Se considerarmos, por exemplo, uma função f real de variável real,

Tamanho: px
Começar a partir da página:

Download "Se considerarmos, por exemplo, uma função f real de variável real,"

Transcrição

1 107 5 Gráfcos 5.1 Introdução Dada uma função real de varável real 16 f, o gráfco desta função é o conjunto de pontos ( x, y), onde x pertence ao domíno da função e f ( x) y =, ou seja, {( x y) x D y f ( x) } G =, : f =. A representação gráfca da função f produzda por uma calculadora gráfca corresponde a um conjunto de pontos ( f ( )) x,, = 0,1..., n. Como o x conjunto G é nfnto, o gráfco da função f não poderá ser completamente representado no ecrã da calculadora. Assm, em determnados casos, poderá não ser possível encontrar uma representação computaconal do gráfco da função que permta analsar o seu comportamento global. Isto acontece, por exemplo, quando o domíno ou o contradomíno da função são conjuntos não lmtados de números reas. Se consderarmos, por exemplo, uma função f real de varável real, contínua num ntervalo [ a, b], então o gráfco de f é uma curva contínua que devera ser traçada sem levantar o láps do papel. No entanto, esta curva 16 As máqunas Texas Instruments TI 92 e Caso ClassPad 300 permtem a representação de funções de duas varáves reas. No entanto, este assunto não será abordado uma vez que não faz parte do programa do Ensno Secundáro.

2 108 traçada numa calculadora gráfca é na realdade um conjunto fnto de pontos que mutas vezes poderá ser uma representação pouco fável da curva verdadera. A selecção do conjunto de pontos ( f ( )) consegunte um papel essencal no estudo da função. x, desempenha por x 5.2 Representação gráfca de funções Quer nos computadores quer nas calculadoras gráfcas, os gráfcos das funções são representados num rectângulo ou janela de vsualzação. Se escolhermos as varações de x de X mn = a até X max = b e os valores de y de Y mn =c até Y = d, então a parte do gráfco que está no rectângulo é max [ ab] [ c, d ] = {( x, y) : a x b, c y d},. A defnção do rectângulo de vsualzação é um aspecto fundamental na obtenção da representação gráfca de uma função. Um conhecmento prévo das característcas da função permte escolher o rectângulo de vsualzação mas aproprado. Se a janela não for adequada, pode não ser possível detectar descontnudades da função, pontos de ntersecção com os exos coordenados, extremos da função, varação da função, etc. A vsualzação gráfca das prncpas propredades de uma função exge normalmente que se observe mas do que uma representação gráfca da função, o que corresponde a defnr váras janelas de vsualzação na calculadora. Em casos mas complcados, mesmo com a defnção de dversas janelas, este objectvo pode não ser possível. Vejamos as característcas prncpas de cada uma das máqunas utlzadas neste estudo no que se refere à representação gráfca de funções.

3 Texas Instruments TI 83 Plus Nesta máquna, a janela de vsualzação é a parte do plano de coordenadas defndas por X mn, X max, Y mn e Y max ([67]). A dstânca entre as marcas é defnda por Xscl (escala de X) no exo dos xx e Yscl (escala de Y) no exo dos yy. A opção Xres defne a resolução de pxels 17 (de 1 a 8) apenas para gráfcos de funções. A predefnção é 1. Esta calculadora possu 95 pxels horzontas por 63 pxels vertcas, num total de 5985 pxels. Em Xres = 1, a função é calculada em cada pxel no exo dos xx. Em Xres = 8, as funções são calculadas e traçadas de oto em oto pxels ao longo do exo dos xx, ou seja, são calculados somente 12 pontos pertencentes ao gráfco e portanto a precsão é muto menor. É claro que quantos mas pxels tver o écran, melhor será a sua resolução e apresentação gráfca. As varáves X e Y 18 defnem a dstânca do centro de um pxel ao centro de qualquer pxel adjacente num gráfco (precsão do gráfco). X e Y são calculados a partr dos valores de vsualzação do gráfco. X mn, X max, Y mn e Y max no momento da calcula Dado o rectângulo de vsualzação do [, X ] [ Y Y ] X max X X = mn e 94 uma função será um subconjunto dos pontos ( ) y j y j X, a máquna mn max mn, Y max Y Y = mn. Nestas condções, o gráfco de 62 max x, tal que = X mn + X, com = 0,1,..., 94 e = Y mn + j Y, com j = 0,1,..., 62. Nesta máquna, o gráfco de uma função terá no máxmo 95 pontos. x Uma das prncpas lmtações da calculadora gráfca é que o que é vsualzado no écran está condconado pela janela de vsualzação que é defnda. Assm, o que podera ser uma das grandes vantagens da calculadora gráfca fornecer uma dea global do comportamento de uma função nem sempre é consegudo. 17 A palavra pxel é a contracção das palavras Pcture Element, ou seja, elemento de magem. 18 Itens 8 e 9 no menu secundáro VARS(1:Wndow) X/Y.

4 110 Para representar o gráfco de uma função f, para cada valor de x, a máquna calcula a magem correspondente f ( x ). Os pontos representados no ecrã são aqueles cuja ordenada está dentro dos lmtes do ntervalo [ Y mn,y max ]. No caso de f ( x ) não concdr com nenhum dos valores escolhe o valor mas próxmo com um erro nferor a Y y j, a calculadora (o que faz com que algumas zonas da representação do gráfco sejam vsualzadas como segmentos de recta horzontas). Se a calculadora estver a trabalhar em Mode Dot apenas os pxels correspondentes aos pontos ( f ( )) x, são acesos ; se estver a trabalhar em x Mode Connected a calculadora une os pontos através de segmentos de recta e, neste caso, acende mas pxels para efectuar essa lgação (o que pode fazer com que algumas zonas do gráfco sejam vsualzadas como segmentos de recta vertcas). Vejamos um exemplo. Exemplo 1 Seja f a função real de varável real defnda por 2 ( x) x f =. Consderemos o rectângulo de vsualzação [ 4.7,4.7] [ 3.1,3.1] X = 0.1 e = 0. 1 Y e o conjunto de pontos ( ) y j. Então x, dsponível para representar o gráfco da função f é tal que x = , com = 0,1,..., 94 e y j = j, com j = 0,1,..., 62. Na tabela 5.1 encontram-se alguns dos = 5985 pontos que a máquna dsponblza para o gráfco da função f.

