Análise de Sobrevida. Análise de sobrevida. Análise de sobrevida

Tamanho: px
Começar a partir da página:

Download "Análise de Sobrevida. Análise de sobrevida. Análise de sobrevida"

Transcrição

1 Univrsidad Fdral do Rio d Janiro NESC- Mstrado m Epidmiologia Biostatística Disciplina: Anális d Rgrssão m Saúd Anális d Sobrvida Tania Guillén d Torrs Rjan Sobrino Pinhiro Anális d sobrvida Dfiniçõs: Tipo d studo studos d coort ou nsaios clínicos Variávl rsposta tmpo transcorrido ntr a ntrada do indivíduo no studo a ocorrência d um vnto a sr rlacionado com a xposição ou tratamnto. Evnto (falha ) pod sr donça, mort, cura tc. Tmpo d sobrvida: Mdido para cada indivíduo, dsd sua ntrada no studo até a ocorrência do "vnto" (falha). Indivíduos podm ntrar no studo m qualqur príodo durant o tmpo do studo. Tmpo pod sr mdido m qualqur unidad dias, smanas, mss, tc. Anális d sobrvida Tmpo até a ocorrência do vnto Métodos spciais d anális Distribuição dos tmpos não é gaussiana Dados com cnsura Nsta sção srão aprsntadas técnicas d analis d tmpos d sobrvida para o caso d um único dsfcho d intrss. Exmplos d aplicação: Tmpo d rmissão, m smanas, para pacints com Lucmia. Tmpo, m anos, até a ocorrência d donça coronariana, numa cort d indivíduos sm donça. Tmpo, m anos, até a mort numa população d idosos (>60 anos) Tmpo (mss) até mort m pacints transplantados. Obsrvação: É possívl avaliar simultanamnt a ocorrência d vários dsfchos num único dsnho d studo, por xmplo morts por Câncr m mulhrs (Ca. d colo utrino, Ca. Mama, tc.). Podm sr abordados como um problma d Riscos Comptitivos, porm st tópico não faz part da disciplina.

2 Dado cnsurado: Indivíduo não sofr o "vnto" durant o príodo d studo, d modo qu o tmpo xato d sobrvida não é conhcido. Cnsura Pacints d Lucmia m rmissão Cnsura dvida a: O indivíduo não xprimnta o vnto ants do fim do studo (studo trmina ants da ocorrência do vnto) Prda d follow-up (sguimnto) durant o príodo do studo Saída do studo por causa d óbito (por outra causa), ou por outra razão (ração advrsa à droga) Indivíduos podm ntrar no studo m qualqur instant dpois do início do studo pod sr cnsurado m qualqur instant d tmpo durant o studo. Início do studo Fim do studo Tmpo d sobrvida cnsurado, obsrvado no studo Tmpo d sobrvida vrdadiro Dados cnsurados Exmplo: Lucmia Comparar os tmpos d rmissão, d um grupo d pacints com lucmia tratados com a droga 6-mrcaptopurin com os tmpos d rmissão d um grupo control não tratado. Dsfcho (vnto) rcidiva (rcaída) Tmpo d sobrvida númro d smanas m rmissão Grupo control: Grupo tratado: 6* * 0* 0 * 3 6 7* 9* 20* * 32* 32* 34* 35* * follow-up incomplto (cnsura)

3 Grupo tratado: 6* * 0* 0 * 3 6 7* 9* 20* * 32* 32* 34* 35* : Control 2:Tratamnto Obs Tmpo rcidiva Grupo Obs Tmpo rcidiva Grupo Intrprtação: 6* indivíduo ainda m rmissão dpois d 6 smanas no studo, não obsrvado após st tmpo. 6 indivíduos conhcidos como m rmissão por 6 smanas, mas tivram rcaída ntr a 6a. a 7a. smanas. Obsrvar: Nnhuma cnsura no grupo control (todos "falharam") Parc qu o tmpo d sobrvida é maior para os do grupo tratado Como comparar os tmpos: Média ou mdiana do tmpo d rmissão para cada grupo, ignorando a condição d cnsura ( t trt 7, t control 8,7 ) Problma: tmpos cnsurados podm nvisar os rsultados Altrnativas:. Excluir tmpos cnsurados Tmpo d sobrvida plo tratamnto muito baixo, por xcluir os tmpos d rmissão mais longos (substimar). 2. Incluir tmpos cnsurados Ignorar a difrnça ntr vnto cnsura. Indivíduos com os tmpos d sobrvida cnsurados tm atualmnt tmpos d sobrvida maiors do qu as smanas rprsntadas no studo Stata: Abrir o banco Fil Opn.. dirtório banco. us C:\Data\lucmia.dta" Stata: 2 - Dclarar um banco para Anális d Sobrvida Statistics Survival analysis Stups & utilitis Dclar data to b survival-tim data. dsc Contains data from E:\Rgrssao\Sobrvida\AulaPratica\Bancos\lucmia.dta obs: 42 vars: 4 Nov :20 siz: 336 (99.9% of mmory fr) storag display valu variabl nam typ format labl variabl labl obs byt %8.0g Obs tmpo byt %8.0g Tmpo at a rcaida rcidiva byt %8.0g rcidiva Rtorno da donca grupo byt %8.0g grp Grupos d comparacao Sortd by: Comando stst vartmpo varcnsura Dclara o banco como sndo um banco com tmpos d sobrvida

4 Stata:. stst tmpo, failur(rcidiva) failur vnt: rcidiva obs. tim intrval: (0, tmpo] xit on or bfor: failur total obs. 0 xclusions obs. rmaining, rprsnting 30 failurs in singl rcord/singl failur data 54 total analysis tim at risk, at risk from t 0 arlist obsrvd ntry t 0 last obsrvd xit t 35 Função d sobrvida: S(t) P(T > t) T variávl alatória tmpo d sobrvida d um indivíduo t qualqur valor d intrss para a variávl alatória T Ex: S stamos intrssados m avaliar s uma pssoa sobrviv mais d 5 anos após submtr-s a tratamnto para câncr S(5) P(T > 5) A função d sobrvida dá a probabilidad d uma pssoa vivr mais do qu um tmpo spcífico t 5. Isto é, S(T) dá a probabilidad d um indivíduo sobrvivr além do tmpo t (probabilidad d uma variávl alatória T xcdr um dtrminado valor spcificado (t). Toricamnt, como t varia d 0 a, a função d sobrvida dcai. S não houvr cnsura: Grupo control (nnhuma cnsura): S( t) N d indivíduos qu sobrvivram mais do qu t N total d indivíduos 8 S( 0) 0.38 N sobrvivnts além d 0 smanas Probabilidad d sobrvida além d 0 smanas A função é dcrscnt, ou sja, os valors d S(t) dcrscm à mdida qu t crsc. N total d indivíduos Para t 0 S(t) S(0) Para t S(t) 0 S(t) Smpr dcrscnt S( 22) N sobrvivnts além d 22 smanas Probabilidad d sobrvida além d 22 smanas 0 S(t) 0 N total d indivíduos

5 Probabilidad d sobrvida para o grupo control: Probabilidad d sobrvida para o grupo control: t: m t n d falhas no instant t. N d sobrvivnts no instant t S( t) n t m t m t a c u m u la d a S (t) (2-0 )/2 2 / (2-2 )/2 9 / (2-4 )/2 7 / (2-5 )/2 6 / (2-7 )/2 4 / (2-9 )/2 2 / (2-3 )/2 8 / (2-5 )/2 6 / (2-7 )/2 4 / (2-8 )/2 3 / (2-9 )/2 2 / (2-2 0 )/2 / (2-2 )/2 0 / t: P(D )2/ P(S )9/ D (2) S (9) P(S 2 S ) 2/9 7/9 D 2 (2) S 2 (7) - 0 S(0) S() S(2) S(3) S(4) /7 6/7 D 3 () S 3 (6) 2/6 4/6 D 4 (2) S 4 (5) P(S 4 ) P(S ) P(S 2 S ) P(S 3 S 2 S ) P(S 4 S S 2 S 3 ) Curva d sobrvida: É a rprsntação gráfica da Função d sobrvida S(t) no ixo vrtical vs. os tmpos d sobrvida (t) no ixo horizontal Função d Hazard (risco) Dnsidad instantâna d incidência Risco instantâno S(t) Kaplan-Mir survival stimat analysis tim (t) P[ t < T < ( t + t) T > t] t) lim t 0 t Taxa d falha condicional Taxa d falha instantâna (falha durant um intrvalo d tmpo bm pquno d amplitud t, dado qu um indivíduo tnha sobrvivido até o início do intrvalo) / t). Função d Hazard: t) Nº d indivíduos qu morrram por unidad d tmpo no intrvalo (t, t Nº sobrvivnts no instant t + t)

