4. VARIÁVEIS COMPOSTAS

Tamanho: px
Começar a partir da página:

Download "4. VARIÁVEIS COMPOSTAS"

Transcrição

1 4. VARIÁVEIS COMPOSTAS Até o momento, vmos apenas varáves que são utlzadas para o armazenamento de dados smples. Entretanto, as varáves podem ser compostas, formadas por uma ou mas posções (campos ou entradas), podendo armazenar um ou mas dados. As varáves compostas são classfcadas em homogêneas (vetoras) ou heterogêneas (regstros). Em função de sua capacdade de armazenar dferentes valores, este tpo de varável pode ser encarado como uma estrutura de armazenamento. Entretanto, não deve ser confunddo com as estruturas de dados que veremos mas adante neste lvro. O conceto estruturas de dados envolve não somente a estrutura de armazenamento, mas também regras de formação e manpulação, além de funções própras de acesso. 4.1 Varáves Vetoras Undmensonas As varáves vetoras undmensonas, chamadas mutas vezes smplesmente de varáves vetoras, são varáves compostas homogêneas ndexadas, as quas contêm um ou mas campos de mesmo tpo, onde cada campo é acessado pelo seu índce (posção). Sua declaração geral é defnda da segunte forma: var <nome>:array[<nco>..<fm>] of <tpo_da_varavel>; Exemplo 1: Declaração de uma varável chamada A que pode armazenar 10 números nteros. var A:array[1..10] of nteger; Neste exemplo, a varável A será armazenada na memóra do computador em uma área equvalente a 10 vezes o que é armazenado para uma únca varável ntera. Esta varável é representada pela fgura 9. Nela, os números 1, 2, são os índces (posção ou localzação) de cada número ntero que pode ser armazenado. O índce serve para localzar qual elemento do vetor estará sendo referdo em determnado nstante. Por exemplo, o elemento A[5] é localzado no campo de índce 5 do vetor A e, no exemplo da fgura, vale -12. A[5] = dado armazenado A índce do dado no vetor Fgura 9 Representação de uma Varável Vetoral Para atrbur um valor qualquer para um campo de posção faz-se o segunte: A[]:=<valor_qualquer>; Neste caso, dz-se que a posção -ésma do vetor A fo ndexada. Exemplo 2: Algumas operações que podem ser realzadas com vetores. B[3]:= flor ; 1

2 A[6]:=A[8]; read(b[2]); wrte(b[]); A[]:=A[+1]-C[j]; Exemplo 3: Trecho de programa que ncalza todos os campos de um vetor A com o valor 0 (zero). Dzse ncalzar o vetor com zeros ou smplesmente zerar o vetor. Prmera Opção: atrbu-se 0 (zero) a todos os campos, um a um, da segunte forma: A[1]:=0; A[2]:=0; A[3]:=0; A[4]:=0; A[5]:=0; A[6]:=0; A[7]:=0; A[8]:=0; A[9]:=0; A[10]:=0; Segunda Opção: utlza-se uma varável para ndexar as 10 posções com um comando de repetção. A déa aqu é usar a própra varável de contagem do comando for para ndexar o vetor todo, da segunte forma: for :=1 to 10 do A[]:=0; Neste exemplo dzemos que o vetor A fo completamente ndexado (percorrdo, vstado, pesqusado, varrdo,...) em todas as suas entradas e para cada uma um valor zero fo nserdo. Dzemos que para cada teração do for, ou seja, para cada valor de, o elemento -ésmo (elemento da vez, elemento corrente, elemento atual etc...) é zerado. A fgura 10 mostra uma possível representação gráfca da ndexação com comando de repetção A Fgura 10 Representação Gráfca da Indexação Vetoral com Repetção Entretanto, esta varredura pode ser feta com os comandos de repetção repeat e whle, conforme os modelos que seguem. :=0; repeat nc(); A[]:=0; untl (=10); ou 2

3 :=0; whle (<>10) do nc(); A[]:=0; Exemplo 4: Programa que lê 20 números nteros e depos os escreve na ordem nversa. A déa aqu é mostrar no vídeo os elementos começando da últma posção e vndo em dreção a prmera posção, usando para tanto o comando de repetção for. program nversor_1; var conjunto:array[1..20] of nteger; :nteger; for :=1 to 20 do read(conjunto[]); for :=1 to 20 do wrte(conjunto[21-]); end. Observe neste exemplo que foram usados dos comandos for, um para a letura do vetor e outro para a escrta do vetor. Pelo fato da escrta ser feta na ordem nversa do vetor, a ndexação é feta pela expressão matemátca 21-, que dta a le de formação da posção a ser acessada a cada teração do for. Esta expressão é necessára porque a varável de contagem do for é ncrementada a cada teração (vara crescentemente) ao passo que a posção a ser acessada é decrementada. Para descobrr a le de formação, o programador deve analsar como o vetor deve ser acessado a cada teração do laço. Note que quando valer 1, a posção a ser acessada deverá ser a 20; quando valer 2, a posção a ser acessada deverá ser a 19; quando valer 3, a posção a ser acessada deverá ser a 18 e assm sucessvamente. Podemos observar que a posção a ser acessada é sempre gual a 21 menos o valor da varável. Desta forma, a expressão matemátca que rege esta ndexação é 21-, para varando de 1 a 20. Note que com a aplcação desta fórmula a ndexação do vetor resultará em uma varação decrescente de 20 até 1. Note também que se o tamanho do vetor fosse meddo por uma varável n, a fórmula de ndexação utlzada sera n+1-. Felzmente, o comando for pode trabalhar com varáves decrescentes e este programa pode ser resolvdo tal como o exemplo a segur. IMPORTANTE! Note que sempre que um vetor tver que ser pesqusado em todas as suas entradas, o comando for pode ser utlzado já que o número de terações é conhecdo. Caso contráro, os comandos repeat e whle são mas recomendados. Exemplo 5: Programa que lê 20 números nteros e depos os escreve na ordem nversa usando comando for decrescente. Neste caso, a ndexação do vetor é dretamente feta pela varável de contagem do comando for. program nversor_2; var conjunto:array[1..20] of nteger; :nteger; for :=1 to 20 do read(conjunto[]); for :=20 downto 1 do 3

4 end. wrte(conjunto[]); Exemplo 6: Trecho de programa que calcula a méda de um vetor V de 30 números nteros. A déa aqu é percorrer todas as entradas do vetor, usando o comando de repetção for, e acumular, a cada teração do laço, o elemento que estver sendo ndexado pela varável de contagem. Podemos pensar assm: para cada valor da varável, o programa acessa o elemento V[] e soma-o com o valor da varável meda, colocando o resultado fnal na própra varável meda. No fnal, dvde-se a somatóra pelo número de elementos do vetor. meda:=0; for :=1 to 30 do meda:=meda+v[]; meda:=meda/30; wrteln(meda); Exemplo 7: Trecho programa que a partr de um vetor A de n números nteros, calcula a soma dos pares e a soma dos ímpares. A déa aqu é semelhante a anteror, entretanto usam-se duas varáves de somatóra (somapar e somampar). Para cada elemento ndexado, uma comparação é feta para determnar em qual das somatóras ele será acumulado. somapar:=0; somampar:=0; for :=1 to n do f ((A[] mod 2)=0) then somapar:=somapar+a[] else somampar:=somampar+a[]; wrteln(somapar,,somampar); Exemplo 8: Trecho de programa que procura dentro de um vetor A de n nteros o elemento mas próxmo da méda. Dga qual é a posção deste elemento. meda:=0; for :=1 to n do meda:=meda+a[]; meda:=meda/n; df:= abs(a[1]-meda); pos:=1; for :=2 to n do f abs(a[]-meda)<df) then df:= abs(a[]-meda); pos:=; wrteln( A[,pos, ]=,A[pos]); Exemplo 9: Trecho programa que a partr de um vetor numérco A de tamanho n, eleva os valores de cada campo deste vetor ao índce de sua posção. Assm, A[1]:=(A[1]) 1, A[2]:=(A[2]) 2, A[3]:=(A[3]) 3 e assm sucessvamente até que A[n]:=(A[n]) n. A déa aqu é percorrer o vetor com um comando for e para cada teração usar um outro comando for para calcular uma potencação. for :=1 to n do 4

5 pot:=a[]; for j:=2 to do pot:=pot*a[]; A[]:=pot; Exemplo 10: Trecho de programa que a partr de um vetor A de n números naturas não nulos, para cada campo A[]=k, com 1 n, o programa lê k números nteros e coloca a méda deles novamente em A[]. No fnal é mpresso o vetor e a méda geral de seus campos. somatotal:=0; for :=1 to n do soma:=0; for j:=1 to A[] do read(nro); soma:=soma+nro; A[]:=(soma/A[]); somatotal:=somatotal+a[]; medatotal:=somatotal/n; for :=1 to n do wrteln(a[], ); wrteln(medatotal); Exemplo 11: Trecho de programa que calcula uma somatóra de operações contdas em um vetor OP sobre 2 vetores A e B, contendo números reas. O vetor OP contém caracteres representando as quatro operações artmétcas báscas (*, +, -, / ). Os elementos da somatóra são obtdos aplcando as operações do vetor OP sobre os vetores numércos, campo a campo, conforme mostra a fgura 11. A déa aqu é ndexar os 3 vetores smultaneamente usando a mesma varável, já que os 3 vetores apresentam o mesmo alcance e a -ésma posção de um é assocada com a -ésma posção do outro. Neste sentdo, o comando for é bastante adequado. A n OP * / + * - + / n B n S = 3*5 + 8/ Fgura 11 Vetor de Operações Aplcado a Dos Outros Vetores Soma:=0; for :=1 to n do case OP[] of * : soma:=soma+ A[]*B[]; 5

