Laboratório de Engenharia Química IV. Programação de Ensaios. M. Gabriela Bernardo Gil
|
|
- Maria das Graças Cortês da Costa
- 6 Há anos
- Visualizações:
Transcrição
1 Laboratóro de Egehara Químca IV Programação de Eao M. Gabrela Berardo Gl 006/007
2 ÍNDICE. TEORIA DE ERROS MEDIÇÃO DE GRANDEZAS ERROS ERRO ABSOLUTO ERRO RELATIVO TIPOS DE ERROS CONJUNTO FUNDAMENTAL CRITÉRIOS PROBABILÍSTICOS CONJUNTO AMOSTRA INTERVALOS DE INDETERMINAÇÃO CRITÉRIO DE REJEIÇÃO DE VALORES MEDIÇÕES INDIRECTAS PROPAGAÇÃO DE ERROS LIMITE SUPERIOR DO ERRO ERRO MAIS PROVÁVEL OBTIDO POR PROPAGAÇÃO DE ERROS ALGARISMOS SIGNIFICATIVOS EXPRESSÃO DE RESULTADOS...3. ANÁLISE DE REGRESSÃO CÁLCULO DE PARÂMETROS MÉTODO DOS MÍNIMOS QUADRÁTICOS REGRESSÃO LINEAR SIMPLES COEFICIENTE ANGULAR ORDENADA NA ORIGEM VARIÂNCIA DA CORRELAÇÃO LINEAR SIMPLES INTERVALO DE CONFIANÇA DO COEFICIENTE ANGULAR INTERVALO DE CONFIANÇA DA ORDENADA NA ORIGEM INTERVALOS DE INDETERMINAÇÃO DE Y PREVISÃO DE X PARA UM DADO VALOR DE Y RECTA QUE PASSA PELA ORIGEM RECTA QUE PASSA POR UM PONTO FIXO REGRESSÃO LINEAR MÚLTIPLA MÉTODO DOS MÍNIMOS QUADRÁTICOS DESVIO PADRÃO INTERVALOS DE CONFIANÇA DOS PARÂMETROS INTERVALO DE INDETERMINAÇÃO DA CURVA REGRESSÃO POLINOMIAL REGRESSÃO QUADRÁTICA...4 M. G. Berardo Gl
3 .4... TESTE DE LINEARIDADE ESTIMATIVA DE X PARA UM DADO VALOR DE Y ANÁLISE DE VARIÂNCIA ANÁLISE DE VARIÂNCIA DA REGRESSÃO LINEAR SIMPLES MEDIÇÕES DE Y REPETIDAS PARA UM DADO VALOR DE X ANÁLISE DE VARIÂNCIA NA REGRESSÃO LINEAR MÚLTIPLA PROGRAMAÇÃO DE ENSAIOS SELECÇÃO DE EQUIPAMENTO PROGRAMAÇÃO DE ENSAIOS ATENDENDO À ESTATÍSTICA SEM APOIO EM ENSAIOS PRÉVIOS COM APOIO EM ENSAIOS PRÉVIOS PROGRAMAÇÃO DE ENSAIOS EM MEDIDAS INDIRECTAS Atedeto ao lmte uperor do erro Atedeto ao valor ma provável do erro PROGRAMAÇÃO DE ENSAIOS NA CORRELAÇÃO LINEAR SIMPLES SEM APOIO EM ENSAIOS PRÉVIOS Repota o exo da ordeada y Repota o declve α COM APOIO EM ENSAIOS PRÉVIOS PROGRAMAÇÃO DE ENSAIOS EM CORRELAÇÕES NÃO LINEARES EXEMPLOS DE PROGRAMAÇÃO DE ENSAIOS Um exemplo para o trabalho de Fltração Um exemplo para o trabalho de Traporte Peumátco Um exemplo para o trabalho de Taue com Agtação Um exemplo para o trabalho de Detlação Fraccoada Um exemplo para o trabalho de Colua de Bolha Um exemplo para o trabalho de Torre de Arrefecmeto PLANIFICAÇÃO FACTORIAL ANÁLISE DE VARIÂNCIA (ANOVA) NA PLANIFICAÇÃO A UM FACTOR ANÁLISE DE VARIÂNCIA (ANOVA) NA PLANIFICAÇÃO MULTIFACTORIAL RSM - MÉTODO DA SUPERFÍCIE DE RESPOSTA C C D (CENTRAL COMPOSITE DESIGN)...8 M. G. Berardo Gl 3
4 . TEORIA DE ERROS REALIZAÇÃO EXPERIMENTAL DETERMINADO ERRO EM ENGENHARIA - ERROS ELEVADOS, POR VEZES: a) Dfculdade Cuto elevado b) Método de cálculo ão aperfeçoado c) Smplfcaçõe eceára d) Dado ecoómco Grade erro - Sgfcado face ao erro admtdo - Exte empre PROGRAMAÇÃO DE ENSAIOS - MINIMIZAÇÃO DOS ERROS SISTEMÁTICOS - MINIMIZAÇÃO DOS ERROS ALEATÓRIOS DETERMINAR O NÚMERO DE ENSAIOS de modo a atgr o fm em vta INTERPRETAÇÃO DOS RESULTADOS M. G. Berardo Gl 4
5 .. MEDIÇÃO DE GRANDEZAS Etma e o VALOR da GRANDEZA MEDIÇÕES DIRECTAS MEDIÇÕES INDIRECTAS MEDIÇÕES DIRECTAS INTERPRETAR OS RESULTADOS, ANALISANDO: - Cotêca tera - Rejeção de valore - Itervalo de cofaça MEDIÇÕES INDIRECTAS M f ( M, M,..., M ) - Erro erete a cada gradeza depedete - Propagação de erro M. G. Berardo Gl 5
6 .. ERROS ERRO E M - V M - VALOR MEDIDO V - VERDADEIRO VALOR DA GRANDEZA... ERRO ABSOLUTO E M - V... ERRO RELATIVO ε E V V? Não é poível cohecer. Só com determaçõe. ESTIMA-SE V atravé de M ERROS? GRAU DE CONFIANÇA NA MEDIÇÃO Se ão e cohecem - Decõe errada - Perda de tempo - Perda de dhero M. G. Berardo Gl 6
7 NÍVEL DE ERRO Obteção da precão eceára com o mímo de tempo e de dhero. EXACTIDÃO Cocordâca etre o valor da medção e o verdadero valor da gradeza. PRECISÃO Cocordâca etre váro valore da medção obtdo a mema codçõe (REPETIÇÕES ou RÉPLICAS) Exprme a REPRODUTIBILIDADE do reultado. PRECISÃO ão mplca EXACTIDÃO!!!! M A A PRECISO ma NÃO EXACTO M B B PRECISO e EXACTO M C C NÃO PRECISO e NÃO EXACTO V M. G. Berardo Gl 7
8 ..3. TIPOS DE ERROS - INSTRUMENTAIS: DESCALIBRAÇÃO ; SISTEMÁTICOS MATERIAL VOLUMÉTRICO SÃO - DE REAGENTES: - DE OPERAÇÃO: IMPUREZAS INEXPERIÊNCIA - PESSOAIS: DALTONIA ; MIOPIA; ESCOLHA DETERMINÁVEIS DE RESULTADOS FORÇADOS E CORRIGÍVEIS - MÉTODO: SENSIBILIDADE DE APROXIMAÇÕES ; PODEM SER REACÇÕES INCOMPLETAS ; EVITADOS REACÇÕES INDUZIDAS PARALELAS ; DECOMPOSIÇÃO; VOLATILIDADE ALEATÓREOS NÃO PODEM SER CORRIGIDOS NÃO PODEM SER EVITADOS - REVELADOS POR PEQUENAS DIFERENÇAS - APLICAM- SE A MEDIÇÕES EFECTUADAS PELO MESMO OPERADOR E COM A MESMA APARELHAGEM. PODEM SER MINIMIZADOS PRECISÃO EXACTIDÃO ERROS ALEATÓRIOS ERROS SISTEMÁTICOS ERROS CONSTANTES Idepedete do tamaho da amotra ERROS PROPORCIONAIS Depedem do tamaho da amotra M. G. Berardo Gl 8
9 .3. CONJUNTO FUNDAMENTAL N MÉDIA ou VALOR MÉDIO X N X N e N X V µ N Nº de valore do cojuto DESVIO PADRÃO σ ( X µ ) N σ - Grau de dperão do valore x em toro da méda O úmero de Grau de lberdade (N) cocde com o úmero de valore do cojuto, porue, o cojuto fudametal ão e etabelecem relaçõe. DESVIO MÉDIO DO CONJUNTO FUNDAMENTAL δ X N µ δ 0.8 σ M. G. Berardo Gl 9
10 SE SÓ HOUVER ERROS ALEATÓRIOS - O valore médo dtrbuem-e de acordo com a LEI NORMAL DE GAUSS: Y σ π exp - X-µ σ Y - freuêca da ocorrêca do devo X - valor meddo µ - valor ma provável da gradeza (méda do cojuto fudametal ou méda objectva) O DESVIO PADRÃO CARACTERIZA A PRECISÃO M. G. Berardo Gl 0
11 .3.. CRITÉRIOS PROBABILÍSTICOS INTERVALO PROBABILIDADE (%) X µ ± σ 68,3 X µ ± σ 95,4 X µ ± 3σ 99,7 X µ ± 4σ 99,98 O MAIS UTILIZADO EM ENGENHARIA É O CRITÉRIO DE σ. M. G. Berardo Gl
12 .4. CONJUNTO AMOSTRA MÉDIA - VALOR MÉDIO x x SE x µ DESVIO MÉDIO d X - X DESVIO QUADRÁTICO MÉDIO ou DESVIO PADRÃO DA AMOSTRA (x x ) - SE σ ( ) Nº DE GRAU DE LIBERDADE VARIÂNCIA COEFICIENTE DE VARIÂNCIA X - Muto útl para comparar váro cojuto de dado emelhate, ma com valore médo dferete M. G. Berardo Gl
13 .4.. INTERVALOS DE INDETERMINAÇÃO A) AMOSTRAS GRANDES > 50, 60 (?) µ x ± z. z - É UMA VARIÁVEL NORMALIZADA QUE DEPENDE DA PROBABILIDADE P z 0,9,64 0,95,96 0,954,00 0,98,33 0,99,58 B) AMOSTRAS PEQUENAS µ x ± t. INTERVALO DO VALOR MAIS PROVÁVEL DA GRANDEZA t - FACTOR DE STUDENT (GOSSET, 908) DEPENDE DE P - PROBABILIDADE E DE - - Nº DE GRAUS DE LIBERDADE. A DISTRIBUIÇÃO DE STUDENT DISTRIBUIÇÃO NORMAL DE GAUSS, QUANDO M. G. Berardo Gl 3
14 .4.. CRITÉRIO DE REJEIÇÃO DE VALORES x x ± t. Itervalo do VALORES POSSÍVEIS para a medção da gradeza Quado e REJEITA um valor? a) Determa-e (x ) em o valor em tete Xk b) Determa-e (): (x x ) - c) Determa-e t para 95% e -, em ue em ão etra o valor de tete Xk d) Determa-e o tervalo (x x t. ± ) e) Xk NÃO ca detro do tervalo? REJEITA-SE f) Xk ca detro do tervalo? NÃO SE REJEITA e refazem-e o cálculo etrado com ee valor. g) Determa-e o tervalo µ x ± t. M. G. Berardo Gl 4
15 Exemplo: Realzaram-e trê ére de medda da cocetração de cobalto em trê amotra obtda dvddo, em parte alíuota, uma mema amotra da olução. A) Verfcar e a medçõe ão cocordate. B) Idue ual o melhor valor a adoptar como valor da cocetração de cobalto eta olução. ª ére ª ére 3ª ére (g/l) (g/l) (g/l) 6, 6,6 6,6 5,8 6, ,3 6. 6, ,9 6,6 5,9 7, 6,7 6, 7,0 6,6 A) ª ére 6.8 é valor poível da gradeza? Tool Data Aaly Decrptve Stattc Colum Mea 6.06 t (p95%, -4) Stadard Error Meda 6. TINV(0.05,4) Mode #N/A Stadard Devato Sample Varace X 6.06 ± 0.58 Kurto Skewe NÃO pertece ao tervalo Rage 0.5 Mmum 5.8 REJEITA-SE a ª ére Maxmum 6.3 Sum REJEITA-SE a ª ére; Cout REJEITA-SE a 3ª ére Cofdece Level(95.0%) B) ª ére ª ére 3ª ére µ 6.76 ± 0. ª e 3ª ére cocordate M. G. Berardo Gl 5
16 .5. MEDIÇÕES INDIRECTAS Sabedo: M f ( M, M,..., M ) Erro em M M M... M o lmte uperor do erro calcula - e e/ou o erro ma provável.5.. PROPAGAÇÃO DE ERROS Se Q for o valor ma provável da gradeza M Q f (,,..., ) Em ue (,,..., ) ão o valore ma prováve de ( M, M,...,M ) M. G. Berardo Gl 6
17 CASO Extem m determaçõe de cada gradeza medda drectamete: M M... M M M M... M M M M... M M m m m () () (m) M M ± t. m M m M m () M m () (M M ) m- M. G. Berardo Gl 7
18 CASO Só ão cohecdo o valore ma prováve ( ) da gradeza medda drectamete e o repectvo erro: µ µ µ ± ±... ±.5.. LIMITE SUPERIOR DO ERRO Como Q f (,,..., ) Dferecado: dq f d + f f d d Subttudo a dfereca por peueo acrécmo fto: Q f + f f ue repreeta a LEI GERAL DA PROPAGAÇÃO DOS ERROS (Lmte uperor do erro) M. G. Berardo Gl 8
