ESTATÍTICA I. Professora: Diana Andrade-Pilling.

Tamanho: px
Começar a partir da página:

Download "ESTATÍTICA I. Professora: Diana Andrade-Pilling. dianaa@univap.br"

Transcrição

1 ESTATÍTICA I Profssora: Diana Andrad-Pilling

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

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 mais

Em cada ciclo, o sistema retorna ao estado inicial: U = 0. Então, quantidade de energia W, cedida, por trabalho, à vizinhança, pode ser escrita:

Em 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 mais

4.1 Método das Aproximações Sucessivas ou Método de Iteração Linear (MIL)

4.1 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 mais

O que são dados categóricos?

O 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 mais

PSICROMETRIA 1. É a quantificação do vapor d água no ar de um ambiente, aberto ou fechado.

PSICROMETRIA 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 mais

NOTA SOBRE INDETERMINAÇÕES

NOTA 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 mais

Desse modo, podemos dizer que as forças que atuam sobre a partícula que forma o pêndulo simples são P 1, P 2 e T.

Desse 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 mais

OFICINA 9-2ºSementre / MATEMÁTICA 3ª SÉRIE / QUESTÕES TIPENEM Professores: Edu Vicente / Gabriela / Ulício

OFICINA 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 mais

CONTINUIDADE A idéia de uma Função Contínua

CONTINUIDADE 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 mais

AUTO 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. 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 mais

PROVA DE MATEMÁTICA APLICADA VESTIBULAR 2013 - FGV CURSO DE ADMINISTRAÇÃO RESOLUÇÃO: Profa. Maria Antônia C. Gouveia

PROVA 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 mais

Dinâmica Longitudinal do Veículo

Dinâmica 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 mais

Emerson Marcos Furtado

Emerson 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 mais

DISTRIBUIÇÃO DE PROBABILIDADE DE VALORES EXTREMOS DA PRECIPITAÇÃO MÁXIMA DE 24 HORAS DE BELÉM DO PARÁ

DISTRIBUIÇÃO 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 mais

A distribuição Beta apresenta

A 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 mais

Experiência n 2 1. Levantamento da Curva Característica da Bomba Centrífuga Radial HERO

Experiência 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 mais

Resolução. Admitindo x = x. I) Ax = b

Resolução. 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 mais

2 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.

2 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 mais

Módulo II Resistores, Capacitores e Circuitos

Módulo 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 mais

Definição de Termos Técnicos

Definição 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 mais

66 (5,99%) 103 (9,35%) Análise Combinatória 35 (3,18%)

66 (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 mais

Desta maneira um relacionamento é mostrado em forma de um diagrama vetorial na Figura 1 (b). Ou poderia ser escrito matematicamente como:

Desta 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 mais

Coordenadas polares. a = d2 r dt 2. Em coordenadas cartesianas, o vetor posição é simplesmente escrito como

Coordenadas 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 mais

MÓDULO 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 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 mais

CURSO ON LINE RACIOCÍNIO LÓGICO PARA DESESPERADOS PROFESSORES: GUILHERME NEVES E VÍTOR MENEZES. Aula 1 Lógica de argumentação e diagramas lógicos

CURSO 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 mais

NR-35 TRABALHO EM ALTURA

NR-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 mais

EC1 - LAB - CIRCÚITOS INTEGRADORES E DIFERENCIADORES

EC1 - 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 mais

A VARIAÇÃO ENTRE PERDA & PERCA: UM CASO DE MUDANÇA LINGUÍSTICA EM CURSO?

A 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 mais

ANÁLISE CUSTO - VOLUME - RESULTADOS

ANÁLISE 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 mais

Uma característica importante dos núcleos é a razão N/Z. Para o núcleo de

Uma 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 mais

Augusto Massashi Horiguti. Doutor em Ciências pelo IFUSP Professor do CEFET-SP. Palavras-chave: Período; pêndulo simples; ângulos pequenos.

Augusto 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 mais

CAPÍTULO 06 ESTUDOS DE FILAS EM INTERSEÇÕES NÃO SEMAFORIZADAS

CAPÍTULO 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 mais

Atitudes Sociolinguísticas em cidades de fronteira: o caso de Bernardo de Irigoyen. Célia Niescoriuk Grad/UEPG. Valeska Gracioso Carlos UEPG.

