AJUSTE DE FUNÇÕES NÃO LINEARES DE CRESCIMENTO 1
|
|
- Thiago Belo Madeira
- 8 Há anos
- Visualizações:
Transcrição
1 9 Rev. Bras. Fisiol. Vegetal, 1(1):9-18, 1989 AJUSTE DE FUNÇÕES NÃO LINEARES DE CRESCIMENTO 1 ADONAI G. CALBO 2, WASHINGTON L.C. SILVA 2 e ANTONIO C. TORRES 2 RESUMO - Atualmente existem diversas equações que são utilizadas no ajuste de curvas de crescimento. Estas equações podem ser, basicamente, agrupadas em três categorias: lineares, intrinsecamente lineares e in trinsecamente não lineares. As equações lineares são normalmente ajustadas por regressão linear simples ou múltipla. Equações intrinsecamente lineares podem ser linearizadas com o uso de transformações a- propriadas. As equações intrinsecamente não lineares são aquelas que normalmente não podem ou não de vem ser linearizadas para ajuste. No estudo quantitativo do crescimento é comum a aplicação de funções como: complementar, Gompertz, logística, Richards a outras funções intrinsecamente não lineares. Para es tas funções as formas de linearização logarítmicas causam, eventualmente, estimativas absurdas dos parâmetros. Nas funções mencionadas, as formas linearizadas geram obrigatoriamente uma estimativa de as sintota superior à de qualquer um dos dados coletados, mesmo que hajam erros de amostragem. Discutese, neste trabalho, a aplicação de métodos numéricos para a solução de diversas equações não lineares. Um método simplex é descrito para o ajuste das equações com até quatro parâmetros. O algoritmo implementado na linguagem BASIC pode ser modificado para casos que envolvem maior número de parâmetros, permite mudanças no critério de ajustes, adição de con dições no ajuste, ou mesmo o ajuste de parâmetros desconhecidos em equações diferenciais. Termos para Indexação: análise de crescimento. FITTING NON-LINEAR GROWTH FUNCTIONS ABSTRACT - Several equations can be used for quantitative study of plant or animal growth. These functions can be classified into three categories: linear, in trinsically linear and intrinsically non-linear. The linear equations are usually adjusted through simple or multiple linear regression techniques. The intrinsically linear ones can be linearized by using appropriated transformations. Intrinsically nonlinear equations, on the other hand, cannot be linear ized by any transformation. For plant growth analysis the use of non-linear functions such as complementar, Gompertz, logistic, Richards is common. For these functions there are no logarithmic forms for linear ization. However, they are not meant to stabilize variance. In addition, those linearization techniques usually yiels poor estimates of the parameters, and always force the asymptotic maximum to be larger than any of the collected data. The use of numerical methods for adjusting non-linear equations is discussed. A simplex method for adjusting non-linear equations with up four parameters is also presented. The algorithm, implemented in BASIC, can be extended to more than four parameters, allows changes in the adjustment criteria, addition of conditions and can be used to adjust unknown parameters of differential equations. Index Terms: growth analysis. 1 Aceito para publicação em 04/05/88. 2 Eng. Agr., Ph.D., EMBRAPA/Centro Nacional de Pesquisa de Hortaliças. C. P , CEP , Brasília, Df. INTRODUÇÃO Usualmente, dados experimentais são obtidos de forma descontínua e apresentam er ros. Assim, o ajuste de funções contínuas no domínio real, muitas vezes, tem interesse no estudo da dinâmica do crescimento de plantas e animais. Um série de modelos matemáticos apresentados na literatura (Tabela 1) têm sido de grande utilidade na interpretação de dados de crescimento. O critério mais popular de ajuste das funções matemáticas é a estimativa dos parâmetros através da técnica de minimiza ção da soma dos quadrados dos desvio. Con tudo, pode-se mencionar outros critérios, como a minimização da soma dos módulos dos desvios (Draper & Smith, 1981) e a maximização da probabilidade dos parâmetros (Draper & Smith 1981; Causton & Venus 1984); Hoffmann & Vieira 1983). Funções lineares simples, múltiplas e po linomiais, são as mais conhecidas. Entretando, a maioria dos fenômenos reais, sejam eles físicos, químicos ou biológicos, é melhor representada por outras expressões. Estas, por sua vez, podem ser separadas em dois grupos: funções intrinsecamente lineares (Eq. 1), que podem ser linearizadas por transformação, e intrinsecamente não lineares (Eq. 2), as quais não são linearizávies por transformação (Draper & Smith 1981; Hoffmann & Vieira 1983). w = bexp (kt+e) (Eq. 1) w = bexp (kt) + E (Eq. 2) Observa-se que as Eqs. 1 e 2 são dois tratamentos estatísticos distintos para u ma função exponencial. Na Eq. 1 assume-se que o erro experimental ou desvio (E), é multiplicativo. Assim, a linearização po de ser feita pela aplicação de logarítmo, reduzindo o problema a um simples caso de
2 Rev. Bras. Fisiol. Vegetal, Vol. 1, CALBO et al. regressão linear (Ln w =Ln b + kt + E). Na Eq. 2, entretanto, o erro é aditivo e, consequentemente, logarítmo ou qualquer outra transformação não podem ser aplicados para linearizar a função. Na prática, a escolha de um desses tratamentos requer experiência preliminar ou um estudo da distribuição dos desvios. O melhor tratamento estatístico será aquele que produzir desvios de w distribuídos normalmente em função de t (Draper & Smith 1981). O objetivo principal deste trabalho é a aplicação de métodos numéricos para o ajus te de algumas funções não lineares de cres cimento. As limitações de algumas formas tradicionais de linearização e de ajustes por critérios arbitrários são discutidas. TEORIA 1. Desenvolvimento matemático Assumindo-se que o ajuste não linear da Eq. 2 seja o mais apropriado, o critério TABELA 1. Algumas funções para ajuste de curvas de crescimento (w) no tempo (t). Nome Equação Linearização Referências Exponencial w=be kt Ln w =Ln b +kt 3,6,18 Gompertz w=aexp(-bexp-kt) LnLn(a/w)=Ln b -kt 2,6,12 Complementar LnLn(1/(1-w/A))=Ln b -kt a Gompertz w=a(1-exp(-bexp-kt)) 12 Logística w=a/(1+bexp-kt) Ln((a-w)/w)-Ln b -kt 2,6,12 Hipérbole retangular w=at/(k+t) l/w=k/at+1/a 11 Hoerl w=at b e kt Ln w =Ln a +blnt+kt 10 Hoerl modificada * w=a(t+c) b e kt Ln w =Ln a +bln(t+c)+kt - Jens w=a+bt+exp(k+k 1 t) 4 Monomolecular w=a(1-bexp-kt) Ln((a-w)-Ln b -kt 6,17,27 Parábola modificada w=a 0 +a 1 t n +a 2 t 2n m 1 Polinômio w=at+bt 2 +ct 3...+k w=at 1 +bt 2 +ct c...+ k - Polinômio exponencial w=e(at+bt 2 +ct 3...+k) Ln w =at 1 +bt 2 +ct 3...+k 6 Potência de tempo w=bt k Ln w =Ln b +kln t 17 Potência de tempo modificada w=b(t+c) k Ln w =Ln b +kln(t+c) - Richards w=a 1-m -Be -kt 1/(1-m) Ln 1-(w/a) 1-m =Ln(aB)-kt 5,17 * A introdução do parâmetro c na Eq. de Hoerl modificada, aqui sugerida com base em Richards (169), visa não somente a obtenção de melhor ajuste mas, principalmente me lhorar a forma de sua derivada em relação ao tempo para uso nas estimativas de taxa de crescimento relativo e taxa assimilatória líquida. ** Referências: 1. Adams & Hill (1983); 2. Berger (1981); 3. Blackman (1919); 4. Catherine (1982); 5. Causton (1969); 6. Causton & Venus (1981); 10. Draper & Smith (1981); 11. Fisher (1921); 12. Freitas et al. (1984); 17. Richerds (1959); 18. Richards (1979).
