Capítulo 3. Interpolação Polinomial
|
|
- Juan Neiva Cabral
- 7 Há anos
- Visualizações:
Transcrição
1 EQE-358 MÉTODOS NUMÉRICOS EM ENGENHARIA QUÍMICA PROFS. EVARISTO E ARGIMIRO Capítulo 3 Iterpolação Polomal Teorema de Weerstrass: se f( é uma fução cotíua em um tervalo fechado [a, b], etão para cada >, este um polômo de grau ( tal que: f( p ( < [a, b] Embora seja um teorema motvador para usar polômos, o valor de ( geralmete ão é cohecdo, prcpalmete quado f( ão é dada eplctamete. Outro motvo para usar polômos a apromação de fuções é que suas dervadas e tegras são fáces de determar e também são polômos. Como o polômo de Taylor, descrto o capítulo ateror, cocetra a sua precsão próma ao poto, ele ão é adequado para a maora das aplcações prátcas ode, geralmete, se deseja uma boa apromação em todo o tervalo de defção da fução f(. Cotudo, o polômo de Taylor é de grade utldade a aálse umérca para estmatvas de erros de téccas umércas. Portato, este capítulo são abordados polômos que utlzam dados em város potos do tervalo, chamados de polômos terpoladores. Dados + pares de valores {, f( }, =,,,...,, este um e somete um polômo p ( de grau o qual f( = p (, =,,,...,. Portato, embora estam váras fórmulas de terpolação polomal, se elas utlzarem as mesmas formações os potos odas {,,,..., }, etão os polômos obtdos serão os mesmos. Naturalmete, se f( for um polômo de grau, etão a apromação também será eata. Epressado o polômo terpolador a forma: p( c os coefcetes c são soluções do sstema abao de + equações algébrcas leares:
2 3. INTERPOLAÇÃO POLINOMIAL cujo determate da matrz dos coefcetes: c c c c f( c cc c f( c c c c f( V é chamado de determate de Vadermode, sedo ão-ulo se j j. O problema desta técca de determação dos coefcetes é a sua tedêca de propagar os erros de arredodameto à medda que os potos odas se apromam us dos outros, pos o determate de Vadermode tede a zero estas stuações, gerado um sstema de equações mal codcoado. Eercíco: mplemetar o códgo abao o MATLAB ou SCILAB para terpolar a fução y seh( f( seh( que é a solução aalítca do problema de reação com dfusão em um partícula catalítca esférca sotérmca com reação de prmera ordem ( é o rao admesoal e y é a cocetração admesoal. Utlzar como potos odas, potos gualmete espaçados etre, e,9, com espaçameto uforme de, para o caso (a e de,4 para o caso (b. Após obter o polômo, terpolar a fução os valores de a em tervalos de,. Note que etre e, e etre,9 e os valores serão etrapolados. Comparar os dos casos. d=.; % para o caso (a d=.4; % para o caso (b =[.:d:.9]'; % potos odas ph=5; y=sh(ph*./(*sh(ph; % valor da fução os potos odas =legth(; % úmero de potos c=[:.:]'; % potos para terpolação m=legth(c; yc(=ph/sh(ph; yc(:m=sh(ph*c(:m./(c(:m*sh(ph; % formação da matrz de Vadermode Um=oes(,; % vetor de tamaho com todos elemetos guas a M=Um; for =:- M=[M.^]; ed C=v(M*y; % coefcetes polomas (versão sem pvotameto % C=M\y; % coefcetes polomas (versão com pvotameto parcal
3 3. TABELA DE DIFERENÇAS DE NEWTON 3 p=c'*(um*c'.^([:-]'*oes(,m; % valores terpolados % % forma alteratva calcular os valores terpolados % %for =:m % p(=c(; % for j=-:-: % p(=p(*c(+c(j; % ed %ed codm=cod(m % úmero de codcoameto da matrz dos coefcetes plot(c,yc,'b:',c,p,'r',,y,'o'; leged('eato','polômo','potos'; O resultado do eercíco acma é mostrado a fgura abao, ode se observa o caso (b o efeto dos erros de arredodameto devdo à versão matrcal sem pvotameto do sstema de Vadermode que este caso é mal codcoado. Este problema ão ocorrera se fosse realzada a versão matrcal com pvotameto (parcal ou total..9.8 eato polômo potos.9.8 eato polômo potos Caso (a Caso (b Outro aspecto sobre a formulação p ( c é a sua forma efcete de cálculo de terpolação. A forma alteratva (ahada: p ( c ( c ( c ( c c requer um úmero bem meor de operações de multplcação ( cotra (+/ e pode ser mplemetada coforme o algortmo: p c Para =,,...,,,, faça p p + c
4 4 3. INTERPOLAÇÃO POLINOMIAL Este algortmo está mplemetado de forma cometada o códgo acma. As fórmulas de terpolação mas comumete usadas e que ão fazem uso do determate de Vadermode são a fórmula terpoladora das dfereças dvddas de Newto e os polômos terpoladores de Lagrage. 3. Tabela de dfereças de Newto Partdo do coceto de dervada: df f ( f( f( lm d f( f( a apromação f [, ] para é chamada de prmera dfereça dvdda ou dfereça dvdda de ordem com relação a e. Aplcado o teorema do valor médo dferecal: f ( b f( a f ( para f( C [a, b] e algum [a, b], etão: b a f[, ] f( para algum [, ], ou seja, f[, ] está relacoada com a dervada prmera de f(. Cosderado o problema da terpolação lear passado pelos potos {, f( } e {, f( }, temos: f ( p ( a f( como f ( p ( a a ( f ( p ( f( f( a ( a f( f( e f[, ], ou seja, p( f( f[, ] (. Usado a defção de erro (ou resíduo da apromação: f ( p ( R ( e sabedo que R ( deve se aular em e : R ( g( ( ( f( f( ou ada R( f( f( f[, ] ( ( f[, ] ( f[, ] f[, ] R ( f[, ] f[, ] ( ( ( f[, ] f[, ] ode f [,, ].
