A DESIGUALDADE DE CHEBYCHEV HÉLIO BERNARDO LOPES 1

Tamanho: px
Começar a partir da página:

Download "A DESIGUALDADE DE CHEBYCHEV HÉLIO BERNARDO LOPES 1"

Transcrição

1 A DESIGUALDADE DE CHEBYCHEV HÉLIO BERNARDO LOPES Resumo. A desgualdade de Chebychev cosu um resulado de grade mporâca a esmação da probabldade de acoecmeos orudos de experêcas aleaóras de que se descohece a dsrbução da correspodee população. Pode, em odo o caso, surgr de modos dversos, auralmee equvalees, como ambém em dsos domíos que êm o acaso a sua raz essecal. O presee exo expõe, precsamee, a mporâca da Desgualdade de Chebychev, mas vsa à luz da dversdade da sua aplcação. Quado se preede calcular a probabldade de poder ocorrer deermado acoecmeo e se cohece a dsrbução probablísca que esá em causa o problema, ão se colocam dfculdades parculares. É o que sucede, por exemplo, com uma varável aleaóra, coíua, cuja fução desdade de probabldade seja: x x 0, f ( x ) 0 x 0,. O valor médo de - o seu prmero momeo ordáro, porao - e o seu segudo momeo ordáro valem, respevamee: pelo que a varâca de oma o valor: E x xdx 0 E x xdx 0 V E E 9 Adma-se, agora, que se preede calcular a segue probabldade: P. Ora, edo-se: o valor da probabldade procurada vale: xdx 0, 69. Ago Professor e Membro do Coselho Ceífco da Escola Superor de Políca.

2 Esa é, pos, uma esmava da probabldade de que assuma valores o ervalo: cerado o valor médo de : e de sem-amplude gual ao desvo-padrão de :, E Nese caso fo possível ober o valor da probabldade procurada, cosegudo com a precsão que se eedeu, dado ser cohecda a dsrbução da varável aleaóra em causa. Pode, porém, acoecer que se coheçam o valor médo e o desvo-padrão da varável aleaóra, mas se descoheça a correspodee dsrbução, o que mpossbla o cálculo al como aerormee apreseado. É para uma suação dese po que a Desgualdade de Chebychev se mosra de eorme uldade, já que, segudo Pesaa (00) a mesma evolve apeas o valor médo e a varâca (de ), mosrado que o smples cohecmeo de localzação e escala perme fazer avalações de probabldades. Ese mporae srumeo da Teora da Probabldade é váldo para uma qualquer varável aleaóra, com a úca codção de ser fo o valor da respecva varâca, o que acarrea que os dos prmeros momeos ordáros o sejam ambém. Ese resulado é váldo, por gual, para o caso de dsrbuções dscreas, mas acarrea, em qualquer caso e como sera sempre de esperar, uma mprecsão a esmava achada para a probabldade do acoecmeo em causa. A Desgualdeade de Chebychev é um caso parcular da Desgualdade de Markov, que se apresea de seguda, sem demosração, e que pode ecorar-se os mauas dos auores porugueses mas cosagrados. Seja, eão, g uma fução mesurável da varável aleaóra, e que ão assuma valores egavos, ou seja, g 0. Eão, se exsr o valor médo de g, Eg, er-se-á que: Eg c R, Pg c c Como coroláro desa propredade, cosdere-se agora o caso em que a fução cosderada é: g( ). Tem-se, ese caso, a desgualdade: P E c c Reomado o exemplo da dsrbução cal, faclmee se pode mosrar que: 5 P xdx x 5 00, (5). 5 Em coraparda, se se descohecesse a dsrbução da varável aleaóra, e se recorresse ao aeror resulado, coroláro da Desgualdade de Markov, ober-se-a:

3 5 P 5 5 o que mosra que o descohecmeo da dsrbução de deerma a esmação de uma probabldade do acoecmeo em causa muo acma do seu valor real. A probabldade esmada pelo recurso ao coroláro da Desgualdade de Markov forece um lme superor da probabldade do acoecmeo: 08, 5 mas muo acma do valor real, calculável a parr do cohecmeo da dsrbução exaca. Um segudo coroláro da Desgualdade de Markov, mas que exge o cohecmeo de mas formação, pode ecorar-se se se cohecer o momeo absoluo ordáro de odem N de, forecedo o resulado: ode c R. E P c c Tedo presee que para a varável aleaóra se em: E 5 9, ese úlmo coroláro da Desgualdade de Markov perme a ova esmava: P 5 P 5 9, , que forece um lme superor para a probabldade do acoecmeo em causa: 5 já mas próxmo do verdadero valor da sua probabldade, se fosse cohecda a dsrbução exaa de. Esa maor proxmdade da probabldade esmada aravés dese segudo coroláro já requereu, coudo, o cohecmeo do quo momeo absoluo ordáro de, ou seja, uma formação maor que a requerda o caso do prmero coroláro. A Desgualdade de Chebychev é um caso parcular da Desgualdade de Markov, aplcada ao caso da fução: e omado a cosae c como sedo: e ode subsução a Desgualdade de Markov: g c são, respevamee, o valor médo e o desvo-padrão de, e ode R. Vrá, eão, por E P

4 ou seja: P É esa expressão, ou a medaamee aeror, que cosu a mporae Desgualdade de Chebychev para o caso de uma úca varável aleaóra. Mas esa desgualdade pode ada assumr uma oura forma, se ela se fzer: V forma essa que é: P V Tomado, mas uma vez, a varável aleaóra calmee cosderada, calcule-se a probabldade:, P P,,. Se se cohecer a dsrbução de, esa probabldade vale:,, xdx 0, 69. Coudo, se essa dsrbução for descohecda, e se recorrer à Desgualdade de Chebychev, vrá, dado ser: o valor da probabldade em causa: P,, 0, 7, que é um lme mímo para a probabldade procurada, embora muo dsae do verdadero valor. O que já pôde perceber-se é que a Desgualdade de Chebychev se mosra muo lmada ao ível das probabldades esmadas. É o preço que a sua grade geeraldade compora. O úco camho para melhorar o valor das suas corbuções é resrgr o cojuo das dsrbuções a que se aplca, havedo ecessdade de se cohecer, ao meos, que o seu comporameo em maor proxmdade com o de po gaussao. No caso da varável aleaóra com valor médo ulo, que, se for cohecdo o momeo absoluo ordáro de quara ordem: se em: E 0, e varâca, Murera (990) mosra P