6 Exmplo: t) para dados d lucmia (grupo tratado), com t 6* * 0* 0 * 3 6 7* 9* 20* * 32* 32* 34* 35* n d rcidivas no instant d tmpo 6 3 6) 0.43 n sob risco no início do intrvalo d tmpo 6 Stata: Statistics Survival analysis Summary statistics, tst, & tabls Summariz survival-tim data n d rcidivas no instant d tmpo 7 7) stsum failur _d: rcidiva analysis tim _t: tmpo n sob risco no início do intrvalo d tmpo 7 incidnc no. of Survival tim tim at risk rat subjcts 25% 50% 75% total Calcular o hazard - Risco instantâno dos tmpos Função d Hazard acumulada Graphics Survival analysis graphs Survivor & cumulativ hazard functions. stsum, by(trtmnt) failur _d: rlaps analysis tim _t: wks incidnc no. of Survival tim trtmnt tim at risk rat subjcts 25% 50% 75% :stand :trt total

7 . sts graph failur _d: rlaps 0 analysis tim _t: wks Kaplan-Mir survival stimat analysis tim Função d Hazard acumulada Graphics Survival analysis graphs Survivor & cumulativ hazard functions. sts graph, by( trtmnt) failur _d: rlaps 0 analysis tim _t: wks Kaplan-Mir survival stimats, by trtmnt analysis tim trtmnt 0:stand trtmnt :trt Função d Hazard acumulada Nlson-Aaln cumulativ hazard stimats, by grupo analysis tim grupo Control grupo Tratamnto. sts graph, by(grupo) na failur _d: rcidiva analysis tim _t: tmpo

8 Função d sobrvida - dados cnsurados Função d sobrvida - dados cnsurados S(t) pod sr drivada d uma função t) para dados cnsurados d 6 (3) S(0) - 0) S() [-0)] x [ - )] S(2) [-0)] x [ - )] x [ - 2)] 3/ C 6 () /7 d 7 () S(t) [-0)] x [ - )] x... x [ - t)] Ou: S(0) - 0) S() S(0) x [ - )] S(2) S() x [ - 2)] S(3) S(2) x [ - 3)] S(t) S(t-) x [ - t)] S 6 (7) - 0 S(0).00 P(S 7 S 6 ) 3 S(6) ( ) S(7) ( ) ( - ) /7 C 7 (0) S 7 (6) /6 d 0 () C 0 (2) S 0 (3) Exmplo: Grupo tratado: 6* * 0* 0 * 3 6 7* 9* 20* * 32* 32* 34* 35* t j n j m j q j H(t) mt S(t) S(t-) x [ t)] [0-) / x [ 0].00 [-2) / x [ 0].00 [6-7) 3 3 /.43.0 x [ 0.43] [7-8) 7 0 / x [ -.059].806 [8-9) / x [ 0].806 [9-0) / x [ 0].806 [0-) 5 / x [ 0.067].752 [3-4) 2 0 / x [ -.083].690 [6-7) 0 / x [ -.09].627 [22-23) 7 0 / x [ -.43].537 [23-24) 6 0 / x [ -.67].447 [24-25) / x [ 0] Kaplan-Mir survival stimat analysis tim Método d Kaplan-Mir Chama-s d tabla d vida a uma tabla d probabilidads d sobrvivência acumuladas no príodo studado d curva d sobrvida ao gráfico dstas probabilidads vrsus o tmpo d sobrvivência. As probabilidads acumuladas d sobrvida nos príodos são: P(S ao º ano) P(S ) 0,87 P(S ao 2º ano) P(S )*P(S 2 / S ) 0,67 P(S ao 3º ano) P(S )*P(S 2 / S )* P(S 3 / S S 2 ) 0,60 [35-36) 0 0 / x [ 0].447 [-2) smana a < 2 smanas n t sob risco; m t rcidivas; q t cnsurado Somnt tm-s qu calcular S(t) p/ valors d t ond ou + falhas ocorram (m t )

9 Tablas d Vida Tmpos d sobrvida agrupados m intrvalos. Stata: Statistics Survival analysis Summary statistics, tst, & tabls Lif tabls for survival data Kaplan-Mir é uma vrsão modificada da tabla d vida KM usa tmpos xatos d "falha" ou intrvalos d tmpo curtos KM tm poucos ou nnhum mpat nos tmpos d "falha". ltabl tmpo rcidiva, survival Intrval Total Daths Lost Survival Error [95% Conf. Int.] ltabl tmpo rcidiva, survival by(grupo) Bg. Std. Intrval Total Daths Lost Survival Error [95% Conf. Int.] Control Tratamnto

10 Tst Log Rank Compara 2 ou mais curvas d sobrvida (H 0 as curvas são "as msmas") Ordna os tmpo d "falhas" dos indivíduos m 2 (ou mais) grupos atribui postos O númro sprado d falhas é calculado para cada intrvalo para cada grupo Calcula um χ 2 ntr as falhas spradas vs falhas obsrvadas. Assum intrvalo d tmpo pquno (x: dia ou "falha"). Tst Log Rank Statistics Survival analysis Summary statistics, tst, & tabls Tst quality of survivor functions statística do log rank 2 Var( ( ) O O 2 E2 ) 2 2 E ~ χ 2 ( G ) Ond: k ( ) ( ) O2 E2 m2 j 2 j j k númro d tmpos d falha difrnts G númro d grupos difrnt G 2 grupos Tst Log Rank Tst Log Rank Exmplo (usando o Stata):. sts tst grupo, logrank Exmplo (usando o Stata):. sts tst lgwbccat, logrank failur _d: rcidiva analysis tim _t: tmpo Log-rank tst for quality of survivor functions Evnts Evnts grupo obsrvd xpctd Control 0.75 Tratamnto Total chi2() 6.79 Pr>chi sts tst trtmnt, pto failur _d: rlaps analysis tim _t: wks Pto-Pto tst for quality of survivor functions Evnts Evnts Sum of trtmnt obsrvd xpctd ranks :stand :trt Total chi2() 4.08 Pr>chi failur _d: rlaps analysis tim _t: wks Log-rank tst for quality of survivor functions Evnts Evnts lgwbccat obsrvd xpctd Low Mdium :High Total chi2(2) Pr>chi sts tst lgwbccat, pto failur _d: rlaps analysis tim _t: wks Pto-Pto tst for quality of survivor functions Evnts Evnts Sum of lgwbccat obsrvd xpctd ranks Low Mdium :High Total chi2(2).37 Pr>chi Kaplan-Mir survival stimats, by lgwbccat analysis tim lgwbccat Low lgwbccat :High lgwbccat Mdium

11 Exmplo: Sobrvida d mulhrs com câncr crvical após a data do diagnóstico Tablas d vida Função d Hazard (Método atuarial): Estágio I: No. d indivíduos qu morrm por unidad d tmpo no intrvalo t) No. sobrvivnts no instant t (No. d cnsuras no intrvalo) 2 n t sob risco; m t morts ; q t cnsuras

