carlos Pimnta Pág. 10 O xmplo 1.10 trmina a sguir ao quadro 1.7,
Leia maisDISTRIBUIÇÃO DE PROBABILIDADE DE VALORES EXTREMOS DA PRECIPITAÇÃO MÁXIMA DE 24 HORAS DE BELÉM DO PARÁ
DISTRIBUIÇÃO DE PROBABILIDADE DE VALORES ETREMOS DA MÁIMA DE 24 HORAS DE BELÉM DO PARÁ Mauro Mndonça da Silva Mstrando UFAL Mació - AL -mail: mmds@ccn.ufal.br Ant Rika Tshima Gonçalvs UFPA Blém-PA -mail:
Leia maisRazão e Proporção. Noção de Razão. 3 3 lê-se: três quartos lê-se: três para quatro ou três está para quatro
Razão Proporção Noção d Razão Suponha qu o profssor d Educação Física d su colégio tnha organizado um tornio d basqutbol com quatro quips formadas plos alunos da ª séri. Admita qu o su tim foi o vncdor
Leia maisCAPÍTULO 06 ESTUDOS DE FILAS EM INTERSEÇÕES NÃO SEMAFORIZADAS
APÍTULO 06 ESTUDOS DE FILAS EM INTERSEÇÕES NÃO SEMAFORIZADAS As filas m intrsçõs não smaforizadas ocorrm dvido aos movimntos não prioritários. O tmpo ncssário para ralização da manobra dpnd d inúmros fators,
Leia maisP R O P O S T A D E R E S O L U Ç Ã O D O E X A M E T I P O 5
P R O P O S T A D E R E S O L U Ç Ã O D O E X A M E T I P O 5 GRUPO I ITENS DE ESCOLHA MÚLTIPLA 1. Agrupando num bloco a Ana, a Bruna, o Carlos, a Diana o Eduardo, o bloco os rstants st amigos prmutam
Leia maisPlanificação :: TIC - 7.º Ano :: 15/16
AGRUPAMENTO DE ESCOLAS DE SÃO PEDRO DA COVA Escola Básica d São Pdro da Cova Planificação :: TIC - 7.º Ano :: 15/16 1.- A Informação, o conhcimnto o mundo das tcnologias A volução das tcnologias d informação
Leia maisPSI-2432: Projeto e Implementação de Filtros Digitais Projeto Proposto: Conversor de taxas de amostragem
PSI-2432: Projto Implmntação d Filtros Digitais Projto Proposto: Convrsor d taxas d amostragm Migul Arjona Ramírz 3 d novmbro d 2005 Est projto consist m implmntar no MATLAB um sistma para troca d taxa
Leia maisMódulo II Resistores, Capacitores e Circuitos
Módulo laudia gina ampos d arvalho Módulo sistors, apacitors ircuitos sistência Elétrica () sistors: sistor é o condutor qu transforma nrgia létrica m calor. omo o rsistor é um condutor d létrons, xistm
Leia maisANÁLISE CUSTO - VOLUME - RESULTADOS
ANÁLISE CUSTO - VOLUME - RESULTADOS 1 Introdução ao tma Exist todo o intrss na abordagm dst tma, pois prmit a rsolução d um conjunto d situaçõs qu s aprsntam rgularmnt na vida das organizaçõs. Estas qustõs
Leia maisa) (0.2 v) Justifique que a sucessão é uma progressão aritmética e indique o valor da razão.
MatPrp / Matmática Prparatória () unidad tra curricular / E-Fólio B 8 dzmbro a janiro Critérios d corrção orintaçõs d rsposta Qustão ( val) Considr a sucssão d númros rais dfinida por a) ( v) Justifiqu
Leia maisMESTRADO PROFISSIONAL EM ECONOMIA DO SETOR PÚBLICO
II/05 UNIVERSIDADE DE BRASÍLIA DEPARTAMENTO DE ECONOMIA 0//5 MESTRADO PROFISSIONAL EM ECONOMIA DO SETOR PÚBLICO ECONOMIA DA INFORMAÇÃO E DOS INCENTIVOS APLICADA À ECONOMIA DO SETOR PÚBLICO Prof. Maurício
Leia maisMESTRADO PROFISSIONAL EM ECONOMIA DO SETOR PÚBLICO
II/05 UNIVERSIDADE DE BRASÍLIA DEPARTAMENTO DE ECONOMIA 0//5 MESTRADO PROFISSIONAL EM ECONOMIA DO SETOR PÚBLICO ECONOMIA DA INFORMAÇÃO E DOS INCENTIVOS APLICADA À ECONOMIA DO SETOR PÚBLICO Prof. Maurício
Leia maisA função de distribuição neste caso é dada por: em que
1 2 A função d distribuição nst caso é dada por: m qu 3 A função d distribuição d probabilidad nss caso é dada por X 0 1 2 3 P(X) 0,343 0,441 0,189 1,027 4 Ercícios: 2. Considr ninhada d 4 filhots d colhos.
