Simpósio Internacional de Confiabilidade Salvador 2006

Tamanho: px
Começar a partir da página:

Download "Simpósio Internacional de Confiabilidade Salvador 2006"

Transcrição

1 Smpóso Iteracoal de Cofabldade Salvador 006 COMARAÇÃO DE METODOLOGIAS ARA CÁLCULO DE CONFIABILIDADE EM SISTEMAS REARÁVEIS Alessadra Lopes UC-MG Smpóso Iteracoal de Cofabldade Salvador 006

2 . Resumo e Objetvos Objetva-se este trabalho calcular a cofabldade e a dspobldade de um sstema reparável represetado através de uma árvore de falhas ou de um dagrama de blocos de cofabldade. As varáves aleatóras de teresse este caso são o tempo até a falha e o tempo de reparo, ambas modeladas através de dstrbuções de probabldade. Serão deduzdas expressões aalítcas que permtem calcular a taxa de falha e a taxa de reparo de um sstema a partr das respectvas taxas de seus compoetes. Esta metodologa é cohecda como Lambda-Tau tedo como orgem os cocetos de dspobldade e aálse em espaço de estados. Os resultados obtdos através das equações aalítcas serão cofrotados com os resultados obtdos através da Smulação de Mote Carlo a partr de um exemplo prátco. - Itrodução Geral O desempeho de um sstema é geercamete caracterzado pela qualdade de seus compoetes e pela forma pela qual estes estão terlgados. Cosderado a crescete complexdade dos sstemas em geral e o aumeto sgfcatvo da depedêca da socedade como um todo destes sstemas, tora-se cada vez mas crítca a ecessdade de otmzar a cofabldade e a seguraça dos mesmos. A aálse de cofabldade é ormalmete realzada através de modelos. Um modelo, por defção, é uma represetação da realdade sedo, portato, sujeto à mperfeções. O modelo deve coter as formações essecas sobre o sstema em fução da aplcação do mesmo sedo que o uso que se pretede fazer do modelo determa o grau de formalsmo matemátco requerdo. A complexdade do modelo depederá do grau de represetação a respeto dos feômeos evolvdos. Observa-se que a capacdade de represetação da realdade de uma técca de modelagem aumeta proporcoalmete com a complexdade de sua aálse. ortato, a escolha de uma metodologa é codcoa à determação de objetvos, bem como a um estudo da relação custo-beefíco. O foco deste trabalho é calcular a cofabldade de sstemas reparáves. Defese como sstema reparável aquele que, após uma falha, pode ter sua codção ormal de operação restabelecda através de alguma ação de mauteção. Um modelo de cofabldade de um sstema reparável clu usualmete a cofabldade dos compoetes, a arqutetura do sstema, o esquema físco de operação, bem como aspectos relacoados à mateabldade e prátcas de mauteção utlzadas. É desejável ada que, a medda do possível, também clua fatores subjetvos como erro humao e atrasos logístcos, detre outros [LOGMAN;WANG, 00]. Exste um amplo espectro de téccas dspoíves para a modelagem da cofabldade de sstemas. Uma das classfcações usualmete utlzada é agrupálas em téccas quattatvas e qualtatvas [ROUVROYE; VAN DEN BLIEK, 00]. Detre as téccas qualtatvas mas mportates podem ser ctadas a aálse de modo e efeto de falhas FMEA - (Falure Mode ad Effect Aalyss) e a Árvore de Falhas (FTA- Faut Tree Aalyss) [HELMAN; ANDERY, 995]. Estes métodos também podem ser desevolvdos segudo uma abordagem quattatva se a aálse for baseada em dados hstórcos. Detre as téccas quattatvas mas utlzadas podem ser ctados o Dagrama de Blocos de Cofabldade (RBD) [MURHY; CARTER, 003] e a aálse o espaço de estados [MAILLART; OHL, 005]. Um Dagrama de Blocos de Cofabldade represeta a lógca de falha de um sstema através das coexões etre os seus compoetes ou elemetos. Apesar desta técca ser largamete utlzada e dfudda, ela apreseta a lmtação de ão corporar característcas dâmcas e depedêca etre os evetos. A aálse o espaço de estados pode ser realzada utlzado-se o Dagrama de Markov. Esta técca represeta evetos depedetes e permte o cálculo da evolução temporal dos estados de um sstema desde Smpóso Iteracoal de Cofabldade - Salvador 006

