X Oktoberfórum PPGEQ

Tamanho: px
Começar a partir da página:

Download "X Oktoberfórum PPGEQ"

Transcrição

1 UNIVESIDADE FEDEAL DO IO GANDE DO SUL Semáro do Programa de Pós-Graduação em Egehara Químca X Oktoberfórum PPGEQ 04 a 07 de outubro de 2011 DETEMINAÇÃO DE CUVAS DE OPEAÇÃO DE COLUNAS DE DESTILAÇÃO BASEADAS NA ENEGIA EQUEIDA Gustavo H. Müller, Jorge O. Trerweler, Pedro. Ferades Grupo de Itesfcação, Modelagem, Smulação, Cotrole e Otmzação de Processos (GIMSCOP) Departameto de Egehara Químca, Uversdade Federal do o Grade do Sul (UFGS). Eg. Lus Eglert, s/. Campus Cetral. CEP: Porto Alegre - S - BASIL, ggmuller@gmal.com, jorge@eq.ufrgs.br, pedro@eq.ufrgs.br esumo: Com a expasão dos mercados ocorrda os últmos aos é cada vez mportate reduzr os custos operacoas dos processos produtvos. Quado estes custos estão assocados à possbldade de redução do cosumo de eerga, e coseqüete dmução do mpacto ambetal, esta ecooma é ada mas mportate. Este trabalho apreseta uma ova metodologa para a determação de curvas de operação de coluas de destlação. Estas curvas são baseadas a eerga requerda para alcaçar determado grau de separação em uma torre com úmero fto de pratos. A partr de uma smulação estacoára da colua, a eerga teórca para uma separação especfcada é mapeada para dferetes composções de carga. Após a geração dos dados smulados, curvas de operação do tpo Q /F = Q /F(z, x esp ) são levatadas e ajustadas. Este procedmeto é aplcado em um caso real em uma colua BTX (bezeo, tolueo e xleo). Neste caso o modelo ecotrado apresetou grade cocordâca com os dados smulados com 2 da ordem de 0,997. As codções de operação resultates do cálculo foram valdadas com dados do processo. Com relação à operação orgal da udade, sera possível aumetar em cerca de 20% a efcêca eergétca matedo os produtos especfcados. Palavras-chave: destlação, curvas de operação, efcêca eergétca, BTX 1. Itrodução Estma-se que a destlação seja utlzada em 95% dos processos de separação de msturas líqudas (ENGELIEN & SKOGESTAD, 2005). Apeas os EUA, segudo LUCIA & MCCALLUM (2009), exstem cerca de 40 ml torres de destlação em operação. Segudo KISTE (1992), esta preferêca deve-se a razões cétcas e termodâmcas. Do poto de vsta cétco, a destlação garate elevadas taxas de trasferêca de massa mesmo a preseça de ertes e com sso, meores vestmetos são ecessáros. Com relação à termodâmca, a efcêca da destlação é da ordem de 10%, que é relatvamete alta quado comparado com outros processos. Outra característca que favorece este processo é o fato de que em uma destlação qualquer grau de pureza pode ser obtdo a partr de uma quatdade fxa de eerga aumetado-se o úmero de estágos de equlíbro (HALVOSEN & SKOSGESTAD, 2000). A vasta utlzação destes processos tora a destlação uma das operações que mas demadam eerga etre os processos químcos. Segudo ENGELIEN & SKOGESTAD, (2005) cerca de 3% da eerga cosumda o mudo está assocada à destlação. Em refaras, segudo estudo publcado pela assocação orte amercaa ENEGY STA em 2005 (WOEL & GALITSKY, 2005), cerca de 50% do custo operacoal está assocada ao forecmeto de eerga. Este gua afrma também ser possível aumetar a efcêca eergétca de refaras etre 10 e 20%. Neste cotexto, cotrolar e otmzar a efcêca eergétca dos processos com este tpo de separação é uma excelete alteratva para reduzr custos e evtar o desperdíco. Com esta prátca é possível ada reduzr as emssões atmosfércas assocadas à quema de combustível, e aumetar a carga processada, uma vez que a possbldade de udação é reduzda com a dmução dos fluxos teros das torres. Mesmo sedo uma tecologa madura, ovas cofgurações de torres de destlação têm sdo propostas as últmas duas décadas para aumetar a efcêca, aproxmado a destlação de um processo reversível, e reduzr os custos de mplemetação e de operação. HALVOSEN & SKOGESTAD (2011) ctam como exemplo de cofguração alteratva cosoldada a colua de paredes dvddas (dvdg wall colums DWC). Segudo estes autores, por utlzar vazões teras meores, meos calor é ecessáro para garatr a separação, atgdo uma ecooma que chega a 30%. Em torres que estão em operação, mutas vezes a alteração do projeto tora-se vável e é possível aumetar a ecooma a partr da otmzação da efcêca

2 X Oktoberfórum PPGEQ 2 eergétca. Para sso a eerga utlzada pode ser comparada com um valor ótmo, ou de referêca, requerdo para realzar a separação da carga os produtos de teresse. Neste caso a codção atual do processo é medda pelo cosumo de utldades, e o valor de referêca pode ser obtdo faclmete va codções de projeto ou ada em uma codção eergétca hstórca de operação ótma do processo. Outra opção para obteção da referêca é a utlzação de correlações teórcas para o cálculo da eerga requerda. Este trabalho apreseta uma alteratva híbrda para o cálculo dos valores de referêca para o cosumo ótmo de eerga e determação de curvas de operação. Este método é baseado a eerga teórca para alcaçar a especfcação de produto em uma colua de destlação. Para obteção destas curvas, uma smulação estacoára mplemetada em ASPEN, e valdada com dados de processo, é utlzada. A fm de mapear a eerga requerda, dferetes codções de carga e especfcação do produto são utlzadas e para cada poto, a eerga requerda é calculada. Estes potos são etão ajustados por uma curva do tpo Q /F = Q /F(z, x esp ). A aplcação desta metodologa em um caso real demostra o potecal. Estas curvas de operação podem ser utlzadas em dversas estratégas de cotrole avaçado para otmzar o cosumo eergétco em um processo de separação. 2. Cocetos Báscos de Coluas de Destlação A destlação é um processo físco de separação de uma mstura em dos ou mas produtos que possuem dferetes volatldades relatvas. Para que a separação possa ser alcaçada, uma grade quatdade de eerga é requerda para vaporzação da correte almetada, o fudo da colua, e para a codesação o topo. A estrutura de uma colua tradcoal é apresetada a Fgura 1. O vapor gerado o refervedor percorre a colua rumo ao topo movdo pelo dferecal de pressão, equato que o líqudo codesado o topo é coduzdo ao fudo pela força da gravdade. Em cada estágo da colua, ocorre o cotato ítmo etre o líqudo que escoa pela superfíce do prato ates de segur para o estágo segute, e o vapor orudo do prato feror. À medda que estas corretes etram em cotato em cada um dos pratos, o vapor é erquecdo o compoete mas leve e o líqudo a fração mas pesada da mstura. No topo da colua o vapor erquecdo passa através de um codesador, que pode ser parcal ou total depededo do tpo de destlação, ates de ser parcalmete recuperado como destlado. O codesado que ão é removdo retora à colua como refluxo. No fudo da torre, o líqudo rco em compoetes pesados é parcalmete recuperado como produto de fudo. Nesta seção parte do líqudo é coduzdo ao refervedor ode recebe eerga e retora à torre como vapor. Etre estes extremos é almetada a carga da torre, que é medatamete corporada às corretes depededo da sua fase. Em uma destlação multcompoete as frações termedáras etre o compoete mas pesado e o mas leve estarão dstrbuídas etre os produtos de topo e fudo. Neste tpo de destlação ocorre a separação de dos compoetes chave prcpas, um leve e um pesado. O produto de topo será composto pelo compoete chave leve e as frações mas leves da carga, equato que o produto de fudo será composto pelo compoete chave pesado e as frações mas pesadas da carga. Depededo do tpo dos compoetes evolvdos, pode haver a também a dstrbução dos compoetes leves o fudo e pesados o topo da colua. O cálculo de coluas de destlação passa pela resolução de um grupo de equações ormalmete a partr da caracterzação da carga, defção do úmero de estágos e perfl de pressão da torre. Estas equações defem os balaços de massa e eerga, e a composção dos produtos. Carga F,z,q 1 2 N F N-1 N V 1 L N L 0 L N+1 Q C Produto de Topo D, x D Q Produto de Fudo B, x B Fgura 1. epresetação de uma colua geérca com N pratos e N+2 estágos de equlíbro. Equlíbro líqudo vapor O equlíbro líqudo vapor é o poto cetral da teora da destlação. Para que duas fases estejam em equlíbro o potecal químco de um compoete deve ser o mesmo em ambas as fases. Em um sstema deal, as composções das fases líquda e vapor são relacoada pela le de aoult, equação 1. Para sstemas ão deas, a pressão a fase vapor é poderada pelo coefcete de fugacdade, equato que o efeto de mstura a fase líquda é levado em cota pelo coefcete de atvdade, equação 2. Normalmete a relação etre as fases é dada pela costate de equlíbro, K, a equação 3. Ela é uma fução da temperatura, pressão e composção da mstura. No equlíbro, de acordo com a regra de fases de Gbbs, quado duas destas varáves são fxadas, a tercera é calculada dretamete, ou seja, apeas duas varáves são totalmete depedetes. Py P x (1) Py P x (2) y K K ( T, P, x, y) (3) x estrção de composção A restrção de composção lmta a soma das frações molares em cada estágo à udade tato a fase líquda, equação 4, como a fase vapor, equação 5.