5 com. Adma-se agora que se possuem varáves aleaóras, semelhaes e depedees, cada uma com valor médo e varâca, sedo N. A méda arméca das varáves aleaóras é a varável aleaóra: cujo valor médo e varâca são, respecvamee: E V Recorredo à Desgualdade de Markov, mas omado agora a ova fução g: RR, defda por: g para a qual: E vrá: P P Esa úlma expressão é, pos, a da Desgualdade de Chebychev, quado a varável aleaóra é a méda arméca de varáves aleaóras, semelhaes e depedees, suação que se coloca frequeemee a práca. Seja uma população ormal, de valor médo, 6, e varâca, 06, dmesão 00, oruda dessa população. Ter-se-á, eão: pelo que será: E V 6 06, ,. 0, 006, e supoha-se uma amosra de vrá: Se ese caso se preeder esmar um valor para a probabldade do acoecmeo: 6

6 P 6 P ,, , 0, Esa é uma esmava do mímo da probabldade procurada. De faco, se se soubesse que: ~ N 6; 0, 006 Z 6 ~ N( 0, ) 006, rar-se-a da abela da dsrbução Normal reduzda que: P 6. A maor proxmdade ere a aeror esmava, 0,99996, e o valor real da probabldade, quado se cohece a dsrbução, deve-se ao faco de se er usado uma amosra já grade, aravés da dsrbução da sua méda arméca. Se a aeror expressão da Desgualdade de Chebychev para a méda arméca de varáves aleaóras se fzer: a expressão da desgualdade assumrá a forma: P ode N é o úmero de varáves aleaóras. No caso de se esar perae uma sucessão de provas de Beroull, sedo k o úmero de êxos essas provas, a Desgualdade de Chebychev oma a forma, faclmee deduível: P k p p( p) ode p é a probabldade de ocorrer um êxo um qualquer esao e R. Mas a Desgualdade de Chebychev pode ser ada geeralzada a suações mas amplas, como se mosra com as duas propredades que se seguem. Sejam,,...,, varáves aleaóras depedees, para as quas se em: E V e seja: L sup,...,. Eão, sedo R, em-se que:

7 P L Embora depedees, as varáves aleaóras ão possuem ecessaramee o mesmo valor médo e a mesma varâca. No caso da sucessão de provas de Beroull, adma-se que a probabldade de êxo a -ésma prova é p. Eão, sedo k o úmero de êxos as provas, em-se: E p V p p pelo que vrá a Desgualdade de Chebychev correspodee à presee suação: P k p Ora, a Desgualdade de Chebychev a que se chegou calmee refere-se a um ervalo cerado o valor médo da varável aleaóra em causa. Podem cosderar-se, coudo, ervalos cerados um valor real qualquer,, ão ecessaramee cocdee com o valor médo. Reomado a Desgualdade de Markov e fazedo: g( ) er-se-á: P E ou seja: P E ou ada: P E E E ou, falmee: P ( )

8 dado que o prmero momeo ceral de é ulo: e que: E E E 0 A expressão () pode omar a forma: P ( ) ode () forece uma esmava do lme feror da probabldade de assumr valores o ervalo:, cerado em e ão em. De gual modo, se se ver a fução: g a Desgualdade de Chebychev vrá ese ouro formao: P que é ambém de muo fácl obeção. A Desgualdade de Chebychev, que se em vdo a raar de um modo abragee, pode apresear-se de um ouro modo mas geral. Cosderem-se, de ovo, N, varáves aleaóras depedees,, ( =,..., ), odas elas de méda ula, Seja, agora, a varável aleaóra: 0, e varâca,, ( =,..., ). para a qual se em: E E. Sejam, eão, os acoecmeos: D D D...

9 A Desgualdade de Chebychev garae, eão, que: PD D D P D... Traa-se de uma propredade de essecal eresse para a obeção de uma codção sufcee para a cohecda le fore dos grades úmeros. Falmee, a Desgualdade de Chebychev esá ambém presee o âmbo dos processos esocáscos, coceo ese que cosu, pode dzer-se assm, uma geeralzação do de varável aleaóra. De faco, o processo esocásco mas ão é que um cojuo de varáves aleaóras, odas gualmee dsrbuídas, mas cada uma delas depedee de um parâmero defdo em cero domío. Para cero valor desse parâmero obém-se uma varável aleaóra, com a referda dsrbução. Em coraparda, para cero valor da varável aleaóra, obém-se uma fução do parâmero aes referdo, defdo o domío cosderado. Ao domío ode se ecora defdo o parâmero cosderado dá-se o ome de cojuo-ídce do processo esocásco correspodee. De um modo geral, os casos mas mporaes são aqueles em que o parâmero do processo esocásco é a varável empo. Se o cojuo-ídce é o cojuo dos úmeros auras, N, ou o dos eros, Z, ou uma sua pare própra, o processo esocásco dz-se de parâmero dscreo. Se o cojuo-ídce é o corpo real, ou uma sua pare própra, o processo esocásco desga-se de parâmero coíuo. Também o caso de um processo esocásco: (): T ode é o parâmero do processo, com valores o domío T, se pode cosderar uma fução de valor médo do processo esocásco. Em oro desa fução de valor médo dspõem-se, para um e ouro lado, as dversas realzações do processo esocásco, cada uma defda para um cero valor de T. É, eão, possível mosrar que, se o processo esocásco: for dferecável em méda quadráca, e fazedo: se em: (): a, b g () E () g () E () b E sup ( ) g ( a) g ( b) g ( ) g ( ) d. a a, b E desa propredade se pode ober, como coroláro, a Desgualdade de Markov para o caso dum processo esocásco as codções dcadas: c R, P sup ( ) c a, b E sup ( ) a, b c