Leia mais6. Moeda, Preços e Taxa de Câmbio no Longo Prazo
6. Moda, Prços Taxa d Câmbio no Longo Prazo 6. Moda, Prços Taxa d Câmbio no Longo Prazo 6.1. Introdução 6.3. Taxas d Câmbio ominais Rais 6.4. O Princípio da Paridad dos Podrs d Compra Burda & Wyplosz,
Leia mais66 (5,99%) 103 (9,35%) Análise Combinatória 35 (3,18%)
Distribuição das 0 Qustõs do I T A 9 (8,6%) 66 (,99%) Equaçõs Irracionais 09 (0,8%) Equaçõs Exponnciais (,09%) Conjuntos 9 (,6%) Binômio d Nwton (,9%) 0 (9,%) Anális Combinatória (,8%) Go. Analítica Funçõs
Leia mais2 x. ydydx. dydx 1)INTEGRAIS DUPLAS: RESUMO. , sendo R a região que. Exemplo 5. Calcule integral dupla. xda, no retângulo
Intgração Múltipla Prof. M.Sc. Armando Paulo da Silva UTFP Campus Cornélio Procópio )INTEGAIS DUPLAS: ESUMO Emplo Emplo Calcul 6 Calcul 6 dd dd O fato das intgrais rsolvidas nos mplos srm iguais Não é
Leia maisPrincipais Modelos Contínuos
rincipais Modlos Contínuos . Modlo uniform Uma v.a. contínua tm distribuição uniform com parâmtros < s sua função dnsidad d probabilidad é dada por c c f. 0. Var E F 0 0 A função d distribuição acumulada
Leia maisAnálise Matemática IV
Anális Matmática IV Problmas para as Aulas Práticas Smana 7 1. Dtrmin a solução da quação difrncial d y d t = t2 + 3y 2 2ty, t > 0 qu vrifica a condição inicial y(1) = 1 indiqu o intrvalo máximo d dfinição
Leia mais3. Geometria Analítica Plana
MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE PELOTAS DEPARTAMENTO DE MATEMÁTICA E ESTATÍSITICA APOSTILA DE GEOMETRIA ANALÍTICA PLANA PROF VINICIUS 3 Gomtria Analítica Plana 31 Vtors no plano Intuitivamnt,
Leia maisλ, para x 0. Outras Distribuições de Probabilidade Contínuas
abilidad Estatística I Antonio Roqu Aula 3 Outras Distribuiçõs d abilidad Contínuas Vamos agora studar mais algumas distribuiçõs d probabilidads para variávis contínuas. Distribuição Eponncial Uma variávl
Leia maisNo N r o m r a m s a?
Normas? EM ALGUMA CERÂMICA... NORMAS? O qu tnho a vr com isso? VENDAS NORMAS??? O qu é isso?...um clint dixou d fchar o pdido porqu o bloco não stava dntro das NORMAS... Grnt Produção...Uma carga d Blocos
Leia maisUniversidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Revisão de Probabilidade e Estatística
Universidade Federal do Paraná Departamento de Informática Reconhecimento de Padrões Revisão de Probabilidade e Estatística Luiz Eduardo S. Oliveira, Ph.D. http://lesoliveira.net Conceitos Básicos Estamos
Leia maisAugusto Massashi Horiguti. Doutor em Ciências pelo IFUSP Professor do CEFET-SP. Palavras-chave: Período; pêndulo simples; ângulos pequenos.
