4. MODELAMENTOS EM POLUIÇÃO DO AR: PREDITIVOS E RECEPTORES

Tamanho: px
Começar a partir da página:

Download "4. MODELAMENTOS EM POLUIÇÃO DO AR: PREDITIVOS E RECEPTORES"

Transcrição

1 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 centífco estabelece-se um funconamento para uma dada stuação real, montando-se as equações correspondentes. Perceba-se que não necessaramente o modo como essa proposção é formulada, corresponde exatamente à realdade. Um modelamento é tanto melhor, quanto mas próxmo da realdade forem os resultados que ele consegue fornecer. Todava, quantos mas complexos os sstemas observados, maores costumam ser as smplfcações que acabam sendo adotadas para seu equaconamento, exgndo muto cudado ao aplcá-las. Este é, partcularmente, o caso da polução do ar. Trabalha-se com o sstema aberto que é a atmosfera, sujeto, por exemplo, a efetos do macro e mcro clma, das rregulardades na crosta terrestre, das rregulardades nas emssões. Dscutem-se aqu dos modelamentos baseados em receptores e um em emssões (ou predtvo). Os prmeros procuram determnar a contrbução de cada uma das prncpas fontes que ocasonaram uma determnada concentração de poluentes a partr da medda feta em um amostrador: smbolzam um receptor, que pode ser uma pessoa, anmal, vegetal, construção etc. O segundo estma as concentrações que seram meddas em torno de uma fonte (emssor), levando-se em conta a ntensdade de sua emssão e as condções atmosfércas de dspersão. No atual estágo de desenvolvmento, os modelos receptores tem se mostrado mas efcentes à aplcação de estratégas de controle pos podem fornecer a parcela de responsabldade das prncpas fontes a partr de amostragens de controle da qualdade do ar. Já os modelos de emssores consegue prever concentrações geradas por fontes com erros que varam tpcamente em torno de um fator, mas podendo atngr até um fator 0. Apesar desta margem de erro, são os úncos que permtem antever o mpacto que uma dada fonte pode causar ao meo - nstalação de uma nova ndústra, efetos de um acdente em usnas nucleares etc. Baseam-se na teora estatístca da dfusão turbulenta ou na solução das equações da fluído dnâmca na atmosfera. Suas mprecsões são fruto da smplfcações usadas nestas soluções e, prncpalmente, devdo à ncapacdade de tratar osclações das emssões e heterogenedades nas condções de dspersão na atmosfera. Nos Modelos Receptores procurou-se fazer aqu um detalhamento do modelo do Balanço de Massas, dscutndo suas possbldades e lmtações na dentfcação da responsabldade de fontes. Com relação às Componentes Prncpas, serão apresentadas apenas as característcas geras de seu uso e resultados, uma vez que seu desenvolvmento teórco é complexo e envolvera um curso mas longo e específco. O Modelo Predtvo (ou de emssor) apresentado será a Pluma Gaussana, na sua forma mas smples. Também serão dadas apenas suas característcas geras pos uma dedução mas detalhada envolvera conhecmento de fluído dnâmca que também exgra um curso específco. A.Kerr, 00 MODELAMENTOS EM POLUIÇÃO DO ARINTRODUÇÃO /6

2 4. MODELO DO BALANÇO DE MASSAS 4.. Fundamentos Este modelamento basea seu desenvolvmento na hpótese básca de que a concentração da espéce (C ) em uma amostragem é fruto de uma combnação lnear das contrbuções das dversas fontes em seu entorno (ndcadas abaxo pelo índce j). Ou seja: C = m j = F S α E. 4.. j j j C = concentração da espéce () S j = contrbução total da fonte (j) na amostragem efetuada. F j = fração da espéce () na contrbução da fonte (j) α j = ação de reações químcas e remoção do materal Note que: m S j j = l C = E. 4.. onde C é a concentração total medda no amostrador Nosso nteresse é obter os S j que dão o peso de cada fonte (j) numa dada stuação amostrada. Isto exge que no mínmo tenhamos analsado um número de concentrações C gual ao número total de fontes (m). Ou seja o número de equações tem que ser pelo menos gual ao número de ncógntas. Precsa-se também do conhecmento dos F j, e dos α j. A resde um dos problemas deste modelamento. Na maora dos casos é assumdo que α j seja gual a, o que sgnfca consderar que o fraconamento no receptor da contrbução da fonte (j) em suas espéces () seja o mesmo que na emssão da fonte j. Isto nem sempre é razoável pos os poluentes podem sofrer mudanças sgnfcatvas em sua composção no ntervalo entre a fonte e o amostrador. Portanto, quando se aplca o MBM, deve-se ter cudado de analsar as emssões e reações possíves para verfcar se este tpo de problema não estará adulterando resultados. Exstem softwares específcos para resolver o sstema de equações (E.4..-). A Envronmental Protecton Agency (EPA) - USA fornece, medante solctação, seu programa e tabelas de F j para dversos processos ndustras. Abaxo apresenta-se, com base em um exemplo, alguns modos smplfcados de solução para o MBM, váldos para stuações específcas. Em seguda dá-se o método geral dos mínmos quadros. 4.. EEMPLOS DE SOLUÇÕES Consdere a segunte stuação: A- Uma amostragem apresentou os seguntes resultados: Concentração total de Partculado (MP) = 90 µg/m³ Concentrações Elementares de: Fe = 0, µg/m³ Al = 0,6 µg/m³ S =,8 µg/m³ Pb =, µg/m³ Entende-se por espéce, um elemento químco, um composto, íons etc, que compõem a massa total amostrada. A.Kerr, 00 MODELAMENTOS EM POLUIÇÃO DO ARINTRODUÇÃO /6

