2 Fundamentos teóricos

Tamanho: px
Começar a partir da página:

Download "2 Fundamentos teóricos"

Transcrição

1 2 Fundamentos teórcos Neste capítulo, são apresentados sucntamente os fundamentos teórcos sobre os quas está alcerçada esta dssertação, que abrangem as característcas do sstema de medção e do sstema-fonte, os métodos estatístcos utlzados, e o posconamento da Organzação do Tratado do Atlântco Norte (OTAN) sobre calbração de transdutores. 2.1 Prncípo de funconamento e hstórco dos transdutores pezelétrcos O efeto pezelétrco fo descoberto pelos rmãos Perre e Jacques Cure em 1880, e permaneceu como mera curosdade até a década de 40 (KISTLER, 19 ) Ele consste na propredade de certos crstas, aqueles que não possuem um centro de smetra, de gerar carga elétrca quando submetdos a uma carga mecânca que vara com o tempo. Mas essa carga elétrca gerada, snal de saída de um transdutor pezelétrco, era pequena demas 3 para ser medda com exatdão, mesmo se utlzando os amplfcadores então dsponíves. Por sso, essa propredade não teve nenhuma aplcação prátca até o desenvolvmento dos amplfcadores de carga de alta mpedânca de entrada, que possbltaram aos engenheros nferr a carga mecânca a partr do snal elétrco amplfcado. Na década de 50, tubos eletrômetros de qualdade razoável tornaram-se dsponíves e o efeto pezelétrco fo comercalzado. O prncípo do amplfcador de carga fo patenteado por W. P. Kstler em 1950 e ganhou mportânca prátca na década de 60 (KISTLER, 19 ). A ntrodução do MOSFET 4 e o desenvolvmento de materas altamente solantes, tas como o PTFE 5 e o Kapton, melhoraram muto o desempenho e mpulsonaram o uso dos sensores pezelétrcos em pratcamente todas as áreas da tecnologa moderna e da ndústra, quas sejam: Aeroespacal: túnes de vento, tubos de choque, foguetes. 3 Da ordem de pcocoulombs. 4 Metal Oxde Semconductor Feld-Effect Transstor.

2 23 Balístca: combustão, explosão, detonação, dstrbução da pressão acústca. Bomecânca: medda de força de múltplas componentes em ortopeda, esportes, ergonoma, neurologa, cardologa e reabltação. Motores de combustão nterna. Tecnologa de produção: comparação de materas, medda da força cortante, vda útl da ferramenta, seleção da ferramenta certa da condção ótma de corte. Testes de materas: testes de mpacto e de vbração. Pneumátca: meddas em sstemas de controle e elementos lógcos. Engenhara de reatores: reatores pressurzados à água, vbração etc. Os crstas pezelétrcos são transdutores elétrcos atvos, pos um únco snal de entrada, orgnado do sstema-fonte, aquele que se quer medr, é sufcente para que o transdutor gere seu snal de saída, que é elétrco. Um crstal pezelétrco produz um snal elétrco de saída apenas quando expermenta uma mudança na carga a que está exposto. Por esta razão, um transdutor pezelétrco não é adequado para medção de carga estátca, já que, nesse caso, não há mudança, no decorrer do tempo, da carga a que está sujeto. Um transdutor pezelétrco consste, essencalmente, de fnas lâmnas ou chapas, cortadas de manera adequada em relação aos exos do crstal, para dar a máxma resposta pezelétrca numa dreção desejada, ao mesmo tempo com pouca ou nenhuma resposta em outras dreções. Estas lâmnas são arrumadas em uma plha e, usualmente, são preceddas por uma mola. A coluna de quartzo assm formada gera um snal elétrco da ordem de pcocoulombs, que é dretamente proporconal à carga mecânca a que está submetda a coluna. Fgura 4 Transdutor pezelétrco de pressão. Fonte: Catálogo do fabrcante AVL: Statc and Dynamc Calbraton of Pezoelectrc Hgh-Pressure Transducers 5 Poltetrafluoretleno.

3 Balístca nterna De acordo com Farrar e Leemng (1983), balístca nterna é o estudo centífco dos processos que ocorrem dentro de uma arma de fogo, desde o momento em que a quema do propelente é ncada. A segur, é descrta a seqüênca do tro na balístca nterna (Fguras 5 e 6), segundo os mesmos autores: A seqüênca do tro é ncada pela gnção do ncador ( prmer, estoplha, cápsula). Os gases quentes resultantes dessa gnção ncam, por sua vez, o propelente. À medda que a quema acontece, uma grande quantdade de gases é gerada naquele espaço confnado entre a câmara e o projetl, que pratcamente veda a passagem de gases entre ele, projetl, e o tubo. Assm, os gases e a energa lberados pelo ncador e pelo propelente não podem escapar: há um resultante aumento abrupto da pressão e da temperatura dentro da câmara. A taxa de quema do propelente é proporconal à pressão, por consegunte, o aumento da pressão é acompanhado de aumento na taxa de produção de gases. O aumento de pressão é, então, mnmzado pelo níco do movmento do projetl ao longo do tubo da arma. A pressão na qual esse movmento se nca é conhecda como pressão de níco de tro. O projetl encontrará então, quase que medatamente, o raamento do tubo e dmnurá de velocdade ou parará novamente até que a pressão tenha aumentado o sufcente para empurrá-lo ao longo da alma raada do tubo. A cnta de forçamento ou a superfíce do própro projetl, dependendo do projeto, se amoldará à forma do raamento, se a alma do tubo for raada. A resstênca, então, ca, permtndo que o projetl seja acelerado. À medda que o projetl se move para frente, ele é forçado a grar em torno do própro exo pelo raamento e dexa para trás um volume adconal para ser preenchdo pelos gases propelentes. O propelente anda está quemando, produzndo gases de alta pressão tão rapdamente que o movmento do projetl não pode compensar totalmente: como resultado, a pressão contnua subndo até que o pco de pressão é atngdo, o que ocorre quando o projetl já tenha se movdo cerca de um décmo do comprmento total do tubo da arma. O projetl contnua a ser acelerado rapdamente e o espaço que ele va dexando para trás passa a exceder a taxa de produção de gases de alta pressão e, então, a pressão começa a car. O próxmo estágo é a posção de quema total, na qual a quema do propelente é fnalzada, pos todo o propelente já fo gasto. No