3 que as probabldades de trasção etre estes estados permaeçam costates. Esta mposção é uma lmtação sgfcatva e mplca o uso de dstrbuções de probabldade expoecas para a modelagem das taxas de falha e de reparo. ortato, embora o Dagrama de Markov seja capaz de descrever trcadas relações dâmcas etre modos de falhas, exste uma falta de flexbldade cosderável. ode ser observado ada que, depededo do tamaho do sstema modelado, pode exstr um úmero demasadamete grade de estados possíves, o que vablza a aálse do comportameto do sstema. Desta forma, coclu-se que este método é mas adequado para aálse da cofabldade de sstemas de pequeo porte [VOLOVOI, 004] Outra classfcação possível para os modelos de cofabldade sera a subdvsão em métodos aalítcos e umércos [METTAS; SAVVA, 00]. O efoque aalítco evolve a determação de uma expressão matemátca que descreva a cofabldade do sstema através da cofabldade de seus compoetes. or exemplo, o caso de três udades estatstcamete depedetes em sére, a cofabldade do sstema (R sst () é forecda pelo produtóro da cofabldade de seus compoetes. O valor da cofabldade de cada compoete (R () pode ser estmado através de dstrbuções de probabldade. Logo, o prcpal desafo é ecotrar a relação etre os compoetes do sstema e expressá-la matematcamete. Embora os métodos aalítcos para cálculo de cofabldade foreçam valores exatos, a complexdade de suas expressões matemátcas faz com que estes sejam, as vezes, tratáves. Neste caso, podem ser empregados métodos umércos também defdos como métodos de smulação. O termo smulação refere-se a uma famíla de téccas baseadas em cálculos computacoas que objetvam reproduzr o comportameto de um dado sstema. A modelagem através de smulação tem se torado uma poderosa ferrameta que possblta o estudo de sstemas complexos e faclta o processo de tomada de decsão. [BAZARGAN; MCGRATH, 003]. Exste uma tedêca em cosderar que as téccas baseadas em smulação apresetem uma capacdade de represetação da realdade superor ás téccas aalítcas [MARSEGUERRA; ZIO, 005]. Esta suposção deve-se à certeza tríseca com relação aos tempos de reparo e atrasos logístcos, bem como a dspobldade de recursos. Cocludo, o Dagrama de Blocos de Cofabldade (RBD) e a Árvore de Falhas (FTA) são as estruturas mas largamete utlzadas para aálse quattatva de cofabldade [LOGMAN;WANG, 00]. Recetes cotrbuções (através de téccas de smulação) aos modelos RBD e FTA cluem a trodução de característcas dâmcas como depedêca etre evetos e modelagem de atvdades de substtução de peças em sstemas reparáves. Estas modfcações dmuem a ecessdade de utlzação de modelos trsecamete dâmcos [VOLOVOI, 004] e coferem smplcdade à aálse. Apesar de todas as vatages eretes às téccas de smulação ctadas aterormete, deve ser ressaltado que este método ão favorece a geração de cohecmeto a cerca do sstema estudado. A fm de suprr esta lacua este trabalho objetva deduzr expressões aalítcas que permtam calcular a taxa de falha e a tempo de reparo de um sstema reparável tedo como base os cocetos de dspobldade e aálse em espaço de estados. A partr destes parâmetros pode ser calculada a cofabldade e a dspobldade do sstema. Etretato, devdo a complexdade do destas expressões, a lteratura propõe algumas hpóteses smplfcadoras que ão comprometem o resultado fal. Esta aproxmação é cohecdo como Metodologa Lambda-Tau. Os resultados obtdos através das equações aalítcas deduzdas serão cofrotados com os resultados obtdos através da Smulação de Mote Carlo a partr de um exemplo prátco. 3 Smpóso Iteracoal de Cofabldade - Salvador 006

4 3- Coceto de Dspobldade A teora de cofabldade estabelece que seja possível represetar o estado de um sstema geercamete através da fução X( (Equação ). X ( 0 fucoado o tempot ão fucoado o tempot ( ) A partr da fução X( defe-se a fução dspobldade statâea A( como a probabldade de que o sstema esteja em codção operacoal o state t (Equação ). [ X ( ) ] A ( t ( ) A dspobldade méda A med (T) cosderado o tervalo de tempo T é dada pela Equação 3 [ CASSADY, 005]. A T med ) ( T ) A( t dt T (3) 0 A probabldade que um sstema esteja dspoível o state de tempo t é defda como U( e a soma de A( e U( deve ser utára (Equação 4). A varação da dspobldade do state t para o state (t+ é expressa pela Equação 5 [LAFRAIA, 00] A( t + ( t ) A( t U ( ( 5) Ode: A( dspobldade depedete do tempo U( dspobldade depedete do tempo A(t + probabldade do sstema estar o estado em operação em um tervalo de tempo fto (t+ ( probabldade do sstema falhar em um tempo fto t ( probabldade do sstema ser reparado em um tempo fto t Um procedmeto aálogo pode ser realzado com relação à dspobldade e apresetado a Equação 6. U ( t + ( t ) U ( + t A( ( 6) Ode: U(t + probabldade do sstema estar o estado de falha em um tervalo de tempo fto (t+ Cosderado-se o caso lmte ode a varação t tede a zero, as Equações 5 e 6 podem ser reescrtas através das Equações dferecas segutes: 4 A ( + U ( (4) Com relação aos compoetes passíves de reparo é possível calcular a dspobldade A( (ou a dspobldade U( ) em um tervalo de tempo fto utlzado o método de Markov. Cosdera-se este método um dagrama de estados cotedo os estados em operação e em falha. A falha é a trasção do estado em operação para o estado em falha e o reparo é trasção o setdo verso. ara a utlzação do método de Markov são fetas as segutes cosderações: - as taxas de falha e reparo são costates; - os compoetes do sstema são depedetes. Smpóso Iteracoal de Cofabldade - Salvador 006 da( A( U ( d t du ( U ( + A( d t ( 7) ( 8) Cosderado codções cas ulas, ou seja A(0) e U(0) 0, e solucoado as Equações 7 e 8, tem-se que: A ( + exp ) [ ( + t] U ( exp ) [ ( + t] ( 9) ( 0) Quado a dspobldade assume um valor costate o tempo defe-se o coceto de dspobldade estacoára, que pode ser lustrado a Fgura e deduzdo através da