10 Se for m () a fução de valor médo do processo esocásco (), pode ober-se a Desgualdade de Chebychev para o caso de um processo esocásco as codções referdas, ou seja: b a P () m() c c c ( a) ( b) () () ode a,b e c R. Traa-se, pos, de um lme feror para a probabldade de o processo esocásco se suar o eror de cera regão cerada a sua fução de valor médo. Se se cosderarem duas realzações do processo esocásco em causa, sejam e Y, ambas com valor médo ulo e varâca uára, e se for o coefcee de correlação ere as duas realzações - varáves aleaóras, porao -, pode mosrar-se que se em: e ambém que: Emax Y, P E Y EY Y E é claro que se fory cosae, será 0, obedo-se, eão, a expressão já aes achada para a Desgualdade de Chebychev o caso de uma só varável aleaóra: P E Fca assm raada a Desgualdade Chebychev, mas uma varedade muo mas vasa de suações que as ormalmee coempladas os exos de uso corree ao ível dos cursos de lcecaura ode o ema esá usualmee presee. BIBLIOGRAFIA GNEDENKO, B. V. (976): The Theory of Probably, MIR, Moscovo. MELLO, F. Galvão de (99): Probabldades e Esaísca, Coceos e Méodos Fudameas - Volume I, Escolar Edora, Lsboa. MURTEIRA, Beo José Ferrera (990): Probabldades e Esaísca - Volume I, ª Edção Revsa, Edora McGraw- Hll de Porugal, Lda.. OLIVEIRA, J. Tago de (990): Probabldades e Esaísca: Coceos, Méodos e Aplcações, Volume I, Edora McGraw-Hll de Porugal, Lda.. PARZEN, Emauel (97): Processos Esocascos, Parafo, Madrd. PESTANA, Ds Duare e Sílvo Flpe Velosa, (006): Irodução à Probabldade e à Esaísca, Volume I, ª Edção Revsa e Acualzada, Fudação Calouse Gulbeka, Servço de Educação e Bolsas. VENTZEL, H. (97): Théore des Probablés, MIR, Moscovo d

Nº de sucessos ,3277 0,4096 0,2048 0,0512 0,0064 0,0003. n Limite superior de 0,025 0,01 0,0025 0,000625

Nº de sucessos ,3277 0,4096 0,2048 0,0512 0,0064 0,0003. n Limite superior de 0,025 0,01 0,0025 0,000625 Capíulo Problema 0 Nº de sucessos 0 4 5 0,0 0, 0,4 0,6 0,8,0 P 0,77 0,4096 0,048 0,05 0,0064 0,000 E 0, p ; 0,0 5 Problema 0 4 0 5 00 400 Lme superor de 0,05 0,0 0,005 0,00065 Lme superor de p^ 0,00 0,05

Leia mais

Exemplo pág. 28. Aplicação da distribuição normal. Normal reduzida Z=(900 1200)/200= 1,5. Φ( z)=1 Φ(z)

Exemplo pág. 28. Aplicação da distribuição normal. Normal reduzida Z=(900 1200)/200= 1,5. Φ( z)=1 Φ(z) Exemplo pág. 28 Aplcação da dsrbução ormal Normal reduzda Z=(9 2)/2=,5 Φ( z)= Φ(z) Subsudo valores por recurso à abela da ormal:,9332 = Φ(z) Φ(z) =,668 Φ( z)= Φ(z) Φ(z) =,33 Φ(z) =,977 z = (8 2)/2 = 2

Leia mais

Grupo I (Cotação: 0 a 3 valores: uma resposta certa vale 1,5 valores e uma errada 0,50 valores)

Grupo I (Cotação: 0 a 3 valores: uma resposta certa vale 1,5 valores e uma errada 0,50 valores) INSTITUTO SUPERIOR DE ECONOMIA E GESTÃO Esaísca II - Lcecaura em Gesão Época de Recurso 5// Pare práca (quesões de escolha múlpla) (6 valores) Nome: Nº Espaço reservado para a classfcação (ão escrever

Leia mais

A DESIGUALDADE DE CHEBYCHEV

A DESIGUALDADE DE CHEBYCHEV A DESIGUALDADE DE CHEBYCHEV Quado se pretede calcular a probabilidade de poder ocorrer determiado acotecimeto e se cohece a distribuição probabilística que está em causa o problema, ão se colocam dificuldades

Leia mais

2-TRANSFORMAÇÃO DE COORDENADAS: PARÂMETROS DE REPRESENTAÇÃO

2-TRANSFORMAÇÃO DE COORDENADAS: PARÂMETROS DE REPRESENTAÇÃO 2-TANSFOMAÇÃO DE COODENADAS: PAÂMETOS DE EPESENTAÇÃO 2.1 Cosseos Dreores e a Mar de oação Seam dos ssemas caresaos um de referêca e ouro fo um corpo rígdo defdos pelos ssemas ( e ( respecvamee que são

Leia mais

Receita do Método da Aproximação Polinomial Global Aplicado a Problemas. Unidirecionais sem Simetria

Receita do Método da Aproximação Polinomial Global Aplicado a Problemas. Unidirecionais sem Simetria Recea do Méodo da Aromação olomal Recea do Méodo da Aromação olomal Global Alcado a roblemas Esruura Geral do roblema: Udrecoas sem Smera y y y F y o domío : 0 < < e >0. Suea às codções de cooro: CC: G

Leia mais

Martingalas: Uma ferramenta em Inferência Estatística

Martingalas: Uma ferramenta em Inferência Estatística V Cogresso Aual Socedade Poruguesa de Esaísca Cura, a 4 de Juho de 997 Margalas: Uma ferramea em Iferêca Esaísca Cláuda Nues, Aóo Pacheco Deparameo de Maemáca e Cero de Maemáca Aplcada Isuo Superor Técco,

Leia mais

Métodos AiBi e Logístico para projeção de pequenas áreas: uma aplicação para a microrregião de Angicos RN

Métodos AiBi e Logístico para projeção de pequenas áreas: uma aplicação para a microrregião de Angicos RN Méodos AB e Logísco para projeção de pequeas áreas: uma aplcação para a mcrorregão de Agcos RN Crsae Slva Corrêa CEDELAR/UFMG e UFRN Luaa Juquera Das Myrrha CEDELAR/UFMG e UFRN Moema Fígol CEDELAR/UFMG.

