TÉCNICAS DE ANÁLISE DE CONFIABILIDADE: ESTADO DA ARTE E APLICAÇÕES

Tamanho: px
Começar a partir da página:

Download "TÉCNICAS DE ANÁLISE DE CONFIABILIDADE: ESTADO DA ARTE E APLICAÇÕES"

Transcrição

1 5º POMEC - mpóso do Programa de Pós-Graduação em Egehara Mecâca Uversdade Federal de Uberlâda Faculdade de Egehara Mecâca TÉCNICA DE ANÁLIE DE CONFIABILIDADE: ETADO DA ARTE E APLICAÇÕE Jhoja Erque Rojas Flores Domgos Alves Rade Faculdade de Egehara Mecâca, Uversdade Federal de Uberlâda, Av. João Naves de Ávla 22 Campus ata Môca CP 593 CEP Uberlâda/MG - Brasl. jerojas@mecaca.ufu.br domgos@ufu.br Resumo: A aálse de cofabldade vsa ecotrar a melhor relação etre custo e seguraça e forecer dretrzes para a elaboração de projetos ótmos, levado-se em cota a aleatoredade dos parâmetros físcos e/ou geométrcos do sstema e das solctações exteras. Este trabalho apreseta uma revsão bblográfca dos fudametos de aálse de cofabldade e sua aplcação a sstemas estruturas. ão descrtos resumdamete os prcpas métodos de estmatva do ídce de cofabldade, detre os quas se destacam os métodos de aproxmação de prmera e seguda ordem. Dferetes graus de complexdade e abragêca o tratameto das varáves aleatóras são lustrados as smulações umércas. Através da mplemetação destes algortmos são reproduzdos os resultados de problemas estudados a lteratura. Palavras-chave: Aálse de cofabldade, FORM, ORM, ídce de cofabldade.. INTRODUÇÃO Uma das prcpas atrbuções da Egehara é estabelecer dretrzes de projeto para que um determado sstema ateda a crtéros de desempeho, seguraça, fucoaldade, durabldade e outros prevamete estabelecdos. É cohecdo o fato de que o projeto e realzação de sstemas estruturas complexos evolvem dferetes tpos de certezas, tas como as aquelas presetes: os valores dos parâmetros físcos e/ou geométrcos do sstema; as codções de cotoro; as codções de carregameto. Exste uma clara tedêca atual de se cotemplar, os procedmetos de aálse estrutural, as certezas presetes, substtudo-se aálses determístcas por aálses probablístcas ou de cofabldade (chueller, 2000). Neste setdo, a aálse de cofabldade tem como prcpal objetvo defr a margem de seguraça a ser utlzada a defção dos parâmetros de projeto e forecer formações sufcetes para a elaboração de projetos ótmos através da detfcação e quatfcação das certezas paramétrcas empregado dferetes aproxmações. Este trabalho apreseta os fudametos de aálse de cofabldade através da descrção dos métodos de prmera e seguda ordem de determação do ídce de cofabldade e de resultados de smulações umércas. 2. FUNDAMENTO DE ANÁLIE DE CONFIABILIDADE O atedmeto dos requermetos báscos dos projetos de egehara a preseça de certezas ão é uma tarefa smples. Esta ecessdade levou a Freudethal (956) a crar o coceto de projeto baseado em rsco, o qual será resumdamete apresetado esta seção.

2 5 POMEC. FEMEC/UFU, Uberlâda-MG, Uma vez que os parâmetros de teresse da egehara possuem certo grau de certeza é coveete cosderá-los como varáves aleatóras. Coseqüetemete, o desempeho satsfatóro do sstema ão poderá ser absolutamete assegurado, mas poderá ser expresso em termos da probabldade de que algum crtéro de desempeho seja ateddo. Na termologa da egehara, esta probabldade é deomada de cofabldade. O verso de cofabldade é a probabldade de falha (rsco). Cofabldade é defda, portato, como a probabldade relacoada à perfeta operação (detro dos lmtes especfcados de projeto) de um determado sstema durate um período de tempo defdo (cohecdo como tempo de vda útl) as suas codções ormas de utlzação. Esta defção requer a cosderação dos segutes fatores: defção das codções de operação em que o sstema deve fucoar; quatfcação de cofabldade em termos de probabldades; defção do desempeho exgdo ao sstema em fução das codções de operação; especfcação do tempo de operação exgdo etre as falhas; A aálse de cofabldade utlza a formação das certezas do sstema, as quas podem ser classfcadas em: cogtvas (qualtatvas) e ão-cogtvas (quattatvas). As cogtvas são produto de abstrações telectuas da realdade como: defção de parâmetros, fatores humaos e defção de ter-relações etre os parâmetros dos problemas em sstemas complexos. As ãocogtvas são decorretes da aleatoredade erete a toda observação físca, certezas estatístcas, falta de precsão da formação e modelagem de certezas. De acordo com Haldar e Mahadeva (2000a e 2000b), o prmero procedmeto da aálse de cofabldade de uma estrutura é defr o(s) crtéro(s) de desempeho, as varáves de projeto X e as relações (explíctas e/ou mplíctas) das varáves com a fução de desempeho. Matematcamete, a fução de desempeho pode ser expressa como: Z = g( X, X2,..., X ). A superfíce de falha ou estado lmte é defda pela codção Z=0. Esta superfíce defe o lmte etre as regões de seguraça e de falha o espaço de projeto dos parâmetros, coforme lustrado a Fgura para o caso de duas varáves de projeto (resstêca R e carregameto ). g(r,)<0 regão de rsco g(r,)>0 regão de seguraça g(r,)=0 equação de estado lmte R Fgura : uperfíce de falha de duas varáves aleatóras. A falha ocorre quado Z<0, e a probabldade de falha é calculada segudo: ( ) p... f x, x,..., x dx dx... dx =, () f X 2 2 g ( ) < 0 ode f X( x, x2,..., x) é a fução desdade de probabldade (FDP) cojuta das varáves aleatóras X, X2,..., X. e estas varáves são estatstcamete depedetes, etão a FDP cojuta poderá ser substtuída a tegral pelo produto das FDP dvduas. A equação ateror costtu-se a equação fudametal da aálse de cofabldade. Em geral, o úmero de varáves aleatóras é elevado e ão aparecem explctamete a fução de desempeho, de modo que a FDP cojuta é quase mpossível de ser obtda. Além dsso, a avalação da tegral múltpla resulta extremamete complcada em fução da correlação das varáves e da complexdade do tegrado. Para a aproxmação desta tegral, são utlzadas aproxmações aalítcas como os métodos de cofabldade de prmera ordem (MCPO), métodos de cofabldade de seguda ordem (MCO), método do valor médo (MVM) e método do poto mas provável (MPMP). 2