6 + : soma:=soma+ A[]+B[]; - : soma:=soma+ A[]-B[]; / : soma:=soma+ A[]/B[]; wrteln(soma); Exemplo 12: Trecho de programa que procura um número x dentro de um vetor de n posções. Se encontrado, a sua posção dentro do vetor é mostrada. Observe que apenas a prmera ocorrênca de x é procurada. A déa aqu é utlzar um comando de repetção e uma varável de ndexação para percorrer o vetor, campo a campo, até que o elemento seja encontrado ou até que o vetor tenha sdo varrdo em todas as suas entradas. achou:=false; acabou:=false; :=0; read(x); repeat nc(); achou:=(x=v[]); acabou:=(=n); untl (acabou)or(achou); f (achou) then wrteln( Encontrado na Posção,) else wrteln( Nao Encontrado! ); Neste exemplo foram utlzadas duas varáves lógcas achou e acabou. A varável achou será verdadera quando a prmera ocorrênca de x for encontrada. A varável acabou será verdadera quando a ndexação do vetor atngr o máxmo, ou seja, quando a varável, que ndexa o vetor V, atngr o valor de n. Estas varáves são utlzadas para controlar o térmno da pesqusa, já que não é necessáro pesqusar todo o vetor e, também, não é permtdo acessar um campo além do lmte de valdade dos dados do vetor. Pelo fato de que o número de terações não é conhecdo, o comando for não é utlzado e sm o repeat. Podera também ser usado um whle. Mas uma observação é necessára: o uso das varáves achou e acabou pode ser elmnado se as condções que elas representam, x=v[] e =n, forem colocadas dretamente na cláusula untl. O motvo pelo qual estas varáves são usadas é para dexar o programa mas legível/compreensível. Conforme dto, este trecho de códgo também pode ser escrto sem as varáves lógcas, usando tanto o comando whle quanto o repeat, conforme abaxo: read(x); :=1; whle (x<>v[])and(<=n) do nc(); f (>n) then wrteln( Nao Encontrado! ) else wrteln( Encontrado na Posção,) ou repeat read(x); :=0; repeat nc() 6

7 untl (x=v[])or(>n); f (>n) then wrteln( Nao Encontrado! ) else wrteln( Encontrado na Posção,) Exemplo 13: Trecho de programa que contablza a quantdade de ocorrêncas do número x dentro de um vetor de n posções. Quando encontrado uma ocorrênca, a sua posção dentro do vetor é mostrada. Observe que neste caso todas as entradas devem ser pesqusadas, já que o elemento x poderá estar em qualquer posção válda. read(x); quant:=0; for :=1 to n do f (x=v[]) then nc(quant); wrteln( uma ocorrenca encontrada em,); wrteln( encontrado,quant, valores guas a,x); Exemplo 14: Trecho de programa que procura um número x dentro de um vetor de n posções cujos elementos estão dspostos em ordem crescente. Se encontrado, a sua posção dentro do vetor é mostrada. Observe que apenas a prmera ocorrênca de x é procurada. Observe também que a pesqusa somente é feta enquanto o elemento x é maor que o elemento que está sendo vstado no vetor a cada teração, pos como o vetor está ordenado, uma vez que um elemento maor que x é alcançado, a procura não é mas necessára. achou:=false; acabou:=false; :=0; read(x); repeat nc(); achou:=(x=v[]); acabou:=(=n)or(x<v[]); untl (acabou)or(achou); f (achou) then wrteln( Encontrado na Posção,) else wrteln( Nao Encontrado! ); Neste exemplo, além das condções de fnalzação já apresentadas no exemplo 7, a pesqusa pelo elemento pode fnalzar-se também quando a posção corrente do vetor (aquela que estver sendo comparada com o elemento x) for maor do que x. Neste caso, não adanta mas procurar pos o vetor está dsposto em ordem crescente e os próxmos elementos a serem percorrdos no vetor são todos maores ou guas a x. Exemplo 15: Semelhante ao exemplo 9, entretanto os elementos repetdos deverão ser contados. Neste caso, o programa deve retornar o índce da prmera ocorrênca de x e a quantdade de repetções que o mesmo apresenta na contnudade do vetor. A déa aqu é encontrar a prmera ocorrênca de x e depos contnuar a percorrer o vetor enquanto exstrem elementos guas a x ou o vetor acabar. 7

8 achou:=false; acabou:=false; :=0; read(x); repeat nc(); achou:=(x=v[]); acabou:=(=n)or(x<v[]); untl (acabou)or(achou); f (achou) then j:=; whle (V[j]=x)and(j<=n) do nc(j); quant:=j-; wrteln( Achou,quant, ocorrencas de,x, a partr da poscao,); end else wrteln( Nao achou,x, no vetor ); Exemplo 16: Trecho de programa que a partr um vetor numérco A, de tamanho na, soma cada k elementos adjacentes, colocando os resultados em um outro vetor B, tal como representado na fgura 12. Note que na não precsa ser múltplo de k, ou seja, a últma seqüênca de elementos somados de A pode não conter k elementos. A k k k na nb*k read(k); :=0; j:=0; l:=0; soma:=0; repeat nc(); nc(j); soma:=soma+a[]; f (j=k) then nc(l); B[l]:=soma; j:=0; soma:=0; untl (=na); j B l nb... obs: na<=nb*k Fgura 12 Redução Vetoral por Junção de Elementos Adjacentes 8

9 f (soma<>0) then nc(l); B[l]:=soma; nb:=l; Exemplo 17: Trecho de programa que localza a prmera ocorrênca de uma seqüênca de nb elementos (vetor B) dentro de uma seqüênca de na elementos (vetor A), onde na>nb. Exemplo 18: Trecho de programa para calcular o valor da função a segur onde todos os elementos a, com 1 n, estão localzados em um vetor de n elementos: f n n 1 n ( x) = a1 x + a2x + a3x an 1x + anx read(x); fx:=0; for :=1 to n do pot:=1; for j:=1 to (n-+1) do pot:=pot*x; fx:=fx+a[]*pot; wrteln(fx); Exemplo 19: Trecho de programa que a partr de 2 vetores A e B (fontes), de tamanhos na e nb, respectvamente, gera um vetor concatenado C (destno) composto pela ntercalação dos elementos de A e B, um a um. Em uma prmera solução, conforme exemplfca a fgura 13 (note que não necessaramente o B é menor do que A), tenta-se prmeramente efetuar a ntercalação enquanto exstr elementos em ambos vetores fontes. Nesta parte do códgo, a varável é usada pra ndexar ambos os vetores A e B, já que a mesma posção de ambos é acessada a cada teração do for. Note o vetor C é ndexado usando as expressões matemátcas 2*-1, para nserr elementos do vetor A, e 2*, para nserr elementos do vetor B. Para se obter estas expressões a segunte análse fo feta: quando valer 1, as posções de C deverão ser 1 e 2; quando valer 2, as posções de C deverão ser 3 e 4; quando valer 3, as posções de C deverão ser 5 e 6 e assm, genercamente, para qualquer valor de, as posções de C a serem acessadas serão 2*-1 (o dobro menos 1) e 2* (o dobro). Além dsso, como os tamanhos na e nb podem ser dferentes, um dos vetores poderá acabar prmero, e o restante do outro deverá ser descarregado soznho. Para realzar este descarregamento, usa-se o comando for para ndexar os elementos restantes do vetor que anda não acabou. Como não se sabe qual dos dos vetores contém o restante, o programa mplementa o descarregamento de ambos os vetores, entretanto, somente um deles é executado pos o outro tem a varável do comando for fora de alcance e não é executado. Note que a próxma posção a ser ndexada no vetor restante é -ésma e a próxma posção a ser nserda em C é (2*-1)-ésma. 9

10 A descarregar no fnal nb na B nb j C nb na+nb k Fgura 13 Intercalação de Vetores: Prmera Solução :=1; whle (<=na)and(<=nb) do C[2*-1]:=A[]; C[2*]:=B[]; nc(); End; K:=2*-1; for j:= to (nb) do C[k]:=B[j]; nc(k); for j:= to (na) do C[k]:=A[j]; Inc(k); nc:=na+nb; Em uma segunda solução, usa-se somente um comando de repetção for, com a varável k, já que é conhecdo o número de elementos de C. Entretanto, cada vetor fonte é ndexado separadamente com varáves e j. A déa aqu é semelhante a anteror, com a dferença de que o descarregamento do restante é feto dentro do mesmo laço. As varáves e j somente serão ncrementadas caso o respectvo vetor fonte anda não tver acabado. Para saber de qual vetor fonte o elemento é retrado, o programa verfca se um ou outro ndexador e j anda não passou dos lmtes. :=1; j:=1; nc:=na+nb; for k:=1 to nc do f (<=na) then C[k]:=A[]; nc(); f (j<=nb) then 10

11 C[k]:=B[j]; nc(j); Exemplo 20: Trecho de programa que dobra ao meo um vetor de n elementos, sobrepondo a segunda metade do vetor sobre a prmera metade, de forma a somar os elementos opostos correspondentes, tal como mostra a fgura 14. A déa de solução aqu é percorrer a prmera metade do vetor (até n dv 2) com uma varável de ndexação e para cada elemento percorrdo somar o seu oposto correspondente. Note que o oposto correspondente de 1 é o n, de 2 é o n-1, de 3 é o n-2, de 4 é o n-3 e assm, pode-se deduzr que o oposto correspondente do elemento é o n-(-1), ou seja, o n-+1. Observe entretanto que o número de elementos do vetor pode ser par ou ímpar. No caso de ser ímpar, fcará um elemento central sem ter sdo varrdo, devendo este ser tratado a parte. OU A n dv 2 n é par n dv 2 n é ímpar A novo n novo n Fgura 14 Assocação de Elementos Opostos Correspondentes for :=1 to (n dv 2) do A[]:=A[]+A[n-+1]; f ((n mod 2)=1)and(n>1) {n eh mpar: faltou o elemento central} then A[+1]:=2*A[+1]; n:=(n dv 2)+1; {podera ser +1} end else f (n>1) then n:=(n dv 2); {podera ser } Exemplo 21: Parte de programa que estende o exemplo anteror para reduzr o vetor em uma únca posção. A déa de solução aqu é muto smples. Basta nserr uma repetção mas externa ao códgo anteror de forma que o vetor A seja quebrado até que n=1. repeat for :=1 to (n dv 2) do A[]:=A[]+A[n-+1]; f ((n mod 2)=1)and(n>1) {n eh mpar: faltou o elemento central} then A[+1]:=2*A[+1]; n:=(n dv 2)+1; {podera ser +1} end else f (n>1) then n:=(n dv 2); {podera ser } untl n=1; 11