3 B- Relaconados majortaramente com estes elementos encontrou-se as seguntes fontes: Solo (S), Gasolna (G), Sderurga (A) Tendo-se o fraconamento destas fontes dado pela Tabela. C - estas fontes são as que estão assocadas aos quatro elementos arrolados, mas não são as úncas fontes presentes. Assm, só elas três não explcarão a concentração total (MP). TABELA. - Fraconamento elementar (F j ) das fontes ELEMENTO Fe Al S Pb FONTE Solo (S) 0,06 0,0884 0,3 0,0037 Gasolna (G) 0,0 0,0 0,008 0,0 Sderurga (A) 0,3 0,0065 0,050 0,0076 Montando-se agora as equações (E. 4..-) com as concentrações elementares (C ) expressas como % de MP, tem-se: 0, (Fe) 00 = 0, 06S + 0, 0S + 0, 3S 90 S G A 0, 6 (Al) 00 = 0, 0884SS + 0, 0S G + 0, 0065S A E (S),8 00 = 0,3SS + 0,08SG + 0, 050S 90 A, (Pb) 00 = 0, 0037S + 0, 0S + 0, 0076S 90 S G A 4..3 SOLUÇÃO POR TRAÇADOR ÚNICO A stuação expressa em (E. 4..-) é uma daquelas em que o traçador únco é aplcável. Tem-se 3 equações (Fe, S, Pb) onde os elementos (traçadores) Fe, S, e Pb orgnam-se majortaramente de uma das seguntes fonte: Sderurga (A), Solo (S) e Gasolna (G), respectvamente. Despreza-se, assm, os demas termos e equações, fcando: 0, = 0,3 S A S A = 0,69 %, = 0,3S S S S = 9,0 % E ,33 = 0,0 S G S G = 6,7 % 4..4 SOLUÇÃO EATA DO SISTEMA DE EQUAÇÕES Este tpo de aplcação só é adequada quando é possível dstngur muto bem as fontes através de alguns poucos elementos. Voltando-se às equações (E. 4..-) do exemplo ncal, toma-se as três equações (Fe, S, Pb) que melhor dstnguem as três fontes, resolvendo-se este sstema de equações em S S, S G, S A de manera convenconal. Obtém-se: S A= -,43% A.Kerr, 00 MODELAMENTOS EM POLUIÇÃO DO ARINTRODUÇÃO 3/6

4 S S= 9,05% S G= 6,54% Note que estes resultados são próxmos daqueles mostrados em E O termo S A também aparece negatvo, o que obvamente não corresponde a realdade - sgnfcara que a sderurga absorve partculado. Na verdade trata-se de um artfíco gerado por problemas numércos, pos S A é pequeno em relação às ncertezas nos dados SOLUÇÃO POR MÍNIMOS QUADRADOS Este é o método geral que melhor se aplca à solução do sstema de equações (E ). Nele é possível levar em conta todas as equações em C que forem possível montar. Perceba que matematcamente, tendo-se m fontes (ncógntas), bastaram m elementos (equações) para ter-se uma solução exata do sstema (E. 4..-). Mas os dados de polução do ar são dotados de um erro estatístco expressvo e o método dos mínmos quadrados permte ncorporar à solução todas as equações que forem possível montar para o problema, buscandose assm mnmzar o efeto das flutuações estatístcas sobre o resultado. A forma geral do problema de mínmos quadrados resume-se em mnmzar. C Fj S j j = σ E Ou seja, busca-se encontrar os valores de S j que fornecem a menor dferença entre as concentrações observadas (C ) e as concentrações que seram obtdas a partr dos S j calculados (que são dadas por F j S j ). A dvsão por σ (desvo padrão assocado à j concentração C ) permte ponderar o peso de cada termo - dados com erros grandes terão peso menor na somatóra em. Mnmzar ² é determnar os S k que tornam = 0. Vamos resolver sto S k consderando σ =, pos este termo não depende de S k e poderá smplesmente ser acrescentado no fnal caso se deseje uma solução ponderada. Dervando-se (E ), temse = C F S FK E S j j K j Rearranjando-se os termos e fazendo k j j C F S F F = 0 j k S k = 0, tem-se: E Ou seja, o problema de obter os S j por mínmos quadrados, resume-se em resolver o novo sstema de equações (E ) onde os coefcentes de Sj são os F F j K e os termos constantes são os C F K. Em forma matrcal (o que faclta quando se usa programas computaconas), (E ) pode ser escrta como: t t F C = F FS E onde: A.Kerr, 00 MODELAMENTOS EM POLUIÇÃO DO ARINTRODUÇÃO 4/6