4 25 entanto, anda há uma consderável pressão no tubo da arma, fazendo com que o projetl contnue aumentando de velocdade durante seu movmento dentro do tubo. À medda que ele se aproxma da saída do tubo (boca do tubo), os gases propelentes se expandem, a pressão ca e a aceleração dmnu. No momento em que o projetl dexa a arma, a pressão estará reduzda a cerca de um sexto do pco de pressão. O fluxo de gases, segundo o projetl já fora da boca do tubo, mplementa nele uma aceleração adconal por uma curta dstânca. Assm, a completa velocdade de boca do projetl só é atngda quando o mesmo está a alguma dstânca além da boca. Depos dsso, o projetl fca logo lvre da nfluênca dos gases propelentes e contnua sua trajetóra, sendo levemente desacelerado pela resstênca do ar. A seqüênca ntera do tro, desde a gnção do ncador até a saída do tubo, ocorre tpcamente em cerca de 15 ms. Para uma arma de porte, a seqüênca pode levar menos de 1 ms, mas talvez leve cerca de 25 ms para um tubo grande de artlhara. Há uma curva real de tro no Anexo E. Fgura 5 Seqüênca de Tro da Balístca Interna Fonte: Apostla da Escola de Materal Bélco (EsMB) do Exércto

5 26 Fgura 6 Curvas típcas da Balístca Interna: Pressão x Tempo, Velocdade x Tempo, e Posção x Tempo. Fonte: Mltary ballstcs, a basc manual (Farrar; Leemng). 2.3 Adequação do Sstema de Medção utlzado Como vsto em 2.2, a seqüênca ntera do tro dfclmente tem tempo de duração nferor a 1 ms. Num provete (tubo de teste), que tem comprmento mas longo que o tubo de uma arma de porte, é muto pouco provável que o tempo de duração do evento da balístca nterna seja nferor a 1 ms, e se o for, anda assm, esse tempo de duração será grande se comparado com o rse tme 6 do sstema de medção utlzado. Esse sstema é composto de transdutor, amplfcador de carga, e oscloscólo. O rse tme de um transdutor pezelétrco (Anexo A) é, na por das hpóteses, gual a 4 µs, havendo transdutores com rse tme de até 1,5 µs, de acordo com catálogos dos fabrcantes HPI e Kstler. O amplfcador de carga fo projetado pela Kstler para amplfcar snal de saída de transdutor pezelétrco, portanto tem rse tme compatível (Anexo B). Já o oscloscópo utlzado tem um rse tme de 3,5 ns, de acordo com o manual do fabrcante HP (Anexo C). Ele tem uma taxa de amostragem de 10 megaamostras por segundo, ou seja, 10 7 amostras em cada 1000ms, que é gual à 10 7 /10 3 =10 4 amostras em cada 1ms. Isto quer dzer que em 1ms o oscloscópo terá coletado 10 ml amostras. Pode-se consderar, então, que o sstema de medção transdutor+amplfcador+oscloscópo é muto mas rápdo que o evento da 6 Entende-se por rse tme de um nstrumento, o ntervalo de tempo necessáro para que o mesmo atnja um valor fnal, uma vez que um degrau fo aplcado como nput (Orlando, 2004).

6 27 balístca nterna, cuja pressão ele se propõe a medr. Se sso não fosse verdade, o sstema de medção podera acusar uma pressão aquém da pressão real. Como ele é muto mas rápdo que o sstema-fonte 7, pode-se consderar que ele efetua a medção quase que nstantaneamente, não ocorrendo, dessa forma, atenuação sgnfcatva. Fgura 7 Faxa de medção e de calbração dnâmca. Fonte: Catálogo do fabrcante AVL: Pezoelectrc Hgh Pressure Transducers 2.4 Métodos estatístcos utlzados Aqu são apresentados, de forma bem sucnta, apenas os métodos estatístcos que foram utlzados nesta dssertação, de acordo com o Gua para a Expressão da Incerteza de Medção (1998) O valor que melhor representa o valor verdadero Quando se mede o valor de uma grandeza X váras vezes, o valor que melhor representa o valor verdadero dessa grandeza é a méda artmétca de todas as meddas encontradas. Deve-se notar que, quando a estmatva do valor verdadero da grandeza é tomada como a méda artmétca, a soma dos quadrados dos desvos das meddas em relação a esta estmatva é um mínmo. Esse é essencalmente o prncípo do Método dos Mínmos Quadrados (BENEDICT, 1984). X = 1 n n X = 1 (1) 7 Aquele que se quer medr.

7 28 Nesta expressão, X é a méda artmétca; n é o número de medções efetuadas. X é a -ésma medção efetuada, e Se n, então X µ, e µ é a méda verdadera A ncerteza padrão como medda da dspersão e o ntervalo de confança A ncerteza padrão u é equvalente a 1 (um) desvo padrão. O desvo padrão é a medda da dspersão dessa grandeza X em torno da méda. Costuma-se chamá-lo de σ, e de s sua estmatva. Ele tem a mesma undade de X. Para uma dstrbução normal, 68,27% de todos os possíves valores de X carão dentro do ntervalo µ ± σ, 95,45% carão em µ ± 2σ, e 99,73% em µ ± 3σ. As expressões matemátcas para cálculo de σ e de s são as seguntes: 1/ 2 2 n 1 σ = ( X µ ), n. (2) n = 1 1/ 2 2 n 1 s = X n 1 X, para n pequeno. (3) = 1 Note que, na segunda expressão, n 1 é usado ao nvés de n. Isso é feto para compensar o fato de que a estmatva s sempre subestma σ. Mesmo assm, o valor estmado de σ contnua subestmando o valor verdadero e sso é tanto mas evdente quanto menor é a amostra (BENEDICT, 1984). Outro fato nteressante é que se X é uma varável aleatóra, a méda de X é outra varável aleatóra cujo desvo-padrão é gual ao desvo-padrão de X dvddo por n. Assm, temos: σ σ = (4) méda n