5 Equação 9. Neste caso o valor do tempo tede a fto resultado a Equação. ( ) A ( ) lm A( t rocedmeto aálogo pode ser realzado em relação a dspobldade U( coforme Equação. A( + ( ) U ( ) lmu ( t Fgura - Dspobldade Estacoára Sabe-se que o período de vda útl de um equpameto as taxas de falha e reparo são aproxmadamete costates. Nestas codções, o tempo médo para reparo MTTR (mea tme to repar) é o verso da taxa de reparo e o tempo médo etre falhas MTBF(mea tme betwee falures) é o verso da taxa de falhas (Equações 3 e 4). MTTR MTTB ( 3) ( 4) Aplcado-se os cocetos expressos as Equações 3 e 4 às Equações e é possível defr a dspobldade em fução do MTBF e do MTTR (Equações 5 e 6). A( ) MTBF MTBF + MTTR t (5) 4- Metodologa Lambda-Tau 4. Itrodução: A proposta da Metodologa Lambda-Tau é calcular a cofabldade de um sstema reparável a partr da taxas de falha (Lambda) e tempo de reparo (Tau) de seus compoetes. O método basea-se o fato de que o sstema será represetado através de uma Árvore de Falhas lvre de evetos redudates. A Árvore de Falhas é um modelo que correlacoa um determado efeto com suas possíves causas, estabelecedo relações operacoas etre as mesmas através de portas lógcas [HELMAN e ANDERY, 995]. Cosderado um modelo em Árvore de Falhas podem ser deduzdas expressões aalítcas para o cálculo da taxa de falha e do tempo de reparo assocadas aos operadores lógcos OR (compoetes em sére) e AND (compoetes em paralelo), a partr dos cocetos de dspobldade e aálse em espaço de estados. Icalmete serão dervadas expressões para o cálculo de dos compoetes e posterormete geeralzadas para compoetes. Uma vez cohecdas as expressões, estas serão smplfcadas segudo as hpóteses que fudametam a Metodologa Lambda-Tau, lstadas a segur: -a razão etre o tempo de reparo e o tempo de mssão T é muto pequea (preferecalmete 0.) -as taxas de falha dos evetos báscos são muto pequeas (preferecalmete 0-3 h - ) - o produto da taxa de falha pelo tempo de reparo é muto pequeo (preferecalmete 0.) - o produto da taxa de falha pelo tempo de mssão T é muto pequeo (preferecalmete 0.) - a taxa de falha e a taxa de reparo são costates - as falhas são estatstcamete depedetes 5 U ( ) MTTR MTBF + MTTR (6) Smpóso Iteracoal de Cofabldade - Salvador 006

6 4. Fudametos da Aálse em Espaço de Estados Etede-se como estado de um compoete o cojuto de possíves valores apresetados por suas característcas. Estas característcas ou parâmetros são chamadas varáves de estado e descrevem a stuação do compoete. O espaço de estados é um cojuto que egloba todos os estados que um compoete pode apresetar. Cosderado-se dos compoetes atuado em cojuto é possível recohecer quatro estados coforme represetado a Fgura. A codção de operação é dcada pelo sub ídce O e a codção de falha pelo sub ídce F. No estado os dos compoetes estão em fucoameto smultaeamete, os estados e 3 um dos dos compoetes está em codção de falha e o estado 4 ambos os compoetes ecotram-se em falha [BILLINTON, 978]. 4.3 Compoetes em Sére Cosderado-se um sstema reparável composto por compoetes em sére, sua dspobldade está codcoada ao fucoameto smultâeo de todos os compoetes. O estado do sstema depede da taxa de falhas e da taxa de reparo de cada compoete. A Equação represeta o estado geérco para dos compoetes sedo s e s as taxas de falha e reparo totas do sstema em sére. ( )( ) S S s 6 ( ) Sabedo-se que o tempo de reparo pode ser aproxmado como o verso da taxa de reparo, é possível desevolver a Equação. Obtem-se como resultado uma expressão para cálculo do tempo de reparo do sstema s dada pela Equação Estado O O Estado F O + + S S () Estado 3 O F Fgura ossíves estados para compoetes [Bllto, 978] Os estados a 4 podem ser expressos matematcamete através das Equações 7 a 0 respectvamete. Estado 4 F F (7) (8) 3 (9) A taxa de falhas para um sstema em sére s é o somatóro das taxas de falha de todos os compoetes coforme Equação 3. S (3) Geeralzado, a represetação do estado geérco (Equação ) para compoetes obtem-se a Equação 4. ( ) s S S (4) Baseado o desevolvmeto ateror, o tempo de reparo do sstema pode ser calculado pela expressão 5. 4 (0) Smpóso Iteracoal de Cofabldade - Salvador 006