19 A) Lmte uperor do erro em ADIÇÕES ALGÉBRICAS Se Q ± α ± α ± ± α... vrá: Q max α + α α Exemplo: Peo de um vao vazo Peo do vao + amotra Peo da amotra 4,003 ± 0,0005 g 4,047 ± 0,0005 g 0,06 ± 0,000 g g é o lmte uperor do erro aboluto a peagem dea amotra. M. G. Berardo Gl 9
20 B) Lmte uperor do erro em PRODUTOS EM R Se Q K α α α Dferecado: Q K α - - ( ) ( ) α... α α α α α α. - Dvddo por Q: Q α + α α Q max Exemplo: Determar o calor deevolvdo uma retêca de R00 ± Ω, por uma correte de tedade I,00 ± 0,0 A, ao fm do tempo t00 ±. Reolução: Q R I t Q Q max R R + I + I t t Q 0000 J Q Q 4 Q 400 J 00 4 % é o lmte uperor do erro relatvo. 400 J é o lmte uperor do erro aboluto. M. G. Berardo Gl 0
21 M. G. Berardo Gl.5.. ERRO MAIS PROVÁVEL OBTIDO POR PROPAGAÇÃO DE ERROS Admte-e, como boa aproxmação, para 95 % de probabldade, ue a etmatva do erro é DUAS VEZES o valor do devo padrão (raz uadrada da varâca): Q Q σ Sedo: Q f (,,..., ) Nete cao omam-e o uadrado da varâca: Q f... f f σ + + σ + σ σ A) Erro ma provável em ADIÇÕES ALGÉBRICAS Se... Q α ± ± ± α ± α Q... σ + α + σ + α σ α σ ( ) ( ) ( ) ( )... Q + α + + α α
22 M. G. Berardo Gl B) Erro ma provável em PRODUTOS EM R Se K Q α α α Q... Q σ + α + σ + α σ α σ ( ) ( ) ( ) ( )... Q ε + α + ε + α ε α ε Relembrado ue, para 95 % de probabldade admte-e ue: Q Q σ Exemplo: Determar o calor deevolvdo uma retêca de R00 ± Ω, por uma correte de tedade I,00 ± 0,0 A, ao fm do tempo t00 ±. Reolução: Q R I t Q 0000 J t I R Q t I R Q + + σ + σ + σ σ Q J σ Q 45 J Q (0,0 ± 0,) x 0 3 J
23 .6. ALGARISMOS SIGNIFICATIVOS ALGARISMO SIGNIFICATIVO é ualuer dígto,,...9 e o 0 (zero) uado colocado à dreta da vírgula, dede ue à ua euerda já exta outro dígto..6.. EXPRESSÃO DE RESULTADOS - Depede do ERRO ABSOLUTO. - O últmo algarmo gfcatvo ue e deve clur a expreão de um reultado é o ALGARISMO DUVIDOSO. Ma algarmo gfcatvo dão uma fala aparêca de correcção. - O úmero de algarmo gfcatvo do ERRO ABSOLUTO deve er ou uato muto, e o prmero dígto do erro fôr ou, tedo em ateção a regra ateror. - O VALOR MÉDIO e o ERRO devem coter o MESMO Nº de CASAS DECIMAIS. - A SOMA ALGÉBRICA deve coter o NÚMERO DE CASAS DECIMAIS gual ao da uatdade com MAIOR ERRO ABSOLUTO. - O PRODUTO ou o QUOCIENTE deve coter o memo NÚMERO DE ALGARISMOS SIGNIFICATIVOS ue o termo com MENOR NÚMERO DE ALGARISMOS SIGNIFICATIVOS. - Em operaçõe uceva deve uar-e empre ma um algarmo gfcatvo. M. G. Berardo Gl 3
24 - Vejamo como e exprme o reultado da medção do dâmetro de uma BOLA. INSTRUMENTO DE MEDIDA: cravera com óo, com um erro 0, mm. Cada medção podera er exprea: X X± 0, mm CASO A 5,5; 5,4; 5,; 5, mm X 53, mm 0,83 t95% 38, t 09, CASO B 5,4; 5,3; 5,; 5,4 mm X 53, ( 5) mm 0,096 t95% 38, t 05, ( ) d 53, ± 03, mm d 5,3 ± 0, mm DIÂMETRO APARENTE porue a oclaçõe ão uperore ao erro do óo (±0, > 0,) A BOLA ão é ESFÉRICA d 5,3 3 ± 0,5 mm NÚMERO INSUFICIENTE DE DETERMINAÇÕES A BOLA erá ESFÉRICA? M. G. Berardo Gl 4
25 . ANÁLISE DE REGRESSÃO É o etudo e obteção de RELAÇÕES ENTRE VARIÁVEIS. Pretede-e aber ual a MELHOR ESTIMATIVA do PARÂMETROS da REGRESSÃO SIMPLES - Quado uma varável Y (DEPENDENTE), é fução apea de uma varável X (INDEPENDENTE): Y f (X) MÚLTIPLA - Quado uma varável Y (DEPENDENTE), pode er relacoada com k VARIÁVEIS INDEPENDENTES: Y f (X, X,..., Xk) REGRESSÃO LINEAR SIMPLES: Y α0 + α X REGRESSÃO LINEAR MÚLTIPLA: Y α0 + α X + α X αk Xk k α 0 X REGRESSÃO POLINOMIAL DE ORDEM k: Y α0 + α X + α X αk X k k α 0 X M. G. Berardo Gl 5
26 .. CÁLCULO DE PARÂMETROS Cote em determar o parâmetro de uma FUNÇÃO QUE SE AJUSTE a um cojuto de poto, utlzado um método de optmzação: - MÉTODO DA MÁXIMA VEROSIMILHANÇA - MÉTODO DOS MÍNIMOS QUADRÁTICOS... MÉTODO DOS MÍNIMOS QUADRÁTICOS Hpótee de aplcação: Mmza-e a FUNÇÃO cottuída pelo SOMATÓRIO do QUADRADOS do DESVIOS - O VALOR MÉDIO DOS ERROS É ZERO. - O ERROS têm VARIÂNCIA COMUM. - O ERROS ão INDEPENDENTES. - O valore Yj PARA CADA VALOR DE X têm uma DISTRIBUIÇÃO NORMAL. - O valore de X ão meddo SEM ERRO ou com ERRO DESPREZÁVEL. O MÉTODO DOS MÍNIMOS QUADRÁTICOS (MMQ) baea-e a mmzação da fução: S y Y y - Valor de y ecotrado a realzação expermetal para o valor X. Y - Valor obtdo por ubttução de cada X a euação da fução. É uma etmatva do valor. M. G. Berardo Gl 6
27 .. REGRESSÃO LINEAR SIMPLES Y α + α 0 X α E α - São etmatva do verdadero valore da ORDENADA NA ORIGEM e do COEFICIENTE ANGULAR. 0 S y α 0 α X S α 0 S α 0 0 α E α 0 M. G. Berardo Gl 7
28 ... COEFICIENTE ANGULAR ( x - x )(y - y) x y x y α ( x ) - x x x... ORDENADA NA ORIGEM α y α x 0 y α x x x y y..3. VARIÂNCIA DA CORRELAÇÃO LINEAR SIMPLES - Repreeta-e por da recta σ y. x. y. x e é uma etmatva da dperão do valore em toro y. x y α0 y α y Y x y - é o úmero de grau de lberdade. É meo porue mpomo ao tema dua retrçõe: cálculo de α E α 0 M. G. Berardo Gl 8
29 ..4. INTERVALO DE CONFIANÇA DO COEFICIENTE ANGULAR α α ± t yx. ( x x)..5. INTERVALO DE CONFIANÇA DA ORDENADA NA ORIGEM α α ± t yx x ( x x) OU α α ± 0 0 t yx. x ( ) x x t - factor de tudet para uma dada PROBABILIDADE (95 %) E - GRAUS DE LIBERDADE. Para mplfcar pode uar-e: ( x - x) x x - M. G. Berardo Gl 9
30 ..6. INTERVALOS DE INDETERMINAÇÃO DE Y Quado reduzmo um cojuto de poto expermeta (cottuído por pare de valore (x, y) A UMA RECTA, ormalmete erá para obtermo ma tarde uer valore de Y para dado valore de X, uer de X para um dado valor de Y. Em uma, para efectuarmo PREVISÃO DE DADOS. - Prova-e ue, para um dado valor de xo e podem ecotrar p valore de Y com um erro: Yo Yo ± t yx. + + p ( xo x) ( x x) - Número de valore de x, a partr do ua e defe a recta. SE p Yo Yo ± t yx. + + ( xo x) ( x x) Quato ma afatado de x for o valor de x o, maor é o erro de Y o. M. G. Berardo Gl 30
31 SE p Yo Yo ± t yx. + ( xo x) ( x x) INTERPOLAÇÃO Quado e determam valore de Y, detro da gama do valore de X, determado expermetalmete. EXTRAPOLAÇÃO Quado pretedemo determar valore de X ou Y, fora da gama expermetal. M. G. Berardo Gl 3
32 ..7. PREVISÃO DE X PARA UM DADO VALOR DE Y Se repreetarmo, agora, a recta por: Y a + b X Será Xk Yk a b E o tervalo de determação do valor etmado de X é: X k ( Yk Y) ( X X) yx Xˆ k ± t( ;95%) + + b b Se houver p repetçõe de Y para um dado valor de X, o tervalo de determação do valor etmado de X ( X ), vrá: ^ X k ( Yk Y) ( X X) yx Xˆ k ± t( ;95%) + + b p b Notar ue, memo ue e admta ue X NÃO TEM ERRO para e poder obter a euação da recta, A PREVISÃO DE UM DADO VALOR DE Xo, PARA UM VALOR CONHECIDO DE Yo, JÁ TEM ERRO. M. G. Berardo Gl 3
33 ..8. RECTA QUE PASSA PELA ORIGEM Nete cao, o parâmetro α0 é ulo e apea é eceáro determar α Y A fução a mmzar erá: α ' x S ( Y α ' S x ) 0 α ' α ' x y x ' α α ± ' tyx. x yx. ' ( y α x) ' y α x - - y..9. RECTA QUE PASSA POR UM PONTO FIXO Nete cao: Y C + α '' x em ue C é uma cotate. A fuçao a mmzar é: S S ( Y C α '' x ) 0 α '' M. G. Berardo Gl 33
34 Exemplo: Na calbração de um epectrofotómetro obtveram-e o egute valore: C (g/l) 0, ,50 0,6 0,74 0,86 0,98,00 A (λ 490 mµ) 0,04 0,06 0,08 0, 0,3 0,5 0,8 0,0 0,3 Sabedo ue o epectrofotómetro fo aferdo, ate de cada letura, para o eu valor zero, determe a recta ue ma provavelmete repreeta ete poto. Tool Data Aaly Regreo SUMMARY OUTPUT Regreo Stattc Multple R R Suare Adjuted R Suare Stadard Error Obervato 0 M. G. Berardo Gl 34
35 ANOVA df SS MS F Sgfcace F Regreo E- Redual E-05 Total Coeffcet Stadard Error t Stat P-value Lower 95% Upper 95% Itercept X Varable E X Varable Redual Plot Redual X Varable X Varable Le Ft Plot Y X Varable Y Predcted Y M. G. Berardo Gl 35
36 Obrgado a recta a paar pela orgem: SUMMARY OUTPUT Regreo Stattc Multple R R Suare Adjuted R Suare Stadard Error Obervato 0 ANOVA df SS MS F Sgfcace F Regreo E-0 Redual E-05 Total Coeffcet Stadard Error t Stat P-value Lower 95% Upper 95% Itercept 0 #N/A #N/A #N/A #N/A #N/A X Varable E X Varable Redual Plot Redual X Varable X Varable Le Ft Plot Y Y Predcted Y X Varable M. G. Berardo Gl 36
37 .3. REGRESSÃO LINEAR MÚLTIPLA A REGRESSÃO LINEAR MÚLTIPLA pode er exprea pela relação: Y Y β + β x + β x + L + β x 0 k k k β x j 0 j j O dado cotem em dua matrze: - Uma (x) ue cotem o valore de Y; - Outra (x(k+)) ue cotem o valore da varáve depedete Y y y L L L y X x x x L x x x x L x L L L x x x L x 0 k 0 k 0 k em ue: a varável x 0 toma o valor. x j é o eao da varável x j. M. G. Berardo Gl 37