8 A dstrbução t de Student Reconhecendo a defcênca de o desvo-padrão amostral subestmar o desvo-padrão da população, um método fo desenvolvdo pelo químco nglês W. S. Gosset em 1907, sob o pseudônmo Student, pelo qual ntervalos de confança poderam ser obtdos a partr da estmatva s do desvo-padrão de uma smples amostra pequena (BENEDICT, 1984). Ele ntroduzu um fator de abrangênca a que denomnou de t ν, p de Student para ser multplcado pela estmatva s e assm amenzar o efeto de subestmar o desvo-padrão σ. Este fator de abrangênca, como se vê na Tabela 1, é função do número de graus de lberdade ν e do nível de confança desejado. O número de graus de lberdade pode ser defndo, em geral, como o número de observações (medções efetuadas) menos o número de constantes calculadas a partr dos resultados dessas observações. No caso da estmatva s do desvo-padrão, a quantdade de constantes calculadas a partr dos dados é gual a 1 (um), porque a únca constante calculada a partr das meddas é a estmatva da méda. Tabela 1 - Valores de t-student como função do número de graus de lberdade Nível de confança desejado ν = n 1 68,27 % 95,45 % 99,73 % (Graus de lberdade) (1σ ) (2σ ) (3σ ) 1 1,84 13,97 235,80 2 1,32 4,53 19,21 3 1,20 3,31 9,22 4 1,14 2,87 6,62 5 1,11 2,65 5,51 6 1,09 2,52 4,90 7 1,08 2,43 4,53 8 1,07 2,37 4,28 9 1,06 2,32 4, ,05 2,28 3, ,03 2,18 3, ,03 2,13 3, ,02 2,11 3, ,02 2,09 3, ,01 2,06 3, ,01 2,05 3,16 1,00 2,00 3,00 Fonte: Gua Para a Expressão da Incerteza de Medção X tν, p ± s (5) Para uma smples observação de X, a méda verdadera µ terá uma probabldade p de estar ncluída no ntervalo (5) acma.

9 A propagação das ncertezas Se um resultado r é função da combnação de parâmetros, a ncerteza desse resultado será função das ncertezas desses parâmetros. Se esses parâmetros forem estatstcamente ndependentes e os coefcentes de sensbldade guas a 1 (um), stuação mas comumente encontrada, então: 2 = J ur u = 1 2 (6) Nesta expressão, J é o número de parâmetros. Se os parâmetros forem estatstcamente ndependentes, mas com coefcentes de sensbldade dferentes de 1: J 2 u = r (7) = 1 ( ) 2 c u Em (7) c r = é o coefcente de sensbldade. Observe que esta equação é u mas abrangente que a medatamente anteror. A ncerteza padrão combnada será depos expandda por um fator de abrangênca k convenente, e teremos, então, a ncerteza combnada expandda: U r = ku r (8) O crtéro de Chauvenet para rejeção de leturas É mesmo uma crcunstânca rara quando um centsta não acha que alguns dos dados obtdos parecem runs e destoantes da maor parte dos dados. O centsta fca, portanto, dante da tarefa de decdr se esses dados são resultados de erros expermentas grosseros ou se eles representam algum novo tpo de fenômeno físco que é pecular a uma partcular condção de operação. O centsta, engenhero, ou pesqusador, não pode smplesmente

10 31 descartar esses dados estranhos apenas porque não se enquadram nas suas expectatvas. O Crtéro de Chauvenet (HOLMAN, 2001) especfca que uma letura pode ser rejetada, se a probabldade de se obter um desvo partcular da méda estmada for menor que 1 / 2n, em que n é o número de leturas realzadas. Ao aplcar o Crtéro de Chauvenet para elmnar dados duvdosos, prmero se calcula a estmatva da méda e do desvo-padrão usando todos os dados obtdos, nclusve os dados estranhos. Então, calcula-se o desvo de cada dado em relação à méda e dvde-se pela estmatva do desvo-padrão. Todo dado cujo valor do desvo assm obtdo for pouco provável, ou seja, menos provável que 1 / 2n, deverá ser rejetado. Calcula-se, então, apenas com as leturas aprovadas, a nova estmatva da méda e do desvo-padrão. Fo elaborado um programa em lnguagem Matlab para rodar o Crtéro de Chauvenet (Apêndce B). Esse programa proporconou uma excelente economa de tempo. Observe que o Crtéro de Chauvenet podera ser aplcado uma segunda ou uma tercera vez para elmnar outros dados estranhos, mas esta prátca é nacetável, segundo Holman (2001), e deve-se aplcar o Crtéro apenas 1 vez A dstrbução de probabldade retangular A dstrbução de probabldade retangular é utlzada quando há pouco conhecmento sobre a grandeza de entrada V e, por sso, deve-se agr com mas cautela, em favor da segurança. A ncerteza padrão para uma dstrbução retangular é obtda da segunte forma: V máx V mín u = 2 3 (9) Este valor de ncerteza é muto maor que aquele que sera obtdo se fosse consderada mas adequada a dstrbução normal, ou mesmo a trangular. Sendo maor a ncerteza obtda com a dstrbução retangular, a probabldade de o ntervalo de confança conter o valor verdadero também é maor. Portanto, a escolha da dstrbução retangular é a mas segura quando há pouca nformação sobre a grandeza que se quer medr.