7 7 ( + ) s (5) j j (30) Uma hpótese para smplfcação da Equação 5 é supor que a probabldade de ocorrer a trasção de estado em mas de um compoete, em um curto tervalo de tempo, é muto pequea. Assm, devdo a esta cosderação (expressa pela Equação 6), a Equação 5 pode ser smplfcada [BILLINTON, 978] como apresetado a Equação 7. ( )( ) [ ] (6) ; A Equação 3 represetada o estado geérco 4 para dos compoetes em paralelo. Este estado cosdera que os dos compoetes falharam. A taxa de falhas do sstema este caso é o produto das taxas de falha dos compoetes. A varável represeta a taxa de reparo do sstema. (3) ( )( ) s (7) Substtudo-se a Equação 3 o coceto expresso pela Equação 9 e cosderado que o tempo de reparo pode ser aproxmado como o verso taxa de reparo, obtem-se a Equação 3. O tempo de reparo é, geralmete, calculado por esta expressão aproxmada. 4.4 Compoetes em aralelo (3) Cosderado-se um sstema reparável composto por compoetes em paralelo, uma falha ocorrerá somete se todos os compoetes falharem. A taxa de reparo de um sstema em paralelo é a soma das taxas de reparo dos compoetes coforme Equação 8. (8) Cosderado-se dos compoetes em paralelo e sabedo-se que o tempo de reparo é o verso da taxa de reparo obtem-se a Equação 9. + (9) Desevolvedo-se a Equação 3 obtém-se a Equação 33. ( + ) + + (33) Cosderado-se a hpótese de que o produto da taxa de falhas pela taxa de reparo seja muto meor que a udade, a Equação 33 pode ser reescrta como a Equação 34. ( ) + ( 34) A Equação 34 pode ser geeralzada para compoetes em paralelo dado orgem à Equação 35. A Equação 9 pode ser geeralzada para compoetes em paralelo dado orgem à Equação 30. Smpóso Iteracoal de Cofabldade - Salvador 006

8 j j ( + ) ( ) (35) A Equação geérca 35 pode ser smplfcada cosderado-se que o produto da taxa de falhas pela taxa de reparo é muto pequeo (Equação 36). 5-Exemplo rátco j j (36) A Fgura 3 apreseta um exemplo prátco de um sstema modelado através de uma árvore de falhas [EL-IRAKI; ODOOM, 998]. Este sstema pode ser covertdo em um dagrama em blocos de cofabldade coforme Fgura 4. da árvore de falhas apresetada a Fgura 3, cosderado a udade de tempo em horas. [EL-IRAKI; ODOOM, 998]. Tabela - Dados referetes à Fgura 3 Compoete A Metodologa Lambda-Tau é aplcada ao sstema represetado a Fgura 4 coforme as Equações 3, 30 e as Equações completas 5 e 35. Os resultados são apresetados a Tabela. Tabela Resultados Metodologa Lambda-Tau (Equações Completas) 8 Operação Resul. AND (9-0).93458e R OR(7-8) e R OR(R-R) e R3 OR(R3-) e R4 OR(-3).000e R5 OR(R4-R5).7509e R6 OR(R6-6).7609e R7 AND(4-5).93458e R8 OR(-3) e R9 OR(R8-R9) e R0 OR(R7-0) e R OR(-R) e R. Fal Fgura 3 Exemplo de uma árvore de falhas [EL-IRAKI; ODOOM, 998] Fgura 4 Dagrama em blocos de cofabldade relatvo à Fgura 3. A Tabela apreseta os dados referetes às taxas de falha e reparo dos compoetes O cálculo da dspobldade em estado estacoáro é realzado coforme Equação, a partr dos valores da taxa de falha e tempo de reparo do sstema (R.Fal) apresetados a Tabela. A A Metodologa Lambda-Tau é aplcada ovamete ao mesmo sstema cosderado as Equações 3, 30 e as Equações Smpóso Iteracoal de Cofabldade - Salvador 006