Atitudes 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 mais

Modelo de Oferta e Demanda Agregada (OA-DA)

Modelo 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 mais

PSI-2432: Projeto e Implementação de Filtros Digitais Projeto Proposto: Conversor de taxas de amostragem

PSI-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 mais

3 Aritmética Computacional

3 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 mais

6. Moeda, Preços e Taxa de Câmbio no Longo Prazo

6. 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 mais

Planificação :: TIC - 7.º Ano :: 15/16

Planificação :: 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 mais

Estudo da Transmissão de Sinal em um Cabo co-axial

Estudo 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 mais

PRINCÍPIOS E INSTRUÇÕES RELATIVOS ÀS OPERAÇÕES DE CERTIFICADOS DE OPERAÇÕES ESTRUTURADAS (COE) Versão: 27/08/2014 Atualizado em: 27/08/2014

PRINCÍPIOS 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 mais

LÍNGUA PORTUGUESA. 01. Assinale a afirmativa que, feita a respeito de ideia contida no texto, NÃO pode ser justificada:

LÍNGUA 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 mais

PROCEDIMENTO DE MEDIÇÃO DE ILUMINÂNCIA DE EXTERIORES

PROCEDIMENTO DE MEDIÇÃO DE ILUMINÂNCIA DE EXTERIORES PROCEDIMENTO DE MEDIÇÃO DE ILUMINÂNCIA DE EXTERIORES Rodrigo Sousa Frrira 1, João Paulo Viira Bonifácio 1, Daian Rznd Carrijo 1, Marcos Frnando Mnzs Villa 1, Clarissa Valadars Machado 1, Sbastião Camargo

Leia mais

A FERTILIDADE E A CONCEPÇÃO Introdução ao tema

A FERTILIDADE E A CONCEPÇÃO Introdução ao tema A FERTILIDADE E A CONCEPÇÃO Introdução ao tma O ciclo mnstrual tm a missão d prparar o organismo para consguir uma gravidz com êxito. O 1º dia d mnstruação corrspond ao 1º dia do ciclo mnstrual. Habitualmnt,

Leia mais

MATRIZ DE REFERÊNCIA PARA AVALIAÇÃO EM MATEMÁTICA AVALIA BH 1º, 2º E 3º CICLOS DO ENSINO FUNDAMENTAL

MATRIZ 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 mais

AII. ANEXO II COEFICIENTE DE CONDUTIBILIDADE TÉRMICA IN-SITU

AII. 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 mais

UMA INTRODUÇÃO A TOPOLOGIA

UMA 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 mais

QUE ESPANHOL É ESSE? Mariano Jeferson Teixeira (Grad /UEPG) Valeska Gracioso Carlos (UEPG)

QUE 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 mais

OAB 1ª FASE RETA FINAL Disciplina: Direito Administrativo MATERIAL DE APOIO

OAB 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 mais

uma estrutura convencional. Desta forma, o desempenho de um sistema estrutural está diretamente relacionado com o desempenho de suas ligações.

uma estrutura convencional. Desta forma, o desempenho de um sistema estrutural está diretamente relacionado com o desempenho de suas ligações. ISSN 1809-5860 ESTUDO DE UMA LIGAÇÃO VIGA-PILAR UTILIZADA EM GALPÕES DE CONCRETO PRÉ- MOLDADO Anamaria Malachini Miotto 1 & Mounir Khalil El Dbs 2 Rsumo Em gral, as ligaçõs ntr lmntos pré-moldados d concrto

Leia mais

Procedimento em duas etapas para o agrupamento de dados de expressão gênica temporal

Procedimento 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 mais

As Abordagens do Lean Seis Sigma

As Abordagens do Lean Seis Sigma As Abordagns do Lan Sis Julho/2010 Por: Márcio Abraham (mabraham@stcnt..br) Dirtor Prsidnt Doutor m Engnharia d Produção pla Escola Politécnica da Univrsidad d São Paulo, ond lcionou por 10 anos. Mastr

Leia mais

Edital de seleção de candidatos para o Doutorado em Matemática para o Período 2015.2

Edital de seleção de candidatos para o Doutorado em Matemática para o Período 2015.2 ] Univrsidad Fdral da Paraíba Cntro d Ciências Exatas da Naturza Dpartamnto d Matmática Univrsidad Fdral d Campina Grand Cntro d Ciências Tcnologia Unidad Acadêmica d Matmática Programa Associado d Pós-Graduação