5 C S C S C = S = F = C S n m F F F F F F Fj F F F m m n n nm sendo: n = número de elementos m = número de fontes Trabalhando-se com a ponderação pelo erro, redefne-se: C = pc e F = pf E Onde: σ p = 0 σ 0 σ n E é a matrz dagonal dos desvos padrões das concentrações. Com esta redefnção, obtém-se: t t F p C = F p FS E A solução do exemplo anteror (sstema de equações E. 4..-) por mínmos quadrados nos fornece: S A = 0,75 % S S = 7,9 % S G = 0,3 % A Tabela-. agrupa as soluções dos tens.,.3 e.4 para o sstema (E. 4..-) : TABELA -. - Contrbução das fontes em (%) MÉTODO DE SOLUÇÃO. FONTE TRAÇADOR ÚNICO SOLUÇÃO EATA MÍNIMOS QUADRADOS SIDERURGIA 0,69 -,43 0,75 SOLO 9,0 9,05 0,3 GASOLINA 6,7 6,54 7,9 Note que neste caso em partcular houve pouca dferença entre cada método. Mas, normalmente, não se tem a possbldade de aplcar o traçador únco pos os elementos são orgnáros de dversas fontes e a solução exata também é desaconselhável devdo às flutuações estatístcas nos dados. Assm, o método dos mínmos quadrados é o que fornece melhores resultados. Todava, ao se trabalhar com um conjunto grande de fontes e equações, torna nvável sua aplcação sem um computador (um mcro pessoal é plenamente satsfatóro). 4.3 MODELOS COMPONENTES PRINCIPAIS 4.3. Característcas Geras Como fo dto na ntrodução, pretende-se aqu apenas dar as característcas prncpas destes modelos, ndcando o tpo de análse que fornecerem. Suponha que em certa localdade tenham sdo fetas P amostragens durante certo período. Pode se escolher algumas varáves para caracterzar estas amostragens, como por A.Kerr, 00 MODELAMENTOS EM POLUIÇÃO DO ARINTRODUÇÃO 5/6

6 exemplo: concentração dos elementos presentes (Na, Mg, Al etc.), concentração de partículas fnas (CF), concentração de partículas Grossas (CG), ventos numa dada dreção (VD) etc. Em componentes prncpas consdera-se que cada amostragem é um vetor num espaço multdmensonal, cujas coordenadas são estas característcas. Pode-se assm montar a matrz das amostragens: Na Mg () () p p p E D ( n) n n np Procura-se uma transformação desta base de característcas que descrevem para uma nova base de "fatores" tal que as componentes desta base tenham varânca máxma. Concretzando: magne uma localdade com duas fontes majortáras de partculado. Assm, a maor parte das varações das n característcas meddas em (E ) para as amostragens poderão ser explcadas por apenas duas componentes que estaram assocadas à composção das emssões destas duas fontes. Isto é o mesmo que dzer que pratcamente todas as amostragens podem ser descrtas como, combnações dos dos vetores que representam estas fontes. A procura de componentes prncpas em uma matrz que caracterza um conjunto de amostragens pode, assm, ndcar as fontes de maor peso no período analsado, desde que as característcas de suas emssões sejam compatíves com as componentes obtdas. Note que dferentemente do MBM, a obtenção das componentes prncpas não exge conhecmentos prévos sobre as fontes. Mas, também, não necessaramente aponta uma fonte - a máxma varânca nos dados pode por exemplo estar assocada a um condção meteorológca. Um detalhamento matemátco deste modelo pode ser vsto na Referênca. Lá também está desenvolvdo sua extensão - o Modelo dos Fatores Prncpas que permte realnhar as componentes a partr daquelas que são mas sgnfcatvas. 4.4 REFERÊNCIAS 4.4. Referêncas Geras - EPA - USA. Receptor Model Techncal Seres. vol. III, R.A. Johnson e D.W. Wchern. Appled Multvarate Analyss. Prntce Hall, 98. Entende-se por Fator: uma fonte, vento numa dada dreção, ou outro efeto qualquer que se assoce a uma varânca sgnfcatva do conjunto dos dados. A.Kerr, 00 MODELAMENTOS EM POLUIÇÃO DO ARINTRODUÇÃO 6/6

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

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

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

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

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

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

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

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

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

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

Leia mais

Notas Processos estocásticos. Nestor Caticha 23 de abril de 2012

Notas Processos estocásticos. Nestor Caticha 23 de abril de 2012 Notas Processos estocástcos Nestor Catcha 23 de abrl de 2012 notas processos estocástcos 2 O Teorema de Perron Frobenus para matrzes de Markov Consdere um processo estocástco representado por um conunto

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

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

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

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

Leia mais

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

Estudo quantitativo do processo de tomada de decisão de um projeto de melhoria da qualidade de ensino de graduação.