38 .3.. MÉTODO DOS MÍNIMOS QUADRÁTICOS Mmza-e a fução do omatóro do uadrado do devo: [ y ( β0 β β L β k k )] SRM - + x + x + + x A gualzação a zero da dervada em ordem ao parâmetro: SRM 0 β0 SRM 0 β L L L SRM 0 β k coduz ao tema de (k+) euaçõe leare, a partr do ual é poível determar o parâmetro: β0 x0 x0 + x0 x + L + βk x0 xk x 0 y β0 x x0 + β x x + L + βk x xk x y L L L β x x + β x x + L + β x x x y 0 k 0 k k k k k em ue: x x j x x x y j y x j k j k j x x x j j M. G. Berardo Gl 38
39 Em otação matrcal erá: X T X B T X Y em ue [ β β L β ] B 0 k Se X X T T X A Y G O SISTEMA SERÁ: A B G Reolvedo vem: B A em ue A - T é a matrz vera da matrz A X X - G.3.. DESVIO PADRÃO ( yxm. ) SRM - (k+).3.3. INTERVALOS DE CONFIANÇA DOS PARÂMETROS β β ± t ( yxm. ) ( xj - x ) em ue t é o factor de Studet para uma dada probabldade (95 %) e (-(k+)) grau de lberdade. M. G. Berardo Gl 39
40 .3.4. INTERVALO DE INDETERMINAÇÃO DA CURVA Yo Yo ± t ( yx. ) m + + p em ue: h j ( xoh xh ) ( xoj xj) ( xh xh ) ( xj xj) p - é o úmero de determaçõe de y para cada cojuto de varáve (x,..., x k ). - é o úmero depoto uado para defr a curva. k - é o úmero de varáve depedete. VARIÁVEIS SE p Yo Yo ± t ( yx. ) m + + ( xo x ) ( xo x ) ( x x ) ( x x ) 3 VARIÁVEIS SE p Y Y ± t o o ( yxm. ) ( xo x ) ( xo x ) ( x x) ( x x ) ( xo x ) ( xo3 x3) ( x x ) ( x x ) ( xo x) ( xo3 x3) ( x x ) ( x x ) M. G. Berardo Gl 40
41 .4. REGRESSÃO POLINOMIAL A regreão polomal repreeta-e: Y Y α + α X + α X + L + α X k α X j 0 0 j j k k e pode traformar-e em: Y k α X EM QUE X X j 0 j j Am o tratameto fca em tudo dêtco ao da regreão lear múltpla..4.. REGRESSÃO QUADRÁTICA Se repreetarmo, agora, a regreão uadrátca por: Y a + b X + c X O parâmetro erão calculado pelo método do mímo uadrátco. VARIÂNCIA DA REGRESSÃO QUADRÁTICA (y.x) ( y - Y ) - 3 M. G. Berardo Gl 4
42 .4... TESTE DE LINEARIDADE DS - Se ( ) ( ) (yx) yx - - 3, com grau de lberdade. Em ue y. x ( y - Y ) - é a varâca da correlação lear. O coefcete de leardade é defdo por: DS LC (yx) Comparado LC com o factor F determado para GL do umerador e GL do deomador e para 95 % de probabldade, e: LC < F LC > F a fução é lear a fução é uadrátca.4... ESTIMATIVA DE X PARA UM DADO VALOR DE Y Curvatura potva Xˆ b c + b c a - Ŷ - c Curvatura egatva Xˆ b c b c a - Ŷ - c E o tervalo de cofaça do valor etmado de X é: X k Xˆ k ± (yx) t -3; 0,95 ( b + c Xˆ ) k M. G. Berardo Gl 4
43 3. ANÁLISE DE VARIÂNCIA 3.. ANÁLISE DE VARIÂNCIA DA REGRESSÃO LINEAR SIMPLES Se ão houver ualuer relação etre a varáve X e Y, a medçõe de Y coduzram a um valor ma provável ue, à parte o erro aboluto, era repreetado pelo VALOR MÉDIO Y. Poderíamo, portato, dzer ue a varâca aocada era : y - ( y - y) c c Repreeta o valor do devo do dado expermeta em relação ao valor médo M. G. Berardo Gl 43
44 Verfca-e ue a oma ( y - y) é decompoível em dua parcela: c ( y - y ) ( ) y - Y a ( ) Y - y b a Repreeta o devo do valore expermeta em relação ao valore da recta. b - ASSOCIADO À REGRESSÃO - devo da recta em relação ao valor médo Com bae ete devo é poível efectuar a ANÁLISE DE VARIÂNCIA ue o permte determar o GRAU DE AJUSTE da recta ao poto expermeta. M. G. Berardo Gl 44
45 ANÁLISE DE VARIÂNCIA DA REGRESSÃO LINEAR SIMPLES LEQ IV FONTE DE VARIAÇÃO G. L. QUADRADOS DOS DESVIOS (Q. D.) DESVIOS DA REGRESSÃO EM RELAÇÃO AO VALOR MÉDIO DE Y (y) * ( Y - y ) [( x -x) ( y- y) ] ( x -x) VARIÂNCIAS OU MÉDIAS QUADRÁTICAS (M. Q.) MQR ( ) Y - y F DESVIOS DOS VALORES EXPERIMENTAIS EM RELAÇÃO AOS RESPECTIVOS VALORES DA CORRELAÇÃO - ( ) y - Y y - α0 y - - α x y yx. ( y - Y) - F MQR y.x TOTAL - DESVIOS DOS VALORES EXPERIMENTAIS EM RELAÇÃO AO VALOR MÉDIO DE y (y) - ( y - y) y ( y - y) - * - depo de determada a euação da recta, o valore da recta apea têm GL, po para cada x, há apea um valor de Y e um valor de y. M. G. Berardo Gl 45
46 O uocete F MQR permte-o determar com ue y.x probabldade a correlação SE AJUSTA ao poto expermeta, comparado o eu valor com valore tabelado ue depedem DA PROBABILIDADE DE AJUSTE E DO NÚMERO DE GRAUS DE LIBERDADE DO NUMERADOR E DO DENOMINADOR MEDIÇÕES DE Y REPETIDAS PARA UM DADO VALOR DE X Quado para cada valor de X, e efectuam vára medçõe de Y, a aále de varâca é dferete: Dvdem-e o devo do valore expermeta em relação ao valore da recta, em dua parte: ( ) a y - Y M j p ( ) j y - y a ( ) y - Y a a Repreeta o devo de cada valor repetdo de y, em relação à méda de y, para cada valor de x. a Repreeta o devo da méda ( y ), para cada valor de x, em relação à correlação. M. G. Berardo Gl 46
47 ANÁLISE DE VARIÂNCIA DA REGRESSÃO LINEAR SIMPLES PARA MEDIÇÕES REPETIDAS LEQ IV FONTE DE VARIAÇÃO G. L. QUADRADOS DOS DESVIOS (Q. D.) VARIÂNCIAS OU MÉDIAS QUADRÁTICAS (M. Q.) F DESVIOS DA REGRESSÃO EM RELAÇÃO AO VALOR MÉDIO DE y (y) DESVIOS DE CADA VALOR REPETIDO DE y, EM RELAÇÃO AO VALOR MÉDIO DE y, PARA CADA VALOR DE x. ( Y - y ) SOMA DOS G.L. DE CADA CONJUNTO j j - j ( y j ) - y MQR MQD ( - y) Y j ( yj - y ) j j - F MQM MQD DESVIOS DAS MÉDIAS DE y, PARA CADA x, EM RELAÇÃO AOS RESPECTIVOS VALORES DA CORRELAÇÃO Nº DE MÉDIAS - M- TOTAL - ( y j - y) ( y - Y ) ( y - Y ) MQM y M - ( y - y) - M. G. Berardo Gl 47
48 Nete cao é o valor do uocete MQM MQD ue vamo comparar com o valore da tabela de F ue o permte determar a probabldade do AJUSTE ou FALTA DE AJUSTE da correlação ao poto expermeta. Exemplo: Na determação da maa epecífca de um óleo a dferete temperatura, obtveram-e o egute valore: ρ / g cm -3 φ / ºC 0,906 0,905 0,907 0,894 0,89 0,893 0,884 0,886 0,876 0,877 0,875 0,866 0,868 4,0 3,0 3,9 4,9 5,4 a) Determar a melhor aproxmação, ob o poto de vta etatítco, da correlação lear ρ ρ(φ). b) Determar o valor da maa epecífca a 5 ºC, e o repectvo erro. c) Efectuar a aále de varâca. R: a) ρ (0,98±0,003) + (-,00±0,09) x 0 3 φ 3 x b) Yo Yo± 4, 84x c) Ajute uperor a 99 %. ( 3, 8) o 34, 54 ; ρ 5ºC (0,893±0,004) gcm -3 M. G. Berardo Gl 48
49 3.. ANÁLISE DE VARIÂNCIA NA REGRESSÃO LINEAR MÚLTIPLA FONTE DE VARIAÇÃO G. L. QUADRADOS DOS DESVIOS (Q. D.) VARIÂNCIAS OU MÉDIAS QUADRÁTICAS (M. Q.) F DESVIOS DA REGRESSÃO EM RELAÇÃO AO VALOR MÉDIO DE y (y) k SSR ( - y ) MQR Y ( ) Y - y k DESVIOS DOS VALORES EXPERIMENTAIS EM RELAÇÃO AOS RESPECTIVOS VALORES DA CORRELAÇÃO - k SRM y β j x j j ( yx. ) m ( y - Y) - (k+) TOTAL - ( y - y) ( y - y) y - F MQR (y.x)m M. G. Berardo Gl 49
50 4. PROGRAMAÇÃO DE ENSAIOS Aocado ao etudo de um determado tema, extem a VARIÁVEIS ue podem er mapulada, INDEPENDENTES ENTRE SI, e uma ou ma VARIÁVEIS DE RESPOSTA ue e pretede etudar. A par deta varáve extem outra, dta VARIÁVEIS DE RUÍDO, ue varam de uma forma ão cotrolada. Devdo ao carácter aleatóro da varáve de ruído (acdeta), a () varável (ve) de repota é (ão) também ALEATÓRIA (S). é eceáro uar TÉCNICAS ESTATÍSTICAS o etudo da relação etre a varáve depedete e a varáve depedete. Normalmete o EXPERIMENTALISTA NÃO PODE CONTROLAR TODAS AS VARIÁVEIS ue fluecam a varáve de repota. Depo de eleccoada a varáve depedete, deve determar-e, em face ou ão de ualuer experêca, O NÚMERO DE ENSAIOS e a SEQUÊNCIA DOS MESMOS, tedo em ateção um determado ERRO FINAL, e SELECCIONAR O EQUIPAMENTO ue o permta atgr o fm em vta. ete cao, ormalmete, o erro aleatóro aocado à() varável (ve) de repota ão ão depedete, e a técca etatítca habtua ão podem er aplcada. temo ue uar a ALEATORIZAÇÃO OU FACTORIZAÇÃO. M. G. Berardo Gl 50
51 4.. SELECÇÃO DE EQUIPAMENTO Vejamo um exemplo muto mple ue o permte verfcar como o uo de váro trumeto ou método de medda fluecam o erro do reultado fal. Pretede-e determar a ecção recta de uma colua de lxvação laboratoral com um erro feror a 0, %. ε S 0,% S V h A olho pode ter-e uma dea de ue o dâmetro da colua é da ordem de φ,6 cm S cm. Portato: A OLHO S cm V 00 cm h 50 cm 3 M. G. Berardo Gl 5
52 Que trumeto de medda vamo utlzar para medr V e h? LEQ IV Como V S h σ S S σ V V σ + h h Pelo prcípo do EFEITOS IDÊNTICOS: Baeado o lmte uperor do erro, poderíamo, em ª aproxmação ue: ε V ε 005, % h Além do, relembremo ue: Q σ Q ª Hpótee: RÉGUA + PROVETA RÉGUA: R O,5 mm h x 0,05 cm ε h 0, 50 0, % (TEMOS DE ACERTAR EM DOIS TRAÇOS) PROVETA: P O,5 cm 3 V O,5 cm 3 ε V 05, 00 05, % σ S S 0,5 00 0, ε S 0,5 % > 0,% TEMOS QUE MELHORAR AS DUAS MEDIÇÕES M. G. Berardo Gl 5
53 ª Hpótee: RÉGUA + BALÃO GRADUADO LEQ IV RÉGUA: R O,5 mm h x 0,05 cm ε h 0, 50 0, % BALÃO GRADUADO: B O, cm 3 V O, cm 3 ε V 0, 00 0, % σ S S 0, 00 0, ε 0,8 % S > 0,% É NECESSÁRIO UTILIZAR OUTROS MEIOS DE MEDIÇÃO, TANTO PARA O VOLUME COMO PARA A ALTURA 3ª Hpótee: CATETÓMETRO + BALANÇA CATETÓMETRO: CAT 0,0 mm h 0,00 cm ε h ,004 % (Agora ão e multplca o erro do catetómetro por, para e obter o erro a altura, uma vez ue com o catetómetro medmo dfereça de altura) BALANÇA: vamo medr o volume atravé da medção da maa. M V V ρ M ρ H O H O B 0,00005 g M x 0, ,000 g 0,000 0, V 0,000 cm ε 0,000 % V 0, ε S 0,004 % <<< 0,% NÃO É NECESSÁRIO TANTO RIGOR M. G. Berardo Gl 53
