RECONCILIAÇÃO DE DADOS EM COLUNAS DE DESTILAÇÃO UTILIZANDO O SIMULADOR EMSO
|
|
- Bianca Aquino Minho
- 7 Há anos
- Visualizações:
Transcrição
1 RECONCILIAÇÃO DE DADOS EM COLUNAS DE DESTILAÇÃO UTILIZANDO O SIMULADOR EMSO MENEZES, D. Q. F. 1, SARRUF, I. 1, PEIXOTO, F. C. 1 e PRATA, D. M. 1 1 Unversdade Federal Flumnense, Departamento de Engenhara Químca e de Petróleo. E-mal para contato: pratadego@gmal.com RESUMO Este trabalho apresenta um estudo sobre reconclação de dados em estado estaconáro em colunas de destlação, com base em dos trabalhos publcados na lteratura centífca. É realzada uma breve revsão bblográfca com foco nos problemas que envolvem colunas de destlação. O prmero exemplo é uma coluna debutanzadora. O segundo exemplo é consttuído por sete colunas de destlação de óleo cru, nclundo varáves não meddas e detecção de erros grosseros. Os problemas seleconados para estudo são resolvdos no pacote computaconal EMSO (Ambente para Modelagem, Smulação e Otmzação) que dspõe de rotnas computaconas propramente desenvolvdas para reconclação de dados em estado estaconáro com restrções lneares ou não lneares. Resultados satsfatóros são obtdos e o desempenho do pacote computaconal EMSO pode ser avalado e comprovado. Assm, são apresentadas as vantagens da reconclação de dados e sua contrbução para processos de engenhara químca. 1. INTRODUÇÃO Meddas de processo precsas são de extrema mportânca para controle, otmzação, qualdade, segurança e efcênca do processo. Entretanto, essas meddas contêm erros, aleatóros e grosseros, causados, por exemplo, pela mprecsão ntrínseca dos nstrumentos de medção. Desta forma, não se espera que os dados meddos obedeçam às les de conservação. Portanto, um procedmento de retfcação de dados (RTD) é essencal para recuperar satsfatoramente a nformação contda nos dados. Este é bascamente dvddo em três etapas: classfcação de varáves; detecção de erros grosseros (DEG) e reconclação de dados (RD). O procedmento mas utlzado na RTD é a RD, onde dados meddos são ajustados de manera estatstcamente coerente pelo estmador (função objetvo) resultante da formulação de máxma verossmlhança sobre a dstrbução estatístca dos erros de medção assumda, de forma a satsfazer às les de conservação e demas restrções mpostas ao sstema (modelo matemátco), obtendo estmatvas confáves para as varáves e parâmetros do processo (Prata et al., 010). Tradconalmente é assumda dstrbução Normal, que resulta no estmador de mínmos quadrados ponderados (MQP). A prmera etapa na RTD é a classfcação das varáves. Esta etapa determna se a nformação dsponível é sufcente para resolver o problema de reconclação e dentfcar os conjuntos de varáves observáves (varáves meddas e não-meddas que podem ser estmadas por meo das demas varáves meddas e pelas restrções do processo) e nãoobserváves (varáves não meddas que não podem ser estmadas). A segunda etapa na RTD é Área temátca: Smulação, Otmzação e Controle de Processos 1
2 a DEG, um tpo especal de erro, que não segue a dstrbução estatístca de erros assumda. Esses erros podem ser causados por má calbração dos nstrumentos de medções, deteroração dos sensores, pcos de energa, entre outros. Entretanto, para obter uma estmatva precsa, para parâmetros e varáves, o efeto da nfluênca negatva de erros grosseros deve ser mnmzado ou elmnado. A lteratura tem apontado a utlzação de estmadores robustos para reconclação robusta de dados (RRD) (Prata et al., 010). Um dos processos de nteresse da ndústra químca e petroquímca é a destlação. Esta é uma antga operação untára, tendo como prncpas aplcações o fraconamento do petróleo, a obtenção de álcoos, a extração de essêncas e purfcação de substâncas (Kster, 199). Atualmente, com a evolução dos computadores, modelos matemátcos e projetos de colunas de destlação através de smuladores, como: Aspen/Hysys, ProII, ChemCAD e EMSO, entre outros, tem se tornado uma prátca bastante efcaz e precsa, porém, bastante complexa. Isto se deve, em parte, a exstênca de correlações entre as varáves de processo, e a utlzação conjunta dos procedmentos de RD/DEG, controle e otmzação, para fns de aplcação real nestes equpamentos em processos ndustras. Segundo esta dreção, este trabalho apresenta um estudo sobre RD em estado estaconáro em colunas de destlação, utlzando o smulador EMSO (Soares e Secch, 003).. REVISÃO DA LITERATURA A aplcação de RD e DEG em problemas de engenhara químca nca-se nos anos 60, a partr daí mutos artgos e lvros aplcados a processos químcos vêm sendo escrtos. Entretanto, há