Nº de pedidos: (n = 26) 5 ; 7 ; 8 ; 7 ; 6 ; 7 ; 8 ; 10 ; 6 ; 8 ; 7 ; 8 ; 7 ; 7 ; 8 ; 5 ; 6 ; 8 ; 7 ; 6 ; 7 ; 5 ; 6 ; 8 ; 7 ; 6
|
|
- Marcela Rodrigues Alves
- 7 Há anos
- Visualizações:
Transcrição
1 EXEMPLOS ADICIONAIS DA ENGENHARIA ELÉTRICA 1)Suponha que a probabldade de que um engenhero elétrco utlze estatístca em seu exercíco profssonal seja 0,20 Se durante a vda profssonal, um engenhero tver cnco empregos dstntos, qual a probabldade de que ele utlze estatístca em pelo menos um destes empregos 2)Uma peça pode ser de qualdade nferor devdo, entre outras cosas, a ser muto flexível ou a ter as dmensões fora da tolerânca Em uma prova de controle de qualdade se encontra 10% das peças com ambos os defetos Também se descobre que 25% das peças são muto flexíves e que 30% das peças tem as dmensões fora da tolerânca Calcule a probabldade de que uma peça, escolhda aleatoramente, não seja muto flexível e não tenha as dmensões fora da tolerânca 3)Uma fábrca tem funconáros trabalhando em três turnos, sendo que 35% dos funconáros trabalham no turno I, 35% no turno II e 30% no turno III A probabldade de um funconáro não cumprr corretamente uma rotna de segurança em cada turno é de respectvamente 1%, 2% e 4% Se fo notfcado que em um da de trabalho houve um funconáro que não cumpru corretamente uma rotna de segurança, qual a probabldade do funconáro trabalhar no turno I? EXEMPLOS Exemplo: Peso de 25 bolos ndustras Forma bruta: Dsposção ordenada Nº de lotes: 0 ; 3 ; 4 ; 2 ; 2 ; 1 ; 2 (n = 7) Nº de peddos: (n = 26) 5 ; 7 ; ; 7 ; 6 ; 7 ; ; 10 ; 6 ; ; 7 ; ; 7 ; 7 ; ; 5 ; 6 ; ; 7 ; 6 ; 7 ; 5 ; 6 ; ; 7 ; 6 X f Total 26 Estatístca Exemplos Profª Raquel Cymrot
2 Peso dos bolos: (n=125) PESO Frequênca I I I I I I I I Total Exemplo do nº de peddos X f fac X X f X X f X f X ,92 5, ,92 5, ,0 0, ,0 7, ,0 3, Total 26 22, Exemplo do peso dos bolos Peso f X fac X X f X X 250 I ,5 1 1,64 1,64 252, , I , ,64 122, , , I ,5 30,64 172, , I ,5 56 3,64 94, , I ,5 6 1,36 40, , I , ,36 114, ,50 20 I , ,36 204, ,50 25 I , ,36 49,0 62, ,75 Total ,6 3392, ,25 f X f X 2 Estatístca Exemplos Profª Raquel Cymrot
3 4)Seja X a quantdade de certo produto (em mlhares de undade) e Y o respectvo custo total de produção (em mlhares de reas) Sabemos que exste uma relação aproxmadamente lnear entre X e Y e que Y 3X + 4 Se a quantdade méda produzda for de 5,5 mlhares de undades com desvo padrão da quantdade produzda gual a 2,0 mlhares de undades: a)qual será o custo médo total? b)qual será a varânca do custo total? 5)Num controle de qualdade são retradas duas peças para serem nspeconadas Sabemos que a probabldade de uma peça ser rejetada é gual a 0,01 Seja X o número total de peças rejetadas e Y o número de peças rejetadas quando só a prmera peça fo nspeconada a)determne a dstrbução conjunta de X e Y b)determne as dstrbuções margnas de X e Y c)determne a covarânca de X e Y d)determne o coefcente de correlação de X e Y 6)Na construção de um certo prédo, as fundações devem atngr 15 metros de profunddade, e para cada 5 metros de estacas colocadas, o operador anota se houve alteração no rtmo de perfuração prevamente estabelecdo Essa alteração é resultado de mudanças, para mas ou para menos, na resstênca do subsolo Nos dos casos, meddas corretvas serão necessáras, encarecendo o custo da obra Com base em avalações geológcas, admte-se que a probabldade de ocorrênca de alterações é de 0,1 para cada 5 metros O custo básco ncal é de 100 UPC (undade padrão de construção) e será acrescdo de 50k, com k representando o número de alterações observadas a)como se comporta a varável aleatóra custo das obras de fundação? b)determne a méda, o desvo padrão e a varânca da varável aleatóra custo das obras de fundação 7)A Islander Fshng Company compra marscos a $1,50 a lbra dos pescadores de Peconc Bay para vender para város restaurantes de Nova York a $2,50 a lbra Qualquer quantdade de marscos não vendda aos restaurantes até o fnal de semana, pode ser vendda para um fabrcante de sopas local por $0,50 a lbra As probabldades dos dversos níves de demanda são dadas a segur: Demanda (lbras) Probabldade 500 0, , ,4 a)se o varejsta comprar 1000 lbras, calcule o lucro (ou prejuízo) para cada nível de demanda Qual será o lucro esperado? b)se o varejsta comprar 1500 lbras, calcule o lucro (ou prejuízo) para cada nível de demanda Qual será o lucro esperado? )Em momentos de pco, a chegada de avões a um aeroporto se dá segundo o modelo de Posson com taxa de um por mnuto a)determne a probabldade de três chegadas em um mnuto qualquer do horáro de pco b)se o aeroporto pode atender dos avões por mnuto, qual a probabldade de haver avões sem atendmento medato? Estatístca Exemplos Profª Raquel Cymrot