3 5 POMEC. FEMEC/UFU, Uberlâda-MG, A título de exemplo, cosdere-se a probabldade de falha P(R<) como sedo a probabldade de que a resstêca R de um sstema seja meor que o carregameto, ou seja: s p f = P ( falha) = P ( R < ) = fr( r) dr f ( s) ds = FR( s) f ( s) ds 0 0 0, (2) ode F R (s) é a fução desdade acumulada (FDA) de R e f (s) é a FDP de. 3. MÉTODO DE ANÁLIE DE CONFIABILIDADE Os métodos de aálse de cofabldade podem ser classfcados em métodos de prmera e seguda ordem. Detre os de prmera ordem tem-se o método do segudo mometo (MMPO) e o método do segudo mometo avaçado (MMPOA). Estes métodos são descrtos a segur. 3.. Método do egudo Mometo de Prmera Ordem - MMPO Este método descosdera o tpo de dstrbução das varáves aleatóras. A probabldade de falha dada em fução do ídce de cofabldade pode ser defda como sedo: p f ( β ) = Φ (3) A probabldade de falha depede da relação etre o valor médo de Z e seu desvo padrão. Esta relação é comumete cohecda como ídce de cofabldade (β). Para o caso em que Z=R- e R e possuem dstrbução ormal e logormal, respectvamete, β é dado por: β β = µ µ µ Z R = = σ 2 2 Z σ R + σ ( µ µ ) l R δ + δ 2 2 R (4) (5) Empregado uma expasão em séres de Taylor em toro da méda, tem-se: 2 g g ( µ X ) ( µ X ) ( )( ) µ X j X j Z = g + X + X X µ +..., (6) X 2 X X = = j= j ode as dervadas são avaladas os valores das médas das varáves X. Trucado a sére, obtêmse a méda e a varâca de prmera ordem de Z como sedo, respectvamete: Z g ( X X2 X ) µ µ, µ,..., µ, (7) σ g g Cov ( X X ) (8) 2 Z, j = j= X X j e as varáves ão são correlacoadas, etão: σ 2 Z g = X 2 Var ( X ) (9) 3

4 5 POMEC. FEMEC/UFU, Uberlâda-MG, Da mesma forma, o ídce de cofabldade pode ser calculado pela relação etre a méda e o desvo padrão. Neste método a fução g( ), a equação Z = g( X, X2,..., X ) é learzada os valores das médas das varáves. Quado g( ) ão é lear, um erro sgfcatvo é troduzdo devdo ao fato que os termos de ordem superor são eglgecados Método do egudo Mometo de Prmera Ordem Avaçado - MMPOA Este método, também cohecdo como o método de Hasofer-Ld (Haldar e Mahadeva, 2000a), cosdera o tpo de dstrbução das varáves aleatóras. Defem-se calmete as varáves reduzdas, como: X X µ X = =, 2,..., (0) σ X ode X é a varável aleatóra com méda zero e desvo padrão utáro. A equação ateror trasforma a equação de estado lmte orgal g(x)=0 para o sstema coordeado reduzdo g(x )=0. O método defe o ídce de cofabldade como a dstâca míma etre a orgem do sstema coordeado reduzdo e a superfíce de falha, ou seja: * t * ( x ) ( x ) β = () O poto a curva da superfíce de falha que se ecotra mas próxmo do sstema coordeado reduzdo é chamado de poto de projeto, sedo detfcado como o poto mas provável de falha (vetor x * o sstema orgal e x * o sstema reduzdo). Cosderado a equação de estado lmte como sedo: Z = R = 0, a Fgura 2 lustra a trasformação dos sstemas coordeados. s * regão de rsco regão de rsco Poto de projeto Z<0 α * * ( r, s ) Poto de projeto ( µ R, µ ) β regão de seguraça µ R µ,0 σ R R r * R-=0 r * θ µ µ σ R 0, R s * regão de seguraça Z>0 θ R α R α R a) coordeadas orgas α b) coordeadas reduzdas Fgura 2: Ídce de cofabldade de Hasofer-Ld: fução de desempeho lear. Para estados lmtes ão-leares, o cálculo da dstâca míma tora-se um problema de otmzação da forma: m D g X = g X = 0. t = x x, sujeto às segutes restrções: ( ) ( ) Aplcado o método dos Multplcadores de Lagrage, o ídce de cofabldade resulta: 4

5 5 POMEC. FEMEC/UFU, Uberlâda-MG, β = = x = * * g X g X 2*, (2) ode g X é a -ésma dervada parcal avalada o poto de projeto de coordeadas * * * ( x, x2,..., x ). O poto de projeto o sstema coordeado reduzdo é defdo como: x * = α β =,2,..., com os cosseos dretores ao logo dos exos coordeados X, dados por: * 2* α g g = X = X (3) No espaço de projeto orgal e empregado a equação (0), determa-se o poto de projeto: = µ ασ β (4) * x X x A Fgura 3 lustra o algortmo do MMPOA para a determação do ídce de cofabldade. Fgura 3: Algortmo do MMPOA para determação de β MMPOA para Varáves de Dstrbução Não Normal Na atualdade, um MMPOA é mas cohecdo como MCPO. Neste método, o ídce de cofabldade de Hasofer-Ld pode ser estmado utlzado a equação (4) se todas as varáves são estatstcamete depedetes, de dstrbução ormal e a fução de estado lmte é lear. Rackwtz e Fessler (978), Che e Ld (983) e outros propuseram elmar esta lmtação do algortmo cludo a formação das dstrbuções das varáves aleatóras para fuções de estado lmte leares e ão-leares. 5