5 111 x = y j j = 0, j = 0 x 0 = = 3. 1 = 1, j = 0 x 1 = = 3. 1 = 2, j = 0 x 2 = = 3. 1 = ( x, ) y j y ( 4.7, 3.1) y ( 4.6, 3.1) y ( 4.5, 3.1) = 94, j = 0 x 94 = = 3. 1 = 0, j = 1 x 0 = = 3. 0 = 1, j = 1 x 1 = = 3. 0 = 2, j = 1 x 2 = = 3. 0 y ( 4.7, 3.1) y ( 4.7, 3.0) y ( 4.6, 3.0) y ( 4.5, 3.0) = 94, j = 1 x 94 = = 3. 0 y ( 4.7, 3.0) = 94, j = 62 x 94 = = 3. 1 Tabela 5.1 y ( 4.7,3.0) Neste caso, a máquna calcula as magens de x = , com = 0,1,..., 94 3 f x e marca os pontos desde que a ordenada seja tal que.1 ( ) 3. 1 seja, a máquna consdera apenas como podemos observar nas tabelas seguntes:, ou x uma vez que 0 ( x ) f,

6 112 Assm, a máquna só rá marcar correctamente os pontos ( 1,1 ), ( 0,0) e (,1) Todos os outros 32 pontos terão de ser aproxmados. Vejamos o gráfco da função obtdo no modo Connected e no modo Dot (foram excluídos os exos): 1. Fg. 5.1 Gráfco de f no modo Connected Fg. 5.2 Gráfco de f no modo Dot Após uma análse atenta destes dos gráfcos podemos verfcar que: os pontos de abcssa x 0.2, 0.1,0,0. 1 e 0. 2 têm todos ordenada gual a zero (uma vez que o valor de y mas próxmo é zero; para x = ±0. 3, cuja j magem é o valor de y j mas próxmo já é 0.1), por consegunte, a representação gráfca desta função sugere que f é constante para 0.2 x 0.2 ; a utlzação do modo Connected, para crar a lusão da função ser contínua, leva à exstênca de segmentos de recta vertcas e portanto, o gráfco dexa de representar uma função. a janela utlzada não é a mas adequada uma vez que utlza somente 35 dos 95 pontos dsponíves. Consderando a janela de vsualzação (obtda utlzando o ZoomFt defnremos posterormente esta janela)

7 113 obtemos, no modo Dot, o segunte gráfco: Fg. 5.3 Gráfco de f no modo Dot Com esta janela já são utlzados os 95 pontos dsponíves. Esta calculadora possu alguns rectângulos de vsualzação pré-defndos que são selecconados no menu ZOOM: - ZDecmal (gráfco com a mesma escala nos dos exos, sto é, monométrco)

8 114 - ZTrg (janela trgonométrca modo radanos, é adequada para as funções trgonométrcas) - ZStandard - ZSquare (altera uma janela exstente numa outra com a mesma escala nos dos exos). No menu ZOOM exstem anda dos outros comandos: o comando ZoomStat e o comando ZoomFt. O prmero, com nteresse para a estatístca, defne uma janela adequada aos dados ntroduzdos e o segundo, com nteresse para as funções, defne uma janela ajustada à função em estudo. Normalmente a janela de vsualzação obtda com o ZoomFt é a mas adequada (como vmos no exemplo anteror); no entanto, este Zoom nem sempre nos dá a janela mas aproprada para termos uma dea das característcas da função (ver exemplo 3). Em qualquer dos casos, observa-se que estes permtem defnr janelas dferentes para dados ou funções dferentes. Já no caso dos comandos anterores, cada um defne sempre a mesma janela de vsualzação, ndependentemente dos dados ou funções consderadas. Vejamos o exemplo do gráfco de uma função nos zoom s mas usuas.

9 115 Exemplo 2 Seja f a função real de varável real defnda por ( x) lnx, f = com + x R. Fg. 5.4 Gráfco de f no ZDecmal Fg. 5.5 Gráfco de f no ZoomFt Fg. 5.6 Gráfco de f no ZStandard Neste caso ambos os gráfcos das fguras 5.4 e 5.5 são mas satsfatóros do que o gráfco da fgura 5.6. Exemplo Consderemos a função quadrátca defnda por g ( x) = x 1 gráfco é uma parábola de vértce V ( 0,1)., cujo Fg. 5.7 Gráfco de f no ZDecmal Fg. 5.8 Gráfco de f no ZStandard

10 116 Fg. 5.9 Gráfco de f no ZoomFt O gráfco da fgura 5.9 sugere, por exemplo, que o vértce da parábola é a orgem do referencal. Por consegunte, a janela defnda pelo ZoomFt, não é a mas ndcada para lustrar o gráfco da função g Caso CFX 9850 GB Plus As característcas desta máquna são muto semelhantes à da Texas TI 83. De facto, esta máquna também possu rectângulos de vsualzação, desgnados por Vew Wndow, onde surgem máxmo e X mn valor mínmo, X max valor X scale ncremento do exo dos xx (análogo para o exo dos yy ). Os rectângulos de vsualzação pré-defndos desta calculadora são: - INIT: ncal (gráfco monométrco) - TRIG: trgonométrco (modo em radanos)

11 117 - STD: standard Nesta calculadora é também possível escolher a confguração (em Draw Type) do gráfco: connect (os pontos são lgados ) e plot (os pontos não são lgados ). Esta calculadora possu 127 por 63 pxels (num total de 8001 pxels, ou seja, mas 2016 pxels que a Texas TI 83). Analogamente à Texas TI 83, é também possível defnr uma janela que utlza o maor número de pontos (neste caso 127), através dos comandos Zoom Auto. 5.3 Lmtações da calculadora gráfca Exstem dversas stuações em que os gráfcos na calculadora poderão levar a város enganos. Nesta secção pretendem-se lustrar algumas das lmtações que devemos ter em conta quando recorremos às capacdades gráfcas das calculadoras. É muto mportante que quer o professor quer o aluno tenham conscênca deste facto, para que não trem conclusões erróneas. Como refere M. Conscênca ([12]), a prncpal lmtação da calculadora ao construr a representação do gráfco de uma função prende-se com a resolução do écran, uma vez que se passa de uma artmétca contínua para uma artmétca dscreta e, portanto, não se sabe qual o comportamento da função para os valores de x entre dos pxels consecutvos. Esta lmtação faz com que se possam vsualzar representações do gráfco bastante dstntas para uma mesma função.

12 118 Vejamos alguns exemplos. Exemplo Consderemos a função f ( x) = x 12x + 46x 42 ([64] p. 31), cuja representação gráfca, com o rectângulo de vsualzação ZDecmal é (gráfco obtdo na Texas TI 83): Fg Gráfco de f no ZDecmal Utlzando o ZoomFt obtemos o segunte gráfco: Fg Gráfco de f no ZoomFt Certamente estes não são os rectângulos de vsualzação mas adequados. Para encontrar o rectângulo de vsualzação que permte um melhor conhecmento da função é necessáro conhecer a magem de alguns objectos da função. Por exemplo, se defnrmos que 3 x 10, entre que valores vara y? Para sso recorremos à opção Table que permte determnar o valor da função para determnados objectos:

13 119 E portanto, podemos conclur que 315 y 218. Assm sendo podemos utlzar, por exemplo, o rectângulo de vsualzação [ 3,10] [ 200,150] : Fg Gráfco de f em [ 3,10] [ 200,150] Por comparação com os gráfcos das fguras 5.10 e 5.11, o gráfco obtdo agora com esta janela de vsualzação dá-nos uma dea melhor do comportamento global da função; é curoso observar que um destes gráfcos se aproxma de uma recta vertcal (fgura 5.10) enquanto que o gráfco da fgura 5.12, por exemplo, sugere que para 2.2 <x < 5. 9, o gráfco é horzontal. Estas duas stuações surgem pelas razões já apontadas no exemplo 1 da secção No exemplo anteror fo possível encontrar um rectângulo de vsualzação que permte ter uma dea do comportamento global da função. No entanto sto nem sempre é possível, como lustra o exemplo segunte. Exemplo 2 Como representar grafcamente a função polnomal do tercero grau que tem raízes x = 0, x = 1 e x = 300, em que o coefcente do termo de grau 3 é