12 Exemplo 22: Trecho de programa que dado um vetor A de números com n elementos, altera seus campos, trocando entre eles os elementos opostos correspondentes. for :=1 to (n dv 2) do aux:=a[]; A[]:=A[n-+1]; A[n-+1]:=aux; Exemplo 23: Trecho de programa que faz a unão de dos conjuntos. O objetvo é juntar (concatenar) os vetores A e B em um tercero C (unão) elmnado as repetções entre eles. Supõe-se que não exstem repetções nternamente em cada vetor. A déa de solução aqu é descarregar prmeramente o vetor A no vetor C. Depos, descarregar o B verfcando se cada um de seus elementos já não estava em A. Para descarregar um vetor em outro, varre-se todos os elementos do prmero, usando um comando de repetção e uma varável de ndexação que aumenta de 1 a cada teração (o for neste caso é ndcado) e a cada entrada alcançada do prmero copa a mesma na próxma entrada do segundo vetor. for :=1 to na do {Aqu o A é descarregado em C usando a mesma ndexação} C[]:=A[]; {já que o C está vazo. na é o numero de elementos de ª} nc:=na; {Neste momento C tem o mesmo número de elementos de A} for :=1 to nb do {Va descarregar o B agora} j:=1; {ndexa o A deste o níco} whle (B[]<>A[j])and(j<=na) do {procura B[] dentro de A} nc(j); f (j>na) then {percorreu todo o vetor A e não encontrou B[] dentro de A} nc(nc); C[nc]:=B[j]; {Descarrega B[] na próxma posção de C} Exemplo 24: Trecho de programa que dado 2 vetores A e B de números ordenados, de tamanhos na e nb, junta-os em um únco vetor concatenado C, ordenado e de tamanho na+nb. Neste exemplo, o fato dos vetores estarem prevamente ordenados deve ser aprovetado. Note que o maor elemento de cada um está na posção fnal de cada vetor (em na e em nb), enquanto que os menores elementos estão nas prmeras posções. A déa aqu é usar um comando de repetção para executar, repetdamente, a remoção do menor elemento entre A e B, e a sua respectva nserção no vetor C, ndexando o vetor A com, o vetor B com j e o vetor C com k. A cada repetção, os elementos localzados nas posções correntes e j são comparados, o menor elemento entre eles é descarregado na posção k do vetor C, o contador k é ncrementado, o contador ( ou j) do vetor que contver o menor elemento é ncrementado para a próxma posção e o contador do vetor que contver o maor elemento fca nalterado. Tal como o exemplo 16, aqu também são apresentadas duas soluções. A prmera solução utlza um comando de repetção para concatenar A e B até que um dos vetores termne. Então, o restante é descarregado usando outro comando de repetção, tal como segue. :=1; j:=1; k:=1; whle(<=na)and(j<=nb)do 12

13 f A[]<B[j] then C[k]:=A[]; nc(); end else C[k]:=B[j]; nc(j); end nc(k); for l:= to na do C[k]:=A[l]; nc(k); for l:=j to nb do C[k]:=B[l]; nc(k); nc:=na+nb; Se neste ponto, o letor estver atento e realmente estver consegundo acompanhar este lvro, notará que o trecho fnal do algortmo anteror pode ser substtuído pelo trecho a segur. for l:= to na do C[k+l-]:=A[l]; for l:=j to nb do C[k+l-j]:=B[l]; nc:=na+nb; A segunda solução utlza um únco comando de repetção. Neste caso, torna-se necessáro o uso de uma posção sentnela no fnal de cada vetor. A sentnela deverá ser um elemento maor do que todos os elementos dos dos vetores. A sentnela é utlzada para que nenhum vetor acabe antes do outro, garantndo que sempre exsta pelo menos um elemento de cada vetor para serem comparados. No momento em que um dos vetores acabara prmero, anda restará a sentnela para ser comparada com os elementos restante do vetor que anda não acabou. No entanto, como a sentnela é maor do que todos os elementos váldos do vetor restante, os elementos deste serão menores e assm serão descarregados em C, até que restem somente as duas sentnelas para serem comparadas. Neste momento, a repetção termna porque somente na+nb elementos serão colocados em C. sentnela:=abs(a[na])+abs(b[nb])+1; A[na+1]:=sentnela; B[nb+1]:=sentnela; :=1; j:=1; nc:=na+nb; for k:=1 to nc do f A[]<B[j] then C[k]:=A[]; nc(); 13

14 end else C[k]:=B[j]; nc(j); end nc(k); Exemplo 25: Trecho de programa que transfere os elementos do vetor A para o vetor B, descartando os elementos repetdos. Com sso, o vetor B poderá ser menor do que A, caso exsta pelo menos 1 elemento repetdo. A déa de solução aqu é varrer o vetor A, elemento por elemento, comparando cada um com aqueles que já estverem em B (ncalmente vazo). Caso o elemento anda não estver em B, ele será nserdo em B. Caso contráro, ele será desconsderado e o próxmo elemento de A será analsado da mesma forma e assm sucessvamente. Para sto, é usado o comando for com uma varável de contagem para varrer todo o vetor A. Para percorrer o vetor B, a procura de uma repetção, um outro comando de repetção é usado em conjunto com a varável de ndexação j. O número de elementos de A é na e o número de elementos de B é nb, que ncalmente é nulo e a cada nova nserção ele é aumentado de 1. A fgura 15 representa o esquema ora menconado. A B nb nb 3 1 nb nb nb A B nb nb nb nb fnal nb Fgura 15 Esquema de Elmnação de Repetções Usando 2 Vetores nb:=0; for :=1 to na do j:=1; whle (j<=nb)and(a[]<>b[j]) do {enquanto não encontrou nenhum elemento} nc(j); {gual a A[], contnua percorrendo B} f (j>nb) then {então A[] nao esta em nenhuma poscao de B} nc(nb); B[nb]:=A[]; { ncrementa o tamanho de B de 1 e nsere A[]} Note que não exste a necessdade de se usar o vetor B. A compactação pode ser feta no mesmo vetor A, e B somente fo utlzado aqu por que este autor acredta que seja mas fácl de entender. Para modfcar o programa de modo a efetuar a compactação no mesmo vetor basta substtur as ocorrêncas de B por A. Exemplo 26: Programa que lê n nomes de pessoas e suas respectvas dades. Depos, o programa encontra a pessoa mas nova e a mas velha, nformando seus respectvos nomes. Este problema é 14

15 resolvdo utlzando duas varáves vetoras: uma para armazenar os nomes (tpo lteral) e outra para armazenar as dades (tpo ntero) de forma que a -ésma posção do vetor de nomes esteja assocada a - ésma posção do vetor de dades, ou seja, estas entradas representam as nformações de uma mesma pessoa. O vetor de dades é pesqusado para saber quas são a pessoa mas nova e a mas velha, guardando suas respectvas posções no vetor. Nestas mesmas posções do vetor de nomes estarão os respectvos nomes das pessoas mas nova e mas velha. A solução algorítmca é a mesma que fo usada na sessão 3.3.8, exemplo 4, com a dferença de que os números aqu não precsam ser ldos pos já estão no vetor. program acha_novo_velho; var, pos_novo,pos_velho,mas_novo,mas_velho:nteger; dades:array[1..30] of nteger; nomes:array[1..30] of strng[64]; repeat read(n); untl (n>0); for :=1 to n do readln(nomes[],dades[]); mas_novo:=dades[1]; mas_velho:=dades[1]; for :=2 to n do f (mas_novo>dades[]) then mas_novo:=dades[]; pos_novo:=; end else f (mas_velho<dades[]) then mas_velho:=dades[]; pos_velho:=; wrteln( Mas Velho:,nomes[pos_velho]); wrteln( Mas Novo:,nomes[pos_novo]); end. Note que o uso das varáves mas_velho e mas_novo é dspensável já que o programa mantém as posções onde estão o mas velho e o mas novo. Basta acessar as entradas do vetor dades ndexadas por estas posções. O objetvo fo o de facltar o entendmento do programa. Como sugestão, este autor sugere que você modfque o programa de forma a retrar as varáves menconadas. Exemplo 27: Programa que dado um vetor A de número naturas, de tamanho n, mprme os elementos de forma ordenada, usando 3 soluções: 1) procura o menor elementos e o mprme, marcando-o como nváldo para repetr a operação com os elementos restantes; 2) tal como a prmera solução, entretanto ao nvés de marcar o elemento como nváldo remove-o deslocando os elementos seguntes, reduzndo de 1 o tamanho do vetor; 3) ao nvés de marcar o campo como nváldo remova-o, preenchendo a posção do mesmo com o últmo elemento do vetor, reduzndo de 1 o tamanho do vetor e 4) troque de posção o menor com aquele da prmera posção. Repta o procedmento para a segunda posção. E assm sucessvamente. 4.2 Varáves Vetoras Multdmensonas 15

16 São varáves homogêneas que possuem duas ou mas dmensões, ou se preferr, seus campos podem ser acessados por mas de 1 índce. Podemos magnar como sendo tabelas de dados dstrbuídas no espaço. Conforme a dmensão, fca dfícl a sua representatva gráfca. Sua sntaxe é defnda abaxo: var <nome>:array[<nterv1>,<nterv2>,...,<ntervn>] of <tpo> ; Onde <nterv> corresponde ao ntervalo dscreto da dmensão, comumente composto de valores ndcando o níco e o fm da seqüênca de elementos dscretos que compõe o ntervalo. A sntaxe da especfcação do ntervalo é: <nco>..<fm> onde <níco> e <fm> podem ser constantes ou varáves contendo normalmente valores nteros ou caracteres. Outros tpos menos comuns também são permtdos. Um exemplo de vetor Tetra-Dmensonal capaz de armazenar valores reas é declarado abaxo, mas a sua representação gráfca é complcada. Exemplo 1: var tetra:array[1..10,1..20,1..15,1..5] of real; Já no caso de varável vetoral bdmensonal, também chamada de matrz, sua representação pode ser vsta no exemplo a segur: Exemplo2: var A:array[1..6,1..5] of nteger; Neste exemplo, o prmero ntervalo da dmensão é normalmente chamado de lnha e o segundo de coluna, por questões de smplcdade de entendmento, já que estamos acostumados com esta representação tradconal da matemátca escolar. No entanto, não exste esta obrgatoredade e nada mpede o programador de entender que o segundo ntervalo seja a lnha e o prmero a coluna. O mportante neste caso é padronzar o uso dentro do programa. Para todos os efetos, melhor o entendmento tradconal. lnha coluna A[5,4] A[3,2] Fgura 16 Representação de uma varável matrcal 6x5 16