6 5 POMEC. FEMEC/UFU, Uberlâda-MG, No cotexto do MMPOA, a probabldade de falha vem sedo estmada empregado dos tpos de aproxmações do estado lmte o poto de projeto: aproxmação de prmera ordem (MCPO) e aproxmação de seguda ordem (MCO). Estes métodos são cohecdos a lteratura teracoal pelas sglas FORM (frst order relablty method) e ORM (secod order relablty method) Método de Cofabldade de Prmera Ordem A superfíce de falha pode ser represetada por fuções leares ou ão-leares. O MCPO pode ser empregado quado a fução de estado lmte for lear de varáves ormas ão-correlacoadas ou quado a fução de estado lmte ão-lear for represetada por uma aproxmação lear (prmera ordem) com varáves ormas equvaletes. Na Fgura 4 são lustrados os algortmos de determação do ídce de cofabldade pelo MCPO. Algumas melhoras do algortmo proposto por Ayyub e Haldar (984) são cluídas o algortmo (a). (a) (b) Fgura 4: Algortmos do MCPO para determação de β. Observa-se que o peúltmo procedmeto do algortmo, a equação de estado lmte deve ser resolvda para determar o ovo poto de projeto. No caso de fuções ão-leares mas complexas, este procedmeto tora-se dfícl. Etretato, um segudo algortmo (b) sere um procedmeto recursvo do tpo Newto-Raphso (N-R) utlzado dervadas para ecotrar o próxmo poto de projeto. Este algortmo fo proposto por Rackwtz (978). Partcularmete, este método é útl quado a fução de desempeho é mplícta, ou seja, quado ão pode ser expressa como uma forma fucoal explícta das varáves aleatóras Método de Cofabldade de eguda Ordem O MCO estma a probabldade de falha através de uma aproxmação ão-lear da fução de estado lmte, cludo varáves ormas correlacoadas quado a aproxmação da fução de estado lmte for lear. O método cosdera a curvatura da fução de desempeho através de um parâmetro caracterzado pela seguda dervada desta fução em relação às varáves. Portato, o método melhora o resultado do MCPO ao cosderar a ão leardade da fução de desempeho. 6

7 5 POMEC. FEMEC/UFU, Uberlâda-MG, Empregado uma aproxmação de seguda ordem por séres de Taylor os valores x, x2,..., x ), uma fução de desempeho ão-lear qualquer pode ser expressa por: ( * * * g g X X X g x x x x x X ( ) ( * * * ) ( * * *, 2,..., =, 2,..., + ) + ( x x )( xj xj) = 2 g... 2 X X + (5) = j= j ode as dervadas são avaladas o potos de projeto X. Para a aálse de cofabldade, esta aproxmação é adotada o espaço ormal equvalete das varáves o poto de dstâca míma. e as varáves ão são correlacoadas, efetua-se a segute trasformação: Y N ( X µ X ) =, (6) N σ X ode N µ e X Y e X são varáves aleatóras do sstema ormal equvalete e orgal, respectvamete; N σ são a méda e o desvo padrão ormal equvalete de X, o poto de projeto x *, X respectvamete. Fessler et al. (979) exploraram pela prmera vez uma aproxmação de seguda ordem empregado dferetes fuções quadrátcas. Utlzado o mesmo tpo de aproxmação, Bretug (984) propôs a segute solução smplfcada para a determação da probabldade de falha: f2 ( ) ( ) = 2 p Φ β βk, (7) sedo a curvatura predomate da fução de estado lmte o poto de dstâca míma represetada por k. Para determar k, o exo coordeado das varáves Y é grado obtedo outro cojuto de varáves (Y ), de forma que estas varáves cocdam com o vetor α (vetor gradete utáro do estado lmte) o poto de dstâca míma. Este procedmeto é lustrado a Fgura 5 para o caso de duas varáves aleatóras. Fgura 5: Rotação de coordeadas. A trasformação ortogoal do espaço Y para o espaço Y é dada por: Y duas varáves aleatóras, a matrz de rotação R resulta: = RY. Para o caso de cosθ seθ R = -seθ cosθ, (8) ode θ é o âgulo de rotação, meddo o setdo at-horáro (como mostrado a Fgura 5). 7

8 5 POMEC. FEMEC/UFU, Uberlâda-MG, Quado o úmero de varáves é maor que dos, a matrz de rotação é calculada em duas etapas. Icalmete defe-se a matrz R 0 da segute forma: R =......, (9) α α2... α ode α, α2,..., α são os cosseos dretores ou compoetes do vetor α mostrado a Fgura 5. A seguda etapa cosste em um procedmeto de ortogoalzação de Gram-chmdt (para mas detalhes, ver Apêdce 3 de Haldar e Mahadeva (2000b) da matrz R 0, obtedo assm R. Uma vez obtda a matrz de rotação R, os elemetos da matrz são calculados da segute forma: a j t ( RDR ) j * G( y ) =, j =,2,..., (20) ode D é a matrz das dervadas segudas da fução de estado lmte o espaço ormal * equvalete avaladas o poto de projeto e Gy ( ) é o módulo do vetor gradete o espaço ormal equvalete. No passo segute, as coluas de A e a últma lha do vetor Y são descosderados. Obtedo os autovalores de A, as curvaturas predomates k são calculadas. Com estes parâmetros, a fórmula de Bretug (Equação 7) pode ser empregada para estmar a probabldade de falha. 4. IMULAÇÕE NUMÉRICA Nesta seção são descrtos exemplos de aplcação dos métodos de estmatva do ídce de cofabldade (β) descrtos aterormete. Cosderado a seção de uma vga de aço A36 submetda à ação de um mometo fletor de M=40 kp- e admtdo que a tesão omal do aço seja F y =36 ks e o módulo plástco omal seja Z= 54 3, propõe-se determar β admtdo que as varáves aleatóras possuam dstrbuções 3 3 cohecdas. ão dados: µ = 38 ks, σ = 3,8 ks, δ = 0, e µ = 54, σ = 2,7, δ = 0,05. Fy Fy Fy Na Tabela são mostrados os resultados da estmatva de β para dferetes métodos e varáves aleatóras ormas e logormas. a j Z Z Z Tabela : Valores de β para dferetes métodos e varáves aleatóras. Método g( ) F y Z β g( ) = Fy Z M Normal Normal 3,975 MMPO g( ) = F M / Z Normal Logormal 4,282 y MCPO g( ) = Fy Z M Logormal Normal 5,5 MCPO 2 g( ) = Fy Z M Logormal Normal 5,5 MCO g( ) = Fy Z M Logormal Normal 5,39 8