14 120 gual a 1? ([64] p. 20) Por outras palavras, como representar grafcamente a função ( x 1)( 300) f ( x) = x x? Apresentam-se a segur os gráfcos obtdos na Caso CFX 9850: Fg Gráfco de f na janela STD Fg Gráfco de f na janela INIT Fg Gráfco de f na janela Zoom Auto Em nenhuma destas janelas fo possível ter uma dea do comportamento global da função. De facto, uma vez que esta função possu os três zeros muto afastados, não é possível obter uma representação gráfca que nclua smultaneamente os zeros; para captar no gráfco os três zeros de f, tem de ser X mn 0 e X 300 e portanto o espaçamento entre os max 300 pontos é X > 2. Então, neste caso, não é possível representar 127 smultaneamente os zeros x = 0 e x = 1, como podemos constatar no gráfco da fgura Fg Gráfco de f na janela [ 100,350] [ 4 10,6 10 ]

15 121 Este gráfco que parece permtr ter uma dea do comportamento global da função no que dz respeto aos extremos, leva-nos a uma conclusão errada: o zero é um máxmo relatvo. Fg Gráfco de f em [ 1,2] [ 10,100] De facto, consderando uma janela de vsualzação mas aproprada, 1 verfcamos que o máxmo da função é f = (fgura 5.17). 2 Assm sendo, é necessáro recorrer a dversos rectângulos de vsualzação, estudando a função por partes, para se poderem conhecer as característcas geras da função. Os alunos deverão ser sempre ncentvados a expermentar dversos rectângulos de vsualzação e a ter em conta as propredades conhecdas ou que decorrem da expressão analítca das funções que estão a estudar. Em certos casos, o gráfco poderá levar a conclur que alguns valores pertencem ao domíno da função quando sso não acontece. É muto mportante que desde o prncípo os alunos sejam confrontados com exemplos que lhes permtem perceber a vantagem da nformação dada pela expressão analítca da função, como podemos constatar pelos exemplos 3, 4 e 5. De um modo geral, nem as calculadoras, nem o software para gráfcos em computador, desenham as assmptotas ou assnalam os domínos com as convenções estabelecdas.

16 122 Exemplo 3 As calculadoras apresentam o gráfco da função y nt( x) =, função característca de x, por vezes denotada por C ( x), que a cada número real x faz corresponder o maor ntero não superor a x, com o segunte aspecto ([64] p. 32): Fg Gráfco obtdo na Texas TI 83 com a janela ZDecmal O gráfco sugere que a função é contínua e sto resulta do facto da calculadora unr os pontos quando se utlza a opção no modo Connected. Para se obter uma representação gráfca mas correcta, é necessáro colocar a calculadora em modo Dot, chamando a atenção dos alunos para este facto. Obtemos assm a segunte representação: Fg Gráfco da função com a janela ZDecmal No entanto, este anda não é o gráfco correcto de y nt( x) os alunos deverão corrg-lo apresentando o gráfco: =, pelo que

17 123 Fg Gráfco da função y nt( x) = Exemplo 4 Para a função um gráfco gual ao de 2 x + x = x + 1 y de domíno R \ { 1}, a calculadora apresenta y = x de domíno R (fgura gráfco realzado com a Caso CFX ), excepto se x = 1 for um dos valores x da janela de vsualzação, como se pode aprecar na fgura Fg Gráfco da função na janela standard Fg Gráfco da função na janela ncal Nestes casos, os alunos deverão corrgr as representações gráfcas fornecdas pela calculadora, ntroduzndo nomeadamente a bola aberta nos pontos que não pertencem ao domíno. No entanto, qualquer que seja o rectângulo de vsualzação, estamos sempre a representar uma curva contínua por um conjunto dscreto de pontos e sto é claro tem consequêncas mportantes. Por exemplo ([54]), consderemos a função defnda por 19 Com a máquna Texas TI 83 obtnham-se gráfcos semelhantes.

18 124 ( x) ( x 1)( x 2) ( x 2) g =. Apresentam-se a segur o gráfco da função obtdo pelas duas máqunas utlzadas neste trabalho. Fg Gráfco de g na Caso CFX-9850 Fg Gráfco de g na Texas TI - 83 Temos que o gráfco de g é a recta y =x 1 puncturada no ponto de abcssa 2. Uma vez que x = 2 não é uma das abcssas dos pontos do gráfco, é claro que a calculadora não detectará a descontnudade (fguras 5.23 e 5.24). Exemplo 5 x + 2 = x 3 Consderemos agora a função f ( x), de domíno R \ { 3}, cujo gráfco possu uma assmptota vertcal de equação x = 3. Representando esta função nas duas máqunas utlzadas neste trabalho e utlzando a janela standard, obtemos resultados dferentes (fguras 5.25 e 5.26). Fg Gráfco def na Caso CFX Fg Gráfco de f na Texas TI - 83 Por que razão surge na máquna Texas TI 83 um segmento de recta vertcal? Como o gráfco da função fo obtdo com o Mode Connected (para dar

19 125 a dea da função ser contínua, como já fo referdo), a calculadora une os pontos calculados. Assm, uma vez que a função f admte uma assmptota vertcal em x = 3, a máquna calcula as magens dos valores de x próxmos de 3. Neste caso, para x tem-se y = 234 e para x tem-se y = 27.(1). Ao efectuar a lgação destes dos pontos surge aquele segmento de recta vertcal. É de notar que a máquna não apresenta o segmento de recta pelo facto do gráfco da função possur uma assmptota vertcal. De facto, utlzando o modo Dot (fgura 5.27) ou mesmo com a escolha de um outro rectângulo de vsualzação (fgura 5.28), já não surge no ecrã da calculadora um segmento de recta vertcal. Fg Gráfco def obtdo pela Texas TI 83 no Mode Dot Fg Gráfco def obtdo pela Texas TI 83 com a janela [ 2.7;6.7] [ 30,30] Fg Gráfco da função f obtdo pela Caso CFX 9850 O aparecmento do segmento de recta vertcal não surge somente na máquna Texas TI 83. De facto, consderando na Caso CFX 9850 a função

20 126 f, com a janela de vsualzação [ 10,10] [ 40,40] fgura obtemos o gráfco da Os alunos deverão ser alertados para os casos em que as duas máqunas apresentam gráfcos dstntos (já lustrado pelo exemplo anteror). De facto, apesar da construção do gráfco ser semelhante, o número de pxels dsponível por cada uma das máqunas é dferente. Vejamos exemplos lustradores deste aspecto. Exemplo 6 2 Consderemos a função real de varável real f ( x) 36 x ' D = [ 6,6] e = [ 0,6] =, com D (em [64] p. 34 surge um exemplo semelhante, não sendo todava apresentada uma justfcação pormenorzada e não havendo qualquer comparação entre as duas máqunas). A representação gráfca desta função é uma semcrcunferênca de centro na orgem e rao 6. No entanto, a representação gráfca obtda, com a janela standard, só está correcta na Texas TI 83 (fguras 5.30 e 5.31). Assm não poderíamos, por exemplo, determnar o domíno e o contradomíno desta função com base na análse da representação gráfca obtda na Caso CFX Fg Gráfco da função f na Caso CFX 9850 Fg Gráfco da função f na Texas TI -83 Qual a razão pela qual o gráfco da função obtdo na Caso CFX 9850 não ntersecta o exo das abcssas nos pontos x = 6 e x = 6? Isto deve-se ao facto dos zeros da função não corresponderem a nenhum dos valores x. De

21 127 facto, com a janela [ 10,10] [ 10,10], tem-se Para x = 6, por exemplo, tnha-se que = 25, 2 10 x = 10 +, com = 0,..., Uma vez que a função não está defnda à esquerda de 6 escolhe-se = 26 e portanto, 370 x 26 = (fgura 5.32). 63 Fg Gráfco da função f na Caso CFX 9850 Se consderarmos, por exemplo, a janela ncal (onde x = 6 e x = 6 são dos dos valores de x dsponíves), a representação gráfca obtda já nos mostra os zeros da função (fgura 5.33). Fg Gráfco da função f na Caso CFX 9850 É claro que também podemos constatar que a forma da representação gráfca sugerda é a de uma elpse. Esta stuação deve-se ao facto de X Y, podendo todava ser corrgda utlzando o zoom Zsquare (na Texas TI 83) ou o ZoomSQR (na Caso CFX 9850).