um número pequeno de trabalhos de RD em aplcação reas (Prata et al., 010). A complexdade de tratar com robustez a RD em um processo não trval como a destlação juntamente com modelos fenomenológcos rgorosos de colunas de destlação, como por exemplo, as equações MESH - Mass, Equlbrum, Summaton and Enthalpy - (Kster, 199), faz com que se tenha uma escassez de artgos neste campo. Geralmente, os modelos são consderados em estado estaconáro e representados apenas por balanço de massa, equações de normalzação e balanço de massa por componente. Os dos prmeros resultam em sstemas lneares, e o últmo resulta em um problema não lnear mas smples, chamado de blnear, uma vez que a não lneardade é representada especfcamente pelo produto de duas varáves de decsão para o problema de RD (vazão e concentração). Rao e Narasmhan (1996) apresentaram um estudo de uma coluna debutanzadora com 8 componentes. Wang et al. (004) avalaram uma estratéga baseada na utlzação conjunta dos testes de medda e nodal (MT-NT) para RD e DEG em um conjunto de 7 colunas em sére. Dferentemente, dos exemplos anterores, que consderaram problemas em estado estaconáro, Farz et al. (008) desenvolveram um modelo dnâmco e mas complexo para realzar a RD dnâmca, em uma coluna de destlação, estmando as temperaturas por meo de duas estratégas: redes neuronas artfcas e fltro de Kalman estenddo. O smulador EMSO - Ambente para Modelagem, Smulação e Otmzação - (Soares e Secch, 003) dspõe de rotnas computaconas propramente desenvolvdas para RD em estado estaconáro com restrções lneares ou não lneares, nclundo testes tradconas para a DEG e estmadores robustos como a Normal Contamnada (Özyurt e Pke, 004). Área temátca: Smulação, Otmzação e Controle de Processos
3 3. O PROBLEMA DE RECONCILIAÇÃO DE DADOS ESTACIONÁRIA Comumente, os modelos de processos são representados por balanços de massa e energa e ncluem também correlações termodnâmcas, propredades físcas, relações de equlíbro e reações químcas. Nesse caso, o modelo matemátco do processo resulta em um sstema de equações algébrcas não lneares. O procedmento de RD não lnear é então baseado na solução de um problema de otmzação não lnear. O problema de RD, em estado estaconáro, é descrto como: sujeto a: onde: 1 T 1 mn x z V x z (1) x h ( x, 0 () g ( x, 0 (3) x z V u h ( x, g ( x, = Vetor das varáves meddas reconcladas. = Vetor das varáves meddas. = Matrz de varânca-covarânca dos erros das varáves meddas. = Vetor das varáves não meddas estmadas (observáves). = Vetor das equações de restrções algébrcas lneares e/ou não lneares. = Vetor das equações de restrções de desgualdade, nclundo lmtes Reconclação Robusta de Dados (RRD) Exstem mutas classes de estmadores robustos, sendo as mas populares aquelas utlzadas nos estmadores-m, que são generalzações de um estmador de máxma verossmlhança (Prata et al., 010). Assumndo que os erros de medção não são correlaconados, o problema de RRD estaconáro, de forma generalzada, adota a formulação, mn sujeto a: x z mn ( ) (4) h ( x, 0 (5) g ( x, 0 (6) onde é uma função razoavelmente monotônca, e σ são, respectvamente, o resíduo padronzado e o desvo padrão da varável dscreta medda z, x e u são os vetores das varáves meddas reconcladas e não meddas (observáves) estmadas, respectvamente. Fnalmente, h e g são as restrções algébrcas de gualdade e desgualdade, respectvamente. Área temátca: Smulação, Otmzação e Controle de Processos 3
4 Apresentam-se os estmadores de MQP e Normal Contamnada (NC) como possíves escolhas para (Özyurt e Pke, 004). onde: MQP: MQP ( ) (7) p (8) Normal Contamnada: NC(, b, p) ln 1 p exp exp b b p = probabldade de valores espúros (com p<0,5). b = varânca da contamnação por estes erros (com b >1). Na Equação 8, b e p são parâmetros de sntona relaconado à efcênca relatva, sendo calculada em relação a uma dstrbução, quase sempre adotada a dstrbução Normal. Para uma efcênca relatva de 95% os valores de p e b são 0.35 e 10, respetvamente. 4. RECONCILIAÇÃO DE DADOS EM COLUNAS DE DESTILAÇÃO Nesta seção são apresentados os estudos de casos em colunas de destlação Estudo de Caso 1 O prmero caso avala uma coluna debutanzadora com uma corrente de entrada, duas de saída (topo e fundo) e com 8 componentes, proposto orgnalmente por Rao e Narasmhan (1996) e lustrado na Fgura 1. Os autores consderaram estado estaconáro, o balanço de massa por componente e as equações de normalzação para as concentrações nas correntes. Isto resulta em um sstema blnear. Neste sstema não há presença de erros grosseros, partcularmente, exstem varáves não meddas e varáves consderadas fxas (lvre de reconclação). Os autores comparam a técnca de programação não lnear (PNL) com outros dos métodos de solução para sstemas blneares: a matrz de projeção (Crowe et al., 1986) e o método de Smpson (Smpson et al., 1991), que bascamente vsam a elmnação do conjunto de varáves não meddas da RD, estmando seus valores após a RD das varáves meddas. Maores detalhes são apresentados em Narasmhan e Jordache (000). Fgura 1 Coluna debutanzadora (Rao e Narasmhan, 1996). Área temátca: Smulação, Otmzação e Controle de Processos 4