11 As ncertezas tpo A e tpo B Uma ncerteza padrão do tpo A é aquela que é determnada pelo tratamento estatístco de váras observações/medções repetdas, sob as mesmas condções. Já uma ncerteza padrão do tpo B é aquela avalada por julgamento centífco, baseando-se em todas as nformações dsponíves sobre a possível dspersão da varável aleatóra. O conjunto de nformações pode nclur dados de medções prévas, a experênca, o conhecmento geral do comportamento de nstrumentos relevantes, propredades de materas, especfcações do fabrcante, dados fornecdos em certfcados de calbração e outros certfcados, ncertezas relaconadas a dados de referênca extraídos de manuas O método dos mínmos quadrados e a escolha da melhor curva de ajuste O método dos mínmos quadrados é o método mas utlzado para ajuste de curvas a dados obtdos expermentalmente. Prmero é precso escolher a função que será usada para estmar valores a partr dos dados expermentas. Depos é fácl calcular os valores das ncógntas dessa função que mnmzam a soma dos quadrados das dferenças entre os valores estmados (pela função) e os valores expermentas correspondentes. Matematcamente: N = 1 ( ( ) ( )) 2 * f x f S = (10) f * ( x ) x é o valor estmado pela função em x, f ( x ) é o valor expermental correspondente, N é o número de dados expermentas. Esses valores, f * ( x ) e f ( x ), devem ser bem próxmos entre s, tanto quanto possível. Para a escolha da melhor curva de ajuste, são usadas algumas funções dferentes como, por exemplo, uma função lnear do tpo y = ax, outra do tpo y = ax + b, uma outra polnomal do 2º grau, uma outra do tercero grau. Por

12 33 últmo, são calculadas as ncertezas de ajuste para cada uma dessas funções, e é escolhda a curva cuja ncerteza do ajuste é a menor de todas essas ncertezas calculadas. Não é aconselhável expermentar um polnômo de grau maor que o tercero. Há o rsco de exstr um polnômo de grau alto, 5º, por exemplo, cuja ncerteza do ajuste seja bem pequena, mas que não represente bem os pontos expermentas. Ele pode passar perto de todos os pontos, mas com subdas e descdas e pontos de nflexão não coerentes com a tendênca mostrada pelos resultados obtdos expermentalmente. A expressão usada para calcular a ncerteza do ajuste é a segunte: 2 1 N = 1 ( ( ) ( )) 2 * f x f s = x N g (11) Nesta expressão, g é o número de ncógntas da função f * ( x) a serem determnadas a partr dos N dados expermentas Tpo de ajuste utlzado pelos fabrcantes Um dado nteressante sobre os fabrcantes de transdutores pezelétrcos de pressão é que eles escolhem como melhor curva de ajuste sempre uma reta passando pela orgem. Talvez devdo à experênca já adqurda a respeto de transdutores desse tpo, já se espere que os mesmos tenham sempre um comportamento bem lnear, sendo uma reta do tpo y=ax a que melhor representa os dados expermentas. De fato, o manual NATO AC/225, como será vsto a segur, condena o transdutor que não apresente uma lneardade acetável. Outro dado nteressante é que, para cada pressão esperada, é consderado que o transdutor tem uma sensbldade dferente. Em outras palavras, o coefcente angular de y=ax é função da pressão esperada, como se pode ver, na próxma págna, na tabela do fabrcante AVL, dêntca ao orgnal, por sso em Inglês.

13 34 Tabela 2 Especfcações técncas de transdutor da AVL AVL GRAZ-AUSTRIA TYPE: 5QP6000T SN: 3102 Measurng Range: bar p (bar) S (pc/bar) 500 2, , , , , , , ,40 Senstvty: Lnearty: 2,38 pc/bar 0,9 % FSO Mountng Torque: 10 Nm Made n Austra by AVL Tem-se uma noção da pressão esperada, a partr do tpo de munção que va ser usada no tro. Por exemplo, uma munção de 9 mm resultará numa pressão de cerca de tanto, e assm sucessvamente. Quando não se tem noção da pressão esperada, utlza-se o valor médo, 2,38 pc/bar, no caso deste transdutor. Esse valor médo é obtdo ajustando-se uma únca reta (que passa pela orgem) a todas as pressões de referênca (coluna da esquerda da tabela). Para se calcular a pressão, dvde-se a carga gerada pelo transdutor pela sensbldade O manual NATO AC/225 8 O teste de lneardade sugerdo pelo manual NATO AC/225 recomenda que o transdutor seja submetdo a quatro pontos de calbração de baxa pressão (35 MPa, 75 MPa, 105 MPa, e 140 MPa) e a cnco pontos de alta pressão (210 MPa, 250 MPa, 280 MPa, 350 MPa, e 410 MPa). Cada nível de pressão deve ser aplcado três vezes e os valores de letura de carga obtdos 8 NORTH ATLANTIC TREATY ORGANIZATION. Manual of proof and nspecton procedures for NATO 5,56 mm ammunton. Secton 23, Annex B: Pezoelectrc pressure transducer, electronc nstrumentaton calbraton procedures, Annex C: Pressure transducer qualfcaton test, 1983.). Em português: Organzação do Tratado do Atlântco Norte (OTAN)