12 Anális d sobrvida - Modlagm Como ajustar as curvas d sobrvida do grupo d tratados (xpostos) para um ou mais fators (confundidors)? confundidor:. Catgorizar comparar as curvas d sobrvida. Exmplo: tratamnto idad > 55 tratamnto idad 55 tratamnto 0 idad > 55 tratamnto 0 idad Catgorizar usar o tst log rank. 3. Usar um modlo matmático (xistm vários) Mais d confundidor: Modlagm matmática é a scolha mais razoávl. Rgrssão d Cox Modlo Prssupostos Modla os dados usando o hazard força d morbidad ou mortalidad instantâna Prssuposto: Para qualqur tmpo t, o hazard ntr aquls xpostos a crto fator d risco [h (t)] é múltiplo d algum hazard d rfrência [h 0 (t)] (o hazard ntr os não xpostos) h (t) h 0 (t) * B h (t) h 0 (t) * b h h ( t) HR ( t) 0 b Log(HR) b Modlo d Hazard Proporcional d Cox Sja o conjunto d variávis xplanatórias: X (X, X 2,..., X p ) t,x) função d hazard para uma pssoa com um conjunto d X's h 0 (t) função d hazard bas ou basal t, X ) 0 h 0 (t) não é conhcida no modlo d Cox βi X i h ( t) Obsrvação: log odds basal não é conhcido na rgrssão logística para studos caso control). Informação gral: Modlo d Cox ou d Hazard proporcional é chamado d modlo não paramétrico (ou smi-paramétrico) porqu as distribuiçõs subjacnts não são conhcidas Altrnativa d modlo paramétrico é corrta, quando h 0 (t) é conhcida. Ex: xponncial, Wibull, Gomprtz, tc. Modlo paramétrico é prfrívl s o modlo corrto a sr usado é conhcido Modlo d Cox dá aproximadamnt a msma rsposta do modlo paramétrico (robusto). Modlo d Cox é o mais comumnt utilizado

13 Variávis no modlo d Cox: Variávl dpndnt tmpo (até ocorrência do vnto ou cnsura) Variávl vnto vnto 0 cnsura X, X 2,..., X p Exmplo: t, X ) h E's xposição (õs) V's confundidors potnciais W's modificadors d fito potnciais 0 ( t) Obs: Não há intrcpto [ β ( trtmnt ) + γ (log wbcc) + γ ( idad) + δ ( trt x wbc) + δ ( trt x idad)] 2 2 Vantagns do modlo d Cox: Útil para avaliar o fito das variávis xplanatórias Variávis xplanatórias podm sr contínuas ou catgóricas Pod incluir dados cnsurados Não é ncssário conhcimnto da distribuição da função d hazard subjacnt (basal) β i X i smpr 0 (apropriado para uma taxa) Fornc mais informação do qu o modlo logístico, particularmnt para vntos não raros /ou longos tmpos d sguimnto. Razão d Hazard Caso simpls: fator d risco Razão d Hazard Caso simpls: covariávl trtmnt: tratamnto xprimntal 0 tratamnto padrão t,x) h 0 (t) β(trtmnt) ag: X 50 X 2 50 t,x) h 0 (t) β(ag) trtmnt : t,trtmnt) h 0 (t) β() ag 50: t,ag) h 0 (t) β(50) trtmnt 0: t,trtmnt) h 0 (t) β(0) ag 60: t,ag) h 0 (t) β(60) t,) h ( t) β () 0 β ( ) Razão d Hazard ( HR) 0 β (0) t,0) h0 ( t) β β (60) t,) h0 ( t) β (60 50) β *0 Razão d Hazard ( HR) t,0) β (50) h0 ( t)

14 Caso multivariado: (Varias variávis indpndnts) X* conjunto d X's para uma pssoa X conjunto d X's para outra pssoa HR h h ( t, X ) 0( t, X *) * βi ( X i X i ) 0 HR [ β ( X X ) + β ( X X ) β ( X X * * * k k k )] Obsrvação: análoga à rgrssão logística, mas possui uma razão d dnsidad incidência instantâna m vz d log odds Rsultado da Rgrssão d cox dos prditors da incidência d donça coronariana, 3597 indivíduos ntr anos, 987 a 994. Washington Variávl Coficint b Hazard Ratio Sxo (masc, fm0) Fumo (sim, não0) Idad55 (idad 55, Idad<550) Hiprtnsão (sim, não0) Hiprcolstrolmia (sim, não0) Obsidad (sim, não0) Smlhanças: CHD é uma donça rlativamnt rara OR HR As prdas d follow-up a distribuição dos tmpos até a ocorrência do vnto são provavlmnt não difrnciais ntr os grupos (os viss tndm a canclar)

ModelosProbabilísticos paravariáveis Discretas. Modelo de Poisson

ModelosProbabilísticos paravariáveis Discretas. Modelo de Poisson ModlosProbabilísticos paravariávis Discrtas Modlo d Poisson Na aula passada 1 Dfinimos o concito d modlo probabilístico. 2 Aprndmos a utilizar o Modlo Binomial. 3 Vimos como o Modlo Binomial pod facilitar

Leia mais

Métodos Estatísticos Avançados em Epidemiologia

Métodos Estatísticos Avançados em Epidemiologia Univrsidad Fdral d Minas Grais Instituto d Ciências Exatas Dpartamnto d Estatística Métodos Estatísticos Avançados m Epidmiologia Aula 2- Rgrssão Logística: Modlando Rspostas Dicotômicas Lmbrando... No

Leia mais

Algumas distribuições de variáveis aleatórias discretas importantes:

Algumas distribuições de variáveis aleatórias discretas importantes: Algumas distribuiçõs d variávis alatórias discrtas importants: Distribuição Uniform Discrta Enquadram-s aqui as distribuiçõs m qu os possívis valors da variávl alatória tnham todos a msma probabilidad

Leia mais

λ, para x 0. Outras Distribuições de Probabilidade Contínuas

λ, para x 0. Outras Distribuições de Probabilidade Contínuas abilidad Estatística I Antonio Roqu Aula 3 Outras Distribuiçõs d abilidad Contínuas Vamos agora studar mais algumas distribuiçõs d probabilidads para variávis contínuas. Distribuição Eponncial Uma variávl

Leia mais

Estatística II. Aula 8. Prof. Patricia Maria Bortolon, D. Sc.

Estatística II. Aula 8. Prof. Patricia Maria Bortolon, D. Sc. Estatística II Aula 8 Pro. Patricia Maria Bortolon, D. Sc. Tsts Qui Quadrado Objtivos da Aula 8 Nsta aula, você aprndrá: Como quando utilizar o tst qui-quadrado para tablas d contingência Como utilizar

Leia mais

Principais Modelos Contínuos

Principais Modelos Contínuos rincipais Modlos Contínuos . Modlo uniform Uma v.a. contínua tm distribuição uniform com parâmtros < s sua função dnsidad d probabilidad é dada por c c f. 0. Var E F 0 0 A função d distribuição acumulada

Leia mais

1. Problema Os dados apresentados abaixo relacionam x, o nível umidade de uma mistura de um determinado produto, a Y, a densidade do produto acabado.

1. Problema Os dados apresentados abaixo relacionam x, o nível umidade de uma mistura de um determinado produto, a Y, a densidade do produto acabado. 1. Problma Os dados aprsntados abaixo rlacionam x, o nívl umidad d uma mistura d um dtrminado produto, a Y, a dnsidad do produto acabado. x 7 9 10 13 14 15 16 19 Y 9.07 9.94 10.75 12.45 12.97 13.34 14.25

Leia mais

S = evento em que uma pessoa apresente o conjunto de sintomas;

S = evento em que uma pessoa apresente o conjunto de sintomas; robabilidad Estatística I ntonio Roqu ula 15 Rgra d ays Considrmos o sguint problma: ab-s qu a taxa d ocorrência d uma crta donça m uma população é d 2 %, ou sja, o númro d pssoas da população com a donça

Leia mais

estados. Os estados são influenciados por seus próprios valores passados x

estados. Os estados são influenciados por seus próprios valores passados x 3 Filtro d Kalman Criado por Rudolph E. Kalman [BROWN97] m 1960, o filtro d Kalman (FK) foi dsnvolvido inicialmnt como uma solução rcursiva para filtragm linar d dados discrtos. Para isto, utiliza quaçõs

