Experiência I (aulas 01 e 02) Medidas de Tempo e Pêndulo simples

Tamanho: px
Começar a partir da página:

Download "Experiência I (aulas 01 e 02) Medidas de Tempo e Pêndulo simples"

Transcrição

1 Experênca I (aulas 01 e 02) Meddas de Tempo e Pêndulo smples 1. Objetvos 2. Introdução 3. O pêndulo smples 4. Medda do período de osclação de um pêndulo 5. Arranjo e procedmento expermental 6. Análse de dados 1. Objetvos O objetvo desta experênca consste em se realzar meddas de tempo e adqurr noções sobre ordem de grandeza nessas meddas. Atngremos esse objetvo estudando o período de osclação de um pêndulo smples. Esse sstema é de extremo nteresse na físca, pos permte um tratamento teórco precso, além de permtr a dscussão de város concetos da físca expermental, como noções de estatístca, erros aleatóros ou estatístcos, méda e desvo padrão e hstogramas. 2. Introdução (Texto baseado na apostla de Introdução às Meddas em Físca de 2004) A preocupação com a medda do tempo permea toda a hstóra da humandade. Motvações das mas dversas contrbuíram para sso, evolundo desde a smples ordenação de eventos acontecdos, passando pela prevsão de épocas de planto e colheta na agrcultura, duração de jornadas, observações astronômcas, etc., chegando aos nossos das, quando a medda do tempo regula o cotdano de grande parte da humandade. Hstorcamente, o desenvolvmento de meddores de tempo (relógos) acompanha a evolução da necessdade de se medr o tempo, adequando-se a cada estágo desse processo evolutvo. Dos relógos de Sol até o hoje popular relógo de quartzo, se pensarmos uncamente em

2 nstrumentos do cotdano, mutos camnhos foram trlhados. Por trás de cada nstrumento está a necessdade da época. Se para algumas cvlzações da Antgudade bastava dstngur a manhã da tarde, dversas aplcações atuas necesstam de determnações de frações muto pequenas de segundo. Ao mesmo tempo, a delmtação de ntervalos de tempo através da observação de eventos por algum dos órgãos dos sentdos também está afetada pela própra capacdade do corpo humano perceber esses eventos. A vsta humana, por exemplo, consegue dstngur eventos separados de 40 ms (1 ms = 10-3 s) aproxmadamente. É este lmte de percepção que permte o efeto cnematográfco: quando assstmos a um flme, temos a mpressão de que os movmentos ocorrem contnuamente apesar de na verdade serem projetadas fotos a uma freqüênca de 30 por segundo. Mutos dos ntervalos de tempo entre eventos que ocorrem em nosso cotdano podem ser meddos com um relógo de pulso comum, por exemplo, a duração da aula. Outros eventos, apesar de serem faclmente percebdos pelos nossos sentdos, ocorrem em ntervalos de tempos muto curtos para serem meddos dessa forma. Podemos adotar como sendo de alguns segundos o ntervalo de tempo mínmo mensurável com um relógo comum. Esse lmte é muto maor do que, por exemplo, o tempo de contato dos seus dedos com o tampo da mesa numa batucada. Tente estmar valores para: O tempo de queda de uma borracha da mesa para o chão; O tempo de chute de uma bola de futebol; O tempo entre dos toques de dedo de uma batucada; O tempo gasto para escrever a palavra tempo e para assnar o seu nome. Neste expermento, remos medr o período de osclação de um pêndulo com o ntuto de: realzar meddas de ntervalos pequenos de tempo e estudar algumas lmtações mpostas pela nossa percepção e pelos nstrumentos de medda; ntroduzr de manera prátca o conceto de erros estatístcos ou aleatóros; realzar uma prmera dscussão sobre a adequação de um modelo dealzado a um expermento real.