Estudo quantitativo do processo de tomada de decisão de um projeto de melhoria da qualidade de ensino de graduação. Estudo quanttatvo do processo de tomada de decsão de um projeto de melhora da qualdade de ensno de graduação. Rogéro de Melo Costa Pnto 1, Rafael Aparecdo Pres Espíndula 2, Arlndo José de Souza Júnor 1,

Leia mais

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

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

Leia mais

2 Principio do Trabalho Virtual (PTV)

2 Principio do Trabalho Virtual (PTV) Prncpo do Trabalho rtual (PT)..Contnuo com mcroestrutura Na teora que leva em consderação a mcroestrutura do materal, cada partícula anda é representada por um ponto P, conforme Fgura. Porém suas propredades

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

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

DEFINIÇÃO - MODELO LINEAR GENERALIZADO

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

Leia mais

Índices de Concentração 1

Índices de Concentração 1 Índces de Concentração Crstane Alkmn Junquera Schmdt arcos André de Lma 3 arço / 00 Este documento expressa as opnões pessoas dos autores e não reflete as posções ofcas da Secretara de Acompanhamento Econômco

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

COEFICIENTE DE GINI: uma medida de distribuição de renda

COEFICIENTE DE GINI: uma medida de distribuição de renda UNIVERSIDADE DO ESTADO DE SANTA CATARINA ESCOLA SUPERIOR DE ADMINISTRAÇÃO E GERÊNCIA DEPARTAMENTO DE CIÊNCIAS ECONÔMICAS COEFICIENTE DE GINI: uma medda de dstrbução de renda Autor: Prof. Lsandro Fn Nsh

Leia mais

8.16. Experimentos Fatoriais e o Fatorial Fracionado

8.16. Experimentos Fatoriais e o Fatorial Fracionado 8.6. Expermentos Fatoras e o Fatoral Fraconado Segundo Kng (995) os arranos fatoras e fatoral fraconado estão dentre os arranos mas usados em expermentos ndustras. Veremos aqu alguns casos mas geras e

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

Análise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA

Análise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA Análse de Regressão Profa Alcone Mranda dos Santos Departamento de Saúde Públca UFMA Introdução Uma das preocupações estatístcas ao analsar dados, é a de crar modelos que explctem estruturas do fenômeno

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

O problema da superdispersão na análise de dados de contagens

O problema da superdispersão na análise de dados de contagens O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão

Leia 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

ANÁLISE DA VARIÂNCIA DA REGRESSÃO

ANÁLISE DA VARIÂNCIA DA REGRESSÃO ANÁLISE DA VARIÂNCIA DA REGRESSÃO PROCEDIMENTO GERAL DE REGRESSÃO Em um modelo de análse de varânca, como no DIA, o fator em estudo pode ser quanttatvo ou qualtatvo. FATOR QUANTITATIVO: é aquele cujos

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

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

CQ110 : Princípios de FQ

CQ110 : Princípios de FQ CQ110 : Prncípos de FQ CQ 110 Prncípos de Físco Químca Curso: Farmáca Prof. Dr. Marco Vdott mvdott@ufpr.br Potencal químco, m potencal químco CQ110 : Prncípos de FQ Propredades termodnâmcas das soluções

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

Programação Dinâmica. Fernando Nogueira Programação Dinâmica 1

Programação Dinâmica. Fernando Nogueira Programação Dinâmica 1 Programação Dnâmca Fernando Noguera Programação Dnâmca A Programação Dnâmca procura resolver o problema de otmzação através da análse de uma seqüênca de problemas mas smples do que o problema orgnal. A

Leia mais

Palavras-Chave: Métodos Interativos da Potência e Inverso, Sistemas Lineares, Autovetores e Autovalores.

Palavras-Chave: Métodos Interativos da Potência e Inverso, Sistemas Lineares, Autovetores e Autovalores. MSc leandre Estáco Féo ssocação Educaconal Dom Bosco - Faculdade de Engenhara de Resende Caa Postal 8.698/87 - CEP 75-97 - Resende - RJ Brasl Professor e Doutorando de Engenhara aefeo@yahoo.com.br Resumo

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

Análise Dinâmica de uma Viga de Euler-Bernoulli Submetida a Impacto no Centro após Queda Livre Através do Método de Diferenças Finitas

Análise Dinâmica de uma Viga de Euler-Bernoulli Submetida a Impacto no Centro após Queda Livre Através do Método de Diferenças Finitas Proceedng Seres of the Brazlan Socety of Appled and Computatonal Mathematcs, Vol. 4, N., 06. Trabalho apresentado no DINCON, Natal - RN, 05. Proceedng Seres of the Brazlan Socety of Computatonal and Appled

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

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

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

Leia mais

2 Lógica Fuzzy Introdução

2 Lógica Fuzzy Introdução 2 Lógca Fuzzy 2.. Introdução A lógca fuzzy é uma extensão da lógca booleana, ntroduzda pelo Dr. Loft Zadeh da Unversdade da Calfórna / Berkeley no ano 965. Fo desenvolvda para expressar o conceto de verdade

Leia mais

ANÁLISE DE COMPONENTES PRINCIPAIS, ANÁLISE FATORIAL: Exemplos em STATA. Prof. Dr. Evandro Marcos Saidel Ribeiro RESUMO

ANÁLISE DE COMPONENTES PRINCIPAIS, ANÁLISE FATORIAL: Exemplos em STATA. Prof. Dr. Evandro Marcos Saidel Ribeiro RESUMO UNIVERSIDADE DE SÃO PAULO FACULDADE DE ECONOMIA, ADMINISTRAÇÃO E CONTABILIDADE DEPARTAMENTO DE ADMINISTRAÇÃO ANÁLISE DE COMPONENTES PRINCIPAIS, ANÁLISE FATORIAL: Eemplos em STATA. Prof. Dr. Evandro Marcos