DETERMNAÇÃO DA EQUAÇÃO GERAL DO PERÍODO DO PÊNDULO SMPLES Doutor m Ciências plo FUSP Profssor do CEFET-SP Est trabalho aprsnta uma rvisão do problma do pêndulo simpls com a dmonstração da quação do príodo
Leia maisA VARIAÇÃO ENTRE PERDA & PERCA: UM CASO DE MUDANÇA LINGUÍSTICA EM CURSO?
A VARIAÇÃO ENTRE PERDA & PERCA: UM CASO DE MUDANÇA LINGUÍSTICA EM CURSO? Luís Augusto Chavs Frir, UNIOESTE 01. Introdução. Esta é uma psquisa introdutória qu foi concrtizada como um studo piloto d campo,
Leia maisExame de Matemática Página 1 de 6. obtém-se: 2 C.
Eam d Matmática -7 Página d 6. Simplificando a prssão 9 ( ) 6 obtém-s: 6.. O raio r = m d uma circunfrência foi aumntado m 5%. Qual foi o aumnto prcntual da ára da sgunda circunfrência m comparação com
Leia maisE X A M E ª FASE, V E R S Ã O 1 P R O P O S T A D E R E S O L U Ç Ã O
Prparar o Eam 05 Matmática A E X A M E 0.ª FASE, V E R S Ã O P R O P O S T A D E R E S O L U Ç Ã O. Tm-s qu P A P A P A GRUPO I ITENS DE ESCOLHA MÚLTIPLA 0, 0, 0,. Assim: P B A PB A 0,8 0,8 PB A 0,8 0,
Leia mais/ :;7 1 6 < =>6? < 7 A 7 B 5 = CED? = DE:F= 6 < 5 G? DIHJ? KLD M 7FD? :>? A 6? D P
26 a Aula 20065 AMIV 26 Exponncial d matrizs smlhants Proposição 26 S A SJS ntão Dmonstração Tmos A SJS A % SJS SJS SJ % S ond A, S J são matrizs n n ", (com dt S 0), # S $ S, dond ; A & SJ % S SJS SJ
Leia maisNR-35 TRABALHO EM ALTURA
Sgurança Saúd do Trabalho ao su alcanc! NR-35 TRABALHO EM ALTURA PREVENÇÃO Esta é a palavra do dia. TODOS OS DIAS! PRECAUÇÃO: Ato ou fito d prvnir ou d s prvnir; A ação d vitar ou diminuir os riscos através
Leia maisOscilações amortecidas
Oscilaçõs amortcidas Uso d variávl complxa para obtr a solução harmônica ral A grand vantagm d podr utilizar númros complxos para rsolvr a quação do oscilador harmônico stá associada com o fato d qu ssa
Leia maisProbabilidades e Estatística
Probabilidads Estatística o Tst Tst A 2 o smstr 2004/05 Duração: hora 0 minutos 0/04/005 9 horas RESOLUÇÃO ABREVIADA. Acontcimnto Probabilidad IP incêndio d pqunas proporçõs P (IP ) 0.75 IP incêndio d
Leia maisMÓDULO 4 4.8.1 - PROCEDIMENTOS DE TESTES DE ESTANQUEIDADE PARA LINHAS DE ÁGUA, ESGOTO E OUTROS LÍQUIDOS
MÓDULO 4 4.8.1 - PROCEDIMENTOS DE TESTES DE ESTANQUEIDADE PARA LINHAS DE ÁGUA, ESGOTO E OUTROS LÍQUIDOS Normas Aplicávis - NBR 15.950 Sistmas para Distribuição d Água Esgoto sob prssão Tubos d politilno
Leia maisFUNÇÕES DE UMA VARIÁVEL COMPLEXA
FUNÇÕES DE UMA VARIÁVEL COMPLEXA Ettor A. d Barros 1. INTRODUÇÃO Sja s um númro complxo qualqur prtncnt a um conjunto S d númros complxos. Dizmos qu s é uma variávl complxa. S, para cada valor d s, o valor
Leia maisCURSO ON LINE RACIOCÍNIO LÓGICO PARA DESESPERADOS PROFESSORES: GUILHERME NEVES E VÍTOR MENEZES. Aula 1 Lógica de argumentação e diagramas lógicos
1 Aula 1 Lógica d argumntação diagramas lógicos I LÓGICA DE ARGUMENTAÇÃO (CONTINUAÇÃO).... 2 1 Rvisão..... 2 2 Técnica 1: liminando as linhas com prmissas falsas... 5 Técnica 2: tabla vrdad modificada...