9 5 POMEC. FEMEC/UFU, Uberlâda-MG, Observa-se que os algortmos do MCPO detfcam um mesmo valor de β e maor que o algortmo do MMPO. Pelo fato de adotar uma aproxmação de seguda ordem, o MCO ecotra um β mas precso pouco meor que o MCPO. Para demostrar a aplcação do MCPO em problemas mas complexos evolvedo váras varáves aleatóras, cosdera-se a resstêca ao mometo (M R ) de uma vga de cocreto reforçada de seção retagular. A resstêca ao mometo da vga pode ser calculada utlzado a segute expressão: M = A f d[ η( A f / bdf )], ode A é a área da seção trasversal, f é a tesão de escoameto, R y y c d é a dstâca da fbra mas comprmda ao cetróde da seção, η é o parâmetro de tesão do cocreto, f c é a resstêca à compressão do cocreto e b é a largura da face comprmda. Assume-se ada que a vga esteja submetda à ação de um mometo fletor M. Na últma equação todas as varáves são cosderadas aleatóras sedo seus parâmetros estatístcos mostrados a Tabela 2. A fução de estado lmte para este problema é defda como: g( ) = MR M. Para dferetes combações do tpo de dstrbução das varáves aleatóras da equação ateror, o ídce de cofabldade fo calculado empregado MCPO 2. Os resultados são mostrados a Tabela 2, evdecado a fluêca do tpo de dstrbução das varáves aleatóras. Tabela 2: Valores de β para dferetes dstrbuções das varáves da vga de cocreto. Coef. de Tpo de dstrbução de probabldade Varáves Méda varação Caso A Caso B Caso C Caso D A ( 2 ),56 0,036 Normal Normal Logormal Logormal f (ks) 47,7 0,5 Normal Normal Logormal Logormal y f c (ks) 3,50 0,2 Normal Normal Logormal Logormal b () 8,00 0,045 Normal Normal Logormal Logormal d () 3,20 0,086 Normal Normal Logormal Logormal η 0,59 0,05 Normal Normal Logormal Logormal M (kp-) 326,25 0,7 Normal Logormal Normal Logormal β 3,8330 3,763 4,3877 4,0906 g( ) x x x x CONCLUÕE Foram apresetados os fudametos de aálse de cofabldade de sstemas estruturas e os prcpas métodos de estmatva de cofabldade com dferetes graus de complexdade e abragêca o tratameto das varáves aleatóras lustradas em exemplos de aplcação. Os resultados obtdos permtem coclur que os algortmos mplemetados podem ser utlzados em aplcações mas complexas. Evdetemete estes algortmos devem ser melhorados e adaptados para aplcações a sstemas estruturas cujas fuções de desempeho são mplíctas, devedo ser costruídas a partr de modelos umércos. Pretede-se dar cotudade a este trabalho, mplemetado um cojuto de procedmetos computacoas tegrados, permtdo a realzação de aálses probablístcas aplcadas à elastodâmca lear em modelos de elemetos ftos 6. AGRADECIMENTO Os autores agradecem à CAPE e ao CNPq pela cocessão de bolsas de doutorado e produtvdade em pesqusa. y 9

10 5 POMEC. FEMEC/UFU, Uberlâda-MG, REFERÊNCIA Ayyub, B. M., Haldar, A., 984, A Practcal tructural Relablty Techques, Joural of tructural Egeerg, ACE, No 0, Vol. 8, pp Bretug, K., 984, Asymptotc Approxmatos for Multormal Itegrals, Joural of Egeerg Mechacs, ACE, No 0, Vol. 3, pp Che, X., Ld, N. C., 983, Fast Probablty Itegrato by Three-parameter Normal tal Approxmato, tructural afety, No, pp Fessler, B. Neuma, H. J., Rackwtz, R., 979, Quadratc Lmt tates tructural Relablty, Joural of Egeerg Mechacs, ACE, No 05, Vol. 4, pp Freudethal, A. M., 956, afety ad the Probablty of tructural Falure, ACE Trasactos, Vol. 2, pp Haldar A., Mahadeva., 2000 a, Probablty, Relablty ad tatstcal Methods Egeerg Desg, Joh Wley & os, pp Haldar A., Mahadeva., 2000 b, Relablty Assessmet Usg tochastc Fte Elemet Aalyss, Joh Wley & os, New York, pp Rackwtz, R., Fessler, B., 978, tructural Relablty uder Combed Radom Load equeces, Computers ad tructures, No 9, Vol. 5, pp chueller, G. I., 2000, O the Ratoale for Treatg Ucertates tructural Aalyss, Computatoal Methods for hell ad patal tructures, IA-IACM, IAR-NTUA, Athes, Greece. 8. DIREITO AUTORAI Os autores retêm os dretos autoras deste trabalho e são resposáves pelo seu coteúdo. RELIABILITY ANALIY METHOD: TATE OF THE ART AND APLICATION Jhoja Erque Rojas Flores Domgos Alves Rade Federal Uversty of Uberlâda chool of Mechacal Egeerg, 22 João Naves de Ávla Av. Campus ata Môca P.O. Box 593 CEP Uberlâda/MG - Brazl. jerojas@mecaca.ufu.br domgos@ufu.br Abstract: The relablty aalyss teds to fd the best relato betwee cost ad safety ad to supply gudeles for carryg out relable ad cost-effectve projects. Ths work presets a bblographcal revew of the foudatos of relablty aalyss ad ts applcato to structural systems. The ma methods for estmatg the relablty dex are llustrated through algorthms are summarzed. Dfferet degrees of complexty ad broadess the treatmet of the varables are llustrated through umercal smulatos. Through the mplemetato of these algorthms some results reported the lterature are reproduced. Keywords: Relablty aalyss, FORM, ORM, relablty dex. 0

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

6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS

6.1 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS 7 6 - PROCEDIMENTO DE AVALIAÇÃO DE INCERTEZA EM MEDIÇÕES DIRETAS A medção dreta é aquela cuja dcação resulta aturalmete da aplcação do sstema de medção sobre o mesurado Há apeas uma gradeza de etrada evolvda

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

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

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

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

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

Leia mais

Construção e Análise de Gráficos

Construção e Análise de Gráficos Costrução e Aálse de Gráfcos Por que fazer gráfcos? Facldade de vsualzação de cojutos de dados Faclta a terpretação de dados Exemplos: Egehara Físca Ecooma Bologa Estatístca Y(udade y) 5 15 1 5 Tabela

Leia mais

Modelo de Regressão Simples

Modelo de Regressão Simples Modelo de Regressão Smples Hstora Hstóra Termo regressão fo troduzdo por Fracs Galto (8-9). Estudo sobre altura de pas e flhos. Karl Pearso coletou mas de ml regstros e verfcou a le de regressão uversal

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

Macroeconometria Aula 3 Revisão de estatística e teste de hipótese

Macroeconometria Aula 3 Revisão de estatística e teste de hipótese Macroecoometra 008. Aula 3 Revsão de estatístca e teste de hpótese 3.5. Estmação No estudo das probabldades, o objetvo é calcular a probabldade de evetos préespecfcados. De agora em date o objetvo muda.