Leia mais

5 Métodos de cálculo do limite de retenção em função da ruína e do capital inicial

5 Métodos de cálculo do limite de retenção em função da ruína e do capital inicial 5 Métodos de cálculo do lmte de retenção em função da ruína e do captal ncal Nesta dssertação serão utlzados dos métodos comparatvos de cálculo de lmte de retenção, onde ambos consderam a necessdade de

Leia mais

Realimentação negativa em ampliadores

Realimentação negativa em ampliadores Realmentação negatva em ampladores 1 Introdução necessdade de amplfcadores com ganho estável em undades repetdoras em lnhas telefôncas levou o Eng. Harold Black à cração da técnca denomnada realmentação

Leia mais

CAPÍTULO VI Introdução ao Método de Elementos Finitos (MEF)

CAPÍTULO VI Introdução ao Método de Elementos Finitos (MEF) PMR 40 - Mecânca Computaconal CAPÍTULO VI Introdução ao Método de Elementos Fntos (MEF). Formulação Teórca - MEF em uma dmensão Consderemos a equação abao que representa a dstrbução de temperatura na barra

Leia mais

Ministério da Educação. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Cálculo do Conceito Preliminar de Cursos de Graduação

Ministério da Educação. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Cálculo do Conceito Preliminar de Cursos de Graduação Mnstéro da Educação Insttuto Naconal de Estudos e Pesqusas Educaconas Aníso Texera Cálculo do Conceto Prelmnar de Cursos de Graduação Nota Técnca Nesta nota técnca são descrtos os procedmentos utlzados

Leia mais

Análise Complexa Resolução de alguns exercícios do capítulo 1

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

Leia mais

ALTERNATIVA PARA DETERMINAR ACURÁCIA DA PREVISÃO DO MBAR UTILIZANDO ÍNDICE DE BRIER. Reinaldo Bomfim da Silveira 1 Juliana Maria Duarte Mol 1 RESUMO

ALTERNATIVA PARA DETERMINAR ACURÁCIA DA PREVISÃO DO MBAR UTILIZANDO ÍNDICE DE BRIER. Reinaldo Bomfim da Silveira 1 Juliana Maria Duarte Mol 1 RESUMO ALTERNATIVA PARA DETERMINAR ACURÁCIA DA PREVISÃO DO MBAR UTILIZANDO ÍNDICE DE BRIER Renaldo Bomfm da Slvera 1 Julana Mara Duarte Mol 1 RESUMO Este trabalho propõe um método para avalar a qualdade das prevsões

Leia mais

IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO

IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO Alne de Paula Sanches 1 ; Adrana Betâna de Paula Molgora 1 Estudante do Curso de Cênca da Computação da UEMS, Undade Unverstára de Dourados;

Leia mais

Despacho Econômico de. Sistemas Termoelétricos e. Hidrotérmicos

Despacho Econômico de. Sistemas Termoelétricos e. Hidrotérmicos Despacho Econômco de Sstemas Termoelétrcos e Hdrotérmcos Apresentação Introdução Despacho econômco de sstemas termoelétrcos Despacho econômco de sstemas hdrotérmcos Despacho do sstema braslero Conclusões

Leia mais

Problemas Propostos. Frações mássicas, volúmicas ou molares. Estequiometria.

Problemas Propostos. Frações mássicas, volúmicas ou molares. Estequiometria. Elementos de Engenhara Químca I II. Frações e Estequometra (problemas resolvdos) Problemas Propostos. Frações másscas, volúmcas ou molares. Estequometra.. Em 5 moles de Benzeno (C 6 H 6 ) quanto é que

Leia mais

MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel

MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel MOQ-14 PROJETO e ANÁLISE de EPERIMENTOS Professor: Rodrgo A. Scarpel rodrgo@ta.br www.mec.ta.br/~rodrgo Prncípos de cração de modelos empírcos: Modelos (matemátcos, lógcos, ) são comumente utlzados na

Leia mais

Capítulo 16: Equilíbrio Geral e Eficiência Econômica

Capítulo 16: Equilíbrio Geral e Eficiência Econômica Capítulo 6: Equlíbro Geral e Efcênca Econômca Pndck & Rubnfeld, Capítulo 6, Equlíbro Geral::EXERCÍCIOS. Em uma análse de trocas entre duas pessoas, suponha que ambas possuam dêntcas preferêncas. A curva

Leia mais

NOTAS DE AULA DA DISCIPLINA CE076

NOTAS DE AULA DA DISCIPLINA CE076 5. COMPONENTES PRINCIPAIS 5. Introdução A análse de Comonentes Prncas está relaconada com a exlcação da estrutura de covarânca or meo de oucas combnações lneares das varáves orgnas em estudo, ou sea, rocura

Leia mais

(B) Considere X = antes e Y = depois e realize um teste t para dados pareados e um teste da ANOVA de um DBC com 5 blocos. Compare os resultados.