17 Os campos de uma varável multdmensonal podem ser acessados pela combnação de seus índces, também chamada de coordenada. O exemplo da fgura anteror dexa em destaque dos campos da varável A, posconados nas coordenadas (3,2) e (5,4). Cada campo pode ser manpulado da mesma forma que as varáves de seu tpo. Para Exemplo 3: Programa que preenche uma matrz mxn com elementos nulos. program matrz_nula; var m,n,ln,col:nteger; Max:array[1..200,1..200] of nteger; read(m,n); {m lnhas e n colunas} for ln:=1 to m do for col:=1 to n do Max[ln,col]:=0; end. Este exemplo mostra a forma mas comum de percorrer uma matrz mxn, usando dos comandos for para ndexar todas as lnhas e colunas da matrz. Note que o for mas externo é o responsável pela ndexação das lnhas e o mas nterno das colunas. Assm, conforme feto neste exemplo, para cada lnha o algortmo percorre os elementos de todas as colunas e atrbu a ele o valor zero. Uma outra observação se faz necessára. Note que a matrz Max fo declarada com campos nteros. A declaração reserva espaço de memóra para os campos mas o uso destes não é obrgatóro. No programa, o que determna o tamanho váldo da matrz é o controle que fazemos dela. Neste caso, usamos m e n para delmtar os campos váldos. Normalmente devemos reservar espaço sufcente para as stuações de uso máxmo, mas todo cudado é pouco. Neste exemplo, valores nteros são bytes, ou seja, aproxmadamente 80K bytes. Imagnem agora se o tpo básco dos campos da matrz fosse real. Então teríamos uma reserva de 240K bytes, bem mas do que a memóra dsponível nos prmeros computadores. Este uso deve ser controlado, reservando o mínmo possível de memóra, a fm de facltarmos o trabalho o sstema operaconal e permtr uma execução mas rápda do programa gerado. Exemplo 4: Programa que lê uma matrz quadrada de ordem n e posterormente mprme somente os elementos da dagonal prncpal. program matrz_quadrada; var n,ln,col:nteger; MQ:array[1..50,1..50] of nteger; read(m,n); {n lnhas e n colunas} for ln:=1 to n do for col:=1 to n do wrte( Entre com o elemento [,,,,j, ] = ); readln(mq[ln,col]); for ln:=1 to n do for col:=1 to n do f (ln=col) then wrteln( Elemento [,,,,j, ] =,MQ[ln,col]); end. Ou 17

18 program matrz_quadrada; var n,ln,col,dag:nteger; MQ:array[1..50,1..50] of nteger; read(n); {n lnhas e n colunas} for ln:=1 to n do for col:=1 to n do wrte( Entre com o elemento [,,,,j, ] = ); readln(mq[ln,col]); for dag:=1 to n do then wrteln( Elemento [,,,,j, ] =,MQ[dag,dag]); end. Exemplo 5: Trecho de programa que lê uma matrz quadrada de ordem 3 e calcula o seu determnante. for ln:=1 to 3 do for col:=1 to 3 do readln(a[ln,col]); parte1:=a[1,1]*a[2,2]*a[3,3]+ A[1,2]*A[2,3]*A[3,1]+ A[1,3]*A[2,1]*A[3,2]; parte2:=a[1,3]*a[2,2]*a[3,1]+ A[1,2]*A[2,1]*A[3,3]+ A[1,1]*A[2,3]*A[3,2]; det := parte1-parte2; wrteln( Determnante =,det); Exemplo 6: Trecho de programa que lê uma matrz quadrada de ordem n e mprme a soma dos elementos de cada coluna. read(n); for ln:=1 to n do for col:=1 to n do readln(a[ln,col]); for col:=1 to n do somacol:=0; for ln:=1 to n do somacol:=somacol+a[ln,col]); wrteln( Coluna,col, soma,somacol); Exemplo 7: Trecho de programa que calcula a soma entre duas matrzes quadradas de ordem n. for ln:=1 to n do for col:=1 to n do C[ln,col]:=A[ln,col]+B[ln,col]; Exemplo 7: Trecho de programa que verfca se uma matrz quadrada de ordem n é smétrca. sm:=true; 18

19 for ln:=1 to n do for col:=1 to n do f A[ln,col] <> A[col,ln] then sm:=false; f (sm=true) then wrteln( matrz smétrca ) else wrteln( matrz assmétrca ); ou sm:=true; for ln:=1 to n do for col:=(ln+1) to n do f A[ln,col] <> A[col,ln] then sm:=false; f (sm=true) then wrteln( matrz smétrca ) else wrteln( matrz assmétrca ); ou anda ln:=0; repeat nc(ln); col:=ln; repeat nc(col); sm:=(a[ln,col]=a[col,ln]); untl (col=n)or(not sm); untl (ln=n)or(not sm); f (sm) then wrteln( matrz smetrca ) else wrteln( matrz assmetrca ); Exemplo 8: Trecho de programa que calcula o produto entre 2 matrzes Amxn e Bnxp. for ln:=1 to m do for col:=1 to p do prod:=0; for k:=1 to n do prod:=prod+a[ln,k]*b[k,col]; C[ln,col]:=prod; 8: Faça um programa que lea uma matrz quadrada de ordem N e calcule a soma de todos os elementos que estão abaxo da dagonal prncpal. 12: Escrever um programa que gere a segunte matrz:

20 : Faça um programa que lea uma matrz quadrada de ordem N, e posterormente altere seus elementos, dvdndo cada elemento de uma lnha pelo elemento desta lnha que pertence a dagonal prncpal. Faça sso para todas as lnhas. No fnal, deve ser mpresso a matrz resultante. Exercícos 1. Faça um programa em Pascal que lea um vetor de tamanho N e calcule a méda, encontre a posção do menor e do maor. O programa também deve localzar o elemento mas próxmo da méda. 2. Dado 2 vetores A e B de mesmo tamanho, faça um programa que troque os elementos dos vetores entre s, ou seja, s elementos de A são colocados em B e os de B em A. 3. Calcule o produto de 2 vetores de nteros A e B de forma a gerar um únco valor numérco. Multplque campo a campo correspondente entre os dos vetores e some com as demas multplcações dos outros campos correspondentes. 4. Faça um programa para multplcar 2 matrzes. 5. Faça um programa em Pascal que lea um vetor A de números nteros postvos até que seja dgtado um número negatvo. Após, o vetor deve ser reduzdo pela metade, da segunte forma. O termo A[1] deve ser somado com o termo A[N], o A[2] com o A[N-1] e assm por dante. Se houver elemento central este deverá fcar nalterado. 6. Faça um programa em pascal que lea um vetor de tamanho N e nverta a ordem dos elementos. 7. Faça o mesmo com uma matrz B. Neste caso lea a ordem da matrz (MxN) antes de ler os seus elementos. Depos, faça com cada lnha da matrz aqulo que fo feto na questão 1. Neste caso, a matrz resultante deverá conter o mesmo número de lnhas, mas terá reduzda pela metade o número de colunas. 8. Ídem ao exercíco 2 com as colunas. Neste caso, a matrz resultante deverá conter o mesmo número de colunas, mas terá reduzda pela metade o número de lnhas. 9. Faça um programa em Pascal que lea M, N e uma matrz A (MxN). Depos, o programa deverá trocar as lnhas opostas correspondentes entre s. Por exemplo, a lnha 1 deve ser trocada com a lnha M, a lnha 2 com a lnha (M-1) e assm por dante. Cudado para não destrocar aqulo que acabou de ser trocado. Se houver uma lnha central, ela deverá permanecer nalterada. 10. Ídem ao 4 mas com as colunas. 11. Faça um programa em Pascal para descarregar uma matrz de ordem MxN em um vetor, lnha por lnha. 12. Ídem ao anteror, mas coluna por coluna. 13. Ídem aos exercícos 6 e 7, mas dagonal por dagonal (não somente a prncpal, mas todas as secundáras também). Neste caso, consdere uma matrz quadrada NxN. 14. Faça um programa em Pascal para ordenar um vetor de tamanho N. 15. Ídem ao anteror, embora separando os números pares e ímpares, da segunte forma. Os números pares devem ser ordenados no níco do vetor e os números ímpares logo após. 16. Faça um programa que dado 3 vetores A, B e C de tamanhos M, N e P já ordenados, cre um quarto vetor R de tamanho (M+N+P) formado pela concatenação dos vetores A, B e C, de forma que R também permaneça ordenado (semelhante a aquele feto em sala de aula com 2 vetores). Sugestão: percorra cada vetor com um contador (ndexador) dferente (, j e k). Em cada momento você terá que comparar 3 valores (um de cada vetor). Compare-os e nsra o menor no vetor resultante. Avance o contador do vetor que tnha o menor valor e do vetor resultante. Observe que os vetores rão se 20

21 esgotando em tempos dferentes. Incalmente você terá 3 vetores com dados, depos restarão 2, que anda precsarão ser comparados e no fnal restará somente 1 para descarregar o restante dos dados. 17. UltraEspecas: Supondo uma matrz MxN, onde: todos os elementos de cada lnha estão ordenados; as lnhas não estão ordenadas entre s e não exste nenhuma relação entre elas. A partr desta matrz gere um vetor de tamanho N 2 formado pela concatenação das lnhas da matrz. Da mesma forma que o exercíco anteror, você deverá percorrer cada lnha com um contador específco (faça um vetor de contadores [1..M]). Insra o menor deles no vetor resultado e avance o contador do vetor resultante e da lnha onde estava o menor elemento. 18. Suponha duas matrzes A e B com o mesmo número de lnhas. Coloque as duas juntas lateralmente e ordene-as de forma que os elementos são ordenados dentro de cada lnha e entre as lnhas e, além dsso, entre duas lnhas adjacentes, os elementos da matrz posconada a dreta são posterores aos da matrz posconada a esquerda. Varáves Compostas Heterogêneas São varáves que podem armazenar um conjunto de nformações de tpos dferentes. São também chamadas regstros e sua sntaxe é mostrada abaxo: Var <nome_do_regstro>:record <campo1>:<tpo1>; <campo2>:<tpo2>; : : End; Exemplo 1: Declarar um Varável que possa armazenar o cadastro de um aluno. Var cadastro:record nome, endereço, RA:Strng; dade:integer; End; A Varável acma possu quatro campos e pode ser representada abaxo: cadastro nome: endereço: RA: dade: Para acessarmos um determnado campo devemos ndcar o nome do regstro segudo de ponto e do nome do campo, conforme exemplos abaxo: cadastro.nome := Roberta Mranda ; wrte(cadastro.dade); end := cadastro.endereço; 21