4 c)prevsões para os próxmos anos ndcam que o tráfego deve dobrar nesse aeroporto, enquanto que a capacdade de atendmento poderá ser no máxmo amplada em 50% Como fcará a probabldade de espera por atendmento? )Exemplo de aplcação da dstrbução Bnomal e da dstrbução de Posson: (normas da ABTN) É dada a tabela de escolha do códgo de amostra em função do tamanho do lote e do nível de nspeção ANEXO A - Tabela 1 - Codfcação de amostragem Níves especas de nspeção Níves geras de nspeção Tamanho do lote S1 S2 S3 S4 I II III 2 a A A A A A A B 9 a 15 A A A A A B C 16 a 25 A A B B B C D 26 a 50 A B B C C D E 51 a 90 B B C C C E F 91 a 150 B B C D D F G 151 a 20 B C D E E G H 21 a 500 B C D E F H J 501 a 1200 C C E F G J K 1201 a 3200 C D E G H K L 3201 a C D F G J L M a C D F H K M N a D E G J L N P a D E G J M P Q Acma de D E H K N Q R Supomos que o lote tenha tamanho acma de e que fo adotado o nível de nspeção S1 Devemos utlzar, então, o códgo de amostras D Utlzando a tabela 2 plano de amostragem smples Normal (NBR5426/195), temos: Pelo plano de amostragem smples, com NQA = 1,5 temos que o tamanho da amostra deve se gual a oto Devemos rejetar o lote caso encontremos pelo menos um elemento defetuoso entre os oto elementos examnados Se não encontrarmos elemento defetuoso, devemos acetar o lote Pelo plano de amostragem smples, com NQA = 6,5 temos que o tamanho da amostra deve se gual a oto Devemos rejetar o lote caso encontremos pelo menos dos elementos defetuoso entre os oto elementos examnados Se encontrarmos no máxmo um elemento defetuoso entre os oto elementos examnados, devemos acetar o lote Pelo plano de amostragem smples, se desejamos utlzar um NQA = 4,0 temos que o tamanho da amostra deve se gual a treze (flecha para baxo) Devemos rejetar o lote caso encontremos pelo menos dos elementos defetuoso entre os treze elementos examnados Se encontrarmos no máxmo um elemento defetuoso entre os treze elementos examnados, devemos acetar o lote Podemos calcular as probabldades de acetação dos lotes, baseado nas dstrbuções Bnomal e Posson Estatístca Exemplos Profª Raquel Cymrot
5 ABNT - NBR 5426 Planos de amostragem e procedmentos na nspeção por atrbutos QUALIDADE DO LOTE (p, em % defetuosa para NQA< = 10; em defetos por 100 undades para NQA >10) Tabela 29 - Códgo D (n=) - Valores tabulados para CCO de planos de amostragem smples NQA (Inspeção normal) P a 1,5 6,5 10 1,5 6, x 65 x 100 x 150 x 250 x 400 p (% defetuosa) p (defetos por 100 undades) 99,0 0,13 2,00 6,00 0,13 1,6 5,45 10,3 22,3 36,3 43, 59,6 76,2 93, ,0 0,64 4,64 11,1 0,64 4,44 10,2 17,1 32,7 49, 5,7 77,1 96, ,0 1,31 6, 14,7 1,31 6,65 13, 21, 39,4 5,2 67,9 7, ,0 3,53 12,1 22,1 3,60 12,0 21,6 31,7 52,7 74,5 5, ,0,30 20,1 32,1,66 21,0 33,4 45,9 70,9 95, ,0 15,9 30,3 43,3 17,3 33,7 49,0 63,9 92, ,0 25,0 40,6 53,9 2, 4,6 66,5 3, ,0 31,2 47,1 59,9 37,5 59,3 7,7 96, ,0 43, 5, 70,7 57,6 3, ,5 10 x 2, x 65 x 100 x 150 x 250 x 400 x NQA (Inspeção severa) Nota: Valores baseados na dstrbução bnomal para % defetuosa e na de Posson para "defetos por 100 undades" Códgo D, n =, NQA = 1,5, Ac = 0 Re = 1 Códgo D, n =, NQA = 6,5, Ac = 1 Re = 2 P 0 0 ( Ac ) = (1 p) p = 0 para p = 0,13% (1 p) = (1 0,0013 ) = 0,997 = 0, % para p = 2,00% 0,900 + x0,900 para p = 0,64% (1 p) = (1 0,0064 ) = 0,9936 = 0, % para p = 4,64% 0,9536 para p = 1,31% (1 p) = (1 0,0131) = 0,969 = 0,99 90% para p = 6,% 0,9312 para p = 43,% (1 p) = (1 0,43) = 0,5620 = 0, % para p = 5,% 0,4120 P ( Ac) (1 p) p (1 p) p + x0, x0, x0, x0,0200 = 0, % x0,0464 = 0, % x0,06 = 0, % x0,50 = 0, % Estatístca Exemplos Profª Raquel Cymrot
6 Seja p o nº de defetos por 100 undades e n o tamanho da amostra examnada Temos λ = np Seja X o número de tens defetuosos na amostra examnada P( X = x) = λ e x! x λ Códgo D, n =, NQA = 1,5, Ac = 0 Re = 1 e P( Ac) = o! λ 0 λ λ 0,0104 Para p = 0,0013 λ = x 0,0013 = 0,0104 P ( Ac) = 0, % 0,0512 Para p = 0,0064 λ = x 0,0064 = 0,0512 P ( Ac) = 0, % Para p = 0,0131 λ = x 0,0131 = 0,104 0,104 P ( Ac) = 0, % Para p = 0,5760 λ = x 0,5760 = 4,600 4,600 P ( Ac) = 0, % Códgo D, n =, NQA = 6,5, Ac = 1 Re = 2 P( Ac) = λ 0 λ 1 e λ e λ + o! 1! λ (1 + λ) 0,14 Para p = 0,016 λ = x 0,016 = 0,14 P ( Ac) (1 + 0,14) = 0, % 0,3552 Para p = 0,0444 λ = x 0,0444 = 0,3552 P ( Ac) (1 + 0,3552) = 0, % 0,5320 Para p = 0,0665 λ = x 0,0665 = 0,5320 P ( Ac) (1 + 0,5320) = 0, % 6,6400 Para p = 0,300 λ = x 0,300 = 6,6400 P ( Ac) (1 + 6,6400) = 0, % Estatístca Exemplos Profª Raquel Cymrot