14 35 devem ser anotados. Pode-se usar o método estátco de alívo rápdo. Em seguda, basta segur os passos: 1- Traçar um gráfco da Carga Méda versus Pressão. A carga méda para cada pressão de calbração deve ser regstrada com a pressão correspondente. Isso resultará em nove pontos no gráfco: 4 de baxa pressão e 5 de alta; 2- Consderar separadamente dos grupos de dados: o de baxa e o de alta pressão; 3- Traçar duas retas de ajuste dos pontos, uma para cada grupo separadamente, ambas passando pela orgem, ou seja, com coefcente lnear nulo, como mostra a Fgura 8; 4- Construr, então, duas retas paralelas à reta de ajuste, uma 1% da faxa acma e a outra 1% abaxo. Fazer sso para cada grupo de dados. O transdutor terá lneardade acetável se todos os pontos, em ambos os grupos, caírem dentro de sua respectva faxa de erro. Mesmo que um únco ponto de apenas um grupo caa fora de sua respectva faxa de erro, o transdutor deve ser consderado como de lneardade nacetável ; 5- No caso de lneardade acetável, o transdutor deve passar pelo chamado teste de qualfcação. Cada transdutor deve ter sua sensbldade determnada em dos níves de pressão, 75 MPa e 350 MPa; obtendo-se, então, duas sensbldades dferentes, uma para cada nível de pressão. Uma vez determnadas as duas sensbldades para cada transdutor, esses valores devem ser comparados com as sensbldades obtdas na mas recente calbração de sensbldade, que deve ter sdo feta 120 ± 20 tros antes. No caso de transdutores novos, as sensbldades devem ser comparadas com aquelas obtdas no teste de lneardade ncal. Se a mudança na sensbldade em qualquer dos dos níves de pressão for maor que 2% do prévo valor, ou maor que 10% da calbração orgnal, o transdutor deve ser desqualfcado e nacetável para outros testes. Se o transdutor for aprovado neste teste de sensbldade, então ele deve passar pelo últmo teste, o teste de tro. Com o transdutor posconado na boca do estojo 9, e também nessa posção o transdutor de referênca, utlzando-se a 9 Entende-se por boca do estojo o níco do tubo da arma, que concde com a parte do estojo da qual o projetl se soltará, no momento do tro. A boca do estojo é uma regão do tubo onde ocorre alta pressão.

15 36 sensbldade determnada a 350 MPa, deve-se efetuar 20 tros com munções de referênca. Esse teste deve ser repetdo com os dos transdutores posconados ao longo do tubo, utlzando-se a sensbldade determnada a 75 MPa. Se a dferença de pressão encontrada acma em ambos os casos, boca do estojo e ao longo do tubo, for menor que ±10 MPa, o transdutor deve ser qualfcado pelo teste NATO. Caso contráro, o transdutor não deve ser qualfcado. Fgura 8 Recomendação para realzação do Teste de Lneardade Fonte: NATO AC/225, Manual of proof and nspecton procedures for NATO 5,56 mm ammunton

2 Incerteza de medição

2 Incerteza de medição 2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr

Leia mais

Algarismos Significativos Propagação de Erros ou Desvios

Algarismos Significativos Propagação de Erros ou Desvios Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento

Leia mais

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

Aula Características dos sistemas de medição

Aula Características dos sistemas de medição Aula - Característcas dos sstemas de medção O comportamento funconal de um sstema de medção é descrto pelas suas característcas (parâmetros) operaconas e metrológcas. Aqu é defnda e analsada uma sére destes

Leia mais

Programa de Certificação de Medidas de um laboratório

Programa de Certificação de Medidas de um laboratório Programa de Certfcação de Meddas de um laboratóro Tratamento de dados Elmnação de dervas Programa de calbração entre laboratóros Programa nterno de calbração justes de meddas a curvas Tratamento dos resultados

Leia mais

Experiência V (aulas 08 e 09) Curvas características

Experiência V (aulas 08 e 09) Curvas características Experênca (aulas 08 e 09) Curvas característcas 1. Objetvos 2. Introdução 3. Procedmento expermental 4. Análse de dados 5. Referêncas 1. Objetvos Como no expermento anteror, remos estudar a adequação de

Leia mais

Análise de Incertezas I.B De Paula

Análise de Incertezas I.B De Paula Um bom expermentalsta deve fazer todo o esforço possível para mnmzar os erros de seu expermento. Cabe ao expermentalsta a responsabldade de apresentar uma medda da confabldade de seus dados. amos defnr

Leia mais

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC) UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade

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

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo 3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas

Leia mais

UNIVERSIDADE DE PERNAMBUCO. Física Experimental. Prof o José Wilson Vieira

UNIVERSIDADE DE PERNAMBUCO. Física Experimental. Prof o José Wilson Vieira UNIVERSIDADE DE PERNAMBUCO ESCOLA POLITÉCNICA DE PERNAMBUCO Físca Expermental Prof o José Wlson Vera wlson.vera@upe.br AULA 01: PROCESSOS DE ANÁLISE GRÁFICA E NUMÉRICA MODELO LINEAR Recfe, agosto de 2015

Leia mais

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro. Aplcação Por exemplo, se prepararmos uma área expermental com todo cudado possível e fzermos, manualmente, o planto de 100 sementes seleconadas de um mlho híbrdo, cudando para que as sementes fquem na

Leia mais

Cap. IV Análise estatística de incertezas aleatórias

Cap. IV Análise estatística de incertezas aleatórias TLF 010/11 Cap. IV Análse estatístca de ncertezas aleatóras Capítulo IV Análse estatístca de ncertezas aleatóras 4.1. Méda 43 4.. Desvo padrão 44 4.3. Sgnfcado do desvo padrão 46 4.4. Desvo padrão da méda

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 entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

Laboratório de Mecânica Aplicada I Estática: Roldanas e Equilíbrio de Momentos

Laboratório de Mecânica Aplicada I Estática: Roldanas e Equilíbrio de Momentos Laboratóro de Mecânca Aplcada I Estátca: Roldanas e Equlíbro de Momentos 1 Introdução O conhecmento das condções de equlíbro de um corpo é mprescndível em númeras stuações. Por exemplo, o estudo do equlíbro

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

Estatística II Antonio Roque Aula 18. Regressão Linear

Estatística II Antonio Roque Aula 18. Regressão Linear Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão

Leia mais

Introdução às Medidas em Física a Aula

Introdução às Medidas em Física a Aula Introdução às Meddas em Físca 4300152 8 a Aula Objetvos: Experênca Curvas Característcas Meddas de grandezas elétrcas: Estudar curvas característcas de elementos resstvos Utlzação de um multímetro Influênca