5 3. TABELA DE DIFERENÇAS DE NEWTON 5 Defdo a fução: Q( t f( t p ( t ( t ( t g( ela se aula pelo meos em t =, t = e t =, logo Q ( t deve se aular pelo meos duas vezes o tervalo [, ] e Q ( t deve se aular pelo meos uma vez em um poto t = [, ]: Q( f( p(! g( como p( (polômo de grau temos: f ( g (! Agora, se mas um poto {, f( } for cluído o cojuto de potos odas: f ( p ( a a ( a ( ( fca evdete pelo eposto acma que a = f[,, ] podedo também ser tomado como uma boa apromação para R ( se f ( for uma fução suave (que ão muda bruscamete para dferetes valores de. Isto mostra que as fórmulas das dfereças dvddas de Newto podem ser usadas para determar o grau aproprado do polômo terpolador em fução da qualdade desejada da apromação. f [, ] f[, ] Retomado a epressão: f[,, ] f[,, ] f( f( f( f( ( f( f( ( f( f( ( ( ( ( f( ( f( ( f( f[,, ] ( ( ( ou ada ( f( ( f( ( f( ( f( f[,, ] ( ( ( ( f( f( ( f( f( f[,, ] ( ( ( f( f( f( f( f[, ] f[, ] f[,, ] ou seja, f[,, ] = f[,, ] = f[,, ] = f[,, ] = f[,, ] = f[,, ], a ordem dos argumetos das fórmulas das dfereças dvddas é dferete. Das epressões acma, podemos observar também que: f[,, ] f( f( f( ( ( ( ( ( (
6 6 3. INTERPOLAÇÃO POLINOMIAL Geeralzado para potos odas, com a clusão da dfereça dvdda de ordem zero: f[ ] f( temos para a dfereça dvdda de ordem k: f [ k, k,,, ] f[ k, k,,, ] f[,,,,, ] k k, k =,, 3,..., k e ( k f ( f[, k,,,, ], [, ]. k! O erro da terpolação por um polômo de grau é: ou R ( f[,,,,,, ] ( ( f ( R( (, [, ] (! sedo que a seguda forma é útl somete quado a fução f( for dada eplctamete. Eemplo: obter o polômo terpolador de grau 3 usado as fórmulas das dfereças dvddas de Newto para os dados abao: y p ( f[ ] f[, ]( f[,, ]( ( f[,,, ]( ( ( 3 3 p 3 3 ( 5 6 ( ( ( ( 3( ( 7 5
7 3. TABELA DE DIFERENÇAS DE NEWTON 7 A tabela das dfereças dvddas de Newto é costruída da segute maera: y f[ ] f[, ] f[ ] f[,, ] f[ ] - f[ - ] f[, -, - ] f[, - ] f[ ] f[ 3,,, ] f[, -, -, -3 ] f[, -,...,, ] Para um qualquer etre e, a terpolação polomal de grau é obtda através das epressões: f f f, f f f,, mas:,, f f f,, f, f, f,,, mas:,,,, f f f,,, f,, f,, f,,, f,,,,,,,,,, f f,,,,,,,,,, f f f e, falmete: f,,,,,,,,,,,,, f f,,,,,,,,,,,,, f f f ode o últmo termo: f [,,,,, ] ( é o erro da terpolação, que pode ser estmado com o uso de um poto adcoal { +, f( + } prómo a. Eemplos:
8 8 3. INTERPOLAÇÃO POLINOMIAL a A tabela abao cotém os valores da vscosdade (em cetpose de uma solução cotedo 6% de sacarose a váras temperaturas. Costrua a Tabela de Dfereças destes dados. T ( o C (cetpose 3 3,9-5,7 56,7,755 -,69 -, ,,499 -,7 4,3 b Refaça a Tabela de Dfereças adotado l( o lugar de : T ( o C l( 3 4,7353 -, ,37774,93 -,5 -,4 3 3,56655,6 -, ,5877 Algortmo: Iterpolação polomal de Newto Dados + potos {, y }, deseja-se terpolar a fução em = * Para =,,,...,, faça A, y Para =,,...,, faça Para j =,,,...,, faça A j, A A j, - j, - j j p y * A, Para =,,...,, faça p ( * - p y * y * + p A, y - - A, A, A, A,- A,- A, A, A, A, A,- A,- A, A, A, A,- 3 3 A 3, A 3, A 3, - A -, A -, A -, - A -, A -, A,
9 3. INTERPOLAÇÃO DE LAGRANGE 9 Ao fal do algortmo y * cotém o valor terpolado de f( em = *. 3. Iterpolação de Lagrage Na dervação das fórmulas das dfereças dvddas fo adotada a forma polomal: p ( a a ( a ( ( a ( para a determação dos coefcetes a, =,,,...,. No caso da terpolação de Lagrage, a forma polomal adotada é a segute: p ( b ( ( ( b ( ( ( b ( ( ( ( ( b ( ( ( cujos coefcetes b, =,,,..., são determados dretamete pelas codções p ( = f(, =,,,...,, resultado em: f( b ( ( ( ( (, =,,,...,. Defdo os terpoladores de Lagrage: que são polômos de grau, temos: j (, =,,,..., j j j p ( ( f(. Pela defção de (, podemos observar que:, j ( j, j, j ou seja,,,,..., -, +,..., são as raízes de (. Se f( = k, etão k k ( para k =,,,...,, pos a apromação é eata se f( for um polômo de grau. Desta relação resulta para k = : (. Defdo o polômo odal, que tem como raízes =, =,,,...,, logo de grau + :