9 smplfcadas 7 e 36. Os resultados são apresetados a Tabela 3. ( ) R t e t 0, Tabela 3 Resultados Metodologa Lambda-Tau (Equações Smplfcadas) Operação Resul. AND (9-0).93536e R OR(7-8) e R OR(R-R) e R3 OR(R3-) e R4 OR(-3).000e R5 OR(R4-R5).7509e R6 OR(R6-6).7609e R7 AND(4-5).93536e R8 OR(-3) e R9 OR(R8-R9) e R0 OR(R7-0) e R OR(-R) e R. Fal A comparação dos resultados das Tabelas e 3 justfca a utlzação das Equações smplfcadas uma vez que os valores obtdos são muto próxmos aos valores obtdos pelas Equações completas. O cálculo da dspobldade em estado estacoáro pode ser refeto a partr da taxa de falha e tempo de reparo do sstema (R.Fal), apresetados a Tabela 3. A Observa-se que o valor da dspobldade em estado estacoáro calculado a partr das Equações smplfcadas e completas fo dêtco. Uma das hpóteses que fudametam a Metodologa Lambda-Tau (lstadas o tem 4.) é que as a taxa de falha e a taxa de reparo sejam costates. Esta codção ormalmete é modelada por uma dstrbução de probabldade expoecal cuja fução cofabldade R( é apresetada a Equação 37. R t ( e (37) Utlzado-se a fução cofabldade apresetada a Equação 37 é possível calcular a cofabldade para o tempo de mssão cosderado (70h). A Tabela 4 apreseta a sítese dos resultados obtdos através da Smulação de Mote Carlo utlzado-se o software BlockSm da RELIASOFT. Utlzou-se a dstrbução de probabldade expoecal para modelar as taxas de falha e reparo a fm de possbltar a comparação com a metodologa Lambda-Tau. Cosderou-se um tempo de mssão de 70h. Tabela 4 - Sítese dos Resultados da Smulação arâmetro ara 000 terações ara 0000 terações Dspobldade méda 0, Cofabldade R(70h) 0, Tempo operatvo 79,465 79,4558 Tempo ão operatvo 0,5349 0,544 A dspobldade em estado estacoáro (Equação ) pode ser terpretada como a proporção de tempo em que um sstema ecotra-se em estado operatvo. Utlzadose este coceto é possível calcular a dspobldade a partr dos resultados da smulação: A 79,465 0, ,465+ 0,5349 Observa-se que os valores de cofabldade e dspobldade calculados através da Metodologa Lambda-Tau são próxmos aos resultados da smulação. 6- Coclusões: A Metodologa Lambda-Tau permte calcular a cofabldade e a dspobldade de sstemas represetados a partr de um dagrama em blocos de cofabldade ou uma árvore de falhas. Esta técca parte do pressuposto que todos os compoetes do sstema podem ser modelados segudo uma dstrbução expoecal. Esta é uma lmtação muto grade pos sabe-se que esta dstrbução de probabldade é adequada para represetar somete taxas de falha ou reparo aproxmadamete costates. Etretato, apesar de extremamete smples, esta técca Smpóso Iteracoal de Cofabldade - Salvador 006

10 permte gerar um etedmeto a cerca do sstema modelado. A smulação de Mote Carlo permte efetuar o cálculo de sstemas cujos compoetes são modelados por qualquer dstrbução de probabldade (webull, ormal, logormal, etc.) o que permte maor flexbldade e maor compromsso com a realdade. Embora a smulação ão ofereça detalhes e cohecmeto a cerca do sstema modelado, a medda que a complexdade do sstema aumeta, ela pode torar-se a úca alteratva vável para cálculo da cofabldade e dspobldade. Agradecmetos Os autores agradecem o apoo facero do CNQ e FAEMIG. Referêcas Bblográfcas: BAZARGAN. M.; MCGRATH, R. N. Dscrete Evet Smulato to Improve Arcraft Avalablty ad Mataablty. I: Aual Relablty ad Mataablty Symposum, 003, roceedgs of the IEEE, p BILLINTON, R. ower System Relablty Evaluato. 5 a ed. Uted States of Amerca: Gordo ad Breach Scece ublshers, p. CASSADY, C. R. Itroducto to Reparable Systems Modelg. I: Aual Relablty ad Mataablty Symposum, 005, IEEE Tutoral Notes. EL-IRAKI, A. e ODOOM, E. R. Fuzzy robst Relablty Assessmet of Reparable Systems. IEEE, Fuzzy Iformato rocessg Socety. NAFIS Coferece of the North Amerca HELMAN, H.; ANDERY,. R.. Aálse de Falhas (Aplcação dos Métodos de FMEA-FTA. Sére Ferrametas da Qualdade, vol.. Belo Horzote; UFMG; Escola de Egehara; Fudação Crstao Otto, 995, 56p. 0 LAFRAIA, J. R. B. Maual de Cofabldade, Mateabldade e Dspobldade. a ed. Ro de Jaero: Qualtymark: etrobras, p. LOGMAN, J.;WANG,W. O Relablty Modelg ad Aalyss of Hghly-Relable Large Systems. I: Aual Relablty ad Mataablty Symposum, 00, roceedgs of the IEEE, p MAILLART, L. M.; OHL, A.E. Itroducto to Markov-Cha Modelg ad Aalyss. I: Aual Relablty ad Mataablty Symposum, 005, IEEE Tutoral Notes. MARSEGUERRA, M.; ZIO, E. Mote Carlo Samplg ad Smulato for Applcato to RAMS. I: Aual Relablty ad Mataablty Symposum, 005, IEEE Tutoral Notes. METTAS, A; SAVVA, M. System Relablty Aalyss: The Advatages of Usg Aalytcal Methods to Aalyze No- Reparable Systems. I: Aual Relablty ad Mataablty Symposum, 00, roceedgs of the IEEE, p MURHY, K. E.; CARTER, C (003). Relablty Block Dagram Costructo Techques. Secrets to Real-lfe Dagrammg Woes. I: Aual Relablty ad Mataablty Symposum, 003, IEEE Tutoral Notes. ROUVROYE, J.L. e VAN DEN BLIEK, E.G. Comparg safety aalyss techques. Elsever Relablty Egeerg & System Safety. v.75, p , 00 VOLOVOI, V. Modelg of System Relablty etr Nets wth Agg Tokes. Elsever. Relablty Egeerg & System Safety, v.84, p. 49-6, 004. Smpóso Iteracoal de Cofabldade - Salvador 006