3 X Oktoberfórum PPGEQ 3 C x, 0 1 C y, (4) 1 (5) Balaço Materal No estado estacoáro, o balaço de massa global dca que em cada prato a soma das vazões da carga, F, com o líqudo do prato superor, L -1, e vapor do prato feror, V +1, deve ser gual à soma das vazões de vapor e líqudo retradas deste prato, V e L, equação 6. Este balaço materal é mostrado em um estágo teórco a Fgura 2. Quado estas vazões são poderadas pelas frações molares, chega-se ao balaço materal por compoete, a equação 7. F V L V L (6) 1 1 F z V 1 y L x V y L x (7) Estas codções ão podem ser alcaçadas por cofgurações reas e servem de lmtes de projeto. Dversos métodos foram propostos para o cálculo destas codções extremas va correlações smplfcadas e rgorosas (BAHADOI & VUTHALUU, 2010), sedo que os mas cohecdos são os propostos por Uderwood para o cálculo do refluxo mímo em uma colua em codções de volatldade relatva e vazões teras costates, e por Feske para o cálculo do úmero mímo de estágos (KISTE, 1992). Número de estágos Estágos V L -1 Número mímo de estágos efluxo total F efluxo mímo Taxa de refluxo Fgura 3. elação etre taxa de refluxo e úmero de estágos (BAHADOI & VUTHALUU, 2010). V +1 Fgura 2. epresetação de um estágo teórco. Balaço de Eerga No estado estacoáro, o balaço de eerga a colua é dado pela equação 8. A soma da eerga que etra o estágo, seja pela etalpa das vazões de líqudo e vapor das corretes teras e de carga, seja pela adção ou remoção de calor, deve ser gual à etalpa retrada. A etalpa é fução da temperatura, pressão e composção da correte, coforme equação 9. H F H F, V 1HV, 1 L 1H L, 1 (8) V H L H V, L, H H( T, P, y) (9) 3. Eerga equerda Para uma dada vazão de carga, cohecdos F, z e q, e a pressão de operação da colua, exstem apeas dos graus de lberdade para uma colua com produtos de topo e fudo, como a da Fgura 1, depedete do úmero de compoetes a almetação (HALVOSEN & SKOSGESTAD, 2000). Como cosequêca, cohecedose, por exemplo, as vazões de refluxo e de vapor a colua, todos os estados em todos os estágos, clusve os produtos, são completamete determados. Como a eerga cosumda pelo processo é dada bascamete pelo cosumo de utldades o refervedor e codesador, a eerga requerda será dada pelas meores vazões de vapor e refluxo ecessáros para a separação. A Fgura 3 apreseta a relação etre a taxa de refluxo e o úmero de estágos para uma determada separação. Uma colua pode produzr a separação desejada etre os lmtes de mímo refluxo e mímo úmero de estágos. Em uma codção de mímo refluxo um úmero fto de estágos é ecessáro, equato que com refluxo total a meor quatdade possível de estágos pode ser utlzada. L Neste trabalho a eerga requerda para se efetuar a separação de uma mstura através de uma colua de dmesões cohecdas é calculada va smulação estacoára em ASPEN. Nesta ferrameta é possível realzar este cálculo va solução de um problema de otmzação com a opção Desg Specfcato. Para o mapeameto da eerga terórca, dferetes codções de carga do processo são utlzadas em um problema que deve satsfazer as restrções de composção dos produtos de topo e fudo da colua. A partr da geração de cojutos de dados, as curvas de eerga são ajustadas va mímos quadrados em fução das vazões de carga e especfcação de produto, equação 10. Como a carga térmca é fortemete depedete da vazão total almetada, a sua depedêca com a composção de carga e especfcação de produto pode ser melhor caracterzada pela equação 11. Estas curvas de operação podem ser utlzadas por dversos tpos de estratégas de cotrole avaçado para otmzar o cosumo eergétco em um processo de separação. A mesma aálse pode ser expadda com a clusão de outras varáves depedetes como o úmero de pratos, a temperatura ou etalpa da carga, pressão da colua, carga térmca do codesador, etre outras, coforme equação 12. Q Q F, x ) (10) ( z esp Q Q ( z, xesp ) F F (11) Q Q ( z, xesp, N, q, P, QC,...) F F (12) 4. Estudo de Caso A metodologa proposta fo aplcada em um caso real em uma torre de recuperação de bezeo em uma udade de fracoameto de aromátcos. Nesta torre a partr de