5 4.. Estudo de Caso O segundo caso avala um conjunto de 7 colunas em sére, proposto orgnalmente por Wang et al. (004) e lustrado na Fgura. Os autores consderaram estado estaconáro e apenas o balanço de massa global. Isto resulta em um sstema lnear. Neste sstema há presença de múltplos erros grosseros, partcularmente. Os autores avalaram uma estratéga baseada na utlzação conjunta dos testes de medda e nodal (MT-NT) para RD e DEG. Fgura Fluxograma de destlação de óleo cru (Wang et al., 004) Crtéro de Avalação Segundo a formulação do problema de RD, deve-se mnmzar a função objetvo (Fobj) e satsfazer as restrções, que computaconalmente corresponde a mnmzar seus respectvos resíduos. Desta forma, são usualmente utlzados os seguntes crtéros de avalação: Fobj (Função Objetvo): Quando a mesma função objetvo for utlzada no procedmento em RD, ndependentemente das estratégas utlzadas, quanto menor o seu valor, provavelmente melhor terá sdo o resultado, desde que as restrções estejam satsfetas. Soma absoluta dos resíduos (SARES): Consste na soma absoluta de cada resíduo das restrções. Quanto menor o seu valor, provavelmente melhor terá sdo o resultado. SSE (Sum of Squared Error): Consste na utlzação da Equação 9. x x u u do exato estmado reconcla SSE (9) Quanto menor for a SSE obtda, provavelmente melhor terá sdo o resultado, ndcando uma dferença pequena entre os valores reconclados /estmados e os exatos. Uma crítca é que este crtéro não leva em consderação o desvo-padrão para as varáves meddas (resíduo padronzado). Os crtéros de SARES e SSE podem ser utlzados ndependentemente da Fobj utlzada (estmador). Desta forma, estes crtéros podem ser utlzados para comparação de estmadores robustos e outras estratégas nos procedmentos de RD e DEG. exato Área temátca: Smulação, Otmzação e Controle de Processos 5
6 5. RESULTADO E DISCUSSÃO 5.1. Resultado do Estudo de Caso 1 Na Tabela 1 são apresentados os resultados obtdos neste trabalho e por Rao e Narasmhan (1996), bem como os valores meddos e respectvos desvos-padrão. Tabela 1 Resultados da RD para o estudo de caso 1. Valores Reconclados (Rao e Narasmhan, 1996) Meddo σ Crowe Smpson PNL EMSO Corrente 1 Entrada Composção % Corrente Topo Composção % 1* * x x10-7 6# # # Corrente 3 Fundo Composção % 1# # *varáves não meddas; #varáves fxas (valores conhecdos e sentos de reconclação). Na Tabela 1 observa-se os resultados. Entretanto, para avalar as estratégas de solução apresentadas utlzaram-se os crtéros de Fobj e SARES, apresentados na Tabela. Área temátca: Smulação, Otmzação e Controle de Processos 6
7 Tabela Avalação das estratégas de RD para o estudo de caso 1. Crtéros Crowe Smpson PNL EMSO Fobj 1.40x x x x10 +5 SARES 1.75x x x x10-3 Na Tabela verfca-se que o smulador EMSO obteve os melhores resultados. 5.. Resultado do Estudo de Caso Na Tabela 3 são apresentados os resultados obtdos neste trabalho e por Wang et al. (004), bem como os valores exatos, meddos e respectvos desvos-padrão. Tabela 3 Resultados da RD para o estudo de caso 3. Valores Reconclados Exato Meddo σ Wang et al. (004) EMSO x x x x x x x x x x x x x x x x x x x x x x x x x x SSE Área temátca: Smulação, Otmzação e Controle de Processos 7
8 Na Tabela 3 observa-se os resultados obtdos no procedmento de RD com dados com múltplos erros grosseros nas varáves x16, x1 e x6, para a estratéga MT-NT (Wang et al., 004) e o estmador robusto Normal Contamnada do pacote de RD do smulador EMSO. Fca claro que os maores ajustes ocorrem nas varáves com erros grosseros e que o smulador EMSO obteve o melhor resultado global, uma vez que apresentou o menor valor para SSE. Em ambos os estudos de caso utlzou-se o otmzador do IPOPT presente no EMSO. 6. CONCLUSÃO Este trabalho apresentou um estudo sobre reconclação de dados em estado estaconáro em colunas de destlação com base em dos exemplos apresentados na lteratura. No prmero o smulador EMSO fo comparado às estratégas para solução de sstemas blneares: Matrz de Projeção, Técnca de Smpson e Programação Não Lnear, em uma coluna debutanzadora. No segundo o smulador EMSO fo comparado à estratéga de detecção de múltplos erros grosseros MT-NT, utlzando-se o estmador robusto Normal Contamnada, em um conjunto de 7 colunas em sére. Em ambos os estudos o pacote computaconal EMSO obteve melhores resultados, comprovando a efcênca e robustez deste smulador. 