54 4ª Hpótee: RÉGUA COM NÓNIO + BALANÇA 4ªA RÉGUA COM NÓNIO DE /0 mm: RN O,05 mm h x 0,005 cm ε h , % ε S 0,0% < 0,% 4ªB RÉGUA COM NÓNIO DE /0 mm: RN O,05 mm h x 0,005 cm ε h 00, 50 00, % ε 0,0 % S < 0,% Podemo LEVAR O RIGOR ode uermo, e dpuermo de MATERIAL ADEQUADO M. G. Berardo Gl 54
55 4.. PROGRAMAÇÃO DE ENSAIOS ATENDENDO À ESTATÍSTICA LEQ IV 4... SEM APOIO EM ENSAIOS PRÉVIOS Nete cao podemo dzer ue, o máxmo, o devo ão todo de ± / DA MENOR DIVISÃO DA ESCALA (x - x) ( x) - t x t + Exemplo: Pretede-e medr um comprmeto de 0 cm com uma régua graduada em mm. (o aparelho de medda tha do calmete eleccoado) L ± 0,5 mm max, ( x x) 05, 05, Podemo cotrur a tabela: t (-) t t / ε (%) t + 3 4,303 0,375 0,6,63,5 7,60 9,5 5,776 0,33 0,559, ,45 8,7 7,447 0,9 0, ,50,50 6,99 9,306 0,8 0,530. 0,4.05 6,3 4,0 0,56 0,506,0 0,6 0,80 6,000 0,54 0,504,0 0,3 0,65 Não temo ma ue comparar o valore da tabela com o erro por ó preteddo e decdr do úmero de eao a executar. Verfcar ue: Com 7 ecotramo um erro aboluto da ordem do erro do trumeto de medda Quado aumetamo o úmero de eao de 4 6 apea aumetamo o rgor de 0,6 para 0,3 (erro aboluto) ou 0, (erro relatvo). A fluêca é muto maor para valore baxo do úmero de eao, porue é au ue exte uma grade varação do factor de Studet e da razão / (-). M. G. Berardo Gl 55
56 4... COM APOIO EM ENSAIOS PRÉVIOS Partdo do cohecmeto do devo tadard (padrão) de m experêca: m ( x x) µ x±, m t m o ue o permte determar o erro relatvo: ε t m x e ete erro é uperor ao erro preteddo é eceáro efectuar um úmero de experêca maor. Admtdo ue ( x x) é proporcoal ao úmero de experêca: Nº exp m ( x x) A Nº exp k ( x x) (k/m) A E vrá, portato: k k ( m ) m k m Exemplo: No laboratóro obtveram-e o egute valore de vcodade de um líudo, à temperatura de 5 ºC, determar o úmero de medçõe da vcodade de modo a ue o erro eja feror a %. R: 8 determaçõe. µ (cp) µ 35, cp M. G. Berardo Gl 56
57 M. G. Berardo Gl PROGRAMAÇÃO DE ENSAIOS EM MEDIDAS INDIRECTAS Supohamo ue pretedemo determar o valor ma provável de uma gradeza medda drectamete COM UM DETERMINADO ERRO. Pretede-e aber ua o valore do ERROS permtdo a medção drecta da GRANDEZAS INDEPENDENTES. NÃO HÁ UMA ÚNICA RESPOSTA PARA ESTA QUESTÃO. Admte-e ue o erro de cada medção drecta CONTRIBUEM IGUALMENTE para o erro da varável depedete: Atedeto ao lmte uperor do erro Erro aboluto: Q f f f... Erro relatvo: Q Q α α α Atedeto ao valor ma provável do erro Erro aboluto: Q σ α... σ α σ α σ Erro relatvo: Q σ α... σ α σ α Q σ É o PRINCÍPIO DOS EFEITOS IDÊNTICOS
58 Excepçõe: Sempre ue uma gradeza é ma dfícl de obter com precão, deve devar-e ete prcípo de modo ue a cotrbução da outra eja muto meor ue a dea gradeza. Há gualmete gradeza ue podem er medda com uma grade precão. ma, cotrbudo ea gradeza para a determação de uma jutamete com outra ue ão podem er medda eão com uma precão muto meor, ão é eceáro medr a prmera com a precão ue pode dar, delocado-e, o etato, o prcípo do efeto dêtco. M. G. Berardo Gl 58
59 4.4. PROGRAMAÇÃO DE ENSAIOS NA CORRELAÇÃO LINEAR SIMPLES SEM APOIO EM ENSAIOS PRÉVIOS Repota o exo da ordeada y O tervalo de cofaça da repota, o exo da ordeada, prevta Y o é: Y o o Y ± t y.x + + p ( xo x) ( xo x) ( y) com y.x - Am, o erro aocado ao valor da prevão depede do valor x o ecolhdo. Em programação codera-e ue xo x: Yo Y o± t - y.x + p Ou eja: Y cetral t - y.x + p p Repota o declve α α t - y.x x max - x 4 m M. G. Berardo Gl 59
60 Cotrudo uma tabela dêtca à ue fo cotruída para medçõe depedete, podemo determar o úmero de poto para defr uma recta com um determado rgor. º Determar p º Determar : Nº de poto t - (95 %) y.x ( y) - Y α t Erro aboluto cetral - t y.x - ou y.x x + p p max - x 4 m Erro relatvo em y ou em α (%) reg prop (p.e) (p.e.) 0 (p.e.) M. G. Berardo Gl 60
61 4.4.. COM APOIO EM ENSAIOS PRÉVIOS Nete cao já temo cohecmeto do valore de yx para k experêca, com valore de ordeada: yx k k ( y - Ŷ ) k De gual modo, para j experêca poterore, teremo: yx j k - j - j k yx k 4.5. PROGRAMAÇÃO DE ENSAIOS EM CORRELAÇÕES NÃO LINEARES Como método aproxmado, dvde-e a curva em váro troço de tal modo ue o erro troduzdo pela ubttução de um troço curvo por uma recta ão eja muto grade. É de eguda poível aplcar o procedmeto ateror. M. G. Berardo Gl 6
62 4.6. EXEMPLOS DE PROGRAMAÇÃO DE ENSAIOS LEQ IV Um exemplo para o trabalho de Fltração Determar o º de poto de cada recta de fltração (tervalo de letura de V e t). Crtéro: Obteção de um erro acetável para o declve a zoa méda. Supohamo ue temo a egute recta de fltração: y t/v α x + b fltração T/V (/ml) y 0.00x t α - b / x V V (ml) σ σ Volume de fltrado total, Vt (ml) Volume termédo de fltrado, V (ml) Tempo de fltração repectvo, t () Valor termédo de t/v Valor termédo de t/v - b prop: α α t/v -b t/v - b + x x ( ) ( ) + ( ) t / V b t/v b t / V b t / V b t/v t / V b t t/v / V t t + V V 000 ml 000 ml prop (α) 3.44E-05.57E-05 M. G. Berardo Gl 6
63 reg: α t - y.x x max - x 4 m y.x ( y) - Vmax 000 Vmax 000 t- (95%) Syx a (reg) εa (%) reg/ prop a (reg) εa (%) reg/ prop E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E E εα (%) Vmax000 ml Vmax000 ml M. G. Berardo Gl 63
64 4.6.. Um exemplo para o trabalho de Traporte Peumátco Determar o º de poto da recta log ε f (log v). Crtéro: Obteção de um erro acetável para v mt (velocdade míma de traporte. log ε 0 log p leto fxo leto fludzado traporte ( ε ).L ε 0 L L 0 0. m L m L 0.70 m L 0.05 m ε 0 - ρ ap /ρ é a porodade cal do leto fxo 0 v C p ρ ( β' 4 o ) v mf log v v mt β' D/D o - razão etre o dâmetro da tubagem e do orfíco C(β') - coefcete de decarga do orfíco C 0,6 prop: ( ε) ρap 0 0 ρ (- ε0) L0 L (- ε0) L0 L ( (- ε )) ( ε ) (- ε0) + ε0 (- ε0 ) L0 L L0 L + L 0 L M. G. Berardo Gl 64
65 (l ε) ε ( σ (l ε) ) ( σ ε) (l ε) ε ε log e ε ( (log ε) ) ( ε) Y log ε reg: Y cetral t - y.x + p p y.x ( y) - p p7 t - (95%) Syx ( log ε) cetral ε(log ε) (%) reg/ prop ( log ε) cetral ε(log ε) (%) reg/ prop M. G. Berardo Gl 65
66 M. G. Berardo Gl 66
67 Um exemplo para o trabalho de Taue com Agtação LEQ IV A. Determar o º de medçõe do tempo de mtura. Crtéro: Obteção da cotate t* 0.95 com um erro acetável. * t α t α N velocdade de agtação N reg: α t - y.x x max - x 4 m y.x ( y) - N 400 rpm N 0.5 rpm t* Admtdo N max 500 rpm 8,33 - e N m 90 rpm,5 - x max x m prop: t - (95%) S yx α εα (%) reg/ prop * t 0,95 * t 0,95 t N α + t α N t* 0,95 ±,35 M. G. Berardo Gl 67
68 B. Determar o º de poto da curva de arejameto e dearejameto. LEQ IV Crtéro: Obteção de um erro acetável o declve (k L a).para a zoa méda de l C em fução de t. l ( C) l ( C )- k a. t 0 L prop: l C - l C k a 0 L t kla 0 kla l C0 - l C ( l C - l C) t + t ( ( l C - l C) ) ( l C ) + ( l C) 0 0 C0 C + C 0 C k L a k L a reg: α t - y.x x max - x 4 m y.x ( y) - y l C C / C 0.00 t - (95%) S yx α εα (%) reg/ prop M. G. Berardo Gl 68
69 Um exemplo para o trabalho de Detlação Fraccoada LEQ IV Determar o º de poto (padrõe) para a calbração do refractómetro. Crtéro: Obteção do º de poto etre x0,4 e x com um erro acetável para o ídce de refracção y x x (acetoa) exp 0,0005 Ídce de refracção do compoete puro:,3588 e,4459 p7 t - (95%) S yx ( ) cetral ε (%) reg/ prop Y y.x cetral t x 0,4 - ( y) - y.x + p p M. G. Berardo Gl 69
70 Um exemplo para o trabalho de Colua de Bolha LEQ IV Determar o º de poto a curva de arejameto e dearejameto. Crtéro: Obteção do declve k L a a zoa méda com um erro acetável. l (C) l (C 0 ) k L a t l(c) C/C C 0, % t 0 k L l C0 - l C a t k L a 0, y 0,00 t - (95%) S yx α εα (%) reg/ prop E E E E E E E E E E E E E α t y.x - y.x reg: ( y) - x max - x 4 m prop: k L a k L a 0 l C0 - l C + t ( l C - l C) t ( ( l C - l C) ) 0 C0 C + C 0 C k a 0,00084 L - M. G. Berardo Gl 70
71 Um exemplo para o trabalho de Torre de Arrefecmeto LEQ IV Determar o º de poto e repetçõe da calbração do rotâmetro. Crtéro: Obteção da ordeada L a zoa méda com um erro acetável. - ou 3 medçõe em trplcado Y cetral t - y.x + p p V L t y.x ( y) - L L exp 0,0357 L/m t - (95%) S yx ( L) cetral ε L (%) reg/ prop M. G. Berardo Gl 7
72 5. PLANIFICAÇÃO FACTORIAL UM PROCESSO OU SISTEMA PODE SER REPRESENTADO POR UM MODELO: OBJECTIVOS DA EXPERIÊNCIA:. Determar ua da VARIÁVEIS INDEPENDENTES (FACTORES) x fluecam ma a RESPOSTA, y (VARIÁVEL DEPENDENTE).. Determar como é poível mapular a varáve x de tal modo ue y eteja empre próxmo do eu valor omal. 3. Determar como é poível mapular a varáve x de tal modo ue a varabldade de y eja peuea. 4. Determar como é poível mapular a varáve x de tal modo ue o efeto da varáve cotroláve z ejam mmzada. M. G. Berardo Gl 7