Leia mais

7 Tratamento dos Dados

7 Tratamento dos Dados 7 Tratamento dos Dados 7.. Coefcentes de Troca de Calor O úmero de usselt local é dado por h( r )d u ( r ) (7-) k onde h(r), o coefcente local de troca de calor é h( r ) q''- perdas T q''- perdas (T( r

Leia mais

Gráficos de Controle para Processos Autocorrelacionados

Gráficos de Controle para Processos Autocorrelacionados Gráfcos de Controle para Processos Autocorrelaconados Gráfco de controle de Shewhart: observações ndependentes e normalmente dstrbuídas. Shewhart ao crar os gráfcos de controle não exgu que os dados fossem

Leia mais

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

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

Leia mais

Eletroquímica 2017/3. Professores: Renato Camargo Matos Hélio Ferreira dos Santos.

Eletroquímica 2017/3. Professores: Renato Camargo Matos Hélio Ferreira dos Santos. Eletroquímca 2017/3 Professores: Renato Camargo Matos Hélo Ferrera dos Santos http://www.ufjf.br/nups/ Data Conteúdo 07/08 Estatístca aplcada à Químca Analítca Parte 2 14/08 Introdução à eletroquímca 21/08

Leia mais

Ângulo de Inclinação (rad) [α min α max ] 1 a Camada [360,0 520,0] 2000 X:[-0,2065 0,2065] Velocidade da Onda P (m/s)

Ângulo de Inclinação (rad) [α min α max ] 1 a Camada [360,0 520,0] 2000 X:[-0,2065 0,2065] Velocidade da Onda P (m/s) 4 Estudo de Caso O estudo de caso, para avalar o método de estmação de parâmetros trdmensonal fo realzado em um modelo de referênca de três camadas, e foram realzados os seguntes passos: Descrção do modelo

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

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca

Leia mais

Dados ajustáveis a uma linha recta

Dados ajustáveis a uma linha recta Capítulo VI juste dos Mínmos Quadrados Dados ajustáves a uma lnha recta Determnação das constantes e B Incerteza nas meddas de Incerteza na determnação de e B juste dos mínmos quadrados a outras curvas:

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

Regressão Múltipla. Parte I: Modelo Geral e Estimação

Regressão Múltipla. Parte I: Modelo Geral e Estimação Regressão Múltpla Parte I: Modelo Geral e Estmação Regressão lnear múltpla Exemplos: Num estudo sobre a produtvdade de trabalhadores ( em aeronave, navos) o pesqusador deseja controlar o número desses

Leia mais

1. CORRELAÇÃO E REGRESSÃO LINEAR

1. CORRELAÇÃO E REGRESSÃO LINEAR 1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 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

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

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES 1 O nosso objetvo é estudar a relação entre duas varáves quanttatvas. Eemplos:. Idade e altura das cranças.. v. Tempo de prátca de esportes e rtmo cardíaco

Leia mais

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16% Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

3 A técnica de computação intensiva Bootstrap

3 A técnica de computação intensiva Bootstrap A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.

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

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

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

Leia mais

MODELOS DE REGRESSÃO PARAMÉTRICOS

MODELOS DE REGRESSÃO PARAMÉTRICOS MODELOS DE REGRESSÃO PARAMÉTRICOS Às vezes é de nteresse nclur na análse, característcas dos ndvíduos que podem estar relaconadas com o tempo de vda. Estudo de nsufcênca renal: verfcar qual o efeto da

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

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

DEFINIÇÃO - MODELO LINEAR GENERALIZADO

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

Leia mais

do Semi-Árido - UFERSA

do Semi-Árido - UFERSA Unversdade Federal Rural do Sem-Árdo - UFERSA Temperatura e Calor Subêna Karne de Mederos Mossoró, Outubro de 2009 Defnção: A Termodnâmca explca as prncpas propredades damatéra e a correlação entre estas

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

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 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

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

UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR

UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EATAS DEPARTAMENTO DE ESTATÍSTICA UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ Em mutas stuações duas ou mas varáves estão relaconadas e surge então a necessdade de determnar a natureza deste relaconamento. A análse

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

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

6 Modelo Proposto Introdução

6 Modelo Proposto Introdução 6 Modelo Proposto 6.1. Introdução Neste capítulo serão apresentados detalhes do modelo proposto nesta dssertação de mestrado, onde será utlzado um modelo híbrdo para se obter prevsão de carga curto prazo

Leia mais

Roteiro-Relatório da Experiência N o 4 CARACTERÍSTICAS DO TRANSISTOR BIPOLAR

Roteiro-Relatório da Experiência N o 4 CARACTERÍSTICAS DO TRANSISTOR BIPOLAR PROF.: Joaqum Rangel Codeço Rotero-Relatóro da Experênca N o 4 CARACTERÍSTICAS DO TRANSISTOR BIPOLAR 1. COMPONENTES DA EQUIPE: ALUNOS 1 2 NOTA Prof.: Joaqum Rangel Codeço Data: / / : hs 2. OBJETIVOS: 2.1.

Leia mais

Contabilometria. Aula 8 Regressão Linear Simples

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

Leia mais

DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS

DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS 1 A análse de dagnóstco (ou dagnóstco do ajuste) confgura uma etapa fundamental no ajuste de modelos de regressão. O objetvo prncpal da análse de dagnóstco

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2 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

3 Método Numérico. 3.1 Discretização da Equação Diferencial

3 Método Numérico. 3.1 Discretização da Equação Diferencial 3 Método Numérco O presente capítulo apresenta a dscretação da equação dferencal para o campo de pressão e a ntegração numérca da expressão obtda anterormente para a Vscosdade Newtonana Equvalente possbltando

Leia mais

Covariância na Propagação de Erros

Covariância na Propagação de Erros Técncas Laboratoras de Físca Lc. Físca e Eng. omédca 007/08 Capítulo VII Covarânca e Correlação Covarânca na propagação de erros Coefcente de Correlação Lnear 35 Covarânca na Propagação de Erros Suponhamos

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

EXERCÍCIO: VIA EXPRESSA CONTROLADA

EXERCÍCIO: VIA EXPRESSA CONTROLADA EXERCÍCIO: VIA EXPRESSA CONTROLADA Engenhara de Tráfego Consdere o segmento de va expressa esquematzado abaxo, que apresenta problemas de congestonamento no pco, e os dados a segur apresentados: Trechos

Leia mais

Eventos coletivamente exaustivos: A união dos eventos é o espaço amostral.