22 128 Exemplo 7 Consderemos a função trgonométrca f x) cos( 48x) ( = ([12]). Com o auxílo da calculadora gráfca e, utlzando a janela trgonométrca 20, poderemos deduzr qual o período desta função? Vejamos o gráfco da função obtdo nas duas máqunas que estamos a utlzar neste estudo: Fg Gráfco de f na Caso CFX 9850 Fg Gráfco de f na Texas TI 83 Claramente, o gráfco obtdo pela Texas TI 83 não nos dá uma vsão correcta do gráfco da função. Porque é que sto ocorreu? Na janela trgonométrca da Texas TI 83 tem-se X = e mn X max = Então X = e, por consegunte, 94 x Como o período mínmo postvo da função é 2π p = 0.13, então, para cada pxel 48 x, tem-se ( ) = 1 f. Para obtermos um gráfco mas aproprado na Texas TI 83, teríamos de escolher uma janela de vsualzação em que x X fosse sufcentemente pequeno para se poder captar o período da função (fgura 5.36). Fg Gráfco de f com a janela [ 0.25,0.25] [ 1.2,1.2 ], com X Ao representarmos as funções trgonométrcas devemos ter sempre em consderação o modo da calculadora: graus ou radanos.

23 129 Exstem dversos gráfcos surpreendentes de funções trgonométrcas, como por exemplo g( x) = sn( 49x) e h( x) cos( 23x) = (fguras 5.37 a 5.40). Fg Gráfco de g na Caso CFX 9850 Fg Gráfco de g na Texas TI 83 Fg Gráfco de h na Caso CFX 9850 Fg Gráfco de h na Texas TI 83 Todava, em todos estes exemplos é possível escolher uma janela aproprada de modo a ter uma vsão correcta do gráfco da função. No entanto, esta solução nem sempre é possível. Um outro aspecto a ter em consderação, quando se trabalha com uma calculadora gráfca, dz respeto ao modo como as funções são calculadas nas máqunas. Apesar de não ter sdo possível ter conhecmento, uma vez que os manuas de ambas as máqunas não referem, presume-se que o modo de construção das dversas funções é muto semelhante. Contudo, como podemos verfcar pelo exemplo segunte, exste uma função para a qual a afrmação anteror não é verdadera. Exemplo 8 3 Consderemos a função ( x) x 2 f = (exemplo apresentado em [1] com a máquna Texas Instruments TI-81, não havendo qualquer comparação com

24 130 uma máquna da marca Caso) e representemos grafcamente usando as duas máqunas gráfcas. Temos Fg Gráfco de f na Caso CFX 9850 Fg Gráfco de f na Texas TI 83 Ou seja, o gráfco obtdo pela Caso CFX 9850 não está correcto, uma 2 3 vez que nesta máquna, para x > 0, x é calculado como ( 2 ) lnx 3 e e ln x não está defnda para x < 0. A Texas TI 83, deverá utlzar uma das seguntes expressões = x y ou ( ) 3 1 y = x. Fg Gráfco de f obtdo pela Caso CFX 9850 Exstem funções cuja representação gráfca não é possível realzar numa calculadora ou num computador. Vejamos um exemplo que lustra o que acaba de ser afrmado. Exemplo 9 Consderemos a função g : R R, defnda por g ( x) 1 = 1 se se x Q. x Q

25 131 Uma vez que na calculadora todos os valores de x são raconas, a ser possível representar grafcamente esta função, o seu gráfco sera a recta y = 1. Assm sendo, a função sera, por exemplo, contínua e dferencável em todo o seu domíno! Em síntese, todos os exemplos apresentados levam a conclur que os gráfcos obtdos através das máqunas gráfcas podem ajudar à compreensão do gráfco de uma função, mas deverão ser cudadosamente nterpretados. Não nos devemos esquecer que um dos grandes trunfos do cálculo é a possbldade de analsar o gráfco de uma função sem recorrer aos computadores ou calculadoras e sem determnar mutos pontos desse gráfco. Como refere R. Ralha ([54]) a utlzação de ferramentas computaconas deverá ser efectuada com cautela, pos apesar de serem uma ajuda precosa no estudo de funções (...) não podemos confar cegamente nos resultados que nos oferecem, sejam eles numércos ou gráfcos.

26 132

Teoria Elementar da Probabilidade

Teoria Elementar da Probabilidade 10 Teora Elementar da Probabldade MODELOS MATEMÁTICOS DETERMINÍSTICOS PROBABILÍSTICOS PROCESSO (FENÓMENO) ALEATÓRIO - Quando o acaso nterfere na ocorrênca de um ou mas dos resultados nos quas tal processo

Leia mais

7 - Distribuição de Freqüências

7 - Distribuição de Freqüências 7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste

Leia mais

Página 293. w1 w2 a b i 3 bi a b i 3 bi. 2w é o simétrico do dobro de w. Observemos o exemplo seguinte, em que o afixo de 2w não

Página 293. w1 w2 a b i 3 bi a b i 3 bi. 2w é o simétrico do dobro de w. Observemos o exemplo seguinte, em que o afixo de 2w não Preparar o Exame 0 0 Matemátca A Págna 9. Se 5 5 é o argumento de z, é argumento de z e 5 5. Este ângulo é gual ao ângulo de ampltude 5 é argumento de z.. Resposta: D w w a b b a b b. a b a a b b b bem

Leia mais

Capítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES

Capítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES Capítulo. Aproxmações numércas 1D em malhas unformes 9 Capítulo. AROXIMAÇÕS NUMÉRICAS 1D M MALHAS UNIFORMS O prncípo fundamental do método das dferenças fntas (MDF é aproxmar através de expressões algébrcas

Leia mais

Escola Secundária com 3º ciclo D. Dinis 10º Ano de Matemática A Estatística

Escola Secundária com 3º ciclo D. Dinis 10º Ano de Matemática A Estatística Escola Secundára com º cclo D. Dns 10º Ano de Matemátca A Estatístca Trabalho de casa nº 15 GRUPO I 1. Num referencal o.n. Oxyz, a undade é o cm e a esfera defnda por ( ) ( ) está nscrta num cubo. O volume

Leia mais

Interpolação Segmentada

Interpolação Segmentada Interpolação Segmentada Uma splne é uma função segmentada e consste na junção de váras funções defndas num ntervalo, de tal forma que as partes que estão lgadas umas às outras de uma manera contínua e