73 A utlzação da PLANIFICAÇÃO EXPERIMENTAL pode reultar em: Aumeto de redmeto de um proceo. Redução da varabldade de reuto oma. Redução do tempo de mplemetação do proceo. Redução de cuto. A utlzação da PLANIFICAÇÃO EXPERIMENTAL pode tomar apecto muto mportate a actvdade do egehero, uado e pretedem deevolver ovo produto ou proceo ou mplemetar o já extete, cludo, por exemplo: Avalação e comparação de cofguraçõe báca de projecto. Avalação de alteraçõe o materal. Selecção de parâmetro de projecto, de tal modo ue o produto eja ROBUSTO, ou eja, para uma grade varedade de codçõe, o proceo trabalhe bem. Avalação do parâmetro chave ue produzam bo redmeto para o produto. Muta experêca evolvem o etudo de efeto de váro factore (ENSAIOS MULTIFACTORIAIS). Em geral a PLANIFICAÇÃO FACTORIAL é ma efcete ete tpo de experêca. O EFEITO DE UM FACTOR é a varação a repota produzda pela varação o NÍVEL DO FACTOR. A PLANIFICAÇÃO FACTORIAL permte verfcar e efectuar o etudo da fluêca de,, 3,..., k FACTORES. Num ESTUDO CLÁSSICO, o ue ormalmete e faz, é coderar factore cotate, euato e aala a fluêca da varação de um dado factor o reultado. Pelo cotráro, um ESTUDO FACTORIAL, com a ajuda da aále de varâca, toda a formação pode er obtda multaeamete. M. G. Berardo Gl 73
74 Coderemo dua varáve depedete, A e B, ue fluecam o valore da varável depedete (repota). Ete FACTORES A e B, ão vetgado a do íve (A e A ) e (B e B ) e o tete ão repetdo para obter um certo úmero de obervaçõe. O valore obtdo vão-o permtr obter formaçõe acerca da ua fluêca o valor da repota. Ete reultado permtem dzer ue, uado B e matém o ível B, a repota tem o valor médo de 47, uado A toma o valor ma elevado A, e o valor da repota é 40, uado a varável A etá o ível ma baxo A. Exte uma varação de 7, uado a varável A paa do valor ma baxo para o valor ma elevado. Eta varação dega-e por EFEITO DO FACTOR A. De gual modo, uado A e matém o ível A, a repota tem o valor médo de 39, uado B toma o valor ma baxo B. Exte uma varação de 8, uado a varável B paa do valor ma baxo para o valor ma elevado. Eta varação dega-e por EFEITO DO FACTOR B. Como o efeto de B é maor ue o efeto de A, a varável B é a varável ma mportate. Embora ete tete cláco avale o efeto de A e de B, ão o revela: O tervalo de cofaça do efeto A e B. O erro expermeta o dado. O efeto de teracçõe etre o do factore. M. G. Berardo Gl 74
75 INTERACÇÃO ENTRE FACTORES O valor da repota aumeta de 5 para 0 (5 udade) uado o factor B toma o valor B (0 %), e o factor A vara de 0 para 0 %. No etato, uado o factor B toma o valor B (30 %), e o factor A vara de 0 para 0 %, o valor da repota vara 7 udade (5-8). Ete facto dca a preeça de teracção etre o factore A e B. M. G. Berardo Gl 75
76 5.. ANÁLISE DE VARIÂNCIA (ANOVA) NA PLANIFICAÇÃO A UM FACTOR FONTE DE VARIAÇÃO G. L. QUADRADOS DOS DESVIOS (SS) NÍVEIS (COLUNAS) v- SS v p T v T - VARIÂNCIAS OU MÉDIAS QUADRÁTICAS (MS) MS C SS v v - F 0 RESIDUAL (-)-(v-) SS redual SS total - SS v MS redual SS redual ( ) - ( v -) MS MS C redual TOTAL - SS total x - T T Soma total de toda a obervaçõe Número total de obervaçõe v Número de íve p Número de réplca em cada ível A comparação de F 0 com o valore de F tabelado permte aalar com ue probabldade há ou ão há dfereça gfcatva etre a colua (íve). M. G. Berardo Gl 76
77 EXEMPLO F Um egehero etá tereado em maxmzar a teão de uma ova fbra tétca para er uada a fetura de camola de homem. É cohecdo ue ea teão é fluecada pela percetagem de algodão (upeta-e ue o aumeto da uatdade de algodão aumeta a teão). Sabe-e também ue a uatdade de algodão deve varar etre 0 e 40 %, para mater a ualdade. Am decdu tetar 5 íve de percetagem de algodão: 5, 0, 5, 30 e 35 %. Decdu gualmete efectuar 5 tete a cada ível de percetagem de algodão. É um exemplo de plafcação a UM FACTOR com 5 NÍVEIS e 5 REPETIÇÕES em cada ível. a 5 obervaçõe devem er efectuada ao acao. TENSÃO (ATM.) OBSERVAÇÕES ALGODÃO (%) SOMAS MÉDIAS 5 0,48 0,48,0 0,75 0,6 3,34 0, ,8,6 0,8,, 5,4,05 5 0,95,,,9,9 5,99,0 30,9,70,50,9,56 7,34, ,48 0,68 0,75,0 0,75 3, TOTAL T5,58.0 ANÁLISE DE VARIÂNCIA (ANOVA): FONTE DE G. L. QUADRADOS VARIÂNCIAS OU F 0 VARIAÇÃO DOS DESVIOS MÉDIAS (SS) QUADRÁTICAS (MS) PERCENTAGEM DE ALGODÃO v- 4 SS v,09,09/4 0,555 RESIDUAL (-) - (v-) 0 SS redual 0,688 0,0344 6,05 TOTAL - 4 SS total,897 Comparado 6,05 com o valor tabelado (F 0,0;4:0 4,43), como é maor, podemo dzer, para uma cofaça de 99 %, ue a percetagem de algodão a fbra AFECTA SIGNIFICATIVAMENTE A TENSÃO DO TECIDO. M. G. Berardo Gl 77
78 5.. ANÁLISE DE VARIÂNCIA (ANOVA) NA PLANIFICAÇÃO MULTIFACTORIAL FONTE DE VARIAÇÃO G. L. QUADRADOS DOS DESVIOS (SS) LINHAS r- SS r T p c r T - VARIÂNCIAS OU MÉDIAS QUADRÁTICAS (MS) MS r SS r r - F 0 MS MS r redual COLUNAS c- SS c T p r c T - MS c SS c c - MS MS c redual INTERACÇÃO LINHAS-COLUNAS (c-) (r-) SS Tcr SScr - T c MSt SSc SSr c - p MS MS t redual RESIDUAL (-)- S (outro) SS SStotal -SSc SS SS red r cr MS redual SS redual ( ) - ( c -) TOTAL - SS total x - T A comparação do F 0 com o valore de F tabelado permte aalar, para Z % de probabldade ual (a) do factore afectam gfcatvamete a repota. Quado p, ou eja, uado em cada célula ão há eao repetdo, a aále de varâca mplfca-e, porue dexa de extr a teracção lha-colua. M. G. Berardo Gl 78
79 6. RSM - MÉTODO DA SUPERFÍCIE DE RESPOSTA É uma técca etatítca muto útl para a modelação e aále de problema o ua a repota é fluecada por vára varáve (factore) e o grade objectvo é a OPTIMIZAÇÃO DA RESPOSTA. A SUPERFÍCIE DA RESPOSTA é defda por: Y f (X, X, X 3,...) EXEMPLO RSM Numa reacção uímca a varáve ma mportate ão a cocetração de um do reagete (X) e o tempo de reacção (t). Pretede-e aber ual o valor da varáve ue maxmzam o redmeto. (A codçõe ormalmete utlzada ão: X 5 % E t h). Como ão varáve ( efeto), etudado a íve, temo uma plafcação, e, com PONTOS CENTRAIS, va-o permtr uar UM MODELO LINEAR (de ª ordem) M. G. Berardo Gl 79
80 Etabelecer a matrz da varáve em udade de códgo e em udade fíca: ENSAIO VALORES CODIFICADOS DAS VARIÁVEIS XX Xt X VALORES REAIS DAS VARIÁVEIS X t (h) Repota RR (%) X (%) Na varáve codfcada: - gfca o valor ma baxo + gfca o valor ma alto 0 gfca um poto cetral Etmatva do parâmetro da correlação lear múltpla. Y x +. 7 x Etmatva do valore do efeto a 95% de probabldade Efeto da cocetração.35 Efeto do tempo.7 Efeto da teracção cocetração - tempo 0.95 CONCLUSÕES Quado X e t aumetam, aumeta o redmeto O tempo é o efeto ma mportate. M. G. Berardo Gl 80
81 6.. C C D (CENTRAL COMPOSITE DESIGN) LEQ IV Exteão do modelo k (lear), para permtr modelo uadrátco Cote em trê tpo de experêca: PONTOS CÚBICOS PONTOS CENTRAIS PONTOS ESTRELA poto do modelo k réplca do cetro do cubo 4 k (CÚBICO ALTO - CÚBICO BAIXO). C C D PARA DOIS FACTORES VARIÁVEL PONTO CÚBICO PONTO ESTRELA VARIÁVEL PONTO CENTRAL Cada varável de projecto tem 5 NÍVEIS, correpodete ao poto: ESTRELA BAIXO, CÚBICO BAIXO, CENTRAL, CÚBICO ALTO, ESTRELA ALTO. O úmero total de experêca é: QUATRO CÚBICAS - correpodete ao uatro vértce do uadrado ( ) AMOSTRAS CENTRAIS QUATRO ESTRELAS M. G. Berardo Gl 8
82 EXEMPLO RSM LEQ IV Pretede-e aber ual o valor da varáve tempo (t) e temperatura (T) ue maxmzam o redmeto de uma reacção uímca. Varáve codfcada Varáve atura x x tempo (m) Temp (ºC) Redmeto (%) STATISTICA z *t *t^+4.*t *t^ M. G. Berardo Gl 8
13 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL
3 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL Como vto em amotragem o prmero bmetre, etem fatore que fazem com que a obervação de toda uma população em uma pequa eja mpratcável, muta veze em vrtude
Leia maisLCE2112 Estatística Aplicada às Ciências Sociais e Ambientais 2010/02. Exemplos de revisão
LCE Etatítca Aplcada à Cêca Soca e Ambeta 00/0 Eemplo de revão Varável Aleatóra Cotíua Eemplo: Para e etudar o comportameto de uma plata típca de dua, a Hydrocotlle p., quato ao eu deevolvmeto, medu-e
Leia maisPaulo Cabral Erros e Incertezas nas Medições Julho 2004
Paulo Cabral Erro e Icerteza a Medçõe Julho 004 Erro e Icerteza a Medçõe IEP Ittuto Electrotécco Portuguê ISEP Ittuto Superor de Egehara do Porto Laboratóro de Metrologa e Eao Departameto de Fíca Rua de
Leia maisEstudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples.