Leia maisAII. ANEXO II COEFICIENTE DE CONDUTIBILIDADE TÉRMICA IN-SITU
ANEXO II Coficint d Condutibilidad Térmica In-Situ AII. ANEXO II COEFICIENTE DE CONDUTIBILIDADE TÉRMICA IN-SITU AII.1. JUSTIFICAÇÃO O conhcimnto da rsistência térmica ral dos componnts da nvolvnt do difício
Leia maisUma característica importante dos núcleos é a razão N/Z. Para o núcleo de
Dsintgração Radioativa Os núclos, m sua grand maioria, são instávis, ou sja, as rspctivas combinaçõs d prótons nêutrons não originam configuraçõs nuclars stávis. Esss núclos, chamados radioativos, s transformam
Leia maisTÓPICOS. ordem; grau; curvas integrais; condições iniciais e fronteira. 1. Equações Diferenciais. Conceitos Gerais.
Not bm, a litura dsts apontamntos não dispnsa d modo algum a litura atnta da bibliografia principal da cadira hama-s à atnção para a importância do trabalho pssoal a ralizar plo aluno rsolvndo os problmas
Leia maisv 4 v 6 v 5 b) Como são os corte de arestas de uma árvore?
12 - Conjuntos d Cort o studarmos árors gradoras, nós stáamos intrssados m um tipo spcial d subgrafo d um grafo conxo: um subgrafo qu mantiss todos os értics do grafo intrligados. Nst tópico, nós stamos
Leia maisAtitudes Sociolinguísticas em cidades de fronteira: o caso de Bernardo de Irigoyen. Célia Niescoriuk Grad/UEPG. Valeska Gracioso Carlos UEPG.
Atituds Sociolinguísticas m cidads d frontira: o caso d Brnardo d Irigoyn. Célia Niscoriuk Grad/UEPG. Valska Gracioso Carlos UEPG. 1. Introdução: O Brasil Argntina fazm frontira m crca d 1240 km dsd sua
Leia maisE X A M E ª FASE, V E R S Ã O 1 P R O P O S T A D E R E S O L U Ç Ã O
Prparar o Eam 05 Matmática A E X A M E 0.ª FASE, V E R S Ã O P R O P O S T A D E R E S O L U Ç Ã O. Tm-s qu P A P A P A GRUPO I ITENS DE ESCOLHA MÚLTIPLA 0, 0, 0,. Assim: P B A PB A 0,8 0,8 PB A 0,8 0,
Leia mais, ou seja, 8, e 0 são os valores de x tais que x e, Página 120
Prparar o Eam 0 07 Matmática A Página 0. Como g é uma função contínua stritamnt crscnt no su domínio. Logo, o su contradomínio é g, g, ou sja, 8,, porqu: 8 g 8 g 8 8. D : 0, f Rsposta: C Cálculo Auiliar:
Leia maisCapítulo 4 Resposta em frequência
Capítulo 4 Rsposta m frquência 4. Noção do domínio da frquência 4.2 Séris d Fourir propridads 4.3 Rsposta m frquência dos SLITs 4.4 Anális da composição d sistmas através da rsposta m frquência 4.5 Transformadas
Leia maisANÁLISE MATEMÁTICA IV FICHA SUPLEMENTAR A =
Instituto Suprior Técnico Dpartamnto d Matmática Scção d Álgbra Anális ANÁLISE MATEMÁTICA IV FICHA SUPLEMENTAR 4 EQUAÇÕES DIFERENCIAIS LINEARES Formas canónicas d Jordan () Para cada uma das matrizs A
Leia maisEncontro na casa de Dona Altina
Ano 1 Lagdo, Domingo, 29 d junho d 2014 N o 2 Encontro na casa d Dona Altina Na última visita dos studants da UFMG não foi possívl fazr a runião sobr a água. Houv um ncontro com a Associação Quilombola,
Leia maisCálculo de Autovalores, Autovetores e Autoespaços Seja o operador linear tal que. Por definição,, com e. Considere o operador identidade tal que.