3 3. O Pêndulo Smples O estudo do período de osclação do pêndulo pode parecer algo desnteressante em um prmero momento. Porém, essa mpressão não podera estar mas errada. Galleu Galle, consderado um dos prncpas cradores do método centífco moderno, fo uma das prmeras pessoas a estudar esse sstema físco e descobrr algumas de suas nteressantes propredades. Conta a hstóra que Galleu, ao assstr à mssa na catedral de Psa todos os domngos, reparava que um candelabro balançava devdo à corrente de ar, o que o motvou a estudar o movmento osclatóro de um pêndulo. Ele percebeu que ndependentemente da dstânca percorrda pelo pêndulo, o tempo para completar o movmento é sempre o mesmo. Galleu não tnha nenhum cronômetro ou relógo que lhe permtsse medr o tempo em suas experêncas, por sso controlou o tempo com as suas pulsações. (a) (b) Fgura (a) candelabro na Catedral de Psa. (b) relógo de pêndulo concebdo por Galleu. O estudo do pêndulo levou-o a conclur que a duração do movmento pendular não é afetada pelo peso do corpo suspenso, mas sm pelo tamanho da corda que o suspende. Baseado nestas conclusões, Galleu desenvolveu o relógo de pêndulo, o mas precso na época.

4 Toda haste, fo ou outro objeto qualquer, suspenso por um de seus pontos e sujeto à ação da gravdade executará um movmento osclatóro, se for momentaneamente afastado do seu ponto de equlíbro (desde que o ponto de fxação não concda com o centro de massa do corpo). O período deste movmento é uma grandeza físca característca do sstema. A versão mas smples de um pêndulo consste de um objeto de massa pequena suspenso por um fo nextensível e de massa desprezível. Um modelo bastante comum utlzado para relaconar o período T de um pêndulo com seu comprmento L é chamado de modelo do pêndulo smples e basea-se nas seguntes hpóteses: a. o pêndulo é consttuído por um ponto materal suspenso por um fo nextensível e sem massa; b. apenas as forças peso e tração agem sobre o ponto materal; c. utlza-se ângulos de abertura pequenos ( < 15 o ), tal que seja válda a aproxmação sen(θ) ~ θ (em radanos), onde θ é o ângulo entre o fo e a vertcal, durante a osclação (fgura 2.2). Fgura pêndulo smples e L: Baseado nessas hpóteses pode-se deduzr a segunte relação entre T T 2 L g (1)

5 onde g é a aceleração da gravdade. 4. Medda do período de osclação de um pêndulo A fm de medr o período de osclação do pêndulo, deslocamos de um certo ângulo o ponto materal que o compõem e medmos o tempo que esse ponto leva para retornar ao mesmo ângulo deslocado ncalmente. Para medr esse tempo, utlzaremos um cronômetro cuja resolução, ou seja, a menor undade de medda, é 0,01 s. Como toda medda, precsamos atrbur uma ncerteza ao valor obtdo. Fará parte do nosso expermento refletr sobre a melhor estmatva possível para essa ncerteza. Na experênca anteror ldamos com a medda de comprmentos de objetos bem defndos e utlzamos equpamentos analógcos. As ncertezas nas meddas foram estmadas como sendo as ncertezas nstrumentas dos equpamentos de medda, que normalmente eram a metade da menor dvsão do equpamento (lembre-se que para o paquímetro, a ncerteza nstrumental é a menor dvsão). Por se tratar de um equpamento dgtal, a ncerteza nstrumental do cronômetro deve ser dada pelo fabrcante. Na ausênca de um valor fornecdo pelo fabrcante, podemos consderar a ncerteza como sendo a menor dvsão do equpamento, ou seja, 0,01 s. Porém, se você repetr a medda váras vezes, você espera obter o mesmo valor para o período do pêndulo? A varação nos valores de período obtdos será em torno de 0,01 s? Realze essa medda algumas vezes com o pêndulo próxmo a você e verfque o resultado. Após a observação desses resultados, já deve estar claro para você que o valor meddo do período vara muto mas que o erro nstrumental atrbuído. Por que sso ocorre? Qual será o valor do período de osclação do pêndulo e, prncpalmente, qual será o valor da ncerteza dessa medda? Dante desta constatação, fca claro que o erro nstrumental não é o únco a afetar o resultado e a ncerteza de uma medda. Exstem outros tpos de ncerteza que precsam ser consderados. Nesta aula, remos estudar a ncerteza aleatóra ou estatístca. Lea o capítulo 4 da apostla Introdução à Teora de Erros de J. H. Vuolo para uma extensa dscussão sobre os tpos de ncerteza mas comuns que remos encontrar. 5. Arranjo e Procedmento Expermental Para que a equação 1 seja aplcável, é necessáro que as condções expermentas possam ser aproxmadas pelas hpóteses e lmtações do