Leia mais

Representação e Descrição de Regiões

Representação e Descrição de Regiões Depos de uma magem ter sdo segmentada em regões é necessáro representar e descrever cada regão para posteror processamento A escolha da representação de uma regão envolve a escolha dos elementos que são

Leia mais

Matemática A. Previsão 1. Duração do teste: 180 minutos º Ano de Escolaridade. Previsão Exame Nacional de Matemática A 2013

Matemática A. Previsão 1. Duração do teste: 180 minutos º Ano de Escolaridade. Previsão Exame Nacional de Matemática A 2013 Prevsão Exame Naconal de Matemátca A 01 Prevsão 1 1ª fase Matemátca A Prevsão 1 Duração do teste: 180 mnutos 7.06.01 1.º Ano de Escolardade Resoluções em vídeo em www.explcamat.pt Prevsão de Exame págna1/8

Leia mais

2 Incerteza de medição

2 Incerteza de medição 2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr

Leia mais

Gráficos de Controle para Processos Autocorrelacionados

Gráficos de Controle para Processos Autocorrelacionados Gráfcos de Controle para Processos Autocorrelaconados Gráfco de controle de Shewhart: observações ndependentes e normalmente dstrbuídas. Shewhart ao crar os gráfcos de controle não exgu que os dados fossem

Leia mais

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de

Leia mais

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC) UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade

Leia mais

PROVA 2 Cálculo Numérico. Q1. (2.0) (20 min)

PROVA 2 Cálculo Numérico. Q1. (2.0) (20 min) PROVA Cálculo Numérco Q. (.0) (0 mn) Seja f a função dada pelo gráfco abaxo. Para claro entendmento da fgura, foram marcados todos os pontos que são: () raízes; () pontos crítcos; () pontos de nflexão.

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma Capítulo 8 Dferencação Numérca Quase todos os métodos numércos utlzados atualmente para obtenção de soluções de equações erencas ordnáras e parcas utlzam algum tpo de aproxmação para as dervadas contínuas

Leia mais

3 A técnica de computação intensiva Bootstrap

3 A técnica de computação intensiva Bootstrap A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.

Leia mais

Laboratório de Mecânica Aplicada I Estática: Roldanas e Equilíbrio de Momentos

Laboratório de Mecânica Aplicada I Estática: Roldanas e Equilíbrio de Momentos Laboratóro de Mecânca Aplcada I Estátca: Roldanas e Equlíbro de Momentos 1 Introdução O conhecmento das condções de equlíbro de um corpo é mprescndível em númeras stuações. Por exemplo, o estudo do equlíbro

Leia mais

Experiência V (aulas 08 e 09) Curvas características

Experiência V (aulas 08 e 09) Curvas características Experênca (aulas 08 e 09) Curvas característcas 1. Objetvos 2. Introdução 3. Procedmento expermental 4. Análse de dados 5. Referêncas 1. Objetvos Como no expermento anteror, remos estudar a adequação de

Leia mais

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha) Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado

Leia mais

4 Critérios para Avaliação dos Cenários

4 Critérios para Avaliação dos Cenários Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada

Leia mais

U N I V E R S I D A D E D O S A Ç O R E S D E P A R T A M E N T O D E M A T E M Á T I C A ARMANDO B MENDES ÁUREA SOUSA HELENA MELO SOUSA

U N I V E R S I D A D E D O S A Ç O R E S D E P A R T A M E N T O D E M A T E M Á T I C A ARMANDO B MENDES ÁUREA SOUSA HELENA MELO SOUSA U N I V E R S I D A D E D O S A Ç O R E S D E P A R T A M E N T O D E M A T E M Á T I C A CLASSIFICAÇÃO DE MONOGRAFIAS UMA PROPOSTA PARA MAIOR OBJECTIVIDADE ARMANDO B MENDES ÁUREA SOUSA HELENA MELO SOUSA

Leia mais

Análise Complexa Resolução de alguns exercícios do capítulo 1

Análise Complexa Resolução de alguns exercícios do capítulo 1 Análse Complexa Resolução de alguns exercícos do capítulo 1 1. Tem-se:. = (0, 1) = (0, 1) =. 3. Sejam a, b R. Então Exercíco nº1 = (0, 1).(0, 1) = (0.0 1.1, 0.1 + 1.0) = ( 1, 0) = 1. a + b = a b = a +

Leia mais

CORRELAÇÃO E REGRESSÃO

CORRELAÇÃO E REGRESSÃO CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr

Leia mais

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de

Leia mais

Mecanismos de Escalonamento

Mecanismos de Escalonamento Mecansmos de Escalonamento 1.1 Mecansmos de escalonamento O algortmo de escalonamento decde qual o próxmo pacote que será servdo na fla de espera. Este algortmo é um dos mecansmos responsáves por dstrbur

Leia mais

Introdução. Uma lâmpada nova é ligada e observa-se o tempo gasto até queimar. Resultados possíveis

Introdução. Uma lâmpada nova é ligada e observa-se o tempo gasto até queimar. Resultados possíveis Introdução A teora das probabldades é um ramo da matemátca que lda modelos de fenômenos aleatóros. Intmamente relaconado com a teora de probabldade está a Estatístca, que se preocupa com a cração de prncípos,

Leia mais

Associação entre duas variáveis quantitativas

Associação entre duas variáveis quantitativas Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa

Leia mais

TESTES DE CONTROLO Teste 6

TESTES DE CONTROLO Teste 6 TESTES DE CNTRL Teste 6 GRUP I Na resposta a cada um dos cnco tens deste grupo selecona a únca opção correta. Escreve na tua fola de respostas apenas o número de cada tem e a letra que dentfca a únca opção

Leia mais

UNIVERSIDADE DE PERNAMBUCO. Física Experimental. Prof o José Wilson Vieira

UNIVERSIDADE DE PERNAMBUCO. Física Experimental. Prof o José Wilson Vieira UNIVERSIDADE DE PERNAMBUCO ESCOLA POLITÉCNICA DE PERNAMBUCO Físca Expermental Prof o José Wlson Vera wlson.vera@upe.br AULA 01: PROCESSOS DE ANÁLISE GRÁFICA E NUMÉRICA MODELO LINEAR Recfe, agosto de 2015

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

Cálculo Numérico BCC760 Interpolação Polinomial

Cálculo Numérico BCC760 Interpolação Polinomial Cálculo Numérco BCC76 Interpolação Polnomal Departamento de Computação Págna da dscplna http://www.decom.ufop.br/bcc76/ 1 Interpolação Polnomal Conteúdo 1. Introdução 2. Objetvo 3. Estênca e uncdade 4.

Leia mais

D- MÉTODO DAS APROXIMAÇÕES SUCESSIVAS

D- MÉTODO DAS APROXIMAÇÕES SUCESSIVAS D- MÉTODO DAS APROXIMAÇÕES SUCESSIVAS O método das apromações sucessvas é um método teratvo que se basea na aplcação de uma fórmula de recorrênca que, sendo satsfetas determnadas condções de convergênca,

Leia mais

AULA Espaços Vectoriais Estruturas Algébricas.