Leia mais

2.2 Transformada de Fourier e Espectro Contínuo

2.2 Transformada de Fourier e Espectro Contínuo 2.2 Transformada d Fourir Espctro Contínuo Analisam-s a sguir, sinais não priódicos, concntrados ao longo d um curto intrvalo d tmpo. Dfinição: sinal stritamnt limitado no tmpo Dado um sinal não priódico

Leia mais

5.10 EXERCÍCIO pg. 215

5.10 EXERCÍCIO pg. 215 EXERCÍCIO pg Em cada um dos sguints casos, vriicar s o Torma do Valor Médio s aplica Em caso airmativo, achar um númro c m (a, b, tal qu (c ( a - ( a b - a a ( ; a,b A unção ( é contínua m [,] A unção

Leia mais

INTRODUÇÃO À ESTATÍSTICA

INTRODUÇÃO À ESTATÍSTICA INTRODUÇÃO À ESTATÍSTICA ERRATA (capítulos 1 a 6 CAP 1 INTRODUÇÃO. DADOS ESTATÍSTICOS Bnto Murtira Carlos Silva Ribiro João Andrad Silva Carlos Pimnta Pág. 10 O xmplo 1.10 trmina a sguir ao quadro 1.7,

Leia mais

TÓPICOS. ordem; grau; curvas integrais; condições iniciais e fronteira. 1. Equações Diferenciais. Conceitos Gerais.

TÓPICOS. ordem; grau; curvas integrais; condições iniciais e fronteira. 1. Equações Diferenciais. Conceitos Gerais. Not bm, a litura dsts apontamntos não dispnsa d modo algum a litura atnta da bibliografia principal da cadira hama-s à atnção para a importância do trabalho pssoal a ralizar plo aluno rsolvndo os problmas

Leia mais

Problemas Numéricos: 1) Desde que a taxa natural de desemprego é 0.06, π = π e 2 (u 0.06), então u 0.06 = 0.5(π e π), ou u =

Problemas Numéricos: 1) Desde que a taxa natural de desemprego é 0.06, π = π e 2 (u 0.06), então u 0.06 = 0.5(π e π), ou u = Capitulo 12 (ABD) Prguntas para rvisão: 5) Os formuladors d políticas dsjam mantr a inflação baixa porqu a inflação impõ psados custos sobr a conomia. Os custos da inflação antcipado inclum custos d mnu,

Leia mais

Estatística. 6 - Distribuições de Probabilidade de Variáveis Aleatórias Contínuas

Estatística. 6 - Distribuições de Probabilidade de Variáveis Aleatórias Contínuas Estatística 6 - Distribuiçõs d Probabilidad d Variávis Alatórias Contínuas 06 - Distribuição Uniform Variávl alatória contínua podndo assumir qualqur valors dntro d um intrvalo [a,b] tal qu: f ( x) para

Leia mais

FENOMENOS DE TRANSPORTE 2 o Semestre de 2012 Prof. Maurício Fabbri 2ª SÉRIE DE EXERCÍCIOS

FENOMENOS DE TRANSPORTE 2 o Semestre de 2012 Prof. Maurício Fabbri 2ª SÉRIE DE EXERCÍCIOS FENOMENOS DE TRANSPORTE o Smstr d 0 Prof. Maurício Fabbri ª SÉRIE DE EXERCÍCIOS 0. O coficint d transfrência d calor Transport d calor por convcção O transint ponncial simpls Consrvação da nrgia Lia o

Leia mais

Algoritmo de integração numérica - Euler: Considerando a seguinte equação diferencial:

Algoritmo de integração numérica - Euler: Considerando a seguinte equação diferencial: Lista B Aulas Práticas d Scilab Equaçõs difrnciais Introdução: Considr um corpo d massa m fito d um matrial cujo calor spcífico à prssão constant sja c p. Est corpo stá inicialmnt a uma tmpratura T 0,

Leia mais

Probabilidades e Estatística

Probabilidades e Estatística Probabilidads Estatística o Tst Tst A 2 o smstr 2004/05 Duração: hora 0 minutos 0/04/005 9 horas RESOLUÇÃO ABREVIADA. Acontcimnto Probabilidad IP incêndio d pqunas proporçõs P (IP ) 0.75 IP incêndio d

Leia mais

3. Geometria Analítica Plana

3. Geometria Analítica Plana MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE PELOTAS DEPARTAMENTO DE MATEMÁTICA E ESTATÍSITICA APOSTILA DE GEOMETRIA ANALÍTICA PLANA PROF VINICIUS 3 Gomtria Analítica Plana 31 Vtors no plano Intuitivamnt,

Leia mais

EXERCÍCIO: BRECHA ALEATÓRIA

EXERCÍCIO: BRECHA ALEATÓRIA EXERCÍCIO: BRECHA ALEATÓRIA Considr uma manobra qu tm d sr fita nas brchas ntr passagns d vículos do fluxo principal rqur uma brcha mínima d 6 sgundos para qu o motorista possa xcutá-la Uma contagm d tráfgo

Leia mais

P R O P O S T A D E R E S O L U Ç Ã O D O E X A M E T I P O 5

P R O P O S T A D E R E S O L U Ç Ã O D O E X A M E T I P O 5 P R O P O S T A D E R E S O L U Ç Ã O D O E X A M E T I P O 5 GRUPO I ITENS DE ESCOLHA MÚLTIPLA 1. Agrupando num bloco a Ana, a Bruna, o Carlos, a Diana o Eduardo, o bloco os rstants st amigos prmutam

Leia mais

TÓPICOS DE MATEMÁTICA PROF.: PATRÍCIA ALVES

TÓPICOS DE MATEMÁTICA PROF.: PATRÍCIA ALVES TÓPICOS DE MATEMÁTICA PROF.: PATRÍCIA ALVES 33 MATRIZES 1. Dê o tipo d cada uma das sguints prtncm às diagonais principais matrizs: scundárias d A. 1 3 a) A 7 2 7. Qual é o lmnto a 46 da matriz i j 2 j

Leia mais

estimação Bayesiana em Modelos de Regressão Log-Log 2 Amostrador de Gibbs 3 Resposta Dicotômica

estimação Bayesiana em Modelos de Regressão Log-Log 2 Amostrador de Gibbs 3 Resposta Dicotômica Estimação Baysiana m Modlos d Rgrssão Complmnto Log-Log Maria Rgina Madruga, Pdro Silvstr da Silva Campos, Faculdad d Estatística, ICEN, UFPA, 66600-000, Blém, PA E-mail: madruga@ufpa.br, psscam@yahoo.com.br,

Leia mais

FUNÇÕES DE UMA VARIÁVEL COMPLEXA

FUNÇÕES DE UMA VARIÁVEL COMPLEXA FUNÇÕES DE UMA VARIÁVEL COMPLEXA Ettor A. d Barros 1. INTRODUÇÃO Sja s um númro complxo qualqur prtncnt a um conjunto S d númros complxos. Dizmos qu s é uma variávl complxa. S, para cada valor d s, o valor

Leia mais

a) (0.2 v) Justifique que a sucessão é uma progressão aritmética e indique o valor da razão.

a) (0.2 v) Justifique que a sucessão é uma progressão aritmética e indique o valor da razão. MatPrp / Matmática Prparatória () unidad tra curricular / E-Fólio B 8 dzmbro a janiro Critérios d corrção orintaçõs d rsposta Qustão ( val) Considr a sucssão d númros rais dfinida por a) ( v) Justifiqu

Leia mais

Instituto Federal Goiano

Instituto Federal Goiano planjamnto Anális d Exprimntos Instituto Fdral Goiano planjamnto Anális d 1 planjamnto 2 Anális d 3 4 5 6 7 Contúdo 8 Parclas subdivididas (split plot) planjamnto Anális d É um dlinamnto xprimntal? Parclas

Leia mais

VI - ANÁLISE CUSTO - VOLUME - RESULTADOS

VI - ANÁLISE CUSTO - VOLUME - RESULTADOS VI - ANÁLISE CUSTO - VOLUME - RESULTADOS 6.1 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

Leia mais

02 de outubro de 2013

02 de outubro de 2013 Gnralidads planjamnto Exprimntos Univrsidad Fdral do Pampa (Unipampa) 02 d outubro d 2013 Gnralidads planjamnto 1 Gnralidads planjamnto 2 3 4 5 6 Contúdo 7 Parclas subdivididas (split plot) Gnralidads

Leia mais

Representação de Números no Computador e Erros

Representação de Números no Computador e Erros Rprsntação d Númros no Computador Erros Anális Numérica Patrícia Ribiro Artur igul Cruz Escola Suprior d Tcnologia Instituto Politécnico d Stúbal 2015/2016 1 1 vrsão 23 d Fvriro d 2017 Contúdo 1 Introdução...................................