10 3. INTERPOLAÇÃO POLINOMIAL P ( a ( ( ( ( a ( j j e chamado de q( ( j o umerador de (, =,,,...,, resulta que: j j q ( P ( ( e a q( q (. P ( Aplcado o lmte para a seguda epressão: lm P (, temos: a q( P ( e P ( ( ( P (, =,,,...,. Sabedo que f( = p ( + R ( e que R ( deve se aular em, =,,,...,, etão R ( = P + ( G(, que procededo de maera aáloga à seção ateror, a fução: Qt ( f( t p( t P ( t G ( deve se aular em t =, =,,,..., e em t =, ou seja, em o mímo + vezes detro do tervalo [, ]. Portato, Q (+ (t deve se aular em pelo meos um poto este tervalo, t = : Q ( f ( p ( P ( G( ( ( ( ( como ( p ( (polômo de grau e P ( a (!, temos: ( f G ( a ( (! ( e ( f ( R( ( com [, ]. (! Eemplo: obter o polômo terpolador de Lagrage de grau para os segutes dados: y = f( ( ( ( ( 3 43 ( ( ( ( ( 3 3 ( ( ( ( 3 3 ( ( ( ((3 ( ( ( ( ( ( ( (3(3 6
11 3.3 ANÁLISE DE ERROS ( ( ( 5 ( ( 5 ( 4 5 p f Comparado com as dfereças dvddas de Newto, a terpolação de Lagrage tem como desvatages a sua dfculdade em obter uma estmatva do erro e a ecessdade de recostrur todos os terpoladores de Lagrage com a adção de ovos potos. Ou seja, ão é um método adequado quado o grau do polômo ão é cohecdo a pror. Além dsto, demada uma quatdade maor de cálculos quado váras terpolações precsam ser obtdas com o mesmo cojuto de potos odas. Uma maera de costrur os polômos de Lagrage de maera recursva para a clusão gradual de ovos potos até uma precsão desejada é através do uso do método de Nevlle (ão abordado aqu, mas pode ser ecotrado em Burde e Fares, 3. Algortmo: Iterpolação polomal de Lagrage Dados + potos {, y }, deseja-se terpolar a fução em = * Para =,,,...,, faça p Para j =,,,...,, faça Se j: p y * Para =,,,...,, faça y * y * + p y * j j p Ao fal do algortmo y * cotém o valor terpolado de f( em = *. 3.3 Aálse de erros Ao apromarmos uma fução f( pelo polômo de Taylor de grau, vmos que o erro de trucameto da apromação é dado por: ( f [ ( ] R ( ( (!, com [, ]. Cotudo, como o valor de ( f [ ( ] ão pode, geralmete, ser calculado por ão cohecermos a fução (, podemos apeas estabelecer um lmte superor para o erro da ( apromação, tomado o valor mámo de f ( o tervalo [a, b]. No caso da terpolação polomal, vmos que o erro da apromação é dado por: ( f [ ( ] R( ( com [, ] (!
12 3. INTERPOLAÇÃO POLINOMIAL e os mesmos cometáros acma se aplcam, com o agravate que este caso, geralmete, a ( fução f( ão é cohecda para podermos ecotrar o valor mámo de f (. Neste caso podemos recorrer ao uso da tabela de dfereças dvddas de Newto para ecotrarmos uma estmatva para o erro usado a relação: ( f [ ( ] (! e um valor adcoal de f( em um ovo poto +. f [,,,,,, ] de: Naturalmete, se f( for cohecda, etão R ( também pode ser obtda dretamete R ( = f( p ( Neste caso, uma formação útl é o erro médo quadrátco (MSE, Mea Square Error da apromação o tervalo [a, b]: MSE R ( d b a b a ou ormalzado para o tervalo [, ]: a y d = (b a dy, resulta em: b a MSE R ( y dy que pode ser usado para determar a melhor apromação para f( detre váras alteratvas. Eemplo: costrur os gráfcos das apromações de f( usado terpolações 5 polomas de ª, 3ª e ª graus com potos gualmete espaçados o tervalo [-, ], os gráfcos dos erros da terpolação e calcular o MSE.