6 modelo. Assm, utlza-se como ponto materal uma bolnha de chumbo, e o fo de um materal de baxa densdade e pouca elastcdade. Adota-se anda, pequenos ângulos de osclação máxma (no caso de θ max ~ 10 o, o erro percentual da aproxmação da hpótese c é menor que 1%). É necessáro ter em mente que, estrtamente, o pêndulo smples não exste na natureza, mas o modelo pode ser tão próxmo da realdade, que as dferenças são encobertas pelas ncertezas expermentas. Parte I: Incalmente, realzaremos a medda do período de osclação de um pêndulo colocado na frente da sala de aula, próxmo à mesa do professor. Ele rá deslocar o pêndulo do seu ponto de equlíbro, fazendo-o osclar e todos os alunos medrão o período de osclação desse pêndulo com o cronômetro fornecdo a cada um. Antes de ncar a medda, teste o seu cronômetro. Acone e pare o cronômetro medatamente váras vezes. Que valores você obteve? Esse valor representa o tempo mínmo que você consegue medr com o cronômetro. Como esse tempo se compara ao período de osclação do pêndulo? Se os dos tempos forem muto semelhantes, como você acha que sso va afetar a suas meddas? Como mnmzar a nfluênca dessa lmtação nas suas meddas? Ao nvés de medr o tempo de uma osclação, não sera mas precso medr o tempo de mas osclações, ou seja, ntervalos de tempo maores? Por quê? Cada aluno rá medr o período de osclação do pêndulo 5 vezes. Como a classe tem em torno de 20 alunos, teremos uma amostra de cem meddas e poderemos comparar os valores obtdos entre todos os alunos. O tratamento que daremos aos dados será dscutdo na seção 6. Parte II: (Texto baseado na apostla de Introdução às Meddas em Físca de 2004) Nesta parte do expermento, vamos avalar o seu tempo de reação a estímulos audtvo e vsual. Para melhor compreensão vamos classfcar o tempo de reação de acordo com a nossa percepção sensoral em tempo de reação motora (T m ), tempo de reação audtvo (T a ) e tempo de reação vsual (T v ) (não se tratam de defnções rgorosas do ponto de vsta médco). Para med-los usaremos novamente um cronômetro com resolução de 0,01s. As meddas serão realzadas com expermentos relatvamente smples e têm como prncpal objetvo a famlarzação do uso do cronômetro. Além dsso, você poderá notar que além do tempo de cada

7 evento exste um tempo extra assocado à percepção sensoral do observador que manpula o cronômetro e este tempo extra vara conforme a percepção de cada ndvduo. Medção do tempo de reação motora (T m ) Aqu medremos de forma smples o tempo necessáro entre dos dsparos do cronômetro. Para ncar a medda, pressone o botão de dsparo com o dedo e, medatamente após o dsparo (tente o mas rápdo que puder) pressone o mesmo botão para parar a medção do tempo de sua reação (T m ). Repta 7 vezes no mínmo anotando os valores de T m meddos. ATENÇÃO: não conduza esta medda de tempo como uma "competção entre colegas" para não danfcar os cronômetros, pos são nstrumentos delcados de precsão! Medção do tempo de reação audtva (T a ) Esta medção de tempo deverá ser realzada em dupla. O colega de grupo va soltar uma bolnha de metal da altura da bancada do laboratóro e dexá-la car até atngr um recpente metálco (uma lata por exemplo) no chão. Mas, antes de começar o expermento, com o auxílo de uma trena, meça a altura de onde a bolnha será solta. A medda será feta a partr da superfíce da bancada até a superfíce a ser atngda no chão. Meça com o cudado de anotar até a casa dos mlmetros. Você que va marcar o tempo estará de costas para o expermento e aconará o cronômetro quando seu colega dzer "já!" e aconará novamente o cronômetro quando escutar a bolnha car no recpente. Repta 7 vezes no mínmo anotando os valores de T a meddos. Medção do tempo de reação vsual (T v ) Repta o expermento anteror, mas desta vez você aconará o cronômetro ao ver o colega dexar car a bolnha de metal da mesma altura anteror. Agora a bolnha va atngr o solo sobre duas folhas de papel dobradas ao meo e emplhadas. Ao ver a bolnha atngr as folhas de papel, dspare novamente o cronômetro para parar a medção. Repta 7 vezes no mínmo anotando os valores de T v meddos. Não esqueçam de medr novamente a altura entre a posção em que a bolnha será solta e superfíce das folhas de papel que será atngda. Comparação dos resultados dos tempos T m, T a e T v