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

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

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

(1) no domínio : 0 x < 1, : constante não negativa. Sujeita às condições de contorno: (2-a) (2-b) CC2: 0

(1) no domínio : 0 x < 1, : constante não negativa. Sujeita às condições de contorno: (2-a) (2-b) CC2: 0 EXEMPLO MOTIVADO II EXEMPLO MOTIVADO II Método da Apromação Polomal Aplcado a Problemas Udrecoas sem Smetra. Equações Dferecas Ordáras Problemas de Valores o otoro Estrutura Geral do Problema: dy() d y()

Leia mais

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística BAC 0 - Estatístca Uversdade Federal de Itajubá - Campus Itabra BAC0 - ESTATÍSTICA ESTATÍSTICA DESCRITIVA MEDIDAS DE CENTRO Méda Medda de cetro ecotrada pela somatóra de todos os valores de um cojuto,

Leia mais

Regressao Simples. Parte II: Anova, Estimação Intervalar e Predição

Regressao Simples. Parte II: Anova, Estimação Intervalar e Predição egressao Smples Parte II: Aova, Estmação Itervalar e Predção Aálse de Varâca Nem todos os valores das amostras estão cotdos a reta de regressão, e quato mas afastados estverem por, a reta represetará a

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

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

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø.

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø. Professor Maurco Lutz 1 EGESSÃO LINEA SIMPLES A correlação lear é uma correlação etre duas varáves, cujo gráfco aproma-se de uma lha. O gráfco cartesao que represeta essa lha é deomado dagrama de dspersão.

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

Tabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f

Tabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f Lsta de exercícos Gabarto e chave de respostas Estatístca Prof.: Nelse 1) Calcule 1, e para o segute cojuto de valores. A,1,8,0,11,,7,8,6,,9, 1 O úmero que correspode a 5% do rol é o valor. O úmero que

Leia mais

Ivan G. Peyré Tartaruga. 1 Metodologia espacial

Ivan G. Peyré Tartaruga. 1 Metodologia espacial RELATÓRIO DE PESQUISA 5 Procedmetos o software ArcGIS 9. para elaborar os mapas da Regão Metropoltaa de Porto Alegre RMPA com as elpses de dstrbução drecoal etre 99 e 000 Iva G. Peré Tartaruga Metodologa

Leia mais

NOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling

NOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling 4 INFERÊNCIA SOBRE O VETOR DE MÉDIAS 4. TESTE PARA UM VETOR DE MÉDIAS µ Lembrado o caso uvarado: H : µ = µ H : µ µ Nível de sgfcâca: α Estatístca do teste: X µ t = s/ ~ t Decsão: se t > t - (α/) rejeta-se

Leia mais

Atividades Práticas Supervisionadas (APS)

Atividades Práticas Supervisionadas (APS) Uversdade Tecológca Federal do Paraá Prof: Lauro Cesar Galvão Campus Curtba Departameto Acadêmco de Matemátca Cálculo Numérco Etrega: juto com a a parcal DATA DE ENTREGA: da da a PROVA (em sala de aula

Leia mais

A análise de variância de uma classificação (One-Way ANOVA) verifica se as médias de k amostras independentes (tratamentos) diferem entre si.

A análise de variância de uma classificação (One-Way ANOVA) verifica se as médias de k amostras independentes (tratamentos) diferem entre si. Prof. Lorí Va, Dr. http://www. ufrgs.br/~va/ va@mat.ufrgs.br aáse de varâca de uma cassfcação (Oe-Way NOV) verfca se as médas de amostras depedetes (tratametos) dferem etre s. Um segudo tpo de aáse de

Leia mais

Teoria Elementar da Probabilidade. a) Cada experiência poderá ser repetida indefinidamente sob condições essencialmente inalteradas.

Teoria Elementar da Probabilidade. a) Cada experiência poderá ser repetida indefinidamente sob condições essencialmente inalteradas. Estatístca 47 Estatístca 48 Teora Elemetar da Probabldade SPECTOS PERTINENTES À CRCTERIZÇÃO DE UM EXPERIÊNCI LETÓRI MODELOS MTEMÁTICOS DETERMINÍSTICOS PROBBILÍSTICOS PROCESSO (FENÓMENO) LETÓRIO - Quado

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

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

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

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1.

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1. Iterpolação Iterpolação é um método que permte costrur um ovo cojuto de dados a partr de um cojuto dscreto de dados potuas cohecdos. Em egehara e cêcas, dspõese habtualmete de dados potuas, obtdos a partr

Leia mais

Conceitos básicos de metrologia. Prof. Dr. Evandro Leonardo Silva Teixeira Faculdade UnB Gama

Conceitos básicos de metrologia. Prof. Dr. Evandro Leonardo Silva Teixeira Faculdade UnB Gama Prof. Dr. Evadro Leoardo Slva Teera Faculdade UB Gama Metrologa: Cêca que abrage os aspectos teórcos e prátcos relatvos a medção; Descreve os procedmetos e métodos para determar as certezas de medções;

Leia mais

Avaliação da qualidade do ajuste

Avaliação da qualidade do ajuste Avalação da qualdade do ajuste 1 Alguma termologa: Modelo ulo: é o modelo mas smples que pode ser defdo, cotedo um úco parâmetro ( µ) comum a todos os dados; Modelo saturado: é o modelo mas complexo a

Leia mais

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL Faculdade de Tecologa de Cataduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL 5. Meddas de Posção cetral ou Meddas de Tedêca Cetral Meddas de posção cetral preocupam-se com a caracterzação e a

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

7 Análise de covariância (ANCOVA)

7 Análise de covariância (ANCOVA) Plejameto de Expermetos II - Adlso dos Ajos 74 7 Aálse de covarâca (ANCOVA) 7.1 Itrodução Em algus expermetos, pode ser muto dfícl e até mpossível obter udades expermetas semelhtes. Por exemplo, pode-se

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

4 Métodos Sem Malha Princípio Básico dos Métodos Sem Malha

4 Métodos Sem Malha Princípio Básico dos Métodos Sem Malha 4 Métodos Sem Malha Segudo Lu (9), os métodos sem malha trabalham com um cojuto de ós dstrbuídos detro de um domío, assm como com cojutos de ós dstrbuídos sobre suas froteras para represetar, sem dscretzar,

Leia mais

PROBLEMA DE INCERTEZA EM SISTEMAS DINÂMICOS UTILIZANDO DEFUZZIFICAÇÃO PELO CENTROIDE

PROBLEMA DE INCERTEZA EM SISTEMAS DINÂMICOS UTILIZANDO DEFUZZIFICAÇÃO PELO CENTROIDE POSMEC 205 Smpóso do Programa de Pós-Graduação em Egehara Mecâca Faculdade de Egehara Mecâca Uversdade Federal de Uberlâda 8 e 9 de Novembro de 205, Uberlâda - MG PROBLEM DE INCERTEZ EM SISTEMS DINÂMICOS

Leia mais

Capítulo V - Interpolação Polinomial

Capítulo V - Interpolação Polinomial Métodos Numércos C Balsa & A Satos Capítulo V - Iterpolação Polomal Iterpolação Cosdere o segute couto de dados: x : x0 x x y : y y y 0 m m Estes podem resultar de uma sequêca de meddas expermetas, ode

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

Estudo do intervalo de confiança da regressão inversa utilizando o software R

Estudo do intervalo de confiança da regressão inversa utilizando o software R Estudo do tervalo de cofaça da regressão versa utlzado o software R Llae Lopes Cordero João Domgos Scalo. Itrodução Na maora das aplcações evolvedo regressão, determa-se o valor de Y correspodete a um

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

CADERNO 1 (É permitido o uso de calculadora gráfica.)