3 Rev. Bras. Fisiol. Vegetal, Vol. 1, AJUSTE DE FUNÇÕES NÃO LINEARES 11 (1969) O ajuste não linear de funções submetidas a transformações para estabilizar a va riância segue procedimento semelhante ao ajuste não linear com erro aditivo. Entre tanto, um incoveniente do uso de transformações é que as estatísticas obtidas (por exemplo: intervalos de confiança da função ou dos parâmetros), só se aplicam às funções transformadas. Uma outra forma de tratar dados com variância instável (he terocedastícia) envolve uso de quadrados mínimos com ponderação (Causton & Venus 1983; Draper & Smith 1981; Hoffmann & Viei ra 1983). Neste caso, o inverso da variân cia dos dados individuais ou de grupos de dados é utilizado como fator de ponderação (Pi). Q = n Pi (w i - f(t i )) 2 (Eq. 7) 1=1 O critério dos quadrados mínimos com pon deração é útil quando os pontos têm repetição ou permitem agrupamentos para estimativa da variância. Outra aplicação de im portância biológica deste critério ocorre nos casos em que a variância é proporcional ao tempo ou ao quadrado do tempo, pois neste casos o inverso do tempo ou do tem po ao quadrado é utilizado como fator de ponderação (Hoffmann & Vieira 1983). A es timativa dos parâmetros é feita de maneira similar à aplicação de quadrados mínimos sem ponderação. te é particularmente interessante, pois é um desenvolvimento do método de Newton, com a vantagem de não exigir derivações das funções (Hornbeck 1975; Stark 1979). Isto permite também o desenvolvimento de um algorítmo, em que uma mesma sub-rotina pode ser utilizada para ajustar parâmetros de diferentes equações. Para funções cujos sistema de equações normais não permitem a substituição em um único parâmetro, pode-se utilizar a técni ca dos reticulados decrescentes, que é uma modificação do método simplex mencionado por Chambers (1973). A Fig. 1 mostra u ma busca típica de parâmetros, ajustados a partir de estimativas preliminares, com o uso da técnica dos reticulados decrescentes. Os valores das estimativas preliminares dos parâmetros estão anotados nos respectivos eixos coordenados. As formas de linearização apresentadas na Tabela 1. podem ser utilizadas para a obtenção destas estimativas preliminares. APLICAÇÕES No sentido de colocar em prática as considerações teóricas expostas, discute-se. nesta seção, aplicações de métodos numéricos para ajustes de algumas funções conti das na Tabela 1. O uso do critério dos quadrados mínimos para as funções exponencial, Jens, Michaelis-Menten, monomolecular e potência do tempo com erro aditivo, gera funções complicadas de um só parâmetro. Para a solução de tais problemas, Chambers (1973) su gere a utilização de métodos quasi-newtonianos. Neste sentido, a técnica da semen FIG. 1. Gráficos típicos obtidos com a técnica dos reticulados decrescentes. Os va lores nos eixos coordenados correspondem a estimativas preliminares dos parâmetros. Na linha inferior estão as derivadas parciais do critério de convergência Q em re lação aos parâmetros A,B,C. Quando todas as derivadas são menores que 0,005, o grá fico desaparece e surgem os valores dos pa râmetros ajustados.
4 12 CALBO et al. dos quadrados mínimos (Q) pode ser aplica do, fazendo-se: Q = E 2 = n [w i - bexp(kt i )] 2 (Eq. 3) i=1 Na Eq. 3, w i e t i são dados experimentais, enquanto que b e k são os parâmetros que se deseja estimar. O índice i in dica o modo discreto em que os dados expe rimentais são normalmente obtidos. Aplicando-se a teoria dos máximos e mínimos, deriva-se a Eq. 3 em relação a b(eq. 4) e em relação a k (Eq. 5). As derivadas parciais da soma dos quadrados dos desvios, igualadas a zero, são denominadas equações normais. 0 = n exp(kt i )(w i - bexp(kt i )) (Eq. 4) i=1 0 = n t i exp(kt i )(w i - bexp(kt i )) (Eq. 5) i-1 Substituindo b de Eq. 4 em Eq. 5 0 = n t i w i exp(kt i ) - [> n (w i exp(kt i )/ i=1 i=1 > n exp(kt i )]> n t i exp(2kt i ) (Eq. 6) i=1 i=1 A Eq. 6 pode ser resolvida utilizandose métodos numéricos tais como método de Newton, bissecção, secante, etc. (Causton & Venus 1984; Hornbeck 1975; Stark 1978). O valor obtido para k é então substituído na Eq. 4 ou na Eq. 5, para a obtenção de b. Similarmente, as funções dos tipos: po tência do tempo, Michaelis-Menten, Jens e monomolecular (Mitcherlitch), da Tabela 1, com termo de erro aditivo, podem ser ajus tadas usando também a técnica de substitu ição de variáveis no sistema de equações normais. As funções logística, Gompertz, complementar, potência do tempo modificada, Hoerl e Richards (Tabela 1) também tratadas com erro aditivo, são mais complexas, visto que não permitem facilmente a utilização da técnica de substituição dos parâmetros. Para estas ou outras funções não lineares o Apêndice A apresenta um programa de com putador escrito na linguagem BASIC que per mite o ajuste de qualquer função não linear com até quatro parâmetros, bastando para isto definir no início do programa a função que se deseja ajustar. O algorítmo pode ser generalizado para um número maior de parâmetros, caso seja necessário; por isso não são aqui discutidas funções não lineares com mais de quatro parâmetros. 2. Considerações estatísticas Fisher (1921) utilizou-se da linearização do logarítmo para ajustar a curva exponencial a dados de crescimento, assumin do erro do tipo multiplicativo (Eq. 1). Es ta transformação é conveniente para a estabilização da variância de distribuições nas quais o erro é proporcional à média (Draper & Smith 1981). Estes mesmos autores apresentam ainda uma fórmula geral pa ra definir o tipo de transformação quando se conhece, ou quando se achou, empiricamente, que a função representativa da dis tribuição dos erros segue qualquer função particular. Contudo, indicam que este pro cedimento, usualmente, não é necessário e nem sempre possível. Em plantas e órgãos em crescimento, a va riância comumente é proporcional à média (Causton & Venus 1981), fazendo com que, nesses casos, o uso de logarítmo seja uma transformação eficiente. Causton & Venus (1981), inclusive, sugerem que dados de análise de crescimento devam ser sempre transformados por aplicação de logarítmo, antes de serem analisados. Convém também salientar que as formas de linearização pa ra as funções de Gompertz, complementar, logística e Richards, apresentadas na Tabela 1, envolvem algumas operações algé bricas antes da aplicação de logarítmo. Es tas formas de linearização comumente cita das (Causton & Venus 1981; Curi et al. 1985; Richards 1969) têm limitações. Primeiro, estas equações linearizadas não são definidas quando qualquer dado experimental possui valor superior à assintota a. Segundo, aquelas linearizações não são trans formações que objetivam estabilizar a variância. No Apêndice B são apresentadas conformações gráficas típicas de algumas funções de crescimento. Aspectos relativos às propriedades matemáticas destas di ferentes funções podem ser obtidos nos tra balhos de Causton & Venus (1981) e Richards Rev. Bras. Fisiol. Vegetal, Vol. 1, 1989.
5 AJUSTE DE FUNÇÕES NÃO LINEARES 13 Os reticulados (Fig. 1) são construídos adicionando-se os incrementos ADA(L), ADB (J), ADC(M) e ADD(S) às estimativas atuais dos parâmetros AOT, BOT, COT, DOT, li nhas 980 a Numa interação após avaliação de Q em todas as nove intercepções do reticulado de 3 x 3, o ponto de menor Q é selecionado (linhas 1110 a 1250), bem co mo os incrementos dos parâmetros que gera ram esta estimativa melhorada. Antes da construção de um novo reticulado, de posse da direção ótima na última interação, testa-se primeiro se a adição dos últimos incrementos escolhidos às estimativas atu alizadas dos parâmetros reduz Q. Em caso positivo, os parâmetros são novamente atu alizados (linhas 1270 e 1300). Caso a adi ção dos acréscimos da interação anterior não reduza Q, a segunda opção é adicionar apenas os incrementos relativos em duas di reções particulares de cada vez (linhas 1310 a 1360). Obtendo-se sucesso, os parâ metros são novamente atualizados. Se a ten tativa anterior não foi bem sucedida, adi cionam-se os incrementos escolhidos de ca da parâmetro particular (linhas ) à sua última estimativa; se assim a adição gerar um menor valor numérico de Q, os parâmetros são novamente atualizados. No caso oposto contrói-se um novo reticulado um pouco menor (FA=0,92) ao redor da última estimativa dos parâmetros. Esse processo é repetido até que as derivadas parciais em relação a cada um dos parâmetros sejam numericamente desprezíveis. Utilizou-se das derivadas parciais numéricas de Q como critério de convergên cia. Esta escolha garante a generalidade do algorítmo para uso com diferentes funções. Assumiu-se convergência quando a de rivada parcial em relação a cada parâmetro foi menor que 0,005 (DE1, DE2, DE3 e DE4, nas linhas 1390, 1410, 1430 e 1450). O usuário pode mudar este limite de convergência caso considere necessário. Para aumentar a probabilidade de conver gência, as estimativas iniciais dos parâmetros A2, B2, C2, D2, utilizadas para de terminar a magnitude dos incrementos, são atualizadas três vezes por uma média ponderada entre o módulo da estimativa inici al e o módulo do parâmetro atualizado (li nhas 1810 e 1830). Além disso, toda vez que a adição de in crementos a direções particulares reduz Q, a atenuação deste parâmetro (IA, IB, IC e ID) é multiplicada por 1,075 (linhas 1370 a 1470), o que aumenta o comprimento do re ticulado nesta direção. Outro artifício u tilizado para melhorar a convergência é a mudança cíclica no formato dos reticulados, induzida pela rotação dos valores nu méricos contidos em U, U1, U2 e U3 (linhas ). A técnica dos reticulados decrescentes, apesar de convergir lentamente, é simples, pode ser generalizada para um número maior de dimensões e convergiu em todas as funções testadas. O ajuste de qualquer função não linear, com até quatro parâmetros, pode ser feito definindo-se a função desejada na linha 40 utilizando-se a notação X para a variável dependente e A, B, C e D como denominações válidas dos parâmetros. A formulação apresentada é geral e aplica-se em diferentes áreas de estudo. Durante o uso des ta técnica pode-se imaginar que a cada in teração constrói-se, ao redor da última es timativa melhorada dos parâmetros, um poliedro, num hiperespaço de quatro dimensões, contendo um ponto próximo ao centro. O fator de atenuação ou relaxamento ( Patankar 1981) dos incrementos dados aos pa râmetros que têm grande influência na soma dos quadrados dos desvios, pode ser al terado, variando-se os valores de IA, IB, IC e ID de 1 para outro valor desejado, na linha 900. Para algumas funções poder-seia usar atenuações diferentes para cada um dos parâmetros. Note-se que mesmo sem uti lizar atenuações diferenciadas, conseguiu se convergência em todas as funções testa das até o momento. O critério da soma dos quadrados mínimos para o ajuste, está definido na linha Pode-se, também, utilizar outros cri térios de ajuste, como aqueles previamen- Rev. Bras. Fisiol. Vegetal, Vol. 1, 1989.