8 Até este ponto, as meddas de tempo de reação audtva e tempo de reação vsual vão nclur, alem dos tempos de reação, o própro tempo de queda da bolnha, que é relatvamente maor que o tempo médo de reação das pessoas. A partr da equação do movmento unformemente acelerado, calcule o tempo teórco de queda da bolnha (T q ) para cada stuação (tempo de reação audtva e tempo de reação vsual) utlzando o valor da aceleração da gravdade (tabelado no laboratóro) e as alturas meddas. Podemos agora ter os tempos de reação corrgdos (levando em conta também o tempo de reação motora): T a = T a - (T qa + T m ) T v = T v - (T qv + T m ) Como os valores dos tempos de reação audtva e vsual comparamse entre s? E como eles se comparam com o período de osclação do pêndulo? Parte III: Em seguda, cada grupo usará um pêndulo dferente e medrá o seu período de osclação utlzando dos equpamentos dferentes: o cronômetro de resolução de 0,01 s e seu própro relógo de pulso de resolução de 1 s. O que você espera obter para a ncerteza em cada um dos casos? Elas serão semelhantes? Por quê? 6. Análse de dados Como você deve ter notado, o valor obtdo para o período nas dversas meddas vara muto mas que o erro nstrumental atrbuído à medda. Isso ocorre pos não é apenas o nstrumento de medda que nfluenca no resultado da mesma. Nas aulas anterores, estávamos medndo objetos muto bem defndos e estátcos, em uma stuação que nos permta comparar o comprmento a ser meddo com o padrão de medda de manera bastante cudadosa. Neste caso, o mesmo não ocorre. A medda do período do pêndulo sofre nfluênca de dversos fatores, que estão fora do nosso controle. Para ctar alguns exemplos: o mecansmo de aconamento do cronômetro não é nstantâneo devdo à mecânca de funconamento do mesmo; o reflexo humano não é nstantâneo, ou seja, leva um certo ntervalo de tempo para o expermentador perceber a passagem do pêndulo pelo ponto desejado, reagr e aconar o botão do cronômetro;

9 a própra defnção expermental do período do pêndulo está sujeta a ncertezas. Que ponto do espaço corresponde exatamente ao ponto de nversão do movmento do pêndulo? Dante de todos esses fatores, fca claro que ao repetrmos a medda do período de osclação do pêndulo, remos obter sempre valores dferentes. Conseqüentemente, nos resta decdr qual valor numérco deve ser usado para representar o período de osclação do pêndulo e como podemos estmar a ncerteza dessa medda. Como dscutdo na seção 4.3 da apostla Introdução à Teora de Erros de J.H. Vuolo, a varação nos valores meddos do período é chamada de erro aleatóro ou estatístco, pos ela ocorre devdo a dversos fatores aleatóros, que não podem ser controlados durante o expermento. Na seção 5 dessa mesma apostla, é mostrado que o valor que melhor representa o resultado expermental de váras meddas ( ) fetas em crcunstâncas estatístcas é a méda, dada por: N 1 N onde N é o número de medções fetas. A ncerteza nesse valor pode ser estmada a partr da flutuação dos dados, ou seja, a partr da varação ou desvo dos dados em relação à méda, onde defnmos o desvo de uma medda pela expressão: d (3) A prncípo, poderíamos tomar o valor médo dessa grandeza para estmar a ncerteza. Porém, devdo à própra defnção de méda, o valor médo de d será sempre zero. Portanto, ncalmente, podemos nos lvrar do snal defnndo a varânca dos dados que é dada por: 2 1 N 1 N 1 2 A varânca é uma méda do quadrado do desvo. A raz quadrada da varânca é chamada de desvo padrão (σ) e é dado por: 1 N 1 N 1 2 Podemos dzer que o desvo padrão é uma medda de quanto os dados em méda se desvam da méda. A partr do formalsmo da (2) (4) (5)