Leia mais

3. Distribuição espacial aleatória

3. Distribuição espacial aleatória 3. istribuição spacial alatória Em divrsos procssos logísticos d colta distribuição é important stimar a quantidad d pontos d colta ou distribuição d uma ára d atndimnto, a fim d qu s possa dimnsionar

Leia mais

v 4 v 6 v 5 b) Como são os corte de arestas de uma árvore?

v 4 v 6 v 5 b) Como são os corte de arestas de uma árvore? 12 - Conjuntos d Cort o studarmos árors gradoras, nós stáamos intrssados m um tipo spcial d subgrafo d um grafo conxo: um subgrafo qu mantiss todos os értics do grafo intrligados. Nst tópico, nós stamos

Leia 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

RESOLUÇÃO. Revisão 03 ( ) ( ) ( ) ( ) 0,8 J= t ,3 milhões de toneladas é aproximadamente. mmc 12,20,18 = 180

RESOLUÇÃO. Revisão 03 ( ) ( ) ( ) ( ) 0,8 J= t ,3 milhões de toneladas é aproximadamente. mmc 12,20,18 = 180 Rvisão 03 RESOLUÇÃO Rsposta da qustão : Sndo XA = AB = K = HI = u, sgu qu 3 Y = X+ 0u = + 0u 6 u =. 5 Rsposta da qustão 6: Considr o diagrama, m qu U é o conjunto univrso do grupo d tradutors, I é o conjunto

Leia mais

MESTRADO PROFISSIONAL EM ECONOMIA DO SETOR PÚBLICO

MESTRADO PROFISSIONAL EM ECONOMIA DO SETOR PÚBLICO II/05 UNIVERSIDADE DE BRASÍLIA DEPARTAMENTO DE ECONOMIA 0//5 MESTRADO PROFISSIONAL EM ECONOMIA DO SETOR PÚBLICO ECONOMIA DA INFORMAÇÃO E DOS INCENTIVOS APLICADA À ECONOMIA DO SETOR PÚBLICO Prof. Maurício

Leia mais

MESTRADO PROFISSIONAL EM ECONOMIA DO SETOR PÚBLICO

MESTRADO PROFISSIONAL EM ECONOMIA DO SETOR PÚBLICO II/05 UNIVERSIDADE DE BRASÍLIA DEPARTAMENTO DE ECONOMIA 0//5 MESTRADO PROFISSIONAL EM ECONOMIA DO SETOR PÚBLICO ECONOMIA DA INFORMAÇÃO E DOS INCENTIVOS APLICADA À ECONOMIA DO SETOR PÚBLICO Prof. Maurício

Leia mais

Enunciados equivalentes

Enunciados equivalentes Lógica para Ciência da Computação I Lógica Matmática Txto 6 Enunciados quivalnts Sumário 1 Equivalência d nunciados 2 1.1 Obsrvaçõs................................ 5 1.2 Exrcícios rsolvidos...........................

Leia mais

AULA Subespaço, Base e Dimensão Subespaço.

AULA Subespaço, Base e Dimensão Subespaço. Not bm: a litura dsts apontamntos não dispnsa d modo algum a litura atnta da bibliografia principal da cadira TÓPICOS Subspaço. ALA Chama-s a atnção para a importância do trabalho pssoal a ralizar plo

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

Programa de Pós-Graduação Processo de Seleção 2 0 Semestre 2008 Exame de Conhecimento em Física

Programa de Pós-Graduação Processo de Seleção 2 0 Semestre 2008 Exame de Conhecimento em Física UNIVERSIDADE FEDERAL DE GOIAS INSTITUTO DE FÍSICA C.P. 131, CEP 74001-970, Goiânia - Goiás - Brazil. Fon/Fax: +55 62 521-1029 Programa d Pós-Graduação Procsso d Slção 2 0 Smstr 2008 Exam d Conhcimnto m

Leia mais

Critérios de falha PROF. ALEXANDRE A. CURY DEPARTAMENTO DE MECÂNICA APLICADA E COMPUTACIONAL

Critérios de falha PROF. ALEXANDRE A. CURY DEPARTAMENTO DE MECÂNICA APLICADA E COMPUTACIONAL PROF. ALEXANDRE A. CURY DEPARTAMENTO DE MECÂNICA APLICADA E COMPUTACIONAL A avaliação das tnsõs dformaçõs smpr é fita m função d crtas propridads do matrial. Entrtanto, não basta apnas calcular ssas grandzas.

Leia mais

Instituto Federal Goiano

Instituto Federal Goiano Gnralidads Instituto Fdral Goiano Gnralidads 1 2 Gnralidads 3 4 5 6 7 8 Contúdo Gnralidads Prmitm studar, simultanamnt, dois ou mais fators Prmitm studar a ntr fators Há dois tipos d strutura ou rlacionamnto

Leia mais

Instituto Federal Goiano

Instituto Federal Goiano Andrson planjamnto Anális d Andrson Instituto Fdral Goiano Andrson planjamnto Anális d 1 2 planjamnto 3 Anális d 4 5 6 7 8 9 Contúdo Andrson planjamnto Anális d Prmitm studar, simultanamnt, dois ou mais

Leia mais

Exame de Matemática Página 1 de 6. obtém-se: 2 C.

Exame de Matemática Página 1 de 6. obtém-se: 2 C. Eam d Matmática -7 Página d 6. Simplificando a prssão 9 ( ) 6 obtém-s: 6.. O raio r = m d uma circunfrência foi aumntado m 5%. Qual foi o aumnto prcntual da ára da sgunda circunfrência m comparação com

Leia mais

Lista 9: Integrais: Indefinidas e Definidas e Suas Aplicações

Lista 9: Integrais: Indefinidas e Definidas e Suas Aplicações GOVERNO FEDERAL MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DO VALE DO SÃO FRANCISCO CÂMPUS JUAZEIRO/BA COLEG. DE ENG. ELÉTRICA PROF. PEDRO MACÁRIO DE MOURA MATEMÁTICA APLICADA À ADM 5. Lista 9: Intgrais:

Leia mais

Análise Modal. Mecânica Estrutural (10391/1411) 2018 Pedro V. Gamboa. Departamento de Ciências Aeroespaciais

Análise Modal. Mecânica Estrutural (10391/1411) 2018 Pedro V. Gamboa. Departamento de Ciências Aeroespaciais Anális Modal Mcânica Estrutural (1091/1411) 018 1. Introdução Um problma d valors próprios é dfinido como sndo um problma m qu dsjamos obtr os valors do parâmtro l d forma qu a quação A( u) lb( u) é satisfita

Leia mais

Aula 16 - Circuitos RC

Aula 16 - Circuitos RC Univrsidad Fdral do Paraná Stor d iências Exatas Dpartamnto d Física Física III Prof. Dr. icardo Luiz Viana frências bibliográficas: H. 29-8 S. 27-5 T. 23-2 Aula 16 - ircuitos São circuitos ond um rsistor

Leia mais

A função de distribuição neste caso é dada por: em que

A função de distribuição neste caso é dada por: em que 1 2 A função d distribuição nst caso é dada por: m qu 3 A função d distribuição d probabilidad nss caso é dada por X 0 1 2 3 P(X) 0,343 0,441 0,189 1,027 4 Ercícios: 2. Considr ninhada d 4 filhots d colhos.