13 3.3 ANÁLISE DE ERROS 3 Iterpolação Comparação da Fução Real com a Iterpolada Iterpolação Polomal de Y k Segudo Grau com Z k.5 Potos Igualmete Espaçados.38 Iterpolação Polomal de Y k Tercero Grau com Potos Igualmete Espaçados Z k.38.5 Iterpolação.846 Polomal de Y k Décmo Grau com Z k Potos Igualmete.55 Espaçados Iterpolação Polomal de Décmo Grau como Potos as Raízes do o Polômo de Chebyshev Y k Z k z k z k Erro da Iterpolação R ( d.5,7,595 z k z k,337 3,3-3 Neste eemplo foram usados potos gualmete espaçados para costrur os polômos terpoladores. Porém, é possível determar os potos odas que geram um polômo terpolador com o meor resíduo possível etre polômos de mesmo grau. Para determar estes potos odas ótmos, partmos da epressão do erro: ( ( f [ ( ] f [ ( ] (! (! R ( ( P ( ode P + ( é o polômo odal com a + =. Reescrevedo P + ( a forma: P ( c os + coefcetes c podem ser determados de maera a mmzar o MSE: sedo c arg m MSE( c c, c,..., c ( f [ ( ; c] MSE( c R(; c d c d (! Aplcado o teorema do valor médo da tegral:
14 4 3. INTERPOLAÇÃO POLINOMIAL ( f [ ( c] MSE( c c d (! Como o mímo do MSE(c ocorre quado cmse, temos: ( ( ( c c c k k MSE( c f [ ( ] df ( ( f [ ( ] P ( d ck [(!] d c (! P ( d, k =,,..., Se cosderarmos depedete de c [váldo quado f (+ ( for costate], etão, k P ( d, k =,,,..., O que permte coclur que P + ( é um polômo ortogoal o tervalo [, ] em relação à fução peso w( =. O polômo que satsfaz essa codção de ortogoaldade é o (, polômo de Jacob, P (, com = e =. Portato, uma boa apromação para os (, potos odas que mmzam o MSE são as raízes do polômo de Jacob P (. Se o tervalo utlzado fosse [-, ], etão teríamos o polômo de Legedre. 3.4 Crtéro de mmzação do erro mámo Até o mometo utlzamos as codções: f( = p (, =,,,..., para determarmos os coefcetes de p (. Outro crtéro que pode ser utlzado é a mmzação do erro absoluto mámo da apromação os potos dados: m ma f ( p ( c, c,, c ou para o caso de f( ser cohecda: m ma f ( p ( c, c,, c ab Este crtéro é cohecdo como prcípo mma de Chebyshev e o polômo obtdo é chamado de polômo ótmo ou mma. Normalzado z [a, b] para o tervalo [-, ]: z b a b a é possível observar que os moômos,,,..., de p ( c possuem magtude máma em = e míma em =, ão havedo uma dstrbução uforme dos erros. Logo, se for possível ecotrar um polômo que dstrbua os erros de forma mas uforme, a mmzação do erro mámo resultará a melhor apromação possível. Os polômos que apresetam esta propredade são os polômos de Chebyshev:
15 3.4 CRITÉRIO DE MINIMIZAÇÃO DO ERRO MÁXIMO 5 T ( = T ( = T ( = T 3 ( = T 4 ( = T 5 ( = T 6 ( = T 7 ( = T 8 ( = T 9 ( = Fórmula de Recorrêca: T ( T ( T ( para,, com T ( e T( Gráfco dos 5 prmeros polômos de Chebyshev T, T,.5 T, T 3, T 4, peso Os polômos de Chebyshev são ortogoas em [-, ] com respeto a fução w (, ou seja:, m (, T( Tm( d T m T m (,
16 6 3. INTERPOLAÇÃO POLINOMIAL Estes polômos orgaram das fuções trgoométrcas cos(, cos(, cos(3,..., cos( que dstrbuem seus mámos e mímos de maera uforme o tervalo [, ]. Ao aplcar a mudaça de varável: = cos( [-, ] e a propredade: cos( = cos( cos[( ] cos[( ], resulta os polômos de Chebyshev. Pela codção de ortogoaldade, os coefcetes da apromação: f ( at( podem ser determados por: a f d e ( a k f ( T k ( d, k =,,...,. Como d d, etão a f(cos d e ak f(cos cos( k d, k =,,...,. As raízes de T ( são reas (característca de um polômo ortogoal, ocorrem o tervalo [-, ] e são dadas por: (k rk cos, k =,,...,. Usado as + raízes de T + ( como potos odas da terpolação de Lagrage, a apromação da fução também pode ser realzada por: f ( p ( ( f(, com = r +. Represetado os moômos k por: k k at (, é possível costrur a tabela: Potêcas de em fução dos polômos de Chebyshev: = T ( = T ( = [T (+T (]/ 3 = [T 3 (+3T (]/4 4 = [T 4 (+4T (+3T (]/8 5 = [T 5 (+5T 3 (+T (]/6 6 = [T 6 (+6T 4 (+5T (+T (]/3 7 = [T 7 (+7T 5 (+T 3 (+35T (]/64 8 = [T 8 (+8T 6 (+8T 4 (+56T (+35T (]/8 9 = [T 9 (+9T 7 (+36T 5 (+84T 3 (+6T (]/56
17 3.5 TELESCOPAGEM DE SÉRIES 7 que tem utldade a telescopagem de séres. Normalzado os polômos de Chebyshev de tal forma que o coefcete de maor grau seja gual, obtém-se os polômos de Chebyshev môcos: T ( T ( Que possu a propredade de um polômo mma: ma T ( ma P( P( [,] [,] E se ma P ( ma T (, etão P ( T (. [,] [,] 3.5 Telescopagem de séres A telescopagem de séres de potêcas ou ecooma de Chebyshev cosste em epressar os moômos da sére em termos dos polômos de Chebyshev, coletar os coefcetes de cada polômo T ( e trucar a sére os moômos de Chebyshev de alta ordem sabedo que seu coefcete represeta o erro mámo da apromação, pos T (. A sére trucada pode etão ser re-epressa em termos dos moômos de. Este procedmeto é equvalete a fazer sucessvas reduções de grau do polômo até a precsão desejada usado o polômo Chebyshev môco: a p ( p( at(, com p( p ( at( ode a é o coefcete de de p (. Eemplo: reduzr o grau do segute polômo que aproma a fução f( = e : 3 4 p4( e [-, ] 6 4 Matedo um erro mámo feror a,5. (5 5 f ( e O erro da apromação por p 4 ( é: R4 ( R4(,3 5! 5! Reduzdo o grau da apromação para p 3 (: 3 Caso Sem telescopagem: p3(, temos: 6 (4 4 f ( e R3 ( R3(,3, que está acma de,5. 4! 4! Caso Com telescopagem:
18 8 3. INTERPOLAÇÃO POLINOMIAL T( T( T3( 3 T( T4( 4 T( 3 T( p4( T( Que após coletar os termos comus de T (, resulta em: T3( T4( p4( T( T( T( Trucado o termo de grau 3: T ( p T T T ( ( ( (, o erro etre as duas apromações é: T4 ( p4( p3(,5 9 9 Portato, o erro mámo ao apromar f( por p 3 ( é:,3 +,5 =,8 <,5. Reescrevedo o polômo em termos das potêcas de : p3( ( com R (, Ou de maera smlar: p3( p4( a4t4(, sto é: p3( , pos a 4 = /4, que após rearrajo dos termos resulta em: p3( Reduzdo mas um grau a apromação: p( p3( a3t3(, temos: p(, levado a: p( , com p3 p T ( ( (, Portato, o erro mámo ao apromar f( por p ( é:,8 +,4 =,7 >,5.