Leia mais

PROF. MATEUS CONRAD BARCELLOS DA COSTA TÉCNICAS DE PROGRAMAÇÃO AVANÇADA. [ Serra, ES ] [ 2008 ]

PROF. MATEUS CONRAD BARCELLOS DA COSTA TÉCNICAS DE PROGRAMAÇÃO AVANÇADA. [ Serra, ES ] [ 2008 ] PROF. MATEUS CONRAD BARCELLOS DA COSTA TÉCNICAS DE PROGRAMAÇÃO AVANÇADA [ Srra, ES ] [ 2008 ] Rfrências utilizadas na laboração dst matrial Olá, Aluno(a)! 1. LISKOV B. Data Abstraction and Hiararchy. In

Leia mais

INEC ESPECIALIZAÇÃO EM : GERÊNCIA CONTÁBIL, FINANCEIRA E AUDITORIA TURMA III. Lins - SP - 2012 2º Dia : 20 de Outubro.

INEC ESPECIALIZAÇÃO EM : GERÊNCIA CONTÁBIL, FINANCEIRA E AUDITORIA TURMA III. Lins - SP - 2012 2º Dia : 20 de Outubro. INEC AUDITRIA Prof. CLAUDECIR PATN ESPECIALIZAÇÃ EM : GERÊNCIA CNTÁBIL, FINANCEIRA E AUDITRIA TURMA III 1 Lins - SP - 2012 2º Dia : 20 utubro. CNTRLE - Concitos; - Auditoria Control Intrno; - Importância

Leia mais

Encontro na casa de Dona Altina

Encontro 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 mais

Residência para coletivos na Casa do Povo. Cole tivo

Residência 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 mais

PENSANDO E DESCOBRINDO!!!

PENSANDO 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 mais

No N r o m r a m s a?

No 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 mais

2.5. Estrutura Diamétrica

2.5. Estrutura Diamétrica F:\MEUS-OCS\LIRO_EF_44\CAP_I_ESTRUTURA-PARTE_4.doc 5.5. Estrutura iamétrica A strutura diamétrica é tamém dnominada d distriuição diamétrica ou distriuição dos diâmtros. Concitua-s distriuição diamétrica

Leia mais

CTOC - Câmara dos Técnicos Oficiais de Contas Sistema de Informação do Técnico Oficial de Contas

CTOC - Câmara dos Técnicos Oficiais de Contas Sistema de Informação do Técnico Oficial de Contas IAS 17 (1) NORMA INTERNACIONAL DE CONTABILIDADE IAS 17 Locaçõs ÍNDICE Parágrafos Objctivo 1 Âmbito 2-3 Dfiniçõs 4-6 Classificação d locaçõs 7-19 Locaçõs nas dmonstraçõs financiras d locatários 20-35 Locaçõs

Leia mais

Edital. V Mostra LEME de Fotografia e Filme Etnográficos e II Mostra LEME de Etnografia Sonora

Edital. 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 mais

GERADOR ELETROSTÁTICO

GERADOR ELETROSTÁTICO GERADOR ELETROSTÁTICO Est artigo irá mostrar como construir um grador ltrostático, projto muito famoso m firas d Ciências. É uma máquina muito intrssant dvido às pqunas faíscas qu gra, dmonstrando claramnt

Leia mais

CUSTOS IRREVERSÍVEIS, LEIS DE CUSTOS E GERÊNCIA DE PROJETOS - A VIABILIDADE DE UM PROCESSO DE MUDANÇA

CUSTOS IRREVERSÍVEIS, LEIS DE CUSTOS E GERÊNCIA DE PROJETOS - A VIABILIDADE DE UM PROCESSO DE MUDANÇA CUSTOS IRREVERSÍVEIS, LEIS DE CUSTOS E GERÊNCIA DE PROJETOS - A VIABILIDADE DE UM PROCESSO DE MUDANÇA Márcio Botlho da Fonsca Lima Luiz Buno da Silva Rsumo: Est artigo tm o objtivo d xpor a rlvância do

Leia mais

Isomeria. Isomeria Ocorre quando dois ou mais compostos apresentam a mesma fórmula molecular e diferentes fórmulas estruturais.