Eventos coletivamente exaustivos: A união dos eventos é o espaço amostral. DEFINIÇÕES ADICIONAIS: PROBABILIDADE Espaço amostral (Ω) é o conjunto de todos os possíves resultados de um expermento. Evento é qualquer subconjunto do espaço amostral. Evento combnado: Possu duas ou

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. Nesse prátca, estudaremos a potênca dsspada numa resstênca de carga, em função da resstênca nterna da fonte que a almenta. Veremos o Teorema da Máxma Transferênca de Potênca, que dz que a potênca transferda

Leia mais

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

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

Leia mais

8 - Medidas Descritivas

8 - Medidas Descritivas 8 - Meddas Descrtvas 8. Introdução Ao descrevemos um conjunto de dados por meo de tabelas e gráfcos temos muto mas nformações sobre o comportamento de uma varável do que a própra sére orgnal de dados.

Leia mais

Capítulo XI. Teste do Qui-quadrado. (χ 2 )

Capítulo XI. Teste do Qui-quadrado. (χ 2 ) TLF 00/ Cap. XI Teste do Capítulo XI Teste do Qu-quadrado ( ).. Aplcação do teste do a uma dstrbução de frequêncas 08.. Escolha de ntervalos para o teste do.3. Graus de lberdade e reduzdo.4. Tabela de

Leia mais

Análise de Regressão

Análise de Regressão Análse de Regressão método estatístco que utlza relação entre duas ou mas varáves de modo que uma varável pode ser estmada (ou predta) a partr da outra ou das outras Neter, J. et al. Appled Lnear Statstcal

Leia mais

METODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL. Iran Carlos Stalliviere Corrêa RESUMO

METODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL. Iran Carlos Stalliviere Corrêa RESUMO Semnáro Anual de Pesqusas Geodéscas na UFRGS, 2. 2007. UFRGS METODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL Iran Carlos Stallvere Corrêa Insttuto de Geocêncas UFRGS Departamento

Leia mais

Laboratório de Mecânica Aplicada I Determinação de Centros de Gravidade

Laboratório de Mecânica Aplicada I Determinação de Centros de Gravidade Laboratóro de Mecânca Aplcada I Determnação de Centros de Gravdade Em mutos problemas de mecânca o efeto do peso dos corpos é representado por um únco vector, aplcado num ponto denomnado centro de gravdade.

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

Medida de Quatro Pontas Autor: Mauricio Massazumi Oka Versão 1.0 (janeiro 2000)

Medida de Quatro Pontas Autor: Mauricio Massazumi Oka Versão 1.0 (janeiro 2000) Medda de Quatro Pontas Autor: Maurco Massazum Oka Versão.0 (janero 000) Introdução A técnca de medda de quatro pontas é largamente usada para a medda de resstvdades e resstêncas de folha. O método em s

Leia mais

2 Principio do Trabalho Virtual (PTV)

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

Leia mais

Termo-Estatística Licenciatura: 4ª Aula (08/03/2013)

Termo-Estatística Licenciatura: 4ª Aula (08/03/2013) Termo-Estatístca Lcencatura: 4ª Aula (08/03/013) Prof. Alvaro Vannucc RELEMBRADO Dstrbução dscreta (hstogramas) x contínua (curvas de dstrbução): Dada uma Função de Dstrbução de Densdade de Probabldade,

Leia mais

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de

Leia mais

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

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

Leia mais

Ajuste de um modelo linear aos dados:

Ajuste de um modelo linear aos dados: Propagação de erros Suponhamos que se pretende determnar uma quantdade Z, a partr da medda drecta das grandezas A, B, C,, com as quas se relacona através de Z = f(a,b,c, ). Se os erros assocados a A, B,

Leia mais

COMBUSTÍVEIS E COMBUSTÃO

COMBUSTÍVEIS E COMBUSTÃO COMBUSTÍVEIS E COMBUSTÃO PROF. RAMÓN SILVA Engenhara de Energa Dourados MS - 2013 CHAMAS DIFUSIVAS 2 INTRODUÇÃO Chamas de dfusão turbulentas tpo jato de gás são bastante comuns em aplcações ndustras. Há

Leia mais

PROVA 2 Cálculo Numérico. Q1. (2.0) (20 min)

PROVA 2 Cálculo Numérico. Q1. (2.0) (20 min) PROVA Cálculo Numérco Q. (.0) (0 mn) Seja f a função dada pelo gráfco abaxo. Para claro entendmento da fgura, foram marcados todos os pontos que são: () raízes; () pontos crítcos; () pontos de nflexão.

Leia mais

DELINEAMENTOS EXPERIMENTAIS

DELINEAMENTOS EXPERIMENTAIS SUMÁRIO 1 Delneamentos Expermentas 2 1.1 Delneamento Interamente Casualzado..................... 2 1.2 Delneamento Blocos Casualzados (DBC).................... 3 1.3 Delneamento Quadrado Latno (DQL)......................