6 Rev. Bras. Fisiol. Vegetal, Vol. 1, CALBO et al. te discutidos, introduzindo-se as modificações necessárias naquela linha. Adicionalmente pode-se fazer ajustes especiais, adicionando-se condições específicas na sub-rotina que aplica o critério de ajuste. Como exemplo, considere o ajuste da fun ção. FNL(X) = A/(X - B) + C*(X-D) Esta função possui quatro parâmetros, A, B, C e D, onde - A/(X - B) é o componente os mótico do potencial da água e C *(X-D) é o turgor ou pressão de parede. Se num tecido parenquimatoso com células de paredes finas, a pressão de parede não assume valo res negativos, pode-se satisfazer esta con dição fazendo C = 0 sempre que o teor rela tivo de água, X, for menor do que D. A sub rotina de critério de ajuste poderia ser ligeiramente modificada conforme é mostra do a seguir: 1490 SUM1= 0: FOR I=1 TO N: CVELHO=C IF X( I) <D THEN C= Z(I)=FNL(X(I)) : SUM1=SUM1+ (Y(I) = Z(I)) C=CVELHO:NEXT I:C=CVELHO:RETURN Note-se que CVELHO é uma variável para armazenar C, sempre que êle não for 0, por definição. Como exemplos adicionais de uso de condições durante o ajuste, pode-se mencionar que as temperaturas nas quais ocorrem mudanças de estado nas membranas ou alterações na estrutura quaternária de enzimas, em plantas sensíveis ao esfriamento, podem ser determinadas utilizando-se da e- quação de Arrhenius e um tratamento envol vendo condições que também podem ser defi nidas na sub-rotina de critério de ajuste. A técnica dos reticulados decrescentes, pode ser empregada não só para o ajuste de funções matemáticas, mas também como ferramenta auxiliar no uso de equações diferenciais com parâmetros de magnitude desconhecida. Neste caso a solução das equações diferenciais é feita numa sub-rotina que utiliza técnicas especializadas, como Crank-Nickolson (Patankar 1981 ). Os dados obtidos na simulação são então comparados com os dados experimentais, por um critério de ajuste como a minimização da soma dos quadrados dos desvios. Neste caso, a sub-rotina de critério de ajuste pode ser modificada como segue: 1490 SUM1 = 0:FOR I=1 TO N 1495 GOSUB XXXX: OBTENÇÃO DOS VALORES SI- MULADOS [Z(I)] PARA CADA X (I) SUM1 = SUM1 + (Y(I) - Z(I) ^ NEXT I : RETURN O algorítmo descrito converge lentamente e pode gastar cerca de um minuto para funções de dois parâmetros e até mais de uma hora em funções de quatro parâmetros, num IBM PC ou similar de 4.7Mhz. sem pro cessador numérico. Sugere-se por isso que o programa (RD4D.BAS) seja compilado, sem pre que uma nova função ou modificação se ja introduzida. Reduz-se, assim, o tempo de convergência em cerca de 10 vezes; caso disponha de processador numérico, a ve locidade aumenta mais ainda. Cópias deste algorítmo podem ser obtidas através do pri meiro autor, mediante a remessa de um dis quete de 5 1/4 polegadas, de dupla face e dupla densidade, juntamente com as despesas de remessa pelo correio. REFERÊNCIAS ADAMS, C.J. & HILLS, F.F. A power parabola for an asymetrical response. Agron. J., 69:124-5, BERGER, R.D. Comparison of the Gompertz and logist ic equations to describe plant diseases. Phytopathology, 71(7):716-19, BLACKMAN, G.E. The compound interest law and plant growth. Ann. Bot., 33:353-60, CATHERINA, S.B. Bayesian approach for a nonlinear growth model. Biometrics, 38:953-61, CAUSTON, D.R. A computer program for fitting the Richards function. Biometrics, 25:401-08, CAUSTON, D.R. & VENUS, J.C. The biometry of plant growth. London, Edward Arnold, 1981, 307p. CHAMBERS, J.M. Fitting nonlinear models: numerical techniques. Biometrica, 60(1):2-13, CURI, P.R.; NUNES, J.R.V. & CURI, M.A. Modelos matemáticos para estimar o peso de coelhos. Pesq. Agropec. Bras., 20(7):853-63, DANIEL, C. & GORMAN, J. W. Fitting equations to data computer analysis of multifactor data. New York, John Wiley, 1980, 458p. DRAPER, N. & SMITH, H. Applied regression analysis. Jonh Wilwy, NewYork, p. FISHER, R. Some remarks on the methods formulated in a recent article on the quantitative analysis of plant growth. Ann. Appl. Biol., 7:367-72, 1921.
7 Rev. Bras. Fisiol. Vegetal, Vol. 1, AJUSTE DE FUNÇÕES NÃO LINEARES 15 APÊNDICE A. Programa para ajuste de funções não lineares com até quatro parâmetros. 10 DEFINA A FUNÇÃO QUE QUISER COM ATÉ 4 PARÂMETROS NA LINHA 30. A, B, E e D 20 SÃO OS NOMES VÁLIDOS PARA OS PARÂMETROS. D SÓ É UTILIZADO EM FUNÇÕES DE 25 4 PARÂMETROS, C PODE SER UTILIZADO EM FUNÇÕES DE 3 e 4 PARÂMETROS. 30 DEF FNL (X)=A*(1-EXP(B*EXP(-C*X))) 40 CLS:PRINT:PRINT:PRINT 50 INPUT NÚMERO DE PARÂMETROS DA FUNÇÃO QUE VOCÊ DEFINIU NA LINHA 30 ; PAR 60 DIM X(100), Y(100)), TRY(3,3,3,3):AA = 0: N=0: COR =0: P = 0: U = 1: U1.5: U2 = 1: U3 =1,5 70 DIM ADB(3), ADA(3), ADC(3), ADD(3):CLS 80 ====>> INTRODUÇÃO DOS DADOS 90 PRINT PARA DIGITAR DADOS PRESSIONE return. CASO QUEIRA UTILIZAR ARQUIVO 100 INPUT CONTENDO COLUNAS DE DADOS SEPARADAS POR VÍRGULA ENTRE n ; B$ 110 INPUT NOME DO ARQUIVO = > ;A$ 120 ====>> LEITURA/DE/ARQUIVOS 130 INPUT ENTRE NÚMERO DE COLUNAS DO ARQUIVO => ;NC 140 IF B$= n, OR B$= N THEN 150 ELSE INPUT NÚMERO DA COLUNA COM OS DADOS DE X = > ;C1 160 INPUT NÚMERO DA COLUNA COM OS DADOS DE Y = > ;C2 170 IF C1>C2 THEN MARCA = 1:SWAP C1,C2 180 OPEN i, 1,A$:J = WHILE NOT EOF(1):FOR I=1 TO C1-1:INPUT 1,QQ:NEXT I:INPUT 1, Y(j) 200 FOR I=C1+1 TO C2-1:INPUT 1, QQ:NEXT I:INPUT 1,X(j) 210 FOR I=C2+1 TO NC:INPUT 1, QQ:NEXT I:J=J + 1:WEND 220 IF MARCA = 1 THEN MARCA = 0 ELSE FOR I = 1 TO J-1:SWAP Y(I), X(I):NEXT I 230 PRINT Y, X :FOR I=1 TO J-1:PRINT Y(I), X(I):NEXT I 240 N = J-1:INPUT ENTRE return PARA PROSEGUIR ; TECLA$:GOTO ====>> INTRODUÇÃO DE DADOS EM ARQUIVO 260 PRINT: PRINT TOME NOTA DO QUE SIGNIFICAM OS DADOS COLOCADOS EM CADA COLUNA 270 PRINT PARA USO POSTERIOR, VOCÊ VAI PRECISAR INDICAR OS NÚMEROS DAS 280 PRINT COLUNAS NAS QUAIS SE ENCONTRAM OS DADOS NO ARQUIVO CRIADO. :PRINT 290 PRINT DIGITE APENAS FIM COM LETRA MAIÚSCULA PARA TERMINAR A INTRODUÇÃO 300 PRINT DE DADOS NO ARQUIVO. :PRINT 310 OPEN O, 1, A$ 320 LINE INPUT => ;LINHA$: LOOP DE LEITURA 330 WHILE MID$(LINHA$,1,1)= :LINHA$ = MID$(LINHAS,2):WEND 340 IF LEFT$ (LINHA$,3)= FIM THEN IF LINHA$<> THEN PRINT ERRO. Linha em branco??? : PRINT :GOTO WHILE RIGHT$(LINHA$,1)= :LINHA$=LEFT$(LINHA$,LEN(LINHA$)-1):WEND 380 N = 0: CONTAR O NUMERO DE DADOS DIGITADOS 390 I = INSTR(LINHA$, ) 400 WHILE I >0:N=N+1:I=I WHILE MID$(LINHA$,I,1)= :I=I+1:WEND 420 I = INSTR(I, LINHA$, ):WEND 430 N=N+1: NÚMERO DE DADOS DIGITADOS 440 IF NC=N THEN PRINT ERRO. Número de dados diferente de ;NC:PRINT:GOTO N=1: VERIFICAR SE TODOS OS DADOS SÃO NÚMEROS 470 WHILE N(=LEN(LINHA$) 480 X$=MID$(LINHA$,N,1) 490 IF X$<> THEN PONTO =0: IF NOT BRANCO THEN LINHA$=LEFT$(LINHA$,N-1)+MID$(LINHA$,N+1):GOTO BRANCO=-1:GOTO BRANCO = IF X$<>. THEN PONTO = GOTO IF INSTR( ,X$)>0 THEN PRINT ERRO. Caracter estranho na linha. :PRINT:GOTO N=N WEND 610 GRAVAÇÃO DOS DADOS 620 FOR I=1 TO NC-1:N=INSTR(LINHA$, ) 630 MID$(LINHA$,N,1)=, :NEXT I 640 PRINT 1, LINHA$:GOTO CLOSE:GOTO CLS:PRINT TÉCNICA DOS RETICULADOS DE COMPRIMENTO DECRESCENTES. 