Isomeria. Isomeria Ocorre quando dois ou mais compostos apresentam a mesma fórmula molecular e diferentes fórmulas estruturais. SEI Ensina - MILITAR Química Isomria Isomria corr quando dois ou mais compostos aprsntam a msma fórmula molcular difrnts fórmulas struturais. Isomria Plana É quando os isômros difrm m sua strutura plana.

Leia mais

Origem dos Jogos Olímpicos

Origem dos Jogos Olímpicos Natal, RN / /04 ALUNO: Nº SÉRIE/ANO: TURMA: TURNO: DISCIPLINA: TIPO DE ATIVIDADE: Profssor: TESTE º Trimstr º M INSTRUÇÕES: Vrifiqu s sua avaliação contém 6 qustõs ( objtivas 04 discursivas). Caso haja

Leia mais

Planificação :: TIC - 8.º Ano :: 15/16

Planificação :: 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 mais

5. MÁXIMOS E MÍNIMOS DE FUNÇÕES DE VÁRIAS VARIÁVEIS 1

5. MÁXIMOS E MÍNIMOS DE FUNÇÕES DE VÁRIAS VARIÁVEIS 1 5 MÁXIMOS E MÍNIMOS DE FUNÇÕES DE VÁRIAS VARIÁVEIS 5 Introdução: Considrmos os sguints nunciados: Quais são as dimnsõs d uma caia rtangular sm tampa com volum v com a mnor ára d supríci possívl? A tmpratura

Leia mais

Departamento de Engenharia Elétrica CONTROLE DIGITAL

Departamento de Engenharia Elétrica CONTROLE DIGITAL Dpartamnto d Engnharia Elétrica CONTROLE DIGITAL PROF. DR. EDVALDO ASSUNÇÃO Univrsidad Estadual Paulista UNESP Faculdad d Engnharia d Ilha Soltira FEIS Dpartamnto d Engnharia Elétrica DEE -03- Sumário

Leia mais

Equilíbrio Térmico. é e o da liga é cuja relação com a escala Celsius está representada no gráfico.

Equilíbrio Térmico. é e o da liga é cuja relação com a escala Celsius está representada no gráfico. Equilíbrio Térmico 1. (Unsp 2014) Para tstar os conhcimntos d trmofísica d sus alunos, o profssor propõ um xrcício d calorimtria no qual são misturados 100 g d água líquida a 20 C com 200 g d uma liga

Leia mais

GERADORES E RECEPTORES. Setor 1202 Aulas 58, 59, 60 Prof. Calil. Geradores

GERADORES E RECEPTORES. Setor 1202 Aulas 58, 59, 60 Prof. Calil. Geradores GERADORES E RECEPTORES Stor 1202 Aulas 58, 59, 60 Prof. Call Gradors São sstmas qu convrtm um dtrmnado tpo d nrga, m nrga létrca. Cram mantém nos sus trmnas, uma dfrnça d potncal. São xmplos d gradors

Leia mais

ENGENHARIA DE MANUTENÇÃO. Marcelo Sucena

ENGENHARIA DE MANUTENÇÃO. Marcelo Sucena ENGENHARIA DE MANUTENÇÃO Marclo Sucna http://www.sucna.ng.br msucna@cntral.rj.gov.br / marclo@sucna.ng.br ABR/2008 MÓDULO 1 A VISÃO SISTÊMICA DO TRANSPORTE s A anális dos subsistmas sus componnts é tão

Leia mais

EMPRESA BRASILEIRA DE TELECOMUNICAÇÕES S.A - EMBRATEL

EMPRESA BRASILEIRA DE TELECOMUNICAÇÕES S.A - EMBRATEL EMPRESA BRASILEIRA DE TELECOMUNICAÇÕES S.A - EMBRATEL PLANO ALTERNATIVO DE SERVIÇO N o 001 - EMBRATEL 1. APLICAÇÃO Est Plano d Srviço ofrc ao usuário do Srviço d Tlfonia Fixa Comutada, a possibilidad d

Leia mais

ANEXO V SISTEMA DE AVALIAÇÃO DE DESEMPENHO

ANEXO V SISTEMA DE AVALIAÇÃO DE DESEMPENHO AEXO V SISTEMA DE AVALIAÇÃO DE DESEMPEHO 1. ÍDICES DE AVALIAÇÃO O Sistma d Avaliação d Dsmpnho stá struturado para a avaliação das prmissionárias, d acordo com os sguints índics grais spcíficos constants