7. REFERÊNCIAS CROWE, C. M. Reconclaton of Process Flow Rates by Matrx Projecton, Part II: The Nonlnear case. AIChE J., v. 3, p , FARZI, A.; MEHRABANI-ZEINABAD, A.; BOOZARJOMEHRY, R. B. Data reconclaton: Development of an object-orented software tool. Korean J. Chem. Eng., v. 5, p , 008. KISTER, H. Z. Dstllaton-Desgn. EUA: Edtora McGraw-Hll, 199. NARASHIMHAN, S.; JORDACHE, C. Data Reconclaton and Gross Error Detecton: An Intellgent Use of Process Data. Texas: Edtora Gulf Professonal Publshng, 000. ÖZYURT, D.B.; PIKE, R.W. Theory and practce of smultaneous data Reconclaton and gross error detecton for chemcal process. Comput. Chem. Engng., v.8, p , 004. PRATA, D. M.; SCHWAAB, M.; LIMA, E. L.; PINTO, J. C. Smultaneous Robust Data Reconclaton and Gross Error Detecton through Partcle Swarm Optmzaton for an Industral Polypropylene Reactor. Chem. Eng. Sc., v. 65, p , 010. RAO, R. R.; NARASIMHAN, S. Comparson of Technques for Data Reconclaton of Multcomponent Processes. Ind. Eng. Chem. Res., v. 35, p , SIMPSON, D. E.; EVERETT, M. G.; VOLLER, V. R. An effcent algorthm for mneral processng data adjustment. Int. J. Mner. Process, v. 31, p , SOARES, R. P.; SECCHI, A. R. EMSO: Envrolnment for Modellng, Smulaton and Optmsaton. Comput. Aded Chem. Eng., v. 14, p , 003. WANG, F.; JIA, X.; ZHENG, D.; YUE, J. An mproved MT-NT method for gross error detecton and data reconclaton. Comput. Chem. Eng., v. 8, pp , 004. Área temátca: Smulação, Otmzação e Controle de Processos 8
RECONCILIAÇÃO ROBUSTA DE DADOS UTILIZANDO O SIMULADOR EMSO
RECONCILIAÇÃO ROBUSTA DE DADOS UTILIZANDO O SIMULADOR EMSO I. SARRUF, D. Q. F. MENEZES, L. S. SANTOS e D. M. PRATA Unversdade Federal Flumnense, Departamento de Engenhara Químca e de Petróleo. Unversdade
Leia mais3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo
3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas
Leia mais2 Incerteza de medição
2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr
Leia maisNOVA METODOLOGIA PARA RECONCILIAÇÃO DE DADOS: CONSTRUÇÃO DE BALANÇÃO HÍDRICOS EM INDÚSTRIA UTILIZANDO O EMSO
I Congresso Baano de Engenhara Santára e Ambental - I COBESA NOVA METODOLOGIA PARA RECONCILIAÇÃO DE DADOS: CONSTRUÇÃO DE BALANÇÃO HÍDRICOS EM INDÚSTRIA UTILIZANDO O EMSO Marcos Vnícus Almeda Narcso (1)
Leia mais4 Critérios para Avaliação dos Cenários
Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada
Leia mais1. CORRELAÇÃO E REGRESSÃO LINEAR
1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação
Leia mais3 A técnica de computação intensiva Bootstrap
A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisRAD1507 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 maisCurso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos
Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,
Leia maisDIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS
DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS 1 A análse de dagnóstco (ou dagnóstco do ajuste) confgura uma etapa fundamental no ajuste de modelos de regressão. O objetvo prncpal da análse de dagnóstco
Leia maisCORRELAÇÃO E REGRESSÃO
CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr
Leia maisREGRESSÃO NÃO LINEAR 27/06/2017
7/06/07 REGRESSÃO NÃO LINEAR CUIABÁ, MT 07/ Os modelos de regressão não lnear dferencam-se dos modelos lneares, tanto smples como múltplos, pelo fato de suas varáves ndependentes não estarem separados
Leia maisRegressão 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 maisPrograma de Certificação de Medidas de um laboratório
Programa de Certfcação de Meddas de um laboratóro Tratamento de dados Elmnação de dervas Programa de calbração entre laboratóros Programa nterno de calbração justes de meddas a curvas Tratamento dos resultados
Leia maisModelo linear normal com erros heterocedásticos. O método de mínimos quadrados ponderados
Modelo lnear normal com erros heterocedástcos O método de mínmos quadrados ponderados Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal
Leia maisVariação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.