19 3.5 TELESCOPAGEM DE SÉRIES 9
20 3. INTERPOLAÇÃO POLINOMIAL
21 3.5 TELESCOPAGEM DE SÉRIES
22 3. INTERPOLAÇÃO POLINOMIAL
23 EQE-358 MÉTODOS NUMÉRICOS EM ENGENHARIA QUÍMICA PROFS. EVARISTO E ARGIMIRO Nas fguras a segur são comparados os valores dos polômos odas com potos gualmete espaçados com os polômos odas costruídos a T partr do polômo de Chebyshev ormalzados [ t para ]. Note que: t para.
24 4
25 EQE-358 MÉTODOS NUMÉRICOS EM ENGENHARIA QUÍMICA PROFS. EVARISTO E ARGIMIRO Lsta de eercícos. Busque uma epressão de segudo grau e outra de tercero grau que melhor apromam a fução 4 o tervalo 8. Aalse e dscuta seus resultados cofrotado-os grafcamete.. Aprome a fução e o tervalo: + por um polômo de meor grau em, em que se assegura que o módulo do erro seja meor do que Houge & Watso sugerem a epressão empírca abao para o cálculo do calor específco molar do gás trogêo: 3 6 p ode: C p : cal/gmol/k e C,, T, T T: Kelv. Na faa de 3 a K, o erro mámo do calor específco calculado por esta epressão é de, %. a determe a apromação lear de C P que mmza o mámo do erro adcoal a faa de a K; b Calcule o erro percetual mámo da apromação proposta em a. 4. A varação do coefcete de epasão térmca do alumío a faa de a o C é dada por: 4 6 o 9 com : k T, T, T T C. a aprome k(t por uma costate, a mesma faa de a o C, de modo que o valor do erro mámo seja mímo; b Calcule o valor médo de k(t k k( T dt e sua méda artmétca (a mesma faa de temperatura e compare e dscuta todos estes valores sugerdo que valor é o mas adequado! 5. Nas Tabelas abao, apresetam-se os valores da codutvdade térmca do CO e da vscosdade do etleo glcol líqudo a váras temperaturas: T ( o F k (BTU/hr/ft/ o F T ( o F (lb/ft/hr 3,85 4,,33 5 8, 39,8 3,5 57,8 5,6 5,57 Determe, em cada caso, o polômo terpolador de meor grau possível que assegure um erro relatvo feror a, % a faa tabelada de T.
26 6 3. INTERPOLAÇÃO POLINOMIAL Observação: a depedêca polomal de com T é mas adequadamete epressa por l(. 6. A tabela abao mostra a depedêca da pressão parcal do vapor de amôa com a temperatura a dferetes cocetrações: Cocetração percetual molal da amôa Temperatura ( o F 6,6,4 3,5 5,55 8,65 3, 8,5,43 5,85 9,6 3,86,6,95 4,5 9,34 4,,3 3,6 4,89 9,98,49 3,54 45,73 64,78 8 7,5,65 44, 6,68 88,7,68 7,9 4,47 8,9 3,8 56,4,4 5 9,83 66,67 4,8 69,48 9,6 35,6 por terpolação lear as duas varáves depedetes [temperatura e cocetração] calcule as pressões parcas da amôa os segutes casos: T [ o C] 6,5 6,5 6,5 6, 37,5 37,5 Cocetração Molal [%] 8,8 6,7 5,, 7,6 35,
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 maisProblema geral de interpolação
Problema geral de terpolação Ecotrar p() que verfque as codções: f j ( ) y,,,,,, j,,, m ( j) ( ) dervada de ordem j ós valores odas Eemplo: ecotrar p() que verfque:, f () 4 3, f( 3) 3, f'(3) 4 3 p() 3
Leia maisApostila 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 maisAtividades 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(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 maisCapítulo 2. Aproximações de Funções
EQE-358 MÉTODOS NUMÉRICOS EM ENGENHARIA QUÍMICA PROFS. EVARISTO E ARGIMIRO Capítulo Aproações de Fuções Há bascaete dos tpos de probleas de aproações: ) ecotrar ua fução as sples, coo u polôo, para aproar
Leia maisCapítulo 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 maisJosé Álvaro Tadeu Ferreira. Cálculo Numérico. Notas de aulas
UNIVERSIDADE FEDERAL DE OURO PRETO Isttuto de Cêcas Eatas e Bológcas Departameto de Computação José Álvaro Tadeu Ferrera Cálculo Numérco Notas de aulas Iterpolação Polomal Ouro Preto 3 (Últma revsão em
Leia maisCapítulo V - Interpolação Polinomial
Métodos Numércos C Balsa & A Satos Capítulo V - Iterpolação Polomal Iterpolação Cosdere o segute couto de dados: x : x0 x x y : y y y 0 m m Estes podem resultar de uma sequêca de meddas expermetas, ode
Leia maisProfessor 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 maisEconometria: 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 maisCAMPUS DE GUARATINGUETÁ Computação e Cálculo Numérico: Elementos de Cálculo Numérico Prof. G.J. de Sena - Depto. de Matemática Rev.