4 X Oktoberfórum PPGEQ 4 uma mstura de bezeo, tolueo e xleos (BTX), o bezeo é separado com uma pureza míma de 99,9% como correte lateral. A Fgura 4 mostra a torre BTX utlzada este estudo de caso. A colua BTX possu 55 pratos valvulados para a separação do bezeo do tolueo e frações mas pesadas, e opera a uma pressão pratcamete atmosférca o topo. O calor é forecdo o fudo por um refervedor que utlza vapor de alta pressão. Como a carga possu uma fração de água, a correte de topo é formada por um azeótropo etre o bezeo e a água, que são codesados e acumulados o vaso de topo. Este vaso promove a separação da fase orgâca da aquosa. A prmera fase retora para a colua como refluxo, e a água acumulada a bota do codesador retora para a udade de extração de aromátcos. A correte de produto especfcada é retrada como correte lateral da torre. BTX + água + pesados Q C Q água bezeo 99,9% tolueo, xleo e pesados Fgura 4. epresetação da colua BTX. A fração de tolueo e xleos, e outros compostos aromátcos mas pesados, são recuperados o fudo sedo evada para as torres fracoadoras de tolueo. Como a vazão de retrada de água a bota do vaso é muto pequea, pratcamete todo o bezeo vaporzado o topo da torre retora como refluxo. Para garatr a especfcação de produto de topo exste um cotrole de dferecal de temperatura etre o prato abaxo da retrada de bezeo e acma da carga. Um aumeto este dferecal dca a subda de compoetes mas pesados para o topo e este ceáro, por exemplo, o cotrolador atua reduzdo a vazão da retrada lateral e, cosequetemete, aumetado o refluxo da torre. A temperatura de fudo da torre é matda maualmete a partr da atuação do operador a vazão de vapor para o refervedor. Tato a carga como os produtos são caracterzados por cromatógrafos em lha. A smulação desta colua fo prevamete desevolvda em DUAISKI et al. (1999). A partr de uma efcêca global de 60% os 55 estágos do processo real são represetados a smulação por 33 estágos teórcos. Esta smulação utlza como o pacote termodâmco NTL que calcula coefcetes de atvdade para a fase líquda e cosdera a fase gasosa como deal. Ela fo ajustada com dados de processo para que os perfs de temperatura e as composções dos produtos a smulação apresetassem o mesmo comportameto da colua real. O comportameto dos perfs de composção e temperatura obtdos va smulação são apresetados a Fgura 5. A partr desta smulação, o cosumo requerdo de eerga fo avalado em fução da vazão de bezeo a carga. Esta varável fo alterada em uma faxa etre 0,5 e 1,5 vezes a vazão orgal do processo. O cosumo de cada ceáro fo avalado para as alterações a especfcação de bezeo o topo matedo-se fxa a sua composção o fudo. Estas composções foram alcaçadas medate varação da vazão de retrada do produto de topo, e carga térmca para o fudo. Temperature C X (mass frac) e-6 4e-6 6e-6 8e-6 1e-5 1.2e-5 1.4e-5 Block 23T01: Temperature Profle Temperature C BENZENE TOLUENE WATE Stage Fgura 5. Perfs de temperatura e composção obtdos va smulação. 5. esultados e Dscussões 5.1 Curva de operação para Q /F versus x esp A Fgura 6 mostra a eerga ecessára para atgr a especfcação de produto o topo da colua matedo-se fxa a composção da carga. Nota-se que para valores de x esp etre 0,76 e 0,995, a exgêca de eerga a torre é pratcamete lear. Para purezas mas elevadas, o comportameto tora-se altamete ão lear devdo à restrção de composção como vsto a equação 4. Esta fgura mostra, além dos potos smulados, as curvas de dferetes formatos ajustadas va redução do erro quadrátco. Nota-se que a partr de três parâmetros (p3), as curvas já capturam a tedêca dos potos. Esta formação é obtda va aálse de correlação etre os dados smulados e as curvas ajustadas. A comparação etre os dferetes formatos de curvas em fução de x esp é mostrada a Tabela 1. Mesmo a curva com três parâmetros apresetado coefcete de correlação gual a 0,977, este é um bom poto de partda para o mapeameto multvarável em fução do úmero reduzdo de parâmetros. Tabela 1. Ajuste das curvas de Q /F = Q /F(x esp ). #Parâmetros Equação 2 2 A B/( 1 x) 0, A B. x C /(1 x) 0, A B. x C /( d x) 0, A B. x C /( D E. x) 0, A B. x C. x/( D E. x) 0,9991

5 X Oktoberfórum PPGEQ 5 Q/F Tabela 3. Ajuste dos modelos Q /F = Q /F(z Bez,x esp ) #Parâmetros Equação 2 4 A B. x. w C /(1 x) D. w z 1 = 0,958 z 2 = 0,999 z 3 = 0,998 z 4 = 0,999 z 5 = 0,999 z 6 = 0,998 z 7 = 0,997 z 8 = 0,995 z 9 = 0,994 x esp Fgura 6. Dados smulados (preto) e curvas ajustadas para o calor requerdo em fução de x esp o topo. 5.2 Curva de operação para Q /F = f(z, x esp ) Depos de detfcados os formatos característcos destas curvas com apeas uma varável depedete, é possível fazer o mapeameto da superfíce de calor requerdo em fução da especfcação de produto e composção da carga. Para sso ove curvas foram geradas alterado-se a fração de bezeo a carga e matedo-se as demas costates, e varado-se a especfcação do produto de topo. Para caracterzar a superfíce de calor requerdo em fução de x esp e da carga, a curva com três parâmetros obtda aterormete fo modfcada com a clusão de um parâmetro adcoal, além da varável depedete w. A Fgura 7 apreseta os dados smulados, potos pretos, e a superfíce modelada do calor requerdo em fução de x esp, e composção de bezeo a carga (z Bez ). Esta superfíce possu uma leve ão leardade o exo z Bez erete da restrção de soma utára das frações. Os parâmetros ajustados são mostrados a Tabela 2. O modelo com quatro parâmetros caracterza bem os dados smulados como mostram os coefcetes de correlação para as ove curvas de varação carga, a Tabela 3. Com exceção da prmera curva, que correspode à meor fração de bezeo, todas as demas apresetaram coefcetes de correlação maores que 0,99 para ambos os modelos. A Fgura 8 mostra os dados smulados e o resultado do modelo para cada composção de carga. É possível observar que os resultados do modelo estão muto próxmos dos dados smulados. Avalado-se o modelo ecotrado, percebe-se que ao mater a especfcação de produto costate, codção ormal da maora dos processos reas, a eerga requerda pode ser obtda varado-se learmete com a composção de bezeo a carga. Tabela 2. Parâmetros dos modelos Q /F = Q /F(z Bez,x esp ) Parâmetro A B C D Valor 1,491E-1 4,481E-1 1,679E-5-4,881E-1 Q/F Q/F x esp Fgura 7. Calor requerdo em fução de x esp o topo e composção da carga z Bez. Dados smulados (preto) e modelo. x esp Fgura 8. Comparação etre os dados smulados (potos) e as curvas obtdas com o modelo. 5.3 Aplcação das Curvas de Operação z Bez A partr do equacoameto para o cálculo da eerga requerda, a metodologa fo aplcada para valdar as alterações as codções operacoas em uma udade real. Após alterações a fração de pesados a carga da udade, testes vsado à redução a vazão de vapor a torre BTX foram realzados. Com a redução a eerga utlzada, houve redução o grau de superespecfcação do produto de topo. Após algum período esta stuação, as codções orgas de operação foram retomadas. Maores detalhes sobre o processo e a motvação para a