Aplcação Por exemplo, se prepararmos uma área expermental com todo cudado possível e fzermos, manualmente, o planto de 100 sementes seleconadas de um mlho híbrdo, cudando para que as sementes fquem na
Leia maisCURSO A DISTÂNCIA DE GEOESTATÍSTICA
CURSO A DISTÂNCIA DE GEOESTATÍSTICA Aula 6: Estaconardade e Semvarânca: Estaconardade de a. ordem, Hpótese ntríseca, Hpótese de krgagem unversal, Crtéros para escolha, Verfcação, Representatvdade espacal,
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-14 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Prncípos de cração de modelos empírcos: Modelos (matemátcos, lógcos, ) são comumente utlzados na
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ Em mutas stuações duas ou mas varáves estão relaconadas e surge então a necessdade de determnar a natureza deste relaconamento. A análse
Leia mais4 Discretização e Linearização
4 Dscretzação e Lnearzação Uma vez defndas as equações dferencas do problema, o passo segunte consste no processo de dscretzação e lnearzação das mesmas para que seja montado um sstema de equações algébrcas
Leia maisUNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)
UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade
Leia maisCovariância na Propagação de Erros
Técncas Laboratoras de Físca Lc. Físca e Eng. omédca 007/08 Capítulo VII Covarânca e Correlação Covarânca na propagação de erros Coefcente de Correlação Lnear 35 Covarânca na Propagação de Erros Suponhamos
Leia maisOs modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.
MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisUMA 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 maisRegressão Linear Simples by Estevam Martins
Regressão Lnear Smples by Estevam Martns stvm@uol.com.br "O únco lugar onde o sucesso vem antes do trabalho, é no dconáro" Albert Ensten Introdução Mutos estudos estatístcos têm como objetvo estabelecer
Leia maisMODELOS 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 mais5 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 mais7 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 maisO problema da superdispersão na análise de dados de contagens
O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca
Leia maisRISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%
Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $
Leia maisCap. 11 Correlação e Regressão
Estatístca para Cursos de Engenhara e Informátca Pedro Alberto Barbetta / Marcelo Menezes Res / Antono Cezar Borna São Paulo: Atlas, 2004 Cap. 11 Correlação e Regressão APOIO: Fundação de Apoo à Pesqusa
Leia mais2 Metodologia de Medição de Riscos para Projetos
2 Metodologa de Medção de Rscos para Projetos Neste capítulo remos aplcar os concetos apresentados na seção 1.1 ao ambente de projetos. Um projeto, por defnção, é um empreendmento com metas de prazo, margem
Leia maisO problema da superdispersão na análise de dados de contagens
O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão
Leia maisFaculdade 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 maisINTRODUÇÃO À CALIBRAÇÃO MULTIVARIADA
INTRODUÇÃO À CALIBRAÇÃO MULTIVARIADA APLICAÇÃO NO CONTROLE DE QUALIDADE DE FÁRMACOS Prof. Dr. Marcelo Martns de Sena MÓDULO 04 Undade Unverstára de Cêncas Eatas e Tecnológcas UnUCET Anápols 1 MÓDULO 04
Leia mais2 Análise de Campos Modais em Guias de Onda Arbitrários
Análse de Campos Modas em Guas de Onda Arbtráros Neste capítulo serão analsados os campos modas em guas de onda de seção arbtrára. A seção transversal do gua é apromada por um polígono conveo descrto por
Leia maisModelo linear clássico com erros heterocedásticos. O método de mínimos quadrados ponderados
Modelo lnear clássco com erros heterocedástcos O método de mínmos quadrados ponderados 1 Varâncas homogêneas Varâncas heterogêneas y y x x Fgura 1 Ilustração da dstrbução de uma varável aleatóra y (condconal
Leia maisAnálise de Regressão
Análse de Regressão método estatístco que utlza relação entre duas ou mas varáves de modo que uma varável pode ser estmada (ou predta) a partr da outra ou das outras Neter, J. et al. Appled Lnear Statstcal
Leia maisCÁLCULO DE VISCOSIDADE DE LÍQUIDOS COM A EDE CUBIC- PLUS-ASSOCIATION INCORPORADA AO MODELO EYRING
CÁLCULO DE VISCOSIDADE DE LÍQUIDOS COM A EDE CUBIC- PLUS-ASSOCIATION INCORPORADA AO MODELO EYRING I. Q. MATOS 1, J. P. L. SANTOS 1 e G. F. SILVA 1 1 Unversdade Federal de Sergpe, Departamento de Engenhara