(B) Considere X = antes e Y = depois e realize um teste t para dados pareados e um teste da ANOVA de um DBC com 5 blocos. Compare os resultados. INF 6 Notas de aula sujeto a correções Prof. Luz Alexandre Peternell (B) Consdere X antes e Y depos e realze um teste t para dados pareados e um teste da ANOVA de um DBC com 5 blocos. Compare os resultados.

Leia mais

2 - Análise de circuitos em corrente contínua

2 - Análise de circuitos em corrente contínua - Análse de crcutos em corrente contínua.-corrente eléctrca.-le de Ohm.3-Sentdos da corrente: real e convenconal.4-fontes ndependentes e fontes dependentes.5-assocação de resstêncas; Dvsores de tensão;

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

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

EDUCAÇÃO O AJUSTE DE FUNÇÕES MATEMÁTICAS A DADOS EXPERIMENTAIS

EDUCAÇÃO O AJUSTE DE FUNÇÕES MATEMÁTICAS A DADOS EXPERIMENTAIS EDUCAÇÃO O AJUSTE DE FUÇÕES ATEÁTICAS A DADOS EXPERIETAIS Rogéro Custodo, João Carlos de Andrade e Fábo Augusto Insttuto de Químca - Unversdade Estadual de Campnas - UICAP - 13083-970 - Campnas - SP Recebdo

Leia mais

2 Agregação Dinâmica de Modelos de Turbinas e Reguladores de Velocidade: Teoria

2 Agregação Dinâmica de Modelos de Turbinas e Reguladores de Velocidade: Teoria Agregação Dnâmca de Modelos de urbnas e Reguladores de elocdade: eora. Introdução O objetvo da agregação dnâmca de turbnas e reguladores de velocdade é a obtenção dos parâmetros do modelo equvalente, dados

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

Prof. Cláudio Serra, Esp. 1. Produção de Leite x índice Pluviométrico y = 0.8x R 2 =

Prof. Cláudio Serra, Esp. 1. Produção de Leite x índice Pluviométrico y = 0.8x R 2 = Análse de Regressão Cap.. Introdução Análse de regressão é uma técnca de modelagem utlzada para analsar a relação entre uma varável dependente () e uma ou mas varáves ndependentes,, 3,..., n. O ojetvo

Leia mais

CAPÍTULO 3 CALIBRAÇÃO DE FASE INTERFEROMÉTRICA

CAPÍTULO 3 CALIBRAÇÃO DE FASE INTERFEROMÉTRICA CAPÍTULO 3 CALIBRAÇÃO DE FASE INTERFEROMÉTRICA 3. Método Utlzando Ponto de Controle O uso de pontos de controle é o meo mas exato para a determnação do offset da fase nterferométrca. Normalmente utlza-se

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

Redução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma

Redução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma Redução dos Dados Júlo Osóro Meddas Característcas da Dstrbução Tendênca Central (Localzação) Varação (Dspersão) Forma 1 Meddas Característcas da Dstrbução Meddas Estatístcas Tendênca Central Dspersão

Leia mais

DISTRIBUIÇÃO DA AÇÃO DO VENTO NOS ELEMENTOS DE CONTRAVENTAMENTO CONSIDERANDO O PAVIMENTO COMO DIAFRAGMA RÍGIDO: ANÁLISE SIMPLIFICADA E MATRICIAL

DISTRIBUIÇÃO DA AÇÃO DO VENTO NOS ELEMENTOS DE CONTRAVENTAMENTO CONSIDERANDO O PAVIMENTO COMO DIAFRAGMA RÍGIDO: ANÁLISE SIMPLIFICADA E MATRICIAL DISTRIBUIÇÃO DA AÇÃO DO VENTO NOS ELEMENTOS DE CONTRAVENTAMENTO CONSIDERANDO O PAVIMENTO COMO DIAFRAGMA RÍGIDO: ANÁLISE SIMPLIFICADA E MATRICIAL Dstrbuton of the wnd acton n the bracng elements consderng

Leia mais

Capítulo 24: Potencial Elétrico

Capítulo 24: Potencial Elétrico Capítulo 24: Potencal Energa Potencal Elétrca Potencal Superfíces Equpotencas Cálculo do Potencal a Partr do Campo Potencal Produzdo por uma Carga Pontual Potencal Produzdo por um Grupo de Cargas Pontuas

Leia mais

8. Estudo da não-idealidade da fase líquida

8. Estudo da não-idealidade da fase líquida PQI 58 Fundamentos de Processos em Engenhara Químca II 009 8. Estudo da não-dealdade da fase líquda Assuntos. A le de Raoult. Defnção de atvdade 3. Convenções assmétrcas e a le de Henry 4. Exercícos 8..