Estudo das relações etre peso e altura de estudates de estatístca através da aálse de regressão smples. Waessa Luaa de Brto COSTA 1, Adraa de Souza COSTA 1. Tago Almeda de OLIVEIRA 1 1 Departameto de Estatístca,
Leia maisProf. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística
Prof. Lorí Val, Dr. http://www.pucrs.br/famat/val/ val@pucrs.br Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Obetvos A Aálse de
Leia maisCapítulo 1: Erros em cálculo numérico
Capítulo : Erros em cálculo umérco. Itrodução Um método umérco é um método ão aalítco, que tem como objectvo determar um ou mas valores umércos, que são soluções de um certo problema. Ao cotráro das metodologas
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.
É o grau de assocação etre duas ou mas varáves. Pode ser: Prof. Lorí Val, Dr. val@pucrs.br http://www.pucrs.br/famat/val www.pucrs.br/famat/val/ correlacoal ou expermetal. Numa relação expermetal os valores
Leia maisRequisitos metrológicos de instrumentos de pesagem de funcionamento não automático
Requstos metrológcos de strumetos de pesagem de fucoameto ão automátco 1. Geeraldades As balaças estão assocadas de uma forma drecta à produção do betão e ao cotrolo da qualdade do mesmo. Se são as balaças
Leia maisA Medição e o Erro de Medição
A Medção e o Erro de Medção Sumáro 1.1 Itrodução 1.2 Defções 1.3 Caracterzação da qualdade de medção 1.4 O erro da medção 1.4.1 Os erros aleatóros 1.4.2 Os erros sstemátcos 1.5 O verdadero valor, o erro
Leia maisCAPÍTULO 9 - Regressão linear e correlação
INF 6 Prof. Luz Alexadre Peterell CAPÍTULO 9 - Regressão lear e correlação Veremos esse capítulo os segutes assutos essa ordem: Correlação amostral Regressão Lear Smples Regressão Lear Múltpla Correlação
Leia maisPUCRS FAMAT DEPTº DE ESTATÍSTICA ESTATÍSTICA DESCRITIVA SÉRGIO KATO
PUCRS FAMAT DEPTº DE ESTATÍSTICA ESTATÍSTICA DESCRITIVA SÉRGIO KATO A expressão dados, será ctada dversas vezes esta dscpla, em lguagem ormal, dados são ormações (úmeros ou ão) sobre um dvíduo (pessoa,
Leia maisIntrodução 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 maisRegressão Linear - Introdução
Regressão Lear - Itrodução Na aálse de regressão lear pretede-se estudar e modelar a relação (lear) etre duas ou mas varáves. Na regressão lear smples relacoam-se duas varáves, x e Y, através do modelo
Leia maisMatemática Ficha de Trabalho
Matemátca Fcha de Trabalho Meddas de tedêca cetral - 0º ao MEDIDAS DE LOCALIZAÇÃO Num estudo estatístco, depos de recolhdos e orgazados os dados, há a ase de trar coclusões através de meddas que possam,
Leia maisUERJ CTC IME Departamento de Informática e Ciência da Computação 2 Cálculo Numérico Professora Mariluci Ferreira Portes
UERJ CTC IE Departameto de Iormátca e Cêca da Computação Udade I - Erros as apromações umércas. I. - Cosderações geras. Há váras stuações em dversos campos da cêca em que operações umércas são utlzadas
Leia maisELECTROTECNIA TEÓRICA MEEC IST
ELECTROTECNIA TEÓRICA MEEC IST º Semestre 05/6 3º TRABALHO LABORATORIAL CIRCUITO RLC SÉRIE em Regme Forçado Alterado Susodal Prof. V. Maló Machado Prof. M. Guerrero das Neves Prof.ª Mª Eduarda Pedro Eg.
Leia maisJUROS SIMPLES. i 100 i 100. TAXA PROPORCIONAL: É aquela que aplicada ao mesmo capital, no mesmo prazo, produze o mesmo juros.
JUROS MONTANTE JUROS SIMPLES J = C 0 * * t 00 M = C * + * t 00 TAXA PROPORCIONAL: É aquela que aplcada ao mesmo captal, o mesmo prazo, produze o mesmo juros. * = * JUROS COMPOSTOS MONTANTE M = C * + 00
Leia maisM = C( 1 + i.n ) J = C.i.n. J = C((1+i) n -1) MATEMÁTICA FINANCEIRA. M = C(1 + i) n BANCO DO BRASIL. Prof Pacher
MATEMÁTICA 1 JUROS SIMPLES J = C.. M C J J = M - C M = C( 1 +. ) Teste exemplo. ados com valores para facltar a memorzação. Aplcado-se R$ 100,00 a juros smples, à taxa omal de 10% ao ao, o motate em reas
Leia maisCURSO SOBRE MEDIDAS DESCRITIVA Adriano Mendonça Souza Departamento de Estatística - UFSM -
CURSO SOBRE MEDIDAS DESCRITIVA Adrao Medoça Souza Departameto de Estatístca - UFSM - O telecto faz pouco a estrada que leva à descoberta. Acotece um salto a coscêca, chame-o você de tução ou do que quser;
Leia maisPara quantificar a variabilidade de um conjunto de dados ou medidas é que se usam medidas de dispersão. Vamos estudar algumas delas nesta aula.
Probabldade e Etatítca I Antono Roque Aula Medda de Dperão A medda de tendênca central não ão ufcente para e caracterzar um conjunto de dado. O motvo é que ete varação na natureza, to é, dado que venham
Leia maisApostla Básca de Estatístca Slvo Alves de Souza ÍNDICE Itrodução... 3 Software R... 4 Software SPSS... 5 Dstrbução ormal de probabldade... 6 Testes de Hpótese paramêtrco... Testes Não-Paramétrco...5 Dstrbução
Leia maisAlcindo do Prado Junior. Controle de Processos Industriais
Alcdo do Prado Juor Cotrole de Proceo Idutra 00 Cotrole de Proceo Idutra Ídce. INTRODUÇÃO AO CONTROLE DE SISTEMAS DINÂMICOS..... Clafcação do Cotrole Quato à Etrutura..... Clafcação do Cotrole Quato à
Leia maisTeoria da Amostragem
Teora da Amostragem I- oções fudametas sobre amostragem. Amostragem é todo o processo de recolha de uma parte, geralmete pequea, dos elemetos que costtuem um dado couto. Da aálse dessa parte pretede obter-se
Leia maisMétodos Quantitativos em Contabilidade. Análise da Variância ANOVA. Prof. José Francisco Moreira Pessanha professorjfmp@hotmail.
Métodos Quatitativos em Cotabilidade Aálise da Variâcia AOVA Prof. José Fracisco Moreira Pessaha professorfmp@hotmail.com Rio de Jaeiro, 8 de setembro de 01 Aálise da Variâcia com um fator (OE WAY AOVA)
Leia maisEconometria: 4 - Regressão Múltipla em Notação Matricial
Ecoometra: 4 - Regressão últpla em Notação atrcal Prof. arcelo C. ederos mcm@eco.puc-ro.br Prof. arco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo
Leia maisMÉTODO COMPUTACIONAL AUTOMÁTICO TICO PARA PRÉ-PROCESSAMENTO PROCESSAMENTO DE IMAGENS RADIOGRÁFICAS. M. Z. Nascimento, A. F. Frère e L. A.
MÉTODO COMPUTACIONAL AUTOMÁTICO TICO PARA PRÉ-PROCESSAMENTO PROCESSAMENTO DE IMAGENS RADIOGRÁFICAS M. Z. Nascmeto, A. F. Frère e L. A. Neves INTRODUÇÃO O cotraste as radografas vara ao logo do campo de
Leia maisExemplos de I.C. (1 ) 100% para a mådia (e para diferença entre mådias)
Exemplo de I.C. ( )% para a mådia (e para difereça etre mådia) Exemplo : Tete de compreão foram aplicado em dua marca de cimeto para avaliar a reitêcia em cocreto. Foram produzido 5 corpo de prova de cada
Leia maisUnidade II ESTATÍSTICA
ESTATÍSTICA Udade II 3 MEDIDAS OU PARÂMETROS ESTATÍSTICOS 1 O estudo que fzemos aterormete dz respeto ao agrupameto de dados coletados e à represetação gráfca de algus deles. Cumpre agora estudarmos as
Leia maisModelos de Regressão Linear Simples - Erro Puro e Falta de Ajuste
Modelos de Regressão Linear Simples - Erro Puro e Falta de Ajuste Erica Castilho Rodrigues 2 de Setembro de 2014 Erro Puro 3 Existem dois motivos pelos quais os pontos observados podem não cair na reta
Leia maisAnálise de Regressão
Aálse de Regressão Prof. Paulo Rcardo B. Gumarães. Itrodução Os modelos de regressão são largamete utlzados em dversas áreas do cohecmeto, tas como: computação, admstração, egeharas, bologa, agrooma, saúde,
Leia maisCAPÍTULO 7 - Intervalos de confiança
INF 16 CAPÍTULO 7 - Itervalo de cofiaça É uma maeira de calcularmo uma etimativa de um parâmetro decohecido. Muita veze também fucioa como um tete de hipótee. A idéia é cotruir um itervalo de cofiaça para
Leia maisMedidas de Localização
07/08/013 Udade : Estatístca Descrtva Meddas de Localzação João Garbald Almeda Vaa Cojuto de dados utlzação de alguma medda de represetação resumo dos dados. E: Um cojuto com 400 observações como aalsar
Leia maisProf. Dr. Marco Antonio Leonel Caetano Projeção de Cenários Aplicados ao Orçamento Empresarial Com revisão das Ferramentas de Estatística
Projeção de Ceáros Aplcados ao Orçameto Empresaral Com revsão das Ferrametas de Estatístca Prof. Dr. Marco Atoo Leoel Caetao TÓPICO Tratameto, Quatfcação e Vsualzação de Dados Faceros. Itrodução Na dvulgação
Leia maisAULA 19 Análise de Variância
1 AULA 19 Análise de Variância Ernesto F. L. Amaral 18 de outubro de 2012 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro: LTC. Capítulo
Leia mais12.2.2 CVT: Coeficiente de Variação de Thorndike...45 12.2.3 CVQ: Coeficiente Quartílico de Variação...45 13 MEDIDAS DE ASSIMETRIA...46 13.