Leia maisEstatística II Antonio Roque Aula 18. Regressão Linear
Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão
Leia maisAssociação entre duas variáveis quantitativas
Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa
Leia maisAula Características dos sistemas de medição
Aula - Característcas dos sstemas de medção O comportamento funconal de um sstema de medção é descrto pelas suas característcas (parâmetros) operaconas e metrológcas. Aqu é defnda e analsada uma sére destes
Leia maisAnálise Exploratória de Dados
Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: obter uma reta que se ajuste aos dados segundo o crtéro de mínmos quadrados; apresentar outros crtéros para a determnação de uma
Leia maisEstudo e Previsão da Demanda de Energia Elétrica. Parte II
Unversdade Federal de Paraná Setor de Tecnologa Departamento de Engenhara Elétrca Estudo e Prevsão da Demanda de Energa Elétrca Parte II Prof: Clodomro Unshuay-Vla Etapas de um Modelo de Prevsão Objetvo
Leia mais4 ANÁLISE DE CONFIABILIDADE COM ANÁLISE LIMITE
4 ANÁLISE DE CONIABILIDADE COM ANÁLISE LIMITE A avalação da segurança das estruturas geotécncas tem sdo sempre um dos objetvos da Engenhara Geotécnca. A forma convenconal de quantfcar a segurança de uma
Leia maisEXERCÍCIO: VIA EXPRESSA CONTROLADA
EXERCÍCIO: VIA EXPRESSA CONTROLADA Engenhara de Tráfego Consdere o segmento de va expressa esquematzado abaxo, que apresenta problemas de congestonamento no pco, e os dados a segur apresentados: Trechos
Leia mais(1) A uma parede totalmente catalítica quanto para uma parede com equilíbrio catalítico. No caso de uma parede com equilíbrio catalítico, tem-se:
1 RELATÓRIO - MODIFICAÇÃO DA CONDIÇÃO DE CONTORNO DE ENTRADA: MODELOS PARCIALMENTE CATALÍTICO E NÃO CATALÍTICO PARA ESCOAMENTOS COM TAXA FINITA DE REAÇÃO 1. Condções de contorno Em escoamentos reatvos,
Leia maisDIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS
177 DIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS Antôno Carlos da Slva Flho Un-FACEF Introdução Trend Strps (TS) são uma nova técnca de análse da dnâmca de um sstema,
Leia maisTestes não-paramétricos
Testes não-paramétrcos Prof. Lorí Val, Dr. http://www.mat.ufrgs.br/val/ val@mat.ufrgs.br Um teste não paramétrco testa outras stuações que não parâmetros populaconas. Estas stuações podem ser relaconamentos,
Leia maisAlgarismos Significativos Propagação de Erros ou Desvios
Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento
Leia maisPUCPR- Pontifícia Universidade Católica Do Paraná PPGIA- Programa de Pós-Graduação Em Informática Aplicada PROF. DR. JACQUES FACON
1 PUCPR- Pontfíca Unversdade Católca Do Paraná PPGIA- Programa de Pós-Graduação Em Informátca Aplcada PROF. DR. JACQUES FACON LIMIARIZAÇÃO ITERATIVA DE LAM E LEUNG Resumo: A proposta para essa sére de
Leia mais1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de
Leia mais3 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 maisDEFINIÇÃO - MODELO LINEAR GENERALIZADO
DEFINIÇÃO - MODELO LINEAR GENERALIZADO 1 Um modelo lnear generalzado é defndo pelos seguntes três componentes: Componente aleatóro; Componente sstemátco; Função de lgação; Componente aleatóro: Um conjunto
Leia maisAnálise de influência
Análse de nfluênca Dzemos que uma observação é nfluente caso ela altere, de forma substancal, alguma propredade do modelo ajustado (como as estmatvas dos parâmetros, seus erros padrões, valores ajustados...).
Leia maisMODELO RECEPTOR MODELO RECEPTOR MODELO RECEPTOR. Princípio do modelo:
MODELO RECEPTOR Não modela a dspersão do contamnante. MODELO RECEPTOR Prncípo do modelo: Atacar o problema de dentfcação da contrbução da fonte em ordem nversa, partndo da concentração do contamnante no
Leia maisFigura 3: Diagrama de blocos do sistema de inferência da qualidade.
4 Solução Proposta A metodologa proposta nesta dssertação pode ser dvdda em quatro etapas complementares que estão representadas no dagrama de blocos na Fgura 3. Cada uma delas está descrta através do
Leia maisDinâmica Estocástica. Instituto de Física, outubro de Tânia Tomé - Din Estoc
Dnâmca Estocástca Insttuto de Físca, outubro de 2016 1 Dnâmcas estocástcas para o modelos defndos em redes Sstema defndo em um retculado em um espaço de d dmensões Exemplo: rede quadrada d=2 em que cada
Leia maisRECONCILIAÇÃO ROBUSTA DE DADOS COM SELEÇÃO DE MODELO SIMULTÂNEA APLICADA AO CÁLCULO DA POTÊNCIA TÉRMICA DE UM REATOR NUCLEAR TIPO PWR.