Leia mais

Curso de Óptica Aplicada

Curso de Óptica Aplicada Curso de Ópca Aplcada Faculdade de Cêcas e Tecologa Uversdade Nova de Lsboa AT 4 Propagação Deparameo Aula Teórca de Físca 5 Ópca Geomérca Curso de Ópca Aplcada Aula Teórca 4 Propagação Curso de Ópca Aplcada

Leia mais

EN3224 Dinâmica de Fluidos Computacional

EN3224 Dinâmica de Fluidos Computacional Uversdade Federal do ABC EN34 Dâmca de Fldos Compacoal Apreseação do Crso EN34 Dâmca de Fldos Compacoal Uversdade Federal do ABC Sod s Shock Tbe Problem Um smples modelo de ma dmesoal de m gás rodzdo por

Leia mais

AJUSTAMENTO DE CURVAS E MODELOS ESTOCÁSTICOS: ABUSOS DO MÉTODO DOS MÍNIMOS QUADRADOS

AJUSTAMENTO DE CURVAS E MODELOS ESTOCÁSTICOS: ABUSOS DO MÉTODO DOS MÍNIMOS QUADRADOS AJUSTAMENTO DE CURVAS E MODELOS ESTOCÁSTICOS: ABUSOS DO MÉTODO DOS MÍNIMOS QUADRADOS CURVE FITTING AND STOCHASTIC MODELS: ABUSES OF THE LEAST SQUARES METHOD. INTRODUÇÃO Muas vezes dspõe-se de um modelo

Leia mais

Grupo I ( 3 valores) 0 Os parâmetros podem ser considerados variáveis aleatórias pois as suas estimativas variam de amostra para amostra

Grupo I ( 3 valores) 0 Os parâmetros podem ser considerados variáveis aleatórias pois as suas estimativas variam de amostra para amostra Exame fial Esaísica Maria Helea Almeida 7 de Maio de 003 José Aóio Piheiro Duração h e 30 Noe bem: Grupos diferees em folhas diferees Não se esqueça de ideificar TODAS as folhas 3 Para maer a ordem, a

Leia mais

TRANSITÓRIOS MECÂNICOS DO MOTOR DE INDUÇÃO

TRANSITÓRIOS MECÂNICOS DO MOTOR DE INDUÇÃO CAPÍTULO 7 TRANSITÓRIOS MECÂNICOS DO MOTOR DE INDUÇÃO 7.1 INTRODUÇÃO Vaos cosderar o caso de u oor de dução dusral, aleado por esões rfáscas balaceadas. Tal oor e a caracerísca orque-velocdade represeada

Leia mais

Sistemas Série-Paralelo e

Sistemas Série-Paralelo e Capíulo 5 Cofabldade de semas ére-paralelo e Msos Flávo. Foglao uposções comus a odos os ssemas aalsados Cofabldade de ssemas é avalada um poo o empo; ou seja, compoees apreseam cofabldades esácas em.

Leia mais

5 Cálculo Diferencial em IR n

5 Cálculo Diferencial em IR n 5 Cálculo Derecal e IR Irodução Cosdereos a órula que os dá a área de u raulo: b h A b h Coo podeos vercar a área de u râulo depede de duas varáves: base b e alura h. Podeos caracerar esa ução coo sedo

Leia mais

Conceitos fundamentais

Conceitos fundamentais CF Coceo fdamea Exem parâmero qe caracerzam o a e qe permem a comparação ere ele. Valor médo Para m al qe e repee com m deermado ervalo peródco a expreão para calclar o valor médo ambém é ea. < < Ex: A

Leia mais

CONFIABILIDADE EM ENGENHARIA

CONFIABILIDADE EM ENGENHARIA UNIVERSIDADE ESTADUAL DE CAMPINAS FACULDADE DE ENGENHARIA MECÂNICA DEPARTAMENTO DE PROJETO MECÂNICO Dscpla: IM 46 CONFIABILIDADE EM ENGENHARIA Auora: Profa. Dra. Kaa Lucches Cavalca Revsão: Zlda de Casro

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual

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

Leia mais

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

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

Leia mais

1. Estatística Descritiva

1. Estatística Descritiva . Esaísca Descrva Tabelas de Frequêcas a. Dados qualavos ou quaavos quado os valores se reee Frequêca absolua sles (F ) úero de vezes que cada valor dso da varável observada se reee (,, ). Te-se que: F

Leia mais

MEDIDAS DE TENDÊNCIA CENTRAL I

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

Leia mais

Análise de Dados e Probabilidade B Exame Final 2ª Época

Análise de Dados e Probabilidade B Exame Final 2ª Época Aálse de Dados e obabldade B Eame Fal ª Éoca Claa Cosa Duae Daa: / /7 Cáa Feades Duação: hm edo Chaves MORTATE: Esceva o ome e úmeo o cmo de cada folha Resoda a cada guo em folhas seaadas, caso ão esoda

Leia mais

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

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

Leia mais

Eletromagnetismo II 1 o Semestre de 2007 Noturno - Prof. Alvaro Vannucci

Eletromagnetismo II 1 o Semestre de 2007 Noturno - Prof. Alvaro Vannucci leomagesmo II o Semese de 7 Nouo - Pof. Alvao Vaucc 3 a aula /ab/7 Vmos: Odas sfécas (vácuo: = Ψ (modo T e B = ( ψ ω c ' = ω B ' = ψ c ( ψ (modo TM ; ω Ψ + Ψ = sedo que ψ sasfaz: c (equação scala de Helmholz

Leia mais

O gráfico abaixo mostra um exemplo das vendas (em unidades vendidas) mensais de um produto. Exemplo de Serie Temporal mes

O gráfico abaixo mostra um exemplo das vendas (em unidades vendidas) mensais de um produto. Exemplo de Serie Temporal mes Modelos de Prevsão Irodução Em omada de decsão é basae comum raar problemas cujas decsões a serem omadas são fuções de faos fuuros Assm, os dados descrevedo a suação de decsão precsam ser represeavos do

Leia mais

Algumas considerações em regressão não linear

Algumas considerações em regressão não linear Algumas cosderações em regressão ão lear Josmar Mazuchel e Jorge Albero Achcar Deparameo de Esaísca, Uversdade Esadual de Margá, Av. Colombo, 5790, 8700-900, Margá, Paraá, Brasl. Deparameo de Esaísca,

Leia mais

Solução numérica de equações diferenciais ordinárias. Problema de valor inicial (PVI)

Solução numérica de equações diferenciais ordinárias. Problema de valor inicial (PVI) Solução numérca de equações derencas ordnáras Problema de valor ncal PVI 4 5 Inrodução 4 5 Uma equação derencal ordnára é denda como uma equação que envolve uma unção ncógna e algumas das suas dervadas