CADERNO 1 (É permitido o uso de calculadora gráfica.) Proposta de teste de avalação [mao 09] Nome: Ao / Turma: N.º: Data: - - Não é permtdo o uso de corretor. Deves rscar aqulo que pretedes que ão seja classfcado. A prova clu um formuláro. As cotações dos

Leia mais

4 Técnicas de Seleção de Características Independentes do Modelo para os Sistemas Neuro-Fuzzy Hierárquicos

4 Técnicas de Seleção de Características Independentes do Modelo para os Sistemas Neuro-Fuzzy Hierárquicos 4 éccas de Seleção de Característcas Idepedetes do Modelo para os Sstemas Neuro-Fuzzy Herárqucos 4. Itrodução Na maora das aplcações reas de classfcação, prevsão e otmzação, as bases de dados cotém um

Leia mais

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População ESTATÍSTICA STICA DESCRITIVA Prof. Lorí Val, Dr. val@mat.ufrgs.br http://.ufrgs.br/~val/ Orgazação; Resumo; Apresetação. Cojuto de dados: Amostra ou População Um cojuto de dados é resumdo de acordo com

Leia mais

Difusão entre Dois Compartimentos

Difusão entre Dois Compartimentos 59087 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 4 Dfusão etre Dos Compartmetos A le de Fck para membraas (equação 4 da aula passada) mplca que a permeabldade de uma membraa a um soluto é dada pela razão

Leia mais

3 Experimento com Mistura com Respostas Não-Normais

3 Experimento com Mistura com Respostas Não-Normais Modelagem em Epermetos Mstura-Processo para Otmzação de Processos Idustras 5 Epermeto com Mstura com Respostas Não-Normas Neste capítulo é apresetado o plaejameto e aálse de um EM com respostas ão ormas,

Leia mais

ANÁLISE DE INTERAÇÃO FLUIDO-ESTRUTURA PELO MÉTODO DOS ELEMENTOS FINITOS FLUID-STRUCTURE ANALYSIS BY THE FINITE ELEMENT METHOD

ANÁLISE DE INTERAÇÃO FLUIDO-ESTRUTURA PELO MÉTODO DOS ELEMENTOS FINITOS FLUID-STRUCTURE ANALYSIS BY THE FINITE ELEMENT METHOD ISSN 1809-5860 ANÁLISE DE INTERAÇÃO FLUIDO-ESTRUTURA PELO MÉTODO DOS ELEMENTOS FINITOS Rodolfo Adré Kuche Saches 1 & Humberto Breves Coda 2 Resumo O presete artgo traz um estudo do método dos elemetos

Leia mais

1. Revisão Matemática

1. Revisão Matemática 1. Revsão Matemátca Dervadas Seja a fução f : R R, fxe x R, e cosdere a expressão : f ( x+ αe ) lmα 0 α f, ode e é o vector utáro. Se o lmte acma exstr, chama-se a dervada parcal de f o poto x e é represetado

Leia mais

Estatística - exestatmeddisper.doc 25/02/09

Estatística - exestatmeddisper.doc 25/02/09 Estatístca - exestatmeddsper.doc 5/0/09 Meddas de Dspersão Itrodução ão meddas estatístcas utlzadas para avalar o grau de varabldade, ou dspersão, dos valores em toro da méda. ervem para medr a represetatvdade

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

Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística

Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Val, Dr. http://www.pucrs.br/famat/val/ val@pucrs.br Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Obetvos A Aálse de

Leia mais

Probabilidade II Aula 10

Probabilidade II Aula 10 Probabldade II Aula 0 Mao de 009 Môca Barros, D.Sc. Coteúdo Esperaça Matemá (Valores esperados) Mometos e Mometos Cetras Valores esperados de uma fução de Covarâca e Correlação Matrz de covarâca, matrz

Leia mais

Projeto e Análise de Algoritmos Recorrências. Prof. Humberto Brandão

Projeto e Análise de Algoritmos Recorrências. Prof. Humberto Brandão Projeto e Aálse de Algortmos Recorrêcas Prof. Humberto Bradão humberto@dcc.ufmg.br Uversdade Federal de Alfeas Laboratóro de Pesqusa e Desevolvmeto LP&D Isttuto de Cêcas Exatas ICEx versão da aula: 0.

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

3 Análises Probabilísticas de Estabilidade

3 Análises Probabilísticas de Estabilidade 3 Aálses Probablístcas de Establdade 3.1 Itrodução Para facltar o etedmeto das metodologas de aálse de cofabldade serão apresetados este capítulo algus cocetos báscos de probabldade e estatístca. 3. Cocetos

Leia mais

MÉTODO DOS MÍNIMOS QUADRADOS

MÉTODO DOS MÍNIMOS QUADRADOS MÉTODO DOS MÍNIMOS QUADRADOS I - INTRODUÇÃO O processo de medda costtu uma parte essecal a metodologa cetífca e também é fudametal para o desevolvmeto e aplcação da própra cêca. No decorrer do seu curso

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

II. Propriedades Termodinâmicas de Soluções

II. Propriedades Termodinâmicas de Soluções II. Propredades Termodâmcas de Soluções 1 I. Propredades Termodâmcas de Fludos OBJETIVOS Eteder a dfereça etre propredade molar parcal e propredade de uma espéce pura Saber utlzar a equação de Gbbs-Duhem

Leia mais

Forma padrão do modelo de Programação Linear

Forma padrão do modelo de Programação Linear POGAMAÇÃO LINEA. Forma Padrão do Modelo de Programação Lear 2. elações de Equvalêca 3. Suposções da Programação Lear 4. Eemplos de Modelos de PPL 5. Suposções da Programação Lear 6. Solução Gráfca e Iterpretação

Leia mais

Objetivos. O Modelo Linear Geral (GLM - General Linear Model) suporta, também, variáveis categóricas dependentes.