7 9)O peso de uma lata de certo produto tem dstrbução normal com méda de 1,05 kg e desvo padrão de 0,02 kg a)se o peso escrto na embalagem for de 1 kg, qual a probabldade da lata estar abaxo do peso? b)qual o número esperado de latas abaxo do peso se foram produzdas 200 latas? 10)O consumo dáro de nafta em um coletvo é uma varável aleatóra normal com méda de 100 ltros e desvo padrão de 11 ltros O ltro de nafta custa $40,00 por ltro O motorsta leva a conta ao propretáro após 30 das de trabalho Se em dos períodos consecutvos a conta apresentada fo superor a $126600,00, há motvo para se suspetar da honestdade do motorsta? 11) (Extraído de I Bazovsky, Relablty Theory and Practce, Prentce-Hall, Inc, Englewood Clffs, N J, 1961) Consdere-se um crcuto eletrônco consttuído de 4 transstores de slíco, 10 díodos de slíco, 20 resstores sntétcos e 10 capactores cerâmcos, operando em sére contínua Suponha que sob certas condções de trabalho, (sto é, tensão, corrente e temperatura prescrtas), cada uma dessas peças tenha a segunte taxa de falhas constante: Díodos de slíco: 0, Transstores de slíco: 0,00001 Resstores sntétcos: 0, Capactores cerâmcos: 0, Qual a probabldade do sstema não falhar em um período de 10 horas de operação? 12)suponhamos que três undades sejam operadas em paralelo Admte-se que todas tenham a mesma taxa de falhas constante α = 0,01 Portanto a confabldade para um período de operação de 10 horas é: R(t) = e 0,01 x 10 0,1 = 0,905 quanto de melhora poderíamos obter (em termos de aumento de confabldade) pela operação de três destas undades em paralelo? 13)Uma máquna possu dos motores A e B que funconam ndependentemente O tempo de vda do motor A tem dstrbução Normal com méda de h e desvo padrão de 1000 h Já o tempo de vda do motor B tem dstrbução Normal com méda de h e desvo padrão de 100 h determne a confabldade desta máquna no tempo de h se os motores funconam: a)em sére b)em paralelo 14)Suponhamos que cnco undades estejam operando segundo esquema abaxo: Admte-se que todas as undades tenham a mesma taxa de falhas constante α = 0,02 Qual a confabldade do sstema para 10 horas de funconamento? 15)Uma ndústra produzu peças plástcas para uso no ramo de eletro-eletrôncos em um da de trabalho, sendo 7500 peças produzdas em cada uma das quatro máqunas njetoras de polímeros exstentes na ndústra Estatístca Exemplos Profª Raquel Cymrot
8 Cada stuação abaxo corresponde a um tpo de amostragem, a saber: amostragem casual smples (ACS), amostragem sstemátca (AS), amostragem estratfcada (AE) e amostragem por conglomerado (AC) Identfque cada amostragem e dga qual é a mas convenente ( ) Sortear 25 peças provenentes de cada máquna njetora para serem avaladas quanto às dmensões especfcadas pelo clente ( ) Sortear 100 peças de uma lsta de peças para serem avaladas quanto às dmensões especfcadas pelo clente ( ) Sortear, por exemplo, a 27ª peça de cada grupo de 300 peças para ser avalada quanto às dmensões especfcadas pelo clente, grupos estes formados na seqüênca das peças lstadas ( ) Sortear uma das máqunas njetoras e então sortear 100 peças de uma lsta de 7500 peças desta máquna para serem avaladas quanto às dmensões especfcadas pelo clente 16)Contnuação modfcada do ex 37 pg 162 Se desejarmos que a estmatva não se afaste do verdadero valor da freqüênca natural da méda por mas de 1 Hz, com confança de 90%, quantas vgas adconas devem ser submetdas a cargas? 17) O gerente de controle de qualdade de uma fábrca de lâmpadas de flamento quer calcular a vda útl méda das lâmpadas Sabe-se que a remessa contém um total de 2000 lâmpadas e que uma amostra aleatóra de 50 lâmpadas ndcou uma vda útl méda da amostra gual a 350 horas O gerente supõe que o desvo padrão do processo é de 100 horas a)desenvolva uma estmatva, com ntervalo de confança de 95% da verdadera méda de vda útl das lâmpadas nessa remessa b)determne o tamanho de amostra necessáro para se calcular a vda útl méda, em uma margem de ± 20 horas, com 95% de confança 1)Fo feta uma pesqusa para se determnar a dade méda de um consumdor de certo produto Numa amostra de 53 consumdores obteve-se X =3,21 anos e s = 14,7 anos Testar se a dade méda do consumdor é superor a 37 anos Estatístca Exemplos Profª Raquel Cymrot
EXEMPLOS DO CURSO DE ESTATÍSTICA ENGENHARIA DE MATERIAIS