6 X Oktoberfórum PPGEQ 6 alteração as codções operacoas estão dspoíves em KONELIUS (2011). Para valdar as alterações as codções do processo, as curvas de operação desevolvdas foram utlzadas para o cálculo do cosumo ótmo de eerga. A determação da efcêca operacoal para estes casos fo feta comparado-se o cosumo atual com o de referêca através da equação 13, ode eerga atual é obtda va medda de vapor o refervedor, equato que a requerda é calculada pelas curvas de operação. Qrequerdo.100% (13) Q atual A Tabela 4 apreseta o cosumo específco de eerga para as codções orgas do processo, durate a operação com meos vapor, e codção ótma calculada. Durate a operação ormal da udade, a colua de destlação operava com uma efcêca eergétca de cerca de 82%. Nesta stuação eerga era desperdçada com a superespecfcação do produto de topo. Durate a operação com meor vazão de vapor, esta efcêca aumetou para 97%, codção bastate próxma do valor ótmo calculado pela curva de operação. Cosderado-se a codção orgal de operação do processo, aplcado-se a metodologa proposta, é possível reduzr o cosumo de vapor em cerca de 20% sem trar o produto de topo da especfcação. Este gaho fo valdado a partr da operação em codções próxmas do ótmo durate um determado período. Com a utlzação das curvas de operação propostas, o ídce de efcêca pode ser utlzado de dversas formas para mater o processo o seu poto ótmo. Estratégas de cotrole avaçado podem ser utlzadas, ou estas curvas podem ser dspoblzadas dretamete o SDCD para os operadores. Como poucos parâmetros são utlzados a equação, ela pode ser faclmete ajustada com dados reas do processo. eduzdo-se o cosumo de vapor gahos faceros e ambetas, assocados à redução da quema de combustível, podem ser alcaçados. Com meos vapor, o fluxo tero da torre é reduzdo, e é possível aumetar a carga processada a torre. Além dsso é possível aumetar a vazão de produto medate a corporação de cotamates até o lmte de especfcação. Tabela 4. Efcêca Operacoal da colua BTX Codção Codção Codção Eerga orgal de teste ótma calculada Q /F (Mcal/kg) 0,154 0,131 0,127 Efcêca operacoal ( ) 6. Coclusão O mapeameto de curvas de operação baseadas em codções de eerga requerda, Q /F = Q /F(z, x esp ), mostra-se uma ótma alteratva para aumeto da efcêca eergétca em coluas de destlação. Como alterações a composção e prcpalmete a vazão de carga são freqüetes em uma udade dustral, esta metodologa tora-se partcularmete útl. Com a utlzação apeas da eerga ecessára para alcaçar a separação desejada, gahos faceros e ambetas podem ser alcaçados. A partr da redução das vazões teras, é possível aumetar a carga processada a torre. Outro beefíco é o aumeto da vazão de produto medate a corporação de cotamates até o lmte de especfcação. Como meos eerga é ecessára, as emssões atmosfércas orudas da quema de combustíves fósses também podem ser reduzdas. Como o formato destas curvas é determado a partr de smulação rgorosa, a lmtação das smplfcações dos métodos tradcoas, como úmero fto de estágos e vazões teras costates, ão é aplcada e o mapeameto é mas próxmo das codções reas da colua. Cohecedo-se o formato das curvas de operação para um determado processo, a sua valdação pode ser feta com dados dretamete do processo. Com sso é possível aplcá-las em dversas cofgurações de cotrole avaçado de processos para otmzar a utlzação da eerga e a operação de uma colua de destlação. Esta metodologa pode ser estedda levado-se em cota um maor úmero de varáves depedetes. Desta forma é possível chegar a expressões mas abragetes do tpo Q /F = Q /F(z, x esp, N, q, P, Q C,...). Estas curvas podem ser obtdas utlzado-se a mesma metodologa. 7. Agradecmetos Agradecmeto à Egehera Químca Carola Korelus pela oportudade de retomar este trabalho e aplcá-lo em um caso real. 8. eferêcas BAHADOI, A.; VUTHALUU, H. B. Smple equatos to correlate theoretcal stages ad operatg reflux fractoators. Eergy, v. 35, p , DUAISKI,. G.; FENANDES, P..; TIEWEILE, J. O.; SECCHI, A.. Beefícos da Aplcação de Téccas de Cotrole Avaçado à Udade de Aromátcos. I: II ENPOME, 1999, ENPOME, 1999, Floraópols, Aas. ENGELIEN, H. K.; SKOGESTAD, S. Mmum Eergy Dagrams for Multeffect Dstllato Arragemets. AIChE, v. 51, p , HALVOSEN, I. J.; SKOGESTAD, S. DISTILLATION Theory Of Dstllato, I: WILSON, I. Ecyclopeda of Separato Scece, 1ª ed, Academc Press, Oxford, HALVOSEN, I. J.; SKOGESTAD, S. Eergy Effcet Dstllato. Joural of Natural Gas Scece & Egeerg, v. 3, p , KISTE, H. Z. Dstllato Desg. 1ª ed., McGraw-Hll, KONELIUS, C. F. Estudo de Estratégas de Cotrole e da Efcêca Operacoal de uma Colua de Destlação de Bezeo. Trabalho de Coclusão de Curso, UFGS,

7 X Oktoberfórum PPGEQ 7 Porto Alegre, S, Brasl, LUCIA, A.; MCCALLUM, B.. Eergy targetg ad mmum eergy dstllato colum sequeces. Computers ad Chemcal Egeerg, v. 34, p , WOEL, E.; GALITSKY, C. Eergy Effcecy Improvemet ad Cost Savg Opportutes For Petroleum eferes A ENEGY STA Gude for Eergy ad Plat Maagers, 2005.

II. Propriedades Termodinâmicas de Soluções

II. Propriedades Termodinâmicas de Soluções II. Propredades Termodâmcas de Soluções 1 I. Propredades Termodâmcas de Fludos OBJETIVOS Eteder a dfereça etre propredade molar parcal e propredade de uma espéce pura Saber utlzar a equação de Gbbs-Duhem

Leia mais

Potenciais termodinâmicos, critérios de espontaneidade e condições de equilíbrio

Potenciais termodinâmicos, critérios de espontaneidade e condições de equilíbrio Potecas termodâmcos crtéros de espotaedade e codções de equlíbro O Prcípo da Etropa Máxma váldo para um sstema solado estabelece um crtéro para determarmos o setdo em que ocorrem os processos de forma

Leia mais

MEDIDAS DE TENDÊNCIA CENTRAL I

MEDIDAS DE TENDÊNCIA CENTRAL I Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, edca Veterára, uscoterapa, Odotologa, Pscologa EDIDAS DE TENDÊNCIA CENTRAL I 7 7. EDIDAS DE

Leia mais

8 Programação linear 78

8 Programação linear 78 8 Programação lear 78 8 Programação lear A programação lear cosderou duas fuções objetvo: (a) maxmzação da comercalzação do gás e (b) mmzação das perdas (recetas e multas cotratuas). Foram dealzados dos

Leia mais

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1.

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1. Iterpolação Iterpolação é um método que permte costrur um ovo cojuto de dados a partr de um cojuto dscreto de dados potuas cohecdos. Em egehara e cêcas, dspõese habtualmete de dados potuas, obtdos a partr

Leia mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental.

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental. É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou Prof. Lorí Val, Dr. val@mat.ufrgs.r http://www.mat.ufrgs.r/~val/ expermetal. Numa relação expermetal os valores de uma das varáves

Leia mais

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12 MEDIDAS DE POSIÇÃO: São meddas que possbltam represetar resumdamete um cojuto de dados relatvos à observação de um determado feômeo, pos oretam quato à posção da dstrbução o exo dos, permtdo a comparação

Leia mais

Difusão entre Dois Compartimentos

Difusão entre Dois Compartimentos 59087 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 4 Dfusão etre Dos Compartmetos A le de Fck para membraas (equação 4 da aula passada) mplca que a permeabldade de uma membraa a um soluto é dada pela razão

Leia mais

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão Estatístca Descrtva Meddas estatístcas: Localzação, Dspersão Meddas estatístcas Localzação Dspersão Meddas estatístcas - localzação Méda artmétca Dados ão agrupados x x Dados dscretos agrupados x f r x

Leia mais

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento. Prof. Lorí Val, Dr. val@pucrs.r http://www.pucrs.r/famat/val/ Em mutas stuações duas ou mas varáves estão relacoadas e surge etão a ecessdade de determar a atureza deste relacoameto. A aálse de regressão

Leia mais

Construção e Análise de Gráficos

Construção e Análise de Gráficos Costrução e Aálse de Gráfcos Por que fazer gráfcos? Facldade de vsualzação de cojutos de dados Faclta a terpretação de dados Exemplos: Egehara Físca Ecooma Bologa Estatístca Y(udade y) 5 15 1 5 Tabela

Leia mais

Econometria: 3 - Regressão Múltipla

Econometria: 3 - Regressão Múltipla Ecoometra: 3 - Regressão Múltpla Prof. Marcelo C. Mederos mcm@eco.puc-ro.br Prof. Marco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo de regressão

Leia mais

7 Análise de covariância (ANCOVA)

7 Análise de covariância (ANCOVA) Plejameto de Expermetos II - Adlso dos Ajos 74 7 Aálse de covarâca (ANCOVA) 7.1 Itrodução Em algus expermetos, pode ser muto dfícl e até mpossível obter udades expermetas semelhtes. Por exemplo, pode-se

Leia mais

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL Faculdade de Tecologa de Cataduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL 5. Meddas de Posção cetral ou Meddas de Tedêca Cetral Meddas de posção cetral preocupam-se com a caracterzação e a

Leia mais

Regressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança

Regressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança Regressão Smples Parte III: Coefcete de determação, regressão a orgem e método de máxma verossmlhaça Coefcete de determação Proporção da varabldade explcada pelo regressor. R Varação explcada Varação total

Leia mais

Regressao Simples. Parte II: Anova, Estimação Intervalar e Predição

Regressao Simples. Parte II: Anova, Estimação Intervalar e Predição egressao Smples Parte II: Aova, Estmação Itervalar e Predção Aálse de Varâca Nem todos os valores das amostras estão cotdos a reta de regressão, e quato mas afastados estverem por, a reta represetará a

Leia mais

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística BAC 0 - Estatístca Uversdade Federal de Itajubá - Campus Itabra BAC0 - ESTATÍSTICA ESTATÍSTICA DESCRITIVA MEDIDAS DE CENTRO Méda Medda de cetro ecotrada pela somatóra de todos os valores de um cojuto,