Leia mais

EXAME NACIONAL DE SELEÇÃO 2009

EXAME NACIONAL DE SELEÇÃO 2009 EXAME NACIONAL DE SELEÇÃO 9 PROVA DE ESTATÍSTICA o Da: 8//6 - QUARTA FEIRA HORÁRIO: h às h 45 (horáro de Brasíla) EXAME NACIONAL DE SELEÇÃO 9 o Da: 8/(Qara-fera) Mahã::h às h 45 ESTATÍSTICA Isrções. Ese

Leia mais

4 - ANÁLISE DE SÉRIES TEMPORAIS

4 - ANÁLISE DE SÉRIES TEMPORAIS INE 700 Aálse de Séres Temporas 4 - ANÁLISE DE SÉRIES TEMPORAIS Sére Temporal é um cojuo de observações sobre uma varável, ordeado o empo, e regsrado em períodos regulares. Podemos eumerar os segues exemplos

Leia mais

Cap. 5. Testes de Hipóteses

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

Leia mais

Formulação Conservativa X Não-Conservativa para Sistemas Hiperbólicos. Prof. Diomar Cesar Lobão UFF - Volta Redonda, RJ Nov 2008

Formulação Conservativa X Não-Conservativa para Sistemas Hiperbólicos. Prof. Diomar Cesar Lobão UFF - Volta Redonda, RJ Nov 2008 ormuação Coservava X ãocoservava para Ssemas Hperbócos Prof. omar Cesar Lobão U Voa Redoda, RJ ov 8 ovação: Apcações Ídce éodo ãocoservavo éodo Coservavo efção do Probema de Rema éodo de fereças as para

Leia mais

MAE0229 Introdução à Probabilidade e Estatística II

MAE0229 Introdução à Probabilidade e Estatística II Exercíco Cosdere a dstrbução expoecal com fução de desdade de probabldade dada por f (y; λ) = λe λy, em que y, λ > 0 e E(Y) = /λ Supor que o parâmetro λ pode ser expresso proporcoalmete aos valores de

Leia mais

O ESTIMADOR DE MÁXIMA VEROSSIMILHANÇA UTILIZADO EM TESTES DE VIDA SEQÜENCIAIS COM TRUNCAGEM: uma aplicação com um modelo Weibull de três parâmetros

O ESTIMADOR DE MÁXIMA VEROSSIMILHANÇA UTILIZADO EM TESTES DE VIDA SEQÜENCIAIS COM TRUNCAGEM: uma aplicação com um modelo Weibull de três parâmetros O ESTIMADOR DE MÁXIMA VEROSSIMILHANÇA UTILIZADO EM TESTES DE VIDA SEQÜENCIAIS COM TRUNCAGEM: uma aplcação com um modelo Webull de rês parâmeros DANIELE DA ROCHA FONSECA UNIVERSIDADE ESTADUAL DO NORTE FLUMINENSE

Leia mais

O ESTIMADOR DE MÁXIMA VEROSSIMILHANÇA UTILIZADO EM TESTES DE VIDA SEQÜENCIAIS COM TRUNCAGEM: uma aplicação com um modelo Weibull de três parâmetros

O ESTIMADOR DE MÁXIMA VEROSSIMILHANÇA UTILIZADO EM TESTES DE VIDA SEQÜENCIAIS COM TRUNCAGEM: uma aplicação com um modelo Weibull de três parâmetros O ESTIMADOR DE MÁXIMA VEROSSIMILHANÇA UTILIZADO EM TESTES DE VIDA SEQÜENCIAIS COM TRUNCAGEM: uma aplcação com um modelo Webull de rês parâmeros DANIELE DA ROCHA FONSECA UNIVERSIDADE ESTADUAL DO NORTE FLUMINENSE

Leia mais

Secção 7. Sistemas de equações diferenciais.

Secção 7. Sistemas de equações diferenciais. 7. Sisemas de equações difereciais Secção 7. Sisemas de equações difereciais. (Farlow: Sec. 6., 6.4 e 6.6) No caso geral, um sisema de equações difereciais de primeira ordem pode ser represeado da seguie

Leia mais

SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a 11 de novembro de 2002, Rio de Janeiro/RJ A PESQUISA OPERACIONAL E AS CIDADES

SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a 11 de novembro de 2002, Rio de Janeiro/RJ A PESQUISA OPERACIONAL E AS CIDADES SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a de ovembro de 2002, Ro de Jaero/RJ MODELOS E ALGORITMOS PARA ALOCAÇÃO DE TRIPULAÇÃO EM REDES DE TRANSPORTE Geraldo Robso Maeus Jayme Assução Casmro Uversdade

Leia mais

? Isso é, d i= ( x i. . Percebeu que

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

Leia mais

Contabilometria. Números-Índices

Contabilometria. Números-Índices Coablomera Números-Ídces Foes: Seveso (1981) Esaísca Alcada à Admsração Ca. 15 Foseca, Mars e Toledo (1991) Esaísca Alcada Ca. 5 Números-Ídces Sezam modfcações em varáves ecoômcas durae um eríodo de emo

Leia mais

1 a Lista: MTM146: Prof. Paulo Magalhães:

1 a Lista: MTM146: Prof. Paulo Magalhães: a Lisa: MTM46: Prof Paulo Magalhães: Exercício : Mosre que a solução do sisema de EDO s x y f ( x y y com codições iiciais: x ( x(, f saisfazedo f (, é dada por x( f ( d Exercício : Resolva o seguie y

Leia mais

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão

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

Leia mais

Sistema de vigilância para detecção de interação espaçotempo de eventos pontuais

Sistema de vigilância para detecção de interação espaçotempo de eventos pontuais Sema de vglâca para deecção de eração epaçoempo de eveo poua Taãa C. Smõe Reao M. Aução Deparameo de Eaíca Uverdade Federal de Ma Gera UFMG Caa Poal: 70 370-90 Belo Horzoe MG Bral a_eaca@ahoo.com.braucao@e.ufmg.br

Leia mais

COMPLEMENTOS DE MECÂNICA QUÂNTICA PARA ESPECTROSCOPIA LEITURA OPCIONAL PARA PQF. M.N. Berberan e Santos

COMPLEMENTOS DE MECÂNICA QUÂNTICA PARA ESPECTROSCOPIA LEITURA OPCIONAL PARA PQF. M.N. Berberan e Santos COMPEMENTOS DE MECÂNICA QUÂNTICA PARA ESPECTROSCOPIA EITURA OPCIONA PARA PQF M.N. Berbera e Saos Abrl de 1 Complemeos de Mecâca Quâca 1.1 Equação de Schrödger depedee do empo A forma mas geral da equação