RECONCILIAÇÃO ROBUSTA DE DADOS COM SELEÇÃO DE MODELO SIMULTÂNEA APLICADA AO CÁLCULO DA POTÊNCIA TÉRMICA DE UM REATOR NUCLEAR TIPO PWR. Eduardo Damank Valdetaro da Slva Tese de Doutorado apresentada ao
Leia maisGestão e Teoria da Decisão
Gestão e Teora da Decsão Logístca e Gestão de Stocks Estratégas de Localzação Lcencatura em Engenhara Cvl Lcencatura em Engenhara do Terrtóro 1 Estratéga de Localzação Agenda 1. Classfcação dos problemas
Leia maisTeoria da Regressão Espacial Aplicada a. Sérgio Alberto Pires da Silva
Teora da Regressão Espacal Aplcada a Modelos Genércos Sérgo Alberto Pres da Slva ITENS DE RELACIONAMENTOS Tópcos Báscos da Regressão Espacal; Banco de Dados Geo-Referencados; Modelos Genércos Robustos;
Leia maisMOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES
MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES 1. Obtenha os estmadores dos coefcentes lnear e angular de um modelo de regressão lnear smples utlzando o método
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-4 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Programa do curso: Semana Conteúdo Apresentação da dscplna. Prncípos de modelos lneares de regressão.
Leia maisRepresentação 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 maisEstudo quantitativo do processo de tomada de decisão de um projeto de melhoria da qualidade de ensino de graduação.
Estudo quanttatvo do processo de tomada de decsão de um projeto de melhora da qualdade de ensno de graduação. Rogéro de Melo Costa Pnto 1, Rafael Aparecdo Pres Espíndula 2, Arlndo José de Souza Júnor 1,
Leia mais2. Validação e ferramentas estatísticas
. Valdação e ferramentas estatístcas Mutos aspectos relaconados à socedade são suportados, de alguma forma, por algum tpo de medção analítca. Mlhões de medções analítcas são realzadas todos os das, em
Leia maisINSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO
Área Centfca Curso Matemátca Engenhara Electrotécnca º Semestre º 00/0 Fcha nº 9. Um artgo da revsta Wear (99) apresenta dados relatvos à vscosdade do óleo e ao desgaste do aço maco. A relação entre estas
Leia maisGráficos de Controle para Processos Autocorrelacionados
Gráfcos de Controle para Processos Autocorrelaconados Gráfco de controle de Shewhart: observações ndependentes e normalmente dstrbuídas. Shewhart ao crar os gráfcos de controle não exgu que os dados fossem
Leia maisUNIVERSIDADE 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 maisIMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO
IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO Alne de Paula Sanches 1 ; Adrana Betâna de Paula Molgora 1 Estudante do Curso de Cênca da Computação da UEMS, Undade Unverstára de Dourados;
Leia mais4 Análise de confiabilidade de estruturas
4 Análse de confabldade de estruturas Nos prmórdos da engenhara cvl, o desconhecmento técnco-centífco conduza a proetos excessvamente seguros, mas em contrapartda de custo muto elevado. Hoe em da, o progresso
Leia maisAVALIAÇÃO DO EFEITO DO MÉTODO DE BUSCA UTILIZADO NA ESTIMAÇÃO DE PARÂMETROS SOBRE A CAPACIDADE PREDITIVA DO MODELO DE OCUPAÇÃO DE MÚLTIPLOS SÍTIOS
AVALIAÇÃO DO EFEITO DO MÉTODO DE BUSCA UTILIZADO NA ESTIMAÇÃO DE PARÂMETROS SOBRE A CAPACIDADE PREDITIVA DO MODELO DE OCUPAÇÃO DE MÚLTIPLOS SÍTIOS A. D. LIMA 1, S. ARVELOS 1 e L. L. ROMANIELO 1 1 Unversdade
Leia maisEletroquímica 2017/3. Professores: Renato Camargo Matos Hélio Ferreira dos Santos.
Eletroquímca 2017/3 Professores: Renato Camargo Matos Hélo Ferrera dos Santos http://www.ufjf.br/nups/ Data Conteúdo 07/08 Estatístca aplcada à Químca Analítca Parte 2 14/08 Introdução à eletroquímca 21/08
Leia maisFaculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu
Programação Lnear (PL) Aula : Dualdade. Defnção do Problema Dual. Defnção do problema dual. O que é dualdade em Programação Lnear? Dualdade sgnfca a exstênca de um outro problema de PL, assocado a cada
Leia maisAnálise de Regressão Linear Múltipla VII
Análse de Regressão Lnear Múltpla VII Aula 1 Hej et al., 4 Seções 3. e 3.4 Hpótese Lnear Geral Seja y = + 1 x 1 + x +... + k x k +, = 1,,..., n. um modelo de regressão lnear múltpla, que pode ser escrto
Leia mais3 Elementos de modelagem para o problema de controle de potência
3 Elementos de modelagem para o problema de controle de potênca Neste trabalho assume-se que a rede de comuncações é composta por uma coleção de enlaces consttuídos por um par de undades-rádo ndvdualmente
Leia maisModelo 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 maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-4 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Programa do curso: Semana Conteúdo Apresentação da dscplna. Prncípos de modelos lneares de regressão.