AUTOVALORES E AUTOVETORES Dfiniçõs Sja um oprador linar Um vtor, é dito autovtor, vtor próprio ou vtor caractrístico do oprador T, s xistir tal qu O scalar é dnominado autovalor, valor próprio ou valor
Leia mais03/04/2014. Força central. 3 O problema das forças centrais TÓPICOS FUNDAMENTAIS DE FÍSICA. Redução a problema de um corpo. A importância do problema
Força cntral 3 O problma das forças cntrais TÓPICOS FUNDAMENTAIS DE FÍSICA Uma força cntralé uma força (atrativa ou rpulsiva) cuja magnitud dpnd somnt da distância rdo objto à origm é dirigida ao longo
Leia maisEstudo da Transmissão de Sinal em um Cabo co-axial
Rlatório final d Instrumntação d Ensino F-809 /11/00 Wllington Akira Iwamoto Orintador: Richard Landrs Instituto d Física Glb Wataghin, Unicamp Estudo da Transmissão d Sinal m um Cabo co-axial OBJETIVO
Leia maisEXPRESSÕES LÓGICAS. 9.1 Lógica proposicional AULA 9
AULA 9 EXPRESSÕES LÓGICAS 9.1 Lógica proposicional Lógica é o studo do raciocínio 1. Em particular, utilizamos lógica quando dsjamos dtrminar s um dado raciocínio stá corrto. Nsta disciplina, introduzimos
Leia maisEdital. V Mostra LEME de Fotografia e Filme Etnográficos e II Mostra LEME de Etnografia Sonora
Edital V Mostra LEME d Fotografia Film Etnográficos 5º SEMINÁRIO DO LABORATÓRIO DE ESTUDOS EM MOVIMENTOS ÉTNICOS - LEME 19 a 21 d stmbro d 2012 Univrsidad Fdral do Rcôncavo da Bahia Cachoira-BA O 5º Sminário
Leia maisVariáveis Aleatórias Contínuas e Distribuição de Probabilidad
Variáveis Aleatórias Contínuas e Distribuição de Probabilidades - parte IV 2012/02 Distribuição Exponencial Vamos relembrar a definição de uma variável com Distribuição Poisson. Número de falhas ao longo
Leia maisMATRIZ DE REFERÊNCIA PARA AVALIAÇÃO EM MATEMÁTICA AVALIA BH 1º, 2º E 3º CICLOS DO ENSINO FUNDAMENTAL
MATRIZ DE REFERÊNCIA PARA EM MATEMÁTICA AVALIA BH 1º, 2º E 3º CICLOS DO ENSINO FUNDAMENTAL Na ralização d uma avaliação ducacional m larga scala, é ncssário qu os objtivos da avaliação as habilidads comptências
Leia maisEnunciados equivalentes
Lógica para Ciência da Computação I Lógica Matmática Txto 6 Enunciados quivalnts Sumário 1 Equivalência d nunciados 2 1.1 Obsrvaçõs................................ 5 1.2 Exrcícios rsolvidos...........................
Leia mais5.10 EXERCÍCIO pg. 215
EXERCÍCIO pg Em cada um dos sguints casos, vriicar s o Torma do Valor Médio s aplica Em caso airmativo, achar um númro c m (a, b, tal qu (c ( a - ( a b - a a ( ; a,b A unção ( é contínua m [,] A unção
Leia maisIntrodução ao Processamento Digital de Sinais Soluções dos Exercícios Propostos Capítulo 6
Introdução ao Soluçõs dos Exrcícios Propostos Capítulo 6 1. Dadas as squências x[n] abaixo com sus rspctivos comprimntos, ncontr as transformadas discrtas d Fourir: a x[n] = n, para n < 4 X[] = 6 X[1]
Leia maisMódulo de Probabilidade Condicional. Probabilidade Condicional. 2 a série E.M.