Leia mais

APONTAMENTOS PRÁTICOS PARA OFICIAIS DE JUSTIÇA

APONTAMENTOS PRÁTICOS PARA OFICIAIS DE JUSTIÇA ESQUEMA PRÁTICO ) Prazo Máximo Duração do Inquérito 2) Prazo Máximo Duração do Sgrdo d Justiça 3) Prazo Máximo Duração do Sgrdo d Justiça quando stivr m causa a criminalidad rfrida nas al.ªs i) a m) do

Leia mais

INSTRUÇÕES. Os formadores deverão reunir pelo menos um dos seguintes requisitos:

INSTRUÇÕES. Os formadores deverão reunir pelo menos um dos seguintes requisitos: INSTRUÇÕES Estas instruçõs srvm d orintação para o trino das atividads planadas no projto Europu Uptak_ICT2lifcycl: digital litracy and inclusion to larnrs with disadvantagd background. Dvrão sr usadas

Leia mais

A ferramenta de planeamento multi

A ferramenta de planeamento multi A frramnta d planamnto multi mdia PLANVIEW TELEVISÃO Brv Aprsntação Softwar d planamnto qu s basia nas audiências d um príodo passado para prvr asaudiências d um príodo futuro Avrsatilidad afacilidad d

Leia mais

PERFIL 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 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 mais

Proposta de Resolução do Exame Nacional de Física e Química A 11.º ano, 2011, 1.ª fase, versão 1

Proposta de Resolução do Exame Nacional de Física e Química A 11.º ano, 2011, 1.ª fase, versão 1 Proposta d Rsolução do Exam Nacional d ísica Química A 11.º ano, 011, 1.ª fas, vrsão 1 Socidad Portugusa d ísica, Divisão d Educação, 8 d Junho d 011, http://d.spf.pt/moodl/ 1. Movimnto rctilíno uniform

Leia mais

CA Nimsoft Monitor Snap

CA Nimsoft Monitor Snap CA Nimsoft Monitor Snap Guia d Configuração do Monitoramnto do srvidor Cisco UCS cisco_ucs séri 2.1 Avisos lgais Copyright 2013, CA. Todos os diritos rsrvados. Garantia O matrial contido nst documnto é

Leia mais

Caderno de Apoio 11.º ANO

Caderno de Apoio 11.º ANO METAS CURRICULARES PARA O ENSINO SECUNDÁRIO MATEMÁTICA A Cadrno d Apoio 11º ANO António Bivar Carlos Grosso Filip Olivira Luísa Loura Maria Clmntina Timóto INTRODUÇÃO Est Cadrno d Apoio constitui um complmnto

Leia mais

ANÁLISE DA NORMA NBR 7117 BASEADO NA ESTRATIFICAÇÃO OTIMIZADA DO SOLO A PARTIR DO ALGORITMO DE SUNDE E ALGORITMOS GENÉTICOS

ANÁLISE DA NORMA NBR 7117 BASEADO NA ESTRATIFICAÇÃO OTIMIZADA DO SOLO A PARTIR DO ALGORITMO DE SUNDE E ALGORITMOS GENÉTICOS AÁLISE DA ORMA BR 77 BASEADO A ESTRATIFICAÇÃO OTIMIZADA DO SOLO A PARTIR DO ALGORITMO DE SUDE E ALGORITMOS GEÉTICOS ROOEY RIBEIRO A. COELHO RICARDO SILA THÉ POTES.. Univrsidad Fdral do Cará Cntro d Tcnologia

Leia mais

EQUAÇÕES DIFERENCIAIS LINEARES DE 2ª ORDEM

EQUAÇÕES DIFERENCIAIS LINEARES DE 2ª ORDEM Caítulo II EQUAÇÕES DIFERENCIAIS LINEARES DE ª ORDEM Caítulo II Equaçõs Difrnciais Linars d ª Ordm Caítulo II Até agora já conhcmos uma séri d quaçõs difrnciais linars d rimira ordm Dfinirmos considrarmos

Leia mais

FASE - ESCOLA 2º CICLO DO ENSINO BÁSICO

FASE - ESCOLA 2º CICLO DO ENSINO BÁSICO FASE - ESCOLA 2º CICLO DO ENSINO BÁSICO CRONOGRAMA ÍNDICE FASES DATAS APURAMENTOS LOCAL 4 alunos por scola 1. Introdução...2 1ª fas Escolas 2ª fas Distrital Até 11 d Janiro 1 ou 2 d Fvriro 2 do sxo fminino

Leia mais

A prova tem como referência o Programa de PRÁTICAS DE CONTABILIDADE E GESTÃO do 12º Ano de Escolaridade.