22 Exemplo 2: Declare uma estrutura que possa armazenar as notas de uma turma de quarenta alunos. Represente grafcamente. Var provas:array[1..40] of Record nome: Strng; nota1,nota2,nota3,nota4,meda:real; End; provas nome: nota1 nota2 nota3 nota4 méda provas[3].nome 3 provas[3].méda Exemplo 3: Faça um trecho de programa que lea as notas dos alunos, armazenando as nformações na varável declarada na questão anteror, e calcule a méda. : For :=1 To 40 Do Begn Read(provas[].nome); Read(provas[].nota1); Read(provas[].nota2); Read(provas[].nota3); Read(provas[].nota4); provas[].méda:=(provas[].nota1+provas[].nota2+ provas[].nota3+provas[].nota4)/4; End; O Comando wth Para dmnur o tamanho dos nomes das varáves que utlzam regstros, pode ser utlzado o comando Wth, que possu o segunte formato: Wth <nome_do_regstro> Do Begn <lsta_de_comandos> End; 22

23 Exemplo 1: Refaça o exemplo anteror usando wth. : for :=1 to 40 do wth provas[] Do read(nome,nota1,nota2,nota3,nota4); méda:=(nota1+nota2+nota3+nota4)/4; End; Neste exemplo, as varáves nome, nota1, nota2, nota3, nota4 e méda se referem aos campos do regstro provas[]. Exercíco: Faça um programa que lea um conjunto de nomes com suas respectvas dades e posterormente mostre o nome do mas velho e do mas novo, usando regstros. Program Mas_Velho_Mas_Novo; Var N,,mas_velho,mas_novo,pos_velho,pos_novo:Integer ; Cadastro:array[1..100] of record nome: Strng ; dade: Integer ; End ; Begn read(n); for :=1 to N do read(cadastro[].nome); read(cadastro[].dade); pos_novo:=1; pos_velho:=1; for :=2 to N do f cadastro[pos_velho].dade<cadastro[].dade then pos_velho:= else f cadastro[pos_novo].dade>cadastro[].dade then pos_novo:=; wrte(cadastro[pos_novo].nome,cadastro[pos_velho].nome); end. Defnção de Constantes Constantes contém valores que não podem ser alterados durante a execução do programa. Sua fnaldade prncpal é facltar a alteração futura do programa. Sua sntaxe básca pode ser vsta abaxo: const <nome> = <valor>; Exemplo1: Const tam = 40 ; N = 20 ; IMPORTANTE!!! Para facltar a manutenção de programas devemos sempre utlzar a constante ao nvés do valor propramente dto, pos assm, sempre que desejarmos alterar todos os valores guas alteraremos somente a defnção da constante. 23

24 Defnção de Tpos Para facltar a estruturação e legbldade dos programas, bem como facltar a declaração de varáves de tpos complexos guas, podemos utlzar o recurso de defnção de tpos. Baseado nos tpos prmtvos (ntero, real, strng e lógco) podemos defnr tpos mas complexos para declarar as varáves. Para defnrmos um tpo temos a segunte sntaxe básca: type <nome>=<tpo>; Exemplo: Defnr um tpo Recorde declarar varáves com este tpo. program Exemplo ; const N = 100 ; type tpo_reg = record nome: strng[20]; dade: nteger; end ; var fcha:tpo_reg; fcharo:array[1..n] of tpo_reg; Devemos ter em mente que a declaração de tpos não ocasona a reserva de espaço de memóra, mas somente uma nformação para quando o programas for processado. No exemplo anteror, tpo_reg somente nforma a estrutura das varáves fcha e fcháro. Poderíamos ter também defndo um tpo para a Var fcháro, da segunte forma: program Exemplo2 ; const N = 100 ; type tpo_reg = record nome: strng [20]; dade: nteger; end ; tpo_fcharo = Array[1..N] of tpo_reg ; var fcha1,fcha2:tpo-reg ; fcháro1, fcháro2:tpo_fcháro ; Exercícos: 1) Declare uma varável regstro para cada entdade abaxo: a) professor b) automóvel c) cheque bancáro 2) Defna um tpo regstro, que possa armazenar dados de sobre computadores, que possa conter: CPU (286, 386, 486, Pentum etc...), Vídeo (EGA, CGA, VGA, SuperVGA etc...), Velocdade (33, 40, 66, 100MHz etc...), RAM (4Mb, 8Mb, 16MB etc...), HD (120Mb, 240Mb, 540Mb etc...) e Impressora (matrcal, jato de tnta, laser etc...). Defna agora, um tpo vetoral do tpo regstro defndo anterormente, com 500 campos. 24

25 3) Faça um programa que declare uma varável do tpo vetoral defndo na questão anteror e que lea repetdamente dados sobre computadores até que seja ldo o valor 111 para CPU. Quando sto ocorrer, os outros campos do regstro não devem ser ldos. 4) Faça um trecho de programa que utlze o vetor ldo na questão anteror e mprma a relação de CPU dferentes com suas respectvas quantdades. 25

Introdução e Organização de Dados Estatísticos

Introdução e Organização de Dados Estatísticos II INTRODUÇÃO E ORGANIZAÇÃO DE DADOS ESTATÍSTICOS 2.1 Defnção de Estatístca Uma coleção de métodos para planejar expermentos, obter dados e organzá-los, resum-los, analsá-los, nterpretá-los e deles extrar

Leia mais

NOTA II TABELAS E GRÁFICOS

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

Leia mais

Rastreando Algoritmos

Rastreando Algoritmos Rastreando lgortmos José ugusto aranauskas epartamento de Físca e Matemátca FFCLRP-USP Sala loco P Fone () - Uma vez desenvolvdo um algortmo, como saber se ele faz o que se supõe que faça? esta aula veremos

Leia mais

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

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

Leia mais

Aula 7: Circuitos. Curso de Física Geral III F-328 1º semestre, 2014

Aula 7: Circuitos. Curso de Física Geral III F-328 1º semestre, 2014 Aula 7: Crcutos Curso de Físca Geral III F-38 º semestre, 04 Ponto essencal Para resolver um crcuto de corrente contínua, é precso entender se as cargas estão ganhando ou perdendo energa potencal elétrca

Leia mais

CURSO ON-LINE PROFESSOR: VÍTOR MENEZES

CURSO ON-LINE PROFESSOR: VÍTOR MENEZES O Danel Slvera pedu para eu resolver mas questões do concurso da CEF. Vou usar como base a numeração do caderno foxtrot Vamos lá: 9) Se, ao descontar uma promssóra com valor de face de R$ 5.000,00, seu

Leia mais

UNIVERSIDADE DO ESTADO DA BAHIA - UNEB DEPARTAMENTO DE CIÊNCIAS EXATAS E DA TERRA COLEGIADO DO CURSO DE DESENHO INDUSTRIAL CAMPUS I - SALVADOR

UNIVERSIDADE DO ESTADO DA BAHIA - UNEB DEPARTAMENTO DE CIÊNCIAS EXATAS E DA TERRA COLEGIADO DO CURSO DE DESENHO INDUSTRIAL CAMPUS I - SALVADOR Matéra / Dscplna: Introdução à Informátca Sstema de Numeração Defnção Um sstema de numeração pode ser defndo como o conjunto dos dígtos utlzados para representar quantdades e as regras que defnem a forma

Leia mais

Associação de resistores em série

Associação de resistores em série Assocação de resstores em sére Fg.... Na Fg.. está representada uma assocação de resstores. Chamemos de I, B, C e D. as correntes que, num mesmo nstante, passam, respectvamente pelos pontos A, B, C e D.

Leia mais

Elaboração: Fevereiro/2008

Elaboração: Fevereiro/2008 Elaboração: Feverero/2008 Últma atualzação: 19/02/2008 E ste Caderno de Fórmulas tem por objetvo esclarecer aos usuáros a metodologa de cálculo e os crtéros de precsão utlzados na atualzação das Letras

Leia mais

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

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

Leia mais

Regressão e Correlação Linear

Regressão e Correlação Linear Probabldade e Estatístca I Antono Roque Aula 5 Regressão e Correlação Lnear Até o momento, vmos técncas estatístcas em que se estuda uma varável de cada vez, estabelecendo-se sua dstrbução de freqüêncas,

Leia mais

CAPÍTULO VI Introdução ao Método de Elementos Finitos (MEF)

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

Leia mais

Polos Olímpicos de Treinamento. Aula 10. Curso de Teoria dos Números - Nível 2. Divisores. Prof. Samuel Feitosa

Polos Olímpicos de Treinamento. Aula 10. Curso de Teoria dos Números - Nível 2. Divisores. Prof. Samuel Feitosa Polos Olímpcos de Trenamento Curso de Teora dos Números - Nível 2 Prof. Samuel Fetosa Aula 10 Dvsores Suponha que n = p α 1 2...pα é a fatoração em prmos do ntero n. Todos os dvsores de n são da forma

Leia mais

Sempre que surgir uma dúvida quanto à utilização de um instrumento ou componente, o aluno deverá consultar o professor para esclarecimentos.

Sempre que surgir uma dúvida quanto à utilização de um instrumento ou componente, o aluno deverá consultar o professor para esclarecimentos. Insttuto de Físca de São Carlos Laboratóro de Eletrcdade e Magnetsmo: Transferênca de Potênca em Crcutos de Transferênca de Potênca em Crcutos de Nesse prátca, estudaremos a potênca dsspada numa resstênca

Leia mais

CAPÍTULO 1 Exercícios Propostos

CAPÍTULO 1 Exercícios Propostos CAPÍTULO 1 Exercícos Propostos Atenção: Na resolução dos exercícos consderar, salvo menção em contráro, ano comercal de das. 1. Qual é a taxa anual de juros smples obtda em uma aplcação de $1.0 que produz,

Leia mais

1 a Lei de Kirchhoff ou Lei dos Nós: Num nó, a soma das intensidades de correntes que chegam é igual à soma das intensidades de correntes que saem.