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

5 Critérios para Análise dos Resultados

5 Critérios para Análise dos Resultados 5 Crtéros para Aálse dos Resultados Este capítulo tem por objetvos forecer os crtéros utlzados para aálse dos dados ecotrados a pesqusa, bem como uma vsão geral dos custos ecotrados e a forma de sua evolução

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

HIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia

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

Leia mais

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

2.0 - MODELAGEM DA CARGA

2.0 - MODELAGEM DA CARGA GAT-23 2 a 26 de ubro de 2 Campas - São Paulo - Brasl G R U P O I V GRUPO DE ESTUDO DE ANÁLISE E TÉCNICAS DE SISTEMAS DE POTÊNCIA GAT RESERVA DE POTÊNCIA OPERATIVA - UMA METODOLOGIA DE TRANSIÇÃO A. A.

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

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

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

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

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

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

Noções Básicas de Medidas e Algarismos Significativos

Noções Básicas de Medidas e Algarismos Significativos Noções Báscas de Meddas e Algarsmos Sgfcatvos Prof. Theo Z. Pava Departameto de Físca - Faculdade de Flosofa, Cêcas e Letras de Rberão Preto-USP Físca Acústca Motvações Quas são os padrões de meddas? Podemos

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

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

2 Avaliação da segurança dinâmica de sistemas de energia elétrica: Teoria

2 Avaliação da segurança dinâmica de sistemas de energia elétrica: Teoria Avalação da seguraça dâmca de sstemas de eerga elétrca: Teora. Itrodução A avalação da seguraça dâmca é realzada através de estudos de establdade trastóra. Nesses estudos, aalsa-se o comportameto dos geradores

Leia mais

GRUPO XII ASPECTOS TÉCNICOS E GERENCIAIS DE MANUTENÇÃO EM INSTALAÇÕES ELÉRTICAS - GMI

GRUPO XII ASPECTOS TÉCNICOS E GERENCIAIS DE MANUTENÇÃO EM INSTALAÇÕES ELÉRTICAS - GMI SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GMI - 5 6 a Outubro de 5 Curtba - Paraá GRUPO XII ASPECTOS TÉCNICOS E GERENCIAIS DE MANUTENÇÃO EM INSTALAÇÕES ELÉRTICAS - GMI APLICAÇÃO

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

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

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

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

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

ESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA

ESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA ESTATÍSTICA MÓDULO OS RAMOS DA ESTATÍSTICA Ídce. Os Ramos da Estatístca...3.. Dados Estatístcos...3.. Formas Icas de Tratameto dos Dados....3. Notação por Ídces...5.. Notação Sgma ()...5 Estatístca Módulo

Leia mais

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

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

Leia mais

DESEMPENHO DE ESTIMADORES DA MÉDIA POPULACIONAL DE DISTRIBUIÇÕES ASSIMÉTRICAS BASEADOS EM AMOSTRAGEM POR CONJUNTOS ORDENADOS

DESEMPENHO DE ESTIMADORES DA MÉDIA POPULACIONAL DE DISTRIBUIÇÕES ASSIMÉTRICAS BASEADOS EM AMOSTRAGEM POR CONJUNTOS ORDENADOS DESEMPENHO DE ESTIMADORES DA MÉDIA POPULACIONAL DE DISTRIBUIÇÕES ASSIMÉTRICAS BASEADOS EM AMOSTRAGEM POR CONJUNTOS ORDENADOS Fracsco Juor PIGATO Mara Cecíla Medes BARRETO RESUMO: Um deleameto amostral

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

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

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

3 Fundamentação Teórica

3 Fundamentação Teórica 3 Fudametação Teórca A segur são apresetados os fudametos teórcos os quas é embasado o desevolvmeto do trabalho. 3.. Espectros de Resposta De acordo com Sampao [3], é descrta a resposta máxma de um osclador

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

Avaliação de Empresas Profa. Patricia Maria Bortolon

Avaliação de Empresas Profa. Patricia Maria Bortolon Avalação de Empresas MODELO DE DIVIDENDOS Dvdedos em um estáo DDM Dscouted Dvded Model Muto utlzados a precfcação de uma ação em que o poto de vsta do vestdor é extero à empresa e eralmete esse vestdor