Leia mais

Forma padrão do modelo de Programação Linear

Forma padrão do modelo de Programação Linear POGAMAÇÃO LINEA. Forma Padrão do Modelo de Programação Lear 2. elações de Equvalêca 3. Suposções da Programação Lear 4. Eemplos de Modelos de PPL 5. Suposções da Programação Lear 6. Solução Gráfca e Iterpretação

Leia mais

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados 3.1. Meddas de Tedêca Cetral CAPÍTULO 3 MEDIDA DE TENDÊNCIA CENTRAL E VARIABILIDADE UFRG 1 Há váras meddas de tedêca cetral. Etre elas ctamos a méda artmétca, a medaa, a méda harmôca, etc. Cada uma dessas

Leia mais

16/03/2014. IV. Juros: taxa efetiva, equivalente e proporcional. IV.1 Taxa efetiva. IV.2 Taxas proporcionais. Definição:

16/03/2014. IV. Juros: taxa efetiva, equivalente e proporcional. IV.1 Taxa efetiva. IV.2 Taxas proporcionais. Definição: 6// IV. Juros: taxa efetva, equvalete e proporcoal Matemátca Facera Aplcada ao Mercado Facero e de Captas Professor Roaldo Távora IV. Taxa efetva Defção: É a taxa de juros em que a udade referecal de seu

Leia mais

MEDIDAS DE DISPERSÃO:

MEDIDAS DE DISPERSÃO: MEDID DE DIPERÃO: fução dessas meddas é avalar o quato estão dspersos os valores observados uma dstrbução de freqüêca ou de probabldades, ou seja, o grau de afastameto ou de cocetração etre os valores.

Leia mais

5 Critérios para Análise dos Resultados

5 Critérios para Análise dos Resultados 5 Crtéros para Aálse dos Resultados Este capítulo tem por objetvos forecer os crtéros utlzados para aálse dos dados ecotrados a pesqusa, bem como uma vsão geral dos custos ecotrados e a forma de sua evolução

Leia mais

Confiabilidade Estrutural

Confiabilidade Estrutural Professor Uversdade de Brasíla Departameto de Egehara Mecâca Programa de Pós graduação em Itegrdade Estrutural Algortmo para a Estmatva do Idce de Cofabldade de Hasofer-Ld Cofabldade Estrutural Jorge Luz

Leia mais

Modelo de Regressão Simples

Modelo de Regressão Simples Modelo de Regressão Smples Hstora Hstóra Termo regressão fo troduzdo por Fracs Galto (8-9). Estudo sobre altura de pas e flhos. Karl Pearso coletou mas de ml regstros e verfcou a le de regressão uversal

Leia mais

6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS

6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS 7 6 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS A medção dreta é aquela cuja dcação resulta aturalmete da aplcação do sstema de medção sobre o mesurado Há apeas uma gradeza de etrada evolvda

Leia mais

Cap. 5. Testes de Hipóteses

Cap. 5. Testes de Hipóteses Cap. 5. Testes de Hpóteses Neste capítulo será estudado o segudo problema da ferêca estatístca: o teste de hpóteses. Um teste de hpóteses cosste em verfcar, a partr das observações de uma amostra, se uma

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual Estatístca: Aplcação ao Sesorameto Remoto SER 04 - ANO 08 Estmação Potual Camlo Daleles Reó camlo@dp.pe.br http://www.dp.pe.br/~camlo/estatstca/ Iferêca Estatístca Cosdere o expermeto: retram-se 3 bolas

Leia mais

Avaliação da qualidade do ajuste

Avaliação da qualidade do ajuste Avalação da qualdade do ajuste 1 Alguma termologa: Modelo ulo: é o modelo mas smples que pode ser defdo, cotedo um úco parâmetro ( µ) comum a todos os dados; Modelo saturado: é o modelo mas complexo a

Leia mais

Aula Condições para Produção de Íons num Gás em Equilíbrio Térmico

Aula Condições para Produção de Íons num Gás em Equilíbrio Térmico Aula 2 Nesta aula, remos formalzar o coceto de plasma, rever osso etedmeto sobre temperatura de um gás e falmete, cohecer algus processos de ozação. 1.3 Codções para Produção de Íos um Gás em Equlíbro

Leia mais

Macroeconometria Aula 3 Revisão de estatística e teste de hipótese

Macroeconometria Aula 3 Revisão de estatística e teste de hipótese Macroecoometra 008. Aula 3 Revsão de estatístca e teste de hpótese 3.5. Estmação No estudo das probabldades, o objetvo é calcular a probabldade de evetos préespecfcados. De agora em date o objetvo muda.

Leia mais

(1) no domínio : 0 x < 1, : constante não negativa. Sujeita às condições de contorno: (2-a) (2-b) CC2: 0

(1) no domínio : 0 x < 1, : constante não negativa. Sujeita às condições de contorno: (2-a) (2-b) CC2: 0 EXEMPLO MOTIVADO II EXEMPLO MOTIVADO II Método da Apromação Polomal Aplcado a Problemas Udrecoas sem Smetra. Equações Dferecas Ordáras Problemas de Valores o otoro Estrutura Geral do Problema: dy() d y()

Leia mais

Perguntas Freqüentes - Bandeiras

Perguntas Freqüentes - Bandeiras Pergutas Freqüetes - Baderas Como devo proceder para prestar as formações de quatdade e valor das trasações com cartões de pagameto, os casos em que o portador opte por lqudar a obrgação de forma parcelada

Leia mais

3 Procedimento Experimental

3 Procedimento Experimental 3 Procedmeto Expermetal 3. Sstema de medção de vazão com extesômetro A Fg. 9 mostra o sstema de medção de vazão com extesômetro, o qual fo motado o laboratóro da PUC-Ro. este sstema, duas tubulações com,5

Leia mais

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População ESTATÍSTICA STICA DESCRITIVA Prof. Lorí Val, Dr. val@mat.ufrgs.br http://.ufrgs.br/~val/ Orgazação; Resumo; Apresetação. Cojuto de dados: Amostra ou População Um cojuto de dados é resumdo de acordo com

Leia mais

Centro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola

Centro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola Cetro de Cêcas Agráras e Ambetas da UFBA Departameto de Egehara Agrícola Dscpla: AGR Boestatístca Professor: Celso Luz Borges de Olvera Assuto: Estatístca TEMA: Somatóro RESUMO E NOTAS DA AULA Nº 0 Seja

Leia mais

? Isso é, d i= ( x i. . Percebeu que

? Isso é, d i= ( x i. . Percebeu que Estatístca - Desvo Padrão e Varâca Preparado pelo Prof. Atoo Sales,00 Supoha que tehamos acompahado as otas de quatro aluos, com méda 6,0. Aluo A: 4,0; 6,0; 8,0; méda 6,0 Aluo B:,0; 8,0; 8,0; méda 6,0

Leia mais

Caracterização de Partículas. Prof. Gerônimo

Caracterização de Partículas. Prof. Gerônimo Caracterzação de Partículas Prof. Gerômo Aálse Graulométrca de partículas Tabela: Sére Padrão Tyler Mesh Abertura Lvre (cm) âmetro do fo () 2 ½ 0,7925 0,088 0,6680 0,070 ½ 0,56 0,065 4 0,4699 0,065

Leia mais

16 - PROBLEMA DO TRANSPORTE

16 - PROBLEMA DO TRANSPORTE Prof. Volr Wlhel UFPR TP05 Pesqusa Operacoal 6 - PROBLEMA DO TRANSPORTE Vsa zar o custo total do trasporte ecessáro para abastecer cetros cosudores (destos) a partr de cetros forecedores (orges) a, a,...,

Leia mais

Material Teórico - Módulo de MATEMÁTICA FINANCEIRA. Financiamentos. Primeiro Ano do Ensino Médio

Material Teórico - Módulo de MATEMÁTICA FINANCEIRA. Financiamentos. Primeiro Ano do Ensino Médio Materal Teórco - Módulo de MATEMÁTICA FINANCEIRA Facametos Prmero Ao do Eso Médo Autor: Prof Fracsco Bruo Holada Autor: Prof Atoo Camha Muz Neto 20 de agosto de 2018 1 Itrodução Neste materal, remos aplcar