uesp CAMUS DE GUARATINGUETÁ Computação e Cálculo Numérco: Elemetos de Cálculo Numérco ro. G.J. de Sea - Depto. de Matemátca Rev. 5 CAÍTUO 4 INTEROAÇÃO 4. INTRODUÇÃO Cosdere a segute tabela relacoado calor
Leia maisDifusão 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 maisMEDIDAS 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 maisCapítulo 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 maisMétodos tipo quadratura de Gauss
COQ-86 Métodos Numércos ara Sstemas Algébrcos e Dferecas Métodos to quadratura de Gauss Cosderado a tegração: Método de quadratura de Gauss com otos teros I f d a ser comutada com a maor recsão ossível
Leia maisMEDIDAS 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 maisx 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 maisFaculdade 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 maisConstrução 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 maisMédia. 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 maisMEDIDAS 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 maisCálculo Numérico. Ajuste de Curvas Método dos Mínimos Quadrados. Profa. Vanessa Rolnik 1º semestre 2015
Cálculo Numérco Ajuste de Curvas Método dos Mímos Quadrados Profa. Vaessa Rolk º semestre 05 Ajuste de curvas Para apromar uma fução f por um outra fução de uma famíla prevamete escolhda (caso cotíuo)
Leia maisANÁLISE 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 maisCAPÍTULO III - POLINÔMIOS DE JACOBI E QUADRATURA NUMÉRICA
Polômos de Jacob e CAPÍTULO III - POLINÔMIOS DE JACOBI E QUADRATURA NUMÉRICA III--)INTRODUÇÃO Para um melhor etedmeto do método da colocação ortogoal e sua relação com o método dos resíduos poderados (MRP),
Leia maisApêndice 1-Tratamento de dados
Apêdce 1-Tratameto de dados A faldade deste apêdce é formar algus procedmetos que serão adotados ao logo do curso o que dz respeto ao tratameto de dados epermetas. erão abordados suctamete a propagação
Leia maisVI - Integração Numérica
V - tegração Numérca C. Balsa & A. Satos. trodução São, este mometo, coecdos dos aluos métodos aalítcos para o cálculo do tegral dedo b ( d a sedo ( cotíua e tegrável o tervalo [ ab] ;. Cotudo, algumas
Leia maisREGRESSÃO 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 maisDISTRIBUIÇÃO 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 maisRevisão 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 maisCÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES
CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES Itrodução Em dversos camos da Egehara é comum a ecessdade da determação de raízes de equações ão leares. Em algus casos artculares, como o caso de olômo, que
Leia maisConfiabilidade 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 maisEstatística 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 mais5 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 maisII. 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 maisDistribuições de Probabilidades
Estatístca - aulasestdstrnormal.doc 0/05/06 Dstrbuções de Probabldades Estudamos aterormete as dstrbuções de freqüêcas de amostras. Estudaremos, agora, as dstrbuções de probabldades de populações. A dstrbução
Leia maisRegressão 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 maisMacroeconometria 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 maisTabela 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 maisDistribuições 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 maisCAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS
CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS No caítulo IV, Iterolação Polomal, estudamos uma forma de ldar com fuções matemátcas defdas or taelas de valores. Frequetemete, estas taelas são
Leia mais4 Métodos Sem Malha Princípio Básico dos Métodos Sem Malha
4 Métodos Sem Malha Segudo Lu (9), os métodos sem malha trabalham com um cojuto de ós dstrbuídos detro de um domío, assm como com cojutos de ós dstrbuídos sobre suas froteras para represetar, sem dscretzar,
Leia maisEm 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 maisNúmeros Complexos. 2. (IME) Seja z um número complexo de módulo unitário que satisfaz a condição z 2n 1, onde n é um número inteiro positivo.
Números Complexos. (IME) Cosdere os úmeros complexos Z se α cos α e Z cos α se α ode α é um úmero real. Mostre que se Z Z Z etão R e (Z) e I m (Z) ode R e (Z) e I m (Z) dcam respectvamete as partes real
Leia maisÉ 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 maisPrimeiro Exercício da Lista de Interpolação TOL 10 9
Prmero Exercíco da Lsta de Interpolação TOL 9 Busque uma expressão de segundo grau e outra de tercero grau que melhor aproxmam a função x 4 no ntervalo x. Analse e dscuta seus resultados confrontado-os
Leia maisRelatório 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 maisCAPÍTULO 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 maisCAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS
CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS No caítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas or taelas de valores. Frequetemete, estas taelas são otdas com ase em
Leia mais( x) Método Implícito. No método implícito as diferenças são tomadas no tempo n+1 ao invés de tomá-las no tempo n, como no método explícito.