A prova tem como referência o Programa de PRÁTICAS DE CONTABILIDADE E GESTÃO do 12º Ano de Escolaridade. Informação - Prova Equivalência à Frquência Práticas Contabilida Gstão Prova Equivalência à Frquência Práticas Contabilida Gstão Duração da prova: 120 minutos / 24.06.2013 12º Ano Escolarida Curso Tcnológico

Leia mais

EQUAÇÕES DIFERENCIAIS NOTAS DE AULA

EQUAÇÕES DIFERENCIAIS NOTAS DE AULA Ministério da Educação Univrsidad Tcnológica Fdral do Paraná ampus uritiba Grência d Ensino Psquisa Dpartamnto Acadêmico d Matmática EQUAÇÕES DIFERENIAIS NOTAS DE AULA Equaçõs Difrnciais AULA 0 EQUAÇÕES

Leia mais

ESTUDO DA CINÉTICA DE SECAGEM DO BAGAÇO DO PEDUNCULO DO CAJU IN NATURA E ENRIQUECIDO, COM APLICAÇÃO DO MODELO DIFUSIONAL DE FICK.

ESTUDO DA CINÉTICA DE SECAGEM DO BAGAÇO DO PEDUNCULO DO CAJU IN NATURA E ENRIQUECIDO, COM APLICAÇÃO DO MODELO DIFUSIONAL DE FICK. ESTUDO DA CINÉTICA DE SECAGEM DO BAGAÇO DO PEDUNCULO DO CAJU IN NATURA E ENRIQUECIDO, COM APLICAÇÃO DO MODELO DIFUSIONAL DE FICK. N. M. RIBEIRO FILHO 1 ; R. C. SANTOS 3 ; O. L. S. d ALSINA ; M. F. D. MEDEIROS

Leia mais

DISTRIBUIÇÃO DIAMÉTRICA DE Araucaria angustifolia (Bert.) O. Ktze. EM UM FRAGMENTO DE FLORESTA OMBRÓFILA MISTA

DISTRIBUIÇÃO DIAMÉTRICA DE Araucaria angustifolia (Bert.) O. Ktze. EM UM FRAGMENTO DE FLORESTA OMBRÓFILA MISTA DISTRIBUIÇÃO DIAMÉTRICA DE Araucaria angustifolia (Brt.) O. Ktz. EM UM FRAGMENTO DE FLORESTA OMBRÓFILA MISTA DIAMETER DISTRIBUTION OF Araucaria angustifolia (Brt.) O. Ktz. IN A FRAGMENT OF MIXED OMBROPHYLOUS

Leia mais

Datas das próximas viagens da UFMG. Sondagem do solo em Lagedo e Riacho

Datas das próximas viagens da UFMG. Sondagem do solo em Lagedo e Riacho Ano 2 Lagdo, Domingo, 31 d maio d 2015 N o 12 Datas das próximas viagns da UFMG Data Casa 12 29 d maio a 31 d maio d 2015 Alcion/Paulo 13 26 d junho a 28 d junho d 2015 Gralda/Antônio 14 24 d julho a 26

Leia mais

Catálogo M2404. PowerTrap. Série GP Série GT. Bomba Mecânica e Purgador Bomba

Catálogo M2404. PowerTrap. Série GP Série GT. Bomba Mecânica e Purgador Bomba Catálogo M404 PowrTrap Mcânica Séri GP Séri GT Rcupração ficaz do Mlhora a ficiência da planta Aumnto da produtividad qualidad dos produtos são, alguns dos bnfícios da drnagm rcupração do, além d rduzir

Leia mais

Planejamento de capacidade

Planejamento de capacidade Administração da Produção Opraçõs II Planjamnto d capacidad Planjamnto d capacidad Planjamnto d capacidad é uma atividad crítica dsnvolvida parallamnt ao planjamnto d matriais a) Capacidad insuficint lva

Leia mais

Art. 1º Atualizar o Manual de Instruções Gerais (MIG) Cadastro, na forma apresentada no demonstrativo anexo.