Leia mais

A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: enchentes

A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: enchentes Mostra Nacoal de Icação Cetífca e Tecológca Iterdscplar VI MICTI Isttuto Federal Catarese Câmpus Camború 30 a 3 de outubro de 03 A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: echetes Ester Hasse

Leia mais

MÓDULO 8 REVISÃO REVISÃO MÓDULO 1

MÓDULO 8 REVISÃO REVISÃO MÓDULO 1 MÓDULO 8 REVISÃO REVISÃO MÓDULO A Estatístca é uma técca que egloba os métodos cetícos para a coleta, orgazação, apresetação, tratameto e aálse de dados. O objetvo da Estatístca é azer com que dados dspersos

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

ESTATÍSTICA APLICADA À ZOOTECNIA

ESTATÍSTICA APLICADA À ZOOTECNIA ESTATÍSTICA APLICADA À ZOOTECNIA Eucldes Braga MALHEIROS *. INTRODUÇÃO.a) Somatóras e Produtóros Sejam,, 3,...,, valores umércos. A soma desses valores (somatóra) pode ser represetada por: = = = =. e o

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

d s F = m dt Trabalho Trabalho

d s F = m dt Trabalho Trabalho UNIVERSIDADE DO ESTADO DE MATO GROSSO CAMPUS UNIVERSITÁRIO DE SINOP FACULDADE DE CIÊNCIAS EXATAS E TECNOLÓGICAS CURSO DE ENGENHARIA CIVIL DISCIPLINA: CÁLCULO DIFERENCIAL E INTEGRAL I Trabalho 1. Itrodução

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

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. 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

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

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

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

Leia mais

Regressão. Pedro Paulo Balestrassi

Regressão. Pedro Paulo Balestrassi Regressão Pedro Paulo Balestrass www.pedro.ufe.edu.br ppbalestrass@gmal.com 5-696 / 88776958 (cel) Questoametos comus: Como mplemetar a equação Y=f(X) a partr de dados hstórcos ou epermetas? Como fazer

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

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

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

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

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

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

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

Análise da Confiabilidade e Disponibilidade de Sistemas Reparáveis - Uma aplicação em processos industriais

Análise da Confiabilidade e Disponibilidade de Sistemas Reparáveis - Uma aplicação em processos industriais Aálse da Cofabldade e Dspobldade de Ssemas Reparáves - Uma aplcação em processos dusras Resumo Aualmee a maora das meodologas usadas para aálse de dspobldade de ssemas reparáves complexos é baseada em

Leia mais

( ) Editora Ferreira - Toque de Mestre. Olá Amigos!

( ) Editora Ferreira - Toque de Mestre. Olá Amigos! Olá Amgos! Hoje coloco à dsposção de vocês aqu a seção Toque de Mestre da Edtora Ferrera (www.edtoraferrera.com.br) as questões de Matemátca Facera cobradas o últmo cocurso da axa Ecoômca Federal (EF),

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

Aula 9. Aula de hoje. Aula passada. Self-normalized Importance Sampling Gerando amostras complicadas Variância amostral Simulação

Aula 9. Aula de hoje. Aula passada. Self-normalized Importance Sampling Gerando amostras complicadas Variância amostral Simulação Aula 9 Aula passada Método da rejeção (rejecto samplg) Exemplos Importace Samplg Exemplos Geeralzação Aula de hoje Self-ormalzed Importace Samplg Gerado amostras complcadas Varâca amostral Smulação Importace

Leia mais

REGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi

REGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi REGESD Prolc Matemátca e Realdade- Profª Suz Samá Pto e Profº Alessadro da Slva Saad Meddas de Posção ou Tedêca Cetral As meddas de posção ou meddas de tedêca cetral dcam um valor que melhor represeta

Leia mais

Análise de Regressão

Análise de Regressão Aálse de Regressão Prof. Paulo Rcardo B. Gumarães. Itrodução Os modelos de regressão são largamete utlzados em dversas áreas do cohecmeto, tas como: computação, admstração, egeharas, bologa, agrooma, saúde,

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

13 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL

13 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL 3 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL Como vto em amotragem o prmero bmetre, etem fatore que fazem com que a obervação de toda uma população em uma pequa eja mpratcável, muta veze em vrtude

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

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

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

3 Procedimento Experimental

3 Procedimento Experimental 3 Procedmeto Expermetal 3. Sstema de medção de vazão com extesômetro A Fg. 9 mostra o sstema de medção de vazão com extesômetro, o qual fo motado o laboratóro da PUC-Ro. este sstema, duas tubulações com,5

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

(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

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

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

( ) ( IV ) n ( ) Escolha a alternativa correta: A. III, II, I, IV. B. II, III, I, IV. C. IV, III, I, II. D. IV, II, I, III. E. Nenhuma das anteriores.