Leia mais

5 Análise Não-Linear pelos Métodos de Galerkin-Urabe e Balanço Harmônico

5 Análise Não-Linear pelos Métodos de Galerkin-Urabe e Balanço Harmônico álise Não-Liear pelos Méodos de Galerki-Urabe e Balaço Harmôico expressão (.7) obida o Capíulo para a fução de Larae é uilizada essa seção para a obeção das equações difereciais de movimeo uilizadas a

Leia mais

1. Na figura seguinte está representada parte do gráfico de uma função g, de domínio R e contínua em

1. Na figura seguinte está representada parte do gráfico de uma função g, de domínio R e contínua em PROVA ESCRITA DE MATEMÁTICA A.º E 00 Fevereiro 8 Duração da prova: 90 miuos VERSÃO Grupo I Para cada uma das cico quesões dese grupo, seleccioe a resposa correca de ere as aleraivas que lhe são apreseadas

Leia mais

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

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

Leia mais

1 a Lista: MTM146: Prof. Paulo Magalhães:

1 a Lista: MTM146: Prof. Paulo Magalhães: Exercício : Mosre que a solução do sisema de EDO s x y f ( x y y com codições iiciais: x ( ) x() ) ), f saisfazedo x( f ( ) d f ( ) cos( ) d f ( ) cos( ) d f ( ), é dada por Exercício : Resolva o seguie

Leia mais

Revisão de Estatística X = X n

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

Leia mais

Probabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC

Probabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC Duração: 90 mutos Grupo I Probabldades e Estatístca LEAN, LEGI, LEGM, LMAC, MEAer, MEAmb, MEC Justfque coveetemete todas as respostas 1 o semestre 2018/2019 10/01/2019 11:00 2 o teste B 10 valores 1. Cosdere-se

Leia mais

Uma função X que associa a cada elemento de S (s S) um número real x = X(s) é denominada variável aleatória.

Uma função X que associa a cada elemento de S (s S) um número real x = X(s) é denominada variável aleatória. Prof. Lorí Viali, Dr. viali@ma.ufrgs.br hp://www.ma.ufrgs.br/~viali/ s KKK CKK KKC KCK CCK CKC KCC CCC S X R x = X(s) X(S) Uma fução X que associa a cada elemeo de S (s S) um úmero real x = X(s) é deomiada

Leia mais

( ) ( ) Es'mador de Máxima-Verossimilhança. ,θ i. L( Θ; X) = f ( X;Θ) = f (x i

( ) ( ) Es'mador de Máxima-Verossimilhança. ,θ i. L( Θ; X) = f ( X;Θ) = f (x i 5.. Esmador de Máxma-Verossmlhaça O prcípo básco do esmador de Máxma-Verossmlhaça cosste a obteção de esmavas de parâmetros populacoas de uma desdade de uma varável aleatóra a parr de um cojuto de formações

Leia mais

Cassiano Bragagnolo Vania Di Addario Guimarães Geraldo Sant Ana de Camargo Barros

Cassiano Bragagnolo Vania Di Addario Guimarães Geraldo Sant Ana de Camargo Barros A regra óma de armazeameo de arroz o Brasl Cassao Bragagolo Vaa D Addaro Gumarães Geraldo Sa Aa de Camargo Barros Resumo Ese rabalho preede aplcar um modelo ecoômco dâmco de expecavas racoas para armazeameo

Leia mais

Probabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ

Probabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ Duração: 90 mutos Grupo I Probabldades e Estatístca LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBol, MEBom, MEEC, MEFT, MEMec, MEQ Justfque coveetemete todas as respostas 1 o semestre 018/019 10/01/019 09:00 o

Leia mais

Eletromagnetismo Licenciatura. 18 a aula. Professor Alvaro Vannucci

Eletromagnetismo Licenciatura. 18 a aula. Professor Alvaro Vannucci leomagesmo Lcecaua 8 a aula Pofesso Alvao Vaucc Na úlma aula vmos... Poêca adada po um Dpolo léco que Oscla: P dpolo p 0 4 c quao que a Poêca adada po uma aea mea-oda: P aea q 0 4 c Agoa, em emos do valo

Leia mais

Neo-fisherianos e teoria fiscal do nível de preços

Neo-fisherianos e teoria fiscal do nível de preços Anono Lcha 4/março/07 Neo-fsheranos e eora fscal do nível de preços O objevo desas noas é desacar os prncpas elemenos da abordagem neofsherana e da eora fscal do nível de preços. Desacamos 4 pequenos modelos

Leia mais

MOSFET: A Dedução da equação da corrente Aula 2

MOSFET: A Dedução da equação da corrente Aula 2 MOSFET: A edução da equação da corree Aula 31 Aula Maéra Cap./pága 1ª 03/08 Elerôca PS33 Programação para a Prmera Prova Esruura e operação dos rassores de efeo de campo caal, caraceríscas esão-corree.

Leia mais

1. Tensão Uma das repostas do MC ao carregamento

1. Tensão Uma das repostas do MC ao carregamento Dscla RM-LEG, Z. Drovová, DEC/FCT/UNL, 6. Tesão Ua das reosas do MC ao carregaeo. Vecor das esões forças eras ssea ssea core ssea A F F - ssea ssea ssea B Cojuo( ssea + ssea ) esá e equlíbro Cojuo( ssea

Leia mais

MEDIDAS DE DISPERSÃO:

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

Leia mais

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

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

Leia mais

Módulo 2: Métodos Numéricos. (problemas de valores iniciais e problemas de condições-fronteira)

Módulo 2: Métodos Numéricos. (problemas de valores iniciais e problemas de condições-fronteira) Módulo : Méodos Numércos Equações dferencas ordnáras problemas de valores ncas e problemas de condções-fronera Modelação Compuaconal de Maeras -5. Equações dferencas ordnáras - Inrodução Uma equação algébrca

Leia mais

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

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

Leia mais

Confiabilidade Estrutural

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

Leia mais

2.4. Grandezas Nominais e Reais

2.4. Grandezas Nominais e Reais 2.4. Gradezas Nomas e Reas rcpas varáves macroecoómcas (IB, C, G, I, X, Q,...): sedo agregações, são ecessaramee valores moeáros Calculadas a preços correes / em valor / em ermos omas, Mas eressa, frequeemee,