SUMARIO 2 MÉTODO ESTATÍSTICO...3 2. A ESTATÍSTICA...3 2.2 FASES DO MÉTODO ESTATÍSTICO...4 3 FERRAMENTAS DE CÁLCULO PARA O ESTUDO DA ESTATÍSTICA...5 3. FRAÇÃO...5 3.. Adção e subtração...5 3..2 Multplcação
Leia maisEstatística Notas de Aulas ESTATÍSTICA. Notas de Aulas. Professor Inácio Andruski Guimarães, DSc. Professor Inácio Andruski Guimarães, DSc.
Estatístca Notas de Aulas ESTATÍSTICA Notas de Aulas Professor Iáco Adrus Gumarães, DSc. Professor Iáco Adrus Gumarães, DSc. Estatístca Notas de Aulas SUMÁRIO CONCEITOS BÁSICOS 5. Estatístca. Estatístca
Leia maisSUMÁRIO GOVERNO DO ESTADO DO CEARÁ. Cid Ferreira Gomes Governador. 1. Introdução... 2. Domingos Gomes de Aguiar Filho Vice Governador
INSTITUTO DE PESQUISA E ESTRATÉGIA ECONÔMICA DO CEARÁ - IPECE GOVERNO DO ESTADO DO CEARÁ Cd Ferrera Gomes Goverador Domgos Gomes de Aguar Flho Vce Goverador SECRETARIA DO PLANEJAMENTO E GES- TÃO (SEPLAG)
Leia maisAMOSTRAGEM EM DOIS ESTÁGIOS COM UNIDADES PRIMÁRIAS DE TAMANHOS DIFERENTES SUBSAMPLING TO TWO PROBATION WITH PRIMARY UNITS OF UNEQUAL SIZES
Cêca Florestal, v.6,., p.47-55 47 ISS 003-9954 AMOSTRAGEM EM DOIS ESTÁGIOS COM UIDADES PRIMÁRIAS DE TAMAHOS DIFERETES SUBSAMPLIG TO TWO PROBATIO WITH PRIMARY UITS OF UEQUAL SIZES Sylvo Péllco etto RESUMO
Leia maisINTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA
INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA 003 Iformações: relembra-se os aluos teressados que a realzação de acções presecas só é possível medate solctação vossa, por escrto, à assstete da cadera. A realzação
Leia maisCAPÍTULO 2 - Estatística Descritiva
INF 6 Prof. Luz Alexadre Peterell CAPÍTULO - Estatístca Descrtva Podemos dvdr a Estatístca em duas áreas: estatístca dutva (ferêca estatístca) e estatístca descrtva. Estatístca Idutva: (Iferêca Estatístca)
Leia maisUNIVERSIDADE FEDERAL FLUMINENSE CENTRO DE ESTUDOS GERAIS INSTITUTO DE MATEMÁTICA DEPARTAMENTO DE ESTATÍSTICA NÚMEROS ÍNDICES
UNIVERSIDADE FEDERAL FLUMINENSE CENTRO DE ESTUDOS GERAIS INSTITUTO DE MATEMÁTICA DEPARTAMENTO DE ESTATÍSTICA NÚMEROS ÍNDICES Aa Mara Lma de Faras Luz da Costa Laurecel Com a colaboração dos motores Maracajaro
Leia maisPerguntas Freqüentes - Bandeiras
Pergutas Freqüetes - Baderas Como devo proceder para prestar as formações de quatdade e valor das trasações com cartões de pagameto, os casos em que o portador opte por lqudar a obrgação de forma parcelada
Leia mais2 Avaliação da segurança dinâmica de sistemas de energia elétrica: Teoria
Avalação da seguraça dâmca de sstemas de eerga elétrca: Teora. Itrodução A avalação da seguraça dâmca é realzada através de estudos de establdade trastóra. Nesses estudos, aalsa-se o comportameto dos geradores
Leia maisMAE116 Noções de Estatística
Grupo C - º semestre de 004 Exercíco 0 (3,5 potos) Uma pesqusa com usuáros de trasporte coletvo a cdade de São Paulo dagou sobre os dferetes tpos usados as suas locomoções dáras. Detre ôbus, metrô e trem,
Leia mais1ª) Lista de Exercícios de Laboratório de Física Experimental A Prof. Paulo César de Souza
1ª) Lista de Exercícios de Laboratório de Física Experimental A Prof. Paulo César de Souza 1) Arredonde os valores abaixo, para apenas dois algarismos significativos: (a) 34,48 m (b) 1,281 m/s (c) 8,563x10
Leia maisMonitoramento ou Inventário Florestal Contínuo
C:\Documets ad Settgs\DISCO_F\MEUS-DOCS\LIVRO_EF_44\ef44_PDF\CAP XIV_IFCOTIUO.doc 6 Motorameto ou Ivetáro Florestal Cotíuo Agosto Lopes de Souza. ITRODUÇÃO Parcelas permaetes de vetáro florestal cotíuo
Leia maisMA12 - 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 maisProjeto de rede na cadeia de suprimentos
Projeto de rede a cadea de suprmetos Prof. Ph.D. Cláudo F. Rosso Egehara Logístca II Esboço O papel do projeto de rede a cadea de suprmetos Fatores que fluecam decsões de projeto de rede Modelo para decsões
Leia maisPressuposições à ANOVA
UNIVERSIDADE FEDERAL DE RONDÔNIA CAMPUS DE JI-PARANÁ DEPARTAMENTO DE ENGENHARIA AMBIENTAL Estatística II Aula do dia 09.11.010 A análise de variância de um experimento inteiramente ao acaso exige que sejam
Leia maisMOQ-14 Projeto e Análise de Experimentos
Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica MOQ-14 Projeto e Análise de Experimentos Profa. Denise Beatriz Ferrari www.mec.ita.br/ denise denise@ita.br Regressão Linear
Leia maisMatemática Financeira
Cocetos Báscos de Matemátca Facera Uversdade do Porto Faculdade de Egehara Mestrado Itegrado em Egehara Electrotécca e de Computadores Ecooma e Gestão Na prátca As decsões faceras evolvem frequetemete
Leia maisRESUMO DE MATEMÁTICA FINANCEIRA. Juro Bom Investimento C valor aplicado M saldo ao fim da aplicação J rendimento (= M C)
RESUMO DE MATEMÁTICA FINANCEIRA I. JUROS SIMPLES ) Elemetos de uma operação de Juros Smples: Captal (C); Motate (M); Juros (J); Taxa (); Tempo (). ) Relação etre Juros, Motate e Captal: J = M C ) Defção
Leia maisA REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: enchentes
Mostra Nacoal de Icação Cetífca e Tecológca Iterdscplar VI MICTI Isttuto Federal Catarese Câmpus Camború 30 a 3 de outubro de 03 A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: echetes Ester Hasse
Leia maisÉ o quociente da divisão da soma dos valores das variáveis pelos números deles:
Meddas de Posção. Itrodução Proª Ms. Mara Cytha O estudo das dstrbuções de requêcas, os permte localzar a maor cocetração de valores de uma dstrbução. Porém, para ressaltar as tedêcas característcas de
Leia maisEstimação por Intervalo (Intervalos de Confiança):
Estimação por Itervalo (Itervalos de Cofiaça): 1) Itervalo de Cofiaça para a Média Populacioal: Muitas vezes, para obter-se a verdadeira média populacioal ão compesa fazer um levatameto a 100% da população
Leia maisIV Regressão e correlação IV.4. (cont.) Significância Estatística e Regressão Múltipla
IV Regressão e correlação IV.4. (cont.) Significância Estatística e Regressão Múltipla Significância Estatística Existe uma estatítica, o t-estatístico,associado a cada estimativa O t-estatístico mede
Leia maisOlá, amigos concursandos de todo o Brasil!
Matemátca Facera ICMS-RJ/008, com gabarto cometado Prof. Wager Carvalho Olá, amgos cocursados de todo o Brasl! Veremos, hoje, a prova do ICMS-RJ/008, com o gabarto cometado. - O artgo º da Le.948 de 8
Leia maisEstatística Agosto 2009 Campus do Pontal Prof. MSc. Quintiliano Siqueira Schroden Nomelini
Estatístca Agosto 009 Campus do Potal Prof. MSc. Qutlao Squera Schrode Nomel - ESTATÍSTICA DESCRITIVA. - A NATUREZA DA ESTATÍSTICA COMO SURGIU A ESTATÍSTICA????? A Matemátca surge do covívo socal, da cotagem,
Leia mais3 Precificação de resseguro
Precfcação de Resseguro 35 3 Precfcação de resseguro Este capítulo traz prmeramete uma oção ampla das aplcações das metodologas de precfcação de resseguro para melhor compreesão do mesmo Da seção 3 até
Leia maisMODELAGEM DE DADOS POR REGRESSÃO LINEAR MÚLTIPLA PARA AVALIAÇÃO DE IMÓVEIS RURAIS DO SUBMÉDIO SÃO FRANCISCO
ODEAGE DE DADOS POR REGRESSÃO INEAR ÚTIPA PARA AVAIAÇÃO DE IÓVEIS RURAIS DO SUBÉDIO SÃO FRANCISCO JOSÉ ANTONIO OURA E SIVA Isttuto Nacoal de Colozação e Reforma Agrára - INCRA UIZ RONADO NAI 3 Isttuto
Leia maisTEORIA DO FLUXO DE TRÁFEGO
Uerdade de Braíla Faculdade de Tecologa Departaeto de Egehara Cl e Abetal Área de Traporte ENGENHARIA DE TRÁFEGO apotla: TEORIA DO FLUXO DE TRÁFEGO Prof. Paulo Cear Marue da Sla Março de 994 Reada e abr/00
Leia maisÍNDICE DE TERMOS: MOTOR DEDICADO, PADRONIZAÇÃO;
Aplcação de Motores de Méda esão dedcados acoados por versor de frequêca e utlzação de um úco projeto em dferetes solctações de carga. Gleuber Helder Perera Rodrgues Esp. Eg. WEG Brasl gleuber@weg.et Alex
Leia maisIND 1115 Inferência Estatística Aula 9
Coteúdo IND 5 Iferêca Estatístca Aula 9 Outubro 2004 Môca Barros Dfereça etre Probabldade e Estatístca Amostra Aleatóra Objetvos da Estatístca Dstrbução Amostral Estmação Potual Estmação Bayesaa Clássca
Leia mais1) Escrever um programa que faça o calculo de transformação de horas em minuto onde às horas devem ser apenas número inteiros.
Dscpla POO-I 2º Aos(If) - (Lsta de Eercícos I - Bmestre) 23/02/2015 1) Escrever um programa que faça o calculo de trasformação de horas em muto ode às horas devem ser apeas úmero teros. Deverá haver uma
Leia maisMATERIAL DE ESTATÍSTICA II PROF. MÁRIO ROBERTO
1 VARIÁVEIS ALEATÓRIAS O que se etede por varável aleatóra? Até agora ossos estudos estavam pratcamete voltados mas para defrmos osso Espaço Amostral U, sem assocarmos suas respectvas probabldades aos
Leia maisFERRAMENTA AVALIATIVA DINÂMICA A PARTIR DA TEORIA DE RESPOSTA AO ITEM
FERRAMENTA AVALIATIVA DINÂMICA A PARTIR DA TEORIA DE RESPOSTA AO ITEM Fabríca D. Satos, Lucla G. Rbero, Leoardo G. de R. Guedes, Weber Marts Uversdade Católca de Goás, Departameto de Computação Uversdade
Leia maisUm exemplo de Análise de Covariância. Um exemplo de Análise de Covariância (cont.)