10 chamada Teora de Erros, podemos demonstrar que a ncerteza do valor médo será dada pelo desvo padrão da méda (σ m ), defndo como: m N Para o propósto desta dscplna, vamos apenas assumr esta expressão como correta (sem demonstrar sso) e utlzá-la para estmar a ncerteza aleatóra ou estatístca de todas as meddas que realzarmos daqu em dante. (6) Parte I: De posse dos dados, vamos estudar como os valores de período meddos pelos város alunos da classe se comportam. Calcule a méda, o desvo padrão e o desvo padrão da méda dos dados. Uma manera bastante efcente de se estudar os dados é fazendo um hstograma dos mesmos. Na seção 5 do capítulo IV da apostla da dscplna é explcado como construr um hstograma. Utlzando os dados meddos por todos os colegas de classe construa um hstograma. Em seguda, nterprete o resultado obtdo. Que nformações o hstograma pode lhe fornecer? Como você pode extrar a méda e o desvo padrão a partr do hstograma? Os valores obtdos numercamente concordam com os valores obtdos grafcamente? Parte II: Obtenha a méda e o desvo padrão dos dados de reação audtva e vsual. Compare o valor obtdo por você com os dos outros colegas. Compare os valores para a sua reação audtva e vsual. Compare com o valor do desvo padrão das meddas do período de osclação do pêndulo. O que você pode conclur? Parte III: Calcule a méda, desvo padrão e desvo padrão da méda dos dados obtdos tanto com o cronômetro quanto com o relógo de pulso. Compare os valores obtdos a partr desses dos equpamentos. Compare também esses resultados com os valores obtdos na prmera parte e com os valores obtdos pelos colegas. A partr do comprmento meddo do seu pêndulo e do valor da aceleração da gravdade, calcule o período esperado para o pêndulo utlzado, assumndo que o modelo do pêndulo smples é váldo para este

11 caso. Os dos valores são guas? Como é possível compará-los? A medda de comprmento tem ncerteza? Como você acha que sso va afetar o valor do período obtdo pela fórmula 1?

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

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

Aula Características dos sistemas de medição

Aula 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 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

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.

Variação 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 mais

1 Objetivo da experiência: Medir o módulo da aceleração da gravidade g no nosso laboratório com ajuda de um pêndulo simples.

1 Objetivo da experiência: Medir o módulo da aceleração da gravidade g no nosso laboratório com ajuda de um pêndulo simples. Departamento de Físca ICE/UFJF Laboratóro de Físca II Prátca : Medda da Aceleração da Gravdade Objetvo da experênca: Medr o módulo da aceleração da gravdade g no nosso laboratóro com ajuda de um pêndulo

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

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

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo

3 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 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

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

Experiência I (aulas 01 e 02)

Experiência I (aulas 01 e 02) Experiência I (aulas 01 e 02) Calibração de medidas e Pêndulo simples 1. Objetivos 2. Introdução 3. O pêndulo simples 4. Medida do período de oscilação de um pêndulo 5. Arranjo e procedimento experimental

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

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

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

Medidas e resultados em um experimento.

Medidas e resultados em um experimento. Meddas e resultados em um expermento. I- Introdução O estudo de um fenômeno natural do ponto de vsta expermental envolve algumas etapas que, mutas vezes, necesstam de uma elaboração préva de uma seqüênca

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

Física I LEC+LET Guias de Laboratório 2ª Parte

Física I LEC+LET Guias de Laboratório 2ª Parte Físca I LEC+LET Guas de Laboratóro 2ª Parte 2002/2003 Experênca 3 Expansão lnear de sóldos. Determnação de coefcentes de expansão térmca de dferentes substâncas Resumo Grupo: Turno: ª Fera h Curso: Nome

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

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

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

Estatística II Antonio Roque Aula 18. Regressão Linear

Estatística 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 mais

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos

Curso 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 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

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

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

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

Laboratório de Mecânica Aplicada I Determinação de Centros de Gravidade

Laboratório de Mecânica Aplicada I Determinação de Centros de Gravidade Laboratóro de Mecânca Aplcada I Determnação de Centros de Gravdade Em mutos problemas de mecânca o efeto do peso dos corpos é representado por um únco vector, aplcado num ponto denomnado centro de gravdade.