Objetivos. O Modelo Linear Geral (GLM - General Linear Model) suporta, também, variáveis categóricas dependentes. Prof. Lorí Val, Dr. http://www. ufrgs.br/~val val/ val@mat.ufrgs.br Obetvos álse de varâca (NOV) É utlzada para mostrar os efetos prcpas de varáves categórcas depedetes (deomadas de fatores) sobre uma

Leia mais

Estabilidade no Domínio da Freqüência

Estabilidade no Domínio da Freqüência Establdade o Domío da Freqüêca Itrodução; apeameto de Cotoros o Plao s; Crtéro de Nyqust; Establdade Relatva; Crtéro de Desempeho o Domío do Tempo Especfcado o Domío da Freqüêca; Bada Passate de Sstema;

Leia mais

Econometria: 4 - Regressão Múltipla em Notação Matricial

Econometria: 4 - Regressão Múltipla em Notação Matricial Ecoometra: 4 - Regressão últpla em Notação atrcal Prof. arcelo C. ederos mcm@eco.puc-ro.br Prof. arco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo

Leia mais

Centro de massa, momento linear de sistemas de partículas e colisões

Centro de massa, momento linear de sistemas de partículas e colisões Cetro de massa, mometo lear de sstemas de partículas e colsões Prof. Luís C. Pera stemas de partículas No estudo que temos vdo a fazer tratámos os objectos, como, por exemplo, blocos de madera, automóves,

Leia mais

Reconhecimento de Padrões. Reconhecimento de Padrões

Reconhecimento de Padrões. Reconhecimento de Padrões Recohecmeto de Padrões 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 Escola Superor de Tecologa Egehara Iformátca Recohecmeto de Padrões Prof. João Asceso e Prof. Aa Fred Sumáro:

Leia mais

Complexidade Computacional da Determinação da Correspondência entre Imagens

Complexidade Computacional da Determinação da Correspondência entre Imagens Complexdade Computacoal da Determação da Correspodêca etre Images Adraa Karlstroem Laboratóro de Sstemas Embarcados Departameto de Egehara Mecatrôca Escola Poltécca da Uversdade de São Paulo adraa.karlstroem@pol.usp.br

Leia mais

Inferência Estatística e Aplicações I. Edson Zangiacomi Martinez Departamento de Medicina Social FMRP/USP

Inferência Estatística e Aplicações I. Edson Zangiacomi Martinez Departamento de Medicina Social FMRP/USP Iferêca Estatístca e Aplcações I Edso Zagacom Martez Departameto de Medca Socal FMRP/USP edso@fmrp.usp.br Rotero Parte I Escola frequetsta Defções: parâmetros, estmatvas Dstrbuções de probabldade Estmação

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

Sumário. Mecânica. Sistemas de partículas

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

Leia mais

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados 3.1. Meddas de Tedêca Cetral CAPÍTULO 3 MEDIDA DE TENDÊNCIA CENTRAL E VARIABILIDADE UFRG 1 Há váras meddas de tedêca cetral. Etre elas ctamos a méda artmétca, a medaa, a méda harmôca, etc. Cada uma dessas

Leia mais

8. DISCRIMINAÇÃO, CLASSIFICAÇÃO E RECONHECIMENTO DE PADRÕES:

8. DISCRIMINAÇÃO, CLASSIFICAÇÃO E RECONHECIMENTO DE PADRÕES: NOTAS DE AULA DA DISIPLINA E76 8. DISRIMINAÇÃO, LASSIFIAÇÃO E REONHEIMENTO DE PADRÕES: 8. INTRODUÇÃO A técca multvarada cohecda como Aálse Dscrmate trata dos problemas relacoados com SEPARAR cojutos dsttos

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

2 Procedimentos para Ajuste e Tratamento Estatístico de Dados Experimentais

2 Procedimentos para Ajuste e Tratamento Estatístico de Dados Experimentais 48 Procedmetos para Ajuste e Tratameto Estatístco de Dados Expermetas. Itrodução Modelos matemátcos desevolvdos para descrever eômeos íscos a partr de observações expermetas devem ser baseados em dados

Leia mais

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples.

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples. Estudo das relações etre peso e altura de estudates de estatístca através da aálse de regressão smples. Waessa Luaa de Brto COSTA 1, Adraa de Souza COSTA 1. Tago Almeda de OLIVEIRA 1 1 Departameto de Estatístca,

Leia mais

CAPÍTULO III - POLINÔMIOS DE JACOBI E QUADRATURA NUMÉRICA

CAPÍTULO III - POLINÔMIOS DE JACOBI E QUADRATURA NUMÉRICA Polômos de Jacob e CAPÍTULO III - POLINÔMIOS DE JACOBI E QUADRATURA NUMÉRICA III--)INTRODUÇÃO Para um melhor etedmeto do método da colocação ortogoal e sua relação com o método dos resíduos poderados (MRP),

Leia mais

Regressão e Correlação

Regressão e Correlação Regressão e Correlação Júlo Osóro Regressão & Correlação: geeraldades Em mutas stuações de pesqusa cetífca, dspomos de uma amostra aleatóra de pares de dados (x, ), resultates da medda cocomtate de duas

Leia mais

Estatística. 2 - Estatística Descritiva

Estatística. 2 - Estatística Descritiva Estatístca - Estatístca Descrtva UNESP FEG DPD Prof. Edgard - 0 0- ESTATÍSTICA DESCRITIVA Possblta descrever as Varáves: DESCRIÇÃO GRÁFICA MEDIDAS DE POSIÇÃO MEDIDAS DE DISPERSÃO MEDIDAS DE ASSIMETRIA

Leia mais

MODELOS DE REGRESSÃO NÃO LINEARES

MODELOS DE REGRESSÃO NÃO LINEARES M. Mede de Olvera Excerto da ota peoa obre: MODELOS DE REGRESSÃO NÃO LINEARES Obervação No modelo de regreão dto leare, a varável depedete é exprea como fução lear do coefcete de regreão. É rrelevate,

Leia mais

CONHECIMENTOS ESPECÍFICOS

CONHECIMENTOS ESPECÍFICOS CONHECIMENTOS ESPECÍFICOS Uma uversdade oferece um curso para capactação profssoal de joves caretes. Ao fal do curso, cada jovem partcpate será avalado por meo de uma prova teórca e de uma prova prátca,