Leia mais

Adriano Pedreira Cattai

Adriano Pedreira Cattai Adriano Pdrira Cattai apcattai@ahoocombr Univrsidad Fdral da Bahia UFBA, MAT A01, 006 3 Suprfíci Cilíndrica 31 Introdução Dfinição d Suprfíci Podmos obtr suprfícis não somnt por mio d uma quação do tipo

Leia mais

Instituto Federal Goiano

Instituto Federal Goiano multifators planjamnto Two-way Instituto Fdral Goiano multifators planjamnto 1 multifators 2 planjamnto 3 4 5 6 7 8 Contúdo multifators multifators planjamnto Prmitm studar, simultanamnt, dois ou mais

Leia mais

FILTROS. Assim, para a frequência de corte ω c temos que quando g=1/2 ( )= 1 2 ( ) = 1 2 ( ) e quando = 1 2

FILTROS. Assim, para a frequência de corte ω c temos que quando g=1/2 ( )= 1 2 ( ) = 1 2 ( ) e quando = 1 2 FILTROS Como tmos visto, quando tmos lmntos rativos nos circuitos, as tnsõs sobr os lmntos d um circuitos m CA são dpndnts da frquência. Est comportamnto m circuitos montados como divisors d tnsão prmit

Leia mais

PREVISÃO DE ERROS DE TRUNCAMENTO DE MODELOS NUMÉRICOS EM MALHAS NÃO-UNIFORMES

PREVISÃO DE ERROS DE TRUNCAMENTO DE MODELOS NUMÉRICOS EM MALHAS NÃO-UNIFORMES RVISÃO D RROS D RUNCAMNO D MODLOS NUMÉRICOS M MALHAS NÃO-UNIFORMS Carlos Hnriqu Marchi António Fábio Carvalho da Silva IV SIMMC Simpósio Miniro d Mcânica Computacional Ubrlândia, MG, maio d 000 pp. 481-488

Leia mais

/ :;7 1 6 < =>6? < 7 A 7 B 5 = CED? = DE:F= 6 < 5 G? DIHJ? KLD M 7FD? :>? A 6? D P

/ :;7 1 6 < =>6? < 7 A 7 B 5 = CED? = DE:F= 6 < 5 G? DIHJ? KLD M 7FD? :>? A 6? D P 26 a Aula 20065 AMIV 26 Exponncial d matrizs smlhants Proposição 26 S A SJS ntão Dmonstração Tmos A SJS A % SJS SJS SJ % S ond A, S J são matrizs n n ", (com dt S 0), # S $ S, dond ; A & SJ % S SJS SJ

Leia mais

4. RESULTADOS E DISCUSSÃO

4. RESULTADOS E DISCUSSÃO 4. RESULTADOS E DISCUSSÃO O conjunto d dados original aprsntava alguns valors prdidos, uma vz qu houv a mort d plantas nas parclas ants da colta dos dados, grando assim um conjunto d dados dsalancado,

Leia mais

Transformadas ortogonais e processamento de sinais não estacionários

Transformadas ortogonais e processamento de sinais não estacionários Transformadas ortogonais procssamnto d sinais não stacionários Transformaçõs ortogonais Considr um sinal discrto x(n) com amostras: χ (k)= x (n)ϕ ( k, n) n= 0 Transformada dirta, quação d anális, dcomposição.

Leia mais

Solução da equação de Poisson 1D com coordenada generalizada

Solução da equação de Poisson 1D com coordenada generalizada Solução da quação d Poisson 1D com coordnada gnralizada Guilhrm Brtoldo 8 d Agosto d 2012 1 Introdução Ao s rsolvr a quação d Poisson unidimnsional d 2 T = fx), 0 x 1, 1) dx2 sujita às condiçõs d contorno

Leia mais

FUNÇÃO REAL DE UMA VARIÁVEL REAL

FUNÇÃO REAL DE UMA VARIÁVEL REAL Hwltt-Packard FUNÇÃO REAL DE UMA VARIÁVEL REAL Aulas 01 a 05 Elson Rodrigus, Gabril Carvalho Paulo Luiz Ano: 2016 Sumário INTRODUÇÃO AO PLANO CARTESIANO 2 PRODUTO CARTESIANO 2 Númro d lmntos d 2 Rprsntaçõs

Leia mais

10 Encontro de Ensino, Pesquisa e Extensão, Presidente Prudente, 21 a 24 de outubro, 2013

10 Encontro de Ensino, Pesquisa e Extensão, Presidente Prudente, 21 a 24 de outubro, 2013 10 Encontro d Ensino, Psquisa Extnsão, Prsidnt Prudnt, 21 a 24 d outubro, 2013 DIFERENCIAÇÃO COMPLEXA E AS CONDIÇÕES DE CAUCHY-RIEMANN Pâmla Catarina d Sousa Brandão1, Frnando Prira Sousa2 1 Aluna do Curso

Leia mais

Externalidades 1 Introdução

Externalidades 1 Introdução Extrnalidads 1 Introdução Há várias maniras altrnativas d s d nir xtrnalidads. Considrmos algumas dlas. D nição 1: Dizmos qu xist xtrnalidad ou fito xtrno quando as açõs d um agnt aftam dirtamnt as possibilidads

Leia mais

MAE Introdução à Probabilidade e Estatística I Gabarito Lista de Exercícios 3

MAE Introdução à Probabilidade e Estatística I Gabarito Lista de Exercícios 3 MAE 0219 - Introdução à Probabilidad Estatística I Gabarito Lista d Exrcícios 3 Sgundo Smstr d 2017 Obsrvação: Nos cálculos abaixo, considramos aproximaçõs por duas casas dcimais. EXERCÍCIO 1. a. Construa

Leia mais

Escola Politécnica da Universidade de São Paulo. Departamento de Engenharia de Estruturas e Fundações

Escola Politécnica da Universidade de São Paulo. Departamento de Engenharia de Estruturas e Fundações Escola Politécnica da Univrsidad d São Paulo Dpartamnto d Engnharia d Estruturas Fundaçõs Laboratório d Estruturas Matriais Estruturais Extnsomtria létrica III Notas d aula Dr. Pdro Afonso d Olivira Almida

Leia mais

Instituto de Física USP. Física V - Aula 32. Professora: Mazé Bechara

Instituto de Física USP. Física V - Aula 32. Professora: Mazé Bechara nstituto d Física USP Física V - Aula 3 Profssora: Mazé Bchara Aula 3 - Estados ligados m movimntos unidimnsionais 1. O poço d potncial finito: colocando as condiçõs d continuidad nas funçõs d onda suas

Leia mais

UFJF ICE Departamento de Matemática Cálculo I Terceira Avaliação 03/12/2011 FILA A Aluno (a): Matrícula: Turma: x é: 4

UFJF ICE Departamento de Matemática Cálculo I Terceira Avaliação 03/12/2011 FILA A Aluno (a): Matrícula: Turma: x é: 4 UFJF ICE Dpartamnto d Matmática Cálculo I Trcira Avaliação 0/1/011 FILA A Aluno (a): Matrícula: Turma: Instruçõs Grais: 1- A prova pod sr fita a lápis, cto o quadro d rspostas das qustõs d múltipla scolha,

Leia mais

Curso de Engenharia Química Disciplina: Física I Nota: Rubrica. Coordenador Professor: Rudson Alves Aluno:

Curso de Engenharia Química Disciplina: Física I Nota: Rubrica. Coordenador Professor: Rudson Alves Aluno: Curso d Engnharia Química Disciplina: Física I Nota: Rubrica Coordnador Profssor: Rudson Alvs Aluno: Turma: EQ2M Smstr: 2 sm/2016 Data: 25/11/2016 Avaliação: 2 a Prova Bimstral Valor: 10,0 p tos INSTRUÇÕES

Leia mais

Sala: Rúbrica do Docente: Registo:

Sala: Rúbrica do Docente: Registo: Instituto Suprior Técnico Dpartamnto d Matmática Scção d Àlgbra Anális o TESTE DE CÁLCULO DIFERENCIAL E INTEGRAL I (MEFT, LMAC, MEBiom) o Sm. 0/ 4/Jan/0 Duração: h30mn Instruçõs Prncha os sus dados na