670 INPUT ENTRE ESTIMATIVA PRELIMINAR DE A:,AOT:AO=AOT*2 680 IF A0=0 THEN A0=1:P=P INPUT ENTRE ESTIMATIVA PRELIMINAR DE B:, BOT:BO=BOT*2 700 IF B0=0 THEN B0=1:P=P INPUT ENTRE ESTIMATIVA PRELIMINAR DE C:,COT:CO=COT*2 720 IF C0=0 THEN C0=1:P=P INPUT ENTRE ESTIMATIVA PRELIMINAR DE D:,DOT:D0=DOT*2 740 IF D0=0 THEN D0=1:P=P A2=AOT:B2=BOT:C2=COT:D2=DOT:IA=1:IB=1:IC=1:ID=1 760 DESENHO DOS EIXOS CORRESPONDENTES AOS PARÂMETROS 770 KEY OFF:CLS:SCREEN LINE(65,2)-320,2):LINE(65,2)-(65,150):LINE(65,150)-(320,150) 790 LINE(320,2)-320,150) 800 LINE(380,2)-(635,2):LINE(380,2):LINE(380,150)-(635,150) 810 LINE(635,2)-(635,150) 820 LINE(379,90,8)-(382,90,8):LINE(64,90,8)-(67,90,8) 830 IF AOT<>0 THEN LOCATE 1,4:PRINT Estimativa de A :LOCATE 12,2:PRINT AOT 840 IF COT<>0 THEN LOCATE 1,43:PRINT Estimativa de C :LOCATE 12,43:PRINT COT 850 LINE(482,152)-(482,148):LINE(167,152)-(167,148) 860 IF BOT<>0 THEN LOCATE 22,16:PRINT Estimativa de B :LOCATE 21,20:PRINT BOT 870 IF DOT<>0 THEN LOCATE 22,57:PRINT Estimativa de D : LOCATE 21,60:PRINT DOT 880 APLICAÇÕES SUCESSIVAS DE RETICULADOS E ACRÉSCIMOS DECRESCENTES 890 IA=IA*.05:IB=IB*.05:IC=IC*.05:ID=ID*.05:NC=0:NT=0:AAA=0:FA= IA=IA*FA:IB=IB*FA:IC=IC*FA:ID=ID*FA:A1=AOT:B1=BOT:C1=COT:D1=DOT 910 IF MA=1 THEN MA=0:GOTO SWAP U,UI:SWAP U1,U2:SWAP U2,U3 930 CRIAÇÃO DOS INCREMENTOS PARA AVALIAR Q NO RETICULADO 940 FOR J=1 TO ADA(J)=A2-((1-IA)+(J-1)*IA*U)*A2; ADB(J)=B2-((1-IB)+(J-1)*IB*U1)*B2 960 ADC(J) =C2-((1-IC)+(J-1)*IC*U2)*C2:ADD(J)=D2-((1-ID)+(J-1)*ID*U3)*D2 970 NEXT J 980 ADIÇÃO DOS INCREMENTOS E AVALIAÇÃO DE Q (TRY(L,J,M,S)) 990 S=1:M= FOR L=1 TO 3:FOR J=1 TO IF PAR<3 THEN GOTO FOR M=1 TO IF PAR<4 THEN GOTO FOR S=1 TO A=ADA(L)+AOT:B=ADB(J)+BOT:C=ADC(M)+COT:D=ADD(S)+DOT 1060 GOSUB 1480:TRY(L,J,M,S)=SUM IF PAR>3 THEN NEXT S 1080 IF PAR>2 THEN NEXT M 1090 NEXT J:NEXT L 1100 SEPARAÇÃO DO MÍNIMO (TRY<10 Λ 38) OU MÁXIMO (TRY>-10 Λ38) E ARMAZENAMENTO 1110 DOS INCREMENTOS NAS DIVERSAS DIREÇÕES 1120 SL=10 Λ 38:MA= FOR L=1 TO 3:FOR J=1 TO IF PAR<3 THEN GOTO FOR M=1 TO IF PAR<4 THEN GOTO FOR S=1 TO IF TRY(L,J,M,S)<SL THEN AOT=ADA(L)+A1:S3=L 1190 IF TRY(L,J,M,S)<SL THEN BOT=ADB(J)+B1:ME=J 1200 IF PAR<3 THEN GOTO 1220 ELSE IF TRY (L,J,M,S)<SL THEN COT=ADC(M)+C1:J3=M 1210 IF PAR<4 THEN GOTO 1220 ELSE IF TRY (L,J,M,S)<SL THEN DOT=ADD(S)+D1:L3= IF TRY(L,J,M,S)<SL THEN SL=TRY(L,J,M,S) 1230 IF PAR>3 THEN NEXT S 1240 IF PAR>2 THEN NEXT M 1250 NEXT J:NEXT L 1260 IF MA=1 THEN TESTE PARA VERIFICAR SE A DIREÇÃO DA ITERAÇÃO ANTERIOR 1280 AINDA REDUZ Q. EM CASO POSITIVO AUTALIZAR OS PARÂMETROS 1290 A=A1+ADA(S3):B=B1+ADB(M3):C=C1+ADC(J3):D=D1+ADD(L3):GOSUB GOSUB 1520:IF LI=1 THEN LI=0:GOTO TESTE PARA VERIFICAR SE A ADIÇÃO DE APENAS DOIS DOS INCREMENTOS 1320 AOS PARÂMETROS NA ITERAÇÃO ANTERIOR REDUZ Q A=A1+2*(U-1)*ADA(S3):B=B1+2*(U1-1)*ADB(M3):C=C1+2*(U2-1)*ADC(J3) 1335 D=D1+2*(U3-1)*ADD(L3):GOSUB 1480:GOSUB IF LI=1 THEN LI=0:GOTO A=A1+2*(1.5-U)*ADA(S3):B=B1+2*(1.5-U1)*ADB(M3) 1355 C=C1+2*(1.5-U2)*ADC(J3):D=D1+2*(1.5-U3)*ADD(L3):GOSUB 1480:GOSUB IF LI=1 THEN LI=0:GOTO TESTE PARA VERIFICAR SE A ADIÇÃO DE APENAS INCREMENTO EM CADA 1380 DIREÇÃO INDIVIDUAL REDUZ Q A=A1+ADA(S3):B=B1:C=C1:D=D1:GOSUB 1480:GOSUB IF LI=1 THEN LI=0:ADA(S3)=1.075*ADA(S3):IA=IA*1.075:GOTO A=A1:B=B1+ADB(M3):C=C1:D=D1:GOSUB 1480:GOSUB IF LI=1 THEN LI=0:ADB(M3)=1.M75*ADB(M3):IB=IB*1.075:GOTO A=A1:B=B1:C=C1+ADC(J3):D=D1:GOSUB 1480:GOSUB IF LI=1 THEN LI=0:ADC(J3)=1.075*ADC(J3):IC=IC*1.075:GOTO A=A1:B=B1:C=C1:D=D1+ADD(L3):GOSUB 1480;GOSUB IF LI=1 THEN LI=0:ADD(L3)=1.075*ADD(L3):ID=ID*1.075:GOTO MA=0:GOTO CRITÉRIO DE AJUSTE + LOCAL DE ADIÇÃO RESTRIÇÕES (se necessário) 1490 SUM1=0:FOR I=1 TO N 1500 Z(I)=FNL(X(I)):SUM1=SUM1+(Y(I)-Z(I)) Λ NEXT I:RETURN 1520 COMPARAÇÃO SL E SUM1 PARA ATUALIZAR OU NÃO OS VALORES PARÂMETROS 1530 IF SUM1<SL THEN AOT=A:BOT=B:COT=C:DOT=D:SL=SUM1:LI=1:MA= IF LI=0 THEN LINE(65+204*B/B0, *A1/A0)-(65+204*BOT/B0, *AOT/AO) 1560 LINE( *D1/D-, *C1/C0)-( *DOT/D0, *COT/CO) 1570 A1=AOT:B1=BOT:C1=COT:D1=DOT 1580 RETURN 1590 GRÁFICO PARA VISUALIZAR O PREGRESSO DO AJUSTE DURANTE AS ITERAÇÕES 1600 FOR I=1 TO 3:B(I)=BOT+ADB(I):A(I)=AOT+ADA(I) 1610 C(I)=COT+ADC(I):D(I)=DOT+ADD(I):NEXT I 1620 FOR I=1 TO 3 FOR J=1 TO LINE(65+204*B(I)/B0, *A(I)/A0)-(65+204*B(I)/B0, *A(J)/A0) 1640 LINE ( *D(I)/D0, *C(I)/C0) *D(I)/D0,150.4*C(J)/C0) 1650 LINE(65+204*B(J)/B0, *A(J)/A0)-(65+204*B(I)/B0, *A(J)/A0)
8 CALBO et al 1660 LINE( *D(J)/D0, *C(J)/C0)-( *D(I)/D0, *C(J)/C0) 1670 NEXT J:NEXT I 1680 NC=NC+1:Q=SL 1690 IF NC=5 THEN NC=0:NT=NT+1:GOSUB IF IT$= NOT OK THEN GOTO GOTO TESTE DE CONVERGÊNCIA 1730 DE1=ABS((TRY(3,1,1,1))-TRY(1,1,1,1)/(ADA(3)-ADA(1))):LOCATE 23,2:PRINT USING. ; DE1:IF DE1<.005 THEN 1740 ELSE IF PAR<3 THEN DE3=ABS((TRY(1,1,3,1)-TRY(1,1,1,1))/(ADC(3)-ADC(1))):LOCATE 23,17:PRINT USING. ; DE3:IF DE3<.005 THEN 1760 ELSE IF B=0 THEN DE2=ABS((TRY(1,3,1,1)-TRY(1,1,1,1))/(ADB(3)-ADB(1))):LOCATE 23,32:PRINT USING. ;DE2:IF DE2<.005 THEN 1780 ELSE IF PAR<4 THEN DE4=ABS((TRY(1,1,1,3)-TRY(1,1,1,1))/(ADD(3)-ADD(1))):LOCATE 23,47:PRINT USING. ;DE4:IF DE4<.005 THEN 1800 ELSE IT$= OK 1810 IF NT=6 OR NT=12 OR NT=18 THEN 1820 ELSE A2=(ABS(A2)+8*ABS(AOT)/9:B2=(ABS(B2)+8*ABS(BOT))/ C2=(ABS(C2)+8*ABS(COT))/9:D2=(ABS(D2)+8*ABS(DOT))/ IF NT>40 THEN 1930 ELSE FI IT$= OK THEN RETURN 1860 CLS:PRINT:PRINT: AS DERIVADAS PARCIAIS DE Q CONVERGIRAM PRINT:PRINT ESTES SÃO OS PARÂMETROS ESTIMADOS: :PRINT 1880 IF AOT<>0 THEN PRINT A= ;AOT 1890 IF BOT<>0 THEN PRINT B= ;BOT 1900 IF COT<>0 THEN PRINT C= ;COT 1910 IF DOT<>0 THEN PRINT D= ;DOT 1920 GOTO CLS:PRINT 1940 PRINT Não houve convergência. Os valores abaixo podem ser utilizados 1950 PRINT como estimaivas melhoradas para iniciar uma nova iteração PRINT:PRINT A<> ;AOT, B<> ;BOT, C<> ;COT, D<> ;DOT 1970 CÁLCULO DE R SMEDW=0:FOR J=1 TO N:SMEDW=SMEDW+Y(J):NEXT J 1990 SMEDW=SMEDW/N:SDE= FOR J=1 TO N:SDE=SDE+(Z(J)-SMEDW) 2:NEXT J:RR2=SDE/SDR 2010 FOR J=1 TO N:SDR=SDER+(Y(J)-SMEDW) 2:NEXT J:RR2=SDE/SDR 2020 PRINT COEFICIENTE DE DETERMINAÇÃO DO MODELO => ;RR PRINT :PRINT SQTOTAL ==> ;SDR, SQRESÍDUO ==> ;(SDR-SDE) 2040 PRINT SQDESVIOS = ;Q 2050 INPUT ENTRE RETURN PARA TERMINAR,R Rev. Bras. Fisiol. Vegetal, Vol. 1, 1989.