1 a Lei de Kirchhoff ou Lei dos Nós: Num nó, a soma das intensidades de correntes que chegam é igual à soma das intensidades de correntes que saem. Les de Krchhoff Até aqu você aprendeu técncas para resolver crcutos não muto complexos. Bascamente todos os métodos foram baseados na 1 a Le de Ohm. Agora você va aprender as Les de Krchhoff. As Les de

Leia mais

1 Princípios da entropia e da energia

1 Princípios da entropia e da energia 1 Prncípos da entropa e da energa Das dscussões anterores vmos como o conceto de entropa fo dervado do conceto de temperatura. E esta últma uma conseqüênca da le zero da termodnâmca. Dentro da nossa descrção

Leia mais

Sistemas Robóticos. Sumário. Introdução. Introdução. Navegação. Introdução Onde estou? Para onde vou? Como vou lá chegar?

Sistemas Robóticos. Sumário. Introdução. Introdução. Navegação. Introdução Onde estou? Para onde vou? Como vou lá chegar? Sumáro Sstemas Robótcos Navegação Introdução Onde estou? Para onde vou? Como vou lá chegar? Carlos Carreto Curso de Engenhara Informátca Ano lectvo 2003/2004 Escola Superor de Tecnologa e Gestão da Guarda

Leia mais

UNIVERSIDADE PRESBITERIANA MACKENZIE CCSA - Centro de Ciências Sociais e Aplicadas Curso de Economia

UNIVERSIDADE PRESBITERIANA MACKENZIE CCSA - Centro de Ciências Sociais e Aplicadas Curso de Economia CCSA - Centro de Cêncas Socas e Aplcadas Curso de Economa ECONOMIA REGIONAL E URBANA Prof. ladmr Fernandes Macel LISTA DE ESTUDO. Explque a lógca da teora da base econômca. A déa que sustenta a teora da

Leia mais

7. Resolução Numérica de Equações Diferenciais Ordinárias

7. Resolução Numérica de Equações Diferenciais Ordinárias 7. Resolução Numérca de Equações Dferencas Ordnáras Fenômenos físcos em dversas áreas, tas como: mecânca dos fludos, fluo de calor, vbrações, crcutos elétrcos, reações químcas, dentre váras outras, podem

Leia mais

Física. Física Módulo 1 Vetores, escalares e movimento em 2-D

Física. Física Módulo 1 Vetores, escalares e movimento em 2-D Físca Módulo 1 Vetores, escalares e movmento em 2-D Vetores, Escalares... O que são? Para que servem? Por que aprender? Escalar Defnção: Escalar Grandea sem dreção assocada. Eemplos: Massa de uma bola,

Leia mais

Hoje não tem vitamina, o liquidificador quebrou!

Hoje não tem vitamina, o liquidificador quebrou! A U A UL LA Hoje não tem vtamna, o lqudfcador quebrou! Essa fo a notíca dramátca dada por Crstana no café da manhã, lgeramente amenzada pela promessa de uma breve solução. - Seu pa dsse que arruma à note!

Leia mais

7 - Distribuição de Freqüências

7 - Distribuição de Freqüências 7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste

Leia mais

Universidade Salvador UNIFACS Cursos de Engenharia Cálculo IV Profa: Ilka Rebouças Freire. Integrais Múltiplas

Universidade Salvador UNIFACS Cursos de Engenharia Cálculo IV Profa: Ilka Rebouças Freire. Integrais Múltiplas Unversdade Salvador UNIFACS Cursos de Engenhara Cálculo IV Profa: Ilka ebouças Frere Integras Múltplas Texto 3: A Integral Dupla em Coordenadas Polares Coordenadas Polares Introduzremos agora um novo sstema

Leia mais

CENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS - UnilesteMG

CENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS - UnilesteMG 1 CENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS - UnlesteMG Dscplna: Introdução à Intelgênca Artfcal Professor: Luz Carlos Fgueredo GUIA DE LABORATÓRIO LF. 01 Assunto: Lógca Fuzzy Objetvo: Apresentar o

Leia mais

Controle de Ponto Eletrônico. Belo Horizonte

Controle de Ponto Eletrônico. Belo Horizonte Controle de Ponto Eletrônco da Câmara Muncpal de Belo Horzonte Instrutor: André Mafa Latn DIVPES agosto de 2010 Objetvo Informar sobre o preenchmento da folha de frequênca; Facltar o trabalho das chefas;

Leia mais

IV - Descrição e Apresentação dos Dados. Prof. Herondino

IV - Descrição e Apresentação dos Dados. Prof. Herondino IV - Descrção e Apresentação dos Dados Prof. Herondno Dados A palavra "dados" é um termo relatvo, tratamento de dados comumente ocorre por etapas, e os "dados processados" a partr de uma etapa podem ser

Leia mais

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

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

Leia mais

Despacho Econômico de. Sistemas Termoelétricos e. Hidrotérmicos

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

Leia mais

Covariância e Correlação Linear

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

Leia mais

MA12 - Unidade 4 Somatórios e Binômio de Newton Semana de 11/04 a 17/04

MA12 - Unidade 4 Somatórios e Binômio de Newton Semana de 11/04 a 17/04 MA1 - Udade 4 Somatóros e Bômo de Newto Semaa de 11/04 a 17/04 Nesta udade troduzremos a otação de somatóro, mostrado como a sua mapulação pode sstematzar e facltar o cálculo de somas Dada a mportâca de

Leia mais

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha) Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado

Leia mais

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma Capítulo 8 Dferencação Numérca Quase todos os métodos numércos utlzados atualmente para obtenção de soluções de equações erencas ordnáras e parcas utlzam algum tpo de aproxmação para as dervadas contínuas

Leia mais

Análise de Projectos ESAPL / IPVC. Taxas Equivalentes Rendas

Análise de Projectos ESAPL / IPVC. Taxas Equivalentes Rendas Análse de Projectos ESAPL / IPVC Taxas Equvalentes Rendas Taxas Equvalentes Duas taxas e, referentes a períodos dferentes, dzem-se equvalentes se, aplcadas a um mesmo captal, produzrem durante o mesmo

Leia mais

As tabelas resumem as informações obtidas da amostra ou da população. Essas tabelas podem ser construídas sem ou com perda de informações.

As tabelas resumem as informações obtidas da amostra ou da população. Essas tabelas podem ser construídas sem ou com perda de informações. 1. TABELA DE DISTRIBUIÇÃO DE FREQÜÊNCIA As tabelas resumem as normações obtdas da amostra ou da população. Essas tabelas podem ser construídas sem ou com perda de normações. As tabelas sem perda de normação

Leia mais

Elaboração: Novembro/2005

Elaboração: Novembro/2005 Elaboração: Novembro/2005 Últma atualzação: 18/07/2011 Apresentação E ste Caderno de Fórmulas tem por objetvo nformar aos usuáros a metodologa e os crtéros de precsão dos cálculos referentes às Cédulas

Leia mais

Cálculo do Conceito ENADE

Cálculo do Conceito ENADE Insttuto aconal de Estudos e Pesqusas Educaconas Aníso Texera IEP Mnstéro da Educação ME álculo do onceto EADE Para descrever o cálculo do onceto Enade, prmeramente é mportante defnr a undade de observação

Leia mais

Capítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES

Capítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES Capítulo. Aproxmações numércas 1D em malhas unformes 9 Capítulo. AROXIMAÇÕS NUMÉRICAS 1D M MALHAS UNIFORMS O prncípo fundamental do método das dferenças fntas (MDF é aproxmar através de expressões algébrcas

Leia mais

3 Algoritmos propostos

3 Algoritmos propostos Algortmos propostos 3 Algortmos propostos Nesse trabalho foram desenvolvdos dos algortmos que permtem classfcar documentos em categoras de forma automátca, com trenamento feto por usuáros Tas algortmos

Leia mais

Nota Técnica Médias do ENEM 2009 por Escola

Nota Técnica Médias do ENEM 2009 por Escola Nota Técnca Médas do ENEM 2009 por Escola Crado em 1998, o Exame Naconal do Ensno Médo (ENEM) tem o objetvo de avalar o desempenho do estudante ao fm da escolardade básca. O Exame destna-se aos alunos

Leia mais

Objetivos da aula. Essa aula objetiva fornecer algumas ferramentas descritivas úteis para

Objetivos da aula. Essa aula objetiva fornecer algumas ferramentas descritivas úteis para Objetvos da aula Essa aula objetva fornecer algumas ferramentas descrtvas útes para escolha de uma forma funconal adequada. Por exemplo, qual sera a forma funconal adequada para estudar a relação entre

Leia mais

Lista de Exercícios de Recuperação do 2 Bimestre. Lista de exercícios de Recuperação de Matemática 3º E.M.

Lista de Exercícios de Recuperação do 2 Bimestre. Lista de exercícios de Recuperação de Matemática 3º E.M. Lsta de Exercícos de Recuperação do Bmestre Instruções geras: Resolver os exercícos à caneta e em folha de papel almaço ou monobloco (folha de fcháro). Copar os enuncados das questões. Entregar a lsta

Leia mais

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

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

Leia mais

ESPELHOS E LENTES ESPELHOS PLANOS

ESPELHOS E LENTES ESPELHOS PLANOS ESPELHOS E LENTES 1 Embora para os povos prmtvos os espelhos tvessem propredades mágcas, orgem de lendas e crendces que estão presentes até hoje, para a físca são apenas superfíces poldas que produzem

Leia mais

Sistemas de Filas: Aula 5. Amedeo R. Odoni 22 de outubro de 2001

Sistemas de Filas: Aula 5. Amedeo R. Odoni 22 de outubro de 2001 Sstemas de Flas: Aula 5 Amedeo R. Odon 22 de outubro de 2001 Teste 1: 29 de outubro Com consulta, 85 mnutos (níco 10:30) Tópcos abordados: capítulo 4, tens 4.1 a 4.7; tem 4.9 (uma olhada rápda no tem 4.9.4)

Leia mais

5 Formulação para Problemas de Potencial

5 Formulação para Problemas de Potencial 48 Formulação para Problemas de Potencal O prncpal objetvo do presente capítulo é valdar a função de tensão do tpo Westergaard obtda para uma trnca com abertura polnomal (como mostrado na Fgura 9a) quando

Leia mais

www.obconcursos.com.br/portal/v1/carreirafiscal

www.obconcursos.com.br/portal/v1/carreirafiscal www.obconcursos.com.br/portal/v1/carrerafscal Moda Exercíco: Determne o valor modal em cada um dos conjuntos de dados a segur: X: { 3, 4,, 8, 8, 8, 9, 10, 11, 1, 13 } Mo 8 Y: { 10, 11, 11, 13, 13, 13,

Leia mais

Exercícios de Física. Prof. Panosso. Fontes de campo magnético

Exercícios de Física. Prof. Panosso. Fontes de campo magnético 1) A fgura mostra um prego de ferro envolto por um fo fno de cobre esmaltado, enrolado mutas vezes ao seu redor. O conjunto pode ser consderado um eletroímã quando as extremdades do fo são conectadas aos

Leia mais

ELETRICIDADE E MAGNETISMO

ELETRICIDADE E MAGNETISMO PONTIFÍCIA UNIVERSIDADE CATÓLICA DE GOIÁS DEPARTAMENTO DE MATEMÁTICA E FÍSICA Professor: Renato Mederos ELETRICIDADE E MAGNETISMO NOTA DE AULA III Goâna - 2014 CORRENTE ELÉTRICA Estudamos anterormente

Leia mais

4 Critérios para Avaliação dos Cenários

4 Critérios para Avaliação dos Cenários Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada

Leia mais

PARTE 1. 1. Apresente as equações que descrevem o comportamento do preço de venda dos imóveis.