Art. 1º Atualizar o Manual de Instruções Gerais (MIG) Cadastro, na forma apresentada no demonstrativo anexo. Atualiza o Manual d Instruçõs Grais (MIG) Cadastro. A Dirtoria Excutiva da Confdração Nacional das Cooprativas do Sicoob Ltda. Sicoob Confdração, com fulcro no art. 58 do Estatuto Social, basado na strutura

Leia mais

Pragmática intercultural e entoação: os enunciados interrogativos (pedidos) em português e em espanhol

Pragmática intercultural e entoação: os enunciados interrogativos (pedidos) em português e em espanhol Pragmática intrcultural ntoação: os nunciados intrrogativos (pdidos) m português m spanhol Priscila C. Frrira d Sá PG/UFRJ Natalia dos Santos Figuirdo PG/UFRJ Profa. Dra. Lticia Rbollo Couto - UFRJ 1 Introdução

Leia mais

Florianópolis, 09 de abril de 1998. PORTARIA Nº 0173/GR/98.

Florianópolis, 09 de abril de 1998. PORTARIA Nº 0173/GR/98. UNIVERSIDADE FEDERAL DE SANTA CATARINA GABINETE DO REITOR PORTARIAS Florianópolis, 09 d abril d 1998 PORTARIA Nº 0173/GR/98 O Ritor da Univrsidad Fdral d Santa Catarina, no uso d suas atribuiçõs statutárias

Leia mais

Projeto de Magnéticos

Projeto de Magnéticos rojto d Magnéticos rojto d circuitos magnéticos ltrônicos rojto d Magnéticos 1. ntrodução s caractrísticas idais d um componnt magnético são: rsistência nula, capacitância parasita nula, dnsidad d campo

Leia mais

03/04/2014. Força central. 3 O problema das forças centrais TÓPICOS FUNDAMENTAIS DE FÍSICA. Redução a problema de um corpo. A importância do problema

03/04/2014. 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 mais

A IMPLEMENTAÇÃO DA LÍNGUA ESPANHOLA NAS ESCOLAS DE SERGIPE. A presença da língua espanhola no Nordeste e o caso de Sergipe

A IMPLEMENTAÇÃO DA LÍNGUA ESPANHOLA NAS ESCOLAS DE SERGIPE. A presença da língua espanhola no Nordeste e o caso de Sergipe Congrsso Intrnacional d Profssors d Línguas Oficiais do MERCOSUL A IMPLEMENTAÇÃO DA LÍNGUA ESPANHOLA NAS ESCOLAS DE SERGIPE Doris Cristina Vicnt da Silva Matos (UFS) Considraçõs iniciais Chgamos a 2010,

Leia mais

Lista de Exercícios 4 Cálculo I

Lista de Exercícios 4 Cálculo I Lista d Ercícis 4 Cálcul I Ercíci 5 página : Dtrmin as assínttas vrticais hrizntais (s istirm) intrprt s rsultads ncntrads rlacinand-s cm cmprtamnt da funçã: + a) f ( ) = Ants d cmçar a calcular s its

Leia mais

J, o termo de tendência é positivo, ( J - J

J, o termo de tendência é positivo, ( J - J 6. Anxo 6.. Dinâmica da Economia A axa d juros (axa SEL LBO) sgu um modlo. Ou sja, o procsso da axa d juros (nuro ao risco) é dscrio por: dj ( J J ) d J ond: J : axa d juros (SEL ou LBO) no insan : vlocidad

Leia mais

MANUAL DE APOSENTADORIA E ABONO PERMANÊNCIA INSTITUTO DE PREVIDÊNCIA DOS SERVIDORES PÚBLICOS DO MUNICÍPIO DE GARANHUNS IPSG

MANUAL DE APOSENTADORIA E ABONO PERMANÊNCIA INSTITUTO DE PREVIDÊNCIA DOS SERVIDORES PÚBLICOS DO MUNICÍPIO DE GARANHUNS IPSG MANUAL DE APOSENTADORIA E ABONO PERMANÊNCIA INSTITUTO DE PREVIDÊNCIA DOS SERVIDORES PÚBLICOS DO MUNICÍPIO DE GARANHUNS IPSG SUMÁRIO PARTE I BENEFÍCIO DE APOSENTADORIA 1 - NOÇÕES SOBRE O BENEFÍCIO PREVIDENCIÁRIO

Leia mais