Leia maisTermo-Estatística Licenciatura: 4ª Aula (08/03/2013)
Termo-Estatístca Lcencatura: 4ª Aula (08/03/013) Prof. Alvaro Vannucc RELEMBRADO Dstrbução dscreta (hstogramas) x contínua (curvas de dstrbução): Dada uma Função de Dstrbução de Densdade de Probabldade,
Leia maisCQ110 : Princípios de FQ
CQ 110 Prncípos de Físco Químca Curso: Farmáca Prof. Dr. Marco Vdott mvdott@ufpr.br 1 soluções eletrolítcas Qual a dferença entre uma solução 1,0 mol L -1 de glcose e outra de NaCl de mesma concentração?
Leia maisEscola Superior de Tecnologia de Viseu. Fundamentos de Estatística 2006/2007 Ficha nº 7
Escola Superor de Tecnologa de Vseu Fundamentos de Estatístca 006/00 Fcha nº. Um artgo da revsta Wear (99) apresenta dados relatvos à vscosdade do óleo e ao desgaste do aço maco. A relação entre estas
Leia maisMODELAGEM E SIMULAÇÃO DE COLUNAS DE DESTILAÇÃO REATIVA (METÁTESE DO 2-PENTENO)
MODELAGEM E SIMULAÇÃO DE COLUNAS DE DESTILAÇÃO REATIVA (METÁTESE DO 2-PENTENO) Vlmar Steffen, Edson Antono da Slva(Orentador/UNIOESTE), e-mal: eq.vlmar@bol.com.br. Unversdade Estadual do Oeste do Paraná/Centro
Leia maisBALANÇO HÍDRICO UMA NOVA SISTEMÁTICA
BALAÇO HÍDRICO UMA OA SISTEMÁTICA D. Fontana, R. Kald, I. Sartor, A.Kperstok, M. Slva, E. A. Sales, J.G. Pacheco Flho, S. Olvera, C. Perazzo. - Unversdade Federal da Baha UFBA Escola Poltécnca TECLIM Rua
Leia maisAnálise Exploratória de Dados
Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: traçar dagramas de dspersão, para avalar possíves relações entre as duas varáves; calcular o coefcente de correlação entre as duas
Leia mais6 Análises de probabilidade de ruptura de um talude
6 Análses de probabldade de ruptura de um talude 6.. Introdução No presente capítulo, apresentam-se prevsões de probabldades de ruptura para o talude de jusante da Barragem de Benguê mostrada na fgura
Leia mais5 Métodos de cálculo do limite de retenção em função da ruína e do capital inicial
5 Métodos de cálculo do lmte de retenção em função da ruína e do captal ncal Nesta dssertação serão utlzados dos métodos comparatvos de cálculo de lmte de retenção, onde ambos consderam a necessdade de
Leia maisRedução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma
Redução dos Dados Júlo Osóro Meddas Característcas da Dstrbução Tendênca Central (Localzação) Varação (Dspersão) Forma 1 Meddas Característcas da Dstrbução Meddas Estatístcas Tendênca Central Dspersão
Leia maisModelo de Alocação de Vagas Docentes
Reunão Comssão de Estudos de Alocação de Vagas Docentes da UFV Portara 0400/2016 de 04/05/2016 20 de mao de 2016 Comssão de Estudos das Planlhas de Alocação de Vagas e Recursos Ato nº 009/2006/PPO 19/05/2006
Leia maisAnálise de Variância. Comparação de duas ou mais médias
Análse de Varânca Comparação de duas ou mas médas Análse de varânca com um fator Exemplo Um expermento fo realzado para se estudar dabetes gestaconal. Desejava-se avalar o comportamento da hemoglobna (HbA)
Leia mais2 Modelos de Otimização sob Incerteza 2.1. Introdução
2 Modelos de Otmzação sob Incerteza 2.. Introdução Modelos de programação matemátca são comumente utlzados para solução de problemas de programação da produção, de logístca, de schedulng e de planejamento
Leia mais5 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 maisDiferença entre a classificação do PIB per capita e a classificação do IDH
Curso Bem Estar Socal Marcelo Ner - www.fgv.br/cps Metas Socas Entre as mutas questões decorrentes da déa de se mplementar uma proposta de metas socas temos: Qual a justfcatva econômca para a exstênca
Leia maisUTILIZAÇÃO DE QUESTIONÁRIOS NA ESTIMATIVA DA INCERTEZA EM RECONCILIAÇÃO DE DADOS DO BALANÇO HÍDRICO
UTILIZAÇÃO DE QUESTIONÁRIOS NA ESTIMATIVA DA INCERTEZA EM RECONCILIAÇÃO DE DADOS DO BALANÇO HÍDRICO 1,* Igor Rodrgues,,* Márco Martns,,* André Hartmann, 3,* Rcardo Kald ¹Bolssta ncação centífca PIBIC/CNPQ/UFBA,
Leia maisCap. 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 maisEventos coletivamente exaustivos: A união dos eventos é o espaço amostral.
DEFINIÇÕES ADICIONAIS: PROBABILIDADE Espaço amostral (Ω) é o conjunto de todos os possíves resultados de um expermento. Evento é qualquer subconjunto do espaço amostral. Evento combnado: Possu duas ou
Leia mais