EEMPLOS DO CURSO DE ESTATÍSTICA ENGENHARIA DE MATERIAIS Exemplo: Peso de 25 bolos ndustras Forma bruta: Dsposção ordenada 266 267 266 26 22 255 266 26 272 22 260 272 25 262 23 25 266 270 274 22 2 270 20
Leia maisExemplo de aplicação da distribuição Binomial e da distribuição de Poisson: (normas da ABTN)
EXEMPLOS Exemplo de aplicação da distribuição Binomial e da distribuição de Poisson: (normas da ABTN) É dada a tabela de escolha do código de amostra em função do tamanho do lote e do nível de inspeção
Leia maisEventos coletivamente exaustivos: A união dos eventos é o espaço amostral.
DEFINIÇÕES ADICIONAIS: PROBABILIDADE Espaço amostral (Ω) é o conjunto de todos os possíves resultados de um expermento. Evento é qualquer subconjunto do espaço amostral. Evento combnado: Possu duas ou
Leia maisEstatística I Licenciatura MAEG 2006/07
Estatístca I Lcencatura MAEG 006/07 AMOSTRAGEM. DISTRIBUIÇÕES POR AMOSTRAGEM.. Em determnada unversdade verfca-se que 30% dos alunos têm carro. Seleccona-se uma amostra casual smples de 0 alunos. a) Qual
Leia maisEXERCÍCIOS SUPLEMENTARES
PROBABILIDADES E ESTATÍSTICA PROBABILIDADES E ESTATÍSTICA I EXERCÍCIOS SUPLEMENTARES Secção de Estatístca e Aplcações Departamento de Matemátca Insttuto Superor Técnco 2004/2005 Adenda A1. De um lote de
Leia maisPROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2010/2011
Instruções: PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 00/0 Cada uestão respondda corretamente vale (um) ponto. Cada uestão respondda ncorretamente vale - (menos um) ponto. Cada uestão
Leia mais4 Critérios para Avaliação dos Cenários
Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada
Leia maisCONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues
CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogéro Rodrgues I) TABELA PRIMITIVA E DISTRIBUIÇÃO DE FREQÜÊNCIA : No processo de amostragem, a forma de regstro mas
Leia maisNome: Nº: Estatística para Economia e Gestão Licenciaturas em Economia e Gestão. 2.º Semestre de 2008/2009
Estatístca para Economa e Gestão Lcencaturas em Economa e Gestão.º Semestre de 008/009 Exame Fnal (.ª Época) 16 de Junho de 009; 17h30m Duração: 10 mnutos INSTRUÇÕES Escreva o nome e número de aluno em
Leia maisBC0406 Introdução à Probabilidade e à Estatística Lista de Exercícios Suplementares 3 3 quadrimestre 2011
BC0406 Introdução à Probabldade e à Estatístca Lsta de Eercícos Suplementares novembro 0 BC0406 Introdução à Probabldade e à Estatístca Lsta de Eercícos Suplementares quadrmestre 0 Além destes eercícos,
Leia mais2. VARIÁVEIS ALEATÓRIAS
VARIÁVEIS ALEATÓRIAS 0 Varável aleatóra Ω é o espaço amostral de um epermento aleatóro Uma varável aleatóra é uma função que atrbu um número real a cada resultado em Ω Eemplo Retra- ao acaso um tem produzdo
Leia maisCapítulo 2 Estatística Descritiva Continuação. Prof. Fabrício Maciel Gomes
Capítulo Estatístca Descrtva Contnuação Prof. Fabríco Macel Gomes Problema Uma peça após fundda sob pressão a alta temperatura recebe um furo com dâmetro especfcado em 1,00 mm e tolerânca de 0,5 mm: (11,75
Leia maisGráficos de Controle para Processos Autocorrelacionados
Gráfcos de Controle para Processos Autocorrelaconados Gráfco de controle de Shewhart: observações ndependentes e normalmente dstrbuídas. Shewhart ao crar os gráfcos de controle não exgu que os dados fossem
Leia maisMOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES
MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES 1. Obtenha os estmadores dos coefcentes lnear e angular de um modelo de regressão lnear smples utlzando o método
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
Leia maisCAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA
CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de
Leia maisAula Características dos sistemas de medição
Aula - Característcas dos sstemas de medção O comportamento funconal de um sstema de medção é descrto pelas suas característcas (parâmetros) operaconas e metrológcas. Aqu é defnda e analsada uma sére destes
Leia maisUNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)
UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
Leia maisEstatística. 8 Teste de Aderência. UNESP FEG DPD Prof. Edgard
Estatístca 8 Teste de Aderênca UNESP FEG DPD Prof. Edgard 011 8-1 Teste de Aderênca IDÉIA: descobrr qual é a Dstrbução de uma Varável Aleatóra X, a partr de uma amostra: {X 1, X,..., X n } Problema: Seja
Leia maisOs modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.
MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
Leia mais8 - Medidas Descritivas
8 - Meddas Descrtvas 8. Introdução Ao descrevemos um conjunto de dados por meo de tabelas e gráfcos temos muto mas nformações sobre o comportamento de uma varável do que a própra sére orgnal de dados.
Leia mais4.1 Modelagem dos Resultados Considerando Sazonalização
30 4 METODOLOGIA 4.1 Modelagem dos Resultados Consderando Sazonalzação A sazonalzação da quantdade de energa assegurada versus a quantdade contratada unforme, em contratos de fornecmento de energa elétrca,
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
Leia maisCurso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos
Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,
Leia maisUniversidade da Beira Interior Departamento de Matemática. Ficha de exercícios nº2: Distribuições Bidimensionais
Ano lectvo: 2006/2007 Unversdade da Bera Interor Departamento de Matemátca ESTATÍSTICA Fcha de exercícos nº2: Dstrbuções Bdmensonas Curso: Cêncas do Desporto 1. Consdere a segunte tabela de contngênca:
Leia maisINTRODUÇÃO À PROBABILIDADE. A probabilidade é uma medida da incerteza dos fenômenos. Traduz-se por um número real compreendido de 0 ( zero) e 1 ( um).
INTRODUÇÃO À PROILIDDE teora das probabldade nada mas é do que o bom senso transformado em cálculo probabldade é o suporte para os estudos de estatístca e expermentação. Exemplos: O problema da concdênca
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisLista de Exercícios. 2 Considere o número de aparelhos com defeito na empresa Garra durante 50 dias.
Classque as varáves: Faculdade Ptágoras / Dvnópols-MG Curso: Pscologa Dscplna: Estatístca Aplcada à Pscologa Lsta de Eercícos a) número de peças produzdas por hora; b) dâmetro eterno da peça; c) número
Leia maisTestes não-paramétricos
Testes não-paramétrcos Prof. Lorí Val, Dr. http://www.mat.ufrgs.br/val/ val@mat.ufrgs.br Um teste não paramétrco testa outras stuações que não parâmetros populaconas. Estas stuações podem ser relaconamentos,
Leia maisDEFINIÇÃO - MODELO LINEAR GENERALIZADO
DEFINIÇÃO - MODELO LINEAR GENERALIZADO 1 Um modelo lnear generalzado é defndo pelos seguntes três componentes: Componente aleatóro; Componente sstemátco; Função de lgação; Componente aleatóro: Um conjunto
Leia maisX = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)
Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca
Leia maisEletroquímica 2017/3. Professores: Renato Camargo Matos Hélio Ferreira dos Santos.
Eletroquímca 2017/3 Professores: Renato Camargo Matos Hélo Ferrera dos Santos http://www.ufjf.br/nups/ Data Conteúdo 07/08 Estatístca aplcada à Químca Analítca Parte 2 14/08 Introdução à eletroquímca 21/08
Leia maisCAPÍTULO 2 - Estatística Descritiva
INF 16 Prof. Luz Alexandre Peternell CAPÍTULO - Estatístca Descrtva Exercícos Propostos 1) Consderando os dados amostras abaxo, calcular: méda artmétca, varânca, desvo padrão, erro padrão da méda e coefcente
Leia maisFísica C Intensivo V. 2
Físca C Intensvo V Exercícos 01) C De acordo com as propredades de assocação de resstores em sére, temos: V AC = V AB = V BC e AC = AB = BC Então, calculando a corrente elétrca equvalente, temos: VAC 6
Leia maisMedidas de Tendência Central. Prof.: Ademilson Teixeira
Meddas de Tendênca Central Prof.: Ademlson Texera ademlson.texera@fsc.edu.br 1 Servem para descrever característcas báscas de um estudo com dados quanttatvos e comparar resultados. Meddas de Tendênca Central
Leia mais1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de
Leia maisPrograma de Certificação de Medidas de um laboratório
Programa de Certfcação de Meddas de um laboratóro Tratamento de dados Elmnação de dervas Programa de calbração entre laboratóros Programa nterno de calbração justes de meddas a curvas Tratamento dos resultados
Leia maisTESTE DO QUI-QUADRADO - Ajustamento
Exemplo 3: Avalar se uma moeda ou um dado é honesto; Em 100 lances de moeda, observaram-se 65 coroas e 35 caras. Testar se a moeda é honesta. 1 H 0 : a moeda é honesta; H 1 : a moeda não é honesta; 2 α
Leia maisCap. 11 Correlação e Regressão
Estatístca para Cursos de Engenhara e Informátca Pedro Alberto Barbetta / Marcelo Menezes Res / Antono Cezar Borna São Paulo: Atlas, 2004 Cap. 11 Correlação e Regressão APOIO: Fundação de Apoo à Pesqusa
Leia maisESTATÍSTICA APLICADA II ANO LECTIVO 2011/2012. Exame Final 26 de Julho de 2012
ETATÍTICA APLICADA II ANO LECTIVO / Exame Fnal 6 de Julho de Duração : H 3 M Nota: Responder um grupo por folha (utlze frente e verso de cada folha) Em todas as questões apresentar os cálculos efectuados
Leia maisAnálise de Regressão Linear Múltipla IV
Análse de Regressão Lnear Múltpla IV Aula 7 Guarat e Porter, 11 Capítulos 7 e 8 He et al., 4 Capítulo 3 Exemplo Tomando por base o modelo salaro 1educ anosemp exp prev log 3 a senhorta Jole, gerente do
Leia mais2ª Atividade Formativa UC ECS
I. Explque quando é que a méda conduz a melhores resultados que a medana. Dê um exemplo para a melhor utlzação de cada uma das meddas de localzação (Exame 01/09/2009). II. Suponha que um professor fez
Leia maisEstatística II Antonio Roque Aula 18. Regressão Linear
Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão
Leia maisFAAP APRESENTAÇÃO (1)
ARESENTAÇÃO A Estatístca é uma cênca que organza, resume e smplfca nformações, além de analsá-las e nterpretá-las. odemos dvdr a Estatístca em três grandes campos:. Estatístca Descrtva- organza, resume,
Leia maisExercícios. Utilizando um novo critério, essa banca avaliadora resolveu descartar a maior e a menor notas atribuídas ao professor.