Leia mais

[Ano] Ciências Econômicas e Administrativas Produção e Custos

[Ano] Ciências Econômicas e Administrativas Produção e Custos [Ano] Ciências Econômicas Unidad: Ciências Econômicas Unidad: Colocar o nom da Ciências Econômicas MATERIAL TEÓRICO Rsponsávl plo Contúdo: Profa. Ms. Andrssa Guimarãs Rgo Rvisão Txtual: Profa. Ms. Alssandra

Leia mais

Curso de Engenharia Mecânica Disciplina: Física 2 Nota: Rubrica. Coordenador Professor: Rudson R Alves Aluno:

Curso de Engenharia Mecânica Disciplina: Física 2 Nota: Rubrica. Coordenador Professor: Rudson R Alves Aluno: Curso d Engnharia Mcânica Disciplina: Física 2 Nota: Rubrica Coordnador Profssor: Rudson R Alvs Aluno: Turma: EA3N Smstr: 1 sm/2017 Data: 20/04/2017 Avaliação: 1 a Prova Valor: 10,0 p tos INSTRUÇÕES DA

Leia mais

ESCOLA SECUNDÁRIA C/3º CEB DE MANUEL DA FONSECA, SANTIAGO DO CACÉM

ESCOLA SECUNDÁRIA C/3º CEB DE MANUEL DA FONSECA, SANTIAGO DO CACÉM Módulo 1 Sistma Financiro Simpls 1. Concito d juro 1.1. Sistmas d Capitalização 1.2. Taxa d juro 1.3. Rprsntação gráfica do juro 1.4. Implicaçõs algébricas práticas da utilização do ano comrcial do ano

Leia mais

Oscilações amortecidas

Oscilações amortecidas Oscilaçõs amortcidas Uso d variávl complxa para obtr a solução harmônica ral A grand vantagm d podr utilizar númros complxos para rsolvr a quação do oscilador harmônico stá associada com o fato d qu ssa

Leia mais

SP 09/11/79 NT 048/79. Rotatória como Dispositivo de Redução de Acidentes. Arq.ª Nancy dos Reis Schneider

SP 09/11/79 NT 048/79. Rotatória como Dispositivo de Redução de Acidentes. Arq.ª Nancy dos Reis Schneider SP 09/11/79 NT 048/79 Rotatória como Dispositivo d Rdução d Acidnts Arq.ª Nancy dos Ris Schnidr Rsumo do Boltim "Accidnts at off-sid priority roundabouts with mini or small islands", Hilary Grn, TRRL Laboratory

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 12.º Ano Versão 2/4

FICHA de AVALIAÇÃO de MATEMÁTICA A 12.º Ano Versão 2/4 FICHA d AVALIAÇÃO d MATEMÁTICA A.º Ano Vrsão / Nom: N.º Trma: Aprsnt o s raciocínio d orma clara, indicando todos os cálclos q tivr d tar todas as jstiicaçõs ncssárias. Qando, para m rsltado, não é pdida

Leia mais

J. A. Filho; H. M. Almeida; S. V. Silveira.

J. A. Filho; H. M. Almeida; S. V. Silveira. RBE. VOL. 7 N. 1 1990 INFLUÊNCIA DA ATIVIDADE QUíMICA DAS SOLUÇÓES REVELADORAS KODAK NO PROCESSO DE REVELAÇÃO DOS FILMES DOSIMÉTRICOS AGFA GEVAERT. por J. A. Filho; H. M. Almida; S. V. Silvira. RESUMO

Leia mais

Memorize as integrais imediatas e veja como usar a técnica de substituição.

Memorize as integrais imediatas e veja como usar a técnica de substituição. Blém, d maio d 0 aro aluno, om início das intgrais spro qu vocês não troqum as rgras com as da drivada principalmnt d sno d sno. Isso tnho dito assim qu comçamos a studar drivada, lmbra? Mmoriz as intgrais

Leia mais

Classificação ( ) ( )

Classificação ( ) ( ) Objtios MECÂNIC - DINÂMIC Dinâmica d um Ponto Matrial: Impulso Quantidad d Moimnto Cap. 5 Dsnolr o princípio do impulso quantidad d moimnto. Estudar a consração da quantidad d moimnto para pontos matriais.

Leia mais

Implementação de Filtros Ativos Usando Amplificadores Operacionais de Transcondutância e Capacitores (OTA-C)

Implementação de Filtros Ativos Usando Amplificadores Operacionais de Transcondutância e Capacitores (OTA-C) Implmntação d Filtros Ativos Usando Amplificadors Opracionais d Transcondutância Capacitors (OTA-C) Autoria: Mário Sarcinlli Filho Edição: Flip Dalvi Garcia 2008 1 Amplificador d Transcondutância Os Amplificadors

Leia mais

1 a Prova de F-128 Turmas do Noturno Segundo semestre de /10/2004

1 a Prova de F-128 Turmas do Noturno Segundo semestre de /10/2004 1 a Prova d F-18 Turmas do Noturno Sgundo smstr d 004 18/10/004 1) Um carro s dsloca m uma avnida sgundo a quação x(t) = 0t - 5t, ond x é dado m m t m s. a) Calcul a vlocidad instantâna do carro para os

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

fase ω.τ

fase ω.τ CONTROLE DE PROCESSOS & AUTOMAÇÃO INDUSTRIAL 58 fas fas(rad). -.2 -.4 -.6 -.8 -. -.2 -.4 -.6.. ω.τ obsrvaçõs: quando a frqüência tnd para zro, log tnd para zro a fas tnd para zro. Esta é a assíntota d

Leia mais

PROPOSTA DE RESOLUÇÃO DA PROVA DE MATEMÁTICA A DO ENSINO SECUNDÁRIO (CÓDIGO DA PROVA 635) 2ª FASE 21 DE JULHO Grupo I. Questões

PROPOSTA DE RESOLUÇÃO DA PROVA DE MATEMÁTICA A DO ENSINO SECUNDÁRIO (CÓDIGO DA PROVA 635) 2ª FASE 21 DE JULHO Grupo I. Questões PROPOSTA DE RESOLUÇÃO DA PROVA DE MATEMÁTICA A DO ENSINO SECUNDÁRIO (CÓDIGO DA PROVA 63) ª FASE 1 DE JULHO 014 Grupo I Qustõs 1 3 4 6 7 8 Vrsão 1 C B B D C A B C Vrsão B C C A B A D D 1 Grupo II 11 O complo

Leia mais

PROPOSTA DE RESOLUÇÃO DA PROVA DE MATEMÁTICA A DO ENSINO SECUNDÁRIO (CÓDIGO DA PROVA 635) 2ª FASE 21 DE JULHO 2014 Grupo I.

PROPOSTA DE RESOLUÇÃO DA PROVA DE MATEMÁTICA A DO ENSINO SECUNDÁRIO (CÓDIGO DA PROVA 635) 2ª FASE 21 DE JULHO 2014 Grupo I. Associação d Profssors d Matmática Contactos: Rua Dr João Couto, nº 7-A 100-6 Lisboa Tl: +1 1 716 6 90 / 1 711 0 77 Fa: +1 1 716 64 4 http://wwwapmpt mail: gral@apmpt PROPOSTA DE RESOLUÇÃO DA PROVA DE

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

Capítulo 4 Resposta em frequência

Capítulo 4 Resposta em frequência Capítulo 4 Rsposta m frquência 4. Noção do domínio da frquência 4.2 Séris d Fourir propridads 4.3 Rsposta m frquência dos SLITs 4.4 Anális da composição d sistmas através da rsposta m frquência 4.5 Transformadas

Leia mais

EXAME A NÍVEL DE ESCOLA EQUIVALENTE A EXAME NACIONAL

EXAME A NÍVEL DE ESCOLA EQUIVALENTE A EXAME NACIONAL PROVA 535/C/8 Págs. EXAME A NÍVEL DE ESCOLA EQUIVALENTE A EXAME NACIONAL.º Ano d Escolaridad (Dcrto-Li n.º 86/89, d 9 d Agosto) Cursos Grais Cursos Tcnológicos Duração da prova: 50 minutos 008 PROVA ESCRITA

Leia mais

Análise Matemática IV

Análise Matemática IV Anális Matmática IV Problmas para as Aulas Práticas Smana 7 1. Dtrmin a solução da quação difrncial d y d t = t2 + 3y 2 2ty, t > 0 qu vrifica a condição inicial y(1) = 1 indiqu o intrvalo máximo d dfinição

Leia mais

ESTUDO DA TRANSMISSÃO DE CALOR RADIANTE E CONVECTIVO EM CILINDROS CONCÊNTRICOS PELOS MÉTODOS DE MONTE CARLO E RESÍDUOS PONDERADOS.