Um exemplo de Análie de Covariância A Regreão Linear e a Análie de Variância etudada até aqui, ão cao particulare do Modelo Linear, que inclui também a Análie de Covariância Em qualquer deta trê ituaçõe
Leia maisAnálise 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 maisDISTRIBUIÇÕES ESPECIAIS DE PROBABILIDADE DISCRETAS
VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADES 1 1. VARIÁVEIS ALEATÓRIAS Muitas situações cotidianas podem ser usadas como experimento que dão resultados correspondentes a algum valor, e tais situações
Leia maisMódulo: Binômio de Newton e o Triângulo de Pascal. Binômio de Newton e o Triângulo de Pascal. 2 ano do E.M.
Módulo: Bômo de Newto e o Trâgulo de Pascal Bômo de Newto e o Trâgulo de Pascal ao do EM Módulo: Bômo de Newto e o Trâgulo de Pascal Bômo de Newto e o Trâgulo de Pascal Exercícos Itrodutóros Exercíco Para
Leia maisNotas de aula da disciplina Probabilidade e Estatística
otas de aula da dscpla Probabldade e Estatístca Proessor M Sc Adré Luz DAMAT - UTFPR Esta apostla apreseta os tópcos prcpas abordados em sala de aula, cotedo deções, teoremas, eemplos Sua letura ão é obrgatóra,
Leia maisCapítulo 1 PORCENTAGEM
Professor Joselas Satos da Slva Matemátca Facera Capítulo PORCETAGEM. PORCETAGEM A porcetagem ada mas é do que uma otação ( % ) usada para represetar uma parte de cem partes. Isto é, 20% lê-se 20 por ceto,
Leia maisMEDIÇÃO EM QUÍMICA. Escola Secundária José Saramago FQA nível 1-2007/2008. Adaptado por Marília Peres Fonte: Corrêa, C., Química, 2007, Porto Editora
MEDIÇÃO EM QUÍMICA Escola Secundária José Saramago FQA nível 1-2007/2008 Adaptado por Marília Peres Fonte: Corrêa, C., Química, 2007, Porto Editora A L 1.1 Medição em Química SUMÁRIO: Obtenção e tratamento
Leia maisValor máximo que é possível medir
MEDIÇÃO EM QUÍMICA Escola Secundária José Saramago FQA 10.ºAno 2009/2010 Marília Peres I NSTRUMENTOS DE MEDIDA Alcance Valor máximo que é possível medir Sensibilidade ou Natureza do aparelho Valor da menor
Leia maisExercícios de Cálculo Numérico Interpolação Polinomial e Método dos Mínimos Quadrados
Eercícos e Cálculo Numérco Iterpolação Polomal e Métoo os Mímos Quaraos Para a ução aa, seja,, 6 e, 9 Costrua polômos e grau, para apromar, 5, e ecotre o valor o erro veraero a cos b c l Use o Teorema
Leia maisFaculdade de Economia, Administração e Contabilidade de Ribeirão Preto
Faculdade de Ecooma, Admstração e Cotabldade de Rberão Preto Ecooma Moetára Curso de Ecooma / º. Semestre de 014 Profa. Dra. Rosel da Slva Nota de aula CAPM Itrodução Há dos modelos bastate utlzados para
Leia maisSistemas de equações lineares
Sstemas - ALGA - / Sstemas de equações lneares Uma equação lnear nas ncógntas ou varáves x ; x ; :::; x n é uma expressão da forma: a x + a x + ::: + a n x n = b onde a ; a ; :::; a n ; b são constantes
Leia maisFINANCIAMENTOS UTILIZANDO O EXCEL
rofessores Ealdo Vergasta, Glóra Márca e Jodála Arlego ENCONTRO RM 0 FINANCIAMENTOS UTILIZANDO O EXCEL INTRODUÇÃO Numa operação de empréstmo, é comum o pagameto ser efetuado em parcelas peródcas, as quas
Leia maisMarília Brasil Xavier REITORA. Prof. Rubens Vilhena Fonseca COORDENADOR GERAL DOS CURSOS DE MATEMÁTICA
Maríla Brasl Xaver REITORA Prof. Rubes Vlhea Foseca COORDENADOR GERAL DOS CURSOS DE MATEMÁTICA MATERIAL DIDÁTICO EDITORAÇÃO ELETRONICA Odvaldo Texera Lopes ARTE FINAL DA CAPA Odvaldo Texera Lopes REALIZAÇÃO
Leia maisObra publicada pela Universidade Federal de Pelotas
Obra publcada pela Uversdade Federal de Pelotas Retor: Prof. Dr. Atoo Cesar Goçalves Bores Vce-Retor: Prof. Dr. Maoel Luz Breer de Moraes Pró-Retor de Etesão e Cultura: Prof. Dr. Luz Era Goçalves Ávla
Leia maisANÁLISE DE CORRELAÇÃO: ABORDAGEM TEÓRICA E DE CONSTRUÇÃO DOS COEFICIENTES COM APLICAÇÕES
UNIVERIDADE FEDERAL DO PARANÁ ANÁLIE DE CORRELAÇÃO: ABORDAGEM TEÓRICA E DE CONTRUÇÃO DO COEFICIENTE COM APLICAÇÕE CURITIBA 004 ACHIKO ARAKI LIRA ANÁLIE DE CORRELAÇÃO: ABORDAGEM TEÓRICA E DE CONTRUÇÃO DO
Leia maisCAPÍTULO 1 PROBABILIDADE
CAPÍTULO PROBABILIDADE. Coceto O coceto de probabldade está sempre presete em osso da a da: qual é a probabldade de que o meu tme seja campeão? Qual é a probabldade de que eu passe aquela dscpla? Qual
Leia maisPROCEDIMENTOS DE CÁLCULO DE INCERTEZA DE MEDIÇÃO EM MEDIÇÕES DIRETAS E INDIRETAS
PROCEDIMENTOS DE CÁLCULO DE INCERTEZA DE MEDIÇÃO EM MEDIÇÕES DIRETAS E INDIRETAS Prof José Leoardo Noroha M Eg Departameto de Egehara de Prodção Escola Federal de Egehara de Itabá EFEI RESUMO: Neste trabalho
Leia maisMétodos Estatísticos Avançados em Epidemiologia
Métodos Estatísticos Avançados em Epidemiologia Análise de Variância - ANOVA Cap. 12 - Pagano e Gauvreau (2004) - p.254 Enrico A. Colosimo/UFMG Depto. Estatística - ICEx - UFMG 1 / 39 Introdução Existem
Leia maisNeste capítulo pretende-se introduzir o conceito de centróide, em especial quando aplicado para o caso de superfícies planas.
Físca plcada à Egehara vl II aulo Medes ENTRÓIDES Neste capítulo pretede-se troduzr o coceto de cetróde, em especal quado aplcado para o caso de superfíces plaas. Este documeto, costtu apeas um strumeto
Leia maisSumário: 6.3.3. Intervalo de confiança para a diferença entre duas médias de. populações independentes com variâncias conhecidas...
0 Sumário: 6. Itervalo de Cofiaça...0 6.. etimação por itervalo...0 6.. Itervalo de cofiaça para a média...0 6... Itervalo de cofiaça para a média com variâcia cohecida...0 6... Itervalo de cofiaça para
Leia maisPESQUISA OPERACIONAL -PROGRAMAÇÃO LINEAR. Prof. Angelo Augusto Frozza, M.Sc.
PESQUISA OPERACIONAL -PROGRAMAÇÃO LINEAR Prof. Angelo Augusto Frozza, M.Sc. ROTEIRO Esta aula tem por base o Capítulo 2 do livro de Taha (2008): Introdução O modelo de PL de duas variáveis Propriedades
Leia maisLINEARIZAÇÃO DE GRÁFICOS
LINEARIZAÇÃO DE GRÁFICOS Física Básica Experimental I Departamento de Física / UFPR Processo de Linearização de Gráficos O que é linearização? procedimento para tornar uma curva que não é uma reta em uma
Leia maisEVAPOTRANSPIRAÇÃO DE REFERÊNCIA UTILIZANDO MÉTODOS DE TANQUE CLASSE A PROPOSTOS PELA FAO, NA REGIÃO DE MOSSORÓ, RN
EVAPOTRANSPIRAÇÃO DE REFERÊNCIA UTILIZANDO MÉTODOS DE TANQUE CLASSE A PROPOSTOS PELA FAO, NA REGIÃO DE MOSSORÓ, RN Tayd Dayvso Custódo Pexoto ; Sérgo Luz Agular Leve ; Adre Herma Frere Bezerra 3 ; José
Leia maisAluno(a): Professor: Chiquinho
Aluo(a): Pofesso: Chquho Estatístca Básca É a cêca que tem po objetvo oeta a coleta, o esumo, a apesetação, a aálse e a tepetação de dados. População e amosta - População é um cojuto de sees com uma dada
Leia maisAULA 4 DELINEAMENTO EM QUADRADO LATINO (DQL)
AULA 4 DELINEAMENTO EM QUADRADO LATINO (DQL) Características Utiliza-se de três princípios básicos da experimentação: repetição, casualização e controle local. Possui um controle local mais eficiente que
Leia maisUNESP - Faculdade de Engenharia de Guaratinguetá 1
ANÁLISE GRÁFICA UNESP - Faculdade de Engenharia de Guaratinguetá 0.. Introdução Neste capítulo abordaremos princípios de gráficos lineares e logarítmicos e seu uso em análise de dados. Esta análise possibilitará
Leia maisCONVENÇÃO DE SINAIS. Bipolo Receptor. I = corrente recebida V = tensão manifestada "Tensão e Corrente em sentidos contrários".
OTA DE AULA DE COVERÃO 1 COVEÇÃO DE A Bipolo Gerador Bipolo Receptor Circuito Convencional E + - V + - E + - V + - E = tensão produzida = corrente produzida "Tensão e Corrente no mesmo sentido". = corrente
Leia maisAULA 07 Distribuições Discretas de Probabilidade
1 AULA 07 Distribuições Discretas de Probabilidade Ernesto F. L. Amaral 31 de agosto de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro:
Leia maisPROBABILIDADES E ESTATÍSTICA
ESCOLA SUPERIOR DE TECNOLOGIA DE SETÚBAL DEPARTAMENTO DE MATEMÁTICA PROBABILIDADES E ESTATÍSTICA o Teste 7 o SEMESTRE 5/6 Data: Sábado, 7 de Jaeiro de 6 Duração: 9:3 às :3 Tópicos de Resolução. O úmero
Leia maisInteligência Artificial
Inteligência Artificial Aula 7 Programação Genética M.e Guylerme Velasco Programação Genética De que modo computadores podem resolver problemas, sem que tenham que ser explicitamente programados para isso?
Leia mais2.1.1. Sistemas simples a uma dimensão
2. CONVERSÃO DE UNIDADES Velocidade do carro (S.I.): m/s ; mais compreensível em km/h. 2.1. Conversão de unidades simples: comprimento (m), área (m 2 ),... 2.2. Conversão de unidades compostas: velocidade
Leia maisMODELO DE ISING BIDIMENSIONAL SEGUNDO A TÉCNICA DE MATRIZ DE TRANSFERÊNCIA
UIVERSIDADE ESTADUAL DO CEARÁ RAFAEL DE LIMA BARBOSA MODELO DE ISIG BIDIMESIOAL SEGUDO A TÉCICA DE MATRIZ DE TRASFERÊCIA FORTALEZA CEARÁ 4 RAFAEL DE LIMA BARBOSA MODELO DE ISIG BIDIMESIOAL SEGUDO A TÉCICA
Leia maisJackknife, Bootstrap e outros métodos de reamostragem
Jackkife, Bootstrap e outros métodos de reamostragem Camilo Daleles Reó camilo@dpi.ipe.br Referata Biodiversa (http://www.dpi.ipe.br/referata/idex.html) São José dos Campos, 8 de dezembro de 20 Iferêcia
Leia mais