PMR 40 Mecâca Computacoal Método Implícto No método mplícto as dfereças são tomadas o tempo ao vés de tomá-las o tempo, como o método explícto. O método mplícto ão apreseta restrção em relação ao valor
Leia maisComo CD = DC CD + DC = 0
(9-0 www.eltecampas.com.br O ELITE RESOLVE IME 008 MATEMÁTICA - DISCURSIVAS MATEMÁTICA QUESTÃO Determe o cojuto-solução da equação se +cos = -se.cos se + cos = se cos ( se cos ( se se.cos cos + + = = (
Leia maisCap. 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 maisCapítulo 1: Erros em cálculo numérico
Capítulo : Erros em cálculo umérco. Itrodução Um método umérco é um método ão aalítco, que tem como objectvo determar um ou mas valores umércos, que são soluções de um certo problema. Ao cotráro das metodologas
Leia maisESTATÍSTICA APLICADA À ZOOTECNIA
ESTATÍSTICA APLICADA À ZOOTECNIA Eucldes Braga MALHEIROS *. INTRODUÇÃO.a) Somatóras e Produtóros Sejam,, 3,...,, valores umércos. A soma desses valores (somatóra) pode ser represetada por: = = = =. e o
Leia maisMÓDULO 8 REVISÃO REVISÃO MÓDULO 1
MÓDULO 8 REVISÃO REVISÃO MÓDULO A Estatístca é uma técca que egloba os métodos cetícos para a coleta, orgazação, apresetação, tratameto e aálse de dados. O objetvo da Estatístca é azer com que dados dspersos
Leia maisFundamentos de Matemática I FUNÇÕES POLINOMIAIS4. Licenciatura em Ciências USP/ Univesp. Gil da Costa Marques
FUNÇÕES POLINOMIAIS4 Gl da Costa Marques Fudametos de Matemátca I 4.1 Potecação de epoete atural 4. Fuções polomas de grau 4. Fução polomal do segudo grau ou fução quadrátca 4.4 Aálse do gráfco de uma
Leia maisMÉTODO DOS MÍNIMOS QUADRADOS
MÉTODO DOS MÍNIMOS QUADRADOS I - INTRODUÇÃO O processo de medda costtu uma parte essecal a metodologa cetífca e também é fudametal para o desevolvmeto e aplcação da própra cêca. No decorrer do seu curso
Leia maisMétodos 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 maisEstatística - 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 maisCAPÍTULO 5. Ajuste de curvas pelo Método dos Mínimos Quadrados
CAPÍTULO Ajuste de curvas pelo Método dos Mímos Quadrados Ajuste Lear Smples (ou Regressão Lear); Ajuste Lear Múltplo (ou Regressão Lear Múltpla); Ajuste Polomal; Regressão Não Lear Iterpolação polomal
Leia mais2. MODELO DETALHADO: Relações de Recorrência. Exemplo: Algoritmo Recursivo para Cálculo do Fatorial Substituição Repetida
. MODELO DETALHADO: Relações de Recorrêca Exemplo: Algortmo Recursvo para Cálculo do Fatoral Substtução Repetda T T ( ) ( ) t 1, T ( + t, > T ( ) T ( + t T ( ) ( T( ) + t + t ) + t T ( ) T ( ) T ( ) +
Leia maisAdotando-se as seguintes variáveis e parâmetro adimensionais: i 1 i i i i i 1
Lsta de eercícos (Capítulo 4) ) Em dos reatores taque de mstura perfeta é coduzda a reação em fase líquda: A+BC+D de forma sotérmca. Os balaços estacoáros de massa do reagete A este sstema são descrtos
Leia maisForma 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( ) ( 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 mais50 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 maisPotenciais 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 maisMétodos numéricos para solução de equações
Escola Poltécca da Uversdade de São Paulo Departameto de Egehara Químca LSCP Laboratóro de Smulação e Cotrole de Processos Dscpla Optatva Modelagem e Métodos Matemátcos Aplcados à Egehara Químca AULA Revsão
Leia maisEconometria: 4 - Regressão Múltipla em Notação Matricial
Ecoometra: 4 - Regressão últpla em Notação atrcal Prof. arcelo C. ederos mcm@eco.puc-ro.br Prof. arco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo
Leia maisOrganização; Resumo; Apresentação.