9 Rev. Bras. Fisiol. Vegetal, Vol. 1, CALBO et al. FREITAS, A.R.; ALBINO, L.F.T. FILHO, T.M. & ROSSO, Modelos de curvas de crescimento em frangos de cor te. Pesq. Agropec. Bras., 19: , GUIMARÃES, P.G & CASTRO, L.H.R. Análise de funções de crescimento. Brasília, EMBRAPA-CPAC, p. HOFFMAN, R. & VIEIRA, S. Análise de regressão; uma introdução à econometria. São Paulo, Hucitec, p. HORNBECK, R.W. Numerical methods. Englewood Cliffs, Prentice-Hall, p. PATANKAR, S. V. Numerical heat transfer and fluid flow. Series in computational methods in mechanics and thermal sciences. MacGraw-Hill-Hemisphere, New York, 1981, 197p. RICHARDS, F.J. A flexible growth function for empi rical use. J. Exp. Bot., 10: , RICHARDS, F.J. The quantitative analysis of growth. In: STEWARD, F.C.(ed). Plant physiology; a treat ise. New York, Academoc Press, p.3-76 STARK, P.A. Introdução aos métodos numéricos. Trad J.B.P. Carvalho, Rio de Janeiro, Interciência, p.
10 AJUSTE DE FUNÇÕES NÃO LINEARES 17 APÊNDICE B. Conformações gráficas típicas de algumas funções de crescimento. Rev. Bras. Fisiol. Vegetal, Vol. 1, 1989.
Departamento de Matemática - UEL - 2010. Ulysses Sodré. http://www.mat.uel.br/matessencial/ Arquivo: minimaxi.tex - Londrina-PR, 29 de Junho de 2010.
Matemática Essencial Extremos de funções reais Departamento de Matemática - UEL - 2010 Conteúdo Ulysses Sodré http://www.mat.uel.br/matessencial/ Arquivo: minimaxi.tex - Londrina-PR, 29 de Junho de 2010.
Leia maisAPLICAÇÕES DA DERIVADA
Notas de Aula: Aplicações das Derivadas APLICAÇÕES DA DERIVADA Vimos, na seção anterior, que a derivada de uma função pode ser interpretada como o coeficiente angular da reta tangente ao seu gráfico. Nesta,
Leia maisFaculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu
1 Programação Não Linear Aula 25: Programação Não-Linear - Funções de Uma única variável Mínimo; Mínimo Global; Mínimo Local; Optimização Irrestrita; Condições Óptimas; Método da Bissecção; Método de Newton.
Leia mais6. Geometria, Primitivas e Transformações 3D
6. Geometria, Primitivas e Transformações 3D Até agora estudamos e implementamos um conjunto de ferramentas básicas que nos permitem modelar, ou representar objetos bi-dimensionais em um sistema também
Leia maisTópico 11. Aula Teórica/Prática: O Método dos Mínimos Quadrados e Linearização de Funções
Tópico 11. Aula Teórica/Prática: O Método dos Mínimos Quadrados e Linearização de Funções 1. INTRODUÇÃO Ao se obter uma sucessão de pontos experimentais que representados em um gráfico apresentam comportamento
Leia maisUtilizando o EXCEL Solver
Utilizando o EXCEL Solver Outubro de 2000 2 A opção Solver no Excel pode ser utilizada para resolver problemas de otimização lineares e nãolineares. As restrições de inteiros podem ser colocadas nas variáveis
Leia maisCÁLCULO DE ZEROS DE FUNÇÕES REAIS
15 CÁLCULO DE ZEROS DE FUNÇÕES REAIS Um dos problemas que ocorrem mais frequentemente em trabalhos científicos é calcular as raízes de equações da forma: f() = 0. A função f() pode ser um polinômio em
Leia maisAPOSTILA DE EXCEL 2007
APOSTILA DE EXCEL 2007 1. Introdução Quando você cria uma planilha nova, a tela do computador é dividida em linhas e colunas, formando uma grade. A interseção de uma linha e de uma coluna é chamada de
Leia maisInformática no Ensino de Matemática Prof. José Carlos de Souza Junior
Informática no Ensino de Matemática Prof. José Carlos de Souza Junior http://www.unifal-mg.edu.br/matematica/?q=disc jc Aula 02 ATIVIDADE 01 Para poupar esforço de digitação, você pode usar o tradicional
Leia maisINE 7001 - Procedimentos de Análise Bidimensional de variáveis QUANTITATIVAS utilizando o Microsoft Excel. Professor Marcelo Menezes Reis
INE 7001 - Procedimentos de Análise Bidimensional de variáveis QUANTITATIVAS utilizando o Microsoft Excel. Professor Marcelo Menezes Reis O objetivo deste texto é apresentar os principais procedimentos
Leia maisUNIVERSIDADE GAMA FILHO Laboratório de Controle I - MATLAB
NOME: UNIVERSIDADE GAMA FILHO Laboratório de Controle I - MATLAB O que é o Matlab? O Matlab é um sistema para cálculo científico que proporciona um ambiente de fácil utilização com uma notação intuitiva,
Leia maisUtilização do SOLVER do EXCEL
Utilização do SOLVER do EXCEL 1 Utilização do SOLVER do EXCEL José Fernando Oliveira DEEC FACULDADE DE ENGENHARIA DA UNIVERSIDADE DO PORTO MAIO 1998 Para ilustrar a utilização do Solver na resolução de
Leia maisSomatórias e produtórias
Capítulo 8 Somatórias e produtórias 8. Introdução Muitas quantidades importantes em matemática são definidas como a soma de uma quantidade variável de parcelas também variáveis, por exemplo a soma + +
Leia maisTutorial de Matlab Francesco Franco
Tutorial de Matlab Francesco Franco Matlab é um pacote de software que facilita a inserção de matrizes e vetores, além de facilitar a manipulação deles. A interface segue uma linguagem que é projetada
Leia maisCAPÍTULO 3 - TIPOS DE DADOS E IDENTIFICADORES
CAPÍTULO 3 - TIPOS DE DADOS E IDENTIFICADORES 3.1 - IDENTIFICADORES Os objetos que usamos no nosso algoritmo são uma representação simbólica de um valor de dado. Assim, quando executamos a seguinte instrução:
Leia maisTópico 2. Conversão de Unidades e Notação Científica
Tópico 2. Conversão de Unidades e Notação Científica Toda vez que você se refere a um valor ligado a uma unidade de medir, significa que, de algum modo, você realizou uma medição. O que você expressa é,
Leia mais4 RECURSOS AUTOMATIZADOS DO EXCEL
4 RECURSOS AUTOMATIZADOS DO EXCEL 4.1 Auto Preenchimento O Excel possui um recurso de grande ajuda para quem necessita digitar uma seqüência de células cujo conteúdo é seqüencial. Esse recurso, chamado
Leia maisCálculo Numérico Aula 1: Computação numérica. Tipos de Erros. Aritmética de ponto flutuante
Cálculo Numérico Aula : Computação numérica. Tipos de Erros. Aritmética de ponto flutuante Computação Numérica - O que é Cálculo Numérico? Cálculo numérico é uma metodologia para resolver problemas matemáticos
Leia maisInformática no Ensino da Matemática
Informática no Ensino da Matemática Humberto José Bortolossi http://www.professores.uff.br/hjbortol/ Lista de Exercícios 2 ATIVIDADE 1 Para poupar esforço de digitação, você pode usar o tradicional sistema
Leia maisDISTRIBUIÇÃO DE WEIBULL CONCEITOS BÁSICOS APLICAÇÕES
LUIZ CLAUDIO BENCK KEVIN WONG TAMARA CANDIDO DISTRIBUIÇÃO DE WEIBULL CONCEITOS BÁSICOS APLICAÇÕES Trabalho apresentado para avaliação na disciplina de Estatística e Métodos Numéricos do Curso de Administração
Leia maisIntrodução. A Informação e sua Representação (Parte III) Universidade Federal de Campina Grande Departamento de Sistemas e Computação
Universidade Federal de Campina Grande Departamento de Sistemas e Computação Introdução à Computação A Informação e sua Representação (Parte III) Prof.a Joseana Macêdo Fechine Régis de Araújo joseana@computacao.ufcg.edu.br