Leia mais

TEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma.

TEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma. UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO DE CIÊNCIAS EXATAS DEPARTAMENTO DE FÍSICA AV. FERNANDO FERRARI, 514 - GOIABEIRAS 29075-910 VITÓRIA - ES PROF. ANDERSON COSER GAUDIO FONE: 4009.7820 FAX: 4009.2823

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

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas 3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas

Leia 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

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%

RISCO. 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 mais

CARGA E DESCARGA DE UM CAPACITOR

CARGA E DESCARGA DE UM CAPACITOR EXPEIÊNCIA 06 CAGA E DESCAGA DE UM CAPACITO 1. OBJETIVOS a) Levantar, em um crcuto C, curvas de tensão no resstor e no capactor em função do tempo, durante a carga do capactor. b) Levantar, no mesmo crcuto

Leia 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

Referências: No mínimo, para cada experimento o Caderno de Laboratório deve sempre conter:

Referências: No mínimo, para cada experimento o Caderno de Laboratório deve sempre conter: Fenômenos de Transporte, Calor e Massa - FTCM - Rotero Epermental - Relatóro Prof.: Dr. Cláudo S. Sartor - EXPERIMETO Dlatação Térmca ITRODUÇÃO: Forma Geral dos Relatóros É muto desejável que seja um caderno

Leia mais

Referências: No mínimo, para cada experimento o Caderno de Laboratório deve sempre conter:

Referências: No mínimo, para cada experimento o Caderno de Laboratório deve sempre conter: Sstemas Mecâncos III - EXPERIMETO - Dlatação Térmca Prof.: Dr. Cláudo S. Sartor Técnco: Fernando ITRODUÇÃO: Forma Geral dos Relatóros É muto desejável que seja um caderno grande (formato A) pautada com

Leia mais

FGE2255 Física Experimental para o Instituto de Química. Segundo Semestre de 2013 Experimento 1. Corrente elétrica

FGE2255 Física Experimental para o Instituto de Química. Segundo Semestre de 2013 Experimento 1. Corrente elétrica FGE2255 Físca Expermental para o Insttuto de Químca Segundo Semestre de 213 Expermento 1 Prof. Dr. Crstano Olvera Ed. Baslo Jafet, Sala 22 crslpo@f.usp.br Corrente elétrca q Defnção de Corrente elétrca

Leia mais

Análise de Incertezas I.B De Paula

Análise de Incertezas I.B De Paula Um bom expermentalsta deve fazer todo o esforço possível para mnmzar os erros de seu expermento. Cabe ao expermentalsta a responsabldade de apresentar uma medda da confabldade de seus dados. amos defnr

Leia mais

METODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL. Iran Carlos Stalliviere Corrêa RESUMO

METODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL. Iran Carlos Stalliviere Corrêa RESUMO Semnáro Anual de Pesqusas Geodéscas na UFRGS, 2. 2007. UFRGS METODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL Iran Carlos Stallvere Corrêa Insttuto de Geocêncas UFRGS Departamento

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

Eletroquímica 2017/3. Professores: Renato Camargo Matos Hélio Ferreira dos Santos.

Eletroquímica 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 mais

Prof. Lorí Viali, Dr.

Prof. 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 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

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

EXPANSÃO TÉRMICA DOS LÍQUIDOS

EXPANSÃO TÉRMICA DOS LÍQUIDOS Físca II Protocolos das Aulas Prátcas 01 DF - Unversdade do Algarve EXPANSÃO ÉRMICA DOS ÍQUIDOS 1 Resumo Estuda-se a expansão térmca da água destlada e do glcerol utlzando um pcnómetro. Ao aquecer-se,

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

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

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

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

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

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

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

Introdução à Análise de Dados nas medidas de grandezas físicas

Introdução à Análise de Dados nas medidas de grandezas físicas Introdução à Análse de Dados nas meddas de grandezas físcas www.chem.wts.ac.za/chem0/ http://uregna.ca/~peresnep/ www.ph.ed.ac.uk/~td/p3lab/analss/ otas baseadas nos apontamentos Análse de Dados do Prof.