Leia mais

MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES

MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES 1. Obtenha os estmadores dos coefcentes lnear e angular de um modelo de regressão lnear smples utlzando o método

Leia mais

Estudo e Previsão da Demanda de Energia Elétrica. Parte II

Estudo e Previsão da Demanda de Energia Elétrica. Parte II Unversdade Federal de Paraná Setor de Tecnologa Departamento de Engenhara Elétrca Estudo e Prevsão da Demanda de Energa Elétrca Parte II Prof: Clodomro Unshuay-Vla Etapas de um Modelo de Prevsão Objetvo

Leia 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

Contabilometria. Aula 8 Regressão Linear Simples

Contabilometria. Aula 8 Regressão Linear Simples Contalometra Aula 8 Regressão Lnear Smples Orgem hstórca do termo Regressão Le da Regressão Unversal de Galton 1885 Galton verfcou que, apesar da tendênca de que pas altos tvessem flhos altos e pas axos

Leia mais

Atividade em Soluções Eletrolíticas

Atividade em Soluções Eletrolíticas Modelo de solução eletrolítca segundo Debye-Hückel. - A le lmte de Debye-Hückel (LLDH) tem o lmte que está em: I 0,01. log z.z A I 1/ valêncas do íons + e do eletrólto I 1 [ z b / b ] constante que depende

Leia mais

4 Análise termoeconômica

4 Análise termoeconômica 4 Análse termoeconômca Os capítulos precedentes abordaram questões emnentemente térmcas da aplcação de nanofludos em sstemas ndretos de refrgeração. Ao tratar das magntudes relatvas e da natureza das componentes

Leia mais

Sistemas de equações lineares

Sistemas de equações lineares Sstemas - ALGA - / Sstemas de equações lneares Uma equação lnear nas ncógntas ou varáves x ; x ; :::; x n é uma expressão da forma: a x + a x + ::: + a n x n = b onde a ; a ; :::; a n ; b são constantes

Leia mais

Modelagem Matemática do Desenvolvimento da Soja

Modelagem Matemática do Desenvolvimento da Soja Modelagem Matemátca do Desenvolvmento da Soja Artur Gustavo Muller Embrapa Cerrados 73310-970, Planaltna, DF E-mal: agmuller@cpac.embrapa.br Jorge Luz Berto Unversdade Regonal do Noroeste do Estado do

Leia mais

CAPITULO II - FORMULAÇAO MATEMATICA

CAPITULO II - FORMULAÇAO MATEMATICA CAPITULO II - FORMULAÇAO MATEMATICA II.1. HIPOTESES BASICAS A modelagem aqu empregada está baseado nas seguntes hpóteses smplfcadoras : - Regme permanente; - Ausênca de forças de campo; - Ausênca de trabalho

Leia mais

5.1 Seleção dos melhores regressores univariados (modelo de Índice de Difusão univariado)

5.1 Seleção dos melhores regressores univariados (modelo de Índice de Difusão univariado) 5 Aplcação Neste capítulo será apresentada a parte empírca do estudo no qual serão avalados os prncpas regressores, um Modelo de Índce de Dfusão com o resultado dos melhores regressores (aqu chamado de

Leia mais

x Ex: A tabela abaixo refere-se às notas finais de três turmas de estudantes. Calcular a média de cada turma:

x Ex: A tabela abaixo refere-se às notas finais de três turmas de estudantes. Calcular a média de cada turma: Professora Janete Perera Amador 1 8 Meddas Descrtvas Vmos anterormente que um conjunto de dados pode ser resumdo através de uma dstrbução de freqüêncas, e que esta pode ser representada através de uma

Leia mais

Variabilidade Espacial do Teor de Água de um Argissolo sob Plantio Convencional de Feijão Irrigado

Variabilidade Espacial do Teor de Água de um Argissolo sob Plantio Convencional de Feijão Irrigado Varabldade Espacal do Teor de Água de um Argssolo sob Planto Convenconal de Fejão Irrgado Elder Sânzo Aguar Cerquera 1 Nerlson Terra Santos 2 Cásso Pnho dos Res 3 1 Introdução O uso da água na rrgação

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

SISTEMAS DE ABASTECIMENTO E DISTRIBUIÇÃO DE ÁGUA

SISTEMAS DE ABASTECIMENTO E DISTRIBUIÇÃO DE ÁGUA Redes de Dstrbução de Água Rede de dstrbução de água: um sstema de tubagens e elementos acessóros nstalados na va públca, em terrenos da entdade dstrbudora ou em outros sob concessão especal, cua utlzação

Leia mais

Diferença entre a classificação do PIB per capita e a classificação do IDH

Diferença entre a classificação do PIB per capita e a classificação do IDH Curso Bem Estar Socal Marcelo Ner - www.fgv.br/cps Metas Socas Entre as mutas questões decorrentes da déa de se mplementar uma proposta de metas socas temos: Qual a justfcatva econômca para a exstênca

Leia mais

Análise Descritiva com Dados Agrupados

Análise Descritiva com Dados Agrupados 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 descrtvas

Leia mais

LQA - LEFQ - EQ -Química Analítica Complemantos Teóricos 04-05

LQA - LEFQ - EQ -Química Analítica Complemantos Teóricos 04-05 LQA - LEFQ - EQ -Químca Analítca Complemantos Teórcos 04-05 CONCEITO DE ERRO ALGARISMOS SIGNIFICATIVOS Embora uma análse detalhada do erro em Químca Analítca esteja fora do âmbto desta cadera, sendo abordada