( ) ( IV ) n ( ) Escolha a alternativa correta: A. III, II, I, IV. B. II, III, I, IV. C. IV, III, I, II. D. IV, II, I, III. E. Nenhuma das anteriores. Prova de Estatístca Epermetal Istruções geras. Esta prova é composta de 0 questões de múltpla escolha a respeto dos cocetos báscos de estatístca epermetal, baseada os lvros BANZATTO, A.D. e KRONKA, S.N.

Leia mais

KEYWORDS. Non-Homogeneous Markov Processes, Supplementary variables, Generalized Renewal Process.

KEYWORDS. Non-Homogeneous Markov Processes, Supplementary variables, Generalized Renewal Process. Uso de varáves suplemetares e Processo de Reovação Geeralzado o cálculo da dspobldade de sstemas de compoetes reparáves sujetos a evelhecmeto Bruo da Fote Lete Uversdade Federal de Perambuco Av. Prof.

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

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

Instituto Politécnico de Bragança Escola Superior de Tecnologia e de Gestão

Instituto Politécnico de Bragança Escola Superior de Tecnologia e de Gestão Isttuto oltécco de Bragaça Escola Superor de ecologa e de Gestão 2º Ao de Egehara Electrotécca Istrumetação Electróca e Meddas Exame (ª Chamada) 2 de Juho de 200 SUGESÃO DE RESOLUÇÃO ) retede-se vsualzar,

Leia mais

Análise Exploratória de Dados

Análise Exploratória de Dados Aálse Eploratóra de Dados Objetvos Aálse bvarada: uma varável qualtatva e uma quattatva: represetar grafcamete as duas varáves combadas; defr e calcular uma medda de assocação etre as varáves. Eemplo 1

Leia mais

Arquitetura da ART Controle 1 Controle 2

Arquitetura da ART Controle 1 Controle 2 Teora de Ressoâca Adaptatva - ART Arqutetura da ART Cotrole Cotrole 2 Desevolvda por Carpeter e Grossberg como uma alteratva para resolver o dlema establdade-plastcdade (rede ão aprede ovos padrões). Realme

Leia mais

50 Logo, Número de erros de impressão

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

Leia mais

Total Bom Ruim Masculino

Total Bom Ruim Masculino UNIDADE I - ESTUDO DIRIGIDO Questão - Classfque as varáves em qualtatva (omal ou ordal ou quattatva (cotíua ou dscreta: a. População: aluos de uma Uversdade. Varável: cor dos cabelos (louro, castaho, ruvo,

Leia mais

Prof. Eugênio Carlos Stieler

Prof. Eugênio Carlos Stieler http://www.uemat.br/eugeo Estudar sem racocar é trabalho 009/ TAXA INTERNA DE RETORNO A taa tera de retoro é a taa que equalza o valor presete de um ou mas pagametos (saídas de caa) com o valor presete

Leia mais

Controle Estatístico de Qualidade. Capítulo 6 (montgomery)

Controle Estatístico de Qualidade. Capítulo 6 (montgomery) Cotrole Estatístco de Qualdade Capítulo 6 (motgomery) Gráfcos de Cotrole para Atrbutos Itrodução Mutas característcas da qualdade ão podem ser represetadas umercamete. Nestes casos, classfcamos cada tem

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

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

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

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

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

Dados Experimentais. Isto é chamado de experimento controlado. Uma das vantagens

Dados Experimentais. Isto é chamado de experimento controlado. Uma das vantagens Dados xpermetas Para medr a produção de certa varedade de mlho, faremos um expermeto o qual a varedade de mlho semete é platada em váras parcelas homogêeas com o mesmo fertlzate, pestcda etc. Depos mede-se

Leia mais

ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO

ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO Área Cetífca Matemátca Udade Curso Egehara do Ambete Ao º Semestre º Folha Nº 8: Aálse de Regressão e de Correlação Probabldades e Estatístca Ao 00/0. Pretede-se testar um strumeto que mede a cocetração

Leia mais

Cap.20 Avaliação Econ. Financ. de Projetos de Inv. Sumário. Jim Lane. $20 mi. Gordon Letwin $20 mi Paul Allen $25 bi

Cap.20 Avaliação Econ. Financ. de Projetos de Inv. Sumário. Jim Lane. $20 mi. Gordon Letwin $20 mi Paul Allen $25 bi Pol-UFRJ/25.1 Cap.2 Avalação Eco. Fac. de Projetos de Iv. Ecooma Carlos Nemer 3ª Ed. Capítulo 2 Avalação Ecoômco Facera de Projetos de Ivestmeto Steve Wood $15 m Bob O' Rear $1 mllo Bob Wallace $5 m Bob

Leia mais

3. TESTES DE QUALIDADE DE AJUSTAMENTO

3. TESTES DE QUALIDADE DE AJUSTAMENTO Testes da qualdade de ajustameto 3 TESTES DE QULIDDE DE JUSTMENTO 3 Itrodução formação sobre o modelo da população dode se extra uma amostra costtu, frequetemete, um problema estatístco forma da dstrbução

Leia mais