PARTE 1. 1. Apresente as equações que descrevem o comportamento do preço de venda dos imóveis. EXERCICIOS AVALIATIVOS Dscplna: ECONOMETRIA Data lmte para entrega: da da 3ª prova Valor: 7 pontos INSTRUÇÕES: O trabalho é ndvdual. A dscussão das questões pode ser feta em grupo, mas cada aluno deve

Leia mais

Caderno de Exercícios Resolvidos

Caderno de Exercícios Resolvidos Estatístca Descrtva Exercíco 1. Caderno de Exercícos Resolvdos A fgura segunte representa, através de um polígono ntegral, a dstrbução do rendmento nas famílas dos alunos de duas turmas. 1,,75 Turma B

Leia mais

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

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

Leia mais

Apostila de Estatística Curso de Matemática. Volume II 2008. Probabilidades, Distribuição Binomial, Distribuição Normal. Prof. Dr. Celso Eduardo Tuna

Apostila de Estatística Curso de Matemática. Volume II 2008. Probabilidades, Distribuição Binomial, Distribuição Normal. Prof. Dr. Celso Eduardo Tuna Apostla de Estatístca Curso de Matemátca Volume II 008 Probabldades, Dstrbução Bnomal, Dstrbução Normal. Prof. Dr. Celso Eduardo Tuna 1 Capítulo 8 - Probabldade 8.1 Conceto Intutvamente pode-se defnr probabldade

Leia mais

Física. Setor B. Índice-controle de Estudo. Prof.: Aula 23 (pág. 86) AD TM TC. Aula 24 (pág. 87) AD TM TC. Aula 25 (pág.

Física. Setor B. Índice-controle de Estudo. Prof.: Aula 23 (pág. 86) AD TM TC. Aula 24 (pág. 87) AD TM TC. Aula 25 (pág. Físca Setor Prof.: Índce-controle de studo ula 23 (pág. 86) D TM TC ula 24 (pág. 87) D TM TC ula 25 (pág. 88) D TM TC ula 26 (pág. 89) D TM TC ula 27 (pág. 91) D TM TC ula 28 (pág. 91) D TM TC evsanglo

Leia mais

Classificação e Pesquisa de Dados

Classificação e Pesquisa de Dados Classcação por Trocas Classcação e Pesqusa de Dados Aula 05 Classcação de dados por Troca:, ntrodução ao Qucksort UFRGS INF01124 Classcação por comparação entre pares de chaves, trocando-as de posção caso

Leia mais

PROVA DE MATEMÁTICA DO VESTIBULAR 2013 DA UNICAMP-FASE 1. RESOLUÇÃO: PROFA. MARIA ANTÔNIA C. GOUVEIA

PROVA DE MATEMÁTICA DO VESTIBULAR 2013 DA UNICAMP-FASE 1. RESOLUÇÃO: PROFA. MARIA ANTÔNIA C. GOUVEIA PROVA DE MATEMÁTICA DO VESTIBULAR 03 DA UNICAMP-FASE. PROFA. MARIA ANTÔNIA C. GOUVEIA QUESTÃO 37 A fgura abaxo exbe, em porcentagem, a prevsão da oferta de energa no Brasl em 030, segundo o Plano Naconal

Leia mais

Metodologia IHFA - Índice de Hedge Funds ANBIMA

Metodologia IHFA - Índice de Hedge Funds ANBIMA Metodologa IHFA - Índce de Hedge Funds ANBIMA Versão Abrl 2011 Metodologa IHFA Índce de Hedge Funds ANBIMA 1. O Que é o IHFA Índce de Hedge Funds ANBIMA? O IHFA é um índce representatvo da ndústra de hedge

Leia mais

Escolha do Consumidor sob condições de Risco e de Incerteza

Escolha do Consumidor sob condições de Risco e de Incerteza 9/04/06 Escolha do Consumdor sob condções de Rsco e de Incerteza (Capítulo 7 Snyder/Ncholson e Capítulo Varan) Turma do Prof. Déco Kadota Dstnção entre Rsco e Incerteza Na lteratura econômca, a prmera

Leia mais

Camila Spinassé INTRODUÇÃO À MATEMÁTICA FINANCEIRA PARA ALUNOS NA EDUCAÇÃO DE JOVENS E ADULTOS

Camila Spinassé INTRODUÇÃO À MATEMÁTICA FINANCEIRA PARA ALUNOS NA EDUCAÇÃO DE JOVENS E ADULTOS Camla Spnassé INTRODUÇÃO À MATEMÁTICA FINANCEIRA PARA ALUNOS NA EDUCAÇÃO DE JOVENS E ADULTOS Vtóra Agosto de 2013 Camla Spnassé INTRODUÇÃO À MATEMÁTICA FINANCEIRA PARA ALUNOS NA EDUCAÇÃO DE JOVENS E ADULTOS

Leia mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média. Estatístca Dscplna de Estatístca 0/ Curso de Admnstração em Gestão Públca Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos uns dos

Leia mais

SÉRIE DE PROBLEMAS: CIRCUITOS DE ARITMÉTICA BINÁRIA. CIRCUITOS ITERATIVOS.

SÉRIE DE PROBLEMAS: CIRCUITOS DE ARITMÉTICA BINÁRIA. CIRCUITOS ITERATIVOS. I 1. Demonstre que o crcuto da Fg. 1 é um half-adder (semsomador), em que A e B são os bts que se pretendem somar, S é o bt soma e C out é o bt de transporte (carry out). Fg. 1 2. (Taub_5.4-1) O full-adder

Leia mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média. Estatístca Dscplna de Estatístca 0/ Curso Superor de tecnólogo em Gestão Ambental Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos

Leia mais

Trabalho e Energia. Definimos o trabalho W realizado pela força sobre uma partícula como o produto escalar da força pelo deslocamento.

Trabalho e Energia. Definimos o trabalho W realizado pela força sobre uma partícula como o produto escalar da força pelo deslocamento. Trabalho e Energa Podemos denr trabalho como a capacdade de produzr energa. Se uma orça eecutou um trabalho sobre um corpo ele aumentou a energa desse corpo de. 1 OBS: Quando estudamos vetores vmos que

Leia mais

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de

Leia mais

Física. Setor A. Índice-controle de Estudo. Prof.: Aula 25 (pág. 86) AD TM TC. Aula 26 (pág. 86) AD TM TC. Aula 27 (pág.

Física. Setor A. Índice-controle de Estudo. Prof.: Aula 25 (pág. 86) AD TM TC. Aula 26 (pág. 86) AD TM TC. Aula 27 (pág. Físca Setor Prof.: Índce-controle de studo ula 25 (pág. 86) D TM TC ula 26 (pág. 86) D TM TC ula 27 (pág. 87) D TM TC ula 28 (pág. 87) D TM TC ula 29 (pág. 90) D TM TC ula 30 (pág. 90) D TM TC ula 31 (pág.

Leia mais

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

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

Leia mais

CORRELAÇÃO E REGRESSÃO

CORRELAÇÃO E REGRESSÃO CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr

Leia mais

Fast Multiresolution Image Querying

Fast Multiresolution Image Querying Fast Multresoluton Image Queryng Baseado no artgo proposto por: Charles E. Jacobs Adan Fnkelsten Davd H. Salesn Propõe um método para busca em um banco de dados de magem utlzando uma magem de consulta

Leia mais

Prof. Benjamin Cesar. Onde a(n, i) é o fator de valor atual de uma série de pagamentos. M: montante da renda na data do último depósito.

Prof. Benjamin Cesar. Onde a(n, i) é o fator de valor atual de uma série de pagamentos. M: montante da renda na data do último depósito. Matemátca Fnancera Rendas Certas Prof. Benjamn Cesar Sére de Pagamentos Unforme e Peródca. Rendas Certas Anudades. É uma sequênca de n pagamentos de mesmo valor P, espaçados de um mesmo ntervalo de tempo

Leia mais

Y X Baixo Alto Total Baixo 1 (0,025) 7 (0,175) 8 (0,20) Alto 19 (0,475) 13 (0,325) 32 (0,80) Total 20 (0,50) 20 (0,50) 40 (1,00)

Y X Baixo Alto Total Baixo 1 (0,025) 7 (0,175) 8 (0,20) Alto 19 (0,475) 13 (0,325) 32 (0,80) Total 20 (0,50) 20 (0,50) 40 (1,00) Bussab&Morettn Estatístca Básca Capítulo 4 Problema. (b) Grau de Instrução Procedênca º grau º grau Superor Total Interor 3 (,83) 7 (,94) (,) (,33) Captal 4 (,) (,39) (,) (,3) Outra (,39) (,7) (,) 3 (,3)

Leia mais

ESCOLA DE APLICAÇÃO DR. ALFREDO JOSÉ BALBI UNITAU APOSTILA PROF. CARLINHOS MATRIZES NOME DO ALUNO: Nº TURMA: blog.portalpositivo.com.

ESCOLA DE APLICAÇÃO DR. ALFREDO JOSÉ BALBI UNITAU APOSTILA PROF. CARLINHOS MATRIZES NOME DO ALUNO: Nº TURMA: blog.portalpositivo.com. ESCOL DE PLICÇÃO DR. LFREDO JOSÉ BLBI UNITU POSTIL MTRIZES PROF. CRLINHOS NOME DO LUNO: Nº TURM: blog.portalpostvo.com.br/captcar MTRIZES Uma matrz de ordem m x n é qualquer conunto de m. n elementos dspostos

Leia mais

AULA Espaços Vectoriais Estruturas Algébricas.