Leia mais

Atividades Práticas Supervisionadas (APS)

Atividades Práticas Supervisionadas (APS) Uversdade Tecológca Federal do Paraá Prof: Lauro Cesar Galvão Campus Curtba Departameto Acadêmco de Matemátca Cálculo Numérco Etrega: juto com a a parcal DATA DE ENTREGA: da da a PROVA (em sala de aula

Leia mais

Estabilidade no Domínio da Freqüência

Estabilidade no Domínio da Freqüência Establdade o Domío da Freqüêca Itrodução; apeameto de Cotoros o Plao s; Crtéro de Nyqust; Establdade Relatva; Crtéro de Desempeho o Domío do Tempo Especfcado o Domío da Freqüêca; Bada Passate de Sstema;

Leia mais

Relatório 2ª Atividade Formativa UC ECS

Relatório 2ª Atividade Formativa UC ECS Relatóro 2ª Atvdade Formatva Eercíco I. Quado a dstrbução de dados é smétrca ou apromadamete smétrca, as meddas de localzação méda e medaa, cocdem ou são muto semelhates. O mesmo ão acotece quado a dstrbução

Leia mais

Apostila de Introdução Aos Métodos Numéricos

Apostila de Introdução Aos Métodos Numéricos Apostla de Itrodução Aos Métodos Numércos PARTE III o Semestre - Pro a. Salete Souza de Olvera Buo Ídce INTERPOAÇÃO POINOMIA...3 INTRODUÇÃO...3 FORMA DE AGRANGE... 4 Iterpolação para potos (+) - ajuste

Leia mais

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS ANÁLISE DE ERROS A oservação de um feómeo físco ão é completa se ão pudermos quatfcá-lo. Para é sso é ecessáro medr uma propredade físca. O processo de medda cosste em atrur um úmero a uma propredade físca;

Leia mais

Revisão de Estatística X = X n

Revisão de Estatística X = X n Revsão de Estatístca MÉDIA É medda de tedêca cetral mas comumete usada ara descrever resumdamete uma dstrbução de freqüêca. MÉDIA ARIMÉTICA SIMPLES São utlzados os valores do cojuto com esos guas. + +...

Leia mais

Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística

Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Val, Dr. http://www.pucrs.br/famat/val/ val@pucrs.br Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Obetvos A Aálse de

Leia mais

DISTRIBUIÇÃO HIPERGEOMÉTRICA

DISTRIBUIÇÃO HIPERGEOMÉTRICA 7 DISTRIBUIÇÃO HIPERGEOMÉTRICA Cosdere-se uma população fta costtuída por N elemetos dstrbuídos por duas categoras eclusvas e eaustvas de dmesões M e N M, respectvamete. Os elemetos da prmera categora

Leia mais

Sumário. Mecânica. Sistemas de partículas

Sumário. Mecânica. Sistemas de partículas umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - stemas de partículas e corpo rígdo. - Cetro de massa. - Como determar o cetro de massa dum sstema de partículas. - Vetor

Leia mais

Tabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f

Tabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f Lsta de exercícos Gabarto e chave de respostas Estatístca Prof.: Nelse 1) Calcule 1, e para o segute cojuto de valores. A,1,8,0,11,,7,8,6,,9, 1 O úmero que correspode a 5% do rol é o valor. O úmero que

Leia mais

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD Dstrbuções Amostras Estatístca 8 - Dstrbuções Amostras 08- Dstrbuções Amostras Dstrbução Amostral de Objetvo: Estudar a dstrbução da população costtuída de todos os valores que se pode obter para, em fução

Leia mais

d s F = m dt Trabalho Trabalho

d s F = m dt Trabalho Trabalho UNIVERSIDADE DO ESTADO DE MATO GROSSO CAMPUS UNIVERSITÁRIO DE SINOP FACULDADE DE CIÊNCIAS EXATAS E TECNOLÓGICAS CURSO DE ENGENHARIA CIVIL DISCIPLINA: CÁLCULO DIFERENCIAL E INTEGRAL I Trabalho 1. Itrodução

Leia mais

Noções Básicas de Medidas e Algarismos Significativos

Noções Básicas de Medidas e Algarismos Significativos Noções Báscas de Meddas e Algarsmos Sgfcatvos Prof. Theo Z. Pava Departameto de Físca - Faculdade de Flosofa, Cêcas e Letras de Rberão Preto-USP Físca Acústca Motvações Quas são os padrões de meddas? Podemos

Leia mais

Estudo do intervalo de confiança da regressão inversa utilizando o software R

Estudo do intervalo de confiança da regressão inversa utilizando o software R Estudo do tervalo de cofaça da regressão versa utlzado o software R Llae Lopes Cordero João Domgos Scalo. Itrodução Na maora das aplcações evolvedo regressão, determa-se o valor de Y correspodete a um

Leia mais

Extensão da Termodinâmica a sistemas abertos

Extensão da Termodinâmica a sistemas abertos Exteão da ermodâmca a tema aberto I tema homogéeo ex: mtura de gae dea oluçõe dea reacçõe químca homogéea Cottudo por uma ó ae ma pode er mult-compoete otulado de Gbb ou otulado da aráve de Etado de um

Leia mais

3 Análises Probabilísticas de Estabilidade

3 Análises Probabilísticas de Estabilidade 3 Aálses Probablístcas de Establdade 3.1 Itrodução Para facltar o etedmeto das metodologas de aálse de cofabldade serão apresetados este capítulo algus cocetos báscos de probabldade e estatístca. 3. Cocetos

Leia mais

4 O Método de Análise Hierárquica

4 O Método de Análise Hierárquica 4 O Método de Aálse Herárquca 4.. Itrodução O método de aálse herárquca é um dos métodos multatrbuto mas utlzados e dfuddos o mercado mudal (Gomes, 007). Isso se deve, provavelmete, a duas razões. A prmera

Leia mais

Tópicos Extras 2ª parte. Análise de Correlação e Regressão

Tópicos Extras 2ª parte. Análise de Correlação e Regressão Tópcos Extras ª parte Aálse de Correlação e Regressão 1 Defções báscas ANÁLISE DE CORRELAÇÃO Mesurar a força da assocação etre as varáves (geralmete através do cálculo de algum coefcete). ANÁLISE DE REGRESSÃO

Leia mais

Momento Linear duma partícula

Momento Linear duma partícula umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - Mometo lear de uma partícula e de um sstema de partículas. - Le fudametal da dâmca para um sstema de partículas. - Impulso

Leia mais

Prof. Janete Pereira Amador 1

Prof. Janete Pereira Amador 1 Prof. Jaete Perera Amador 1 1 Itrodução Mutas stuações cotdaas podem ser usadas como expermeto que dão resultados correspodetes a algum valor, e tas stuações podem ser descrtas por uma varável aleatóra.

Leia mais

( k) Tema 02 Risco e Retorno 1. Conceitos Básicos

( k) Tema 02 Risco e Retorno 1. Conceitos Básicos FEA -USP Graduação Cêcas Cotábes EAC05 04_0 Profa. Joaíla Ca. Rsco e Retoro. Cocetos Báscos Rotero BE-cap.6 Tema 0 Rsco e Retoro. Cocetos Báscos I. O que é Retoro? II. Qual é o Rsco de um Atvo Idvdual

Leia mais

DESEMPENHO DE ESTIMADORES DA MÉDIA POPULACIONAL DE DISTRIBUIÇÕES ASSIMÉTRICAS BASEADOS EM AMOSTRAGEM POR CONJUNTOS ORDENADOS

DESEMPENHO DE ESTIMADORES DA MÉDIA POPULACIONAL DE DISTRIBUIÇÕES ASSIMÉTRICAS BASEADOS EM AMOSTRAGEM POR CONJUNTOS ORDENADOS DESEMPENHO DE ESTIMADORES DA MÉDIA POPULACIONAL DE DISTRIBUIÇÕES ASSIMÉTRICAS BASEADOS EM AMOSTRAGEM POR CONJUNTOS ORDENADOS Fracsco Juor PIGATO Mara Cecíla Medes BARRETO RESUMO: Um deleameto amostral

Leia mais

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo.