Leia maisStatus. Barra de Título. Barra de Menu. Barra de. Ferramentas Padrão. Caixa de nomes. Barra de. Ferramentas de Formatação. Indicadores de Coluna
O que é uma planilha eletrônica? É um aplicativo que oferece recursos para manipular dados organizados em tabelas. A partir deles pode-se gerar gráficos facilitando a análise e interpretação dos dados
Leia maisMICROSOFT OFFICE EXCEL 2007
LEIAME Nenhuma informação da APOSTILA - MICROSOFT OFFICE EXCEL 2007 poderá ser copiada, movida ou modificada sem autorização prévia e escrita do autor. MICROSOFT OFFICE EXCEL 2007 Efetue cálculos, analise
Leia maisMatemática - UEL - 2010 - Compilada em 18 de Março de 2010. Prof. Ulysses Sodré Matemática Essencial: http://www.mat.uel.
Matemática Essencial Equações do Segundo grau Conteúdo Matemática - UEL - 2010 - Compilada em 18 de Março de 2010. Prof. Ulysses Sodré Matemática Essencial: http://www.mat.uel.br/matessencial/ 1 Introdução
Leia maisCapítulo 3. Avaliação de Desempenho. 3.1 Definição de Desempenho
20 Capítulo 3 Avaliação de Desempenho Este capítulo aborda como medir, informar e documentar aspectos relativos ao desempenho de um computador. Além disso, descreve os principais fatores que influenciam
Leia maisDificuldades de Modelos de PNL. Onde está a solução ótima? Outro exemplo: Condição ótima Local vs. Global. 15.053 Quinta-feira, 25 de abril
15.053 Quinta-feira, 25 de abril Teoria de Programação Não-Linear Programação Separável Dificuldades de Modelos de PNL Programa Linear: Apostilas: Notas de Aula Programas Não-Lineares 1 2 Análise gráfica
Leia maisInvestigação Operacional- 2009/10 - Programas Lineares 3 PROGRAMAS LINEARES
Investigação Operacional- 2009/10 - Programas Lineares 3 PROGRAMAS LINEARES Formulação A programação linear lida com problemas nos quais uma função objectivo linear deve ser optimizada (maximizada ou minimizada)
Leia mais&XUVRGH,QWURGXomRDR (GLWRUGH3ODQLOKDV([FHO
Universidade Federal de Viçosa Departamento de Informática &XUVRGH,QWURGXomRDR (GLWRUGH3ODQLOKDV([FHO Flaviano Aguiar Liziane Santos Soares Jugurta Lisboa Filho (Orientador) PROJETO UNESC@LA Setembro de
Leia maisCADEX. Consultoria em Logística Interna. Layout de armazém. Objectivos. Popularidade. Semelhança. Tamanho. Características
CADEX Consultoria em Logística Interna Layout de armazém fonte: Wikipédia O layout de armazém é a forma como as áreas de armazenagem de um armazém estão organizadas, de forma a utilizar todo o espaço existente
Leia maisIntrodução aos cálculos de datas
Page 1 of 7 Windows SharePoint Services Introdução aos cálculos de datas Aplica-se a: Microsoft Office SharePoint Server 2007 Ocultar tudo Você pode usar fórmulas e funções em listas ou bibliotecas para
Leia maisAluísio Eustáquio da Silva
1 Aluísio Eustáquio da Silva SciLab Programável Material didático usado em aulas de Programação de Computadores, Algoritmos e Lógica de Programação Betim Maio de 2012 2 PROGRAMAÇÃO O SciLab permite que
Leia maisAs fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem:
1 As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia e não têm a intenção de substituir o livro-texto, nem qualquer outra bibliografia. Introdução O Cálculo Numérico
Leia maisAula 02 Excel 2010. Operações Básicas
Aula 02 Excel 2010 Professor: Bruno Gomes Disciplina: Informática Básica Curso: Gestão de Turismo Sumário da aula: 1. Operações básicas; 2. Utilizando Funções; 3. Funções Lógicas; 4. Gráficos no Excel;
Leia maisBarra de ferramentas padrão. Barra de formatação. Barra de desenho Painel de Tarefas
Microsoft Power Point 2003 No Microsoft PowerPoint 2003, você cria sua apresentação usando apenas um arquivo, ele contém tudo o que você precisa uma estrutura para sua apresentação, os slides, o material
Leia maisIvan Guilhon Mitoso Rocha. As grandezas fundamentais que serão adotadas por nós daqui em frente:
Rumo ao ITA Física Análise Dimensional Ivan Guilhon Mitoso Rocha A análise dimensional é um assunto básico que estuda as grandezas físicas em geral, com respeito a suas unidades de medida. Como as grandezas
Leia maisAnálise da sensibilidade
Análise da Sensibilidade Bertolo, L.A. UNIUBE Análise da sensibilidade Em todos os modelos de programação linear, os coeficientes da função objetivo e das restrições são considerados como entrada de dados
Leia maisTEORIA DO RISCO. LUIZ SANTOS / MAICKEL BATISTA economia.prof.luiz@hotmail.com maickel_ewerson@hotmail.com
TEORIA DO RISCO LUIZ SANTOS / MAICKEL BATISTA economia.prof.luiz@hotmail.com maickel_ewerson@hotmail.com 1 TARIFAÇÃO (FERREIRA, 2002) Diversos conceitos e metodologias envolvidos no cálculo do preço pago
Leia maisOPERADORES E ESTRUTURAS DE CONTROLE
OPERADORES E ESTRUTURAS DE CONTROLE 3.1 Operadores Os operadores indicam o tipo de operação matemática que será executada gerando novos valores a partir de um ou mais operadores. São muito utilizados em
Leia maisa 1 x 1 +... + a n x n = b,
Sistemas Lineares Equações Lineares Vários problemas nas áreas científica, tecnológica e econômica são modelados por sistemas de equações lineares e requerem a solução destes no menor tempo possível Definição
Leia maisPONTIFÍCIA UNIVERSIDADE CATÓLICA DE GOIÁS Curso Superior de Tecnologia em Análise e Desenvolvimento de Sistemas
PONTIFÍCIA UNIVERSIDADE CATÓLICA DE GOIÁS Curso Superior de Tecnologia em Análise e Desenvolvimento de Sistemas CMP1132 Processo e qualidade de software II Prof. Me. Elias Ferreira Sala: 402 E Quarta-Feira:
Leia maisCaracterização temporal de circuitos: análise de transientes e regime permanente. Condições iniciais e finais e resolução de exercícios.
Conteúdo programático: Elementos armazenadores de energia: capacitores e indutores. Revisão de características técnicas e relações V x I. Caracterização de regime permanente. Caracterização temporal de
Leia maisSisDEA Home Windows Versão 1
ROTEIRO PARA CRIAÇÃO E ANÁLISE MODELO REGRESSÃO 1. COMO CRIAR UM MODELO NO SISDEA Ao iniciar o SisDEA Home, será apresentada a tela inicial de Bem Vindo ao SisDEA Windows. Selecione a opção Criar Novo
Leia maisCURSO ON-LINE PROFESSOR GUILHERME NEVES
Olá pessoal! Neste ponto resolverei a prova de Matemática Financeira e Estatística para APOFP/SEFAZ-SP/FCC/2010 realizada no último final de semana. A prova foi enviada por um aluno e o tipo é 005. Os
Leia mais2. Método de Monte Carlo
2. Método de Monte Carlo O método de Monte Carlo é uma denominação genérica tendo em comum o uso de variáveis aleatórias para resolver, via simulação numérica, uma variada gama de problemas matemáticos.