Leia mais

ESTIMATIVA DA INCERTEZA DE MEDIÇÃO DE MÉTODOS ANALÍTICOS

ESTIMATIVA DA INCERTEZA DE MEDIÇÃO DE MÉTODOS ANALÍTICOS 1/15 1. CAMPO DE APLICAÇÃO 1.1. Este procedmeto se aplca aos laboratóros de cotrole de qualdade.. OBJETIVO.1. Defr a capacdade de medção para cada método aalítco.. DOCUMENTOS COMPLEMENTARES.1. Valdação

Leia mais

NOTA: ESCREVA AS RESPOSTAS COMO FRAÇÕES OU COM 4 CASAS DECIMAIS NOTA 2: O FORMULÁRIO ESTÁ NO FINAL DA PROVA

NOTA: ESCREVA AS RESPOSTAS COMO FRAÇÕES OU COM 4 CASAS DECIMAIS NOTA 2: O FORMULÁRIO ESTÁ NO FINAL DA PROVA IND 5 Iferêca Estatístca Semestre 007.0 Teste 4 //007 Nome: NOTA: ESCREVA AS RESPOSTAS COMO FRAÇÕES OU COM 4 CASAS DECIMAIS NOTA : O FORMULÁRIO ESTÁ NO FINAL DA PROVA PROBLEMA (5 potos) Em cada questão

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

Métodos iterativos. Capítulo O Método de Jacobi

Métodos iterativos. Capítulo O Método de Jacobi Capítulo 4 Métodos teratvos 41 O Método de Jacob O Método de Jacob é um procedmeto teratvo para a resolução de sstemas leares Tem a vatagem de ser mas smples de se mplemetar o computador do que o Método

Leia mais

4 Métodos de Estimação da Entropia e da Informação Mútua

4 Métodos de Estimação da Entropia e da Informação Mútua 4 Métodos de Estmação da Etropa e da Iformação Mútua A estmação da etropa e da formação mútua, evolvedo apeas varáves aleatóras dscretas, é smples, com aplcação dreta da defção de Shao. No etato, quado

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 Prof. Lorí Val, Dr. val@pucrs.br http://www.pucrs.br/famat/val/ ou expermetal. Numa relação expermetal os valores de uma das varáves

Leia mais

(c) Para essa nova condição de operação, esboce o gráfico da variação da corrente no tempo.

(c) Para essa nova condição de operação, esboce o gráfico da variação da corrente no tempo. CONVERSÃO ELETROMECÂNICA DE ENERGIA Lsta de exercícos sobre crcutos magétcos Questão A fgura 1(a mostra um acoador projetado para produzr força magétca. O mesmo possu um úcleo em forma de um C e uma armadura

Leia mais

Tópicos Extras 2ª parte. Análise de Correlação e Regressão

Tópicos Extras 2ª parte. Análise de Correlação e Regressão Tópcos Extras ª parte Aálse de Correlação e Regressão 1 Defções báscas ANÁLISE DE CORRELAÇÃO Mesurar a força da assocação etre as varáves (geralmete através do cálculo de algum coefcete). ANÁLISE DE REGRESSÃO

Leia mais

Previsão de demanda quantitativa Regressão linear Regressão múltiplas Exemplos Exercícios

Previsão de demanda quantitativa Regressão linear Regressão múltiplas Exemplos Exercícios Objetvos desta apresetação Plaejameto de produção: de Demada Aula parte Mauro Osak TES/ESALQ-USP Pesqusador do Cetro de Estudos Avaçados em Ecooma Aplcada Cepea/ESALQ/USP de demada quattatva Regressão

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 Ajuste Lear Smples (ou Regressão Lear); Ajuste Lear Múltplo (ou Regressão Lear Múltpla); Ajuste Polomal; Regressão Não Lear Iterpolação polomal

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

ISABELLA ANDRECZEVSKI CHAVES

ISABELLA ANDRECZEVSKI CHAVES ISABELLA ANDRECZEVSKI CHAVES OTIMIZAÇÃO DE PILARES DE CONCRETO ARMADO MEDIANTE UNIFORMIZAÇÃO DO ÍNDICE DE CONFIABILIDADE Dssertação apresetada à Escola de Egehara de São Carlos da Uversdade de São Paulo,

Leia mais

( x) Método Implícito. No método implícito as diferenças são tomadas no tempo n+1 ao invés de tomá-las no tempo n, como no método explícito.

( x) Método Implícito. No método implícito as diferenças são tomadas no tempo n+1 ao invés de tomá-las no tempo n, como no método explícito. PMR 40 Mecâca Computacoal Método Implícto No método mplícto as dfereças são tomadas o tempo ao vés de tomá-las o tempo, como o método explícto. O método mplícto ão apreseta restrção em relação ao valor

Leia mais

Relatório 2ª Atividade Formativa UC ECS

Relatório 2ª Atividade Formativa UC ECS Relatóro 2ª Atvdade Formatva Eercíco I. Quado a dstrbução de dados é smétrca ou apromadamete smétrca, as meddas de localzação méda e medaa, cocdem ou são muto semelhates. O mesmo ão acotece quado a dstrbução

Leia mais

Apêndice 1-Tratamento de dados

Apêndice 1-Tratamento de dados Apêdce 1-Tratameto de dados A faldade deste apêdce é formar algus procedmetos que serão adotados ao logo do curso o que dz respeto ao tratameto de dados epermetas. erão abordados suctamete a propagação

Leia mais

ANÁLISE DE REGRESSÃO E CORRELAÇÃO

ANÁLISE DE REGRESSÃO E CORRELAÇÃO ANÁLISE DE REGRESSÃO E CORRELAÇÃO Quado se cosderam oservações de ou mas varáves surge um poto ovo: O estudo das relações porvetura estetes etre as varáves A aálse de regressão e correlação compreedem

Leia mais

Estatística: uma definição

Estatística: uma definição Prof. Lorí Val, Dr. - val@pucrs.br http://www.pucrs.br/famat/val/ Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Estatístca: uma defção Coleç Coleção de ú úmeros estatí estatístcas O ú ú mero

Leia mais

a) 1,8 e 4,6. b) 2,0 e 2,2. c) 1,8 e 5,2. d) 2,0 e 4,6. e) 2,0 e 1,9.

a) 1,8 e 4,6. b) 2,0 e 2,2. c) 1,8 e 5,2. d) 2,0 e 4,6. e) 2,0 e 1,9. Questão : As otas de dez aluos, um exame, estão dadas a segur:, 5, 8, 3, 6, 5, 8, 7, 6, 0 O desvo médo e a varâca dessas otas podem ser expressos, respectvamete, por: a),8 e 4,6 b),0 e, c),8 e 5, d),0

Leia mais