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo. 5910187 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 6 Equlíbro e o Potecal de Nerst Nesta aula, vamos utlzar a equação para o modelo de eletrodfusão o equlíbro obtda a aula passada para estudar o trasporte

Leia mais

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA REGRESSÃO LINEAR CUIABÁ, MT 6/ INTRODUÇÃO Relação dos valores da varável depedete (varável resposta) aos valores de regressoras ou exógeas). SIMPLES MÚLTIPLA (varáves depedetes,... =,,, K=,,, k em que:

Leia mais

Estatística - exestatmeddisper.doc 25/02/09

Estatística - exestatmeddisper.doc 25/02/09 Estatístca - exestatmeddsper.doc 5/0/09 Meddas de Dspersão Itrodução ão meddas estatístcas utlzadas para avalar o grau de varabldade, ou dspersão, dos valores em toro da méda. ervem para medr a represetatvdade

Leia mais

RACIOCÍNIO LÓGICO / ESTATÍSTICA LISTA 2 RESUMO TEÓRICO

RACIOCÍNIO LÓGICO / ESTATÍSTICA LISTA 2 RESUMO TEÓRICO RACIOCÍIO LÓGICO - Zé Carlos RACIOCÍIO LÓGICO / ESTATÍSTICA LISTA RESUMO TEÓRICO I. Cocetos Icas. O desvo médo (DM), é a méda artmétca dos desvos de cada dado da amostra em toro do valor médo, sto é x

Leia mais

Centro de massa, momento linear de sistemas de partículas e colisões

Centro de massa, momento linear de sistemas de partículas e colisões Cetro de massa, mometo lear de sstemas de partículas e colsões Prof. Luís C. Pera stemas de partículas No estudo que temos vdo a fazer tratámos os objectos, como, por exemplo, blocos de madera, automóves,

Leia mais

Requisitos metrológicos de instrumentos de pesagem de funcionamento não automático

Requisitos metrológicos de instrumentos de pesagem de funcionamento não automático Requstos metrológcos de strumetos de pesagem de fucoameto ão automátco 1. Geeraldades As balaças estão assocadas de uma forma drecta à produção do betão e ao cotrolo da qualdade do mesmo. Se são as balaças

Leia mais

Controle Estatístico de Qualidade. Capítulo 6 (montgomery)

Controle Estatístico de Qualidade. Capítulo 6 (montgomery) Cotrole Estatístco de Qualdade Capítulo 6 (motgomery) Gráfcos de Cotrole para Atrbutos Itrodução Mutas característcas da qualdade ão podem ser represetadas umercamete. Nestes casos, classfcamos cada tem

Leia mais

( ) Editora Ferreira - Toque de Mestre. Olá Amigos!

( ) Editora Ferreira - Toque de Mestre. Olá Amigos! Olá Amgos! Hoje coloco à dsposção de vocês aqu a seção Toque de Mestre da Edtora Ferrera (www.edtoraferrera.com.br) as questões de Matemátca Facera cobradas o últmo cocurso da axa Ecoômca Federal (EF),

Leia mais

(c) Para essa nova condição de operação, esboce o gráfico da variação da corrente no tempo.

(c) Para essa nova condição de operação, esboce o gráfico da variação da corrente no tempo. CONVERSÃO ELETROMECÂNICA DE ENERGIA Lsta de exercícos sobre crcutos magétcos Questão A fgura 1(a mostra um acoador projetado para produzr força magétca. O mesmo possu um úcleo em forma de um C e uma armadura

Leia mais

MEDIDAS DE DISPERSÃO 9. MEDIDAS DE DISPERSÃO

MEDIDAS DE DISPERSÃO 9. MEDIDAS DE DISPERSÃO Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, Medca Veterára, Muscoterapa, Odotologa, Pscologa MEDIDAS DE DISPERSÃO 9 9. MEDIDAS DE DISPERSÃO

Leia mais

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo.

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo. Equlíbro e o Potecal de Nerst 5910187 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 11 Nesta aula, vamos utlzar a equação para o modelo de eletrodfusão o equlíbro obtda a aula passada para estudar o trasporte

Leia mais

ESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano

ESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano ESTATÍSTICA Aula 7 Prof. Dr. Marco Atoo Leoel Caetao Dstrbuções de Probabldade DISCRETAS CONTÍNUAS (Números teros) Bomal Posso Geométrca Hper-Geométrca Pascal (Números reas) Normal t-studet F-Sedecor Gama

Leia mais

( ) ( IV ) n ( ) Escolha a alternativa correta: A. III, II, I, IV. B. II, III, I, IV. C. IV, III, I, II. D. IV, II, I, III. E. Nenhuma das anteriores.

( ) ( IV ) n ( ) Escolha a alternativa correta: A. III, II, I, IV. B. II, III, I, IV. C. IV, III, I, II. D. IV, II, I, III. E. Nenhuma das anteriores. Prova de Estatístca Epermetal Istruções geras. Esta prova é composta de 0 questões de múltpla escolha a respeto dos cocetos báscos de estatístca epermetal, baseada os lvros BANZATTO, A.D. e KRONKA, S.N.

Leia mais

A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: enchentes

A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: enchentes Mostra Nacoal de Icação Cetífca e Tecológca Iterdscplar VI MICTI Isttuto Federal Catarese Câmpus Camború 30 a 3 de outubro de 03 A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: echetes Ester Hasse

Leia mais

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø.

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø. Professor Maurco Lutz 1 EGESSÃO LINEA SIMPLES A correlação lear é uma correlação etre duas varáves, cujo gráfco aproma-se de uma lha. O gráfco cartesao que represeta essa lha é deomado dagrama de dspersão.

Leia mais

Introdução à Teoria dos Números Notas 1 Os Princípios da Boa Ordem e de Indução Finita Prof Carlos Alberto S Soares

Introdução à Teoria dos Números Notas 1 Os Princípios da Boa Ordem e de Indução Finita Prof Carlos Alberto S Soares Itrodução à Teora dos Números 018 - Notas 1 Os Prcípos da Boa Ordem e de Idução Fta Prof Carlos Alberto S Soares 1 Prelmares Neste curso, prortaramete, estaremos trabalhado com úmeros teros mas, quado

Leia mais

Aula 9. Aula de hoje. Aula passada. Self-normalized Importance Sampling Gerando amostras complicadas Variância amostral Simulação

Aula 9. Aula de hoje. Aula passada. Self-normalized Importance Sampling Gerando amostras complicadas Variância amostral Simulação Aula 9 Aula passada Método da rejeção (rejecto samplg) Exemplos Importace Samplg Exemplos Geeralzação Aula de hoje Self-ormalzed Importace Samplg Gerado amostras complcadas Varâca amostral Smulação Importace

Leia mais

Regressão. Pedro Paulo Balestrassi

Regressão. Pedro Paulo Balestrassi Regressão Pedro Paulo Balestrass www.pedro.ufe.edu.br ppbalestrass@gmal.com 5-696 / 88776958 (cel) Questoametos comus: Como mplemetar a equação Y=f(X) a partr de dados hstórcos ou epermetas? Como fazer

Leia mais

50 Logo, Número de erros de impressão

50 Logo, Número de erros de impressão Capítulo 3 Problema. (a) Sedo o úmero médo de erros por pága, tem-se: 5 + + 3 + 3 + 4 33,66 5 5 Represetado o úmero medao de erros por md, tem-se, pela ordeação dos valores observados, que os valores de

Leia mais

HIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia

HIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia Aálse estatístca aplcada à hdrologa. Séres hdrológcas oções complemetares HIDROLOGIA E RECURSOS HÍDRICOS Aálse estatístca aplcada à hdrologa O Egehero HIDRÁULICO Echerá? Que população pode abastecer e

Leia mais

2 Procedimentos para Ajuste e Tratamento Estatístico de Dados Experimentais

2 Procedimentos para Ajuste e Tratamento Estatístico de Dados Experimentais 48 Procedmetos para Ajuste e Tratameto Estatístco de Dados Expermetas. Itrodução Modelos matemátcos desevolvdos para descrever eômeos íscos a partr de observações expermetas devem ser baseados em dados