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

Leia mais

Estatística stica Descritiva

Estatística stica Descritiva AULA1-AULA5 AULA5 Estatístca stca Descrtva Prof. Vctor Hugo Lachos Davla oo que é a estatístca? Para mutos, a estatístca não passa de conjuntos de tabelas de dados numércos. Os estatístcos são pessoas

Leia mais

CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues

CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogéro Rodrgues I) TABELA PRIMITIVA E DISTRIBUIÇÃO DE FREQÜÊNCIA : No processo de amostragem, a forma de regstro mas

Leia mais

Sinais Luminosos 2- CONCEITOS BÁSICOS PARA DIMENSIONAMENTO DE SINAIS LUMINOSOS.

Sinais Luminosos 2- CONCEITOS BÁSICOS PARA DIMENSIONAMENTO DE SINAIS LUMINOSOS. Snas Lumnosos 1-Os prmeros snas lumnosos Os snas lumnosos em cruzamentos surgem pela prmera vez em Londres (Westmnster), no ano de 1868, com um comando manual e com os semáforos a funconarem a gás. Só

Leia mais

MANUAL DE INSTRUÇÕES CODIFICAÇÃO 7 BC DELPHI COM 93LC66B SR110064 CARGA 032. Evolution. www.chavesgold.com.br

MANUAL DE INSTRUÇÕES CODIFICAÇÃO 7 BC DELPHI COM 93LC66B SR110064 CARGA 032. Evolution. www.chavesgold.com.br MANUAL DE INSTRUÇÕES CODIFICAÇÃO 7 BC DELPHI COM 93LC66B SR110064 CARGA 032 www.chavesgold.com.br Evoluton 02 INDICE CODIFICAÇÃO 7 BC DELPHI COM 93LC66B BODY COMPUTER DELPHI Rotna Para Verfcação Delph...03

Leia mais

CQ110 : Princípios de FQ

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

Leia mais

Professor Mauricio Lutz CORRELAÇÃO

Professor Mauricio Lutz CORRELAÇÃO Professor Maurco Lutz 1 CORRELAÇÃO Em mutas stuações, torna-se nteressante e útl estabelecer uma relação entre duas ou mas varáves. A matemátca estabelece város tpos de relações entre varáves, por eemplo,

Leia mais

Eletrotécnica AULA Nº 1 Introdução

Eletrotécnica AULA Nº 1 Introdução Eletrotécnca UL Nº Introdução INTRODUÇÃO PRODUÇÃO DE ENERGI ELÉTRIC GERDOR ESTÇÃO ELEVDOR Lnha de Transmssão ESTÇÃO IXDOR Equpamentos Elétrcos Crcuto Elétrco: camnho percorrdo por uma corrente elétrca

Leia mais

Escola Secundária Dr. Ângelo Augusto da Silva Matemática 12.º ano Números Complexos - Exercícios saídos em (Exames Nacionais 2000)

Escola Secundária Dr. Ângelo Augusto da Silva Matemática 12.º ano Números Complexos - Exercícios saídos em (Exames Nacionais 2000) Internet: http://rolvera.pt.to ou http://sm.page.vu Escola Secundára Dr. Ângelo Augusto da Slva Matemátca.º ano Números Complexos - Exercícos saídos em (Exames Naconas 000). Seja C o conjunto dos números

Leia mais

Prof. Antônio Carlos Fontes dos Santos. Aula 1: Divisores de tensão e Resistência interna de uma fonte de tensão

Prof. Antônio Carlos Fontes dos Santos. Aula 1: Divisores de tensão e Resistência interna de uma fonte de tensão IF-UFRJ Elementos de Eletrônca Analógca Prof. Antôno Carlos Fontes dos Santos FIW362 Mestrado Profssonal em Ensno de Físca Aula 1: Dvsores de tensão e Resstênca nterna de uma fonte de tensão Este materal

Leia mais

Hansard OnLine. Guia Unit Fund Centre

Hansard OnLine. Guia Unit Fund Centre Hansard OnLne Gua Unt Fund Centre Índce Págna Introdução ao Unt Fund Centre (UFC) 3 Usando fltros do fundo 4-5 Trabalhando com os resultados do fltro 6 Trabalhando com os resultados do fltro Preços 7 Trabalhando

Leia mais

Psicologia Conexionista Antonio Roque Aula 8 Modelos Conexionistas com tempo contínuo

Psicologia Conexionista Antonio Roque Aula 8 Modelos Conexionistas com tempo contínuo Modelos Conexonstas com tempo contínuo Mutos fenômenos de aprendzado assocatvo podem ser explcados por modelos em que o tempo é uma varável dscreta como nos casos vstos nas aulas anterores. Tas modelos

Leia mais

IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO

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

Leia mais

Probabilidade e Estatística. Correlação e Regressão Linear

Probabilidade e Estatística. Correlação e Regressão Linear Probabldade e Estatístca Correlação e Regressão Lnear Correlação Este uma correlação entre duas varáves quando uma delas está, de alguma forma, relaconada com a outra. Gráfco ou Dagrama de Dspersão é o

Leia mais

Parte 1: Exercícios Teóricos

Parte 1: Exercícios Teóricos Cálculo Numérco SME0300 ICMC-USP Lsta 2: Sstemas Lneares Métodos Dretos Professora: Cyntha de O. Lage Ferrera Parte 1: Exercícos Teórcos 1. Consdere o sstema Ax = b, onde 1 α 3 α 1 4 ; x = 5 2 1 Para que

Leia mais

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

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,

Leia mais

2 Máquinas de Vetor Suporte 2.1. Introdução

2 Máquinas de Vetor Suporte 2.1. Introdução Máqunas de Vetor Suporte.. Introdução Os fundamentos das Máqunas de Vetor Suporte (SVM) foram desenvolvdos por Vapnk e colaboradores [], [3], [4]. A formulação por ele apresentada se basea no prncípo de

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

Introdução à Análise de Dados nas medidas de grandezas físicas

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

Leia mais

Controle Estatístico de Qualidade. Capítulo 8 (montgomery)

Controle Estatístico de Qualidade. Capítulo 8 (montgomery) Controle Estatístco de Qualdade Capítulo 8 (montgomery) Gráfco CUSUM e da Méda Móvel Exponencalmente Ponderada Introdução Cartas de Controle Shewhart Usa apenas a nformação contda no últmo ponto plotado

Leia mais

MÉTODOS DE ANÁLISE DE CIRCUITOS RESISTIVOS ANÁLISE NODAL

MÉTODOS DE ANÁLISE DE CIRCUITOS RESISTIVOS ANÁLISE NODAL CIRCUITOS ELÉTRICOS Método de Análse: Análse Nodal Dscplna: CIRCUITOS ELÉTRICOS Professor: Dr Marcos Antôno de Sousa Tópco MÉTODOS DE ANÁLISE DE CIRCUITOS RESISTIVOS ANÁLISE NODAL Referênca bbloráfca básca:

Leia mais

S.A. 1. 2002; TIPLER, P. A.; MOSCA, G.

S.A. 1. 2002; TIPLER, P. A.; MOSCA, G. Rotação Nota Alguns sldes, fguras e exercícos pertencem às seguntes referêncas: HALLIDAY, D., RESNICK, R., WALKER, J. Fundamentos da Físca. V 1. 4a.Edção. Ed. Lvro Técnco Centífco S.A. 00; TIPLER, P. A.;

Leia mais

Notas Processos estocásticos. Nestor Caticha 23 de abril de 2012

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

Leia mais

Eletricidade 3 Questões do ENEM. 8. Campo Elétrico 11 Questões do ENEM 13. Energia Potencial Elétrica 15 Questões do ENEM 20

Eletricidade 3 Questões do ENEM. 8. Campo Elétrico 11 Questões do ENEM 13. Energia Potencial Elétrica 15 Questões do ENEM 20 1 4º Undade Capítulo XIII Eletrcdade 3 Questões do ENEM. 8 Capítulo XIV Campo Elétrco 11 Questões do ENEM 13 Capítulo XV Energa Potencal Elétrca 15 Questões do ENEM 20 Capítulo XVI Elementos de Um Crcuto

Leia mais

2ª PARTE Estudo do choque elástico e inelástico.

2ª PARTE Estudo do choque elástico e inelástico. 2ª PARTE Estudo do choque elástco e nelástco. Introdução Consderemos dos corpos de massas m 1 e m 2, anmados de velocdades v 1 e v 2, respectvamente, movmentando-se em rota de colsão. Na colsão, os corpos

Leia mais

Eletricidade 3. Campo Elétrico 8. Energia Potencial Elétrica 10. Elementos de Um Circuito Elétrico 15. Elementos de Um Circuito Elétrico 20

Eletricidade 3. Campo Elétrico 8. Energia Potencial Elétrica 10. Elementos de Um Circuito Elétrico 15. Elementos de Um Circuito Elétrico 20 1 3º Undade Capítulo XI Eletrcdade 3 Capítulo XII Campo Elétrco 8 Capítulo XIII Energa Potencal Elétrca 10 Capítulo XIV Elementos de Um Crcuto Elétrco 15 Capítulo XV Elementos de Um Crcuto Elétrco 20 Questões

Leia mais

Estatística Experimental Medicina Veterinária. Faculadade de Ciências Agrárias e Veterinárias. Campus de Jaboticabal SP. Gener Tadeu Pereira

Estatística Experimental Medicina Veterinária. Faculadade de Ciências Agrárias e Veterinárias. Campus de Jaboticabal SP. Gener Tadeu Pereira MATERIAL DIDÁTICO Medcna Veternára Faculadade de Cêncas Agráras e Veternáras Campus de Jabotcabal SP Gener Tadeu Perera º SEMESTRE DE 04 ÍNDICE INTRODUÇÃO AO R AULA ESTATÍSTICA DESCRITIVA 3 º EXERCÍCIO

Leia mais

Programa do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall

Programa do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall Sstemas Intelgentes Aplcados Carlos Hall Programa do Curso Lmpeza/Integração de Dados Transformação de Dados Dscretzação de Varáves Contínuas Transformação de Varáves Dscretas em Contínuas Transformação

Leia mais