Leia mais

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

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

Leia mais

Análise Exploratória de Dados

Análise Exploratória de Dados Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: traçar dagramas de dspersão, para avalar possíves relações entre as duas varáves; calcular o coefcente de correlação entre as duas

Leia mais

ANÁLISE DA VARIÂNCIA DA REGRESSÃO

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

Leia mais

(1) A uma parede totalmente catalítica quanto para uma parede com equilíbrio catalítico. No caso de uma parede com equilíbrio catalítico, tem-se:

(1) A uma parede totalmente catalítica quanto para uma parede com equilíbrio catalítico. No caso de uma parede com equilíbrio catalítico, tem-se: 1 RELATÓRIO - MODIFICAÇÃO DA CONDIÇÃO DE CONTORNO DE ENTRADA: MODELOS PARCIALMENTE CATALÍTICO E NÃO CATALÍTICO PARA ESCOAMENTOS COM TAXA FINITA DE REAÇÃO 1. Condções de contorno Em escoamentos reatvos,

Leia mais

Análise de Variância. Comparação de duas ou mais médias

Análise de Variância. Comparação de duas ou mais médias Análse de Varânca Comparação de duas ou mas médas Análse de varânca com um fator Exemplo Um expermento fo realzado para se estudar dabetes gestaconal. Desejava-se avalar o comportamento da hemoglobna (HbA)

Leia mais

REGRESSÃO NÃO LINEAR 27/06/2017

REGRESSÃO NÃO LINEAR 27/06/2017 7/06/07 REGRESSÃO NÃO LINEAR CUIABÁ, MT 07/ Os modelos de regressão não lnear dferencam-se dos modelos lneares, tanto smples como múltplos, pelo fato de suas varáves ndependentes não estarem separados

Leia mais

SC de Física I Nota Q Nota Q2 Nota Q3 NOME: DRE Teste 1

SC de Física I Nota Q Nota Q2 Nota Q3 NOME: DRE Teste 1 SC de Físca I - 2017-2 Nota Q1 88888 Nota Q2 Nota Q3 NOME: DRE Teste 1 Assnatura: Questão 1 - [3,5 pontos] Uma partícula de massa m se move sobre uma calha horzontal lsa com velocdade constante de módulo

Leia mais

Representação e Descrição de Regiões

Representação e Descrição de Regiões Depos de uma magem ter sdo segmentada em regões é necessáro representar e descrever cada regão para posteror processamento A escolha da representação de uma regão envolve a escolha dos elementos que são

Leia mais

Associação entre duas variáveis quantitativas

Associação entre duas variáveis quantitativas Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa

Leia mais

2. Validação e ferramentas estatísticas

2. Validação e ferramentas estatísticas . Valdação e ferramentas estatístcas Mutos aspectos relaconados à socedade são suportados, de alguma forma, por algum tpo de medção analítca. Mlhões de medções analítcas são realzadas todos os das, em

Leia mais

AEP FISCAL ESTATÍSTICA

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

Leia mais

CURSO de ESTATÍSTICA Gabarito

CURSO de ESTATÍSTICA Gabarito UNIVERSIDADE FEDERAL FLUMINENSE TRANSFERÊNCIA o semestre letvo de 010 e 1 o semestre letvo de 011 CURSO de ESTATÍSTICA Gabarto INSTRUÇÕES AO CANDIDATO Verfque se este caderno contém: PROVA DE REDAÇÃO com

Leia mais

3 Cálculo Básico de Enlace Via Satélite

3 Cálculo Básico de Enlace Via Satélite 35 3 Cálculo Básco de Enlace Va Satélte Neste capítulo é tratado o cálculo básco de um enlace va-satélte, subentenddo em condções normas de propagação (espaço lvre) nos percursos de subda e descda e consderados

Leia mais

4 Discretização e Linearização

4 Discretização e Linearização 4 Dscretzação e Lnearzação Uma vez defndas as equações dferencas do problema, o passo segunte consste no processo de dscretzação e lnearzação das mesmas para que seja montado um sstema de equações algébrcas

Leia mais

CARGA E DESCARGA DE UM CAPACITOR

CARGA E DESCARGA DE UM CAPACITOR EXPEIÊNCIA 06 CAGA E DESCAGA DE UM CAPACITO 1. OBJETIVOS a) Levantar, em um crcuto C, curvas de tensão no resstor e no capactor em função do tempo, durante a carga do capactor. b) Levantar, no mesmo crcuto

Leia mais

Ajuste dos Mínimos Quadrados

Ajuste dos Mínimos Quadrados TLF 00/ Cap. IX juste dos mínmos quadrados Capítulo IX juste dos Mínmos Quadrados 9.. juste de uma lnha recta a dados epermentas 9 9.. Determnação dos parâmetros da recta, e B (Incertezas apenas em e guas

Leia mais

Análise Exploratória de Dados

Análise Exploratória de Dados Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: obter uma reta que se ajuste aos dados segundo o crtéro de mínmos quadrados; apresentar outros crtéros para a determnação de uma

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

Resistores. antes de estudar o capítulo PARTE I

Resistores. antes de estudar o capítulo PARTE I PARTE I Undade B 6 capítulo Resstores seções: 61 Consderações ncas 62 Resstênca elétrca Le de Ohm 63 Le de Joule 64 Resstvdade antes de estudar o capítulo Veja nesta tabela os temas prncpas do capítulo

Leia mais

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD1507 Estatístca Aplcada à Admnstração I Prof. Dr. Evandro Marcos adel Rbero

Leia mais

AVALIAÇÃO NA PRECISÃO DE RECEPTORES GPS PARA O POSICIONAMENTO ABSOLUTO RESUMO ABSTRACT

AVALIAÇÃO NA PRECISÃO DE RECEPTORES GPS PARA O POSICIONAMENTO ABSOLUTO RESUMO ABSTRACT AVALIAÇÃO NA PRECISÃO DE RECEPTORES GPS PARA O POSICIONAMENTO ABSOLUTO Rodrgo Mkosz Gonçalves John Alejandro Ferro Sanhueza Elmo Leonardo Xaver Tanajura Dulana Leandro Unversdade Federal do Paraná - UFPR

Leia mais