Leia mais

a) 1,8 e 4,6. b) 2,0 e 2,2. c) 1,8 e 5,2. d) 2,0 e 4,6. e) 2,0 e 1,9.

a) 1,8 e 4,6. b) 2,0 e 2,2. c) 1,8 e 5,2. d) 2,0 e 4,6. e) 2,0 e 1,9. Questão : As otas de dez aluos, um exame, estão dadas a segur:, 5, 8, 3, 6, 5, 8, 7, 6, 0 O desvo médo e a varâca dessas otas podem ser expressos, respectvamete, por: a),8 e 4,6 b),0 e, c),8 e 5, d),0

Leia mais

Arquitetura da ART Controle 1 Controle 2

Arquitetura da ART Controle 1 Controle 2 Teora de Ressoâca Adaptatva - ART Arqutetura da ART Cotrole Cotrole 2 Desevolvda por Carpeter e Grossberg como uma alteratva para resolver o dlema establdade-plastcdade (rede ão aprede ovos padrões). Realme

Leia mais

Ex: Cálculo da média dos pesos dos terneiros da fazenda Canoas-SC, à partir dos dados originais: x = 20

Ex: Cálculo da média dos pesos dos terneiros da fazenda Canoas-SC, à partir dos dados originais: x = 20 . MEDIDAS DE TENDÊNCIA CENTRAL (OU DE POSIÇÃO) Coceto: São aquelas que mostram o alor em toro do qual se agrupam as obserações.. MÉDIA ARITMÉTICA ( ) Sea (x, x,..., x ), uma amostra de dados: Se os dados

Leia mais

Estatística. 2 - Estatística Descritiva

Estatística. 2 - Estatística Descritiva Estatístca - Estatístca Descrtva UNESP FEG DPD Prof. Edgard - 0 0- ESTATÍSTICA DESCRITIVA Possblta descrever as Varáves: DESCRIÇÃO GRÁFICA MEDIDAS DE POSIÇÃO MEDIDAS DE DISPERSÃO MEDIDAS DE ASSIMETRIA

Leia mais

ESCOLA DE ENGENHARIA DE LORENA EEL/USP OPERAÇÕES UNITÁRIAS II Prof. Antonio Carlos da Silva. DESTILAÇÃO COM RETIFICAÇÃO (misturas binárias)

ESCOLA DE ENGENHARIA DE LORENA EEL/USP OPERAÇÕES UNITÁRIAS II Prof. Antonio Carlos da Silva. DESTILAÇÃO COM RETIFICAÇÃO (misturas binárias) ESCOA E ENGENHARIA E ORENA EE/USP OPERAÇÕES UNITÁRIAS II Prof. Atoio Carlos da Silva ESTIAÇÃO COM RETIFICAÇÃO (misturas biárias) Refluxo de topo a a, a a, x a Codesador x Produto de topo Seção de Retificação

Leia mais

Probabilidade II Aula 10

Probabilidade II Aula 10 Probabldade II Aula 0 Mao de 009 Môca Barros, D.Sc. Coteúdo Esperaça Matemá (Valores esperados) Mometos e Mometos Cetras Valores esperados de uma fução de Covarâca e Correlação Matrz de covarâca, matrz

Leia mais

ÍNDICE DE TERMOS: MOTOR DEDICADO, PADRONIZAÇÃO;

ÍNDICE DE TERMOS: MOTOR DEDICADO, PADRONIZAÇÃO; Aplcação de Motores de Méda esão dedcados acoados por versor de frequêca e utlzação de um úco projeto em dferetes solctações de carga. Gleuber Helder Perera Rodrgues Esp. Eg. WEG Brasl gleuber@weg.et Alex

Leia mais

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados Capítulo : Ajuste de curvas pelo método dos mímos quadrados. agrama de dspersão No capítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas por uma taela de valores. Frequetemete o etato

Leia mais

ANÁLISE DE REGRESSÃO E CORRELAÇÃO

ANÁLISE DE REGRESSÃO E CORRELAÇÃO ANÁLISE DE REGRESSÃO E CORRELAÇÃO Quado se cosderam oservações de ou mas varáves surge um poto ovo: O estudo das relações porvetura estetes etre as varáves. A aálse de regressão e correlação compreedem

Leia mais

Teoria Elementar da Probabilidade. a) Cada experiência poderá ser repetida indefinidamente sob condições essencialmente inalteradas.

Teoria Elementar da Probabilidade. a) Cada experiência poderá ser repetida indefinidamente sob condições essencialmente inalteradas. Estatístca 47 Estatístca 48 Teora Elemetar da Probabldade SPECTOS PERTINENTES À CRCTERIZÇÃO DE UM EXPERIÊNCI LETÓRI MODELOS MTEMÁTICOS DETERMINÍSTICOS PROBBILÍSTICOS PROCESSO (FENÓMENO) LETÓRIO - Quado

Leia mais

Capítulo 8. Método de Rayleigh-Ritz

Capítulo 8. Método de Rayleigh-Ritz Grupo : Gustavo de Souza Routma; Luís Ferado Hachch de Souza; Ale Pascoal Palombo Capítulo 8. Método de Raylegh-Rtz 8.. Itrodução Nos problemas de apromação por dfereças ftas, para apromar a solução para

Leia mais

I Seminário da Pós-graduação em Engenharia Elétrica

I Seminário da Pós-graduação em Engenharia Elétrica MÉTODO PRIMAL-DUAL DE PONTOS INTERIORES EM PROBLEMAS DE DESPACHO ECONÔMICO COM RESTRIÇÃO AMBIENTAL Améla de Lorea Staza Alua do Programa de Pós-Graduação em Egehara Elétrca Uesp Bauru Prof. Dr. Atôo Roberto

Leia mais

Métodos iterativos. Capítulo O Método de Jacobi

Métodos iterativos. Capítulo O Método de Jacobi Capítulo 4 Métodos teratvos 41 O Método de Jacob O Método de Jacob é um procedmeto teratvo para a resolução de sstemas leares Tem a vatagem de ser mas smples de se mplemetar o computador do que o Método

Leia mais

Otimização no Processo de Produção de Produtos Conjuntos com o uso de Controles Automáticos de Monitoramento

Otimização no Processo de Produção de Produtos Conjuntos com o uso de Controles Automáticos de Monitoramento XXVI ENEGEP - Fortaleza, CE, Brasl, 9 a de Outubro de 2006 Otmzação o Processo de Produção de Produtos Cojutos com o uso de Cotroles Automátcos de Motorameto Luz Carlos Rosa (Fatec-Sorocaba; Uesp-Sorocaba)

Leia mais

Física IV Poli Engenharia Elétrica: 8ª Aula (28/08/2014)

Física IV Poli Engenharia Elétrica: 8ª Aula (28/08/2014) Físca IV Pol Egehara Elétrca: 8ª Aula (8/08/014) Prof. Alvaro Vaucc Na últma aula vmos: Resolução de Images: segudo o crtéro estabelecdo por Raylegh que quado o máxmo cetral devdo à dfração das odas do

Leia mais

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples.

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples. Estudo das relações etre peso e altura de estudates de estatístca através da aálse de regressão smples. Waessa Luaa de Brto COSTA 1, Adraa de Souza COSTA 1. Tago Almeda de OLIVEIRA 1 1 Departameto de Estatístca,

Leia mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.

É 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 etre duas ou mas varáves. Pode ser: correlacoal ou expermetal. Numa relação expermetal os valores de uma das varáves

Leia mais

Previsão de demanda quantitativa Regressão linear Regressão múltiplas Exemplos Exercícios

Previsão de demanda quantitativa Regressão linear Regressão múltiplas Exemplos Exercícios Objetvos desta apresetação Plaejameto de produção: de Demada Aula parte Mauro Osak TES/ESALQ-USP Pesqusador do Cetro de Estudos Avaçados em Ecooma Aplcada Cepea/ESALQ/USP de demada quattatva Regressão

Leia mais