Leia mais

Mecânica Estatística. - Leis da Física Macroscópica - Propriedades dos sistemas macroscópicos

Mecânica Estatística. - Leis da Física Macroscópica - Propriedades dos sistemas macroscópicos Mecânca Estatístca Tal como a Termodnâmca Clássca, também a Mecânca Estatístca se dedca ao estudo das propredades físcas dos sstemas macroscópcos. Tratase de sstemas com um número muto elevado de partículas

Leia mais

DIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS

DIFERENCIANDO 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 mais

Covariância na Propagação de Erros

Covariância 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 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

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

Regressão Linear Simples by Estevam Martins

Regressão 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 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

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

CURSO A DISTÂNCIA DE GEOESTATÍSTICA

CURSO 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 mais

NOTA II TABELAS E GRÁFICOS

NOTA II TABELAS E GRÁFICOS Depto de Físca/UFMG Laboratóro de Fundamentos de Físca NOTA II TABELAS E GRÁFICOS II.1 - TABELAS A manera mas adequada na apresentação de uma sére de meddas de um certo epermento é através de tabelas.

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

SC de Física I Nota Q Nota Q2 Nota Q3 NOME: DRE Teste 1

SC de Física I Nota Q Nota Q2 Nota Q3 NOME: DRE Teste 1 SC de Físca I - 2017-2 Nota Q1 88888 Nota Q2 Nota Q3 NOME: DRE Teste 1 Assnatura: Questão 1 - [3,5 pontos] Uma partícula de massa m se move sobre uma calha horzontal lsa com velocdade constante de módulo

Leia mais

4. MODELAMENTOS EM POLUIÇÃO DO AR: PREDITIVOS E RECEPTORES

4. MODELAMENTOS EM POLUIÇÃO DO AR: PREDITIVOS E RECEPTORES 4. MODELAMENTOS EM POLUIÇÃO DO AR: PREDITIVOS E RECEPTORES Para o Curso de Físca da Polução do Ar FAP346, º Semestre/006 Prof. Amérco Sansgolo Kerr Montora: Mara Emíla Rehder aver 4. INTRODUÇÃO No modelamento

Leia mais

Fundamentos da Física Experimental

Fundamentos da Física Experimental Curso ntrodutóro de Fundamentos da Físca Epermental Um gua para as atvdades de laboratóro Elaborado por: Marca Muller José Luís Fabrs Agosto de 07 Prefáco A déa orgnal que será abordada neste teto é a

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

6 Análises de probabilidade de ruptura de um talude

6 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 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

Análise de Variância. Comparação de duas ou mais médias

Análise 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 mais

CQ110 : Princípios de FQ

CQ110 : 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 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

Termo-Estatística Licenciatura: 4ª Aula (08/03/2013)

Termo-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 mais

Cap. 6 - Energia Potencial e Conservação da Energia Mecânica

Cap. 6 - Energia Potencial e Conservação da Energia Mecânica Unversdade Federal do Ro de Janero Insttuto de Físca Físca I IGM1 014/1 Cap. 6 - Energa Potencal e Conservação da Energa Mecânca Prof. Elvs Soares 1 Energa Potencal A energa potencal é o nome dado a forma

Leia mais

Covariância e Correlação Linear

Covariância e Correlação Linear TLF 00/ Cap. X Covarânca e correlação lnear Capítulo X Covarânca e Correlação Lnear 0.. Valor médo da grandeza (,) 0 0.. Covarânca na propagação de erros 03 0.3. Coecente de correlação lnear 05 Departamento

Leia mais

Testes não-paramétricos

Testes 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 mais

DETERMINAÇÃO DAS CONSTANTES ELASTICAS DE MOLAS

DETERMINAÇÃO DAS CONSTANTES ELASTICAS DE MOLAS Físca Laboratoral I Ano Lectvo 7/8 RABALHO RÁICO Nº - LICENCIAURA E FÍSICA DEERINAÇÃO DAS CONSANES ELASICAS DE OLAS Objectvo - Neste trabalho pretende-se medr as constantes elástcas de duas molas e as