Estatístca Exercícos 1. (Enem 013) Fo realzado um levantamento nos 00 hotés de uma cdade, no qual foram anotados os valores, em reas, das dáras para um quarto padrão de casal e a quantdade de hotés para
Leia mais3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas
3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional. ou experimental.
Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~vall/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal http://www.mat.ufrgs.br/~vall/ ou expermental. Numa relação
Leia maisUNIVERSIDADE NOVA DE LISBOA Faculdade de Economia Análise de Dados e Probabilidade 2º Semestre 2008/2009 Exame Final 1ª Época. Grupo I (4 Valores)
UNIVERSIDADE NOVA DE LISBOA Faculdade de Economa Análse de Dados e Probabldade º Semestre 008/009 Exame Fnal ª Época Clara Costa Duarte Data: 8/05/009 Graça Slva Duração: h0 Grupo I (4 Valores) A gelatara
Leia mais2 Incerteza de medição
2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr
Leia maisCapítulo 1. Exercício 5. Capítulo 2 Exercício
UNIVERSIDADE FEDERAL DE GOIÁS CIÊNCIAS ECONÔMICAS ECONOMETRIA (04-II) PRIMEIRA LISTA DE EXERCÍCIOS Exercícos do Gujarat Exercíco 5 Capítulo Capítulo Exercíco 3 4 5 7 0 5 Capítulo 3 As duas prmeras demonstrações
Leia mais3. Estatística descritiva bidimensional
3. Estatístca descrtva bdmensonal (Tabelas, Gráfcos e números) Análse bvarada (ou bdmensonal): avala o comportamento de uma varável em função da outra, por exemplo: Quantas TV Phlps são venddas na regão
Leia maisAlgarismos Significativos Propagação de Erros ou Desvios
Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento
Leia mais1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 011 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de
Leia maisPRESSUPOSTOS DO MODELO DE REGRESSÃO
PREUPOTO DO MODELO DE REGREÃO A aplcação do modelo de regressão lnear múltpla (bem como da smples) pressupõe a verfcação de alguns pressupostos que condensamos segudamente.. Os erros E são varáves aleatóras
Leia mais7 - Distribuição de Freqüências
7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste
Leia maisExperiência V (aulas 08 e 09) Curvas características
Experênca (aulas 08 e 09) Curvas característcas 1. Objetvos 2. Introdução 3. Procedmento expermental 4. Análse de dados 5. Referêncas 1. Objetvos Como no expermento anteror, remos estudar a adequação de
Leia maisAssociação entre duas variáveis quantitativas
Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa
Leia maisParte 1: Exercícios Teóricos
Cálculo Numérco SME0300 ICMC-USP Lsta 2: Sstemas Lneares Métodos Dretos Professora: Cyntha de O. Lage Ferrera Parte 1: Exercícos Teórcos 1. Consdere o sstema Ax = b, onde 1 α 3 α 1 4 ; x = 5 2 1 Para que
Leia maisCEL033 Circuitos Lineares I
Aula 4/3/22 CEL33 Crcutos Lneares I NR- vo.junor@ufjf.edu.br Assocação Bpolos Assocação de Bpolos Assocação em Sére Elementos estão conectados em sére se são percorrdos pela mesma corrente. Assocação em
Leia maisAEP FISCAL ESTATÍSTICA
AEP FISCAL ESTATÍSTICA Módulo 11: Varáves Aleatóras (webercampos@gmal.com) VARIÁVEIS ALEATÓRIAS 1. Conceto de Varáves Aleatóras Exemplo: O expermento consste no lançamento de duas moedas: X: nº de caras
Leia maisUNIVERSIDADE NOVA DE LISBOA Faculdade de Economia Análise de Dados e Probabilidade 2º Semestre 2008/2009 Teste Intermédio A. Grupo I (5 Valores)
1 UNIVERIDADE NOVA DE LIBOA Faculdade de Economa Análse de Dados e Probabldade º emestre 008/009 Teste Intermédo A Clara Costa Duarte Data: 01/04/009 Graça lva Duração: 1h Grupo I (5 Valores) uponha que
Leia maisEstatística Aplicada II CORRELAÇÃO. AULA 21 07/11/16 Prof a Lilian M. Lima Cunha
09//06 Estatístca Aplcada II CORRELAÇÃO AULA 07//6 Prof a Llan M. Lma Cunha CORRELAÇÃO: Identfcar a estênca ou não de assocação lnear entre varáves: -Preço de um produto em regões; -Frete e Km percorrdo;
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRGS Insttuto de Matemátca
Leia maisAvaliação do Modelo. Avaliação de Modelos. Métricas para avaliação de desempenho. Métricas para avaliação de desempenho 31/05/2017