Módulo d Probabilidad Condicional Probabilidad Condicional. a séri E.M. Módulo d Probabilidad Condicional Probabilidad Condicional Exrcícios Introdutórios Exrcício. Qual a probabilidad d tirarmos dois
Leia maisUMA INTRODUÇÃO A TOPOLOGIA
Encontro d Ensino, Psquisa Extnsão, Prsidnt Prudnt, 0 a 3 d outubro, 014 0 UMA INTRODUÇÃO A TOPOLOGIA TÍTULO DO TRABALHO EM INGLES Mário Márcio dos Santos Palhars 1, Antonio Carlos Tamarozzi² Univrsidad
Leia maisProcedimento em duas etapas para o agrupamento de dados de expressão gênica temporal
Procdimnto m duas tapas para o agrupamnto d dados d xprssão gênica tmporal Moysés Nascimnto Fabyano Fonsca Silva Thlma Sáfadi Ana Carolina Campana Nascimnto Introdução Uma das abordagns mais importants
Leia maisQUE ESPANHOL É ESSE? Mariano Jeferson Teixeira (Grad /UEPG) Valeska Gracioso Carlos (UEPG)
Congrsso Intrnacional d Profssors d Línguas Oficiais do MERCOSUL QUE ESPANHOL É ESSE? Mariano Jfrson Tixira (Grad /UEPG) Valska Gracioso Carlos (UEPG) 1. Introdução Graças á rgulamntaçõs impostas por acordos
Leia maisSala: Rúbrica do Docente: Registo:
Instituto Suprior Técnico Dpartamnto d Matmática Scção d Àlgbra Anális o TESTE DE CÁLCULO DIFERENCIAL E INTEGRAL I (MEFT, LMAC, MEBiom) o Sm. 0/ 4/Jan/0 Duração: h30mn Instruçõs Prncha os sus dados na
Leia maisEXAME A NÍVEL DE ESCOLA EQUIVALENTE A EXAME NACIONAL
PROVA 535/C/8 Págs. EXAME A NÍVEL DE ESCOLA EQUIVALENTE A EXAME NACIONAL.º Ano d Escolaridad (Dcrto-Li n.º 86/89, d 9 d Agosto) Cursos Grais Cursos Tcnológicos Duração da prova: 50 minutos 008 PROVA ESCRITA
Leia maisModelo de Oferta e Demanda Agregada (OA-DA)
Modlo d Ofrta Dmanda Agrgada (OA-DA) Lops Vasconcllos (2008), capítulo 7 Dornbusch, Fischr Startz (2008), capítulos 5 6 Blanchard (2004), capítulo 7 O modlo OA-DA xamina as condiçõs d quilíbrio dos mrcados
Leia maisOAB 1ª FASE RETA FINAL Disciplina: Direito Administrativo MATERIAL DE APOIO
I. PRINCÍPIOS: 1. Suprmacia do Intrss Público sobr o Particular Em sndo a finalidad única do Estado o bm comum, m um vntual confronto ntr um intrss individual o intrss coltivo dv prvalcr o sgundo. 2. Indisponibilidad
Leia mais3 Aritmética Computacional
33 3 Aritmética Computacional 3. Introdução Quando s utiliza um qualqur instrumnto d trabalho para ralizar uma tarfa dv-s tr um conhcimnto profundo do su modo d funcionamnto, das suas capacidads das suas
Leia maisPERFIL DE SAÍDA DOS ESTUDANTES DA 5ª SÉRIE DO ENSINO FUNDAMENTAL, COMPONENTE CURRICULAR MATEMÁTICA
PERFIL DE SAÍDA DOS ESTUDANTES DA 5ª SÉRIE DO ENSINO FUNDAMENTAL, COMPONENTE CURRICULAR MATEMÁTICA CONTEÚDOS EIXO TEMÁTICO COMPETÊNCIAS Sistma d Numração - Litura scrita sistma d numração indo-arábico
Leia maisMaterial Teórico - Módulo Equações e Sistemas de Equações Fracionárias. Sistemas de Equações Fracionárias. Oitavo Ano
Matrial Tórico - Módulo Equaçõs Sistmas d Equaçõs Fracionárias Sistmas d Equaçõs Fracionárias Oitavo Ano Autor: Prof Ulisss Lima Parnt Rvisor: Prof Antonio Caminha M Nto Sistmas d quaçõs fracionárias Nssa
Leia maisCurso de Engenharia Mecânica Disciplina: Física 2 Nota: Rubrica. Coordenador Professor: Rudson R Alves Aluno:
Curso d Engnharia Mcânica Disciplina: Física 2 Nota: Rubrica Coordnador Profssor: Rudson R Alvs Aluno: Turma: EA3N Smstr: 1 sm/2017 Data: 20/04/2017 Avaliação: 1 a Prova Valor: 10,0 p tos INSTRUÇÕES DA
Leia maisPENSANDO E DESCOBRINDO!!!