Leia mais

Universidade Estadual do Centro-Oeste Departamento de Física CEDETEG. Introdução à construção de gráficos

Universidade Estadual do Centro-Oeste Departamento de Física CEDETEG. Introdução à construção de gráficos Unversdade Estadual do Centro-Oeste Departamento de Físca CEDETEG Introdução à construção de gráfcos 004 1 1. Introdução Gráfcos, como equações e taelas, mostram como se relaconam duas ou mas grandezas

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

1. CORRELAÇÃO E REGRESSÃO LINEAR

1. 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 mais

Estatística I Licenciatura MAEG 2006/07

Estatística I Licenciatura MAEG 2006/07 Estatístca I Lcencatura MAEG 006/07 AMOSTRAGEM. DISTRIBUIÇÕES POR AMOSTRAGEM.. Em determnada unversdade verfca-se que 30% dos alunos têm carro. Seleccona-se uma amostra casual smples de 0 alunos. a) Qual

Leia mais

Ângulo de Inclinação (rad) [α min α max ] 1 a Camada [360,0 520,0] 2000 X:[-0,2065 0,2065] Velocidade da Onda P (m/s)

Ângulo de Inclinação (rad) [α min α max ] 1 a Camada [360,0 520,0] 2000 X:[-0,2065 0,2065] Velocidade da Onda P (m/s) 4 Estudo de Caso O estudo de caso, para avalar o método de estmação de parâmetros trdmensonal fo realzado em um modelo de referênca de três camadas, e foram realzados os seguntes passos: Descrção do modelo

Leia mais

MODELO RECEPTOR MODELO RECEPTOR MODELO RECEPTOR. Princípio do modelo:

MODELO 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 mais

4.1 Modelagem dos Resultados Considerando Sazonalização

4.1 Modelagem dos Resultados Considerando Sazonalização 30 4 METODOLOGIA 4.1 Modelagem dos Resultados Consderando Sazonalzação A sazonalzação da quantdade de energa assegurada versus a quantdade contratada unforme, em contratos de fornecmento de energa elétrca,

Leia 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

Análise de Regressão

Análise 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 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

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

Radiação Térmica Processos, Propriedades e Troca de Radiação entre Superfícies (Parte 2)

Radiação Térmica Processos, Propriedades e Troca de Radiação entre Superfícies (Parte 2) Radação Térmca Processos, Propredades e Troca de Radação entre Superfíces (Parte ) Obetvo: calcular a troca por radação entre duas ou mas superfíces. Essa troca depende das geometras e orentações das superfíces,

Leia mais

3 Subtração de Fundo Segmentação por Subtração de Fundo

3 Subtração de Fundo Segmentação por Subtração de Fundo 3 Subtração de Fundo Este capítulo apresenta um estudo sobre algortmos para a detecção de objetos em movmento em uma cena com fundo estátco. Normalmente, estas cenas estão sob a nfluênca de mudanças na

Leia mais

Métodos Avançados em Epidemiologia

Métodos Avançados em Epidemiologia Unversdade Federal de Mnas Geras Insttuto de Cêncas Exatas Departamento de Estatístca Métodos Avançados em Epdemologa Aula 5-1 Regressão Lnear Smples: Estmação e Interpretação da Reta Tabela ANOVA e R

Leia mais

As leis de Kirchhoff. Capítulo

As leis de Kirchhoff. Capítulo UNI apítulo 11 s les de Krchhoff s les de Krchhoff são utlzadas para determnar as ntensdades de corrente elétrca em crcutos que não podem ser convertdos em crcutos smples. S empre que um crcuto não pode

Leia mais

Avaliação do Modelo. Avaliação de Modelos. Métricas para avaliação de desempenho. Métricas para avaliação de desempenho 31/05/2017

Avaliação do Modelo. Avaliação de Modelos. Métricas para avaliação de desempenho. Métricas para avaliação de desempenho 31/05/2017 3/05/07 Avalação do Modelo Avalação de Modelos Métrcas para avalação de desempenho Como avalar o desempenho do modelo? Métodos para avalação de desempenho Como obter estmatvas confáves? Métodos para comparação

Leia mais