3/05/07 Avalação do Modelo Avalação de Modelos Métrcas para avalação de desempenho Como avalar o desempenho do modelo? Métodos para avalação de desempenho Como obter estmatvas confáves? Métodos para comparação
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ Em mutas stuações duas ou mas varáves estão relaconadas e surge então a necessdade de determnar a natureza deste relaconamento. A análse
Leia mais3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo
3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas
Leia maisEletrotécnica AULA Nº 1 Introdução
Eletrotécnca UL Nº Introdução INTRODUÇÃO PRODUÇÃO DE ENERGI ELÉTRIC GERDOR ESTÇÃO ELEVDOR Lnha de Transmssão ESTÇÃO IXDOR Equpamentos Elétrcos Crcuto Elétrco: camnho percorrdo por uma corrente elétrca
Leia maisResponda às questões utilizando técnicas adequadas à solução de problemas de grande dimensão.
Departamento de Produção e Sstemas Complementos de Investgação Operaconal Exame Época Normal, 1ª Chamada 11 de Janero de 2006 Responda às questões utlzando técncas adequadas à solução de problemas de grande
Leia mais(c) 0,5; 9,5; -10,5; -0,5; 12,3; 2,3; etc. Ocorre desvio alto para o indivíduo 19 (-19,5) X (idade da casa)
Bussab&Morettn Estatístca Básca Capítulo 6 Problema zˆ,5, 55x αˆ : a acudade vsual méda estmada para recém-nascdos (zero anos de dade) é,5; βˆ : a acudade vsual méda estmada dmnu,55 a cada ano,5; 9,5;
Leia maisIntrodução às Medidas em Física a Aula
Introdução às Meddas em Físca 4300152 8 a Aula Objetvos: Experênca Curvas Característcas Meddas de grandezas elétrcas: Estudar curvas característcas de elementos resstvos Utlzação de um multímetro Influênca
Leia mais1 Introdução 12 Potência e Efeito Joule. 3 1ª Lei de Ohm 14 Divisão de correntes (nós) 4 Resistor ôhmico 15 Associação em série
1 Introdução 12 Potênca e Efeto Joule 2 epresentação de um resstor 13 Assocação de resstores (ntrodução) 3 1ª Le de Ohm 14 Dvsão de correntes (nós) 4 esstor ôhmco 15 Assocação em sére 5 esstor não-ôhmco
Leia mais6 Análises de probabilidade de ruptura de um talude
6 Análses de probabldade de ruptura de um talude 6.. Introdução No presente capítulo, apresentam-se prevsões de probabldades de ruptura para o talude de jusante da Barragem de Benguê mostrada na fgura
Leia maisPROBABILIDADE. 3) Jogando-se dois dados, qual a probabilidade de que a soma dos pontos obtidos seja menor que 4?
Segmento: ENSINO MÉDIO Dscplna: MATEMÁTICA Tpo de Atvdade: LISTA DE EXERCÍCIOS Prof. Marcelo 06/2016 Turma: 3 A PROBABILIDADE 1) No lançamento de um dado, determnar a probabldade de se obter: a) o número
Leia maisCURSO de ESTATÍSTICA Gabarito
UNIVERSIDADE FEDERAL FLUMINENSE TRANSFERÊNCIA o semestre letvo de 010 e 1 o semestre letvo de 011 CURSO de ESTATÍSTICA Gabarto INSTRUÇÕES AO CANDIDATO Verfque se este caderno contém: PROVA DE REDAÇÃO com
Leia mais1. CORRELAÇÃO E REGRESSÃO LINEAR
1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação
Leia maisQ 1-1,5(Q3-Q1) < X i < Q 3 + 1,5(Q 3 -Q 1 ) Q 3 +1,5(Q 3 -Q 1 ) < X i < Q 3 +3(Q 3 -Q 1 ) Q 1 3(Q 3 -Q 1 ) < X i < Q 1 1,5(Q 3 -Q 1 )
DIGRM OX-PLOT E CRCTERIZÇÃO DE OUTLIERS E VLORES EXTREMOS Outlers e valores extremos são aqueles que estão muto afastados do centro da dstrbução. Uma forma de caracterzá-los é através do desenho esquemátco
Leia maisREGRESSÃO NÃO LINEAR 27/06/2017
7/06/07 REGRESSÃO NÃO LINEAR CUIABÁ, MT 07/ Os modelos de regressão não lnear dferencam-se dos modelos lneares, tanto smples como múltplos, pelo fato de suas varáves ndependentes não estarem separados
Leia maisINSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO
Área Centfca Curso Matemátca Engenhara Electrotécnca º Semestre º 00/0 Fcha nº 9. Um artgo da revsta Wear (99) apresenta dados relatvos à vscosdade do óleo e ao desgaste do aço maco. A relação entre estas
Leia maisElementos de Estatística e Probabilidades II
Elementos de Estatístca e Probabldades II Varáves e Vetores Aleatóros dscretos Inês Das 203 O prncpal objetvo da deste documento é fornecer conhecmentos báscos de varáves aleatóras dscretas e pares aleatóros
Leia mais3 A técnica de computação intensiva Bootstrap
A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.