AULA Espaços Vectoriais Estruturas Algébricas. Note bem: a letura destes apontamentos não dspensa de modo algum a letura atenta da bblografa prncpal da cadera Chama-se a atenção para a mportânca do trabalho pessoal a realzar pelo aluno resolvendo os

Leia mais

Algarismos Significativos Propagação de Erros ou Desvios

Algarismos Significativos Propagação de Erros ou Desvios Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento

Leia mais

DEFINIÇÃO - MODELO LINEAR GENERALIZADO

DEFINIÇÃO - MODELO LINEAR GENERALIZADO DEFINIÇÃO - MODELO LINEAR GENERALIZADO 1 Um modelo lnear generalzado é defndo pelos seguntes três componentes: Componente aleatóro; Componente sstemátco; Função de lgação; Componente aleatóro: Um conjunto

Leia mais

Lista de Matemática ITA 2012 Números Complexos

Lista de Matemática ITA 2012 Números Complexos Prof Alex Perera Beerra Lsta de Matemátca ITA 0 Números Complexos 0 - (UFPE/0) A representação geométrca dos números complexos que satsfaem a gualdade = formam uma crcunferênca com rao r e centro no ponto

Leia mais

R X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais

R X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais 30 Varáves aleatóras bdmensonas Sea ε uma experênca aleatóra e S um espaço amostral assocado a essa experênca. Seam X X(s) e Y Y(s) duas funções cada uma assocando um número real a cada resultado s S.

Leia mais

Eventos coletivamente exaustivos: A união dos eventos é o espaço amostral.

Eventos coletivamente exaustivos: A união dos eventos é o espaço amostral. DEFINIÇÕES ADICIONAIS: PROBABILIDADE Espaço amostral (Ω) é o conjunto de todos os possíves resultados de um expermento. Evento é qualquer subconjunto do espaço amostral. Evento combnado: Possu duas ou

Leia mais

8 - Medidas Descritivas

8 - Medidas Descritivas 8 - Meddas Descrtvas 8. Introdução Ao descrevemos um conjunto de dados por meo de tabelas e gráfcos temos muto mas nformações sobre o comportamento de uma varável do que a própra sére orgnal de dados.

Leia mais

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência. MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

Elementos de Estatística e Probabilidades II

Elementos de Estatística e Probabilidades II Elementos de Estatístca e Probabldades II Varáves e Vetores Aleatóros dscretos Inês Das 203 O prncpal objetvo da deste documento é fornecer conhecmentos báscos de varáves aleatóras dscretas e pares aleatóros

Leia mais

Electromagnetismo e Óptica

Electromagnetismo e Óptica Electromagnetsmo e Óptca aboratóro - rcutos OBJETIOS Obter as curvas de resposta de crcutos do tpo sére Medr a capacdade de condensadores e o coefcente de auto-ndução de bobnas por métodos ndrectos Estudar

Leia mais

INTRODUÇÃO À PROBABILIDADE. A probabilidade é uma medida da incerteza dos fenômenos. Traduz-se por um número real compreendido de 0 ( zero) e 1 ( um).

INTRODUÇÃO À PROBABILIDADE. A probabilidade é uma medida da incerteza dos fenômenos. Traduz-se por um número real compreendido de 0 ( zero) e 1 ( um). INTRODUÇÃO À PROILIDDE teora das probabldade nada mas é do que o bom senso transformado em cálculo probabldade é o suporte para os estudos de estatístca e expermentação. Exemplos: O problema da concdênca

Leia mais

5 Relação entre Análise Limite e Programação Linear 5.1. Modelo Matemático para Análise Limite

5 Relação entre Análise Limite e Programação Linear 5.1. Modelo Matemático para Análise Limite 5 Relação entre Análse Lmte e Programação Lnear 5.. Modelo Matemátco para Análse Lmte Como fo explcado anterormente, a análse lmte oferece a facldade para o cálculo da carga de ruptura pelo fato de utlzar

Leia mais

SÉRIE DE PROBLEMAS: CIRCUITOS DE ARITMÉTICA BINÁRIA. CIRCUITOS ITERATIVOS.

SÉRIE DE PROBLEMAS: CIRCUITOS DE ARITMÉTICA BINÁRIA. CIRCUITOS ITERATIVOS. I 1. Demonstre que o crcuto da Fg. 1 é um half-adder (semsomador), em que A e B são os bts que se pretendem somar, S é o bt soma e C out é o bt de transporte (carry out). Fg. 1 2. (Taub_5.4-1) O full-adder

Leia mais

Curvas Horizontais e Verticais

Curvas Horizontais e Verticais Insttução: Faculdade de Tecnologa e Cêncas Professor: Dego Queroz de Sousa Dscplna: Topografa Curvas Horzontas e ertcas 1. Introdução Exstem dversas ocasões na engenhara em que os projetos são desenvolvs

Leia mais

2ª Atividade Formativa UC ECS

2ª Atividade Formativa UC ECS I. Explque quando é que a méda conduz a melhores resultados que a medana. Dê um exemplo para a melhor utlzação de cada uma das meddas de localzação (Exame 01/09/2009). II. Suponha que um professor fez

Leia mais

6 Modelo Proposto Introdução

6 Modelo Proposto Introdução 6 Modelo Proposto 6.1. Introdução Neste capítulo serão apresentados detalhes do modelo proposto nesta dssertação de mestrado, onde será utlzado um modelo híbrdo para se obter prevsão de carga curto prazo

Leia mais

Sempre que surgir uma dúvida quanto à utilização de um instrumento ou componente, o aluno deverá consultar o professor para esclarecimentos.

Sempre que surgir uma dúvida quanto à utilização de um instrumento ou componente, o aluno deverá consultar o professor para esclarecimentos. Nesse prátca, estudaremos a potênca dsspada numa resstênca de carga, em função da resstênca nterna da fonte que a almenta. Veremos o Teorema da Máxma Transferênca de Potênca, que dz que a potênca transferda

Leia mais

Introdução a Combinatória- Aplicações, parte II

Introdução a Combinatória- Aplicações, parte II Introdução a Combnatóra- Aplcações, AULA 7 7.1 Introdução Nesta aula vamos estudar aplcações um pouco dferentes das da aula passada. No caso estudaremos arranjos com repetção, permutações crculares e o

Leia mais

UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR

UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EATAS DEPARTAMENTO DE ESTATÍSTICA UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR

Leia mais

3 Algoritmos propostos

3 Algoritmos propostos Algortmos propostos 3 Algortmos propostos Nesse trabalho foram desenvolvdos dos algortmos que permtem classfcar documentos em categoras de forma automátca, com trenamento feto por usuáros Tas algortmos

Leia mais

Cap. IV Análise estatística de incertezas aleatórias

Cap. IV Análise estatística de incertezas aleatórias TLF 010/11 Cap. IV Análse estatístca de ncertezas aleatóras Capítulo IV Análse estatístca de ncertezas aleatóras 4.1. Méda 43 4.. Desvo padrão 44 4.3. Sgnfcado do desvo padrão 46 4.4. Desvo padrão da méda

Leia mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média. Estatístca Dscplna de Estatístca 0/ Curso de Admnstração em Gestão Públca Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos uns dos

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca

Leia mais

Introdução às Medidas em Física a Aula

Introdução às Medidas em Física a Aula Introdução às Meddas em Físca 4300152 8 a Aula Objetvos: Experênca Curvas Característcas Meddas de grandezas elétrcas: Estudar curvas característcas de elementos resstvos Utlzação de um multímetro Influênca