ESTUDO DA TRANSMISSÃO DE CALOR RADIANTE E CONVECTIVO EM CILINDROS CONCÊNTRICOS PELOS MÉTODOS DE MONTE CARLO E RESÍDUOS PONDERADOS. ESTUDO DA TRANSMISSÃO DE CALOR RADIANTE E CONVECTIVO EM CILINDROS CONCÊNTRICOS PELOS MÉTODOS DE MONTE CARLO E RESÍDUOS PONDERADOS. Carlos Albrto d Almida Villa Univrsidad Estadual d Campinas - UNICAMP

Leia mais

CRITÉRIOS GERAIS DE CLASSIFICAÇÃO

CRITÉRIOS GERAIS DE CLASSIFICAÇÃO Eam Final Nacional d Matmática A Prova 65.ª Fas Ensino Scundário 09.º Ano d Escolaridad Dcrto-Li n.º 9/0, d 5 d julho Critérios d Classificação 0 Páginas CRITÉRIOS GERAIS DE CLASSIFICAÇÃO A classificação

Leia mais

ANÁLISE DIMENSIONAL E SEMELHANÇA. Determinação dos parâmetros

ANÁLISE DIMENSIONAL E SEMELHANÇA. Determinação dos parâmetros ANÁLISE IMENSIONAL E SEMELHANÇA trminação dos parâmtros Procdimnto: d Buckingham 1. Listar todas as grandzas nvolvidas.. Escolhr o conjunto d grandzas fundamntais (básicas), x.: M, L, t, T. 3. Exprssar

Leia mais

Campo elétrico. Antes de estudar o capítulo PARTE I

Campo elétrico. Antes de estudar o capítulo PARTE I PART I Unidad A 2 Capítulo Sçõs: 21 Concito d 22 d cargas puntiforms 2 uniform Ants d studar o capítulo Vja nsta tabla os tmas principais do capítulo marqu um X na coluna qu mlhor traduz o qu você pnsa

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

Relatando a Experiência de Aplicação de Um Software Estatístico em Pesquisa Interdisciplinar Realizada por Alunos de Um Curso de Engenharia Elétrica

Relatando a Experiência de Aplicação de Um Software Estatístico em Pesquisa Interdisciplinar Realizada por Alunos de Um Curso de Engenharia Elétrica Rlatando a Expriência d Aplicação d Um Softwar Estatístico m Psquisa Intrdisciplinar Ralizada por Alunos d Um Curso d Engnharia Elétrica Raqul Cymrot raqulc@macknzi.br - tl. (55-11-21148270) Yara Maria

Leia mais

R é o conjunto dos reais; f : A B, significa que f é definida no conjunto A (domínio - domain) e assume valores em B (contradomínio range).

R é o conjunto dos reais; f : A B, significa que f é definida no conjunto A (domínio - domain) e assume valores em B (contradomínio range). f : A B, significa qu f é dfinida no conjunto A (domínio - domain) assum valors m B (contradomínio rang). R é o conjunto dos rais; R n é o conjunto dos vtors n-dimnsionais rais; Os vtors m R n são colunas

Leia mais

PARTE 8 DERIVADAS PARCIAIS DE ORDENS SUPERIORES

PARTE 8 DERIVADAS PARCIAIS DE ORDENS SUPERIORES PARTE 8 DERIVADAS PARCIAIS DE ORDENS SUPERIORES 8.1 Drivadas Parciais d Ordns Supriors Dada a função ral d duas variávis f : Dom(f) R 2 R X = ) f(x) = f ) aprndmos antriormnt como construir suas drivadas

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

O teorema da função inversa para funções de várias variáveis reais a valores vetoriais

O teorema da função inversa para funções de várias variáveis reais a valores vetoriais Matmática O torma da função invrsa para funçõs d várias variávis rais a valors vtoriais Vivian Rodrigus Lal Psquisadora Prof Dr David Pirs Dias Orintador Rsumo Est artigo tm como objtivo aprsntar o Torma

Leia mais

tg 2 x , x > 0 Para determinar a continuidade de f em x = 0, devemos calcular os limites laterais

tg 2 x , x > 0 Para determinar a continuidade de f em x = 0, devemos calcular os limites laterais UFRGS Instituto d Matmática DMPA - Dpto. d Matmática Pura Aplicada MAT 0 353 Cálculo Gomtria Analítica I A Gabarito da a PROVA fila A 5 d novmbro d 005 Qustão (,5 pontos Vrifiqu s a função f dada abaixo

Leia mais

ABNT NBA NORMA BRASILEIRA. Informação e documentação - Sumário - Apresentação T~CNICAS. lnformation and documentatíon - Contents físt - Presentatíon

ABNT NBA NORMA BRASILEIRA. Informação e documentação - Sumário - Apresentação T~CNICAS. lnformation and documentatíon - Contents físt - Presentatíon NORMA BRASILEIRA ABNT NBA 6027 Sgunda dição 11.12.2012 Válida a partir d 11.01.201 3 Informação documntação - Sumário - Aprsntação lnformation and documntatíon - Contnts físt - Prsntatíon ICS 01.140.20

Leia mais

Universidade Federal do Rio de Janeiro Instituto de Matemática Departamento de Matemática

Universidade Federal do Rio de Janeiro Instituto de Matemática Departamento de Matemática Univrsidad Fdral do Rio d Janiro Instituto d Matmática Dpartamnto d Matmática Gabarito da Prova Final d Cálculo Difrncial Intgral II - 07-I (MAC 8 - IQN+IFN+Mto, 6/06/07 Qustão : (.5 pontos Rsolva { xy.

Leia mais

AULA 2 Análise de Dados Legislativos e Eleitorais Utilizando o Programa Stata

AULA 2 Análise de Dados Legislativos e Eleitorais Utilizando o Programa Stata AULA 2 Anális d Dados Lgislativos Elitorais Utilizando o Programa Stata 1 Profssor: Ernsto Fridrich d Lima Amaral Email: flamaral@gmail.com Sit do curso: www.rnstoamaral.com/stata20091.html Data: 19/05/2009

Leia mais

UFJF ICE Departamento de Matemática Cálculo I Terceira Avaliação 10/07/2010 FILA A Aluno (a): Matrícula: Turma:

UFJF ICE Departamento de Matemática Cálculo I Terceira Avaliação 10/07/2010 FILA A Aluno (a): Matrícula: Turma: UFJF ICE Dpartamnto d Matmática Cálculo I Trcira Avaliação 0/07/00 FILA A Aluno (a): Matrícula: Turma: Instruçõs Grais: - A prova pod sr fita a lápis, cto o quadro d rspostas das qustõs d múltipla scolha.

Leia mais

TÓPICOS. EDO de variáveis separadas. EDO de variáveis separáveis. EDO homogénea. 2. Equações Diferenciais de 1ª Ordem.

TÓPICOS. EDO de variáveis separadas. EDO de variáveis separáveis. EDO homogénea. 2. Equações Diferenciais de 1ª Ordem. ot bm a litura dsts apontamntos não dispnsa d modo algum a litura atnta da bibliograia principal da cadira Cama-s à atnção para a importância do trabalo pssoal a ralizar plo aluno rsolvndo os problmas

Leia mais