Leia maisMEDIDAS DE TENDÊNCIA CENTRAL
3.1- Introdução. ESTATÍSTICA MEDIDAS DE TENDÊNCIA CENTRAL Como na representação tabular e gráfca dos dados a Estatístca Descrtva consste num conjunto de métodos que ensnam a reduzr uma quantdade de dados
Leia maisProf. Antônio Carlos Fontes dos Santos. Aula 1: Divisores de tensão e Resistência interna de uma fonte de tensão
IF-UFRJ Elementos de Eletrônca Analógca Prof. Antôno Carlos Fontes dos Santos FIW362 Mestrado Profssonal em Ensno de Físca Aula 1: Dvsores de tensão e Resstênca nterna de uma fonte de tensão Este materal
Leia maisAplicação de um modelo simulado na formação de fábricas
Aplcação de um modelo smulado na formação de fábrcas Márca Gonçalves Pzaa (UFOP) pzaa@ldapalm.com.br Rubson Rocha (UFSC) rubsonrocha@eps.ufsc.br Resumo O objetvo deste estudo é determnar a necessdade de
Leia maisTeoria Elementar da Probabilidade
10 Teora Elementar da Probabldade MODELOS MATEMÁTICOS DETERMINÍSTICOS PROBABILÍSTICOS PROCESSO (FENÓMENO) ALEATÓRIO - Quando o acaso nterfere na ocorrênca de um ou mas dos resultados nos quas tal processo
Leia maisCORRELAÇÃO E REGRESSÃO
CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr
Leia maisR X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais
30 Varáves aleatóras bdmensonas Sea ε uma experênca aleatóra e S um espaço amostral assocado a essa experênca. Seam X X(s) e Y Y(s) duas funções cada uma assocando um número real a cada resultado s S.
Leia maisDissertação de Mestrado
Dssertação de Mestrado O Modelo Paramétrco de Webull B-varado Para Modelagem de Dados com Censura Intervalar Por Fernanda Carla Álvares Das Dnz Orentadora Marta Afonso Fretas Belo Horzonte, 9 de outubro
Leia maisPROBABILIDADE - CONCEITOS BÁSICOS
ROBBILIDD - CONCITOS BÁSICOS xpermento leatóro é um expermento no qual: todos os possíves resultados são conhecdos; resulta num valor desconhecdo, dentre todos os resultados possíves; pode ser repetdo
Leia maisGABARITO. Física C 11) 42. Potencial no equilíbrio
GBITO Físca C Semextensvo V. Exercícos 0) 45 0. O campo elétrco no nteror de um condutor eletrzado é nulo. Se o campo não fosse nulo no nteror do condutor eletrzado esse campo exercera uma força sobre
Leia maisVariação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.
Aplcação Por exemplo, se prepararmos uma área expermental com todo cudado possível e fzermos, manualmente, o planto de 100 sementes seleconadas de um mlho híbrdo, cudando para que as sementes fquem na
Leia maisCARGA E DESCARGA DE UM CAPACITOR
EXPEIÊNCIA 06 CAGA E DESCAGA DE UM CAPACITO 1. OBJETIVOS a) Levantar, em um crcuto C, curvas de tensão no resstor e no capactor em função do tempo, durante a carga do capactor. b) Levantar, no mesmo crcuto
Leia maisESTATÍSTICA. PROBABILIDADES Professora Rosana Relva Números Inteiros AULA e Racionais 09 e 10 ESTATÍSTICA. Professor Luiz Antonio de Carvalho
Professor Luz Antono de Carvalho PROBABILIDADES Professora Rosana Relva Números Interos AULA e Raconas 9 e APRESENTAÇÃO ROL:,,, 4, 4,,, DISCRETA : rrelva@globo.com PROGRESSÃO ARITMÉTICA PROGRESSÃO ARITMÉTICA
Leia maisAs leis de Kirchhoff. Capítulo
UNI apítulo 11 s les de Krchhoff s les de Krchhoff são utlzadas para determnar as ntensdades de corrente elétrca em crcutos que não podem ser convertdos em crcutos smples. S empre que um crcuto não pode
Leia maisÍNDICE DE CONSISTÊNCIA TEMPORAL: UM NOVO MÉTODO PARA AVALIAÇÃO DA ESTABILIDADE TEMPORAL DE ARMAZENAMENTO DE ÁGUA NO SOLO
Anas Eletrônco ÍNDICE DE CONSISTÊNCIA TEMPORAL: UM NOVO MÉTODO PARA AVALIAÇÃO DA ESTABILIDADE TEMPORAL DE ARMAZENAMENTO DE ÁGUA NO SOLO Anderson Takash Hara, Heraldo Takao Hashgut, Antôno Carlos Andrade
Leia mais