Leia mais

Análise de Temperaturas em uma Barra Uniforme de Aço-Carbono com o Método Explícito

Análise de Temperaturas em uma Barra Uniforme de Aço-Carbono com o Método Explícito Aálse de emperauras em uma Barra Uforme de Aço-Carboo com o Méodo Explíco Jorge Corrêa de Araújo Rosa García Márquez 0 de dezembro de 03 Resumo Nesse rabalho é desevolvda uma solução umérca por dfereças

Leia mais

ENVIESAMENTO DE SUBSTITUIÇÃO NO ÍNDICE DE PREÇOS NO CONSUMIDOR*

ENVIESAMENTO DE SUBSTITUIÇÃO NO ÍNDICE DE PREÇOS NO CONSUMIDOR* ENVIESAMENTO DE SUBSTITUIÇÃO NO ÍNDICE DE PREÇOS NO CONSUMIDOR* Pedro Duare Neves ** Luís Moras Sarmeo**. INTRODUÇÃO O Ídce de Preços o Cosumdor (IPC), produzdo mesalmee pelo Isuo Nacoal de Esaísca, é

Leia mais

Hidrologia, Ambiente e Recursos Hídricos 2009 / Rodrigo Proença de Oliveira

Hidrologia, Ambiente e Recursos Hídricos 2009 / Rodrigo Proença de Oliveira Hdrologa, Ambete e Recursos Hídrcos 009 / 00 Rodrgo roeça de Olvera Aálse estatístca IST: Hdrologa, Ambete e Recursos Hídrcos Rodrgo roeça de Olvera, 009 Cocetos base Varável aleatóra oulação Fução de

Leia mais

ANÁLISE DE SINAIS E SISTEMAS

ANÁLISE DE SINAIS E SISTEMAS ANÁLISE DE SINAIS E SISTEMAS AULA 3: OPERAÇÕES BÁSICAS EM SINAIS: OPERARAÇÕES NAS VARIÁVEIS DEPENDENTES; OPERARAÇÕES NA VARIÁVEL INDEPENDENTE. FUNÇÕES ELEMENTARES: O DEGRAU UNITÁRIO; A RAMPA UNITÁRIA;

Leia mais

2. MODELO DETALHADO: Relações de Recorrência. Exemplo: Algoritmo Recursivo para Cálculo do Fatorial Substituição Repetida

2. MODELO DETALHADO: Relações de Recorrência. Exemplo: Algoritmo Recursivo para Cálculo do Fatorial Substituição Repetida . MODELO DETALHADO: Relações de Recorrêca Exemplo: Algortmo Recursvo para Cálculo do Fatoral Substtução Repetda T T ( ) ( ) t 1, T ( + t, > T ( ) T ( + t T ( ) ( T( ) + t + t ) + t T ( ) T ( ) T ( ) +

Leia mais

HIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia

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

Leia mais

8 Programação linear 78

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

Leia mais

Intervalo de Confiança

Intervalo de Confiança 8/8/05 Uiversidade Federal do ará Isiuo de Tecologia Esaísica Aplicada I ro. Dr. Jorge Teóilo de Barros Lopes Campus de Belém Curso de Egeharia Mecâica 8/08/05 06:54 ESTATÍSTICA ALICADA I - Teoria das

Leia mais

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

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

Leia mais

Juros Compostos 2016

Juros Compostos 2016 Juros Composos 2016 1. (G1 - ifal 2016) Em 2000, cero país da América Laia pediu um emprésimo de 1 milhão de dólares ao FMI (Fudo Moeário Ieracioal) para pagar em 100 aos. Porém, por problemas políicos

Leia mais

Econometria: 3 - Regressão Múltipla

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

Leia mais

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

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

Leia mais

DISTRIBUIÇÃO HIPERGEOMÉTRICA

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

Leia mais

ESTATÍSTICA Exame Final 1ª Época 3 de Junho de 2002 às 14 horas Duração : 3 horas

ESTATÍSTICA Exame Final 1ª Época 3 de Junho de 2002 às 14 horas Duração : 3 horas Faculdade de cooma Uversdade Nova de Lsboa STTÍSTIC xame Fal ª Época de Juho de 00 às horas Duração : horas teção:. Respoda a cada grupo em folhas separadas. Idetfque todas as folhas.. Todas as respostas

Leia mais

Probabilidades e Estatística

Probabilidades e Estatística Departameto de Matemátca robabldades e Estatístca LEAN, LEE, LEGI, LERC, LMAC, MEAer, MEAmb, MEBol, MEEC, MEMec 2 o semestre 20/202 2 o Teste B 08/06/202 :00 Duração: hora e 30 mutos Justfque coveetemete

Leia mais

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

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

Leia mais

Sinais contínuos e discretos. Sinais contínuos. Sinais: o que são? Sinais. Os sinais traduzem a evolução de uma grandeza ao longo do tempo.

Sinais contínuos e discretos. Sinais contínuos. Sinais: o que são? Sinais. Os sinais traduzem a evolução de uma grandeza ao longo do tempo. Sas coíuos e dscreos Sas orge s. marques orge s. marques Sas: o que são? Sas coíuos Os sas raduzem a eolução de uma gradeza ao logo do empo empo : IR IR ou : [ab] IR ou do espaço Um sal dz-se coíuo se

Leia mais

5 Apreçamento de ESOs com preço de exercício fixo

5 Apreçamento de ESOs com preço de exercício fixo 5 Apreçameno de ESOs com preço de exercíco fxo Ese capíulo rá explorar os prncpas modelos de apreçameno das ESOs ulzados hoje em da. Neses modelos a regra de decsão é esruurada em orno da maxmzação do

Leia mais

EXEMPLO 3 - CONTINUAÇÃO

EXEMPLO 3 - CONTINUAÇÃO AJUSTE A U POLINÔIO Se curv f for jusd um polômo de gru, eremos f * () 0 Segudo o mesmo procedmeo eror, chegremos o segue ssem ler: m L O L L 0 EXEPLO Os ddos bo correspodem o volume do álcool ídrco em

Leia mais

Universidade de Aveiro Departamento de Matemática. Aurélio de Jesus Correia Barbosa Vicente. Métodos de Aproximação Numérica usando o Matlab