Prof. Lorí Val, Dr. val@ufrgs.br http://www.ufrgs.br/~val/ Grade Cojutos de Dados Orgazação; Resumo; Apresetação. Amostra ou População Defetos em uma lha de produção Lascado Deseho Torto Deseho Torto Lascado
Leia maisEstatística. 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 maisUERJ CTC IME Departamento de Informática e Ciência da Computação 2 Cálculo Numérico Professora Mariluci Ferreira Portes
UERJ CTC IE Departameto de Iormátca e Cêca da Computação Udade I - Erros as apromações umércas. I. - Cosderações geras. Há váras stuações em dversos campos da cêca em que operações umércas são utlzadas
Leia maisTeoria 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 maisRegressao 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 maisIntrodução 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 mais6. MÉTODOS APROXIMADOS DE ANÁLISE DE SISTEMAS CONTÍNUOS
6. ÉOOS APROXAOS ANÁS SSAS CONÍNUOS Nos dos capítulos aterores, estudaram-se métodos exactos de aálse de sstemas dscretos e de sstemas cotíuos. Agora, serão aalsados algus métodos aproxmados da solução
Leia maisMAE0229 Introdução à Probabilidade e Estatística II
Exercíco Cosdere a dstrbução expoecal com fução de desdade de probabldade dada por f (y; λ) = λe λy, em que y, λ > 0 e E(Y) = /λ Supor que o parâmetro λ pode ser expresso proporcoalmete aos valores de
Leia maisAjuste de dados experimentais
Capítulo 8 8. Itrodução Uma forma de trabalhar com uma fução defda por uma tabela de valores é a terpolação polomal. Etretato esta ão é acoselhável quado:. é precso obter um valor aproxmado da fução em
Leia maisProf. 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 mais8 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 maisGrande Conjuntos de Dados. Organização; Resumo; Apresentação. Amostra ou População. Defeitos em uma linha de produção
Prof. Lorí Val, Dr. val@pucr.br http://www.pucr.br/~val/ Grade Cojuto de Dado Orgazação; Reumo; Apreetação. Amotra ou População Defeto em uma lha de produção Lacado Deeho Torto Deeho Torto Lacado Torto
Leia maisProbabilidade 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 maisSobre aproximações polinomiais de raízes reais de cúbicas
Notas de Aula Sobre aproxmações polomas de raízes reas de cúbcas Edgar Rechtschaffe UNIFESO O problema de se obter as raízes de uma equação do tercero grau abrevadamete uma cúbca fo resolvdo o século XVI
Leia maisSumário. 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 maisModelo 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 maise represente as no plano Argand-Gauss.
PROFESSOR: Cládo Das BANCO DE QUESTÕES MATEMÁTICA ª SÉRIE ENSINO MÉDIO ============================================================================================== - Determe o módlo dos segtes úmeros
Leia maisEstatística: uma definição
Prof. Lorí Val, Dr. - val@pucrs.br http://www.pucrs.br/famat/val/ Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Estatístca: uma defção Coleç Coleção de ú úmeros estatí estatístcas O ú ú mero
Leia maisNOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling
4 INFERÊNCIA SOBRE O VETOR DE MÉDIAS 4. TESTE PARA UM VETOR DE MÉDIAS µ Lembrado o caso uvarado: H : µ = µ H : µ µ Nível de sgfcâca: α Estatístca do teste: X µ t = s/ ~ t Decsão: se t > t - (α/) rejeta-se
Leia maisConceitos básicos de metrologia. Prof. Dr. Evandro Leonardo Silva Teixeira Faculdade UnB Gama
Prof. Dr. Evadro Leoardo Slva Teera Faculdade UB Gama Metrologa: Cêca que abrage os aspectos teórcos e prátcos relatvos a medção; Descreve os procedmetos e métodos para determar as certezas de medções;
Leia maisNoções 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 mais2. NOÇÕES MATEMÁTICAS
. NOÇÕES MATEMÁTICAS Este capítulo retoma algumas oções matemátcas ecessáras para uma boa compreesão de algus aspectos que serão mecoados e detalhados o presete trabalho. Algus destes aspectos podem abstrar
Leia maisEstatística: uma definição
Prof. Lorí Val, Dr. val@ufrgs.br http://www.ufrgs.br/~val/ Estatístca: uma defção Coleção de úmeros estatístcas O úmero de carros veddos o país aumetou em 30%. A taa de desemprego atge, este mês, 7,5%.
Leia maisEstatística: uma definição
Estatístca: uma defção Coleção de úmeros estatístcas O úmero de aumetou em 30%. carros veddos o país A taa de desemprego atge, este mês, 7,5%. As ações da Telebrás subram R$,5, hoje. Resultados do Caraval
Leia maisEstatística Básica - Continuação
Professora Adraa Borsso http://www.cp.utfpr.edu.br/borsso adraaborsso@utfpr.edu.br COEME - Grupo de Matemátca Meddas de Varabldade ou Dspersão Estatístca Básca - Cotuação As meddas de tedêca cetral, descrtas
Leia mais? 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 maisDiferenciais Ordinárias. Reginaldo J. Santos Departamento de Matemática-ICEx Universidade Federal de Minas Gerais
Exstêca e Ucdade de Soluções de Equações Dferecas Ordáras Regaldo J Satos Departameto de Matemátca-ICEx Uversdade Federal de Mas Geras http://wwwmatufmgbr/ reg 10 de ulho de 2010 2 1 INTRODUÇÃO Sumáro
Leia mais6.1 - 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 mais1. Revisão Matemática
1. Revsão Matemátca Dervadas Seja a fução f : R R, fxe x R, e cosdere a expressão : f ( x+ αe ) lmα 0 α f, ode e é o vector utáro. Se o lmte acma exstr, chama-se a dervada parcal de f o poto x e é represetado
Leia maisNOTA: ESCREVA AS RESPOSTAS COMO FRAÇÕES OU COM 4 CASAS DECIMAIS NOTA 2: O FORMULÁRIO ESTÁ NO FINAL DA PROVA
IND 5 Iferêca Estatístca Semestre 007.0 Teste 4 //007 Nome: NOTA: ESCREVA AS RESPOSTAS COMO FRAÇÕES OU COM 4 CASAS DECIMAIS NOTA : O FORMULÁRIO ESTÁ NO FINAL DA PROVA PROBLEMA (5 potos) Em cada questão
Leia mais