Leia mais

5 Implementação Procedimento de segmentação

5 Implementação Procedimento de segmentação 5 Implementação O capítulo segunte apresenta uma batera de expermentos prátcos realzados com o objetvo de valdar o método proposto neste trabalho. O método envolve, contudo, alguns passos que podem ser

Leia mais

Prioridades com Teste de Escalonabilidade

Prioridades com Teste de Escalonabilidade rordades + Teste de Escalonabldade Sstemas de Tempo Real: rordades com Teste de Escalonabldade Rômulo Slva de Olvera Departamento de Automação e Sstemas DAS UFSC Cada tarefa recebe uma prordade Escalonamento

Leia mais

2003/2004. então o momento total das forças exercidas sobre o sistema é dado por. F ij = r i F (e)

2003/2004. então o momento total das forças exercidas sobre o sistema é dado por. F ij = r i F (e) Resolução da Frequênca de Mecânca Clássca I/Mecânca Clássca 2003/2004 I Consdere um sstema de N partículas de massas m, =,..., N. a Demonstre que, se a força nterna exercda sobre a partícula pela partícula

Leia mais

Regressão Múltipla. Parte I: Modelo Geral e Estimação

Regressão Múltipla. Parte I: Modelo Geral e Estimação Regressão Múltpla Parte I: Modelo Geral e Estmação Regressão lnear múltpla Exemplos: Num estudo sobre a produtvdade de trabalhadores ( em aeronave, navos) o pesqusador deseja controlar o número desses

Leia mais

Programa de Certificação de Medidas de um laboratório

Programa de Certificação de Medidas de um laboratório Programa de Certfcação de Meddas de um laboratóro Tratamento de dados Elmnação de dervas Programa de calbração entre laboratóros Programa nterno de calbração justes de meddas a curvas Tratamento dos resultados

Leia mais

8 Soluções Não Ideais

8 Soluções Não Ideais 8 Soluções Não Ideas 8.1 Convenções para o coefcente de atvdade na escala de frações molares Para a solução deal temos ln x onde é função apenas da pressão e temperatura. Fo anterormente mostrado que todas

Leia mais

Proposta de resolução do Exame Nacional de Matemática A 2016 (2 ạ fase) GRUPO I (Versão 1) Logo, P(A B) = = = Opção (A)

Proposta de resolução do Exame Nacional de Matemática A 2016 (2 ạ fase) GRUPO I (Versão 1) Logo, P(A B) = = = Opção (A) Proosta de resolução do Eame Naconal de Matemátca A 0 ( ạ fase) GRUPO I (Versão ). P( A B) 0, P(A B) 0, P(A B) 0, P(A B) 0,4 P(A) + P(B) P(A B) 0,4 Como P(A) 0, e P(B) 0,, vem que: 0, + 0, P(A B) 0,4 P(A

Leia mais

3 Método Numérico. 3.1 Discretização da Equação Diferencial

3 Método Numérico. 3.1 Discretização da Equação Diferencial 3 Método Numérco O presente capítulo apresenta a dscretação da equação dferencal para o campo de pressão e a ntegração numérca da expressão obtda anterormente para a Vscosdade Newtonana Equvalente possbltando

Leia mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média. Estatístca Dscplna de Estatístca 0/ Curso Superor de tecnólogo em Gestão Ambental Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues

CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogéro Rodrgues I) TABELA PRIMITIVA E DISTRIBUIÇÃO DE FREQÜÊNCIA : No processo de amostragem, a forma de regstro mas

Leia mais

CURSO de ESTATÍSTICA Gabarito

CURSO de ESTATÍSTICA Gabarito UNIVERSIDADE FEDERAL FLUMINENSE TRANSFERÊNCIA o semestre letvo de 010 e 1 o semestre letvo de 011 CURSO de ESTATÍSTICA Gabarto INSTRUÇÕES AO CANDIDATO Verfque se este caderno contém: PROVA DE REDAÇÃO com

Leia mais

CAPÍTULO IV PROPRIEDADES GEOMÉTRICAS DA SEÇÃO TRANSVERSAL

CAPÍTULO IV PROPRIEDADES GEOMÉTRICAS DA SEÇÃO TRANSVERSAL CPÍTULO IV PROPRIEDDES GEOMÉTRICS D SEÇÃO TRNSVERSL Propredades Geométrcas da Seção Transversal 4. Propredades Geométrcas da Seção Transversal 4.. Introdução O presente trabalho é desenvolvdo paralelamente

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

MODELOS DE REGRESSÃO PARAMÉTRICOS

MODELOS DE REGRESSÃO PARAMÉTRICOS MODELOS DE REGRESSÃO PARAMÉTRICOS Às vezes é de nteresse nclur na análse, característcas dos ndvíduos que podem estar relaconadas com o tempo de vda. Estudo de nsufcênca renal: verfcar qual o efeto da

Leia mais

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD1507 Estatístca Aplcada à Admnstração I Prof. Dr. Evandro Marcos adel Rbero

Leia mais

Q 1-1,5(Q3-Q1) < X i < Q 3 + 1,5(Q 3 -Q 1 ) Q 3 +1,5(Q 3 -Q 1 ) < X i < Q 3 +3(Q 3 -Q 1 ) Q 1 3(Q 3 -Q 1 ) < X i < Q 1 1,5(Q 3 -Q 1 )

Q 1-1,5(Q3-Q1) < X i < Q 3 + 1,5(Q 3 -Q 1 ) Q 3 +1,5(Q 3 -Q 1 ) < X i < Q 3 +3(Q 3 -Q 1 ) Q 1 3(Q 3 -Q 1 ) < X i < Q 1 1,5(Q 3 -Q 1 ) DIGRM OX-PLOT E CRCTERIZÇÃO DE OUTLIERS E VLORES EXTREMOS Outlers e valores extremos são aqueles que estão muto afastados do centro da dstrbução. Uma forma de caracterzá-los é através do desenho esquemátco

Leia mais

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES 1 O nosso objetvo é estudar a relação entre duas varáves quanttatvas. Eemplos:. Idade e altura das cranças.. v. Tempo de prátca de esportes e rtmo cardíaco

Leia mais

REGRESSÃO NÃO LINEAR 27/06/2017

REGRESSÃO NÃO LINEAR 27/06/2017 7/06/07 REGRESSÃO NÃO LINEAR CUIABÁ, MT 07/ Os modelos de regressão não lnear dferencam-se dos modelos lneares, tanto smples como múltplos, pelo fato de suas varáves ndependentes não estarem separados

Leia mais

MATEMÁTICA A - 12o Ano N o s Complexos - Potências e raízes Propostas de resolução

MATEMÁTICA A - 12o Ano N o s Complexos - Potências e raízes Propostas de resolução MATEMÁTICA A - 1o Ano N o s Complexos - Potêncas e raízes Propostas de resolução Exercícos de exames e testes ntermédos 1. Smplfcando a expressão de z na f.a., como 5+ ) 5 1 5, temos: z 1 + 1 ) + 1 1 1

Leia mais

Responda às questões utilizando técnicas adequadas à solução de problemas de grande dimensão.