Leia maisFaculdade Sagrada Família
AULA 12 - AJUSTAMENTO DE CURVAS E O MÉTODO DOS MÍNIMOS QUADRADOS Ajustamento de Curvas Sempre que desejamos estudar determinada variável em função de outra, fazemos uma análise de regressão. Podemos dizer
Leia maisExercícios de Fixação Pseudocódigo e Estruturas Básicas de Controle
Disciplina: TCC-00.7 Prog. de Computadores III Professor: Leandro Augusto Frata Fernandes Turma: A- Data: / / Exercícios de Fixação Pseudocódigo e Estruturas Básicas de Controle. Construa um algoritmo
Leia mais2 A Derivada. 2.1 Velocidade Média e Velocidade Instantânea
2 O objetivo geral desse curso de Cálculo será o de estudar dois conceitos básicos: a Derivada e a Integral. No decorrer do curso esses dois conceitos, embora motivados de formas distintas, serão por mais
Leia maisUniversidade Federal do Rio de Janeiro. Princípios de Instrumentação Biomédica. Módulo 4
Universidade Federal do Rio de Janeiro Princípios de Instrumentação Biomédica Módulo 4 Faraday Lenz Henry Weber Maxwell Oersted Conteúdo 4 - Capacitores e Indutores...1 4.1 - Capacitores...1 4.2 - Capacitor
Leia maiscomputador-cálculo numérico perfeita. As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem:
1 UNIVERSIDADE FEDERAL DE VIÇOSA Departamento de Matemática - CCE Cálculo Numérico - MAT 271 Prof.: Valéria Mattos da Rosa As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia
Leia maisQUADRADO MÁGICO - ORDEM 4
CONCEITO Partindo da definição original, os QUADRADOS MÁGICOS devem satisfazer três condições: a) tabela ou matriz quadrada (número de igual ao número de ); b) domínio: com elementos assumindo valores
Leia maisSimulação Transiente
Tópicos Avançados em Avaliação de Desempenho de Sistemas Professores: Paulo Maciel Ricardo Massa Alunos: Jackson Nunes Marco Eugênio Araújo Dezembro de 2014 1 Sumário O que é Simulação? Áreas de Aplicação
Leia maisPÓS GRADUAÇÃO EM CIÊNCIAS DE FLORESTAS TROPICAIS-PG-CFT INSTITUTO NACIONAL DE PESQUISAS DA AMAZÔNIA-INPA. 09/abril de 2014
PÓS GRADUAÇÃO EM CIÊNCIAS DE FLORESTAS TROPICAIS-PG-CFT INSTITUTO NACIONAL DE PESQUISAS DA AMAZÔNIA-INPA 09/abril de 2014 Considerações Estatísticas para Planejamento e Publicação 1 Circularidade do Método
Leia maisResolução feita pelo Intergraus! Módulo Objetivo - Matemática FGV 2010/1-13.12.2009
FGV 010/1-13.1.009 VESTIBULAR FGV 010 DEZEMBRO 009 MÓDULO OBJETIVO PROVA TIPO A PROVA DE MATEMÁTICA QUESTÃO 1 (Prova: Tipo B Resposta E; Tipo C Resposta C; Tipo D Resposta A) O gráfico abaio fornece o
Leia maisCálculo Numérico Faculdade de Engenharia, Arquiteturas e Urbanismo FEAU
Cálculo Numérico Faculdade de Engenharia, Arquiteturas e Urbanismo FEAU Prof. Dr. Sergio Pilling (IPD/ Física e Astronomia) II Métodos numéricos para encontrar raízes (zeros) de funções reais. Objetivos:
Leia maisOrganização e Arquitetura de Computadores I
Organização e Arquitetura de Computadores I Aritmética Computacional Slide 1 Sumário Unidade Lógica e Aritmética Representação de Números Inteiros Aritmética de Números Inteiros Representação de Números
Leia maisMétodo dos mínimos quadrados - ajuste linear
Apêndice A Método dos mínimos quadrados - ajuste linear Ao final de uma experiência muitas vezes temos um conjunto de N medidas na forma de pares (x i, y i ). Por exemplo, imagine uma experiência em que
Leia maisUniversidade Federal Rural de Pernambuco
Universidade Federal Rural de Pernambuco Departamento de Morfologia e Fisiologia Animal Área de Biofísica Traçando Gráficos Prof. Romildo Nogueira 1. Introduzindo o tema No trabalho experimental lida-se
Leia maisAlgoritmos com VisuAlg
Algoritmos com VisuAlg Prof Gerson Volney Lagemann Depto Eng de Produção e Sistemas UDESC - CCT Algoritmos com VisuAlg Introdução A linguagem VisuAlg é simples, seu objetivo é disponibilizar um ambiente
Leia maisCI202 - Métodos Numéricos
CI202 - Métodos Numéricos Lista de Exercícios 2 Zeros de Funções Obs.: as funções sen(x) e cos(x) devem ser calculadas em radianos. 1. Em geral, os métodos numéricos para encontrar zeros de funções possuem
Leia maisNoções Básicas de Excel página 1 de 19
Noções Básicas de Excel página 1 de 19 Conhecendo a tela do Excel. A BARRA DE FÓRMULAS exibe o conteúdo de cada célula (local) da planilha. Nela podemos inserir e alterar nomes, datas, fórmulas, funções.
Leia mais1. Dê o domínio e esboce o grá co de cada uma das funções abaixo. (a) f (x) = 3x (b) g (x) = x (c) h (x) = x + 1 (d) f (x) = 1 3 x + 5 1.
2.1 Domínio e Imagem EXERCÍCIOS & COMPLEMENTOS 1.1 1. Dê o domínio e esboce o grá co de cada uma das funções abaixo. (a) f (x) = 3x (b) g (x) = x (c) h (x) = x + 1 (d) f (x) = 1 3 x + 5 1 3 (e) g (x) 2x
Leia maisCadeias de Markov. Geovany A. Borges gaborges@ene.unb.br
36341 - Introdução aos Processos Estocásticos Curso de Pós-Graduação em Engenharia Elétrica Departamento de Engenharia Elétrica Universidade de Brasília Cadeias de Markov Geovany A. Borges gaborges@ene.unb.br
Leia maisTransformada z. ADL 25 Cap 13. A Transformada z Inversa
ADL 25 Cap 13 Transformada z A Transformada z Inversa Qualquer que seja o método utilizado a transformada z inversa produzirá somente os valores da função do tempo nos instantes de amostragem. Portanto,
Leia maisErros. Número Aproximado. Erros Absolutos erelativos. Erro Absoluto
Erros Nenhum resultado obtido através de cálculos eletrônicos ou métodos numéricos tem valor se não tivermos conhecimento e controle sobre os possíveis erros envolvidos no processo. A análise dos resultados
Leia maisFICHA ORIENTADA Nº1. Barra de fórmulas. Área de trabalho T E C N O L O G I A S D E I N F O R M A Ç Ã O E C O M U N I C A Ç Ã O
T E C N O L O G I A S D E I N F O R M A Ç Ã O E C O M U N I C A Ç Ã O FICHA ORIENTADA Nº1 INTRODUÇÃO À FOLHA DE CÁLCULO CRIAÇÃO DE UMA FOLHA DE CÁLCULO O Microsoft Excel é um programa que faz parte das
Leia maisBacharelado em Ciência e Tecnologia Bacharelado em Ciências e Humanidades. Representação Gráfica de Funções
Bacharelado em Ciência e Tecnologia Bacharelado em Ciências e Humanidades BC 0005 Bases Computacionais da Ciência Representação Gráfica de Funções Prof a Maria das Graças Bruno Marietto graca.marietto@ufabc.edu.br
Leia mais4.10 Solução das Equações de Estado através da Transformada de Laplace Considere a equação de estado (4.92)
ADL22 4.10 Solução das Equações de Estado através da Transformada de Laplace Considere a equação de estado (4.92) A transformada de Laplace fornece: (4.93) (4.94) A fim de separar X(s), substitua sx(s)
Leia maisPor que o quadrado de terminados em 5 e ta o fa cil? Ex.: 15²=225, 75²=5625,...