PENSANDO E DESCOBRINDO!!! Sobr o Chuviro Elétrico... Falarmos agora sobr outra facilidad qu a ltricidad os avanços tcnológicos trouxram, trata-s d um aparlho muito usado m nosso dia a dia, o CHUVEIRO ELÉTRICO!
Leia maisPRINCÍPIOS E INSTRUÇÕES RELATIVOS ÀS OPERAÇÕES DE CERTIFICADOS DE OPERAÇÕES ESTRUTURADAS (COE) Versão: 27/08/2014 Atualizado em: 27/08/2014
F i n a l i d a d O r i n t a r o u s u á r i o p a r a q u s t o b t PRINCÍPIOS E INSTRUÇÕES RELATIVOS ÀS OPERAÇÕES DE CERTIFICADOS DE OPERAÇÕES ESTRUTURADAS (COE) Vrsão: 27/08/2014 Atualizado m: 27/08/2014
Leia maisResidência para coletivos na Casa do Povo. Cole tivo
Rsidência para coltivos na Casa do Povo Chamada abrta tativo - Rsidência para coltivos na Casa do Povo Há mais d 60 anos, a Casa do Povo atua como lugar d mmória cntro cultural m sintonia com o pnsamnto
Leia maisA trajetória sob a ação de uma força central inversamente proporcional ao quadrado da distância
A trajtória sob a ação d uma força cntral invrsamnt proporcional ao quadrado da distância A força gravitacional a força ltrostática são cntrais proporcionais ao invrso do quadrado da distância ao cntro
Leia maisLÍNGUA PORTUGUESA. 01. Assinale a afirmativa que, feita a respeito de ideia contida no texto, NÃO pode ser justificada:
LÍNGUA PORTUGUESA Lia o txto abaixo, xtraído ( adaptado) do livro A Dança do Univrso, d Marclo Glisr, ants d rspondr às qustõs 01 a 03, laboradas a partir dl: Muitos pnsam qu a psquisa cintífica é uma
Leia maisPlanificação :: TIC - 8.º Ano :: 15/16
AGRUPAMENTO DE ESCOLAS DE SÃO PEDRO DA COVA Escola Básica d São Pdro da Cova Planificação :: TIC - 8.º Ano :: 5/6.- Exploração d ambints computacionais Criação d um produto original d forma colaborativa
Leia maisCanguru Matemático sem Fronteiras 2018
Canguru Matmático sm Frontiras 2018 Catgoria: Mini-Escolar - nívl II Dstinatários: alunos do 3. o ano d scolaridad Nom: Turma: Duração: 1h 30min Não pods usar calculadora. Em cada qustão dvs assinalar
Leia maisDistribuições: Binomial, Poisson e Normal. Distribuição Binomial
Distribuições: Binomial, Poisson e Normal Distribuição Binomial Monitor Adan Marcel e Prof. Jomar 1. Uma remessa de 800 estabilizadores de tensão é recebida pelo controle de qualidade de uma empresa. São
Leia maisResolução comentada de Estatística - ICMS/RJ Prova Amarela
ICMS-RJ 007: prova d Estatística comntada Rsolução comntada d Estatística - ICMS/RJ - 007 - Prova Amarla 9. Uma amostra d 00 srvidors d uma rpartição aprsntou média salarial d R$.700,00 com uma disprsão
Leia maisCanguru Matemático sem Fronteiras 2018
Canguru Matmático sm Frontiras 2018 Catgoria: Mini-Escolar - nívl II Dstinatários: alunos do 3. o ano d scolaridad Nom: Turma: Duração: 1h 30min Canguru Matmático. Todos os diritos rsrvados. Est matrial
Leia mais