Leia mais

Introdução ao Método dos Elementos Finitos: Estruturas Articuladas

Introdução ao Método dos Elementos Finitos: Estruturas Articuladas Análse de Estruturas II: Estruturas Artculadas Introdução ao Método dos Elementos Fntos: Estruturas Artculadas. Introdução O modelo de estrutura artculada, o mas smples dos modelos estruturas, é utlzado

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

FUNDAMENTOS DE ROBÓTICA. Modelo Cinemático de Robôs Manipuladores

FUNDAMENTOS DE ROBÓTICA. Modelo Cinemático de Robôs Manipuladores FUNDMENTOS DE ROBÓTIC Modelo Cnemátco de Robôs Manpuladores Modelo Cnemátco de Robôs Manpuladores Introdução Modelo Cnemátco Dreto Modelo Cnemátco de um Robô de GDL Representação de Denavt-Hartenberg Exemplos

Leia mais

ESCOAMENTO TRIFÁSICO NÃO-ISOTÉRMICO EM DUTO VERTICAL COM VAZAMENTO VIA CFX: ANÁLISE DA INFLUÊNCIA DA RUGOSIDADE DA PAREDE DO DUTO

ESCOAMENTO TRIFÁSICO NÃO-ISOTÉRMICO EM DUTO VERTICAL COM VAZAMENTO VIA CFX: ANÁLISE DA INFLUÊNCIA DA RUGOSIDADE DA PAREDE DO DUTO ESCOAMENTO TRIFÁSICO NÃO-ISOTÉRMICO EM DUTO VERTICAL COM VAZAMENTO VIA CFX: ANÁLISE DA INFLUÊNCIA DA RUGOSIDADE DA PAREDE DO DUTO W. R. G. SANTOS 1, H. G. ALVES 2, S. R. FARIAS NETO 3 e A. G. B. LIMA 4

Leia mais

NOVA METODOLOGIA PARA RECONCILIAÇÃO DE DADOS: CONSTRUÇÃO DE BALANÇÃO HÍDRICOS EM INDÚSTRIA UTILIZANDO O EMSO

NOVA METODOLOGIA PARA RECONCILIAÇÃO DE DADOS: CONSTRUÇÃO DE BALANÇÃO HÍDRICOS EM INDÚSTRIA UTILIZANDO O EMSO I Congresso Baano de Engenhara Santára e Ambental - I COBESA NOVA METODOLOGIA PARA RECONCILIAÇÃO DE DADOS: CONSTRUÇÃO DE BALANÇÃO HÍDRICOS EM INDÚSTRIA UTILIZANDO O EMSO Marcos Vnícus Almeda Narcso (1)

Leia mais

MODELO HIDRÁULICO PARA TRANSITÓRIOS LENTOS EM CONDUTO FORÇADO

MODELO HIDRÁULICO PARA TRANSITÓRIOS LENTOS EM CONDUTO FORÇADO UNIVERSIDADE ESTADUAL DE CAMPINAS FACULDADE DE ENGENHARIA CIVIL ARQUITETURA E URBANISMO DEPARTAMENTO DE RECURSOS HÍDRICOS MODELO HIDRÁULICO PARA TRANSITÓRIOS LENTOS EM CONDUTO FORÇADO Luz Fernando Resende

Leia mais

Robótica. Prof. Reinaldo Bianchi Centro Universitário FEI 2016

Robótica. Prof. Reinaldo Bianchi Centro Universitário FEI 2016 Robótca Prof. Renaldo Banch Centro Unverstáro FEI 2016 6 a Aula IECAT Objetvos desta aula Momentos Lneares, angulares e de Inérca. Estátca de manpuladores: Propagação de forças e torques. Dnâmca de manpuladores:

Leia mais

AEP FISCAL ESTATÍSTICA

AEP FISCAL ESTATÍSTICA AEP FISCAL ESTATÍSTICA Módulo 11: Varáves Aleatóras (webercampos@gmal.com) VARIÁVEIS ALEATÓRIAS 1. Conceto de Varáves Aleatóras Exemplo: O expermento consste no lançamento de duas moedas: X: nº de caras

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

Capítulo 9. Colisões. Recursos com copyright incluídos nesta apresentação:

Capítulo 9. Colisões. Recursos com copyright incluídos nesta apresentação: Capítulo 9 Colsões Recursos com copyrght ncluídos nesta apresentação: http://phet.colorado.edu Denremos colsão como uma nteração com duração lmtada entre dos corpos. Em uma colsão, a orça externa resultante

Leia mais

AULA Espaços Vectoriais Estruturas Algébricas.

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

Leia mais

CAPÍTULO 2 - Estatística Descritiva

CAPÍTULO 2 - Estatística Descritiva INF 16 Prof. Luz Alexandre Peternell CAPÍTULO - Estatístca Descrtva Exercícos Propostos 1) Consderando os dados amostras abaxo, calcular: méda artmétca, varânca, desvo padrão, erro padrão da méda e coefcente

Leia mais

), demonstrado no capítulo 3, para

), demonstrado no capítulo 3, para 6 Conclusão Neste trabalho foram realzados cnco estudos de casos como meo de nvestgar a nfluênca de trbutos no processo decsóro de localzação. Buscou-se realzar as entrevstas em dferentes negócos para

Leia mais

Curvas Horizontais e Verticais

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

Leia mais