Universidade de Aveiro Departamento de Matemática. Aurélio de Jesus Correia Barbosa Vicente. Métodos de Aproximação Numérica usando o Matlab Uversdade de Avero Deparameo de aemáca Aurélo de Jesus Correa Barbosa Vcee éodos de Apromação Numérca usado o alab Uversdade de Avero Deparameo de aemáca Aurélo de Jesus Correa Barbosa Vcee éodos de Apromação

Leia mais

MOMENTOS E FUNÇÕES GERADORAS

MOMENTOS E FUNÇÕES GERADORAS MOMENTOS E FUNÇÕES GERADORAS HÉLIO BERNARDO LOPES Resumo. O presee exo visa mosrar, de um modo ão uificado quao possível, a emáica dos momeos e das fuções geradoras, esas úlimas muio ausees, aualmee, das

Leia mais

Díodo: Regime Dinâmico

Díodo: Regime Dinâmico Díodo: eme Dnâmco (exo apoo ao laboraóro) Inrodução Quando se esabelece m crcuo uma ensão ou correne varáves no empo o pono de funconameno em repouso do díodo ambém va varar no empo. A frequênca e amplude

Leia mais

RESUMO. Palavras chave: inflação, estrutura a termo de taxas de juros e política monetária.

RESUMO. Palavras chave: inflação, estrutura a termo de taxas de juros e política monetária. BRASILIA RESUMO A ese em o objevo de verfcar os deermaes do spread o Brasl, ao mesmo empo em que procura esmar os parâmeros esruuras da ecooma, cosderado os efeos ão observáves da curva de juros braslera.

Leia mais

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

Departamento de Informática. Modelagem Analítica. Modelagem Analítica do Desempenho de Sistemas de Computação. Disciplina: Deparameno de Informáca Dscplna: Modelagem Analíca do Desempenho de Ssemas de Compuação Fluxos de Enrada Fluxos de Saída Le de Lle Faor de Ulzação rof. Sérgo Colcher colcher@nf.puc-ro.br rocesso de Chegada

Leia mais

Prof. Janete Pereira Amador 1

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

Leia mais

TESTE DE VIDA SEQÜENCIAL COM DISTRIBUIÇÕES DE AMOSTRAGEM WEIBULL E WEIBULL INVERTIDA

TESTE DE VIDA SEQÜENCIAL COM DISTRIBUIÇÕES DE AMOSTRAGEM WEIBULL E WEIBULL INVERTIDA TST VI SQÜNCI CM ISTRIBUIÇÕS MSTRGM WIBU WIBU INVRTI ael I. e Souza Jr. Resumo: mecasmo de ese de vda seqüecal represea uma suação de ese de hpóese a qual é omada uma decsão de se acear ou se rejear uma

Leia mais

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

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

Leia mais

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

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

Leia mais

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados

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

Leia mais

Simulações Numéricas em Astrofísica. Diego Falceta-Gonçalves EACH Universidade de São Paulo

Simulações Numéricas em Astrofísica. Diego Falceta-Gonçalves EACH Universidade de São Paulo Smlações Nmércas em Asrofísca Dego Falcea-Goçalves EACH Uversdade de São Palo IWCCA São Palo 06/0 Dego Falcea-Goçalves Smlações mércas em Asrofísca Irodção Movação Pracamee odos os processos físcos (qímcos,

Leia mais

Plano de aula. ECG com ruído: o que fazer? Motivação / Importância. Importância. Aplicações. Sinais aleatórios: aplicações em sinais biomédicos

Plano de aula. ECG com ruído: o que fazer? Motivação / Importância. Importância. Aplicações. Sinais aleatórios: aplicações em sinais biomédicos Sas aleaóros: aplcações em sas bomédcos Sérgo S Furue Plao de aula Movação: o que é e para que serve? Tpos de sas e represeação de sas Ruídos Processos esocáscos e ergódcos pdf Operador depedees Correlação/correlação

Leia mais

UM MODELO PARA O ESTABELECIMENTO DE PADRÕES DE PREÇOS NAS AVALIAÇÕES DE EMPRESAS

UM MODELO PARA O ESTABELECIMENTO DE PADRÕES DE PREÇOS NAS AVALIAÇÕES DE EMPRESAS IV SEMEAD UM MODELO PARA O ESTABELECIMENTO DE PADRÕES DE PREÇOS NAS AVALIAÇÕES DE EMPRESAS José Robero Securao Cema de Overa Rbero 2 Rubes Jay Texera 3 RESUMO O aro apresea uma écca auxar ao processo decsóro

Leia mais

Análise de Eficiência Energética em Sistemas Industriais de Ventilação

Análise de Eficiência Energética em Sistemas Industriais de Ventilação Aálse de Efcêca Eergéca em Ssemas Idusras de elação Kleber Davd Belovsk, Déco Bspo, Aôo Carlos Delaba, Sérgo Ferrera de aula Slva Faculdade de Egehara Elérca da Uversdade Federal de Uberlâda UFU, Aveda

Leia mais

Sumário. Mecânica. Sistemas de partículas

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

Leia mais

VI - Integração Numérica

VI - Integração Numérica V - tegração Numérca C. Balsa & A. Satos. trodução São, este mometo, coecdos dos aluos métodos aalítcos para o cálculo do tegral dedo b ( d a sedo ( cotíua e tegrável o tervalo [ ab] ;. Cotudo, algumas

Leia mais

Métodos Estatísticos de Previsão MÉTODOS ESTATÍSTICOS DE PREVISÃO. Análise de Erros. Bernardo Almada Lobo. Bernardo Almada-Lobo (2007)

Métodos Estatísticos de Previsão MÉTODOS ESTATÍSTICOS DE PREVISÃO. Análise de Erros. Bernardo Almada Lobo. Bernardo Almada-Lobo (2007) Méodos saísicos de Previsão MÉTODO TATÍTICO D PRVIÃO 0 08 06 04 0 00 98 96 94 9 90 0 5 0 5 0 Aálise de rros Berardo Almada Lobo Berardo Almada-Lobo (007) Méodos saísicos de Previsão Regressão Liear Múlipla

Leia mais

Distribuições de Probabilidades

Distribuições de Probabilidades Estatístca - aulasestdstrnormal.doc 0/05/06 Dstrbuções de Probabldades Estudamos aterormete as dstrbuções de freqüêcas de amostras. Estudaremos, agora, as dstrbuções de probabldades de populações. A dstrbução

Leia mais

50 Logo, Número de erros de impressão

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

Leia mais