Por que o quadrado de terminados em 5 e ta o fa cil? Ex.: 15²=225, 75²=5625,... 0) O que veremos na aula de hoje? Um fato interessante Produtos notáveis Equação do 2º grau Como fazer a questão 5 da 3ª
Leia maisResumo da Matéria de Linguagem de Programação. Linguagem C
Resumo da Matéria de Linguagem de Programação Linguagem C Vitor H. Migoto de Gouvêa 2011 Sumário Como instalar um programa para executar o C...3 Sintaxe inicial da Linguagem de Programação C...4 Variáveis
Leia maisTUTORIAL DO ACCESS PASSO A PASSO. I. Criar um Novo Banco de Dados. Passos: 1. Abrir o Access 2. Clicar em Criar um novo arquivo
TUTORIAL DO ACCESS PASSO A PASSO I. Criar um Novo Banco de Dados Passos: 1. Abrir o Access 2. Clicar em Criar um novo arquivo 3. Clicar em Banco de Dados em Branco 4. Escrever um nome na caixa de diálogo
Leia maisPython: Comandos Básicos. Claudio Esperança
Python: Comandos Básicos Claudio Esperança Primeiros passos em programação Até agora só vimos como computar algumas expressões simples Expressões são escritas e computadas imediatamente Variáveis podem
Leia maisEXCEL PARA ESPECIALISTAS
CURSO ONLINE EXCEL PARA ESPECIALISTAS CARGA HORÁRIA AULAS MATERIAL DIDÁTICO CERTIFICADO 10h46min 101 250 páginas em PDF + planilhas exemplos Incluso Apresentação Você quer se tornar um especialista em
Leia maisProf. Esp. Adriano Carvalho
Prof. Esp. Adriano Carvalho O que é um Programa? Um arquivo contendo uma sequência de comandos em uma linguagem de programação especifica Esses comandosrespeitam regras de como serem escritos e quais
Leia maisProf. Dr. Iron Macêdo Dantas
Governo do Estado do Rio Grande do Norte Secretaria de Estado da Educação e da Cultura - SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN MESTRADO EM CIÊNCIAS NATURAIS Prof. Dr. Iron Macêdo Dantas
Leia maisNotas para um curso de Cálculo 1 Duilio T. da Conceição
Notas para um curso de Cálculo 1 Duilio T. da Conceição 1 2 Sumário 1 WOLFRAM ALPHA 5 1.1 Digitando Fórmulas e Expressões Matemáticas......... 6 1.1.1 Expoentes......................... 6 1.1.2 Multiplicação.......................
Leia maisTodos os exercícios sugeridos nesta apostila se referem ao volume 1. MATEMÁTICA I 1 FUNÇÃO DO 1º GRAU
FUNÇÃO IDENTIDADE... FUNÇÃO LINEAR... FUNÇÃO AFIM... GRÁFICO DA FUNÇÃO DO º GRAU... IMAGEM... COEFICIENTES DA FUNÇÃO AFIM... ZERO DA FUNÇÃO AFIM... 8 FUNÇÕES CRESCENTES OU DECRESCENTES... 9 SINAL DE UMA
Leia mais1. Objectivo Durante uma experiência, medem-se certas variáveis, ex.: concentrações, pressões, temperaturas,
MODELAÇÃO E DETERMINAÇÃO DE PARÂMETROS CINÉTICOS FILIPE GAMA FREIRE 1. Objectivo Durante uma experiência, medem-se certas variáveis, ex.: concentrações, pressões, temperaturas, etc. a que chamaremos y
Leia maisO Excel é um programa de computador desenvolvido para gerenciar dados na forma de planilhas.
O que é o Excel? O Excel é um programa de computador desenvolvido para gerenciar dados na forma de planilhas. Ele possibilita ao usuário desenvolver planilhas que efetuem cálculos, dos mais simples aos
Leia maisPEDIDO DE COMPRAS AUTOPEÇAS
Apresentação As rotinas de Pedido de Compra do WinThor são utilizadas pelas empresas com objetivo de realizar: o pedido de compra baseado, ou não, em uma sugestão de compra, a cotação de compra entre fornecedores,
Leia maisLição 1 - Criação de campos calculados em consultas
1 de 5 21-08-2011 22:15 Lição 1 - Criação de campos calculados em consultas Adição de Colunas com Valores Calculados: Vamos, inicialmente, relembrar, rapidamente alguns conceitos básicos sobre Consultas
Leia maisEquilíbrio econômico de uma seguradora Francisco Galiza, Mestre em Economia (FGV)
Equilíbrio econômico de uma seguradora Francisco Galiza, Mestre em Economia (FGV) O objetivo deste trabalho é estudar um modelo simples de comportamento e equilíbrio das seguradoras. Nesta discussão, são
Leia maisCONTROLE DIGITAL DE VOLUME 1.-----------------------------------------------------------------------------
CONTROLE DIGITAL DE VOLUME 1.----------------------------------------------------------------------------- Uma boa gama de aplicações atuais utiliza o controle de volume digital. Não nos referimos apenas
Leia maisJava. Marcio de Carvalho Victorino www.dominandoti.eng.br
Java Marcio de Carvalho Victorino www.dominandoti.eng.br 3. Considere as instruções Java abaixo: int cont1 = 3; int cont2 = 2; int cont3 = 1; cont1 += cont3++; cont1 -= --cont2; cont3 = cont2++; Após a
Leia maisAritmética Binária e. Bernardo Nunes Gonçalves
Aritmética Binária e Complemento a Base Bernardo Nunes Gonçalves Sumário Soma e multiplicação binária Subtração e divisão binária Representação com sinal Sinal e magnitude Complemento a base. Adição binária
Leia maisPROF. CÍCERO JOSÉ Matemática e Estatística
UNIBAN UNIVERSIDADE BANDEIRANTE DE SÃO PAULO Instituto de Administração e Negócios Tecnologia em Logística PROF. CÍCERO JOSÉ Matemática e Estatística São Paulo 2º semestre de 2010 SUMÁRIO CAPÍTULO I MATEMÁTICA
Leia maisAULA 12 FUNÇÕES Disciplina: Algoritmos e POO Professora: Alba Lopes alba.lopes@ifrn.edu.br http://docente.ifrn.edu.br/albalopes
AULA 12 FUNÇÕES Disciplina: Algoritmos e POO Professora: Alba Lopes alba.lopes@ifrn.edu.br http://docente.ifrn.edu.br/albalopes FUNÇÕES E PROCEDIMENTOS Também chamados de subalgoritmos São trechos de algoritmos
Leia maisAnálise de complexidade
Introdução Algoritmo: sequência de instruções necessárias para a resolução de um problema bem formulado (passíveis de implementação em computador) Estratégia: especificar (definir propriedades) arquitectura
Leia maisResolução de Matemática da Prova Objetiva FGV Administração - 06-06-10
QUESTÃO 1 VESTIBULAR FGV 010 JUNHO/010 RESOLUÇÃO DAS 15 QUESTÕES DE MATEMÁTICA DA PROVA DA MANHÃ MÓDULO OBJETIVO PROVA TIPO A O mon i tor de um note book tem formato retangular com a di ag o nal medindo
Leia maisCIÊNCIA DA COMPUTAÇÃO I Excel. Núm1, núm2,... são argumentos de 1 a 255 cuja soma ou valor total você deseja obter.
SOMA Retorna a soma de todos os números na lista de argumentos. Sintaxe SOMA(núm;núm;...) Núm, núm,... são argumentos de a 55 cuja soma ou valor total você deseja obter. Comentários Os números, valores
Leia maisDistribuição de Freqüências
Distribuição de Freqüências Por constituir-se o tipo de tabela importante para a Estatística Descritiva, faremos um estudo completo da distribuição de freqüências. Uma distribuição de freqüências condensa
Leia maisGERAÇÃO DE VIAGENS. 1.Introdução
GERAÇÃO DE VIAGENS 1.Introdução Etapa de geração de viagens do processo de planejamento dos transportes está relacionada com a previsão dos tipos de viagens de pessoas ou veículos. Geralmente em zonas
Leia maisRepresentação de Modelos Dinâmicos em Espaço de Estados Graus de Liberdade para Controle
Representação de Modelos Dinâmicos em Espaço de Estados Graus de Liberdade para Controle Espaço de Estados (CP1 www.professores.deq.ufscar.br/ronaldo/cp1 DEQ/UFSCar 1 / 69 Roteiro 1 Modelo Não-Linear Modelo
Leia maisLidar com números e estatísticas não é fácil. Reunir esses números numa apresentação pode ser ainda mais complicado.
, ()! $ Lidar com números e estatísticas não é fácil. Reunir esses números numa apresentação pode ser ainda mais complicado. Uma estratégia muito utilizada para organizar visualmente informações numéricas
Leia maisSó Matemática O seu portal matemático http://www.somatematica.com.br FUNÇÕES
FUNÇÕES O conceito de função é um dos mais importantes em toda a matemática. O conceito básico de função é o seguinte: toda vez que temos dois conjuntos e algum tipo de associação entre eles, que faça
Leia maisComo consolidar dados nas planilhas utilizando o comando CONSOLIDAR do Excel
Como consolidar dados nas planilhas utilizando o comando CONSOLIDAR do Excel! Como utilizar o comando Consolidar do Excel?! Quais são os diferenciais em relação ao cálculo aritmético normal?! Quais são
Leia maisObjetivos: Construção de tabelas e gráficos, escalas especiais para construção de gráficos e ajuste de curvas à dados experimentais.
7aula Janeiro de 2012 CONSTRUÇÃO DE GRÁFICOS I: Papel Milimetrado Objetivos: Construção de tabelas e gráficos, escalas especiais para construção de gráficos e ajuste de curvas à dados experimentais. 7.1
Leia maisCAP. I ERROS EM CÁLCULO NUMÉRICO
CAP. I ERROS EM CÁLCULO NUMÉRICO 0. Introdução Por método numérico entende-se um método para calcular a solução de um problema realizando apenas uma sequência finita de operações aritméticas. A obtenção
Leia maisCapítulo 7 Medidas de dispersão
Capítulo 7 Medidas de dispersão Introdução Para a compreensão deste capítulo, é necessário que você tenha entendido os conceitos apresentados nos capítulos 4 (ponto médio, classes e frequência) e 6 (média).
Leia maisA lógica de programação ajuda a facilitar o desenvolvimento dos futuros programas que você desenvolverá.
INTRODUÇÃO A lógica de programação é extremamente necessária para as pessoas que queiram trabalhar na área de programação, seja em qualquer linguagem de programação, como por exemplo: Pascal, Visual Basic,
Leia mais