Responda às questões utilizando técnicas adequadas à solução de problemas de grande dimensão. Departamento de Produção e Sstemas Complementos de Investgação Operaconal Exame Época Normal, 1ª Chamada 11 de Janero de 2006 Responda às questões utlzando técncas adequadas à solução de problemas de grande

Leia mais

Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina: Variável Aleatória

Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina: Variável Aleatória Departamento de Informátca Dscplna: do Desempenho de Sstemas de Computação Varável leatóra Prof. Sérgo Colcher colcher@nf.puc-ro.br Varável leatóra eal O espaço de amostras Ω fo defndo como o conjunto

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 entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

INSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO

INSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO Área Centfca Curso Matemátca Engenhara Electrotécnca º Semestre º 00/0 Fcha nº 9. Um artgo da revsta Wear (99) apresenta dados relatvos à vscosdade do óleo e ao desgaste do aço maco. A relação entre estas

Leia mais

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu 1 Programação Não Lnear com Restrções Aula 9: Programação Não-Lnear - Funções de Váras Varáves com Restrções Ponto Regular; Introdução aos Multplcadores de Lagrange; Multplcadores de Lagrange e Condções

Leia mais

ANÁLISE DE ESTRUTURAS I INTRODUÇÃO AO MÉTODO DE CROSS

ANÁLISE DE ESTRUTURAS I INTRODUÇÃO AO MÉTODO DE CROSS DECvl ANÁLISE DE ESTRUTURAS I INTRODUÇÃO AO ÉTODO DE CROSS Orlando J. B. A. Perera 20 de ao de 206 2 . Introdução O método teratvo ntroduzdo por Hardy Cross (Analyss of Contnuous Frames by Dstrbutng Fxed-End

Leia mais

LEI DE OHM A R. SOLUÇÃO. Usando a lei de Ohm

LEI DE OHM A R. SOLUÇÃO. Usando a lei de Ohm LEI DE OHM EXEMPLO. Uma resstênca de 7 é lgada a uma batera de V. Qual é o valor da corrente que a percorre. SOLUÇÃO: Usando a le de Ohm V I 444 A 7 0. EXEMPLO. A lâmpada lustrada no esquema é percorrda

Leia mais

DELINEAMENTOS EXPERIMENTAIS

DELINEAMENTOS EXPERIMENTAIS SUMÁRIO 1 Delneamentos Expermentas 2 1.1 Delneamento Interamente Casualzado..................... 2 1.2 Delneamento Blocos Casualzados (DBC).................... 3 1.3 Delneamento Quadrado Latno (DQL)......................

Leia mais

Modelo Logístico. Modelagem multivariável com variáveis quantitativas e qualitativas, com resposta binária.

Modelo Logístico. Modelagem multivariável com variáveis quantitativas e qualitativas, com resposta binária. Modelagem multvarável com varáves quanttatvas e qualtatvas, com resposta bnára. O modelo de regressão não lnear logístco ou modelo logístco é utlzado quando a varável resposta é qualtatva com dos resultados

Leia mais

2ª PARTE Estudo do choque elástico e inelástico.

2ª PARTE Estudo do choque elástico e inelástico. 2ª PARTE Estudo do choque elástco e nelástco. Introdução Consderemos dos corpos de massas m 1 e m 2, anmados de velocdades v 1 e v 2, respectvamente, movmentando-se em rota de colsão. Na colsão, os corpos

Leia mais

ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de métodos

Leia mais

O íon lantanídeo no acoplamento Russell-Saunders e a classificação de seus estados segundo os subgrupos do grupo GL(4

O íon lantanídeo no acoplamento Russell-Saunders e a classificação de seus estados segundo os subgrupos do grupo GL(4 O íon lantanídeo no acoplamento Russell-aunders e a classfcação de seus estados segundo os subgrupos do grupo G(4 ) O hamltonano, H, dos íons lantanídeos contém uma parte que corresponde ao campo central,

Leia mais

TABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS

TABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS TABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS Varável Qualquer característca assocada a uma população Classfcação de varáves Qualtatva { Nomnal sexo, cor dos olhos Ordnal Classe

Leia mais

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 011 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de

Leia mais

Proposta de resolução do Exame Nacional de Matemática A 2017 (2 ạ fase) GRUPO I (Versão 1) Assim, 2! 3! 4 = 48 é a resposta pedida.

Proposta de resolução do Exame Nacional de Matemática A 2017 (2 ạ fase) GRUPO I (Versão 1) Assim, 2! 3! 4 = 48 é a resposta pedida. Proosta de resolução do Eame Naconal de Matemátca A 7 ( ạ fase) GRUPO I (Versão ) P P I I I. 3 3! 3! = 6 = 8 Estem quatro maneras dstntas de os algarsmos ares estarem um a segur ao outro (PPIII ou IPPII

Leia mais

u t = ν A primeira coisa que você deve perceber é que essa equação apresenta um derivada de 2 ordem. Vamos aprender a lidar com isso.

u t = ν A primeira coisa que você deve perceber é que essa equação apresenta um derivada de 2 ordem. Vamos aprender a lidar com isso. Dfusão 1-D Nas últmas aulas estudamos a solução numérca e analítca (Método das Característcas) das equações de advecção lnear e não lnear usando o método das dferenças fntas e aprendemos sobre a condção

Leia mais

Flambagem. Cálculo da carga crítica via MDF

Flambagem. Cálculo da carga crítica via MDF Flambagem Cálculo da carga crítca va MDF ROF. ALEXANDRE A. CURY DEARTAMENTO DE MECÂNICA ALICADA E COMUTACIONAL Flambagem - Cálculo da carga crítca va MDF Nas aulas anterores, vmos como avalar a carga crítca

Leia mais

7 Tratamento dos Dados

7 Tratamento dos Dados 7 Tratamento dos Dados 7.. Coefcentes de Troca de Calor O úmero de usselt local é dado por h( r )d u ( r ) (7-) k onde h(r), o coefcente local de troca de calor é h( r ) q''- perdas T q''- perdas (T( r

Leia mais

Escola Secundária com 3º ciclo D. Dinis 12º Ano de Matemática A Tema III Trigonometria e Números Complexos. Tarefa nº 3 do plano de trabalho nº 2

Escola Secundária com 3º ciclo D. Dinis 12º Ano de Matemática A Tema III Trigonometria e Números Complexos. Tarefa nº 3 do plano de trabalho nº 2 scola Secundára com 3º cclo. ns º no de Matemátca Tema III Trgonometra e Números ompleos Tarefa nº 3 do plano de trabalho nº. Represente rgorosamente no plano compleo os seguntes números: a. e b. + e c.

Leia mais

MATEMÁTICA MÓDULO 8 COMPLEXOS NA FORMA TRIGONOMÉTRICA 1. FORMA TRIGONOMÉTRICA DE COMPLEXOS PROBIZU

MATEMÁTICA MÓDULO 8 COMPLEXOS NA FORMA TRIGONOMÉTRICA 1. FORMA TRIGONOMÉTRICA DE COMPLEXOS PROBIZU COMPLEXOS NA FORMA TRIGONOMÉTRICA. FORMA TRIGONOMÉTRICA DE COMPLEXOS Seja z = (a, b) = a + b r a b módulo do complexo z. a b cos = ; sen = a rcos e b = rsen r r z r (cos sen ) r cs. Com [0, ], é o argumento

Leia mais

Variáveis Aleatórias

Variáveis Aleatórias Unversdade Federal do Pará Insttuto de Tecnologa Estatístca Aplcada I Prof. Dr. Jorge Teóflo de Barros Lopes Campus de Belém Curso de Engenhara Mecânca /08/06 7:39 ESTATÍSTICA APLICADA I - Teora das Probabldades

Leia mais